本发明公开了一种蓬松态纳米氧化钇粉体的制备方法，属于超 细纳米粉体合成技术领域。先将含钇无机盐、去离子水和络合剂混合， 在室温下搅拌均匀得到含钇的浆液，含钇无机盐和络合剂的重量比为 8/0.5～8/10；当目标产物为 RE:Y2O3 时，含钇无机盐中掺杂有稀土离 子；再将浆液，或者由浆液得到的溶胶或干凝胶在 400～900℃进行煅 烧，使其充分分解，得到蓬松态 Y2O3 或 RE:Y2O3 纳米粉体。本发明 利用新型

本实用新型公开了一种基于氧化硅矩形光波导的集成光收发模块，包括至少一个具有四个45°抛光内端面的矩形氧化硅光波导、至少一个垂直腔面激光器和至少一个光子探测器，其制备方法为：利用45°刀头将矩形波导切割成三段，由划片机在芯片上切割出四个45°内端面；采用真空电子束热蒸发等对应工艺镀上布拉格反射膜、金属膜以及金属导线和焊点；再用折射率匹配胶将切割镀膜后的矩形波导粘合，同时在内端面狭缝上方一定区域涂上匹配胶；最后通过倒装焊接的方法，将垂直腔面激光器和光子探测器分别与对应的金属电极焊接，集成于内端面狭缝之上，本实用新型低成本，高速率，可实现多通道传输数据。

本发明公开了一种金属负载五氧化二钒催化剂及其制备方法和应用，该催化剂以五氧化二钒为活性组分，添加铂、钯、钌、铜中的一种或几种金属为负载金属组分。制备方法为：将钒盐、金属盐和络合剂依次溶于水中，制成溶胶，搅拌加热蒸发水分形成凝胶，烘干，焙烧、研磨即可得到。催化剂能够在200?300℃，氢气压力1?10MPa条件下高效降解微晶纤维素，制得小分子醇类物质。本发明的催化剂的制备方法简单，成本低廉，工艺绿色环保，易于大规模生产；加氢反应条件温和，纤维素转化高，选择性良好，产物为重要的化工原料。

LT 灰中主要含有铁氧化物（磁铁矿与赤铁矿）和硅酸盐（铁橄榄石和钙铁辉石、透辉石），它们物性差异较大，比磁化率在不同量级，利用其物性差异通过强磁场将铁氧化物和硅酸盐等杂质分离，实现氧化铁的富集与提取。提取后的氧化物再经过低温改性，即可制备α-Fe 2 O 3 产品。

环氧苯乙烷作为一种重要的化工中间体被广泛应用于化工与医药生产等众多领域，传统的制备方法——卤醇法在生产过程中环境污染严重、对原料的利用率不高，导致生产成本居高不下。随着整个社会环保意识的不断增强，绿色化学日益受到重视。在催化苯乙烯环氧化反应的研究过程中，开发高效、低污染、低能耗、环境友好的催化剂一直是研究的主要方向。虽然在许多研究人员的不懈努力下，催化剂的研究取得了可喜的进展，但是现有的催化剂还存在着一些缺陷，新型高效催化剂的研发仍然是当前研究的热点之一。 我们发现将普鲁士蓝类配合物用于催化苯乙烯环氧化制备环氧苯乙烷，具有合成方法简单、催化活性高（苯乙烯转化率97%，环氧苯乙烷选择性64%）、稳定性强以及分离容易等特点，有非常好的实际工业应用的价值，已经获得国家发明专利授权。

将纳米级尺寸石墨烯量子点修饰到超薄ZnO纳米片表面，同样可大大提高ZnO纳米片的光催化性能，结果如下图所示，这主要归因于石墨烯量子点与ZnO纳米片形成p-n结，促进光生载流子的分离效率。 此外，将 N 掺杂石墨烯量子点与 TiO2 纳米片复合，构筑高效可见光催化剂， 可

仪器概述 本仪器是根据中国石油化工行业标准SH/T0175《馏分燃料油氧化安定性测定法》设计制造的。适用于用加速法测定馏分燃料油的氧化安定性能。用加速氧化法测定中间馏分燃料油的固有安定性能，是油品开采、生产、使用单位，各相关院校、科研部门等测试馏分燃料油氧化安定性能首选的一种自动化仪器。 技术参数 1、工作电源：AC220V±10% 50Hz 2、显示方式：电脑触摸屏控制 3、恒温精度：95℃±0.2℃ 4、氧化计时：16h±0.2h 5、工作方式：自动加温，自动控温 6、氧 化 管：硼硅玻璃材质，符合SH/T0175标准 7、氧气流量：50±5ml/min 8、冷却计时：≤4h 9、试样数量：6路，同时可作6个试样 10、 氧化稳压阀：在流量计前配有稳压阀 性能特点 1、彩色触摸屏显示，单片机控制系统，控制全过程，启动开始实验后，免看守。 2、仪器由加热水浴，冷却暗箱，流量控制系统，温度控制系统组成。 3、控温精准，温度范围可达到 100℃，温度控制稳定精准，可达到 0.1℃。 4、温度控制安全方面，设有超温断电装置。具有故障自动诊断，自动报警。 5、流量计可测量 3±0.3 L/H 氧气，每个流量计配一套氧化装置，而且在流量计前配有稳压阀。 6、智能化控制，试样氧化时间自动控制，到时系统报警提示。 7、流量控制由流量计等组成。可直观方便的调节氧气流量达到试验要求。 8、配备的暗箱可以实现氧化管的冷却要求，可直接放入其中，进行室温冷却。 9、恒温浴全不锈钢材质，耐腐蚀，整机呈落地款式，底部装有活动支脚，搬移方便。 网址链接 http://www.csscyq.com/proshow.asp?id=749

仪器概述 本仪器是按照中华人民共和国行业标准SH/T0193《润滑油氧化安定性测定法(旋转氧弹法)》所规定的要求设计制造的，采用工业计算机自动控制。适用于测定具有相同组成的(基础油和添加剂)新的和使用中汽轮机油的氧化安定性，也可以用来评定含有2，6-二叔丁基对甲酚的新矿物绝缘油，作为其氧化安定性的快速评定方法的首先仪器。 技术参数 1、工作电源：AC220、±10%v、50HZ 2、加热管功率：2500W 3、压力传感器量程：0～1.6MPa，精度：±2‰ 4、油浴控温范围：室温～200.0℃连续可调 5、控温精度：±0.1℃ 6、试验形式：两弹，可同时做两个试样 7、旋转机构转速：100±5r/min 8、氧弹与水平面夹角：30° 9、油浴容积：30L; 10、显示及控制方式:10.2寸彩色液晶触摸显示屏 性能特点 1、本仪器设计制造符合SH/T0193标准，强大的软件数据处理系统。 2、可以自动对被测油样进行压力检测、数据记录、氧化时间计算、并能自动结束试验。 3、仪器的整个试验过程自动进行，操作简单。自动判断压力拐点，并自动结束试验 4、自动记录测试过程中的数据和测试结果。并对历史记录进行查询、比对，并打印出压力变化曲线。 5、原装进口旋转装置，转速稳定且噪音小。 网址链接 http://www.csscyq.com/proshow.asp?id=788

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

果树疏花作业是决定果园产量的关键工序之一。人工疏花劳动强度大，不能适应果园规模化发展的需求；而化学疏花剂的喷施容易过量，易于造成花朵、幼果的“误伤”，严重影响疏花作业机械化的进程。 针对这种现状，本项目提出果树机械疏花装备的研发和试制。针对规模化矮密集约栽培果园，建立梳齿式疏花机构有选择的疏除多余花朵；基于微型压电泵的微流量易于控制等特点，建立基于微型压电泵的指节式喷药机构实现对目标花朵进行化学疏花剂的精准喷施；研究机械物理疏花和化学疏花的有效融合机理，按农艺要求规则疏花，结合生产实际果树各项物理特性对疏花的影响，研制自动化、精准对靶的果树机械疏花装备。