会员中心
搜索
登录
注册

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

文福拴教授：中国电力市场化改革的回顾、现状与展望

2024年5月31日—6月2日，由中国电机工程学会新型电力系统风险控制与安全评估专委会、西安交通大学、《智慧电力》编辑部、《电力系统保护与控制》杂志社主办，武汉大学承办的第二届智慧电力能源安全论坛在湖北省武汉市召开。会议邀请浙江大学教授文福拴作了题为“中国电力市场化改革的回顾、现状与展望”的专题报告。征得文教授同意，特与您分享。

  • 2024-09-04
  • 阅读436

谢强教授：变电站换流站设备的抗震仿真分析及韧性评估

2024年6月6日，中电联输变电设备仿真技术标准化技术委员会一届三次会议暨2024年学术交流会在广州召开,南网科研院蔡希鹏院长作为主任委员主持会议并致欢迎辞。会上，同济大学谢强教授作了“变电站换流站设备的抗震仿真分析及韧性评估”的特邀报告。征得谢教授同意，特与您分享!

  • 2024-09-02
  • 阅读292

戴珍博士：调度运行领域电力人工智能应用

南方电网人工智能科技有限公司专家戴珍博士作了题为“调度运行领域电力人工智能应用”的主旨报告，征得戴博士同意，特与您分享。

  • 2024-09-02
  • 阅读440

《中国的能源转型》白皮书

介绍十来年中国能源成就，加快构建能源供给新体系，大力发展能源新质生产力，推进能源现代化。介绍十来年中国能源成就，加快构建能源供给新体系，大力发展能源新质生产力，推进能源现代化。

  • 2024-09-02
  • 阅读339

智能控制算法—最优控制（LinearQuadraticRegulatorLQR)

线性二次调节器（LQR）是一种经典的控制技术，用于设计线性系统最优控制律,相关系列文章自动驾驶——离散系统LQR的黎卡提方程Riccati公式推导与LQR落地工程化和机器人控制算法——移动机器人横向控制最优控制LQR算法.

  • 2024-09-01
  • 阅读639

融合物理知识的数据驱动方法——飞机发动机全生命周期退化监测

飞机发动机性能的下降需要实时监控。因此，本文提出了一种实时性能退化监测方法，包括用于原始发动机性能预测的基线状态（BLS）模型和用于持续发动机性能预测的实时模型。两种模型均基于LSTM，并与发动机物理拓扑集成；为了抵消模型训练期间不同发动机状态之间的数据分布差异，本文提出了一种数据增强方法。在案例验证中，采用了发动机运行600小时的数据，以推力作为目标监测参数。初始50小时数据集涵盖了随后550小时的整个工况范围，并作为两个模型的训练数据集。试验结果表面，BLS模型在最初50小时内实现了平均绝对相对误差 (MARE)低于0.5%，最大绝对相对误差(Emax)低于8%。同时，实时模型在接下来的550小时内的MARE低于0.7%，Emax低于10%。本研究在与传统方法的实时推力衰减的比较中凸显了该方法的可行性和优势。

  • 2024-08-31
  • 阅读642

用于预测和健康管理的类ChatGPT大型基础模型：综述和路线图

预测性维护和健康管理（PHM）技术在工业生产和维护中至关重要，能够识别和预测潜在的设备故障和损坏。这有助于实施主动维护措施，提高设备可靠性，降低生产成本。最近，基于人工智能（AI）的PHM 方法取得了显著成就，并在铁路、能源和航空等各个行业中得到广泛应用，用于状态监测、故障预测和健康管理。ChatGPT 和 DALLE-E 等大规模基础模型（LSF-Models）的出现标志着 AI 从 AI-1.0 进入 AI-2.0 的新时代，深度模型从单一模态、单一任务和有限数据的研究范式迅速演变为多模态、多任务、海量数据和超大型模型范式。ChatGPT 代表了这一研究范式的里程碑成就，由于其出色的自然语言理解能力，为通用 AI 带来了希望。然而，PHM 领域在应对这一重大变化方面缺乏共识，需要系统的综述和路线图来阐明未来的发展方向。因此，本文阐述了 LSF-Models 的关键组成部分和最新发展。然后，本文系统地回答了如何构建适用于 PHM 任务的 LSF-Models，并概述了这一研究范式所面临的挑战和未来的发展路线图。

  • 2024-09-01
  • 阅读879

基于深度隐变量状态空间模型的轴承退化预测

滚动轴承是机械传动设备的核心部件，预测其退化趋势对于保障设备的安全稳定运行至关重要。目前，大多数基于状态空间模型（SSMs）的轴承退化预测方法都采用线性函数或简单的非线性函数（如指数函数、幂函数）来建立状态和测量方程。然而，这些方法无法适应实际应用中复杂多变的非线性退化过程。针对这一问题，论文开发了一种基于深度隐变量的状态空间退化模型，并将其应用于轴承退化预测。所提方法继承了状态空间模型的优点，能够以结构化的方式对不确定性进行建模。此外，通过引入微分预变换，进一步提高了模型的长期预测性能。为了验证提出模型在预测轴承退化方面的有效性，论文使用了PRONOSTIA平台的轴承数据集和真实的风力涡轮机轴承数据进行了实验。实验结果表明，论文所提方法在轴承退化预测精度方面优于现有方法，充分证明了模型的优越性能。

  • 2024-09-01
  • 阅读891