本发明公开了一种基于运行数据对中央空调系统节能诊断及节能潜力分析的方法，基于中央空调系统实际运行数据，经对输入数据进行数据预处理后，再经数据分析步骤对已进行预处理的数据进行系统工况模式识别、系统设备运行时长与均等运行策略分析、系统设备运行次序分析、系统设备变频特性分析、系统设备出力与能耗特性分析、系统及设备运行约束条件分析，基于此再经节能潜力计算步骤对系统最小运行能耗(或费用)进行计算，得到系统节能诊断结果及节能潜力情况。本发明方法通过对系统实际运行数据的分析，给使用者提供更全面、更符合实际的节能诊断和节能潜力结果，为系统节能优化运行和节能改造等提供重要决策依据。

大气氧化的过程和机制是宜居星球形成的关键。早期地球大气几乎无氧，经过至少两次主要增氧事件（元古宙早期GOE和元古宙晚期NOE）后，才达到了现今大气O2水平（21%）。

（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。

卫星通信具有覆盖范围广、容量大、传输速率高等优点，可用于多种复杂通信环境，在军事通信中得到了大量的应用。然而由于卫星信道的开放性，通信信息极易泄漏，通信隐蔽性较差。因此，如何增强卫星通信的安全性，进而提高通信的保密性逐渐成为各国研究的热点。 针对传统扩频通信技术中扩频序列易被检测和破解的问题，提出了一种基于功率混合的安全通信方法，该方法将待加密的军用信息和其它辅助信息按不同的功率进行混合来传输，此过程中，若是非接收方想要破获待加密信息，只有在得知作为辅助信息的其它信息的前提下才能进行；此外，辅助信息是从普通民用通信中的信号里面进行选取，并通过其他的传输路径到达卫星，这样既实现了信息的有效利用，又提升了通信过程中的安全性。 针对现在扩频通信技术，尤其是直接序列扩频技术已经不再具备安全性，容易被敌方利用扩频码的设计漏洞截获并破译的现状，提出了一种利用伪多径效应来进行安全通信的方法及装置，在该种信号传输模式下，安全性不再依靠扩频技术，而是依赖于特定的功率复用方式，这种复用方式可以看作是对“多径效应”的一种利用，大大提高了信号传输的安全性。 针对卫星通信信道具有开放性，极易受到外界干扰，当外界干扰功率太大时会直接影响正常通信的特点，提出了一种盲源信号分离的方法及装置， 通过该方法完成了对强干扰信号的估计和分离，改善了卫星通信过程的安全性，提高了卫星通信系统的通信性能。

针对充填采矿灾变预测与防治的关键问题开展研发，本成果主要技术内容如下：（1）系统研究了充填体破坏失稳声发射预测技术，开辟了用声发射预测充填破坏失稳的新途径；（2）开发了胶结充填过程控制成套技术，提出并成功实施不良地质体超前护帮充填技术等。本技术成熟可靠，适用于充填法开采的金属矿山，已经在江西等省的 9 家矿山推广应用，累计取得产生超过 3 亿元的经济效益和显著的社会效益，并荣获 2011 年江西省科技进步二等奖。 

系统的主要功能包括（参见图1）： （1） 数据、视频实时数据采集和无线传输； （2） 基于上位机的远程控制和数据显示、追溯及分析等； （3） 基于手机客户端的移动APP线上线下销售； （4） 基于WiFi的手持终端定位、导航和跟踪； （5） 信息融合和专家决策支持系统； 应用领域包括：温室环境智能控制、智能家居、农田生产（四情）监测、旅游景区的人流量统计及大数据分析、大型商场智能监控、地下停车场定位等。 项目特色：和有机农业的行业领导者紧密结合，解决现有农业物联网系统中有线系统中的布线复杂、成本高且功能单一的难题；在TCP和UDP协议下都可实现毫秒级延时的实时控制；集数据采集、传输、远程控制及终端定位、导航和监控于一体；系统可完成基于手机APP和上位机软件的多种控制方式；只要满足有WiFi，Internet，移动网络其中的任意一个即可进行远程控制。 先进性：国内首个集数据采集传输、视频监控、终端导航、定位与跟踪与一体的农业信息化平台，利用手机APP实现对农作物的线下生产、线上销售、长势跟踪等一体的多功能农业信息化智能平台； 技术指标：电源输入（DC 2.0～3.6V）；控制延时<30ms；误码率< ;无线节点续传距离>=150m；无线AP覆盖范围>30X30 ;定位精度<1.5m；可用信道数15个；支持点对点、点对多点、对等和Mesh网络 能为产业解决的关键问题： 可解决传统农业中的粗放式种植、经验型种植及人工参与度高等问题，在降低农业生产成本的同时，提高农业生产、销售、追溯等环节的智能化水平。基于WiFi获取的现场后台大数据挖掘将解决现代农业的专家知识匮乏问题，形成可信度高的知识库指导农业生产。 实施后取得的效果： 推动当地农业智能化水平进步，提高农业生产效率、减少农业生产成本，促进规模化种植、最终形成行业标准。

本发明涉及辣椒疫霉病菌(Phytophthora capsici)中的几丁质合酶。其氨基酸序列为与如SEQ ID No.4所示的氨基酸序列在相似性在90％以上，优选在95％以上，更优选在98％以上且具有与如SEQ ID No.4所示的氨基酸序列相同功能的氨基酸序列。所述辣椒疫霉病菌的几丁质合酶的活性水平能够调节活性孢子囊和活性游动孢子的产量从而影响辣椒疫霉病菌的致病力或寄主的发病程度。