近日，刚刚亮相“国家’十三五’科技创新成就展”的“京师一号”小卫星（BNU-1）又取得新的研究进展，我校全球院极地遥感团队通过应用几何定标模型和非参数的几何校正方法，对BNU-1卫星图像进行地理定位，初步实现了BNU-1卫星数据两级数据产品体系。

晶硅光伏组件生产完成之后，必须经过外观检测，以确定是否有虚焊、碎片、异物等外观缺陷。一般而言，外观检测都是人工完成，具有工作烦累、容易出错等问题。晶硅光伏组件还要经历电致发光（ EL）测试，以确定是否有裂纹、黑芯片、硅片杂质缺陷、电极缺陷、片源不一致等问题。一般而言，这部分的检测都在设备中进行，目前的设备只能得到整个组件的 EL 测试图像，需要人工针对该图像进行缺陷分析，强烈依赖于检测人员的技术能力和责任心。本产品是晶硅光伏领域专家与机器视觉公司合作开发，将晶硅光伏组件的

世界上首台有机融合电化学、光谱学和质谱技术的优势于一体的“单细胞时空分辨分子动态分析系统” 一、项目分类 重大科学前沿创新 二、成果简介 南京大学化学化工学院陈洪渊院士领衔的科研团队，在国家自然科学基金重大科研仪器专项支持下，联合清华大学、东南大学、中国医学科学院药物研究所的研究人员，攻克了单个细胞内分子反应动力学过程高时空分辨和微弱信号精准测量的技术瓶颈，研制成世界上首台有机融合电化学、光谱学和质谱技术的优势于一体的“单细胞时空分辨分子动态分析系统”。 首次阐明单细胞内溶酶体中生物催化反应机制；创建了胞内不同空域热传导系数的准确测量，阐明胞内热量产生与耗散机制以及胞内“出汗”与机体“出汗”散热的生命整体一致性；研制成的极紫外(VUV)质谱成像，摆脱了MALDI技术对电离介质的依赖，极大地降低了二次离子质谱(SIMS)的电离碎片，从而降低了重构分子结构的难度，显著提升了我国生命与健康领域高端科研仪器的国际竞争力。 本项目迄今已发表研究论文逾百篇。包括PNAS 4篇，NatureComm. 2篇，Science Adv.1篇，JACS 6篇，Angew. Chem. Int. Ed. 6篇，Anal. Chem. 49篇等。申请了国内专利41件，国际专利1件，授权18件。项目组成员获得教育部“长江学者奖励计划”青年学者以及2018年度仪器仪表学会分析仪器分会“朱良漪分析仪器青年创新奖”；所研发的“单细胞活性分析仪”获“2018年度科学仪器行业优秀新产品奖”及“2021年度日内瓦发明金奖”。

随着新能源渗透率不断增加，传统发电份额不断被挤占，导致系统惯量下降，热备用容量减小，降低了电网的安全稳定裕度。已知目前双馈感应风力发电机（DFIG）在最大功率点跟踪控制下，发电机输出功率难以响应电网频率波动，而超速减载控制和变桨距角控制虽然在一定程度上改善风电机组整体性能和一次调频特性，但存在预留一定备用容量而无法实现最大发电效益。目前储能装置已广泛应用于风电场，但大多为风电场集中式储能方案，其安全可靠性风险往往大于分布式模式，故如何提高单台风电机组的致稳性和抗扰性，使其具备一次调节能力显得尤为重要。 图1 实验装置图1 图2 实验装置图2 图3 DFIG的储能配置图 结合上述应用背景，提出以下技术解决方案： 1、结合DFIG直流母线储能装置的优势，从增加控制自由度、平滑源端风功率间歇性波动以及抑制网侧负荷扰动三个维度入手，分别提出基于超级电容器控制的DFIG惯量支撑与一次调频控制，基于变功率点跟踪和超级电容器储能协调控制的DFIG一次调频策略和考虑源－荷功率随机波动的DFIG一次频率平滑调节方法，上述控制可在增大发电效益的同时提升频率调节效果。 2、量化DFIG的一次电压调节能力，制定DFIG的动态无功控制策略，设计DFIG与风场无功补偿装置的综合协调控制方案，从提高系统稳定性和鲁棒性出发，研究自抗扰控制技术等快速提升风电场系统无功响应速度，最大限度地缓解电网电压跌落，提高电网的电压安全稳定性。 3、结合功率密度、可充放电循环寿命以及经济性作为储能介质选择的主要评测指标，确定合适的单一或混合储能介质及变换装置类型，根据频率调节目标计算储能装置的容量，进一步研究混合储能的容量优化方法，设计出一套高充放电效率、低成本的混合储能装置。 4、研究风储联合调频和基于超级电容调频、风机分布式储能和场站集中式储能所组合成的四种储能调频方案的优缺点，通过多复杂工况验证不同技术方案的调频效果，结合储能容量、使用寿命、经济成本和技术性能比较得出最优方案。 5、研究大功率基于单一储能或混合储能控制的风电机组一次调频样机，完成风电机组参与系统惯量支撑与一次调节方案的验证，对新型一次调频控制技术和一次调压控制方案进行大功率样机的试验验证，完成工程应用的基础准备工作。 创新点 1、针对风电机组一次频率调节，分别提出了基于超级电容器储能、变功率点跟踪和超级电容储能协调控制和考虑源荷功率频率调节等方法，提高一次频率调节能力，并优化了储能装置的容量配置。 2、设计双馈感应风力发电机的动态无功协调控制方案，提出了双馈感应风力发电机最小限度降低机组出力下可提高无功极限最大值的最优方法。 3、分别就风储联合调频策略和基于超级电容器调频策略、风机分布式储能和场站集中式储能所组合成的四种储能调频方案的优缺点和拓扑结构进行对比分析，最终得出采用风机分布式储能下的风储协调方案更加具有应用优势。 市场前景 通过本项目的研究，可形成新能源风机技术在大电网中应用效果验证方面的技术成果，有助于进一步体现国家风光储输示范工程的示范引领作用，推动新能源风机储能技术在大规模新能源接入地区的推广应用，为提升新能源发电高渗透率地区电网的安全稳定运行水平，促进建立可再生能源并网的辅助服务机制提供重要依据和借鉴。 应用案例 目前装置依托“双馈感应风力发电机惯量阻尼及一次调节方法的研究”项目，已开发完成380V/10kW实验样机，并预计展开示范应用。 获奖情况 “基于超级电容储能控制的双馈风电机组惯量与一次调频策略”论文获得《电力系统自动化》期刊2020年度优秀论文三等奖。

（专利号：ZL 201410081975.1） 简介：本发明公开一种超级电容器用中空球形多孔石墨烯的一步法制备方法，属于炭材料制备技术领域。该方法以可塑性的煤沥青为碳源，纳米氧化镁为导向模板，氢氧化钾为活化剂，三者干法研磨混合后的混合物转移至刚玉舟中，置于管式炉内在常压或负压的条件下进行加热，一步法制得超级电容器用中空球形多孔石墨烯材料。本发明直接以富含芳环、廉价的煤沥青为原料，大大简化了制备工艺，增加了操作安全性。本发明具有工艺简单、成

本实用新型公开了一种光伏发电与鱼类露天式集约化养殖一体化复合生产系统，包括光伏发电系统和鱼类集约养殖系统，光伏发电系统包括太阳能电池组件、光伏支架、防雷汇流箱、逆变器集成工作箱、升压变压器、电网、充放电控制器、蓄电池组和逆变器；鱼类集约养殖系统包括提水增氧推水机、底增氧设备、吸污设备、增氧推水区、养殖区、粪便收集区、水质净化区、拦鱼栅网片、养殖设施墙体、水流导向设施，太阳能电池组件安装在整个鱼塘上部，增氧推水区、养殖区和粪便收集区占鱼塘总面积的1%~5%。本实用新型能有效提高水面利用效率，大幅提高单位水面面积的经济效益，为河网地区水域资源利用提供一种重要途径。

本发明公开了一株耐热红法夫酵母及其利用秸秆水解液生产虾青素的方法，所述菌株分类命名为红法夫酵母GF6 Xanthophyllomyces dendrorhous GF6，保藏编号为CCTCC NO:M 2025649；将该菌株接种到发酵培养基中，以秸秆水解液为碳源，在28~30℃下高效生产虾青素；本发明利用农业废弃物秸秆水解液作为廉价的粗原料代替了全部碳源来生产虾青素，提升了发酵温度，降低生产成本，并且对环境友好。

清华大学地球系统科学系举行新一代地球观测数据与制图成果发布会。清华大学理学院院长、地学系主任宫鹏教授和博士研究生刘涵一起，对外发布了清华大学基于亚马逊云服务（AWS）完成的新一代中国地区地球观测数据集（Seamless Data Cube，简称SDC）——2000——2018年30米分辨率逐日无缝遥感观测数据，以及在此基础上研制的中国逐季节地表覆盖和逐年土地利用制图成果。 清华大学新研制的无缝数据集，填补了高空间分辨率和时间频率观测的空白。 目前世界上主流的地球观测卫星Landsat每16天才能对全球扫描一遍，所获得的数据集是不完整的。宫鹏团队采用时空遥感技术手段和MODIS图像辅助研发的无缝遥感观测数据集Seamless Data Cube，使得每一天都有一套完整的全球30米分辨率的观测数据。正是这些逐日数据，使得地球长时间观测序列有了很好的时空一致性。基于无缝数据集，宫鹏团队提取了30米空间分辨率土地覆盖变化的情况，设计和训练了一套适应遥感大数据的深度遥感特征学习和分类模型，最终得到了世界首套中国逐季节土地覆盖和逐年土地利用制图（从2000年到2018年）。 无缝遥感观测数据集SDC以及逐季节土地覆盖和逐年土地利用制图，开辟了中国卫星遥感数据处理和信息提取的新范式。它能够服务于国民经济众多行业，比如农业集约化和土地闲置的监测、城市化与自然植被丧失的识别、土地退化和粮食安全、环境变化与健康、造林和土壤含水量的关系、城市扩张与热岛效应等研究以及碳储备等。 无缝遥感观测数据集SDC有助于打造世界顶级的在线制图服务的平台，并产生新的数据产品。例如，清华大学地学系依靠这个数据集研发了全球粮食估产模型，输入不同地方的作物种植和气候预测数据，就可以提前两个月估算出全球粮食产量情况。 无缝遥感观测数据集（Seamless Data Cube）得到了亚马逊云服务（AWS）的大力支持。据AWS技术人员介绍，宫鹏团队采用AWS云服务算力，相当于全世界现在TOP200的高性能计算机所能提供的能力。AWS并不简单地提供储存和数据服务，而是在云服务里就包括了人工智能与机器学习的计算框架，采用AWS云服务后，地表覆盖制图的精度提高了10——20%。