智慧产业实践基地提供能源双碳实训系统，系统集成了火力发电、风力发电、光伏发电、储能、变网、载荷、智能抄表等多种功能，将分布式发电机组、储能单元、逆变单元、可以远程控制的物联网负荷汇聚在一起，通过物联网、人工智能、嵌入式、大数据和协同调度技术实现对各类型分布式发电机组、储能单元和可以远程控制的物联网负荷的有机整体调控，不仅能减少化石能源的使用，降低CO2的排放量，还能有效缓解能源危机和环境危机，提高电源侧与负荷侧供需关系的平衡能力。
系统利用智慧物联、工业互联、边缘计算和人工智能技术，为绿色能源、双碳治理提供了一个良好的产业场景教学平台，不仅能满足物联网、人工智能、工业互联网、智能电网信息工程等相关专业教学、实训和科研的需求，还能为新能源产业培养更多的创新型和应用型人才。
2、系统构成
系统由电源侧、电网侧、负荷侧以及储能侧组成，电源侧包括集中式电源（如火力发电）以及分布式电源（如光伏、风电等），主要负责系统中电能的供应；电网侧即大电网，负责将电源侧与负荷侧相连，一方面进行电能的输送，另一方面完成电能的变网及买卖交易；负荷侧包括工业用电负荷、仓储用电负荷、商业用电负荷和用户用电负荷；储能侧主要包括储能装置，负责电能的灵活调节。
3、智慧发电
智慧发电系统主要由4个功能部分组成，分别为发电单元、风电组件、光伏组件和监控管理平台。其中，发电单元可以控制风扇转速来模拟风场的大小，控制不同光源开关来模拟晨日、午日和夕日的光照场景；风电组件由模拟风场、风力发电机和一体式气象站组成，可模拟风力发电的流程；光伏组件由双轴追日支架、光伏发电板、模拟光源和光感传感器组成，光伏发电板件可随太阳位置变化而移动，组件可模拟光伏发电的流程；监控管理平台可实现对智慧发电系统的运行状态、故障情况等进行实时监控，包括数据的采集、传输通信、分析等。
1）发电单元
发电单元是整个智慧发电系统的控制中枢，可对火力发电、光伏发电、风力发电的运行状态进行控制。
2）风电组件
风电组件通过终端传感器全面感知风电运行过程产生的各种信息数据，包括风速、风向、风力、发电量、发电功率等，通过无线传感器网络上传至云服务中心，实现风力发电系统运行状态的"实时、远程、智能"监管与控制，提高风电系统运行的安全可靠性。
3）光伏组件
光伏组件由太阳能光伏板、双轴跟踪系统、模拟光源、智能传感器等部分组成，基于物联网、人工智能等技术，可实现光照度、光伏组件电压电流等数据的实时监控，并根据太阳光照射角度，自动调整光伏组件的位置，使之全天跟随太阳位置运动，减小阳光入射角度，提高光伏组件对太阳能的吸收率。
4）监管管理平台
智慧发电监控管理平台可对发电系统的发电数据、火力控制器运行状态、光伏控制器运行状态、风力控制器运行状态进行监控，包括发电电压、电流、频率、总功率、有功功率、总电能、有功电能、无功功率、风速值、风向值、风力值等，并可对太阳能板方向、光源开关、风场模式等进行远程控制。
4、智慧储能
智慧储能系统通过智能电表、PLC、风光互补控制器等设备，可实现储能电池运行状态的实时监测，包括电池状态、充电电流、充电电压、电池电量等，并能安全高效地控制风力发电机、火力发电机和光伏组件对蓄电池进行充电。同时，在源侧电能供应不足时，通过储能电池主动调节和响应，确保电网安全经济可靠运行。
智慧储能系统提供android和web应用，支持云端远程获取传感器数据和远程对设施进行控制。同时提供教学实训案例包，提供传感器驱动代码和应用代码。
5、智慧变网
智慧变网系统主要由并网逆变器、离网逆变器、智能电表、物联网节点构成；通过智能电表对并网与离网参数进行实时监测，包括逆变输入电流、逆变输入电压、并网电流、并网电压、并网频率、并网功率、并网功率因素、并网电能、离网电流、离网电压、离网频率、离网功率、离网功率因素、离网电能等，从而保证输出电能的质量，防止并入电网后对电网产生污染。
智慧变网系统提供android和web应用，支持云端远程获取传感器数据和远程对设施进行控制。同时提供教学实训案例包，提供传感器驱动代码和应用代码。
6、智慧荷载
智慧载荷系统由工业用电负载、仓储用电负载、商业用电负载、用户用电负载、智能电表等组成，基于物联网、人工智能等技术，可监控控负载的运行与报警情况，并在各个方面进行负载的统计与分析，实现对负载的实时监控，包括电压、电流、有功功率、无功功率、频率、功率因数、有功电能等。
智慧载荷系统提供android和web应用，支持云端远程获取传感器数据和远程对设施进行控制。同时提供教学实训案例包，提供传感器驱动代码和应用代码。
7、智能视觉
智能视觉系统基于机器视觉技术，可通过过摄像头采集机柜的指示灯、仪表盘、液晶面板、开关等元件等视频图像，经过智能分析后进行监测和异常告警。系统由水平导轨、滑行轮组、主控器和摄像头等部件组成，可以在水平方向运行并采集、分析电力仪表图像，完成自动巡检任务。
智能视觉系统可提供丰富的人工智能实训案例，包括指针仪表识别、数字仪表识别、指示灯识别、开关状态识别、设备状态识别等，基于Tensorflow、PaddlePaddle、PyTorch等业界主流深度学习框架开发完成训练模型、调试参数、打包模型一系列人工智能开发流程，让学生更快掌握人工智能开发技能。
1）表计识别
基于机器视觉技术，对电表图像进行处理和分析，准确提取出数字信息，实现电表的智能抄表功能，有效解决人工抄录过程中抄错、抄漏等问题，减少人工录入工作量，降低企业人力成本。
2）指示灯识别
基于人工智能视觉分析技术，自动识别画面中指示灯的亮/灭状态，帮助管理人员来判断系统是否正常运行，实现7*24小时自动监控，从而保障电力系统安全可靠运行、推进配电室内区域的无人化巡检。
