平台为教师和学生提供在线编码、命令行、云桌面等多种实践模式，满足不同类型专业课程知识、技能的在线实践需求。提供实验指导手册、实验关卡设置、自动化实验结果评测，让实践过程更流畅、学习体验更友好。针对教学团队的个性化教研需求，平台提供完整的实验自定义开发功能，支持教师自定义实验课程与实验内容，打造1+N的“成长型"平台。 1、 实验方式支持云端编程、远程桌面、远程命令行等多种实验方式，根据不同实验目标、实验内容和实验难易度，匹配不同实验方式。2、实践元子课平台引入了“元子课”的概念，将专业课程的知识点“元子化”，让学生从基础原理、特性到最终应用，层层递进，快速将知识元子融会贯通。搭配每个知识点的关卡任务，用闯关的模式引导学生学习和实践，激发学生学习兴趣。3、实践手册平台内置的实践元子课中每一项关卡任务都提供了实践手册，从理论知识、考核要点、实践任务、实践方法等多个维度进行系统描述，明确实践课程中每一个知识点，让学生能够清晰了解学习内容并掌握实践目标，并能根据手册指导，完成自主实践操作。4、在线实践平台内置丰富的在线实践关卡，涵盖选择题、判断题、代码实践题等多种题型，可根据不同的课程需要，自动创建不同类型的在线实践环境，为学生提供了灵活、开放、不受时间地域限制的教育形式，学生可以边学习边实践，直接在线提交实践成果，平台自动评测打分。对于代码实践题，支持重置在线实践环境，防止学生在实践过程中输入错误指令对实践环境造成不可逆影响。平台中还内置了多组评测数据和判题脚本，可以根据学生提交的程序和编码进行自动评测，通过多组评测数据的判定才能顺利完成评测，有效提高了学生的代码质量。5、自定义实践平台中内置的多种实践环境，可供教师自主进行实践课程创建，根据不同课程的教学需求，教师可以自行设置判断题、选择题、代码实践题三种不同类型的题目，创建属于自己的定制化课程，帮助教师面对不同层次的学生，都能做到因材施教，提升教学有效性。自己创建的课程除了可以应用于自身教学课堂外，也可共享至系统实践资源库，将自己创建的课程成果分享供其他教师复用，在教师间建立了资源共享平台，减轻了教师备课压力，也能让优秀课程发挥更大的价值。

基于容器化技术的智能实验支撑平台，支持后台容器资源自动创建、更新。采用B/S架构设计，师生可通过浏览器快速访问系统，实现实验、实训环境一键式访问，可根据具体实验需求自动启停、回收释放。平台预装50余种实验环境，满足大数据、人工智能等专业课程实验需求。技术与模式创新，实现实验管理智能化应用，大大降低实验平台管理的复杂度。 一、实验环境管理提供Hadoop、Hive、Hbase、Spark、Linux、MySQL、C、Java、Python、Tensorflow等多种实践环境，并支持环境自由组合、自定义添加扩展及个性化资源配置，满足大数据相关专业课程应用实验需求。1、实验环境组合平台支持多种环境之间可以相互组合，教师可根据自身教学需求进行选择，如MySQL+Python、Java+Hive+Hadoop等，组建个性化实验环境。同时支持教师根据自己的需要，自定义添加特定的实验环境，以满足不同教学场景需求。2、资源管控对于包含的全部实验环境，平台提供了统一的管理入口，可自由配置环境参数、运行规则以及进行版本管理，控制每个学生在做实践的时候所占用的CPU、内存资源，保证实验室服务器资源有效利用。二、云端实验环境仓库平台提供云端实践环境仓库，支持远程自动拉取、手动导入更新本地实践环境仓库的功能。  

本发明公开了一种云服务分布式数据中心系统，包括系统状态 监控模块、负载接纳控制模块、负载路由分发模块、负载调度模块和 多源供能管理模块，系统状态监控模块用于获取来自不同用户的云服 务请求，记录云服务请求与云服务请求相关的信息，并将云服务请求 传送到负载接纳控制模块，负载接纳控制模块用于根据接收到的云服 务请求的数量选择部分云服务请求，并将这些云服务请求发送到负载 路由分发模块，负载路由分发模块用于将接收到的云服务请求分发到 对应的数据中心进行处理。本发明能够解决现有系统中存在的数据中 心供能系统的长期运营开销大，新能源供应不稳定、电价波动、需要 提前获取系统数据或者稳态分布的问题。 

本发明公开了一种基于分布式文件系统的 IO 请求调度方法， 包括：接收来自客户端的 IO 请求，并根据 IO 请求更新全局进程表， 将 IO 请求添加至其所属的全局进程对象的请求队列的末尾，并判断该 全局进程对象的连续 IO 请求长度是否小于 REQ_MAX(L)，且有 L<、 多级请求队列的最大级数，如果是则从第 L 级队列中删除该全局进程 对象，并将其插入到第 L+1 级队列的末尾,持续监听来自于客户端的 IO

本发明公开了一种基于径流区间预测的水电站调度风险评估方法，其中，该方法主要包括：根据预测流量误差的分析得到预测流量误差的累积概率密度分布函数，将一定置信概率下的实际流量预测区间和预测流量变量误差区间作为模拟流量过程的基础，仿真得到水电站的出力、末水位和出库流量，继而，与根据实际流量得到的水电站实际出力、末水位和出库流量进行比较，最终得到水电站发生弃水的风险概率和不能完成负荷任务的风险概率。本发明还提供一种风险评估系统。上述方法及系统不仅弥补了现有非线性随机模拟径流预测方法的缺陷，同时，显著提高了径流

本发明公开了一种基于 GPU/CPU 混合架构的流程序多粒度划分与调度方法，包括：根据数据流程序各个任务的计算特点以及任务之间的数据通信量，将任务分配到合适的计算平台上；利用 GPU 端任务的并行性将其均衡分裂到各个 GPU，以避免 GPU 间高额的通信开销；通过选择 CPU 核，将 CPU 端各任务均衡分配给各 CPU 核，以保证负载均衡并提高 CPU 核的利用率；采用多种数据存储结构和多种访问类型的方法，以提高内存的访问效率；通过生成目标模板类和压缩目标结点的个数，降低目标代码的冗余量。本发明在

一种基于虚拟发电厂的配电网无功功率优化调度方法及系统，在沿馈电网络接入的每个节点连接设 置一个监测装置，控制过程包括当虚拟发电厂的当前调度时间段开始时，各监测装置向虚拟发电厂的集 中控制器上传所接入节点的实时电压有效值；集中控制器建立无功功率优化调度模型并求解得到各分布 式电源的无功输出给定值，集中控制器向各分布式电源发送无功输出给定值，各分布式电源相应输出无 功功率至馈电线路。本发明通过集中控制器的优化调度，使得配电网中各个节点电压偏离额定值

本发明涉及一种基于光伏预测误差模糊性的电力系统调度方法。步骤：本发明将获取光伏预测出力 和实测出力的历史统计数据，及气象预测信息，估计未来一天光伏预测误差的概率分布参数。针对光伏 预测误差的不确定性，引入模糊理论，并利用信息熵转换法将光伏预测误差随机变量转换为光伏预测误 差模糊变量。根据光伏功率短期预测的结果，并考虑光伏预测误差的模糊性，建立含光伏发电的模糊机 会约束调度模型。将所建立的模型中含有模糊变量的约束条件转化为清晰等价类。最后利用 C

1. 痛点问题 随着电力系统的发展，电网运行方式时变性和复杂性日益增强，运行专家难以把握电网安全运行的特征和规律，极大的增加了电网运行风险和控制难度。在传统的调度机制中，一方面，运方人员人工选择典型的运行方式，通过离线电力系统分析程序，计算电网潮流，分析电网稳定性，制定电网安全运行边界，进而人工归纳形成“年度运行方式手册”，来长期指导电网运行；另一方面，调度员将上述运行规则作为安全边界（安全约束），输入能量管理系统（Energy Management System，EMS），进而对电网进行调度和控制，以求在安全边界内达到最优运行点。 然而传统的调度机制存在问题，近年来国内外频繁发生的大停电事故也说明了这一点。主要问题归纳如下： 第一，极端运行方式下不安全：电网运行方式多变，离线规则可能不满足极端运行方式的安全要求。 第二，常规运行方式下经济性差：受能力和时间所限，运方人员离线制定运行规则时，仅分析典型运行方式，规则形成后长期使用，相对粗放，缺乏精益化管控，导致电力网络资源利用率低。 第三，随着新能源的大规模并网、需求响应的逐步实现，运行边界频繁变化，不确定性增强。 第四，电力系统运行受到其他系统影响，电力系统安全已经演变成为一个多系统、多因素综合分析问题。以微气象系统为例，对于发电侧，微气象直接影响风电、光伏等新能源的出力；对于需求侧，微气象直接影响工业负荷、智能楼宇、电动汽车等的负荷功率。因此，微气象系统通过影响发电负荷水平，进而影响电力系统安全。因此，随着电力系统与其他系统的关系日益紧密，电力系统安全评估时需要考虑其他系统（例如微气象系统）的影响。 综上所述，传统的调度机制已经无法适应新的形势。因此，亟需研究支撑复杂电网断面发现的智能机器调度员软件的关键技术，通过人工智能、深度学习等信息领域与能源领域的交叉研究，突破支撑复杂电网断面发现的智能机器调度员的基础理论瓶颈，从实际电力系统出发（物理维），立足现有调度机制，基于在线运行方式，采用模型驱动的安全评估方法（模型驱动），形成海量电力系统安全评估仿真样本（数据维）；再以这些样本为基础，通过机器学习训练数据驱动的电力系统在线安全评估模型（数据驱动），形成电力系统安全运行知识图谱（知识维），以代替运方的“年度运行方式手册”。 2. 解决方案 本成果提出了一种支撑复杂电网断面发现的智能机器调度员技术，包括可再生电源的数据驱动电压频率响应特性建模方法、用于暂态稳定预测的失稳样本主动生成方法、电力系统暂态稳定评估方法、结合深度学习和仿真计算的暂态稳定严重故障筛选方法、考虑运行约束的调整潮流生成方法等关键技术，开发了支撑复杂电网断面发现的智能机器调度员软件。该软件用“人工智能”代替“专家智能”，以电力系统安全评估产生的海量仿真数据为基础，以人工智能和机器学习为手段，构建电力系统安全运行知识图谱，从而将“专家智能”离线制定粗放运行规则的模式，变革为“人工智能”在线发现精细运行规则的模式，逐步代替运方的“年度运行方式手册”，保证复杂电网安全、稳定、经济运行。 3. 合作需求 寻求应用场景和资源对接，应用场景和业务能覆盖断面规模众多的大省如浙江、广东等，并且有与输电网断面发现的大中型企业有合作经验，同时具有一定的技术开发能力、市场推广资源和现场工程实施经验，能与现有团队形成合力，通过信息领域与能源领域的交叉研究，突破支撑复杂电网断面发现的智能机器调度员软硬件难题。为保障项目实施质量和进度要求，拟合作团队需通过ISO9001质量管理体系认证，且是国家高新技术企业。期望通过合作，全面开展产品和服务的推广销售。

本发明公开了一种计算复杂度感知的视频解码宏块级并行调度 方法，包含两项关键技术：一是根据熵解码和重排序之后的宏块信息， 如非零系数个数、宏块帧间预测编码类型、运动矢量等，建立宏块解 码复杂度预测线性模型，对每个模块进行复杂度分析，充分利用已知 的宏块信息，提高并行效率；二是在满足宏块解码依赖的前提下，将 宏块解码复杂度与计算并行相结合，对已获取的宏块复杂度进行排序， ·945·根据排序结果对宏块进行分组并发执行，分组