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。

随着油田数字化的发展，物联网技术在油田企业的生产管理中应用越来越广泛。新技术的应用，提升运维人员技能培训迫在眉睫。油气生产物联网实训创新平台是针对石油企业的数字化油田运维人员和在校大学生物联网技术应用而建立的平台。 采用油田企业通用的PLC或DCS,构建采集控制系统；使用油田常用的通讯方式（4G、无线网桥、Zigbee/LoRa）进行仪表参数及数据的传输；配备计算机和SCADA系统，可以进行PLC或DCS的编程培训，实现在不同通讯方式下的数据传输；SCADA系统将现场中控室进行情景还原。平台培训由易到难，从最基本的传感器仪表接线及电路搭建、下位机编程、通讯方式的组建、上位机SCADA控制系统及管理平台的布置，能够实现仪表工、通讯人员、中控人员及高级技术人员等不同层级人员的培训。

互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。

产品详细介绍互联网+大数据智能书柜教学实训系统 一、 概述智能书柜是以智慧图书柜或微型智慧图书馆为载体，可以广泛的在校园、公司写字楼、商场、社区、公园等地方使用，比如放置在校园的各个角落，如教学楼每层走廊、每间教室、宿舍楼等地，无需专门的图书管理员，学生可以随时随地快速方便的进行图书借还操作，而且校园内的所有图书可以随意流通借还，是传统图书馆功能在使用空间和时间上的扩展，是实现阅读无处不在、阅读触手可及的基础平台。互联网+大数据智能书柜是以智能书柜为硬件平台，综合了互联网数据传输、云大数据处理功能，通过在图书上粘贴RFID标签，利用智能书柜里面的RIFD读写器和RFID天线对图书标签自动实时识别，实现图书批量自助借还、智能盘点、智慧拣选、图书防盗等一系列智能化的图书管理，结合云平台大数据分析挖掘，实现精准图书采购、个性化指导学生借书种类和阅读时间，构建阅读学习成长模型。互联网+大数据智能书柜基本组成部分如下：第一部分：感知层和控制层，包括RFID图书信息采集模块、RFID人员身份信息采集模块、二维码信息采集、摄像头信息采集和控制、电控锁控制模块等；第二部分：传输层，包括有线网络传输、无线网络传输，如WIFI、4G等；第三部分：应用层，主要是智能书柜应用软件功能；第四部分：云服务器大数据处理，主要是大数据挖掘分析功能。这四部分功能，结合配套的相关设备，使互联网+大数据智能书柜成为用RFID等物联网技术手段改变图书馆传统借阅、阅读环境的典型应用。互联网+大数据智能书柜教学实训系统是用于研究RFID等物联网技术实现典型应用的平台，完成RFID等物联网技术从技术到实现典型应用相关的教学和学习13965501553

湖南大学设计艺术学院数据智能与服务协同实验室（DISCO Lab）发起并联合湖南大学嵌入式与网络计算湖南省重点实验室、国防科技大学高性能计算国家重点实验室、中山大学大数据与计算智能研究所等科研单位师生，历时十天，从无到有、响应关切，快速开发上线了“急物帮”疫情公益微信小程序，助力社区居民应急生活物资供需和网格化管理。 解决的主要困难：为民众提供物资供应信息，助力防疫工作；搜集物价线索，信息透明公开；线上线下结合，实体虚拟融合。基本功能：结合地理位置收集物资信息，构建周边物资数据库；搜索周边物资信息，规划购买行程；发布物资求助信息，从线上社区中获得反馈。 

给体片段以氟原子修饰的n型给受体聚合物热电材料，利用聚合物链间的给受体相互作用维持聚合物的电子迁移率，通过引入氟原子增加聚合物的电子亲和性以提高n掺杂效率，两者的协同作用大幅度提高了聚合物的n型电导率。通过进一步提高聚合物的塞贝克系数，成功地将n型给受体聚合物的热电性能提高了三个数量级。引入氟原子的聚合物的n型电导率提升至1.3 S/cm，功率因子提升至4.6 μW/mK2，是目前n型给受体聚合物热电材料的最佳性能。通过对聚合物在掺杂状态下的电子顺磁共振谱、紫外光电子能谱和X射线光电子能谱的表征证明了氟原子的引入提高了聚合物的n掺杂能力。场效应晶体管器件结果则表明氟原子的引入提高了聚合物在n掺杂状态下的电子迁移率。这两者的协同作用使得该聚合物的电导率相比没有引入氟原子的聚合物提高了1000倍。此外，掠入射X射线衍射、原子力显微镜以及导电原子力显微镜实验证明了氟原子的引入改变了聚合物的分子排列，提高了聚合物与掺杂剂的混溶性，使聚合物从“局部掺杂”的状态转变为“均匀掺杂”状态，从而维持了掺杂聚合物较高的n型塞贝克系数。

研究团队拥有可进行污染物分析的气质联用仪和尘螨分析仪，可对室内 VOC采样柱、灰尘取样等进行 SVOC、VOCs、苯系物、尘螨等过敏原进行分析。

农业物联网云平台结合了最先进的物联网、云计算、传感器、自动控制等技术，在浏览器或手机客户端实时显示大棚、大田、温室、茶园等温度、湿度、PH值、光强度、CO2含量，或作为自动控制的参变量参与到自动控制中，保证农作物有一个良好的、适宜的生长环境。 平台架构： 农业物联网架构可分为三层：感知层、传输层和应用层。 感知层：采用各种传感器，如温湿度传感器、光照传感器、二氧化碳传感器、风向传感器、风速传感器、雨量传感器、土壤温湿度传感器等来获取植物的各类信息。 传输层：由各种网络，包括互联网、广电网、网络管理系统和云计算平台等组成，负责传递和处理感知层获取的信息，能将温度、湿度、PH值、光强度、CO2数据远传到云端数据服务器中，也可以将数据进行本地存储，具有远程查询，断点续传的特点，确保系统的数据完整性。 应用层：物联网和用户的接口，它与行业需求相结合，实现物联网的智能应用。平台可灵活配置实时画面，展现趋势图、报表、告警等，如温湿度、光照参数等，收集每个节点的数据，进行存储和管理实现整个测试点的信息动态显示，并根据各类信息进行自动灌溉、施肥、喷药、降温补光等控制。对异常信息进行自动报警。 平台监测功能（以茶树为例）： （1）PH值监测 茶树是喜酸性土壤的作物，它只能在酸性土壤中才能生存，要求土壤PH值在4~6.5之间，以4.5~5.5之间最适合茶树生长。当酸度不在正常范围时，可通过施肥改变土壤酸碱性； （2）水分监测 茶树要求土壤相对含水量在60%~90%之间，以70%~80%为宜，保证茶树水分的补给，满足生长要求； （3）湿度监测 茶树生长的相对湿度以80%~0%为宜，在空气湿度较高，土壤水分适当的情况下，新叶的持嫩性强，叶质柔软，叶面富有光泽，角膜层薄，品质更加精良； （4）雨量监测 茶树虽喜潮湿，但也不能长期积水，茶树最适合的年降水量在1500mm左右。茶园中应设排水沟和滴灌装置，一旦雨量超出正常范围，可及时采取措施； （5）温度监测 茶叶最适合的温度是15~35℃。10℃以下生长缓慢或停止；10℃左右开始发芽；35℃以上嫩叶灼伤，生长受限；-13℃，茶树冻枯甚至死亡； （6）光照监测 茶树耐阴，但也需要一定光照使其产生营养物质，根据光照分析叶片光合作用效率，避免在茶树适合生长的光照条件下采摘，避开生长期，完成采摘工作； （7）害虫监测 病虫害发生，是导致茶叶欠收和品质影响的重大因素，同时也是茶农使用农药，导致农药残留超标的罪魁祸首。对病虫害进行监测和防治，采用科学防治技术，不仅可以保证茶园的生态环境，更能保证茶叶质量； （8）数据分析 通过茶园安装的监测装置将茶树生长的环境实时传输到后台管理中心，对所有采集的数据进行分析识别； （9）数据推送 后台对茶园采集的数据进行大数据分析后，当某一数值超出设定范围时，后台管理中心会向茶农发送报警信息提示茶农； （10）自动控制 后台管理中心监控到茶树的土壤水分或者湿度等数值偏离适合茶树生长的范围时，自动控制系统会打开茶园相应的水阀实施喷灌或者滴灌，当达到适应值时自动关闭水阀。