成果简介随着现代传感技术、 嵌入式系统技术、 通信技术等快速发展和融合应用， 远程监控在数据采集， 传输， 处理等关键技术上均获得了较大发展。 本项目正是应用了这些技术， 实现了太阳能大型集热水箱的远程监控。 本项目主要任务是远程监测太阳能大型集热水箱的水位、 水温和流量； 让用户能通过无线网络接收到太阳能大型集热水箱的水位、 水温和流量信息； 并通过无线网络远程控制其水温，譬如无日照时的电加热。成熟程度和所需建设条件本项目产品已完成试制， 并成功应用在芜湖

本实用新型公开了一种智能建筑重力给水监控系统，对楼顶重力给水水箱的水位进行监测，每个水箱从高至低依次设有超高水位、停泵水位、启泵水位和超低水位，通过四个液位传感器进行采集，当高、低水位超限时，启动水位报警器，根据水箱水位的高低启动主给水泵给水箱注水，通过检测电路监测主给水泵的工作状态，当主给水泵出现故障时，启动备用给水泵，若备用给水泵出现故障，启动故障报警器进行报警，实现智能化功能，有效提高重力给水的科学管理水平，减轻劳动强度，保证用水质量和节约能耗。

火电厂控制回路性能监控与优化系统包含两个功能模块: 1、控制回路性能监控模块2、控制回路参数优化模块

成果简介:大规模 GPS 信息定位接入与监控云系统包括:大规模传感信息接入与控制系 统、大规模物联信息存储系统、大规模家联信息处理与分析系统(GPU 集群)、负 载均衡系统、目录服务系统、跨系统用户融合系统等具有广泛的物联网应用支持 能力，该系统可以支持百万级规模的 GPS 定位器的信息接入和监控。该系统具有如下优势:1、利用普通的计算机集群和容错机制，具有很高的性能价格比。452、具有大规模支持能力. 随着物联网技术的广泛应用，

产品详细介绍Enlogic的EN2000 系列产品---IRMC级别测量，输出端口可开断系列将电能测量，功率和环境监测与远程控制输出端口开/断技术有机结合在一起，实现了保护和管理您的机柜环境的功能。输出端口上电顺序开启能防止浪涌电流造成的危害并允许用户自定义设备的启动顺序及延时。远程开/端控制技术允许授权用户远程控制设备，可通过关闭空载的输出端口实现机柜电源的管理。 计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。 持续地为IRMC每相的输入电源和断路器提供实时监测。该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 32APhase Type: 1-phase最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 22IEC C13 输出端口数：: 18Total # of IEC C19 Outlets: 2CEE7/4 Schuko输出端口总数：: 2内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: (C13)10A, (C19)16A, (CEE 7/4)16A物理尺寸长,mm：: 1730 mm深,mm：: 50 mm宽,mm：: 55 mm外壳颜色:: Black环境要求：可运行温度：: -5 to 55°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

产品详细介绍Enlogic的EN1000 系列产品---IRMC级别测量系列涵盖了电能测量，功率和环境监测的功能。计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。持续的为IRMC每相的输入电源和断路器提供实时监测，该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 32APhase Type: 1-phase最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 42IEC C13 输出端口数：: 36Total # of IEC C19 Outlets: 4CEE7/4 Schuko输出端口总数：: 2内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: (C13)10A, (C19)16A, (CEE 7/4)16A物理尺寸长,mm：: 1826 mm深,mm：: 44 mm宽,mm：: 55 mmMax Depth at Circuit Breaker, mm: 56mm外壳颜色:: Black环境要求：可运行温度：: -5 to 60°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

产品详细介绍EOC5611P符合IEEE802.11a/b/g标准，外壳采用IP67工业标准设计，防雨防尘。内置13dbi定向天线，并采用PoE供电，安装简单方便。     EOC5611P具有AP、客户端多种工作模式，一机多用，最大限度的保护您的投资。     安全性方面，采用最新的WPA2加密和认证方式，最大限度的保证您的数据安全。 54M/108M高速连接 符合IEEE 802.11a/b/g标准 发射功率高达28dbm 支持点对多点(P2MP)无线连接 支持WPA2/WPA/802.1x加密及认证方式 11g保护模式，使b/g混合模式下11g的效率更高 PoE供电，兼容802.3af 支持MAC地址过滤 可透过Web /SNMP管理 VPN 透传 LED 显示信号强度 PPPoE(路由桥模式下) 符合IP67室外设计标准,防风、防雨、防水 工作温度范围宽，环境适应性强 内置13dbi平板天线

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。

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。

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。