北极星
      北极星为您找到“机器学习”相关结果1455
      85亿打造“数字南网”!南方电网公司数字南网建设行动方案

      来源:北极星输配电网2019-07-18

      2019年建成引入成熟的人工智能技术,汇聚主流的深度学习和机器学习算法,建设公司统一的人工智能组件。构建物理电网建设、生产、管理全过程数字模型。2019年完成海南电网数字模型,2020年持续推进。

      光伏电站的数字化双胞胎

      来源:逸莱轲软件贸易(上海)有限公司2019-07-15

      除了实现数据看板,报警提醒,缺陷检测功能外,还可以基于专家知识库甚至机器学习等ai技术进行系统的诊断分析,基于实时环境数据对发电产量的预测。

      纯干货|综合能源服务简介

      来源:浙江省电力学会 电力系统专委会2019-07-15

      05人工智能的实际应用人工智能主要包括六个学科方向即计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理以及机器学习

      来源:SDNLAB2019-07-12

      一些研究人员正在研究亚毫瓦视觉处理器,比如arm的设计能够在功耗极低的设备上运行机器学习算法。但也许最有趣的“边缘设备”是未来的高端nvidia pegasus主板,针对自动驾驶汽车。

      海上风电场预防性运行维护技术研究

      来源:风能产业2019-07-12

      (一)基于大数据的故障预警模型应用充分挖掘风电机组运行数据,通过专家经验、数据统计和机器学习等多种方法开发机组故障预警模型,在故障萌芽状态时及时处理,降低运维成本,延长设备寿命。

      来源:中国电力新闻网2019-07-09

      创新利用外部数据,结合电力客户电量、在运充电设施等内部数据,通过机器学习算法、加装数据采集装置等手段,提出优化充电设施布点建议;多维度建立分析算法,强化台区线损管理;运用大数据分析科学辅助投资决策……这些大数据应用正在有效助力浙江电力的创新发展和价值重塑

      智能核工业构想:“孪生”核电站

      来源:《中国核工业》2019-07-09

      其中值得一提的是,借助大数据技术,或许能通过机器学习推测出一些本来无法直接测量的指标,从而提供更全面的评估、诊断和预测。

      来源:江苏省盐城供电公司2019-07-05

      电力人工智能核心技术方向包括智能传感、人工智能平台、大数据、机器学习、计算机视觉、自然语言处理、智能机器人等7部分。而大数据是人工智能的基石,在很多人工智能的应用场景中,依然存在大量的数据空白。

      来源:《国家电网》杂志2019-07-03

      基于大量传感器采集电网海量数据,包括状态数据与预警信息(过电压等),汇集到统一的大数据平台,结合人工智能、机器学习等先进技术进行分析,挖掘本质特征,为电网规划、故障处理、负荷预测等重要内容提供支撑。...基于数字智能传感器技术实现对故障的快速定位和辨识;通过云平台对全网络故障库进行共享,进行汇总和机器学习,形成统一解决方案库;提高电力系统自动化水平,在保证安全的前提下实现故障自动处理,包括断电隔离与换线恢复供电

      来源:中国电力报2019-07-02

      更直接的是依靠人工智能技术的实用化和商业化,以深度神经网络为代表的机器学习算法在阿法狗、图像识别等场景中不断发扬光大,均以数据为核心要素,构成一个学习、预测、应用、学习的闭环正反馈,实际结果作为标识数据反馈

      来源:能源研究俱乐部2019-06-24

      随着公用事业企业业务模式的创新,在基础设施建设中所投入的物联网、机器学习、人工智能和区块链技术等资本化支出将大量涌现,使得以成本定价的情形更加复杂,哪些投入是合理性支出,哪些是智能升级的支出,也就是说定价是以

      来源:WoodMac电力与可再生能源2019-06-20

      包括数据分析和机器学习在内的先进数字技术,能够提供更高水平的资产管理,比如端对端优化运维成本、优化物流运和备件运输、提高能效。“尽管数字化技术有其优势,但其在实际资产管理中的使用率不尽相同。

      来源:远光软件2019-06-19

      运维智能调度结合了大数据与机器学习,搭建运维线路优化和运维任务决策体系,将区域内的有限资源进行高效分配,综合寻优做出决策(智能分单、导航等),从而提高运维效率,帮助运维管理人员解决人工调配过程中存在的无序

      来源:全球智慧网2019-06-14

      核心提示:2019年06月12日关于大数据与机器学习将如何改变全球能源行业?的最新消息:机器学习、大数据以及自动化正在彻底改变全球工业体系,能源行业自然也不例外。...新的“智能”电网也在采用机器学习技术实现计算机、自动化与传感器装置的集成,从而以实时监测甚至预测能源需求的快速变化。

      三一重能与山东院举行风电技术交流会

      来源:三一重能有限公司2019-06-13

      针对山东院关注的智慧风场数字化系统应用技术,陈湘泉详细介绍了三一的智慧风场和scada系统,其中三一重能智慧风场的价值主要体现在四个方面:①通过机器学习,使风机针对环境进一步适应优化,提高风场发电量,增加收益

      智能IV诊断3.0,让运维进入AI时代!

      来源:华为智能光伏2019-06-13

      iv诊断3.0,利用智能光伏逆变器扫描光伏组串得到输出电压和输出电流的关系曲线(iv曲线);通过智能光伏管理系统对iv曲线进行大数据分析,应用ai智能诊断算法,精准识别故障组串,并输出诊断报告;通过ai机器学习

      ABB在2019瑞士创新周与各界共话智慧城市建设

      来源:ABB中国2019-06-13

      abb电气事业部广泛的产品组合融合机器学习、人脸识别、大功率充电、环保绝缘气体等领先技术,从发电端到用电端,提供中低压配电控制系统、建筑控制系统、电动汽车充电基础设施等解决方案,推动从智能到更智慧的转变

      新版“两个细则”背后 如何让可再生能源功率预测更精确?

      来源:北极星风力发电网2019-06-13

      (3)混合气象订正技术wcp基于电场级的多源气象源预报资料,利用弹性网络、k临近点、支持向量机、线性回归等多种机器学习算法,建立多种混合订正模型,通过模型选择和均方根误差评价等方法选择最优模型。...在功率预测模型算法方面,金风从数据特征挖掘、差异化建模方案和多算法、增量式模型及参数自动优化三方面进行,自主研发打造了“金风自动模型训练和预测平台(atp)”,将人工经验和机器学习算法有机结合,有效提升建模效率和预测精度

      世界能源领域前沿技术发展趋势分析 3D打印技术应用于太阳能电池制造工艺

      来源:能源情报研究2019-06-12

      5.大数据背景下推动能源行业数字化转型在“智能 +”时代,云、物联网、数据分析、机器学习、人工智能、自动化、智能终端、增强现实等技术组成错综复杂的生态系统。

      世界能源领域前沿技术发展趋势分析:电池储能将发挥重要作用

      来源:《能源情报研究》2019-06-12

      5.大数据背景下推动能源行业数字化转型在“智能 +”时代,云、物联网、数据分析、机器学习、人工智能、自动化、智能终端、增强现实等技术组成错综复杂的生态系统。

      相关搜索