• <tbody id="gh6o4"></tbody>
    <track id="gh6o4"><span id="gh6o4"><td id="gh6o4"></td></span></track><menuitem id="gh6o4"><dfn id="gh6o4"></dfn></menuitem>

    <tbody id="gh6o4"></tbody>
    <bdo id="gh6o4"><optgroup id="gh6o4"><thead id="gh6o4"></thead></optgroup></bdo>

        <menuitem id="gh6o4"><optgroup id="gh6o4"></optgroup></menuitem>
        1. <progress id="gh6o4"><nobr id="gh6o4"></nobr></progress>
          <progress id="gh6o4"><nobr id="gh6o4"></nobr></progress>
          <menuitem id="gh6o4"><optgroup id="gh6o4"><thead id="gh6o4"></thead></optgroup></menuitem>
          <nobr id="gh6o4"><dfn id="gh6o4"></dfn></nobr>
          <bdo id="gh6o4"><optgroup id="gh6o4"><dd id="gh6o4"></dd></optgroup></bdo>
        2. 青豫公司面向光熱場站智能檢修系統開發與應用科技服務招標
          發布者:xylona | 0評論 | 1211查看 | 2025-12-02 17:27:51    

          12月1日,國家能源集團青海電力有限公司就青海公司青豫公司面向光熱場站智能檢修系統開發與應用科技服務進行公開招標。


          項目概況:國能青豫(共和)新能源開發有限公司顯暉光熱電站位于青海省海南州生態太陽能發電園區南部,距共和縣城約30公里,裝機1×100MW光熱發電機組,采用熔鹽塔式技術路線。聚光集熱系統采用可勝技術中型定日鏡,單臺定日鏡面積30m2,定日鏡數量為23340臺,光場總采光面積70.02萬m2。吸熱器額定功率355MWt,吸熱器中心標高210m。儲熱系統采用二元熔鹽作為儲熱介質,溫度參數為290/565℃,配置儲熱規模2780MWht,等效儲熱時長12h,所需熔鹽總量29000t,設高低溫熔鹽儲罐各一臺。換熱系統選用1×100%(單列)自然循環方式蒸汽發生系統。汽輪機選用超高壓、高溫、一次中間再熱、八級回熱抽汽、單軸、雙缸、軸向排汽、直接空冷凝汽式汽輪機,額定功率100MW。電站采用1回110kV線路接至思明330kV變電站。


          隨著電站即將由建設期全面轉入運營維護期,保障其大規模、高復雜度的系統實現安全、穩定、高效運行,已成為當前的核心任務。然而,傳統以人工為主的運維模式在應對此類現代化光熱電站時,暴露出多方面瓶頸,難以適應其高技術集成與大規模運行的特點,比如:超大規模鏡場運維效率低下,精度難以保障;設備數量龐大,傳統預防性維修不足,故障風險高;高溫高壓高危環境,安全管理壓力巨大;運維流程依賴個人經驗,知識傳承與標準化困難;地處高原偏遠地區,協同指揮與專家支持受限等,亟需構建以智能感知為基礎、以智能分析為核心、以數據驅動為特征的數字化運維平臺,實現電站全生命周期安全、穩定、經濟運營。


          招標范圍:開展面向光熱場站的智能檢修系統開發與應用研究,構建“應用層+服務層+平臺層”三層架構的光熱數字化運維系統,實現知識片段索引、多語種向量化模型、多模態答復生成關鍵技術突破創新,提升運維效能、降低運營成本。


          主要研究內容及預期目標:


          本項目面向光熱運維檢修智能化轉型的迫切需求,旨在研發一系列運維檢修智能體,構建面向光熱運維作業的智能輔助與標準化、數字化現場作業體系。針對超大規模鏡場運維效率低下、精度難以保障的問題,采用多模態巡檢智能體技術,結合采集的高清圖像,智能體以極高的準確率實時識別鏡面污漬、劃痕等缺陷。通過路徑規劃算法與邊緣計算單元,可自主規避障礙物并完成數萬臺定日鏡的分區域巡檢,將單次巡檢周期從半月壓縮至幾天內;


          針對設備數量龐大導致傳統預防性維修不足、故障風險高的問題,部署設備健康管理智能體,采用“邊緣感知-云端建模-聯邦更新”技術架構,同時構建設備關聯知識圖譜,以“實體-關系-屬性”三元組存儲設備拓撲結構(如“熔鹽泵-驅動-傳熱管道”),實現故障傳播路徑推理,提前72小時預警系統級停運風險;


          針對高溫高壓高危環境下安全管理壓力巨大的問題,構建安全管控智能體,集成多模態數據融合與實時干預技術,通過部署在危險區域的紅外熱成像相機與高清攝像頭結合人體姿態估計算法識別人員未戴防護具、跨越安全圍欄等8類不安全行為,實現行為與狀態數據的亞秒級分析,將不安全狀態響應時間從分鐘級降至秒級;


          針對運維流程依賴個人經驗、知識傳承與標準化困難的問題,研發專家知識智能體,基于RAG技術架構構建運維知識體系,如在故障手冊、檢修報告等非結構化數據中抽取設備實體、故障類型、處置方案等要素并進行數據清洗,以“故障-原因-措施”三元組形式存入RAG知識庫,故障發生時通過向量相似度匹配(余弦距離<0.2)快速檢索歷史案例,結合大模型生成標準化處置流程,新員工可通過自然語言交互獲取專家級指導,同時智能體支持增量學習,自動將新處置案例更新至知識圖譜,實現經驗的實時沉淀;


          最終通過構建不依賴人員經驗的智能輔助體系,與現場作業智能管控關鍵技術,構建“知識驅動決策、數據賦能運維”的一體化解決方案,全面提升生產安全性、運維效率與智能化水平。


          課題一聚焦于“知識如何賦能生產”,研發面向工業現場的光熱設備智能運維。該系統打造一個覆蓋光熱設備檢修作業全流程的智能管控體系。總體目標是融合檢修方案編制與審批、風險防控措施落實、驗收標準制定等核心場景,實現檢修作業過程的自動化、智能化服務與管控。


          課題二致力于“現場如何智能運行”,研制新一代智能移動巡檢裝備并構建光熱電站專用的云端協同數字化運維平臺。通過端側智能實時分析、違章行為自動預警、遠程音視頻會商及可編排巡檢流程,實現對人、機、環的全面感知與智能干預,形成事前預警、事中管控、事后溯源的閉環管理,顯著提升電站安全管控與精益運維水平。


          兩大課題緊密協同:課題一形成的光熱設備智能運維智能助手可為課題二的現場作業提供標準指引與智能輔助;課題二產生的實時數據與場景反饋又可反哺優化課題一的知識體系與應用能力。二者共同構成“智慧大腦”與“靈敏四肢”的有機整體,為構建新一代智慧電廠提供關鍵技術支撐與示范樣板。


          投標人主要資格要求:


          1、業績要求:2020年12月至投標截止日(以合同簽訂時間為準),投標人須至少具有生產運營管控系統的建設或供貨安裝合同業績2份,投標人須提供能證明本次招標業績要求的合同掃描件,合同掃描件須至少包含:合同買賣雙方蓋章頁、合同簽訂時間和業績要求中的關鍵信息頁。


          2、本項目不接受聯合體投標。


          公告原文如下:


          1.jpg

          最新評論
          0人參與
          馬上參與
          最新資訊

        3. <tbody id="gh6o4"></tbody>
          <track id="gh6o4"><span id="gh6o4"><td id="gh6o4"></td></span></track><menuitem id="gh6o4"><dfn id="gh6o4"></dfn></menuitem>

          <tbody id="gh6o4"></tbody>
          <bdo id="gh6o4"><optgroup id="gh6o4"><thead id="gh6o4"></thead></optgroup></bdo>

              <menuitem id="gh6o4"><optgroup id="gh6o4"></optgroup></menuitem>
              1. <progress id="gh6o4"><nobr id="gh6o4"></nobr></progress>
                <progress id="gh6o4"><nobr id="gh6o4"></nobr></progress>
                <menuitem id="gh6o4"><optgroup id="gh6o4"><thead id="gh6o4"></thead></optgroup></menuitem>
                <nobr id="gh6o4"><dfn id="gh6o4"></dfn></nobr>
                <bdo id="gh6o4"><optgroup id="gh6o4"><dd id="gh6o4"></dd></optgroup></bdo>
              2. 免费国产好深啊好涨好硬视频