|
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
新能源锂离子电池智慧消防系统
项目背景：在传统的消防系统中，探测器、控制器等产 品都是通过 RS485、局域网或者 GPRS 等方式传输信号，施工 复杂，维护也困难。即使应用了无线技术，由于设备本身功 耗大，必须频繁得更换电池。这些情况在现有的消防系统中 非常常见，往往由于网络传输问题或者设备电量不足延误报 警信号的传输，造成严重后果。近年来，消防安全管理正逐 步从信息化、数字化向网络化、智能化方向发展，建设智慧 消防已经成为大势所趋。该研究对服务场所进行全天候监 控，通过探测器，控制器以及基于物联网模式搭建的网络消 防平台，可监控服务场所的火灾情况、温度变化，可燃气体 浓度等，并将消防信息无线上传至云管理平台端；同时平台 自动启动相应联动视频监控，辅助确认火情灾情；此外，平 台还可第一时间通过，手机 APP、语音电话等告知责任人， 快速形成“技防+人防”的火灾综合防控力，将火情有效控 制在萌芽状态。一是通过应用 5G 技术，实现各类传感器需 要具有超低功耗的传感技术，实现广覆盖，要求信号穿透力 更强，具备较长的生命周期且传输性能稳定；二是通过物联 网跨平台开发，将智慧消防的系统软件，实现多平台的适配， 既能在移动设备上实现，又需要在固定设备上实现，并解决 数据冗余，提高效率。
所需技术需求简要描述：1.低功耗传感器及其它零部件 的选型，程序控制，保证使用周期能达到 4 年以上。2.覆盖能力强，抗干扰能力强，在网络信号薄弱区域不增加功耗， 保证运行周期。3.跨平台的应用开发，数据存储安全可靠， 解决数据冗余，运行高效。
对技术提供方的要求:1.具有物联网及自动化设计专业 能力，具有成功的实施案例，有专业有经验团队。2.熟悉产 品结构设计，熟悉产品信息化、自动化设计。3.团队带头人 须具有正教授职称，合作方须为专业工科院校，结合实际， 技术方案成熟可靠稳定有创新思维，不涉及知识产权侵犯。
青岛中阳消防科技股份有限公司
2021-09-10
新能源汽车电池管理（BMS）测试（台架）实验系统
该系统是新能源电动汽车中电池管理系统的教学、开发平台，并提供控制器C语言程序代码、电路原理图、理论/实验指导书、主要芯片数据手册等资料通过学习掌握电池管理系统原理，并具备一定的系统开发、故障诊断能力。
成都盘沣科技有限公司
2021-02-01
汽车教具新能源整车网联多维汽车教学设备
北京智扬北方国际教育科技有限公司
2021-08-23
山东永利新能源车业有限公司
致力于集高端电轿、低速新能源汽车及特种车的硏发、生产、销售于一体的高科技民营企业。公司率先通过“国家道路机动车辆生产企业及产品准入”、“国家CCC认证”、“SO9001国际质量管理体系认证”等国家级等级认证。
山东永利新能源车业有限公司
2021-08-23
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
山东力诺瑞特新能源有限公司
中德合资山东力诺瑞特新能源有限公司位于山东济南力诺智慧园内，创立于2001年。力诺瑞特依托集“自动化、信息化、智能化、柔性化”于一体的智能互联工厂，致力于空气源热泵采暖、太阳能热水、大型热水工程等多能互补系统的研发、制造及综合应用，先后被授予国家科技进步奖、教育部科技进步一等奖、国家住宅产业化基地、中国“煤改电”示范企业、国家装配式建筑产业基地。
山东力诺瑞特新能源有限公司
2021-09-13
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