联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。其中，联邦学习可使用的机器学习算法不局限于神经网络，还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。
本工程建筑为办公生产大楼，由地上32层、地下3层组成；其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房；地上部分：主楼一层含公共大厅；5为设备转换层，11、22层为避难层，33层设置机房；6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展，能源系统智能化特征越来越突出，能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升，所 涉及的设备和系统将数以亿计，在 规划和运行过程中将产生海量数据， 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节，蕴含着巨 大的价值。
本工程为单缆无源系统，将为大楼提供全面无线通信信号覆盖，所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
广东背靠背柔性直流（简称柔直）工程交流侧仅有两条出线，且只有一个下一级变电站，换流器出现最后断路器的风险较高，工程中会配置最后断路器保护来防止设备过压损坏。为降低过电压特征以及提高最后断路器保护动作的时间裕度，基于广东背靠背柔直工程拓扑与控制策略开展了最后断路器三相和单相跳闸工况下的过压机理与特性研究。分析了柔直正负序调制波限幅取值范围，提出了一种柔直正负序调制波限幅优化降低过电压的方法，并开展了EMTDC仿真验证。研究结果表明，背靠背柔直过压特征与正负序控制强相关，且最后断路器单相跳闸比三相跳闸过压严重，换流变饱和特性会抑制过电压但会使控制响应更加复杂，采取所提方法可显著提升最后断路器保护动作的时间裕度。
以夏季高温和高荷载条件下绝缘跳线夹的过热的智能感知为研究对象，建立绝缘跳线夹在典型作业工况下的电-热多物理场耦合三维有限元模型，通过试验验证了模型的有效性，并获取绝缘跳线夹在不同电流负荷、光照强度、环境温度及风速等因素下温度场分布数据作为线夹过热感知模型的训练样本。为了提高麻雀搜索算法（sparrow search algorithm，SSA）在全局搜索的能力引入反向学习策略构建了改进麻雀搜素算法（improved sparrow search algorithm，ISSA），采用改进麻雀算法优化BP神经网络（improved sparrow search algorithm optimization back propagation neural network， ISSA-BPNN）建立绝缘跳线夹温度预测模型，并使用均方值、决定系数评价ISSA-BPNN与粒子群算法优化BP神经网络（particle swarm optimization back propagation neural network， PSO-BPNN）、遗传算法优化BP神经网络（genetic algorithm optimization back propagation neural network， GA-BPNN）、麻雀搜索算法优化BP神经网络（sparrow search algorithm optimization back propagation neural network， SSA-BPNN）及BP神经网络5种算法的预测精度。结果表明，ISSA-BPNN模型相较于其余4种算法的预测模型其预测平均误差可控制在0.71%以内，且收敛速度更快，可以更加精准预测绝缘跳线夹温升，为绝缘跳线夹的状态检测与评估提供了依据。
本报告考虑工业领域的网络安全需求，结合工业领域5G LAN 技术的发展和应用情况，总结了5G LAN网络安全相关技术，以及有代表性的行业典型案例，为工业领域的5G LAN安全技术应用和推广提供参考依据和指导。
生物质能作为重要的可再生能源，同样是国际公认的零碳可再生能源，具有绿色、低碳、清洁等特点。生物质资源来源广泛，包括农业废弃物、木材和森林废弃物、城市有机垃圾、藻类生物质以及能源作物等。生物质能通过发电、供热、供气等方式，广泛应用于工业、农业、交通、生活等多个领域，是其他可再生能源无法替代的。
自中国确立“双碳”目标以来，各行业、各地区的低碳转型逐步进入实操阶段， 打造“零碳工业”也成为了重要行业趋势。其不仅能直接带动装备智造的技术革新，更提供了绿色新工业产值。另外，在零碳工厂内生产的产品对外出口可绕开碳关税，而且还会因减碳而降低成本。在这个过程中，工业园区是控碳和降碳“一块难啃的硬骨头”
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
