在我国电力能源结构中,水电不仅是不可或缺的组成部分,而且扮演着越来越重要的角色,尤其在打赢蓝天保卫战等战略的指引下,水电可以说大有可为。从建设和运营的角度讲,每一座水电站都需要综合考虑兼顾生产效率、建设和输电成本以及生态环境等因素。
随着一代代水利工作者的努力,越来越多的高规格水电站在各条大河水力资源丰富的河段上崛起,在此过程中,我国在泥沙研究、坝工技术、水资源配置、水文预报等诸多领域取得了诸多成果,而且随着大数据、物联网、云计算等技术在水电站中的应用,智能大坝、新集控模式等新名词也应运而生。
探索中前进的新集控模式
在遍布全国的水电站中,国电吉林台水电站是新集控模式的代表,这座位于新疆伊犁喀什河中游吉林台峡谷段的水电站以发电为主,在新疆主电网中担任系统调峰、调频及事故备用等任务,兼有灌溉和防洪作用。国电吉林台水电站的集控模式的目的是使用物联网和集控系统取代传统人工记录和查看的方式,实现整体上对全流域水电进行综合管控。
为了更加高效的获取水位、流量等数据以及水轮机发电机等设备的运行状态信息,大量的电站传感器被部署和接入集控系统。海量的结构化和非结构化的数据也随即产生,这些数据是无法通过人工实现实时处理的。此外,新部署的传感器带来了新应用,就需要新建系统平台进行支持,同时业务的发展,业务子系统不断增加,而集控中心监控管理的设备有生产类设备,也有平台支持类设备,但系统没有整合,不同的业务系统不同的方式维护,难度大,效率低。
传感器带来了大量有价值的数据,但是国电吉林台水电站需要一套高效的平台从全局对各类业务进行管控,才能达到其水电站运行、管理、监控一体化的最终目标,而华为“全栈云”方案和配套一体的桌面云解决方案就是国电吉林台水电站最终的选择。水电集控“全栈云”
“全栈云”方案首先要做的就是基础架构云的建设,华为采用高性能2288V5服务器作为全栈云的控制管理平台和计算资源池,OceanStor5600 V5高性能存储作为统一的存储资源池,通过“全栈云”软件FusionCloud将所有计算资源与存储资源云化,按需为集中中心的不同业务应用提供后台计算资源和存储资源支撑,同时通过100+个桌面云服务,保证OA办公和集控管理前端桌面的灵活安全使用。
“全栈云”配合集控中心各类传感器的数据和应用系统而建,集控系统中各个组成部分高效联动起来,通过上下游超声波雷达水位、流量等监测,数据汇聚于集控系统;结合水轮机发电机组水头流量功率动力特性,依据水位数据自动开停机及自动调节负荷,增加发电效益,发电量也相应提升,其中涉及的大部分控制系统也借助“全栈云”实现了远程部署和操作。
提升发电量并且增加发电效益是“全栈云”助力国电吉林台水电站集控系统实现价值的第一个收益。除此之外,通过整体方案还可轻松应对后续数据快速增长,业务扩展灵活、运维简易安全等业务需要,同时也为后续集控中心提供大数据基础化能力提供平台支撑。
如今,国电吉林台水电站已经逐步实现了多个水电站的集中运行、管理和监控,通过建立大运维集中监控和运维管理中心,多个水电站接入平台中心,统一调度、运行、标准化管理、监控,实现规模效益。不仅在生产环境中“全栈云”以其平台丰富的功能和灵活的平台优势创造了诸多价值,还在台帐管理标准化、智能办公一体化等方面让国电吉林台水电站的各类工作从人工时代全面走进数字时代。
通过部署“全栈云”,国电吉林台水电站在新集控模式上取得了巨大的成功,这也是全国第一个基于华为“全栈云”方案的“集控云”。在新疆的调频任务中,国电吉林台水电站总能做到实时响应,并且高质量完成电量输送的任务,为保障新疆的生产生活做出了巨大的贡献,而“全栈云”则为国电吉林台水电站的各类业务提供了灵活、可靠、高效易用的平台服务,未来这朵云将承载更多的业务应用,并推动着我国水电站向着数字化时代快速迈进。
好文章,需要你的鼓励
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
大模型时代,玛丽·米克尔(Mary Meeker)的名字可能大家不一定熟悉,但是在互联网时代,这位被可被誉为“互联网女皇”的。她是美国风险投资家和前华尔街证券分析师,专注于互联网及新兴技术领域。玛丽·米克尔(Mary Meeker)发了一份340页的《人工智能趋势报告》,粗粗看了一下,并没有非常轰动的观点,但是数据比较全面
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。