基于AI技術的新能源源-網-荷智能實驗系統  技術指標

1.本包含氫燃料電池、綜合儲電、壓縮空氣儲能、相變蓄熱、風力發電、光伏發電、光伏光熱、負載單元（熱泵）實驗裝置，以及風光氫荷儲分布式能源系統與碳中和管理實驗平臺，多模塊協同，支撐新能源實驗教學與研究。

2.基礎性實驗：

• 太陽能發電模塊認知（光伏組件效率、光照- 功率特性、故障診斷）；

• 相變儲熱系統原理驗證（相變材料特性、熱傳導計算）；

• 壓縮空氣儲能啟停（氣體壓縮-膨脹特性、能量轉換效率）；

• 風力發電模塊認知（風能轉換效率、變槳控制技術、孤島運行邏輯）；

• 電解氫燃料電池基礎（電解水制氫原理、燃料電池性能）；

• 熱泵機組運行模式行模式（熱泵能效特性、儲熱調峰邏輯、負荷匹配）。

3.綜合性實驗：

• 多能互補微電網系統集成；

• 基于強化學習的儲能協同調度

• 風-光-儲-氫微電網集成

• 基于強化學習的氫能調度。

4.創新性實驗：

• 新型儲能介質性能研究；

• 低碳導向的AI調度算法開發；

• 熱泵-儲熱系統智能化改造。

5.AI技術實驗：

• Python數據預處理；

• LSTM光伏功率預測；

• 多能互補系統AI協同控制。

基于AI技術的新能源源-網-荷智能實驗系統 配套萬知識元智慧課程輔助教學平臺+AI助教

平臺自帶基于教師認可度較高教材的課件資源，按照課程提供標準化的教學資源庫，精準匹配教學大綱，打造工程應用、智慧課件、自主探究、深度學習、教學評價五大核心模塊；資源類型涵蓋課程內的重難點知識的仿真實驗、數據計算訓練、公式邏輯推導、工程應用等多種交互學習方式，同時 支持課堂的人工智能課件教學及線上的學習復習。支持老師自主上傳課件形成特色的創新教學模式。

面向化學、化工專業、能源與動力工程、新能源科學與工程、建筑環境與能源應用、機械工程、水利工程、環境工程、給排水科學與工程等數十個理工科專業的課程，對教材進行篇章劃分，將重點、難點知識進行提取、梳理、設計，每本教材梳理出約40個知識元，每個知識元的表達形式不低于五種；并設有學校老師自主設計添加課程資源的功能。

萬知識元開發團隊緊跟國家人才建設要求，第一時間完成了deepseek R1模型本地化部署的萬知識元專線版本及deepseek全參數版本的接入，為教師用戶的智能備課、教學數據分析、視頻課件生產，學生用戶的多模態學習工具、學業規劃、智能問答等需求提供技術解決方案。