作为服务贸易领域国家级、国际性、综合型的大规模展会,2022年中国国际服务贸易交易会正如火如荼进行。今日,全球能源管理与自动化领域数字化转型专家施耐德电气在服贸会现场召开可持续“一体两翼”成果发布会,并升级旗下综合能源管理平台EcoStruxureTM微网能源顾问(EcoStruxure Microgrid Advisor),进一步助力用户侧实现高比例新能源接入及低碳转型,保障相关客户实现多种新能源场景下的经济、合理、高效、安全运营。
施耐德电气战略与业务发展微网业务负责人黄弘扬
伴随着持续加速的碳中和进程,双碳实践融入千行百业及各种场景,全球能源结构正从化石能源向新能源转型,单向流动的传统刚性电力能源系统也在向产消互补、多能融合的新型电力系统转变。然而,在高比例的新能源接入并改造现有能源系统的同时,安全性、经济性也成为了企业关注的核心价值:如何在新能源发电不稳定且有大量电力电子设备接入的情况下,确保供电的可靠性及连续性,并解决电能质量问题?如何在各地峰谷价差拉大、保电压力加大的同时,进一步挖掘经济性,结合效率与效益实现用能的降本降碳?
基于数字化手段及对OT运营技术的深刻认知,施耐德电气致力于以数字化手段满足能源领域的新需求,护航企业在数字化、低碳化双转型大潮下的新发展。面向高比例新能源场景,EcoStruxure微网能源顾问通过智慧、实时的、对用户侧站点的分布式能源进行综合管理和优化,助力用户充分利用可再生能源、减少碳足迹、降低能源成本、提高微网运营绩效并实现综合能源的可监可控可优化,实现安全与经济用能。
本次服贸会上,以“加速双转型,供应可持续”为主题,施耐德电气以软件为核心的数字化作为助力可持续发展的一“翼”,并展示了EcoStruxure微网能源顾问的一系列升级,以更多价值点助力进一步应对市场需求,优化用户体验:
更多新能源场景——基于落地实践需求,实现对光伏、风电、储能、充电、燃料电池、暖通空调HVAC等多元素场景的支撑;
更智能的分析优化——基于场景训练的AI和综能专家模型的输入,从而对能源系统实现更好的预测与调优;
更可靠的自动化平衡——基于施耐德电气在OT层面的长期积累和电力自动化能力的深耕,提升了边缘控制层面自动化平衡的可靠性。
数据显示,未来对于电气化能源需求的增速将是其他能源形式需求的两倍以上;全球70%新增的能源都将以可再生能源的形式出现。随着EcoStruxure微网能源顾问的推出与更新,乘新能源时代浪潮,施耐德电气也已开启与合作伙伴的前沿探索——携手领先的智能化配电设备提供商明阳电气,双方针对明阳集团旗下工厂进行新能源改造,通过EcoStruxure微网能源顾问及微网边缘控制解决方案对市电、分布式发电设备及可调用能负荷进行统一调度管理,在保证多电源系统安全稳定运行的同时,以数字化手段实现厂站级新能源管理,带来能源的可监可控可优化,最大程度实现绿色能源自消纳与整体系统节能降碳,助力明阳集团逐步迈向绿色低碳的工厂运营。
随着电气硬件互联互通的进一步加深及多形式发电、输电、配电、零售运营的能源产消一体化体系的形成,如何确保企业实现向新能源体系转型“软着陆”的安全与高效,正在吸引越来越多的目光。“依托稳定安心、绿色高效、智慧先进、全生命周期四大核心价值,EcoStruxure微网能源顾问将进一步协调新能源多能融合与产消互动,实现清洁能源的高渗透率及产业成本优化。”施耐德电气战略与业务发展微网业务负责人黄弘扬表示,“以此次更新为契机,施耐德电气将持续赋能包括园区、工厂、基础设施、港口、机场、石油化工等关键行业通过基于源网荷储一体化的监测、控制及调优系统,实现高比例新能源场景的稳定运行,加速低碳转型。”
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。