電力電纜是用于傳輸和分配電能的電纜，電力電纜常用于城市地下電網、發電站引出線路、工礦企業內部供電及過江海水下輸電線。
:漯河通信電纜HYA哪里有
畢竟科技成果是冰棒，不是金磚。金磚抱在手上會升值，冰棒放到手上要化掉的。冰棒要想不融化，就要花成本放在冰箱里進行專利保護。所以科技成果不能當做實物資產來看待，不要在乎一時便宜了或貴了，只有用出去才有價值。正在福建廈門舉行的2016廈門工業博覽會是兩岸機電業界盛會，智能制造尤其成為今屆工博會焦點話題。兩岸業界人士表示，兩岸要排除干擾，共同構建高附加值產業鏈，方能提升競爭力，共同拓展市場。12日開幕的廈門工業博覽會，當天即有兩岸工業合作峰會、智慧自動化產業論壇等多場論壇聚焦兩岸智能制造合作。
在電力線路中，電纜所占比重正逐漸增加。電力電纜是在電力系統的主干線路中用以傳輸和分配大功率電能的電纜產品，包括1-500KV以及以上各種電壓等級，各種絕緣的電力電纜電力電纜的使用至今已有百余年歷史。1879年，美國發明家T.A.愛迪生在銅棒上包繞黃麻并將其穿入鐵管內，然后填充瀝青混合物制成電纜。他將此電纜敷設于紐約，開創了地下輸電。次年，英國人卡倫德發明瀝青浸漬紙絕緣電力電纜。1889年，英國人S.Z.費蘭梯在倫敦與德特福德之間敷設了10千伏油浸紙絕緣電纜。1908年，英國建成20千伏電纜網。電力電纜得到越來越廣的應用。1911年，德國敷設成60千伏高壓電纜，開始了高壓電纜的發展。1913年，德國人M.霍希施泰特研制成分相屏蔽電纜,改善了電纜內部電場分布,消除了絕緣表面的正切應力，成為電力電纜發展中的里程碑。1952年，瑞典在北部發電廠敷設了380千伏超高壓電纜,實現了超高壓電纜的應用。到80年代已制成1100千伏、1200千伏的特高壓電力電纜。
按電壓等級分
按電壓等級可分為中、低壓電力電纜（35千伏及以下）、高壓電纜(110千伏以上)、超高壓電纜（275～800千伏）以及特高壓電纜（1000千伏及以上）。此外，還可按電流制分為交流電纜和直流電纜。
按絕緣材料分
1、油浸紙絕緣電力電纜以油浸紙作絕緣的電力電纜。其應用歷史最長。它安全可靠，使用壽命長，價格低廉。主要缺點是敷設受落差限制。自從開發出不滴流浸紙絕緣后，解決了落差限制，使油浸紙絕緣電纜得以繼續廣泛應用。
2、塑料絕緣電力電纜 絕緣層為擠壓塑料的電力電纜。常用的塑料有聚氯乙烯、聚乙烯、交聯聚乙烯。塑料電纜結構簡單,制造加工方便，重量輕，敷設安裝方便,不受敷設落差限制。因此廣泛應用作中低壓電纜，并有取代粘性浸漬油紙電纜的趨勢。其最大缺點是存在樹枝化擊穿現象，這限制了它在更高電壓的使用。
:漯河通信電纜HYA哪里有
（三）科技的投入為轉型升級帶來活力。近年來，工程機械行業受國內外經濟環境影響，形勢較為低迷。在此氛圍下，行業內企業普遍增加科技投入、提高產品科技含量的方式提升產品性能和，擺脫同質化困境，以期在日益激烈的市場競爭中占據主動。這一情況客觀推動了我國工程機械水平的提升，自主品牌企業競爭力得到增強。實現轉型升級的途徑復旦大學宏觀經濟形勢分析專家殷醒民教授指出：2017年之前，我國經濟將一直處在調整期，2017年以后，有望進入新一輪的增長周期。
3、橡皮絕緣電力電纜 絕緣層為橡膠加上各種配合劑，經過充分混煉后擠包在導電線芯上，經過加溫硫化而成。它柔軟，富有彈性，于移動頻繁、敷設彎曲半徑小的場合。
常用作絕緣的膠料有天然膠-丁苯膠混合物，乙丙膠、丁基膠等。
按電壓等級分
1、低壓電纜：適用于固定敷設在交流50Hz，額定電壓3kv及以下的輸配電線路上作輸送電能用。
2、中低壓電纜：（一般指35KV及以下）：聚氯乙烯絕緣電纜，聚乙烯絕緣電纜，交聯聚乙烯絕緣電纜等。
3、高壓電纜：（一般為110KV及以上）：聚乙烯電纜和交聯聚乙烯絕緣電纜等。
4、超高壓電纜：（275～800千伏）。
tlxl88001
5、特高壓電纜：（1000千伏及以上）。
:漯河通信電纜HYA哪里有
基本結構
編輯
電力電纜的基本結構由線芯（導體）、絕緣層、屏蔽層和保護層四部分組成。
線芯
線芯是電力電纜的導電部分，用來輸送電能，是電力電纜的主要部分。
絕緣層
絕緣層是將線芯與大地以及不同相的線芯間在電氣上彼此隔離，保證電能輸送，是電力電纜結構中不可缺少的組成部分。
屏蔽層
15KV及以上的電力電纜一般都有導體屏蔽層和絕緣屏蔽層。
保護層
保護層的作用是保護電力電纜免受外界雜質和水分的侵入，以及防止外力直接損壞電力電纜。
行業研究
:漯河通信電纜HYA哪里有 智能系統包括部署在組織內的機器設備，也包括互聯網中廣泛互聯的軟件。隨著越來越多的機器設備加入工業互聯網，實現貫通整個組主和網絡的智能設備協同效應成為可能。深度學習是智能系統內機器聯網的一個升級。每臺機器的操作經驗可以聚合為一個信息系統，以使得整套機器設備能夠不斷地自行學習，掌握數據分析和判斷能力。以往，在單個的機器設備上，這種深度學習的方式是不可能實現的。例如，從飛機上收集的數據加上航空地理位置與飛行歷史數據，便可以挖掘出大量有關各種環境下的飛機性能的信息。