数据驱动的火电机组二次调频特性建模方法

针对目前火电机组机理模型存在不能反映机组响应特性和模型参数难以准确获取等问题,提出一种数据驱动的火电机组二次调频特性模型构建方法。首先分析机组AGC(自动发电控制)调频响应特性,按调节强度划分机组工况,根据多组相近调节强度下火电机组二次调频响应曲线,采用最小二乘法提取二次调频响应特征。然后用二阶模型表征机组数学模型,在线修改模型阻尼系数以提高模型对调节强度变化的适应性,通过粒子群优化算法确定机组响应过程中3个响应阶段的自适应参数。最后设计算例验证了所提模型的有效性和优越性。

地方政府数据开放绩效的影响要素与提升路径——基于26省的模糊集定性比较分析

近年来,我国地方政府数据开放取得了重要进展,目前已有26个省级政府上线了政府数据开放平台,但数据开放绩效存在较大差异。同属经济发达地区的上海和江苏数据开放绩效差距明显,位于西部欠发达地区的贵州却取得较高的数据开放绩效,山东省、广西、江西省等数据开放起步较晚,但在短时间内绩效提升显著。运用模糊集定性比较分析方法(fsQCA),以26个省级政府数据开放平台为样本,对数据开放绩效进行组态分析,分析出政府数据开放绩效的关键影响要素和高绩效组态路径,以期为提升地方政府数据开放绩效提供思路。研究表明,地方政府数据开放高绩效的实现路径包括综合驱动、行政驱动、产业驱动、社会驱动四种。地方政府应综合考虑本地基础要素和发展需求,精准识别汇聚地缘优势且可能产生良好收益的关键驱动要素,并对其进行针对性引导和扶持,通过行政赋能、资源吸纳、主体互动等方式发挥关键要素的驱动作用,确立起本地竞争优势,推动地方政府数据开放绩效的持续动态提升。

基于混合场景集性能和时间相关性微电网鲁棒优化算法

针对孤岛型微电网内可再生能源、负荷的不确定性以及降低碳排放量等问题,提出了一种基于数据驱动和时间相关性的微电网鲁棒优化算法。通过聚类方法生成了典型场景,进而构建包括典型场景、极端场景以及预测场景的混合场景集。在日前阶段,将混合场景集加入约束,以混合场景集所对应的微电网运行成本的概率加权指标作为目标函数,并且在成本中引入阶梯式碳交易模型,得到预调度解。在鲁棒检验阶段引入时间相关性,加快其检验速度以及效率,确保所有场景可行。在日内阶段,利用测量的新能源和负荷数据,对日前阶段的优化解进行优化调整,得到微电网设备的最优出力,从而提高微电网的经济性和鲁棒性,仿真结果验证了该方法的有效性。

基于数据和模型双重驱动的供应链管理案例研究方法

供应链管理企业和行业的数字化是当前重要的发展方向,但传统的供应链管理案例研究方法主要关注案例创新和案例结果,研究偏宏观和定性。文章基于数据和模型双重驱动的视角,研究新的供应链管理案例方法,构建包括网络结构、业务流程、功能定位、绩效评估和战略评估五个部分的总体框架,并提出对应的分析方法,同时,提供盒马鲜生案例研究实例。该方法可提高供应链管理案例研究的质量。

一种基于自适应RNN的居民异常用电行为智能检测方法

针对目前居民用电异常行为识别时存在效率低、性能差问题,提出了一种基于自适应循环神经网络(recurrent neural net⁃work,RNN)的异常用电行为识别模型。设计了一种合成少数过采样技术和编辑最邻近(synthetic minority oversampling tech⁃nique-edited nearest neighbor,SMOTE-ENN)重采样方法,增加不平衡数据集的分类性能。建立了自适应RNN检测模型,使用批量归一化RNN作为基础学习器,并结合超参数优化和缓冲区来动态调整(batch normalized recurrent neural network,BNRNN)模型。实验阶段,经过改进的SMOTE-ENN重采样后,模型分类效果大幅度提升。同时,实验验证了具有缓冲和超参数优化的所提自适应RNN模型具有最低的平均绝对误差,表明所提模型具备较优的泛化能力。试验结果验证了所提模型的实用性及优异性能,该模型可为异常用电行为检测的发展提供一定借鉴作用。

基于数据驱动的分布式光伏发电功率预测方法研究进展

从综述的角度,以分布式光伏系统为对象,分析了功率预测技术的发展情况、存在的难点以及主要影响因素,梳理了应用数据驱动方法实现功率准确预测的技术路线。再以空间相关性、历史出力功率以及气象等影响因素为切入点,梳理了光伏系统数据驱动的功率预测研究现状,分析其相应的数据增强、时空图信息以及特征融合的手段,讨论了技术的优缺点。最后给出了功率预测数据驱动方法研究方向和发展建议。

人机协同的大学生个性化教育评价方法研究

大学生个性化培养是实现因材施教人才培养目标的重要内容,而个性化教育的智能化评价是衡量培养质量的有效手段,更是智能技术与教育结合的必然要求。针对传统个性化教育评价中数据采集获取难、评价过程环节多、指标数据粒度粗、实时反馈效果差,难以应对规模化、过程性、全方位、个性化发展评价难题,提出人机协同的大学生个性化教育评价方法。首先明确了人工智能技术赋能个性化教育评价的内容,然后提出了人机共建个性化教育评价指标体系与人机协同实施过程,最后展示了人机协同个性化教育评价的典型案例。人机协同的智能化评价手段,具有全天候、超时长的服务能力,可大幅提升评价的效率与质量,是新时代教育评价改革成功的重要手段,是实现教育评价现代化的有效途径。

锂离子电池健康状态估计及寿命预测研究进展综述

随着锂离子电池的应用越来越广泛,锂电池健康状态的精确估计和剩余寿命的实时预测对于锂电池系统的安全运行和降低运维成本具有重要意义。锂电池内部复杂的物理化学反应和外部复杂工作条件,使得实现精准的健康状态估计和寿命预测具有挑战性。该文综述近年来锂电池健康状态估计和剩余使用寿命预测方法的研究现状,分析基于物理/数学模型、数据驱动、模型法和数据驱动融合,以及多种数据驱动融合的锂电池健康状态估计方法的优缺点及适用条件,并对比分析不同数据驱动类型的锂电池寿命预测方法。指出锂电池健康状态估计及寿命预测尚存在的问题,并对未来研究方向进行展望,对完善锂电池健康状态估计和寿命预测算法理论体系、指导实际应用技术具有重要意义。

考虑大规模风光分层接入的配电网多层协调无功优化方法

大量风光新能源分层、多点接入给配电网运行带来了电压越限等负面影响,增加了不同电压等级无功协同优化的难度。兼顾不同电压等级调节需求,从模型降维等值的角度,提出了基于等值模型的配电网多层协调无功优化方法。该方法分别针对含有无功调节设备及没有无功调节设备的两种台区系统,利用神经网络对大量台区相关运行数据进行训练得到台区拟合模型,形成不可控和可控两种类型的台区等值模型,并用这两类拟合模型分别代替两类台区系统的物理模型,使台区以数据驱动的方式参与配电网无功优化,形成馈线物理模型和台区拟合模型组成的单一电压等级物数混合优化调度模型。将原多层无功优化问题转换为单层系统优化问题,再对该单层系统无功优化调度问题进行求解。该方法可降低配电网系统优化计算规模,从而减小计算量,以无功优化数学模型与数据驱动方法相结合的方式,实现配电网馈线-台区多层协调无功优化。通过算例验证了所提方法对于解决分布式风光分层接入所导致电压越限问题的可行性、有效性和优越性,能够保障配电网的经济安全稳定运行。

基于BIM和语义网的轨道智能运维管理方法

建筑信息模型(BIM)技术对提高轨道运维管理效率具有重要的推进作用。然而,不同的检查和维护活动产生的数据异构性高、时空关系复杂,阻碍了BIM解释和整合数据的进程。为此,开发了一个基于工业基础类(IFC)和语义Web技术的轨道运维本体(TOMO),其具有3个功能:①基于轨道运维生命周期的应用需求,简化BIM模型信息;②引入映射规则,建立数据提取与转换模块,集成多源异构数据,结构化定义数据之间复杂的时空关系;③结合数据驱动技术,研究轨道精调智能优化的方法,提供弹性决策支持。最后,以某高速铁路静检数据为例,验证了该框架的有效性与实用性,对于促进领域数据互操作性、降低运维人员劳动强度和提高运维管理智能化程度具有实际的工程指导意义。

知识服务与新质生产力:双向赋能机制与实践路径

[目的/意义]新质生产力是数智背景下生产力发展的最新形态,探讨知识服务与其双向赋能的机制与实践路径,对于发挥数据要素新价值、数智技术新动能、智能服务新范式的效用,促进培育新质生产力和提升知识服务,具有重要的理论意义和现实意义。[方法/过程]本研究以总结知识服务发展历程和在新质生产力视角下的新阐释为基础,通过剖析知识服务与新质生产力双向赋能的内在关联、外在表现,构建出知识服务与新质生产力的双向赋能机制,并提出双向赋能路径。[结果/结论]“要素重组是重要抓手、科技创新是关键举措、优质服务是终极目标”成为知识服务与新质生产力双向赋能的内在关联;知识服务通过助力科学研究加速科技创新,优化跨学科跨领域知识关联与挖掘开辟新赛道,助力产业智能化转型升级孕育新业态,培育新质生产力;新质生产力通过化解资源潜在价值挖掘受限困境、技术模型算法依赖困境、人才数量与质量欠佳困境和增加需求、增长点与竞争优势驱动知识服务发展,提升知识服务。最后,通过以市场需求为导向,以数据要素为核心,以技术创新为关键,以应用场景为抓手,把握新质增长引擎,压实智能驱动底座,夯实融合应用基础,落实双向赋能机制。

基于多域物理信息神经网络的复合地层隧道掘进地表沉降预测

复合地层中盾构掘进诱发地表沉降的准确预测是隧道工程安全建设与施工决策的关键问题。基于隧道施工诱发地层变形机制构建隧道收敛变形与掘进位置的联系,并将其耦合至深度神经网络(deep neural network,简称DNN)框架,建立了预测盾构掘进诱发地层变形的物理信息神经网络(physics-informed neural network,简称PINN)模型。针对隧道上覆多个地层的地质特征,提出了多域物理信息神经网络(multi-physics-informed neural network,简称MPINN)模型,实现了在统一的框架内对不同地层的物理信息分区域表达。结果表明:MPINN模型高度还原了有限差分法的计算结果,可以准确预测复合地层中隧道开挖诱发的地表沉降;由于融入了物理机制,MPINN模型对隧道施工诱发地表沉降的问题具有普适性,可应用于不同地质和几何条件下隧道诱发地表沉降的预测;基于工程实测数据,提出的MPINN模型准确预测了监测断面的地表沉降曲线,可为复合地层下盾构掘进过程中地表沉降的预测预警提供参考。

数智时代的信息分析方法:数据驱动、知识驱动及融合驱动

数智时代,面对大数据、大知识所带来的挑战,如何创新发展信息分析方法,关乎新时代信息分析工作的开展,关乎数据资源的开发利用。本文在梳理现有信息分析方法的基础上,提出数据驱动、知识驱动,以及数据与知识融合驱动的三种数智型方法思路。首先,提出基于文本、网络、音频、图像等的数据驱动以及与之相应的文本挖掘、图挖掘、音频挖掘、图像挖掘等信息分析模式;其次,提出基于专家知识库、通用知识库、领域知识图谱、通用知识图谱等的知识驱动信息分析模式;最后,提出基于特征、模型、决策三种层面的数据与知识融合驱动的信息分析模式。通过以上三种方法,构建能够系统融合大数据、大知识的信息分析方法,实现数智融合型信息分析,促进图书情报学科方法论发展,赋能国家决策和社会治理。图3。表1。参考文献59。

大数据驱动的企业与用户互动创新:理论框架与前沿课题

大数据驱动的企业与用户互动创新已成为企业洞察市场和用户动态、提升创新敏捷性和适应性的重要模式,其关键因素和作用机制日益成为创新、营销和信息系统等领域的热点议题。结合系统性综述设计和关键词共现分析,梳理大数据情境下企业与用户互动创新的研究洞见。针对情境和工具如何影响领先用户与普通用户关系及二者的相互作用机制两个研究缺口,提出大数据驱动的企业与用户互动创新“条件—路径—绩效”理论框架。依据该理论框架,结合文献和案例证据,重点阐述在什么情境和工具条件下企业与领先用户、普通用户以何种互动创新路径影响创新产品和大数据合作资产,由此形成理论创新。分析结果表明,互动创新路径选择本质是在异质性情境和工具条件下,企业在创新新颖性—泛用性以及数据分析成本—收益之间的动态权衡;两类创新路径的动态变化由互动创新工具成熟度、创新主导权的变更所触发。最后,进一步提炼出大数据驱动的企业与用户互动创新理论研究的三类前沿课题,并讨论其理论和实践意义。

数据驱动儿童专科医院大型医疗设备运行评价体系建设

目的探索通过数据采集及分析评价儿童专科医院大型医疗设备运行水平的方法,提出大型医疗设备使用及配置建议。方法通过物联网终端采集设备运行数据,结合医院HIS、RIS、HRP等系统数据,建立儿童专科医院大型医疗设备评价指标体系,运用CRITIC法对单类、单台设备数据进行量化评价。结果医院大数据平台实现了对单台大型设备运行数据纵向分析并形成可视化图表,通过PC端及移动端展示。申康市级平台数据分析,实现对儿童专科医院大型设备运行水平的综合量化评价及使用配置建议。结论通过数据采集及分析,实现儿童专科医院大型设备运行评价体系建设,提升大型设备管理水平。

数据驱动的半无限介质裂纹识别模型研究

缺陷识别是结构健康监测的重要研究内容,对评估工程结构的安全性具有重要的指导意义,然而,准确确定结构缺陷的尺寸十分困难.论文提出了一种创新的数据驱动算法,将比例边界有限元法(scaled boundary finite element methods,SBFEM)与自编码器(autoencoder,AE)、因果膨胀卷积神经网络(causal dilated convolutional neural network,CDCNN)相结合用于半无限介质中的裂纹识别.在该模型中,SBFEM用于模拟波在含不同裂纹状缺陷半无限介质中的传播过程,对于不同的裂纹状缺陷,仅需改变裂纹尖端的比例中心和裂纹开口处节点的位置,避免了复杂的重网格过程,可高效地生成足够的训练数据.模拟波在半无限介质中传播时,建立了基于瑞利阻尼的吸收边界模型,避免了对结构全域模型进行计算.搭建了CDCNN,确保了时序数据的有序性,并获得更大的感受野而不增加神经网络的复杂性,可捕捉更多的历史信息,AE具有较强的非线性特征提取能力,可将高维的原始输入特征向量空间映射到低维潜在特征向量空间,以获得低维潜在特征用于网络模型训练,有效提升了网络模型的学习效率.数值算例表明:提出的模型能够高效且准确地识别半无限介质中裂纹的量化信息,且AE-CDCNN模型的识别效率较单CDCNN模型提高了约2.7倍.

干散货码头数字孪生综合管控平台架构与实践

为加快干散货智慧港口建设,探讨了数字孪生技术在干散货码头中的应用。分析干散货码头运营呈现出的自动化、信息化、智能化发展趋势,指出当前面临的数据爆炸性增长、数据采集不全面等挑战。在此基础上,对数字孪生在港口的应用领域进行分析梳理,围绕数字孪生模型内容,提出7大应用业务领域。通过干散货码头数字孪生的建设路线,提出以数据驱动和模型驱动为核心的数字孪生模型构建方法。结合干散货码头智能化建设现状,提出干散货码头数字孪生平台架构方案。选取典型门机设备和港区全局典型案例,分别从微观设备孪生构建和宏观全局孪生场景两个层面阐述应用实践经验,以期为智慧港口的发展与建设提供参考。

数据如何驱动制造型企业平台战略转型——基于数据组织属性及凯盛企业集团案例研究

数字技术与经济活动的深度融合,无论从深度和广度上都加快了经济与社会发展。作为资源和技术手段的数据,极大改变了传统微观企业运营管理模式及战略。文章提出数据具有自组织和他组织二重属性,数据组织二重性及其杠杆效应成为在位企业对其他企业竞争壁垒,并运用案例进一步阐释“数据资源+”作用机理及如何构筑了企业竞争优势,促进企业平台化战略转型。

小样本学习技术在新型电力系统中的应用与挑战

数据驱动已成为新型电力系统建设及其数字化转型的核心范式,相关算法在负荷预测、状态检修、多主体调控等多项业务中展现出优越的工程效果与应用潜力。然而,实际工程数据往往面临着样本不足、样本不平衡等问题,制约了数据驱动算法的最终效果。因此,需要借助小样本学习来应对这一挑战。文中从数据、特征、模型3个层面探究了小样本学习技术,综述并分析了相关技术在场景生成、故障诊断、电力系统暂态稳定评估等业务的应用现状,并进一步指出小样本学习技术在新型电力系统中所面临的不足与挑战。

基于数据驱动的配电网无功优化

传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。