新葡京娱乐场-大陆娱乐场开户注册

1. 痛點問題 隨著電力系統的發展，電網運行方式時變性和復雜性日益增強，運行專家難以把握電網安全運行的特征和規律，極大的增加了電網運行風險和控制難度。在傳統的調度機制中，一方面，運方人員人工選擇典型的運行方式，通過離線電力系統分析程序，計算電網潮流，分析電網穩定性，制定電網安全運行邊界，進而人工歸納形成“年度運行方式手冊”，來長期指導電網運行；另一方面，調度員將上述運行規則作為安全邊界（安全約束），輸入能量管理系統（Energy Management System，EMS），進而對電網進行調度和控制，以求在安全邊界內達到最優運行點。 然而傳統的調度機制存在問題，近年來國內外頻繁發生的大停電事故也說明了這一點。主要問題歸納如下： 第一，極端運行方式下不安全：電網運行方式多變，離線規則可能不滿足極端運行方式的安全要求。 第二，常規運行方式下經濟性差：受能力和時間所限，運方人員離線制定運行規則時，僅分析典型運行方式，規則形成后長期使用，相對粗放，缺乏精益化管控，導致電力網絡資源利用率低。 第三，隨著新能源的大規模并網、需求響應的逐步實現，運行邊界頻繁變化，不確定性增強。 第四，電力系統運行受到其他系統影響，電力系統安全已經演變成為一個多系統、多因素綜合分析問題。以微氣象系統為例，對于發電側，微氣象直接影響風電、光伏等新能源的出力；對于需求側，微氣象直接影響工業負荷、智能樓宇、電動汽車等的負荷功率。因此，微氣象系統通過影響發電負荷水平，進而影響電力系統安全。因此，隨著電力系統與其他系統的關系日益緊密，電力系統安全評估時需要考慮其他系統（例如微氣象系統）的影響。 綜上所述，傳統的調度機制已經無法適應新的形勢。因此，亟需研究支撐復雜電網斷面發現的智能機器調度員軟件的關鍵技術，通過人工智能、深度學習等信息領域與能源領域的交叉研究，突破支撐復雜電網斷面發現的智能機器調度員的基礎理論瓶頸，從實際電力系統出發（物理維），立足現有調度機制，基于在線運行方式，采用模型驅動的安全評估方法（模型驅動），形成海量電力系統安全評估仿真樣本（數據維）；再以這些樣本為基礎，通過機器學習訓練數據驅動的電力系統在線安全評估模型（數據驅動），形成電力系統安全運行知識圖譜（知識維），以代替運方的“年度運行方式手冊”。 2. 解決方案 本成果提出了一種支撐復雜電網斷面發現的智能機器調度員技術，包括可再生電源的數據驅動電壓頻率響應特性建模方法、用于暫態穩定預測的失穩樣本主動生成方法、電力系統暫態穩定評估方法、結合深度學習和仿真計算的暫態穩定嚴重故障篩選方法、考慮運行約束的調整潮流生成方法等關鍵技術，開發了支撐復雜電網斷面發現的智能機器調度員軟件。該軟件用“人工智能”代替“專家智能”，以電力系統安全評估產生的海量仿真數據為基礎，以人工智能和機器學習為手段，構建電力系統安全運行知識圖譜，從而將“專家智能”離線制定粗放運行規則的模式，變革為“人工智能”在線發現精細運行規則的模式，逐步代替運方的“年度運行方式手冊”，保證復雜電網安全、穩定、經濟運行。 3. 合作需求 尋求應用場景和資源對接，應用場景和業務能覆蓋斷面規模眾多的大省如浙江、廣東等，并且有與輸電網斷面發現的大中型企業有合作經驗，同時具有一定的技術開發能力、市場推廣資源和現場工程實施經驗，能與現有團隊形成合力，通過信息領域與能源領域的交叉研究，突破支撐復雜電網斷面發現的智能機器調度員軟硬件難題。為保障項目實施質量和進度要求，擬合作團隊需通過ISO9001質量管理體系認證，且是國家高新技術企業。期望通過合作，全面開展產品和服務的推廣銷售。

現有智慧農業企業主要的業務是信息服務，互聯網管理、品種培育等信息獲取及管理方面，而很少見到對生產流程中的硬件設施進行優化的企業，ISET將以此為切入點，完善智慧農業的各個環節。ISET以智慧農業為主線，打造以智慧導航轉運機器人、智慧噴灌轉運機器人、智能農作物識別采摘機器人，以及定制機器人輔助農業生產產品服務等為分支的產業鏈。

無線通信技術VHF/UHF頻段基于OFDM技術的高速數據通信系統   無線通信的突出問題：頻率資源嚴重不足 。   我國無管會允許在這一頻段進行數據的傳輸，如地質礦產、水利、能源、國家地震局、建設部、氣象局、軍隊等部門的專用無線通信系統。

本發明公開了一種分布式智能化藥品安全管理系統,包括上位機 終端和智能柜體終端，上位機終端中安裝有實驗室信息管理系統，所 述上位機終端與指紋閱讀器、POS 微型打印機相連并進行通訊；所述 智能柜體終端包括柜體和智能控制終端，智能控制終端與液晶顯示屏 液晶顯示器相連，用于顯示藥品清單信息、藥品使用信息、柜子使用 情況；柜體安裝有多個小柜體并成陣列式分布；所述上位機終端與智 能控制終端通過 TCP/IP 協議相連，相互認證

一、項目分類 顯著效益成果轉化 二、成果簡介 在茶園管控方面，取得以下成果： （1）探明了太陽天頂角、高度角以及太陽光譜中夫瑯和費線對于田間光譜采集的影響規律，提出了融合高光譜和深度圖像技術的茶樹生理信息定量檢測方法。其中，茶樹氮肥吸收利用檢測方法處于國際領先水平； （2）將共聚焦顯微拉曼光譜技術應用于茶炭疽病早期診斷中，可在顯癥前24h診斷出病害； （3）研制出茶葉信息的快速高通量遠程測量系統及裝備，開發了茶園實時監測與精細化管理物聯網云服務平臺，實現了茶園水肥精準管理和病害防控。 在茶葉加工方面，取得以下成果： （1）探明了流水線上堆積狀茶葉幾何形態差異、緊實度對于光譜測量的影響機制，提出了融合圖像灰度共生矩陣和指紋光譜特征的品質在線檢測新方法； （2）研制了鮮葉含水率、色素、老嫩度等品質指標的無損快速檢測裝備，實現了堆積狀茶葉品質指標的動態檢測； （3）發明了基于生產線上茶葉原料實時品質信息的加工工藝自適應系統，為茶葉加工智能化奠定了技術基礎。 在茶葉生產加工信息管理方法，取得以下成果： （1）提煉設計出名優綠茶機械炒制的核心作業機構，把扁形名優綠茶加工過程拆分成數道機械炒制流水工序； （2）探明了扁形名優綠茶機械炒制的關鍵工藝參數，建立了扁形名優綠茶機械制茶工藝指標數據庫和標準； （3）發明了融合傳統工藝與現代化信息集成控制的綠茶數字化連續加工智能控制系統，實現從“憑經驗做茶”到“看數字制茶”。

該成果運用 5S 技術和數學建模技術，構建作物產量及長勢預測模型，同時構建了土壤有機質及冠層主要營養元素的監測模型。并基于網絡技術開發了新農村信息化平臺。

本發明公開了一種具有抗誤碼機制的幀間無損編碼與智能解碼方法，包括：星上編碼步驟：獲取序列圖像 f；把圖像 fk,k＝1,2,...劃分成互不重疊的子塊；令第 3j+1,j＝0,1,...幀圖像為參考幀圖像，進行分塊 JPEG-LS 編碼；而第 3j+2 和 3j+3 幀圖像參考第 3j+1 幀圖像進行幀間無損編碼；每 K 個子塊后插入一組 EDC 信息形成檢錯碼流；進行RS(m,n)糾錯編碼；在壓縮碼流中加入每幀的壓縮幀頭和幀尾。

目前第一代完整的呼吸音采集設備已研發完畢，完全實現呼吸活動的柔性無感持續智能監測評價和適應多場景下交互設計需求，提高醫療救護能力和應急救援能力，減輕醫療及養老行業人力與經濟運營成本，創新引領社會與經濟發展。 圖1 技術路線 【技術優勢】 (1) 基于駐極體薄膜的高靈敏度接觸式壓力傳感器 目前用于呼吸音及心音監測的傳感器大多采用較硬的基底，難以適應人體胸部曲線，不適合長期可穿戴使用。因此，本成果基于駐極體的自驅動壓力傳感器的自供能、響應速度快和靈敏度高等優勢，設計了一種用于可穿戴式聲音監測的高靈敏度柔性駐極體壓力傳感器，以實現對人體呼吸音與心音地長期、實時監測。 圖2 部分成果展示 (2) 智能呼吸音監測分析預警平臺 通過深入臨床大規模收集心音和呼吸音樣本、對病理性樣本進行學習訓練，對信號的模式識別進行研究匹配，采用人工神經網絡、支持向量機兩種識別模式，對病理性聲音特征進行分析得出智能化參考病癥分析。由于呼吸音信號的復雜性，同一種類型的呼吸音有不同人或是同一人在不同時間發出時，樣本數據不完全相同，傳統方法容錯率與識別率極低。本成果將呼吸衰竭患者的呼吸音數據進行分類識別和特征標定，采用人工智能算法進行測試和集訓，實現為大數據分析提供數據參考。 (3) 呼吸音智能監測預警系統的人機交互設計 通過分析多個智能呼吸音監測預警操作系統的使用場景、認知特點、輸入和輸出方式，歸納出它們在交互設計上的一般性的設計原則和設計缺陷。通過多學科的交叉，如人因功效學、設計語義學、設計美學、設計心理學等學科，進行了全面整體的交互設計研究。 圖3 智能呼吸音診斷軟件界面 圖4 臨床人員操作軟件試用 【性能指標】

本發明提供一種HVDC系統換流母線外部故障的人工智能識別方法。其特點是該方法利用小波變換多尺度分解算法，把系統故障信號分解到不同頻段，以不同頻段信號小波能量偏度作為故障診斷特征向量，再結合BP神經網絡實現交流系統故障類型的準確識別。該方法與以往交流系統故障類型識別方法相比較，從能量分布的角度，只需對一個故障信號進行特征提取，不受系統運行方式的影響，操作簡單，準確性好，可性度高。

本發明提出一種基于多智能體強化學習的運輸車路徑優化方法，該方法涉及智能優化技術領域，  我國AGV每年新增裝機量自2010年起迅速增長，自2013年起年同比增速維持在50%以上。目前AGV產品主要集中于中低端市場，產品功能比較單一。而一些大型汽車、家電企業希望通過獲得AGV系統和整機產品的相關技術，自己實現AGV產品的定制化生產。在此背景下，從AGV制造商的角度來說，要從國內嚴重同質化的中低端AGV產品中脫穎而出，從軟件系統上提供先進的路徑規劃方法，并且在未來不斷升級，未嘗不是一種提升產品服務質量、贏得客戶青睞的做法。隨著硬件性能的提高和計算技術的發展，系統仿真得以在越來越短的時間之內完成，以每輛AGV為單位進行微觀系統仿真可以更好地反映AGV之間的相互影響。而強化學習方法作為一種利用交互和反饋進行策略優化的機器學習方法，正好可以利用AGV交互的數據為每輛AGV規劃路徑，使總的生產效率或搬運效率最高,從而降低物料搬運的成本。