|
搜索
搜 索
高等教育领域数字化综合服务平台
多能源微网系统智能规划和全景评估软件
负责人：王建学
所在学院：电气学院
一、项目简介
多能源微网系统智能规划和效益评估软件是一款集多种计算功能于一体的可视化软件，具有完全自主知识产权。软件功能主要包括分布式电源（分布式光伏、燃气轮机、燃料电池、分布式风电、柴油机等）优化配置、储能装置优化配置、网络拓扑结构的优化规划、无功补偿的优化配置，以及潮流校验、多个时间尺度的运行调度、有功-无功的联合调度以及技术经济指标分析等。
二、产品性能优势
相对目前国际知名微网规划软件HOMER、DER-COM、HYBRID2、EnergyPLAN等更加完善，不仅包括了此类微网规划软件的现有功能，更在此基础上进一步添加了网络拓扑结构的优化规划、无功补偿装置的优化配置、潮流校验、有功-无功联合调度等多种规划校核功能，并且将各功能模块统一集成于GUI设计界面。
软件功能：
1．软件基于内置的负荷特性数据集和典型元件数据集进行分布式电源和储能的优化配置，基于网络拓扑数据集进行网络拓扑规划，各数据集向用户开源，允许用户自行调整和增删。
2．软件允许用户在执行界面中选择一键优化和分布优化两种优化方式，可以自动生成文本形式和EXCEL形式的工程评价报告、规划计算报告、经济性计算报告等。
3．在分步优化方式下，中间结果由EXCEL形式输出，并且允许用户单独对各中间功能模块的输入和输出数据进行人为的调整干预，以适应不同微网的实际情况，使得软件具有很强的灵活性和可操作性。
三、市场前景及应用
软件已经应用于山西、江苏等实际微网规划工程。伴随国家微电网和综合能源系统等的支持力度加强，可以预计，不久全国各地将大量微网或者多能源互补利用项目推进，本软件可以从规划层面对这些微网进行前期分析，给出最优规划方案，应用前景广阔，经济和社会效益明显。
四、技术成熟度
目前一代产品已经得到了应用，二代产品正在优化。
西安交通大学
2021-04-11
外径千分尺(螺旋测微器)
宁波华茂文教股份有限公司
2021-08-23
北京微信斯达科技发展有限责任公司
北京微信斯达科技发展有限责任公司始创于1996年，是在北京中关村科技园注册的高新技术企业。公司利用北京得天独厚的地理优势，以北京大学、北京航空航天大学为依托，在研发过程中大力开展交流合作。公司通过十多年经营运作，积累了丰富的研发经验，建立起强大的研发队伍，自主研制、开发、生产了一系列面向全国高等院校实验室、中小学实验室的探究实验教学仪器设备，打造了Pclab这一优质实验教学仪器品牌。本品牌系列产品是由采集系统软硬件、各种传感器以及配件组成，科技含量高，技术领先，在全国教育领域中具有一定的知名度。我们本着以客户需求为先的精神，全力认真解决每一位客户遇到的问题， 以良好的售后服务深受全国客户好评。所有产品均严格按照国际先进标准开发、设计、生产，并于2000年顺利通过ISO9001质量管理体系认证及ISO14001环境管理体系认证。公司凭借国际领先的技术、一流的生产线、精细化的管理理念、完善的售后服务，确保产品性价比最优。目前我们的产品已遍布全国200多个城市和地区，这些仪器长期在为科型单位、高等院校、重点中学等客户提供实时、准确、有效的实验数据。 公司管理也更加规范化、制度化，使公司产品在国内同行业处于领先地位。今后我们将以创教育领域名优产品为目标，继续用自己的不懈努力和领先技术，来与更多的客户建立合作关系，为中国的教育事业做出贡献。作为最早进入中国信号采集领域的高新技术企业，多年来微信斯达公司不遗余力地从事新技术、新产品的开发和研制，完成了由引进到自主研发的转变。高科技高品质的成熟产品、孜孜不倦的技术革新，奠定了我们在教学领域的领先地位及未来发展的潜质。“国际品质、国内价格”是我们微信斯达向客户提供最佳价值的战略定位，我们秉承“诚信、勤勉、统一、创新”的经营理念，倡导“迅速、有效、真诚、完善”的工作作风，不断超越，挑战自我，打造卓越的中国教学实验仪器，为教育事业而不懈努力！
我公司热烈欢迎有志之士加盟！
北京微信斯达科技发展有限责任公司
2021-01-15
关于公布2023年度内蒙古自治区科技成果转移转化示范基地、专业化技术研发与中试公共服务平台的通知
为贯彻落实党的二十大精神，深入实施“科技兴蒙”行动，促进科技成果转移转化，根据《内蒙古自治区科技成果转移转化示范基地、专业化技术研发与中试公共服务平台管理办法（试行）》（内科发成字〔2021〕11号)和《内蒙古自治区科学技术厅关于组织开展2023年度自治区科技成果转移转化示范基地、专业化技术研发与中试公共服务平台认定工作的通知》（内科成字〔2023〕3号）等文件要求，经各申报机构申请、各盟市科学技术局等主管部门推荐，自治区科技厅组织评审并公示，现确定呼伦贝尔农垦集团有限公司内蒙古自治区智慧农牧业科技成果转移转化示范基地等8家科技成果转移转化示范基地为自治区科技成果转移转化示范基地(名单见附件1)，内蒙古工业大学内蒙古自治区生物发酵专业化技术研发与中试公共服务平台等8家专业化技术研发与中试公共服务平台为自治区专业化技术研发与中试公共服务平台(名单见附件2)。
内蒙古自治区科学技术厅成果管理与转化处
2023-08-16
通过学习提高批量生产中数控机床进给运动精度的装置
本实用新型提供一种用于提高现有数控系统运动精度的装置。该装置安装在原数控系统和驱动器之间， 无需对原数控系统和驱动器做任何调整和改变，方便实用。在进行一种零件的重复加工时，通过大容量存 储器记忆数控系统的控制和误差信号，并依据一定的学习算法，得到下一个零件加工所需新的控制信号并 进行运动控制，新的控制信号将减小上一个零件加工时的运动误差。经过多次记忆——学习的过程，可使 运动误差减小，从而提高数控机床的轮廓运动精度。控制装置包括微处理器、大容量存储器以及数控系统 进给运动控制指令信号、学习后的控制输出信号、位置检测信号接口等。
南京工程学院
2021-04-11
基于深度学习和压缩感知理论的新体制水下光学成像
一、项目简介 关注、认识和经略海洋是当今世界的共识，作为认识海洋、开发和利用海洋和保护海洋的重要手段和工具，水下机器人一直是世界各主要国家科技发展的重点领域，而水下成像系统则是让机器人看的更远、更清楚，从而更为有效的感知水下世界的关键。 然而，由于水下的光学成像环境复杂而恶劣，水体对光能量的高吸收特性和水中微粒对成像光束的散射，使得水下光学成像技术的成像距离较短。采用主动照明技术等方法可以增加成像距离但同时成像质量下降。现有的各种水下成像技术难以同时兼顾成像距离和成像质量。同时同一种水下成像技术在不同的水体条件下成像距离相差很大，这又造成了针对不同水体条件成像系统调整复杂度的提高和时效性的降低。 项目利用深度学习和压缩感知等新的理论突破，结合水下距离选通技术和水下主动照明技术等构建新体制远距离水下光学成像系统，期望能够有效解决成像距离和成像质量难以兼顾的水下成像难题，使其成为继声呐成像和普通光学成像之外的第三类水下成像技术，为水下机器人、科考、资源考察、军事等领域提供一种有效的成像技术手段。 二、前期研究基础 课题组是国内最早一批从事压缩感知成像研究的课题组，在压缩感知成像领域已有多年积淀，已完成国家自然科学基金3项，在研1项。发表学术论文近10篇。课题组近年来在将深度学习与压缩感知相结合方面率先开展相关研究工作，并在医学成像领域取得了显著的成绩。 三、应用技术成果 合作企业已有水下机器人样机 四、合作企业 福建海图智能科技有限公司是福建省专业从事小型水下机器人、小型ROV\AUV\ARV、声呐产品、水下光学影像产品开发设计的高科技公司，是长期专注海洋探测及水下影视领域技术前沿的技术公司。公司位于厦门和福州两地，有西北工业大学、华南理工大学、厦门大学、重庆大学、福州大学、福建师范大学等相关院系博士、教授近40人组成的科研团队。公司产品在欧洲、美洲及中国大陆均有销售。
厦门大学
2021-04-11
一种混合动力公交车在线自学习能量管理方法
本发明公开了一种混合动力公交车在线自学习能量管理方法，该方法首先根据出厂时设置的初始能量管理策略控制发动机和电动机的转矩分配，随着公交车在固定路线上的运行，获得初始策略对应的动作值函数后，可以从该动作值函数出发，通过公交车在道路上的往复运行，在线、自主地学习适合于公交车运行路况的能量管理策略；本发明充分利用混合动力公交车在同一路线上往复运行的特点，采用自学习的方法来获得适用于公交车运行路况的能量管理策略，具有能源分配合理、燃油经济性高、尾气排放少、鲁棒性好、节能环保的特点。
浙江大学
2021-04-11
基于鸽群智能反向学习的无人机集群多目标控制优化方法
本发明公开一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，其实现步骤为：步骤一：搭建无人机动力学模型；步骤二：搭建具有感知能力无人机传感器模型；步骤三：搭建无人机目标搜索图模型；步骤四：建立无人机目标搜索代价函数模型；步骤五：设计多目标鸽群优化算法；步骤六：设计基于鸽群智能反向学习的多目标鸽群优化算法；步骤七：输出无人机目标搜索仿真轨迹图。
北京航空航天大学
2021-04-10
一种基于A星搜索和深度学习的个性化路线推荐方法
本发明公开了一种基于A星搜索和深度学习的个性化路线推荐方法，步骤一：历史轨迹数据集D，起点ls，终点ld，出发时间b和用户u作为输入，然后基于输入循环神经网络；步骤二：建模从出发点到当前n节点的费用函数ɡ(n)与当前n节点到终点的费用函数h(n)；步骤三：寻找最优路径的过程中，每次扩展一个节点，使用f(n)来评价这个节点的得分，推荐个性化的最优路径轨迹p*。
北京航空航天大学
2021-04-10
基于非监督特征学习的高分辨率遥感影像场景分类方法
一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像 进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作; 计算所有训练图像块的低维流形表示，聚类得到一组聚类中心;对每一幅场景密集采样得到局部图像块， 对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特 征;将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全 局特征表达;随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始 高分辨率遥感场景的标注任务。
武汉大学
2021-04-13