公路带状离散微网群“源网荷储”协同优化关键技术及应用直接采购公告

6.2项目计划采购内容技术要求

1.多源异构数据采集与标准化研究：针对高速公路沿线光伏、风机、充电桩、输配线路等新能源设备，适配电压、电流、温度、振动等运行数据，以及温湿度、风速、光照等环境辅助数据的采集需求，覆盖设备分布广、种类多的带状场景特性。

2.多协议兼容接口与数据转换中间件开发:开发统一的数据采集接口，兼容 Modbus、CAN、IEC 61850 等主流工业协议，实现不同协议设备的即插即用接入，协议适配扩展性≥5 种新增协议。

3.区域性能源补给网络搭建:针对高速公路带状离散微网群场景，开展无人机 / 机器人无人巡检设备供能基站最优选点研究，基于光储充一体化基站模式，优化基站选址，实现巡检区域全覆盖，无续航盲区。

4.多模态巡检数据融合算法研发:集成红外热成像、振动传感器、视觉摄像头、激光雷达等多源巡检数据，开发多模态数据融合算法，实现不同维度数据的时空对齐、特征级融合、决策级融合。

5.设备动态画像与数字孪生建模:

基于多模态巡检数据与设备运行态实时数据，开发 CNN+LSTM 混合深度学习模型，构建设备全维度动态画像，覆盖设备运行状态、健康程度、故障风险、寿命周期等核心维度。

6.巡检路径规划与故障模拟寿命预测:

结合设备健康状态、地理信息、交通环境、巡检优先级，基于强化学习算法开发无人巡检路径优化模型，实现巡检路径的动态最优规划，巡检覆盖率 100%，巡检效率提升≥30%。

7.故障特征提取与故障特征库构建:基于公路微电网历史运行数据、巡检记录、故障案例，提取光伏板热斑、风机轴承磨损、充电桩模块故障、线路老化等典型故障的核心特征，明确故障特征量化指标。

8.故障知识图谱搭建与关联体系构建:基于故障特征库，采用知识图谱技术，构建公路微电网设备故障知识图谱，明确实体类型（设备、故障、特征、原因、方案）、关系类型、属性定义，实现知识图谱的可视化展示与查询。

9.预测性维护算法研发:开发 LSTM + 强化学习混合预测性维护模型，基于设备实时运行数据、历史故障数据，实现设备故障概率的实时预测、剩余寿命的精准估算，故障预测提前期≥30 天，预测准确率≥90%。

10.联邦学习跨区域数据融合与故障库迭代:基于联邦学习技术，搭建跨区域公路微电网数据融合框架，实现多区域微电网故障数据的安全共享、联合建模，保障数据隐私安全的同时，实现故障特征的跨区域协同提取。

11.故障诊断多模态大模型研发与端侧部署:研发面向公路微电网设备故障诊断的多模态大模型，融合设备运行数据、巡检图像、环境数据、故障特征等多模态信息，实现设备故障的实时动态预测与诊断，故障诊断准确率≥98%。

6.3提交成果（包括但不限于）

（1）形成1份完整的研究成果报告；

（2）建立知识图谱关联故障特征与解决方案，实现跨区域数据共享，基于大模型的设备故障实时动态预测与诊断。

7、采购理由：根据《****履约采购管理办法（试行）》相关规定。符合下列情形之一的，可采用直接采购：履约采****集团内业务，****集团内部企业能够供应的。

二、供应商名称

****

三、公告时间

2026年09月29日至2026年10月08日

四、联系方式

1、采购人:****

2、地址:**市高新****广场5号楼

3、联系人:包西勇

4、联系电话:186****5316