电能供暖具有便捷性、安全性和低碳性等特点，电能供暖设备具有广阔的市场空间。本发明可在不工作时将进行折叠收起，以显著节省供暖装置的占用空间；本发明能够实现模块化组装，设备检修和更换非常方便；本发明携带方便，可用于室内外多种场合。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。

 1. 社会意义本项研究对基于GIS技术的城市重大危险源风险管理进行了深入系统的研究，设计与开发了先进性和实用性强的软件系统。基于理论成果设计开发的软件系统可推广应用于城市重大危险源的风险评价，已初步取得了显著的社会效益和经济效益。此项成果改变了国内城市重大危险源风险管理技术成果与安全生产实际应用严重脱节的现象，软件系统从一定程度上改变了国内在该软件领域长期依赖从国外高成本引进的被动局面，为服务于政府安全监督管理部门对城市重大危险源的管理工作提供了有力的工具和手段。该软件系统可广泛应用于城市重大危险源管理，对于指导城市重大危险源防灾救灾及日常的安全技术管理具有重要意义，应用前景广阔。成果的应用推广将提高城市重大危险源监管工作水平，降低重大危险源事故发生几率，控制事故规模，将带来显著的社会经济效益。2. 技术内容本项研究采用实际调研、统计分析、理论研究、计算机模拟和系统设计等研究方法。运用爆炸理论、反应动力学、热流体学、环境流体力学及传热传质学等多学科理论，结合国内外事故或模拟试验结果，深入研究并建立各类重大危险源事故模型，寻求快速高效的适合工程应用的算法进行相关模型的求解，借助计算机可视化编程技术，建立重大危险源事故后果评价模型库。基于GIS技术构建城市重大危险源管理平台，实现重大危险源定位、信息查询，建立重大危险源二级联动管理的模式。利用数据库技术、GIS技术和事故后果模拟及动态应急救援辅助决策技术研究成果，采用面向对象设计方法结合灾害过程模拟仿真结果。在三维GIS场景中基于事故后果评估结果动态辅助应急救援决策，包括人员撤离路径、消防车路径和紧急救援通道的最短路径分析、交通管制设置等，进行应急资源的快速调查和优化调度。以南京市为研究对象，设计开发基于GIS的城市重大危险源风险管理系统，有效地指导城市重大危险源日常信息管理和辅助应急救援决策工作。将开发的系统分别应用于南京市和南京市江宁区重大危险源管理和应急救援演练，检验与完善所开发的系统。本项目拥有自主知识产权，可以应用于城市重大危险源风险评价与风险管理，项目已经通过江苏省软件检测中心测试，并已经获得应用。

【项目来源】江苏省科技厅产学研联合创新资金——前瞻性联合研究项目。 【项目简介】基于RFID、传感器、智能移动终端等物联网技术研发了中药饮片质量管理系统，在感知层通过RFID射频标签、无线传感器节点、条形码、智能移动终端来采集、获取和查询与中药饮片相关的各种信息；在网络层将感知层控制系统中存储的每条感知和控制信息转换成一组通用数据协议的JSON数据包，实现中药饮片全过程的质量信息的有效传递；在应用层通过物联环境监测平台、生产执行系统、智能移动平台实现对饮片从“田头到口头”全过程的质量监管与追溯，实现了中药饮片“来源可追溯、去向可查证、责任可追究”质量管理。 本项目研究了智能移动终端技术，利用智能移动终端查询RFID射频标签记录饮片生产、仓储、销售、使用等各环节的信息，实现对中药饮片全面而系统的质量管理；研究了传感器技术，实现对原药材种植、饮片生产、仓储等环节的数据进行及时有效的监测和记录；研究了轻量级Java EE（Struts+Spring+Hiberante）技术，采用MVC模式设计系统后台架构，利用Spring Security为不同用户分配不同权限，同时提供跨平台的数据接口，实现Android、IOS、Window等平台的数据交互。 【获奖情况】2016年度中国商业联合会科学技术奖——全国商业科技进步奖一等奖。 【推广应用前景】本项目主要完成了由RFID射频标签平台、物联环境监测平台、生产执行系统、智能移动平台、质检管理平台、商务智能平台为主要模块的中药饮片管理系统软件，形成了具有自主知识产权、可销售的软件产品。本系统的推广应用将带动整个中药饮片产业的转型升级和产业结构调整，促进中药饮片产业由传统行业向真正意义上的高科技行业转型。另外，本系统不仅可以应用于中药饮片行业，也可以推广应用到中成药、西药等制药行业。系统中的物联网应用模式可以供食品安全追溯、农业、环保等领域参考借鉴。 【进展情况】项目目前已完成系统开发，取得相关专利和计算机软件著作权6项。