本发明公开了一种提高分布式缓存的命中率并减少固态硬盘磨 损的方法，结合缓存数据分布特性和固态硬盘特性优化缓存性能并降 低成本。它能根据应用场景分配内存缓存区并将 SSD 划分为连续分布 的与内存缓存区等大的 Cage，内存缓存区缓存新数据，内存缓存区的 数据达到上限时将内存缓存区所有数据写入 Cage，擦除内存缓存区进 行新的数据缓存。替换算法通过分析内存缓存区中的数据的访问频度 分布，设定 Cage 中替换算法参数

（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。

研发了基于拉曼分析和纳米增强拉曼技术的便携式非接触人与动物血液 鉴别仪。根据血液样本特征拉曼光谱，确定光谱检测波段和激发波长，对分光 核心元件、系统光路、光纤探头等进行针对性设计与优化，降低系统杂散光, 提高特征拉曼光谱分辨力、信噪比和检测灵敏度；针对甄别对象特征，研究 血液样本专用拉曼增强纳米材料，进一步提高检测灵敏度；研制出便携式非接 触血液鉴别仪样机；针对不同种属血液的拉曼光谱，结合研发的仪器，开展分 析测试方法学研究，建立血液拉曼检测新体系和新方法。研制具有自主知识 产权的基于Raman光谱分析的非接触便携式人与动物血液鉴别仪工程化样机， 实现对人及常见动物血液样本的甄别，服务于我国进出口检验检疫部门，达到 2分钟内检测一个样品，识别率高于95%的测试要求。

产品详细介绍产品名称：直径165管地埋圆管篮球架配玻璃钢篮板 产品型号:JH-0026 产品价格：1500元/只 产品材质：JH-0026型地埋圆管篮球架，臂长1.8米，；采用直径165mm厚壁钢管，配玻璃钢复合篮板或钢化玻璃篮板；具有抗冲击力强、防水、耐氧化等优点。该产品具有外型美观、安装简单，实用等特点。

产品详细介绍  排队机或者排队系统，正式名称为现场客户管理系统，主要为公共服务领域里面的集中办事场所提供客户流管理和统计功能。根据具体的服务内容和现场情况，现场客户管理系统主要分为两个比较大的类型：服务大厅现场客户管理系统和医院现场客户管理系统。   从体系结构来说，服务大厅排队系统要比医院排队系统简单很多，因为服务大厅的排队系统一般情况下不会和具体的服务行业有太多的联系，比较典型如银行排队系统。顾客从发号机上面取一张排队号票，然后在等候区等待柜员呼叫。整个过程没有和银行的业务系统发生联系，流程也非常简单。下面主要说下医院排队系统（诊区现场客户管理、挂号处现场客户管理系统、药房现场客户管理系统）   现在很多厂商因为没有足够的实力开发医院版排队系统，就简单得用大厅版的银行排队机搬到医院使用，其结果很难让医院满意，造成了很多问题，有的直接导致项目无法验收，给项目方和医院都造成了很大的损失。   因为医院系统的多样性，如果系统开发单位的实力不够，在项目施工过程中，会有很多的问题，如HIS对接无法顺利完成，媒体系统显示方式无法按照院方要求实现等等问题会导致项目施工无法完成，或者施工时间拖长，给医院和项目方带来无穷的后遗症，原来想规范就诊排队秩序的，最后反过来影响了医院的就诊秩序。笔者在业内这么多年，看到太多的项目因为功能无法满足要求而导致项目无法验收，不能清款，或者在项目施工完成后，麻烦事情不断，最后都到了医院要求要派一名技术员必须到医院驻扎，随时排除故障的情况。所以项目施工方在选择具体的产品的时候一定要谨慎，尽量选择那些开发实力强大的系统提供方，可以避免很多的麻烦，也别在开始的时候太轻信开发商的承若、保证之类的，很多提供商说的很漂亮，实施起来就是完全另外一回事，或者轻信那些说整个医院排队系统只需要几千元价格就能搞定的软件提供商，他们能提供的就只有银行排队机。到施工后可能连哭都来不及，呵呵，一分钱一分货，当然也有物廉价美的，你能找到5000块价格的一个医院排队系统，10万块卖给医院，呵呵，那就只能说你厉害。       如下图所示，医院现场客户管理系统（医院排队管理系统）和银行排队机有什么区别，一看就知。 朋友您好！青汉科技真诚寻求合作伙伴！！ 当今社会产品同质化严重，竞争异常激烈，排队行业也面临着重新洗牌的格局。如何掌握主动，寻求发展已成为业内企业亟待解决的课题。科技创新，研制新品乃是排队行业制胜之法宝。为顺应时局，应对金融危机，我青汉公司最新推出一款已在湖南国家电网，天津市公安局，厦门南方电网等众多高档营业厅安装使用，市场反响相当不错的高科技新产品-QQH301型壁挂式排队机，该产品系全国首创，独家生产，科技含量高，产品应用范围广，市场竞争排他性强，可操作空间大，系排队设备之换代首选产品。青汉排队机厂家真诚寻求志同道合之行内合作伙伴，解除行业壁垒，互通有无，共同分享排队设备市场需求这块大蛋糕，不知贵司意向如何。 深度挖掘客户潜力，提供科技创新产品，共创你我双赢局面！！"青汉排队"现诚挚邀您合作!!!!!! 全国统一免费热线： 4006-222-119 青汉排队机第三代超薄壁挂式排队机全国招商 招商热线:13488858092   联系人：肖霞 QQ:352616191 http://www.qhkjbj.com   

企业目前受困于目前临沂市周边自动化产业规模小及配套设施不完善，许多机械加工理念难以就近实现，不得不将其外包

我们对如何通过预测控制的各要素设计，提升逆变系统的性能指标，进行研究，取得了良好的成果。对LCL型三电平逆变系统，我们在分析系统指标与系统控制量之间关系的基础上，设计了相应的基于个离散控制量的预测控制器，为解决该类非线性约束优化在线计算量大的问题，基于分值定界的思想提出了相应基于DSP的快速算法。为进一步提升逆变系统的效率等指标，我们提出了变系数的光伏逆变预测控制器，在目标函数中对电流跟踪和大电流时开关动作的抑制实现了统一，设计了相应的系数表达式并给出相关算法和实验结果。我们进一步研究了基于预测控制的微电网系统的调度问题，针对微电网群系统集中式优化计算量巨大的问题，我们从结合ADMM，从给出了系统的分布式预测控制器并对其在线迭代算法并进行了研究和验证。同时，我们对无线并联型逆变系统的稳定性进行了分析。达到了预期研究目标。

视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。

该项目主要应用于车辆安全辅助驾驶领域，可以在车辆有危险趋势时及时向驾驶员提供警告信息，减少或避免可能发生的交通事故，也可以应用于车辆的辅助驾驶和智能自动导航领域。该项目利用灰度图像中道路边缘处存在的灰度特征、梯度特征作为识别道路的特征，运用群智能算法实现对道路边界的快速识别，最终得到车辆行驶道路信息。根据道路识别结果，利用前方车辆在图像中底部边缘存在灰度特征、方差特征和梯度特征，运用鱼群算法实现对前方多车的快速识别。项目采用转向动力学连续模型，车辆前轮转角和道路曲率作为系统输入，根据系统的采样频率将连续模型离散化，运用Kalman滤波理论设计状态观察器，实时观测前方车辆侧向速度和横摆角速度，从而获得车辆运动轨迹，为安全辅助驾驶系统提供准确信息。     该项目对车辆安全辅助驾驶系统提供信息的频率在5Hz之内。在复杂情况下通过使用本项目研究的系统进行车道识别，其准确率大于95%。该项技术于2009年初成功应用于新疆冰雪灾害防护系统的养护车辆智能辅助驾驶系统中，该系统由北京中交国通智能交通系统技术有限公司负责建设，采用该技术大大提高了复杂冰雪环境下道路识别和前方车辆识别的可靠性和实时性，同时增强了在不同光照等复杂环境下的适应性。该技术应用后，有利于避免和减少道路交通事故发生的可能性，保障车辆行驶安全，取得了良好的社会效益。

本项目将研制一套软硬件一体化的医学图像处理与三维重建系统产品，该产品由三大部分组成，包括： 高性能、大容量、适合处理医学图像的硬件平台； 针对医学图像处理裁剪后的专用Linux操作系统；综合医学图像处理与三维重建的医疗专业应用系统。 成果性能：三维重建速度快、重建的图像真实、精细，操作方便。 应用范围：CT、MRI等医学图像处理与三维重建虚拟手术