近日,由浪潮数据库和国网山东综合能源服务有限公司联合研发的模块化液冷储能系统成功应用于济南韩家峪村首个高光伏渗透率台区示范项目中,该项目由济南供电公司联合国网山东综合能源服务有限公司建设,是探索新型电力系统建设的示范工程之一。
韩家峪屋顶光伏
韩家峪村位于济南市西部,光照资源丰富,全村80%以上的屋顶都安装了光伏板,2022年全年,村里光伏发电总量达到了52.44万千瓦时,是远近闻名的“零碳村庄”。但是,大量农村分布式光伏并网,在为乡村输出清洁电力的同时,也给台区配电系统带来了低压用户过电压、配变上送重过载等问题,影响电网的安全稳定运行,同时也制约了村庄光伏容量进一步增长。针对上述痛点,国网山东综合能源服务有限公司联合浪潮数据库公司共同组织研发团队,合作研发出一体化分布式储能系统和云储能聚合管理平台。
一体化储能柜
一体化储能柜实时在线监测
模块化储能系统高度集成电芯、PCS、BMS等核心元件,配备基于浪潮KaiwuDB分布式多模数据库的边缘控制设备,具有高可用、高性能、高安全、长寿命的突出优势,同时可大大降低系统的施工运维成本。分布式云储能聚合管理平台与边缘控制设备云边协同,实时监测台区配变线路运行状况,提供削峰填谷、无功支撑、三相不平衡治理等服务,实现了台区分布式光伏100%消纳、电压质量100%合格,供电可靠性提升到99.999%。同时可对重要用户保电、用电负荷季节性需求起到支撑作用,实现台区弹性增容30%以上,有效延缓了配电网建设投入。
云储能聚合平台
随着国家“双碳”战略的实施,特别是整县分布式光伏推进,户用屋顶分布式光伏“井喷式”增长,像韩家峪村一样分布式光伏高比例接入的村镇还有很多。济南云储能项目为我国高渗透分布式光伏提供了高效灵活消纳的典型路径,打造了城乡新能源利用和村网共建示范样板。浪潮数据库将以此为契机,加强与电网公司合作,推动储能产品在全国推广应用;持续聚焦分布式储能聚合管理能力提升,探索分布式云储能聚合参与需求响应、虚拟电厂等新型业态,持续打磨分布式储能聚合调控平台,助力新型电力系统建设和“双碳”目标实现。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。