项目开展的背景及意义 当前，我国经济发展进入新常态，能源转型面临需求放缓、传统产能过剩、环境问题突出、整体效率较低等问题，传统能源系统又存在着各能源子系统规划协调不足、弃风弃光现象突出、对化石能源依赖严重等现象，推进国家能源转型、构建新型能源系统势在必行。 综合能源系统是能源互联网建设的物理载体，是支撑国网战略目标落地的重要形式。综合能源系统能够拓宽国网公司发展业务，培育业务增长点和盈利模式增长点，是实现国网公司业务可持续发展的重要手段。 综合能源系统规划建设是项目成立的开端，规划优化效果最优是项目最好的投资、更是最好的节约。综合能源系统规划问题涉及源、网、荷、储协同，需要多维能源数据信息支撑，包括不同设备动态运行特征信息、多元用户负荷特性等数据。而大数据技术能够为综合能源系统规划建设提供基础的数据服务。  有助于可再生能源开发规模进一步提升，促进社会能源可持续发展； 有利于能源的投入产出效率进一步提升，减少能源消耗总量； 有利于社会资源配置进一步优化，降低能源系统建设成本；  有利于推动能源互联网的进一步实施和落地，助力国网实现具有中国特色国际领先的能源互联网企业的战略目标； 有助于电网公司新型业务进一步推进，扩展业务和收入增长点；  综合能源系统中的大数据——应用 在能源革命和数字革命的推动下，大数据技术在综合能源系统的中的应用越来越广泛，助力解决综合能源系统规划优化或运行优化多因素设备建模、设备运行状态诊断、用户用能画像、用能场景生成、优化策略生成的问题。  项目研究内容 项目研究成果 主要成果 本项目的应用示范能够指导综合能源系统工程实际落地，服务基础设施建设；能够指导综合能源系统规划效果评估，提供规划决策工具；能够指导不同区域典型综合能源系统场景示范推广，打造可推广的样板工程；能够深化综合能源系统一体化服务，助力综合能源系统广泛推广。项目发表学术论文5篇、申请发明专利10项、软件著作权5项。 示范应用 本项目预计在山东省内落地应用，打造不同行业的综合能源应用示范项目，目前在前期项目应用实施阶段，预计2021年底完成项目应用实施。  

一、项目简介 当前虚实融合技术面临的重大挑战可以归结为以下两个关键科学问题：（1）非配合虚实环境的无缝融合与交互自然呈现。（2）云环境下虚实融合环境的语义理解、统一表达与应用软件快速定制。为解决上述两个关键科学问题和技术瓶颈，本项目重点研究了自然虚实融合呈现的硬软件技术和装置，构建虚实融合应用流程框架和规范，创新云软件定制和服务模式，实现应用示范。充分利用移动、穿戴式设备的多传感器优势以及云端结合方式进行三维结构的重建、语义标注、识别理解与信息关联。 二、前期研究基础 目前已发表论文10篇，包括4篇期刊论文等（包括TIP、TMM等权威期刊论文）。申请专利3 项。 三、应用技术成果 1）基于搜索的图像深度估计，相对误差低于传统方法，对训练集的需求小于基于深度学习的方法。 Make3D数据集的深度估计结果2）基于双模深度玻尔兹曼机（DBM）的三维场景物体检测框架，给出了RGBD训练数据不足的难题，流程如下 3）基于序列约束的哈希算法在不同比特率情况下均取得了很好的效果。 在LabelMe和Tiny100K上使用不同哈希比特率的效果

一种基于实时数据库的HART现场设备管理方法及系统。工业操作站将HART命令对应的有效数据以工业以太网协议中的报文形式发送到控制站；控制站对将解包后的有效数据以CAN协议中的报文形式发送；HART模件解包所收到的CAN协议报文将有效数据构成HART命令形式发送；HART设备接收到HART命令后将响应信息返回给HART模件后解包，以CAN协议中的报文形式打包发送给控制站；控制站解包所收到的CAN协议报文，以工业以太网协议中的报文形式打包发送到工业操作站。本发明可将全部HART现场设备数据送入主控室的操作站，让用户在控制室就能方便地远程查看、修改、配置现场设备的组态信息，提高设备维护效率，降低生产成本。

自疫情发生以来，对于劳动密集型的制造业企业来说，尽可能减少工人聚集和交叉接触成为企业复工复产的重要保障。但在生产经营活动中，必要的沟通、协同、信息互通和反馈指导不可避免，这其中涉及了离散制造的多个部门（销售、采购、计划、生产、仓库、财务等）、多个生产工序以及多个工种。北大信息技术高等研究院智能工厂实验室利用工业领域企业级数据中台的优势，全面整合企业生产经营环节的关键数据，并利用数据智能对齐、行业知识图谱等关键技术，实现面向制造业的全流程可溯源的透明管控线上生产链，迅速帮助企业集中获得每一个线下关键生产环节的实时进度，并且能够细化到订单、生产设备、运行情况等细节，同时根据挖掘算法提供有效的智能辅助决策建议，在高效保障生产经营管控的同时，最大化地减少不必要的人员聚集，实现数据中台的指挥室作用，快速实现复工复产，有效提升生产效能。 拟解决的核心问题： 1、无法在生产环境外远程下单，下单效率低； 2、工厂远程管控困难，无法掌握订单的详细生产进度，并预测交期，难以面向JIT及时交货； 3、对生产缺少全维度统计掌握，需要跨系统反复查询； 4、在线实时分析困难，缺少必要的预测辅助参考； 5、生产环节无法自下而上进行反馈； 6、多源异构数据融合困难； 7、缺少人工智能的辅助决策。 预期实施效果： 1、移动端远程下单，基于混合云架构，实现内外网数据互通； 2、移动端跟单进度，多源异构数据融合，实现生产环节全流程线上实时可见； 3、生产数据实时监控，关键指标实时汇总，实现工作进度量化可见； 4、形成线上闭环数据看板，在线辅助指导生产经营； 5、沉淀大数据资产，形成工业领域企业级数据中台； 6、实现订单生产智能逾期预警、订单销量智能预测、原材料动态库存优化。

本发明公开了一种基于点云与影像数据的三维可视化方法和系统，其中方法的实现包括：采集目标场景的影像数据和点云数据；对点云数据进行上采样，将上采样后的点云数据投影到影像数据中进行融合，对进行融合后的点云数据进行着色，得到彩色点云数据；利用彩色点云数据进行三维渲染，得到目标场景的三维可视化模型。本发明实现了从数据采集和融合到最终渲染显示的点云三维可视化，有助于激光点云技术的拓展，提高了点云数据对于普通用户的可访问性和

 本系统利用工业无线传感器网络构建无线、分布式机械设备故障诊断和监测系统，对工业现场运转设备的工作状态进行监测，部署的工业无线传感器网络既充当在线状态监测系统，也承担通信网络的功能，最后作为具有推理学习能力的决策网，是集感知、通信、识别、诊断、决策为一体的综合预测性维护平台。   作为一种独立的控制网络，本系统包含低功耗传感器节点、执行器节点、汇聚网管等硬件设备及专家知识库、规则匹配数据库、历史数据库、人机交互界面等软件平台，能够有效弥补有线诊断系统在应用中布

本发明公开了一种基于结构和内容二级过滤的 Web 数据相似性检测方法，在传统的通用相似性检测 方法的基础上，发掘出 Web 数据结构和内容分布的特点，对检测的文档集进行两级过滤；两级过滤中的 第一级过滤是结构相似性过滤，对每个Web文档建模为Tag树结构，从而剔除在结构上不相似的文档集， 并对剩余的文档进行关键内容抽取，将其表示成元组向量的形式，将关键信息连接起来生成字符串集； 两级过滤中的第二级过滤则对第一级过滤后生成的字符串集进行 Trie

本发明公开了一种无需可信第三方支持的云端数据安全删除系 统与方法，系统包括分布式哈希表网络，用于存放解密密钥碎片、用 户端，用于文件加密、解密和密钥信息删除，包括：文件加密模块、 文件解密模块、密钥分发与重组模块、本地密钥信息模块和文件删除 模块，文件加密和解密模块用于对文件加解密，密钥分发与重组模块 用于对密钥分片和重组，本地密钥信息模块用于存储相关密钥信息， 文件删除模块用于删除密钥信息；云端，提供数据服务器和密

清华大学地球系统科学系举行新一代地球观测数据与制图成果发布会。清华大学理学院院长、地学系主任宫鹏教授和博士研究生刘涵一起，对外发布了清华大学基于亚马逊云服务（AWS）完成的新一代中国地区地球观测数据集（Seamless Data Cube，简称SDC）——2000～2018年30米分辨率逐日无缝遥感观测数据，以及在此基础上研制的中国逐季节地表覆盖和逐年土地利用制图成果。清华大学新研制的无缝数据集，填补了高空间分辨率和时间频率观测的空白。图1 首套中国30米逐日无缝遥感观测数据集SDC目前世界上主流的地球观测卫星Landsat每16天才能对全球扫描一遍，所获得的数据集是不完整的。宫鹏团队采用时空遥感技术手段和MODIS图像辅助研发的无缝遥感观测数据集Seamless Data Cube，使得每一天都有一套完整的全球30米分辨率的观测数据。正是这些逐日数据，使得地球长时间观测序列有了很好的时空一致性。基于无缝数据集，宫鹏团队提取了30米空间分辨率土地覆盖变化的情况，设计和训练了一套适应遥感大数据的深度遥感特征学习和分类模型，最终得到了世界首套中国逐季节土地覆盖和逐年土地利用制图（从2000年到2018年）。图2 首套中国2000-2018年间逐季节土地覆盖和逐年土地利用图无缝遥感观测数据集SDC以及逐季节土地覆盖和逐年土地利用制图，开辟了中国卫星遥感数据处理和信息提取的新范式。它能够服务于国民经济众多行业，比如农业集约化和土地闲置的监测、城市化与自然植被丧失的识别、土地退化和粮食安全、环境变化与健康、造林和土壤含水量的关系、城市扩张与热岛效应等研究以及碳储备等。图3 地学系团队正在定量测算新冠疫情影响下的全球粮食安全问题无缝遥感观测数据集SDC有助于打造世界顶级的在线制图服务的平台，并产生新的数据产品。例如，清华大学地学系依靠这个数据集研发了全球粮食估产模型，输入不同地方的作物种植和气候预测数据，就可以提前两个月估算出全球粮食产量情况。无缝遥感观测数据集（Seamless Data Cube）得到了亚马逊云服务（AWS）的大力支持。据AWS技术人员介绍，宫鹏团队采用AWS云服务算力，相当于全世界现在TOP200的高性能计算机所能提供的能力。AWS并不简单地提供储存和数据服务，而是在云服务里就包括了人工智能与机器学习的计算框架，采用AWS云服务后，地表覆盖制图的精度提高了10～20%。

翟继先课题组此次发布的数据库（Arabidopsis RNA-seq database, ARS）整合了来自GEO、SRA、ENA和DDBJ数据库的20,068个拟南芥RNA-seq数据，提供了“Google-style”在线查询工具。该研究对所有文库进行了基因表达水平定量和共表达网络分析，并将所有文库进行分类，总共涉及1176个突变体、1102种处理条件、12个组织和176个发育时期，同时也对突变体和处理条件分别同对应的对照组进行差异表达分析。