中国北京,2022年5月31日——全球能源管理和自动化领域的数字化转型领导者施耐德电气在汉诺威工业博览会上展示了应用无六氟化硫(SF6-free)技术的中压开关柜GM AirSeT、中压环网柜RM AirSeT及SM AirSeT。该系列产品使用干燥空气替代具有严重温室效应的六氟化硫,引领了气体绝缘开关技术的绿色和数字化趋势,助力企业加快低碳化进程并提高运营的可持续性,从而为全球应对气候变化做出贡献。
这一系列绿色智能设备的推出,与欧盟委员会于4月5日提出加强对含氟温室气体监管的法律修订草案高度契合。六氟化硫具备良好的绝缘性能和开断能力,一直被广泛用作中高压电气设备的绝缘和开断介质,其所带来的温室效应是二氧化碳的 23,500倍。据统计,每年全球中高压开关设备市场使用2.2万吨无六氟化硫,等于5.17亿吨二氧化碳当量。万一发生泄露,其所带来的温室效应将导致严重后果。施耐德电气通过将最新的气体绝缘开关设备与干燥空气和真空技术相结合,可以有效终结行业对六氟化硫气体的依赖。此外,无六氟化硫开关设备还以更长的使用寿命,为循环经济和可再生能源发电提供支持。
对此,施耐德电气电力系统业务执行副总裁Frederic Godémél表示:“更严格的监管和技术的成熟意味着替代六氟化硫的时机已经到来。电力系统环境改善的势头从未如此强劲,我们已经准备好凭借屡获殊荣的绿色和数字化技术为客户提供支持。”
绿色创新全球落地
从电网、工业到建筑和数据中心,施耐德电气已经开始与客户密切合作,展开以干燥空气替代六氟化硫的环保性实践。目前,该技术已在法国的GreenAlp、新喀里多尼亚的EEC Engie和意大利的Azienda Trasporti Milanesi(米兰交通公司)等客户的电网、基础设施和建筑物中成功试点。它还获得了多个奖项的认可,其中包括汉诺威工业博览会的工业能效奖,Cool Earth创新论坛的十大创新奖以及iF设计奖。此外,施耐德电气与瑞典E.ON公司基于该系列设备的合作项目也荣获了第八届enerTIC“智能电网”类大奖。
在国内,施耐德电气的无六氟化硫中压开关设备作为绿色先锋,也已经得到了规模化的应用。国家大力建设的下一代绿色智能新型城市——雄安新区,就对电力设备的绿色环保和智能化提出了高要求。在其电力系统的建设中,批量应用了无六氟化硫的GM AirSeT™中压开关柜和RM AirSeT™中压环网柜,不仅有力地减少了对强温室气体的应用,提升了电力系统的环保性,还通过一系列智能化功能,为当地电力系统的运维转型提供了有力支撑。
应用于雄安新区首个配电网双环网网架项目中的GM AirSeT™设备,能够提供设备实时的运行状态和参数,配合上施耐德电气提供的数字化解决方案,使得用户由传统的被动运维转化为更先进的主动运维,大大提高了用户的运维效率,降低了日常维护的成本,可谓将“绿色+数字化”的理念诠释无遗。
数字化技术释放全新客户价值
施耐德电气基于干燥空气绝缘技术,拥有全方位的由数据驱动的本地功能,具备监控配电应用的功能,并实现基于状态的预防性和预测性维护。嵌入式智能传感器使用户能够远程监控设备信息状态。数据可以被输入到强大的基于云的分析工具中,例如EcoStruxure提供的工具,以提供强大的可操作洞察。施耐德面向未来的系列解决方案还提供了原生数字功能,包括MCSet Active以及SM、RM和GM AirSeT Active。
在大型、关键工业建筑及其运营中,如汽车制造、医疗设施和数据中心、采矿、金属、石油和天然气生产当中,数字洞察在预测问题方面发挥着重要作用。通过这种方式,用户可以增强操作安全性,最大化确保正常运行时间,提高运营效率,并优化维护工作和成本。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。