全球领先的ICT解决方案供应商华为,于7月28日参加全国电力系统及其管理信息交换标准化技术委员会在大连主办的第八届配电自动化技术应用论坛,并首次推出面向国内电力无线专网的eLTE解决方案。
随着智能电网技术的不断发展和应用,ICT技术助力对电网的全景状态感知、预测、诊断与决策,支撑电网的高效管理和运营。华为在发、输、变、配、用电领域提供端到端的eLTE无线智能电网解决方案,助力智能电网建设和发展,并在英国、奥地利、墨西哥等全球多个国家和地区有实际业务应用,极大提升了电力的智能化水平和管理效率。
中国智能电网发展,已形成以骨干光纤为主体,多种接入技术共同发展的趋势,无线专网由于其部署便利性、安全性和灵活性,已成为智能电网发展的最佳接入方式。针对国内电力无线专网发展具有频谱特殊、业务多样等特点,华为首次推出了面向国内电力无线专网的eLTE解决方案。
电力无线专网建设需考虑频谱充分利用、技术先进性、业务适用性和产业链等多个维度。
在频谱方面,电力无线专网建设需充分使用可用频谱资源服务电力业务。国家无线电管理委员会分配给电力230M 40个离散25kHz专用频点,工信部同时分配1785M-1805MHz的行业频谱可用于申请建设电力无线专网,同时通用计量频段470M-510MHz以及开放频段5.8G都可用于电力无线专网建设。
技术先进性方面,4G LTE技术已充分论证,不论性能、安全、工程建设的便利性都能满足电力无线专网的需求。同时,随着移动技术行业化,5G技术4.5G化的发展趋势,4.5G技术对提升4G LTE的频谱利用率、覆盖、时延和容量都在运营商市场得到充分验证,4.5G先进技术可用于提升电力无线专网价值。
业务适用性方面,4.5G技术充分满足电力业务宽带、窄带业务并存,海量终端接入,高可靠、低时延、低功耗等业务场景需求。
产业链方面,国际移动通信标准组织3GPP定义的4G、4.5G和5G具备广泛的产业链基础,可保证电力无线专网建设的经济性和长期演进性。
华为推出的电力无线专网eLTE解决方案充分考虑230M、1.8G、470M、5.8G等多种频率资源,融合了多天线技术、高阶MIMO、LTE-U和IoT等多种4.5G技术,全面服务电力无线专网建设。华为企业无线产品线副总裁崔景龙在“华为eLTE无线智能电网解决方案”的主题演讲中表示,凭借在3GPP标准组织的领先地位和技术积累,华为已率先将无线4.5G技术应用于电力生产和管理业务流,并推出基于4.5G技术的eLTE无线智能电网解决方案。华为eLTE具有建设便捷、网络安全、经济性好的优势,可随时随地、灵活接入不同带宽需求的固定和移动业务,实现一网多用,充分发挥无线专网的价值,解决配电自动化、微电网接入、充电桩管理、AMI抄表等实际应用场景,深度融合电力行业需求。
华为企业无线产品线副总裁崔景龙
华为eLTE解决方案深度适配电力行业,提供室外型、嵌入式的多样化无线接入终端,直接对接电力终端设备。同时提供标准的Mini PCIe卡和公专合一模组,用于电力合作伙伴集成到具备无线通信功能的电力终端中。公专网融合将是电力无线接入网近期的发展趋势,华为提供的公专网合一模组满足电力无线发展初期专网覆盖不足,先通过公网解决接入问题。随着专网的全面覆盖,将业务平滑切换到专网的需求。在本次论坛中,华为全面展示了从终端、网络和应用层的配电自动化通信解决方案。其中,华为与合作伙伴进行了产品联合展示,华为eLTE解决方案同故障指示器联合作业,实现对电力线路的实时检测和数据回传,有力地支撑电网的运检工作,保障电网正常运行。
华为一直以最开放的心态、始终坚持以客户为中心,不断努力和创新,与最优秀的伙伴,共同助力电力行业客户商业成功。
好文章,需要你的鼓励
2025施耐德电气智算峰会上,全新EcoStruxure(TM) Energy Operation电力综合运营系统正式亮相,定位场站级智慧能源管理中枢,集技术领先性与本土适配性于一体。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。