一、拟采购货物一览表 序号货物名称规格型号、主要技术参数及标准配置数量备注1 故障预警技术的研究1. 数据准备。基于风/光设备运行过程历史状态指标参数，针对风/光设备常见故障根据设备运行机理对采集数据进行梳****局限于如齿轮箱故障、叶片故障等常见故障，进行以便后续选择选择关键状态指标参数；2. 特征工程。基于特征工程对采样数据进行预处理，如数据归一化、缺失值填充等，基于特征提取算法提取优势特征指标操作，挖掘离散指标数据内蕴藏的深层特征信息，同时采用特征降维算法去除冗余特征，减少特征数据维度；3. 预测模型建模。基于机器学习技术构建数据驱动型设备异常状态预测模型，建立基于智能分析的设备健康状态预测算法模型，****局限于****网络算法、机器学习算法以及数据驱动型创新型算法等；4. 模型训练。按照一定的分割比例划分整体数据集为训练集和测试集，选取匹配所建模型的优化算法，所选对比优化算法不拘囿于自适应学习率算法、动量梯度算法以及自适应矩估计等；基于训练数据集与优化算法对所建模型参数进行训练优化，获取最优参数模型；5. 模型测试。基于划分的测试数据集对优化好的状态预测模型性能进行实验测试，选取但不限于准确率、损失等评价指标对模型性能进行量化表征，实现风/光设备异常状态的快速感知预警，提高风/光设备运行过程可靠性。6、成果指标：技术报告一份。1 套2 异常溯源技术的研究1. 数据准备。基于风/光设备上安装的多类型传感器，对设备运行数据进行梳理准备，针对风/光设备常见故障根据设备运行机理选取关键指标数据；2. 数据处理。对采集到的数据进行清洗以及预处理操作，如去除错误值、重复值和明显异常值等，即根据历史数据对传感器数据中超出合理范围的值进行甄别和处理；3. 溯源模型建模。基于因果分析方法挖掘异常状态与可能故障原因之间的因果关系，结合风/光设备系统的物理结构等综合因素，建立设备异常类型和潜在故障原因之间的因果推断模型；4. 模型验证。基于风/光设备实际数据对异常溯源模型有效性进行验证，获取可能的故障源，基于相关性指标对可能故障源进行排序，实现风/光设备典型故障的回溯和设备状态异常原因快速定位。5. 成果指标：技术报告一份。1 套 二、采购要求 1、本次询比价为整体采购，采用二轮报价方式，询比价响应供应商报价时须写明单价及总价、产品的详细配置参数，报价包含货物制造、运输、安装、售后服务等交付采购人使用前所有可能发生的费用，确定成交供应商不再增补任何费用。 2、交货期：360 天 3、交货地点：江西###市青云###路 69 号江西电建 4、质量标准或要求：投标方必须按招标文件中所附招标要求提供合格产品 5、质保期：本合同项下货物的质量保证期按常规保质期提供。自双方最终验收合格之日起计算。 6、响应人的资质要求： ******** 响应人必须在中电建集采招标平台注册成功（股份级或我司成员级，如在报名截止前还未****公司成员企业级供货商，由于后续流程无法进行，则已报名该项目的供货商一概退回，我司概不负责） ******** 响应人须为一般纳税人，具有提供增值税专用发票（税率 13%）的能力。 7、成交确定原则：质量和服务相等且报价最优。 8、付款方式：电汇/银承/E 信通/电建融信，配合甲方第三方支付。 ******** 开发完成并交付后 30 日内支付 40%，运行合格验收通过后 30 日内支付 50%，12 个月质保期满后付款 10%。

本招标项目仅供正式会员查阅，您的权限不能浏览详细信息,请点击注册/登录，联系工作人员办理入网升级。
联系人：刘欣
电话：010-68809590
手机：13522553206（欢迎拨打手机/微信同号）
邮箱：kefu@bidnews.cn