• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

李健, 张钧, 韩新阳, 等. 新型电力系统形态量化推演方法的总体框架与功能设计

新型电力系统形态受中国能源电力发展目标牵引,需要落实在典型场景,以满足典型场景中的功能需求为目的。为此,需要充分发挥驱动力推动作用,实现新型电力系统形态科学发展,其驱动力包括模式创新、技术创新和机制创新。

  • 2025-04-03
  • 阅读631
  • 下载0
  • 18页
  • pdf

人工智能重塑科学与工程研究

挑战 科学知识呈指数级增长,专业化程度不断提高·跨学科合作需求增加,但知识壁垒阻碍学习与交流 ●自动文献管理与分析 ●Semantic Scholar有超过2.14亿篇论文 图表理解与信息提取。 ·结合图像、表格、公式和文本,分析复杂科学文献

  • 2025-04-03
  • 阅读512
  • 下载1
  • 19页
  • pdf

智能金融:AI 驱动的金融变革

计算范式从指令式到意图式转变:传统计算机需要精确的指令序列,而 LLM 可以理解模糊的人类意图并将其转换为具体操作。

  • 2025-04-03
  • 阅读571
  • 下载0
  • 14页
  • pdf

AI大模型如何破局传统医疗

医疗大模型在应用中需要重视数据的客观性和可用性,理解大模型的能力边界,重视应用场景牵引下的基础和能力提升

  • 2025-04-03
  • 阅读270
  • 下载0
  • 24页
  • pdf

天津职业技术师范大学 陈庆斌等|基于相似日选取和数据重构的短期光伏功率组合预测方法

针对光伏功率随机性较强等问题,提出了一种基于相似日选取和数据重构的短期光伏功率组合预测方法。首先,利用核模糊C均值算法对光伏功率进行聚类分析,通过最大信息系数提取主要影响特征;其次,结合合作博弈思想计算预测日和历史日的综合相关系数,挑选相关性较强的历史日构建训练集;然后,利用变分模态分解将光伏功率分解为若干子序列,计算排列熵值并重构为趋势项、低频项和高频项;最后,对趋势项和低频项采用长短期记忆神经网络进行预测,对高频项采用卷积神经网络-双向长短期记忆神经网络-注意力机制模型进行预测,将结果叠加得到最终预测结果。经实例验证,在不同天气条件下,所提模型整体预测误差最小,可有效提高预测精度。

  • 2025-04-02
  • 阅读618
  • 下载0
  • 26页
  • pdf

三峡大学 鲁玲等|计及?效率和多重不确定性的区域综合能源系统双层优化

本文在现有研究区域综合能源系统配置与调度双层优化的基础上,引入?效率作为综合能效的评估指标,同时考虑风光不确定性、负荷和能源价格波动对系统的影响,建立了计及?效率和多重不确定性的RIES双层优化模型,

  • 2025-04-02
  • 阅读430
  • 下载0
  • 35页
  • pdf

上海电力大学 李江等|计及水泥厂直接碳排放碳责任的源-荷低碳优化运行方法

未来随着双碳政策的推进,本文提出的双向碳排放分摊和低碳经济运行方法,将为高能耗企业更深层次参与低碳需求响应提供理论和技术支撑。

  • 2025-04-02
  • 阅读393
  • 下载0
  • 29页
  • pdf

西安交通大学 任明等|基于稀疏光谱成像的线路复合绝缘子积污状态可视化评估

本文基于稀疏光谱成像技术,提出了多源反射光谱图像配准方法及线路复合绝缘子污秽状态评估方法,并进行了运行工况下线路复合绝缘子污秽状态的实测分析,结论如下。

  • 2025-04-01
  • 阅读306
  • 下载0
  • 31页
  • pdf
上一页 1 …… 156157158159160161162163164165166 …… 5897 下一页 共 47175 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读101
  • 下载2

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR

  • 阅读936
  • 下载8

2026“人工智能+”行业发展蓝皮书

2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

  • 阅读2738
  • 下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。

  • 阅读3173
  • 下载14

最新上线

超硬材料智慧园区方案

超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。

  • 阅读31
  • 下载0

中服云工业物联网平台在印刷装备制造行业的应用

印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。

  • 阅读54
  • 下载0

中服云数字孪生系统在石油和天然气开采业的应用案例(痛点·方案·成效)

石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。

  • 阅读58
  • 下载0

中服云物联网与数字孪生平台在油气作业现场的应用

油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。

  • 阅读56
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南