|
搜索
搜 索
高等教育领域数字化综合服务平台
电力精灵—电力能源装备健康状态诊断平台
一、项目进展
已注册公司运营
二、企业信息
企业名称
四川铭学智能技术有限公司
企业法人
林钰
注册时间
2017.11.29
注册所在省市
四川省成都市
组织机构代码
91510100MA6C766U7T
经营范围
计算机软硬件开发
企业地址
成都高新区天府大道北段1700号
获投资情况
/
三、负责人及成员
姓名
学院/所学专业
入学/毕业时间
学号
林钰
电信院/控制工程
2019.9/2022.6
201922000100
四、指导教师
姓名
学院/所学专业
职务/职称
研究方向
李茜
电信院/电气工程
副教授
能源系统智能感知
五、项目简介
电力精灵—电力能源装备健康状态诊断平台是集状态数据汇集、故障诊断、状态评估、检修决策推荐、三维立体显示、创新健康管理等多功能为一体的全栈式电力能源装备健康状况诊断平台。该系统改进了市面上监测系统主要存在功能单一、智能化不足、电力能源装备监测系统各自独立等问题，创新性地提出电力能源装备健康管理功能，同时覆盖变压器、海缆、蓄电池、开关柜、UPS、绝缘盘6类装备，使用户全面了解电力能源装备的生命周期及整体健康情况，为用户提供高效状态检修策略。
西南石油大学
2023-07-17
合肥国轩高科动力能源有限公司
国轩高科股份有限公司（以下简称“国轩高科”）系中国动力电池产业最早进入资本市场的民族企业，于2015年5月成功上市，股票代码002074，拥有新能源汽车动力电池、储能、输配电设备等业务板块，旗下包括合肥国轩高科动力能源有限公司、工研总院、资本中心和东源电器四大板块。
合肥国轩高科动力能源有限公司（以下简称“合肥国轩”）为国轩高科的全资子公司，成立于2006年5月，拥有合肥（新站、经开、庐江、肥东）、南京、青岛、唐山、南通、柳州、宜春十大生产基地。
公司系国内最早从事新能源汽车动力锂离子电池自主研发、生产和销售的企业之一，专业从事新型锂离子电池及其材料的研发、生产和经营，拥有核心技术知识产权。主要产品包括磷酸铁锂和三元材料及电芯、动力电池组、电池管理系统及储能型电池组等。产品广泛应用于纯电动商用车、乘用车、物流车和混合动力汽车等新能源汽车领域，并与国内多家主要新能源整车企业建立了长期战略合作关系。
公司作为国家级企业技术中心、三项国家“863”重大课题承担单位，参与了三项新能源汽车创新工程，先后通过ISO9001、ISO14001、ISO45001三标一体认证和IATF16949质量管理体系认证，被评为国家CNAS认可检测中心等，并在中国合肥、中国上海、美国硅谷、美国克利夫兰、新加坡、日本筑波、德国等地建立了全球研发中心。2016年，由国轩高科牵头的“高比能量动力锂离子电池的研发与集成应用”课题、“年产6亿安时锂离子动力电池生产基地项目”、以及“新能源汽车锂动力电池智能工厂”项目分别成功申报国家“十三五规划”新能源汽车重大专项、发改委2016年增强制造业核心竞争力专项和工信部新能源汽车锂动力电池智能工厂重点项目。
公司系国家火炬计划项目单位、高新技术企业、安徽省政府质量奖、安徽省环境保护创新试点单位，并且拥有国家级博士后科研工作站和省级院士工作站，2019年1月国轩高科企业商标被国家知识产权总局认定为中国驰名商标。
合肥国轩高科动力能源有限公司
2022-03-01
东南大学科研团队在热电转换研究领域取得新进展
近日，东南大学物理学院倪振华教授和吕俊鹏教授课题组与新加坡科技局材料工程研究院吴靖研究员合作，发现在基于二维Bi2O2Se的场效应晶体管中施加门电压可以调控极化光学声子散射到压电散射的转变，实现了塞贝克系数与电导率的去耦合，达到了宽温度范围的高热电功率因子。 基于塞贝克效应的热电材料可以实现热能和电能的直接转换，在绿色清洁能源和低温制冷等领域有着十分重要的应用，如何提高热电材料转化效率一直是该领域研究的核心问题。热电参数之间的强耦合使得提高材料的热电性能具有挑战性。长期以来，由于载流子散射机制的复杂性，在调控载流子散射机制方面十分困难，因此常常忽略了载流子迁移率在独立增强热电性能（不牺牲塞贝克系数的情况下提高电导率）方面的作用。 不同于目前广泛研究的石墨烯、过渡金属硫化物、黑磷等二维材料，二维Bi2O2Se的低声子群速度和强声子非谐散射使其具有极低的热导率(~0.92 W/mK APL 115, 193103 (2019))，同时兼具的高电子迁移率和良好的环境稳定性使得其在热电以及能源转化领域有着巨大的潜力。基于二维Bi2O2Se场效应晶体管的热电输运，二维Bi2O2Se载流子迁移率在高温下由极化光学声子散射主导，在低温下由压电散射主导。当压电散射主导时，其迁移率显著提高。同时电导率的急剧上升并没有导致塞贝克系数的明显下降，表明散射机制的调控可以实现电导率和塞贝克系数的去耦合。这与之前通过调控载流子浓度来平衡电导率和塞贝克系数的策略完全不同。同时，这种散射机制的转变温度具有高度的门电压可调性，通过施加一定大小的门电压，可以显著提高极化光学声子散射到压电散射的转变温度。热电功率因子与迁移率在两个数量级的调制上展现出近似线性的相关性，最终实现宽温度范围(80-200K)的高热电功率因子(>400mW-1m-1K-2)。 该工作发现了通过门电压调控二维Bi2O2Se的散射机制可以有效的调节其热电性能，证明了散射机制的调控可以很好的实现热电参数之间的去耦合。高栅极可调性允许对散射机制进行精细的控制，从而揭示更深入的物理机制。对于探索低维材料应用于低温制冷和物联网自供电领域具有深远意义。
东南大学
2021-02-01
面向物联网的砷化镓基具有热电转换功能的MESFET器件
本发明提供的一种面向物联网的砷化镓基具有热电转换功能的MESFET器件，主要包括MESFET和热电偶。MESFET选择半绝缘的GaAs作为衬底，通过GaAs工艺和MEMS表面微机械加工实现具有能量转换功能的MESFET。在源漏栅的金层四周制作一层二氧化硅，化学机械抛光后，制作热电偶的金属Au型热电臂和砷化镓型热电臂，蒸金连接两种热电偶臂，将源漏栅的热电偶电极进行金属连线，留下两个热电偶电极作为塞贝克电压的输出极。该砷化镓基具有热电转换功能的MESFET器件根据塞贝克效应，可以将器件工作产生的热能转换为电能，实现能量收集的同时缓解了散热问题。通过检测输出塞贝克电压的大小来实现对热耗散功率大小的检测。
东南大学
2021-04-11
基于新型氢转换材料的便携式氢动力集成装备的开发
新型氢转换材料实现了简单、高效、即时即地制氢，结合氢氧燃料电池，可为国民经济和军事领域提供便携式电源的解决方案。关键产品技术已达国际先进水平，增强了我国在氢能制取和应用技术上的核心竞争力。
哈尔滨工业大学
2021-04-14
基于钆离子掺杂的上转换发光纳米材料胶束的制备方法
本发明公开了一种基于钆离子掺杂的上转换发光纳米材料胶束的制备方法，包括如下步骤：利用改良的热解法制备钆离子掺杂的上转换发光纳米材料；利用旋转蒸发法制备基于钆离子掺杂的上转换发光纳米材料的纳米胶束。该方法简单易行，通过该胶束集磁共振成像、光学成像等优点为一体，为肿瘤的诊疗提供了新的思路。此纳米载体克服了以往单模态成像的弊端，可实现同步体内磁共振成像和光
东南大学
2021-04-14
基于数据驱动局部特征转换的噪声人脸超分辨率重建方法
一种基于数据驱动局部特征转换的噪声人脸超分辨率重建方法，包括对待重建的输入低分辨率人脸 图像和高、低分辨率训练集相应划分相互重叠的图像块;对于输入低分辨率人脸图像的每一个位置上的 图像块，分别从低分辨率人脸样本图像对应位置的图像块中找出 K 个最近邻的图像块，并对应找出相应 高分辨率人脸样本图像中的图像块，进行去均值化;利用映射系数计算出各图像块相应的高分辨率人脸 图像块，重构出高分辨率人脸图像，进行迭代后处理。本发明解决了主成分分析无法捕获处于高维流形 空间人脸特征的问题，利用局部流形的线性特性有效的进行了噪声人脸图像的超分辨率重建，同时进行 高分辨率图像后处理，进一步提高了重建结果的主、客观图像质量。
武汉大学
2021-04-13
炼铁生产过程伴生能源的整体梯级回收系统
本发明公开了一种炼铁生产过程伴生能源的整体梯级回收系统,包括:包含燃气轮机的高炉煤气燃机发电系统和包含双压余热锅炉的余热回收发电系统;还包括烧结烟气回收系统和冷却热废气回收系统。所述的烧结烟气回收系统将来自烧结机的烧结烟气经除尘器除尘后,在第一引风机的抽吸作用下送入双压余热锅炉;所述的冷却热废气回收系统将冷却热烧结矿后产生的热废气在第二引风机的抽吸作用下也送入双压余热锅炉。本发明系统将烧结工艺显热和炼铁过程伴生的低热值高炉煤气进行整体回收,并且梯级利用,形成完整的、能稳定运行的中低温余热、低热值高炉煤气高效综合利用系统。
浙江大学
2021-04-11
一种能源回收自清洁的垃圾输送系统
本发明公开了一种能源回收自清洁的垃圾输送系统，包括：用于输送垃圾桶升降循环的升降机构，所述升降机构具有环形输送件，环形输送件上间隔布置有多个连接座，每个连接座上转接有所述的垃圾桶；安装在所述升降输送机构两侧并用于保持垃圾桶升降运动姿态的限位轨道，靠近所述升降机构的底部设有无限位轨道作用的垃圾倾倒位；置于各楼层并用于控制垃圾桶在垃圾投放口停止的即停机构；位于所述升降机构下方的垃圾储存箱，用于储存各垃圾桶翻转倒出的垃圾。本发明适用于高层建筑各楼层垃圾的升降输送；节省电梯运输垃圾的功耗，节能减排；减少垃圾处理的人力消耗，降低管理成本。
浙江大学
2021-04-11
基于大数据的能源互联网能量管理系统
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。
清华大学
2021-04-11