永磁同步电机性能分析的典型深度学习模型与训练方法

引入人工智能的深度学习算法,建立永磁同步电机齿槽转矩预测分析模型,为解决电机设计、应用特性与系统集成分析间的数据孤岛问题奠定基础。选取永磁同步电机的4个结构参数(极弧系数、气隙长度、永磁体厚度、永磁体宽度)与齿槽转矩的性能关系作为研究对象,使用有限元方法建立8对极、48定子槽的内置式"V"型永磁同步电机模型并进行了仿真分析,得到了结构参数与齿槽转矩的625组数据。人工智能深度学习算法的预测模型为4输入、单输出、4隐层的结构。625组数据中的575组用来训练深度学习预测模型,50组用来测试预测模型的泛化能力。通过比较有限元计算的样本数据与深度学习预测模型的预测结果,验证了人工智能深度学习预测模型的可行性。     

大数据与人工智能实验室

<正>国网河北省电力有限公司大数据与人工智能实验室主要开展基于大数据的业务分析,XGBOOST、Resnet、GAN、FASTRER-CNN等前沿算法研究,Hadoop、Spark、Openstack等先进框架的适用性研究、大数据与人工智能技术典型应用场景研究、电力大数据跨界应用研究,海量数据交互、汇聚及安全防护策略研究。实验室依托单位为国网河北省电力有限公司电力科学研究院,于2018年7月挂牌成立,占地面积     

人工智能应用于电网调控的关键技术分析

当前以深度学习为代表的新一代人工智能技术快速发展,作为引领新一轮科技革命和产业变革的战略性技术,已上升为国家战略,备受各行各业关注。电网调控运行作为电力系统运行的"决策大脑",是集大量数据、机理分析、运行规程和专业经验相结合的综合性决策控制,与以数据驱动、知识引导为特征的新一代人工智能发展思路和演进方向十分相近。在分析新一代人工智能技术特点、电网调控运行业务场景及需求的基础上,提出了未来基于人工智能的调度控制系统设计思路、总体架构和主要功能,并从高性能计算、调控大数据、基于深度学习的电网预测及辨识、基于知识图谱的智能辅助决策以及基于语音交互的调度助手等方面,对其关键技术和潜在应用场景进行了分析。最后对未来人工智能在电网调控中的发展进行了小结和展望。     

基于配用电大数据的短期负荷预测

受限于数据信息的不完整和粗粒度,短期网供负荷预测的准确率一直难以进一步提升,而配用电信息系统数据的积累和大数据技术的快速发展为开展基于配用大数据的短期负荷预测提供了数据基础和技术支撑。本文首先针对配用电大数据的特征分析了"脏数据"的来源与类型,并提出了相应的数据清洗方法;其次基于大量的历史负荷、电量和气象数据,构建了行业负荷温度影响模型和行业电量节假日影响模型;最后基于上述用电影响模型开展了江苏电网短期网供负荷预测,实际计算结果验证了预测效果的有效性和准确性。     

大数据与智能客服的融合应用实例

大数据技术和人工智能技术正在以前所未有的速度、广度、深度与现实世界紧密结合,并通过计算能力、数据、模型和算法四大要素的联合作用,快速渗透到各个行业。国家电网公司高度重视大数据和人工智能在电网业务中的作用,把数据作为信息化的核心。文章以营销智能客服与大数据的融合应用举例,研究实时语音数据智能转译、海量历史数据挖掘分析,以及融合应用的全方位业务管理模式。通过业务数据验证,实现了用数据管理企业、用人工智能提升效率、用融合应用驱动业务改进的目标。对其他电力业务的大数据与人工智能融合应用具有一定借鉴意义。     

稳握大数据利器 开启能源互联新纪元 中国知网“智慧能源变革下的知识管理模式建设与应用研讨会”顺利召开

正为深入研究和实践探索习近平总书记关于国家大数据发展的战略思想,以政务数据、经济数据、人才数据、科研数据、社会数据的整合应用为基本课题,2017年1月18日,中国知网和贵州省大数据产业发展中心共同主办的"政产学研大数据融合应用(贵州)"研讨会在贵阳东盟国际会议中心盛大召开,并在会上正式发布"贵州大数据智库平台",同时该平台还利用大数据与人工智能技术生成了首份关于贵州农业与扶贫内容的大数据报告。     

工业用户在“新基建”下的储能应用研究

正"新基建"强调了智慧能源与智慧交通的融合属性,强调了5G、工业互联网和大数据/人工智能信息基础设施的优先属性,而储能作为关键技术环节,是融合能源、交通与信息基础设施的有效手段。"新基建"七大领域涉及诸多产业链:5G基础设施、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能以及工业互联网,主要可以分为信息基础设施、融合基础设施和创新基础设施三大类。     

基于多模型融合Stacking集成学习方式的负荷预测方法

人工智能及机器学习技术的快速发展,为负荷预测问题提供了崭新的解决思路。该文结合人工智能的前沿理论研究,提出一种基于多模型融合Stacking集成学习方式的负荷预测方法。考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势,构建多个机器学习算法嵌入的Stacking集成学习的负荷预测模型,模型的基学习器包含XGBoost树集成算法和长短记忆网络算法。算例使用ENTSO中瑞士负荷数据对算法有效性进行了验证。预测结果表明,XGBoost、梯度决策树、随机森林模型能够通过自身模型的增益情况对输入数据的特征贡献度进行量化分析;Stacking中各个基学习器的学习能力越强,关联程度越低,模型预测效果越好;与传统单模型预测相比,基于多模型融合的Stacking集成学习方式的负荷预测方法有着较高的预测精度。     

东莞：服务升级成家电市场发展重点

新店开业与旧店升级、厂商涨价与卖场抑价、价格战与服务战……广东省东莞家电市场在矛盾抗衡中发展。5月,家电行业最重要的销售旺季,东莞家电行业也因此上演了诸多好戏。而通过之前的调查走访,记者了解到,除了"开店"和"降价"两大常见促销手段外,越来越多的家电卖场更注重于服务的升级。结合3～4月份东莞家电市场的变化,记者试图通过4大关键词,来形容整个东莞家电行业的现状。关键词1开店     

基于人工智能的客户需求响应研究与分析

随着电力大数据爆炸式地增长,依靠人力物力的传统数据处理模式已经不再适应现代电力系统的发展。以红河州地区居民用电消费行为和日常行为习惯做聚类分析,借助计量自动化系统提供的电力负荷数据,并基于用户群体分析与识别,利用灰色预测、BP神经元网络、自适应BP神经元网络、PSO算法、分类随机森林算法、自适应分类随机森林等人工智能算法对负荷进行预测。通过对当地居民的用电消费行为习惯深入的研究以及电力负荷的预测,为人工智能运用于电力系统客户需求响应提供理论经验和技术支撑。主要创新点在于将自适应随机森林算法等人工智能算法应用于居民需求响应的研究,降低电网处于高峰负荷,并采用了负荷转移策略降低电网运行成本,节约能耗。     

风电场风速及风电功率预测方法研究综述

由于风能的随机性以及电力系统的非线性等原因,预测风电功率时需要考虑众多的不确定因素影响。现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报（NWP-numerical weather prediction）的物理预测方法模型复杂、计算量大,较少用于短期预测;统计预测方法模型简单,数据需求量少,较适合于数据获取有一定困难的情况;人工智能预测方法不依赖于对象的精确模型,适合于随机非线性系统;综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述,并在总结前人研究的基础上提出了一些可进一步研究的问题。     

基于大数据的负荷边际电价联合预测方法

准确的电力负荷边际电价联合预测有助于电力系统调度,同时也是电力系统运行和维护中最重要的任务之一.现有的独立预测方法割裂了负荷与边际电价之间的关系,影响预测精度,为此提出一种基于大数据的负荷边际电价联合预测方法.首先以门限循环单元(gated recurrent unit,GRU)为基础,建立人工智能模型分别对负荷边际电...     

促进人工智能与制造业深度融合发展的难点及政策建议

为加快实体经济复苏并抢占未来产业制高点,主要发达国家都在加强相关战略部署,促进人工智能与制造业深度融合。近年来,国内外在人工智能与制造业融合发展领域的实践取得可观成效,提升了制造业生产效率与经济效益、能够有效缓解人力成本上涨压力并弥补了人类劳动者的不足,提高生产柔性化程度从而实现低成本大规模定制,较为准确地预测市场与匹配供需,促进制造业服务化转型,增强制造业质量控制能力。进一步推进人工智能与制造业深度融合是一项复杂的系统工程,世界各国都面临人工智能标准化制定与实施、互联网技术攻克、信息安全保障、复合型人才培养储备等一系列共同的问题和挑战,而我国还需面对关键核心技术、融合发展创新模式及引领全球融合发展趋势的制造业企业等缺乏问题。对此,我国应通过多方协同发展促进人工智能与制造业深度融合。国家层面,高度重视人工智能与制造业的深度融合,进行科学规划,并建立以基础研究为重点的国家实验室;产业层面,构建机器学习所需的工业大数据库,夯实大数据基础,推动人工智能与制造业深度融合的模式创新和业态创新;企业层面,鼓励我国优势制造业企业进行逆向整合,掌握核心要素资源,加强与互联网和人工智能相关企业的战略联系;在配套方面,调整制造业相关的高等教育和职业教育体系,以适应制造业步入人工智能时代的需要,同时评估和防范人工智能发展过程中可能引发的社会问题。     

人工智能步入加速发展期 多维度布局细分领域机会

<正>人工智能、大数据,国家最近重点规划、大力发展的新兴产业,将为A股市场稳定带来新的动能。今天我们重点梳理这两大领域的投资机会。近日,工信部印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)》(以下简称《计划》),意在加快人工智能从战略到落地,推动人工智能和实体经济深度融合。研究机构分析认为,在新工业革命的背景下,数据、计算力、算法和网络设施等快速迭代,正驱动人工智能进入新阶段。而人工智能由于巨大     

施耐德电气:智上云端 让节能更简单

正Energy Advisor云能效顾问基于云架构和人工智能分析服务,形成集团级能源管理平台,可为用户提供能源信息的存储和展示、指标智能预测、能效诊断和专家顾问服务,助力企业挖掘节能潜力并达成能效目标。伴随《建筑业发展"十三五"规划》的推进及BIM、大数据等技术的应用,智能建筑、绿色建筑发展被提升至全新高度。如何高效、统一地管理部署于楼宇内的设备、系统与     

2017全球大数据产业版图

大数据与AI乃至于云计算结合已是大势所趋。说到最近几年最热门的技术流行语,少不了云计算、大数据、人工智能、物联网等热词。不过,尽管人人(至少是企业界)言必称大数据,但是其在企业的采用周期要远远滞后于炒作周期。所以大数据从新奇酷的技术变成核心系统,从炒作到产品部署往往需要几年的时间。从去年开始,大家越来越感觉到这项技术已经在某种程度上陷入了停滞。不过好消息是,2017年大数据开始进入部署阶段,大数据的炒作逐渐散去,但它的应用却正在蓬勃发展,代表成熟度的标志性IPO也正在出现。而大数据在几年前经历的泡沫正在无可争议地转移到人工智能身上,过去几个月AI所经历的共同意识"大爆炸"与大数据当年相比甚至有过之而无不及。从2013开始制作大数据版图的Matt Turck刚刚发布了最新的2017年大数据版图,我们一起来看看在这个领域有哪些最新趋势。     

电力系统态势感知技术研究综述与展望

态势感知概念最早在太空和网络安全领域被提出,并被引入电力系统领域,近年来国内外学者对态势感知在电力系统的应用进行了广泛讨论。在此背景下,将电力系统实时运行状态辨识、发展趋势预测、态势可视化技术分别与Endsley定义的态势感知中的三大要素——"觉察""理解""预测"相映射,并将电力系统广域控制与风险调度对应于态势感知中的"决策行动"。接着,将上述内容依次展开,分别对电力系统事件监测、电力系统事件辨识、电力系统风险预测、态势可视化技术、广域控制和风险调度分别进行综述和分析,介绍现有方法的思路。最后,给出电力系统输电网态势感知目前研究的不足,指出人工智能和大数据技术是未来解决电力系统态势感知的研究方向。     

站在风口的人工智能电视:任重道远

<正>如果说今年是人工智能电视元年,相信绝大多数人不会反对。在2017年众多彩电企业举行春季新品发布会后,人工智能的标签已经实实在在地成为"电视"的前缀。当智能接近普及,高阶智能——人工智能电视崭露头角。与普通智能电视相比,人工智能电视更强调人机交互体验和产品自身学习功能,基于数据收集和语义解读,更好地满足用户需求。已经站在风口的人工智能电视能否引领未来?可以肯定的是,这并非一日之功。     

海内外顶级“智造”齐聚东莞——2107广东国际机器人展及智能装备博览会隆重召开

<正>11月28日,由广东省经济和信息化委员会、东莞市人民政府联合主办的第三届广东国际机器人及智能装备博览会(以下简称"智博会")在东莞盛大开幕。中国工程院院长周济,广东省人民政府副省长袁宝成,东莞市委书记吕业升,市长梁维东等专家、领导出席开幕式。周济在致辞中指出,十九大报告为实体经济发展、传统行业与大数据融合指明了方向。当今世界,技术创新正在     

基于矩阵范数优化理论的用电数据质量提升算法

用电数据是智能电网大数据重要组成部分,也是基于人工智能方法进行负荷预测、需求响应以及台区线损治理和反窃电的基础样本数据来源。但用电信息采集设备工作环境复杂,用电数据缺失异常问题不可避免,严重影响数据驱动的效果。该文针对用电大数据存在的数据缺失、异常噪声等低质量问题,提出一种基于多范数优化的用电数据质量提升新算法,其中针对数据缺失和稀疏脉冲等多种现场采集噪声,采用核范数/1-范数/F-范数优化的低秩矩阵恢复模型和交替方向乘子算法求解,实现缺失数据恢复和异常噪声滤除,提高用电数据质量。所提方法具有不需要先验知识的训练,计算复杂度低的优势。算例结果表明,该文方法可以提高缺失数据恢复精度、改善数据质量,并且通过基于人工智能长短期记忆神经网络(long short term memory,LSTM)方法的短期负荷预测实验证明其可有效提高预测精度,对电力系统基于数据驱动的新兴高级应用具有良好的实际意义。