ZD至顶网软件频道消息:2月13日,通用电气(GE)和哈电国际共同宣布,巴基斯坦必凯电厂的GE 9HA燃气轮机“首次点火”成功。这一交钥匙总包项目仅用不到17个月的时间就完成了从签订协议到“首次点火”的过程。“首次点火”后数日内,GE 9HA燃气轮机即可为巴基斯坦国家电网提供高达38.5万千瓦的民用和商用电力。
“必凯项目是巴基斯坦旁遮普邦政府大力推动的一个项目,旨在为市民提供可靠、可持续的电力。1号机组‘首次点火’成功标志着我们向必凯项目全面完工又迈进了一大步。”旁遮普政府负责人Mian Muhammad Shehbaz Sharif表示。“GE的HA系列燃气轮机实现了燃料的化学能到电能的高效转换,堪称行业典范。这次能在巴基斯坦采用这一领先技术,我们非常荣幸。必凯项目采用公开竞标的机制,为我们节省了数十亿卢比,确保为国家提供可负担的电力。”
“首次点火”是指将燃气轮机启动并加载至全速运行的过程,是对燃气系统和控制系统的关键测试。“首次点火”成功标志着之前数个月的安装和调试工作顺利完成。
巴基斯坦的能源缺口高达五吉瓦,政府正加快推进必凯电厂项目,以弥补电力供应缺口。作为巴基斯坦最高效的发电厂之一,118万千瓦级的必凯电厂在项目完工后产生的电力可供约250万户巴基斯坦家庭使用,有效助力当地政府实现“2025愿景”目标——确保全国90%以上的人口有电可用。
GE燃气发电事业部负责中东、北非、巴基斯坦和印度项目的总裁兼首席执行官Mohamad Ali表示:“GE已投资近20亿美元用于研发HA系列燃机技术。GE HA燃气轮机的实际运行效率创造了世界记录。它不仅具有极强的灵活性,还可以降低电厂在生命周期内的维护成本,为客户带来更高价值。我们成功将这项技术带到了巴基斯坦,在不到17个月的时间内实现了点火,为向当地群众和工业提供不间断电力的承诺又迈进了一步。”
负责此次项目执行的GE发电集团项目执行中国区总经理王为表示:“项目的顺利推进对确保电厂按时点火和供电具有重要意义。该项目的首次点火成功离不开GE中国发电集团项目执行团队的积极统筹和协调。我们拥有丰富海外管理经验的项目经理、工程师和现场技术服务工程师,全力以赴,确保和中国EPC合作伙伴,电力设计院,GE法国、美国、瑞士、巴基斯坦团队之间的顺畅沟通,以及工程现场设备、系统的顺利安装和调试。”
GE HA系列燃机是GE最大最高效的重型燃气轮机。2016年6月,全球第一家GE HA联合循环电厂法国电力公司布尚电厂开始运行之后不久,实测的联合循环全厂效率即达到62.22%,创下“全球最高效联合循环发电厂”的吉尼斯世界纪录。如今,采用更优化技术的HA电厂在英国、美国、日本、韩国、德国、法国等世界各国逐渐建成并投产。
GE 巴基斯坦、伊朗、阿富汗地区总裁兼首席执行官Sarim Sheikh补充道:“这不仅是在巴基斯坦运转的第一台GE HA级燃气轮机,也是中东、北非、土耳其和南亚地区的首例。GE助力巴基斯坦成为该地区第一个利用这一突破性技术的国家,我们深感骄傲。未来我们还将继续推动天然气发电、燃煤发电、水电、风能和其他发电形式在该地区的发展,为巴基斯坦提供可靠的电力保障。”
GE于2015年9月与哈电签署协议,为必凯联合循环发电厂提供两套高效率的9HA.01燃气轮机及相关设备。作为项目的承建方,哈电负责整个工程的建设、采购和施工工作。
过去50多年来,GE始终致力于为巴基斯坦提供能源、交通和医疗领域创新解决方案。 如今,采用GE发电技术的电力设施已经为巴基斯坦提供超过25%的电力。GE在巴基斯坦的运营也创造了450多个就业岗位。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。