首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    物联网和云计算将大大促进热力企业的创新

    目前供热改革的进展缓慢,很大程度由热量表计的标准不一,质量参差不齐所导致。有业内人士指出,云计算和物联网或将成为加快热计量改革的关键点。物联网和云计算将大大促进热力企业的创新、标准统一等。    近年来,在政府相关部门和政策的积极推动下,热计量改造在我国发展迅速,众多热力公司和相关企业、大学和研究机构、表计公司、软件公司、集成公司积极努力在各地用不同的方式推动热计量改造,力争实现节能减排、保护环境、公平计费的目标。不可否认,如今已经取得了一定的成绩,比如获得了很多一手数据和资料,施工、部署、维护的现场经验,

    03

    运行业务需要更加了解云成本

    这篇文章可能会吸引一些业务领域的人士的关注,但所面临的挑战是如何使这个无聊的话题发挥得更加淋漓尽致。那么所要说的是什么?云计算成本! 如今,成本似乎推动了大多数关于云计算的对话,但人们似乎并没有真正关心过,因为每个人都知道每一个云都是不同的。 但是云供应商收取他们的云计算费用的方式是不同的,对于没有配备相应知识的用户来说实际上是一个危险的对话。 让我们从第一个问题开始,当企业的首席执行官首先表示,“让我们把一切都迁移到云计算中。”在迁移阶段,如果你将你的工作从现有的内部数据中心或机柜中迁出,在某些情况下,这

    06

    江行智能CTO樊小毅:AI+边缘计算驱动能源产业变革 | 量子位·视点分享回顾

    视点 发自 凹非寺 量子位 公众号 QbitAI 人工智能、云计算、物联网等技术为能源电力行业从数字化到智能化转型提供了强大的驱动力。 据机构调研,2020年中国能源电力数字化市场规模超过2200亿元人民币,能源电力数字化升级约占18%,包括大数据、人工智能、云计算、区块链等技术应用改造。 随着数字化转型、双碳目标、十四五规划和构建新型电力系统等相关指导政策的发布,能源电力智慧化变革正式拉开序幕。目前,人工智能技术在能源电力行业已有应用,但仍然面临诸多挑战与机遇。 在产业转型和双碳目标的大背景下,人工智能落

    02

    城市能源的七大数字基础共性技术

    城市能源系统数字化转型的本质就是利用数字化技术来打通城市能源链“源-网-荷-储”各个环节,包括多种能源形式的打通、多种能源主体的打通以及多种能源业务的打通,从而支撑基于系统性、整体性、协同性的思想,实现城市能源系统更高质量、更有效率、更加公平、更可持续、更为安全。支撑城市能源数字化转型的关键技术可以分为三类:支撑多能协同的数字能源装备技术;支撑信息物理融合的数字基础共性技术;支撑创新模式能源运营与公平高效能源机制的数字集成应用技术;在能源互联网的背景下,支撑信息物理融合的数字基础共性技术将成为能源大象转身起舞的重要助力,具体包括:

    02

    DeepMind声称通过AI为Google全球机房节能15%的新闻有多少可信度?

    在DeepMind的官网blog里[3],提到了Google使用DeepMind提供的AI技术,在机房的能耗上获得了大幅的削减,对应于PUE(Power Usage Effectiveness[19])的减少。具体来说,通过build了一个Machine Learning的模型,对机房的PUE指标[14]趋势进行预测,从而指导制冷设备的配置优化,减少了闲置的用于制冷的电力消耗。从[3]里public出的指标来看,这项技术能够为Google减少15%的数据中心整体耗电量。而从[15]的数据来看,2014年,Google全年的电力消耗已经达到了4,402,836 MWh,这个数字相当于30多万美国家庭一年的电力消耗。所以15%的整体耗电量节省可以映射成上亿美元的资金节省[4](对于这里节省的具体数字,我会有一些concern,认为实际的电量节省没有这么显著,我结合具体数字,估算的电力节省大约在5百万美元左右,在文末会有一些对应的细节分析)。 这是一个看起来很让人amazing的数字,从[5]里,能够看到一些更有趣的数字: 从2000年到2005年,全美的机房电力消耗累积增加了90%; 从2005年到2010年,全美的机房电力消耗累积增加了24%; 从2010年到2014年,全美的机房电力消耗累积只增加了4%。 而从[7]里,我们能够看到,服务器数量的增长速度可是显著高于上面的电力消耗增长数字: 2000年到2005年,服务器年复合新增率是15%(累积增长率100%); 2005年到2010年,服务器年复合新增率是5%(累积增长率27%); 2010年到2014年,服务器年复合新增率是3%(累积增长率12%)。 考虑到每年服务器的折旧淘汰率,不能简单地把服务器数量增长率与机房电力消耗增长率进行对比。不过,还是能够看到机房电力消耗的增幅持续下降的趋势要比服务器数量增幅的下降趋势更为明显。这从[7]里提供的一个关于机房能耗的趋势图可以更为直观地感受到:

    03

    中国云计算数据中心产业加快“找北”进程

    为了抢占发展先机,全国各大中城市纷纷出台云计划,加快发展云计算数据产业。但从目前云计算产业布局看,有必要进行调整。或是随着市场机制的作用,现有的布局会被打破。理性分析云计算产业未来发展应呈分散化的趋势。 一、产业链的不同属性决定了云计算产业呈分散化布局云计算产业在经济学产业属性上兼具技术密集型、资金密集型和能源密集型的产业特性。 从产业链上细分:云计算产业链由云基础设施层、平台与软件层、运行服务层和应用层组成。云基础设施层即数据中心以服务器、存储等设施为主;平台与软件层以云平台与云软件为主;运行服务层以云集

    04

    江苏:全国首个公路云计算数据中心在淮安建成

    据了解,在公路建设高速发展的今天,公路信息化建设也日益加强,各类业务系统数量和存储的数据越来越多,云计算作为一种新兴的网络服务方式,使得数据中心正不可逆转地走向云计算时代。 自2011年10月起,淮安市公路处就开始开展云计算技术应用研究。科研技术人员大胆创新,采用云计算技术对原有公路数据中心进行整合,保护并利用现有资源。通过将传统的以桌面为核心的任务处理方式转变为以网络为核心的任务处理方式,利用非本地或远程服务器(集群)的分布式计算机为互联网用户提供IT基础设施服务(计算能力、存储、软硬件等服务),使得用户

    04

    Salesforce公司的所有数据中心将采用风电

    日前,Salesforce公司已经签约购买西弗吉尼亚州风电场40兆瓦风力发电的电能,成为签署公用事业规模的可再生能源购买协议的最新的一个云计算巨头。其购买的电能应用在其租赁的数据中心服务器。 Salesforce公司与其他的云计算巨头不一样,并不拥有和经营自己的数据中心,其数据中心容量是从商业数据中心提供商租赁的。 而像谷歌、Facebook和微软这样拥有和经营许多数据中心的大公司,其签约大规模可再生能源购买协议更加频繁,数据中心提供商在可再生能源方面投资也大幅增加。这种上升表明数据中心的主要客户对采用可再生能源产生了更多的兴趣,如像Salesforce公司这样碳中立的数据中心托管服务提供商。 今年9月,世界上最大的数据中心零售托管服务供应商Equinix公司,为其加利福尼亚数据中心以及北美的数据中心签署了购买可再生能源的最大的一笔协议。而其主要竞争对手DigitalRealtyTrust公司,从明年开始为其全球客户提供一年免费的可再生能源的电力。总部位于拉斯维加斯的Switch公司已在内华达州里诺投资建设一个100兆瓦的太阳能农场,并在当地正在建设一个大型数据中心园区。 Salesforce公司收购的风电场每年将产生125000兆瓦时的电能,其电量超过了该公司所有的数据中心的耗电总量。而风力发电场的电能不会直接提供给Salesforce数据中心,2016年年底才能上网联机,连接在Salesforce公司的大部分数据中心使用的电力网,Salesforce公司可持续性发展总监帕特里克•弗林在博客文章写道。 弗林并没有说明这些数据中心位置在哪里,而正如媒体之前的报道,该公司在北弗吉尼亚州和芝加哥建设了数据中心。这两个地区和西弗吉尼亚州的风力发电场正在建设当中,其电气传动系统由PJM互联公司进行操作服务。 2013年,Salesforce公司承诺其所有业务将采用可再生能源。而作为承诺的一部分,该公司将采用可再生能源作为一个政策问题,支持其数据中心采用可再生能源。“我们最近签署风力发电的收购协议,使我们向全球业务的供电采用百分之百的可再生能源的目标又近了一步。”弗林写道。 该协议通常被称为“虚拟的购电协议。”这样的协议为那些不能采用可再生电源的企业提供了一种间接采用可再生能源的方式。 并非美国所有的州都允许电力批发采购非公用事业,而且也并不是所有的公用事业可以向最终用户出售可再生能源。像Salesforce公司的这个购电协议就是电力消耗的位置与可再生能源生产地之间相互脱离。Salesforce将向风电场建设开发商支付费用,其数据中心所消耗的电量可由可再生能源抵消。

    02

    大数据挖掘技术在电网状态监测与诊断中的应用

    吴振扬 ( 国网吉林省电力有限公司 , 吉林 长春 130000) [ 摘要 ] 大数据是目 前国内外各个领域的一个研究应用热点。 本文基于大数据技术, 阐述了 大数据技术对于电网发展的重要意义, 大数据挖掘技术的发展状况; 分析了 大数据挖掘技术的几种算法特点, 并通过比较选择聚类方法作为在电网状态监测与诊断中应 用的方法; 运用聚类算法展望将大数据挖掘技术应用于电网状态监测中的可能。 [ 关键词 ] 大数据; 电网; 挖掘; 数据; 监测; 预警; 诊断 [ 中图分类号 ] S222.5+5     [ 文献标识码 ] C    [ 文章编号 ] 2096-1995(2018)04-0032-01 作者简介: 吴振扬( 1987.08-) , 男, 吉林市人, 汉, 研究生, 工程师 , 特高压与电网调度。

    01
    领券