监测与诊断

优化控制

迁移学习

数据中台

1. 加热炉优化控制项目

冶金行业一直是我国工业的能源消耗大户，是推进节能降耗的重点行业。高炉热风炉和加热炉等装置是节能降耗的关键环节，因此，其燃烧控制与优化问题一直是国内外专家学者研究和关注的重点。针对加热炉生产过程中原料来源多样、生产条件多变、工况波动频繁等难题，课题组将自研的时序数据预测及迁移学习算法应用于各加热区的温度实时精准预测，在每个加热区快速建模的基础上都能极大提升预测精度，为人工智能技术应用于冶金行业加热炉能耗优化控制提供了新的解决方案。

2. 电力负载预测长时间跟踪预测

电力负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要。本项目依托于辽宁省重点研发计划项目，课题组自研Muformer模型并将其应用于电力负载预测长时间跟踪预测，经验证，在某省两个区域两年的外部电源负载特征数据的7天和30天预测任务中均取得了优良的电力负载长时间跟踪预测效果。