为了提高多场景应用的技术经济性,本文对电池储能系统状态估计进行了综述。首先,分析了电池性能衰减的机理,介绍了目前常用的物理建模和数据建模方法,进而对荷电状态(state of charge,SOC)和健康状态(state of health,SOH)进行了定义与...为了提高多场景应用的技术经济性,本文对电池储能系统状态估计进行了综述。首先,分析了电池性能衰减的机理,介绍了目前常用的物理建模和数据建模方法,进而对荷电状态(state of charge,SOC)和健康状态(state of health,SOH)进行了定义与关联性分析,并对电池及其系统的状态估计方法进行了汇总;其次,为了获取更多精确的电池运行数据,重点介绍了能够刻画电池内部演化机理的原位/非原位表征技术,进而分析了嵌入式电池管理系统(battery management system,BMS)实际应用的主流开发路线;第三,提出了基于联邦学习的电池储能系统状态估计方法,基于轻量化模型在本地进行电池储能系统SOC的估计以保证控制实时性,基于大数据驱动策略在云中心进行其SOH估计以保证容量可信度,由此实现云边的交互与协同;最后,对电池储能系统未来可能的发展方向和研究重点进行了预测。研究结果表明:活性锂损失是锂离子电池容量衰退的主要原因,高温、低温、过充放等滥用也会加速电池性能衰减;数据驱动在电池系统级建模与状态评估方面具有较大优势;利用原位/非原位表征技术可以获取更多的电池内部状态数据,基于FPGA的BMS轻量化建模更易实现,基于联邦学习的状态评估方法能够提高电池储能系统的智慧化运维水平。展开更多
随着人工智能领域大模型(large model)的广泛应用,大模型,尤其是大语言模型(large language model,LLM)的安全问题受到了广泛关注.大模型作为一种新兴技术,与之相关的安全态势分析以及安全体系建设均亟待挖掘与探索.从社会关系以及技术...随着人工智能领域大模型(large model)的广泛应用,大模型,尤其是大语言模型(large language model,LLM)的安全问题受到了广泛关注.大模型作为一种新兴技术,与之相关的安全态势分析以及安全体系建设均亟待挖掘与探索.从社会关系以及技术应用2个视角,分析了大模型安全的整体趋势.同时,基于大模型自身的特点,梳理了大模型安全能力建设的实践思路,为大模型研发、大模型应用构建提供了安全体系构建的参考方案.介绍的大模型安全能力实践方案包括安全评估基准建设、模型价值观对齐方法、模型线上服务安全系统建设3个部分.展开更多
近年来深度学习在短文本聚类方面发挥巨大作用,最近提出的短文本聚类(Short Text Clustering, STC)算法在此方面取得不错的成效。为进一步提高聚类准确率并优化算法性能,基于指数函数提出改进的随机近邻嵌入算法。该算法用指数函数度量...近年来深度学习在短文本聚类方面发挥巨大作用,最近提出的短文本聚类(Short Text Clustering, STC)算法在此方面取得不错的成效。为进一步提高聚类准确率并优化算法性能,基于指数函数提出改进的随机近邻嵌入算法。该算法用指数函数度量样本点与聚类中心差距,放大不同特征差别,并在后期使用k-means++算法预先确定聚类中心与聚类数目。在Stackoverflow数据集上的实验证明,随机指数嵌入聚类模型(e-STC)在准确率与标准互信息上均优于原STC模型,准确率相对提高3.2%,互信息相对提高2.9%。展开更多
针对当前城市轨道交通(简称:城轨)乘客信息系统(PIS,Passenger Information System)运营维护(简称:运维)方式智能化水平低、对人工依赖性强、人工成本高、故障发现慢及处理效率低等问题,设计并实现了城轨PIS智能运维平台。基于特征对比...针对当前城市轨道交通(简称:城轨)乘客信息系统(PIS,Passenger Information System)运营维护(简称:运维)方式智能化水平低、对人工依赖性强、人工成本高、故障发现慢及处理效率低等问题,设计并实现了城轨PIS智能运维平台。基于特征对比、日志分析、决策树等技术,通过主动检测、故障智能检测与诊断、处置决策辅助、远程运维等方式,面向运维人员提供故障告警提示、故障信息展示、故障诊断分析、运维决策建议、远程运维操作等功能,实现了PIS运行过程中故障发现-诊断-处置全流程的快速响应和功能扩展,提高了城轨PIS的运维效率和智能化水平。展开更多
文摘为了提高多场景应用的技术经济性,本文对电池储能系统状态估计进行了综述。首先,分析了电池性能衰减的机理,介绍了目前常用的物理建模和数据建模方法,进而对荷电状态(state of charge,SOC)和健康状态(state of health,SOH)进行了定义与关联性分析,并对电池及其系统的状态估计方法进行了汇总;其次,为了获取更多精确的电池运行数据,重点介绍了能够刻画电池内部演化机理的原位/非原位表征技术,进而分析了嵌入式电池管理系统(battery management system,BMS)实际应用的主流开发路线;第三,提出了基于联邦学习的电池储能系统状态估计方法,基于轻量化模型在本地进行电池储能系统SOC的估计以保证控制实时性,基于大数据驱动策略在云中心进行其SOH估计以保证容量可信度,由此实现云边的交互与协同;最后,对电池储能系统未来可能的发展方向和研究重点进行了预测。研究结果表明:活性锂损失是锂离子电池容量衰退的主要原因,高温、低温、过充放等滥用也会加速电池性能衰减;数据驱动在电池系统级建模与状态评估方面具有较大优势;利用原位/非原位表征技术可以获取更多的电池内部状态数据,基于FPGA的BMS轻量化建模更易实现,基于联邦学习的状态评估方法能够提高电池储能系统的智慧化运维水平。
文摘随着人工智能领域大模型(large model)的广泛应用,大模型,尤其是大语言模型(large language model,LLM)的安全问题受到了广泛关注.大模型作为一种新兴技术,与之相关的安全态势分析以及安全体系建设均亟待挖掘与探索.从社会关系以及技术应用2个视角,分析了大模型安全的整体趋势.同时,基于大模型自身的特点,梳理了大模型安全能力建设的实践思路,为大模型研发、大模型应用构建提供了安全体系构建的参考方案.介绍的大模型安全能力实践方案包括安全评估基准建设、模型价值观对齐方法、模型线上服务安全系统建设3个部分.
文摘近年来深度学习在短文本聚类方面发挥巨大作用,最近提出的短文本聚类(Short Text Clustering, STC)算法在此方面取得不错的成效。为进一步提高聚类准确率并优化算法性能,基于指数函数提出改进的随机近邻嵌入算法。该算法用指数函数度量样本点与聚类中心差距,放大不同特征差别,并在后期使用k-means++算法预先确定聚类中心与聚类数目。在Stackoverflow数据集上的实验证明,随机指数嵌入聚类模型(e-STC)在准确率与标准互信息上均优于原STC模型,准确率相对提高3.2%,互信息相对提高2.9%。
文摘针对当前城市轨道交通(简称:城轨)乘客信息系统(PIS,Passenger Information System)运营维护(简称:运维)方式智能化水平低、对人工依赖性强、人工成本高、故障发现慢及处理效率低等问题,设计并实现了城轨PIS智能运维平台。基于特征对比、日志分析、决策树等技术,通过主动检测、故障智能检测与诊断、处置决策辅助、远程运维等方式,面向运维人员提供故障告警提示、故障信息展示、故障诊断分析、运维决策建议、远程运维操作等功能,实现了PIS运行过程中故障发现-诊断-处置全流程的快速响应和功能扩展,提高了城轨PIS的运维效率和智能化水平。