期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
液流电池储能系统状态评估模型研究进展
1
作者
姜泽坤
张博远
+4 位作者
周子晨
冯家乐
梁珂
黄允恩
周天航
《油气与新能源》
2025年第2期82-91,102,共11页
在全球能源转型的推动下,新能源技术正加速发展,液流电池凭借其长寿命、高安全性等优势,在大规模储能系统中承担着重要角色。对于液流电池,准确的系统状态评估可以有效提高电池的使用效率、延长其使用寿命,并优化并网启停等操作,从而提...
在全球能源转型的推动下,新能源技术正加速发展,液流电池凭借其长寿命、高安全性等优势,在大规模储能系统中承担着重要角色。对于液流电池,准确的系统状态评估可以有效提高电池的使用效率、延长其使用寿命,并优化并网启停等操作,从而提升整体能源管理的可靠性和经济性。综述了液流电池储能系统中荷电状态(SOC)和健康状态(SOH)估算方法的研究进展,重点分析了几种经典的评估方法,包括开路电压法、安时积分法、等效电路模型与卡尔曼滤波器相结合的算法,以及近年来兴起的基于人工智能的数据驱动模型,深入探讨了这些方法的优劣势,指出电池复杂电化学过程及外部环境变化对SOC和SOH估算的影响。未来液流电池管理系统智能化的关键方向是提升SOC和SOH估算的精度、降低计算复杂度,以及增强人工智能模型的可解释性。
展开更多
关键词
液流电池
荷电状态
健康状态
电池管理系统
等效电路模型
人工智能
在线阅读
下载PDF
职称材料
人工智能在长时液流电池储能中的应用:性能优化和大模型
2
作者
刘子玉
姜泽坤
+4 位作者
邱伟
徐泉
牛迎春
徐春明
周天航
《储能科学与技术》
CAS
CSCD
北大核心
2024年第9期2871-2883,共13页
近年来,人工智能(AI)技术在电池设计与优化领域取得了显著进展,特别是在液流电池的研究中展现出巨大的应用潜力。液流电池因其低成本、大规模、长循环寿命及高安全性,成为新型电力储能系统的研究重点。然而,传统的实验与仿真方法在探索...
近年来,人工智能(AI)技术在电池设计与优化领域取得了显著进展,特别是在液流电池的研究中展现出巨大的应用潜力。液流电池因其低成本、大规模、长循环寿命及高安全性,成为新型电力储能系统的研究重点。然而,传统的实验与仿真方法在探索液流电池设计空间方面效率较低,难以揭示其复杂的物理化学机制。本工作提出将计算机模拟与数据驱动的AI技术相结合,建立了具备高度可解释性的多物理场驱动模型,并通过机器学习辅助分析与优化液流电池设计。研究表明,机器学习模型在电压效率、库仑效率和容量预测方面表现优异,特别是梯度提升模型(gradient boosting,GB)在预测准确性上优于其他模型。通过SHAP分析识别关键影响因素,并结合电化学反应机理进行解释,为液流电池性能优化提供了科学依据。此外,本工作还开发了一个专门针对液流电池领域的大语言模型,通过精细的提示工程和文本分析流程,尽可能最小化“幻觉”,有效提升了信息处理的准确性。本工作的研究表明,AI驱动的模拟与优化方法为液流电池的设计与性能提升提供了新途径,未来随着计算能力和算法的不断发展,AI在液流电池及其他储能技术中的应用前景将更加广阔。
展开更多
关键词
人工智能
液流电池
机器学习
大语言模型
在线阅读
下载PDF
职称材料
基于MRI FS-T2WI影像组学鉴别腮腺多形性腺瘤与Warthin瘤的价值
被引量：
1
3
作者
魏依依
魏平
+3 位作者
周伟
姜泽坤
张卫东
李传亭
《医学影像学杂志》
2021年第7期1119-1122,1127,共5页
目的探讨基于MRI FS-T2WI的影像组学分析对腮腺多形性腺瘤与Warthin瘤的鉴别诊断的价值。方法分析108例腮腺常见肿瘤患者的治疗前MRI FS-T2WI图像,其中多形性腺瘤63例,Warthin瘤45例,提取肿瘤瘤体区的影像组学特征,将所有患者分为训练组...
目的探讨基于MRI FS-T2WI的影像组学分析对腮腺多形性腺瘤与Warthin瘤的鉴别诊断的价值。方法分析108例腮腺常见肿瘤患者的治疗前MRI FS-T2WI图像,其中多形性腺瘤63例,Warthin瘤45例,提取肿瘤瘤体区的影像组学特征,将所有患者分为训练组(多形性腺瘤43例、Warthin瘤30例)和验证组(多形性腺瘤20例、Warthin瘤15例)。使用Python Pyradiomics对所有患者进行特征提取,利用随机森林算法对训练组进行特征选择并构建模型,使用验证组数据对模型进行验证。使用受试者工作特征曲线下面积评估所构建模型对腮腺多形性腺瘤与Warthin瘤的鉴别效能。结果从MR常规序列FS-T2WI的腮腺肿瘤瘤体区提取了10个重要性排名最高的特征,其中单个特征重要性最高、最具有诊断效能的是平方变换的均匀性。多形性腺瘤的均匀性中位数(四分位间距)是0.065(0.049,0.098),Warthin瘤的均匀度中位数(四分位间距)是0.151(0.124,0.244),该特征的ROC曲线的AUC、最佳临界值、敏感度、特异度分别为0.853、0.122、78.1%、82.5%。构建模型后在训练组中反映所构建模型预测效能的受试者工作特征曲线的AUC为0.93±0.05,在验证组中的AUC为0.74。结论基于MRI FS-T2WI影像组学的分析有助于对腮腺多形性腺瘤与Warthin瘤的鉴别诊断。
展开更多
关键词
磁共振成像
影像组学
多形性腺瘤
WARTHIN瘤
在线阅读
下载PDF
职称材料
题名
液流电池储能系统状态评估模型研究进展
1
作者
姜泽坤
张博远
周子晨
冯家乐
梁珂
黄允恩
周天航
机构
重质油全国重点实验室·中国石油大学(北京)
中海储能科技(北京)有限公司
出处
《油气与新能源》
2025年第2期82-91,102,共11页
基金
国家自然科学基金委青年基金项目“复杂体系高相容性聚乙烯-聚丙烯共聚物结构精准设计”(22308376)
智能电网重大专项(2030)“绿电绿氢重化工园区用能互动示范工程”(2024ZD0801900)
新疆维吾尔自治区重大科技专项项目“可再生能源与‘绿氢’系统适配关键技术研发”(2024A01001)。
文摘
在全球能源转型的推动下,新能源技术正加速发展,液流电池凭借其长寿命、高安全性等优势,在大规模储能系统中承担着重要角色。对于液流电池,准确的系统状态评估可以有效提高电池的使用效率、延长其使用寿命,并优化并网启停等操作,从而提升整体能源管理的可靠性和经济性。综述了液流电池储能系统中荷电状态(SOC)和健康状态(SOH)估算方法的研究进展,重点分析了几种经典的评估方法,包括开路电压法、安时积分法、等效电路模型与卡尔曼滤波器相结合的算法,以及近年来兴起的基于人工智能的数据驱动模型,深入探讨了这些方法的优劣势,指出电池复杂电化学过程及外部环境变化对SOC和SOH估算的影响。未来液流电池管理系统智能化的关键方向是提升SOC和SOH估算的精度、降低计算复杂度,以及增强人工智能模型的可解释性。
关键词
液流电池
荷电状态
健康状态
电池管理系统
等效电路模型
人工智能
Keywords
Flow battery
State of charge
State of health
Battery management system
Equivalent circuit model
Artificial intelligence
分类号
TM912 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
人工智能在长时液流电池储能中的应用:性能优化和大模型
2
作者
刘子玉
姜泽坤
邱伟
徐泉
牛迎春
徐春明
周天航
机构
中国石油大学(北京)
中海储能科技(北京)有限公司
中国石油国家卓越工程师学院
出处
《储能科学与技术》
CAS
CSCD
北大核心
2024年第9期2871-2883,共13页
基金
国家自然科学基金(22308378,22393963,22308380,22308376,20220242)
中国石油大学(北京)科学基金(2462023XKBH005,2462024BJRC017,ZX20230080)
碳中和联合研究院基金(CNIF20230209)。
文摘
近年来,人工智能(AI)技术在电池设计与优化领域取得了显著进展,特别是在液流电池的研究中展现出巨大的应用潜力。液流电池因其低成本、大规模、长循环寿命及高安全性,成为新型电力储能系统的研究重点。然而,传统的实验与仿真方法在探索液流电池设计空间方面效率较低,难以揭示其复杂的物理化学机制。本工作提出将计算机模拟与数据驱动的AI技术相结合,建立了具备高度可解释性的多物理场驱动模型,并通过机器学习辅助分析与优化液流电池设计。研究表明,机器学习模型在电压效率、库仑效率和容量预测方面表现优异,特别是梯度提升模型(gradient boosting,GB)在预测准确性上优于其他模型。通过SHAP分析识别关键影响因素,并结合电化学反应机理进行解释,为液流电池性能优化提供了科学依据。此外,本工作还开发了一个专门针对液流电池领域的大语言模型,通过精细的提示工程和文本分析流程,尽可能最小化“幻觉”,有效提升了信息处理的准确性。本工作的研究表明,AI驱动的模拟与优化方法为液流电池的设计与性能提升提供了新途径,未来随着计算能力和算法的不断发展,AI在液流电池及其他储能技术中的应用前景将更加广阔。
关键词
人工智能
液流电池
机器学习
大语言模型
Keywords
artificial intelligence
redox flow batteries
machine learning
large language model
分类号
TM911 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
基于MRI FS-T2WI影像组学鉴别腮腺多形性腺瘤与Warthin瘤的价值
被引量：
1
3
作者
魏依依
魏平
周伟
姜泽坤
张卫东
李传亭
机构
山东大学附属山东省医学影像学研究所
山东省第二人民医院放射科
山东第一医科大学附属省立医院口腔颌面外科
山东师范大学
出处
《医学影像学杂志》
2021年第7期1119-1122,1127,共5页
基金
山东省重点研发计划项目(编号:2018GSF118041)。
文摘
目的探讨基于MRI FS-T2WI的影像组学分析对腮腺多形性腺瘤与Warthin瘤的鉴别诊断的价值。方法分析108例腮腺常见肿瘤患者的治疗前MRI FS-T2WI图像,其中多形性腺瘤63例,Warthin瘤45例,提取肿瘤瘤体区的影像组学特征,将所有患者分为训练组(多形性腺瘤43例、Warthin瘤30例)和验证组(多形性腺瘤20例、Warthin瘤15例)。使用Python Pyradiomics对所有患者进行特征提取,利用随机森林算法对训练组进行特征选择并构建模型,使用验证组数据对模型进行验证。使用受试者工作特征曲线下面积评估所构建模型对腮腺多形性腺瘤与Warthin瘤的鉴别效能。结果从MR常规序列FS-T2WI的腮腺肿瘤瘤体区提取了10个重要性排名最高的特征,其中单个特征重要性最高、最具有诊断效能的是平方变换的均匀性。多形性腺瘤的均匀性中位数(四分位间距)是0.065(0.049,0.098),Warthin瘤的均匀度中位数(四分位间距)是0.151(0.124,0.244),该特征的ROC曲线的AUC、最佳临界值、敏感度、特异度分别为0.853、0.122、78.1%、82.5%。构建模型后在训练组中反映所构建模型预测效能的受试者工作特征曲线的AUC为0.93±0.05,在验证组中的AUC为0.74。结论基于MRI FS-T2WI影像组学的分析有助于对腮腺多形性腺瘤与Warthin瘤的鉴别诊断。
关键词
磁共振成像
影像组学
多形性腺瘤
WARTHIN瘤
Keywords
Magnetic resonance imaging
Radiomics
Pleomorphic adenoma
Warthin tumor
分类号
R739.81 [医药卫生—肿瘤]
R445.2 [医药卫生—影像医学与核医学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
液流电池储能系统状态评估模型研究进展
姜泽坤
张博远
周子晨
冯家乐
梁珂
黄允恩
周天航
《油气与新能源》
2025
0
在线阅读
下载PDF
职称材料
2
人工智能在长时液流电池储能中的应用:性能优化和大模型
刘子玉
姜泽坤
邱伟
徐泉
牛迎春
徐春明
周天航
《储能科学与技术》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于MRI FS-T2WI影像组学鉴别腮腺多形性腺瘤与Warthin瘤的价值
魏依依
魏平
周伟
姜泽坤
张卫东
李传亭
《医学影像学杂志》
2021
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
