本发明公开了一种自动充电型强制过零高压直流断路器，该断 路器包括快速开关单元、吸能单元、耦合电抗器单元、换流电容单元 和主回路隔离开关单元。快速开关单元由快速开关和快速开关供能模 块构成，快速开关用于承担电流开断后的系统电压；吸能单元用于对 快速开关进行限压保护；耦合电抗器单元用于耦合故障线路与换流电 容支路；换流电容单元用于和耦合电抗器单元形成振荡；主回路隔离 开关单元用于在断路器开断成功后断开，以保护直流断路器内部元件。 本发明提供的自动充电型强制过零高压直流断路器，预充电设备体积 小、换流支路

本发明公开了一种高压直流 MMC 在基频调制下的均压方法； 包括步骤 S1 在第 i 个基波周期的起始时刻，采集 N 个子模块的电容电 压；并在 N 个子模块中选出 x 个电容电压较大的第一子模块以及 y 个 电容电压较小的第二子模块，剩余的子模块为第三子模块；步骤 S2 通过第一驱动信号控制第一子模块在当前基波周期的终止时刻的电容电 压小于起始时刻的电容电压；通过第二驱动信号控制第二子模块在当 前基波周期的终止时刻的电容电压大于起始时刻的电容电压；通过第 三驱动信号控制第三子模块在当前基波周期的终

本发明公开了一种新能源发电与高压直流输电直联系统的孤岛 运行方法。新能源发电系统采用互同步控制方法为孤岛电网提供电压 和频率支撑，为传统高压直流输电系统在孤岛电网的换相提供了必要 条件。通过新能源发电系统互同步控制与传统高压直流输电控制器的 相互配合，能够保证当地负载的电压幅值和频率的稳定，并能够将新能源发电系统发出的电功率向远方负荷输送。本发明打破了目前新能 源发电系统通过传统高压直流输电系统向远方负荷输送功率时必须和 主电网联接的局限性，实现了新能源发电系统与传统高压直流输电系 统在脱离主电网的

本发明公开了一种用于直流电晕放电烟气治理的分离式喷嘴电极系统。系统包括锯齿形电极、管式喷嘴等，在齿形电极一端设有电极柄，管式喷嘴一端封闭，在管式喷管上纵向设有两排喷吹孔，每排喷吹孔均匀分布，齿形电极两侧对称布置两个管式喷嘴，管式喷嘴的喷嘴和锯齿形电极的锯齿对齐布置，在电极柄上添加正高压，由锯齿形电极通过锯齿电晕放电，电极气经管式喷嘴通过喷吹孔喷出，从而形成电晕放电区域。本发明具有以下优点：1)锯齿形电极加工及生产方便且管式喷嘴的加工工艺简单；2)能耗省，电晕效果好，污染物去除效率高；3)可以结合静电除尘器使用，实现除尘净化一体化。

目前光伏发电还存在输出不稳定，易受外部条件影响等缺点。在实际应用当中，通常需要增加储能装置来保证电路光伏发电系统输出 的稳定性，这样必然会增加系统的成本；同时储能装置可能会引入一 些重金属元素，对环境造成一定的影响。另外，传统的直流电源通常 是由电网供能，并且很少具备远程控制功能，大大的限制了用户的使用范围。 本项目提出了一种新型多路直流电源的设计方法：采用光伏发电 和电网联合供电策略，来减少电能的消耗；采用无线控制技术，来实 现对电源的远程控制，为在有毒、封闭等特殊环境中应用电源提供了 一条可行的途径。同时结合激光测距仪的应用背景，设计了一种可输 出三路电压的小功率直流电源，其中高压支路可在输入为 5 V 到 30 V 时，输出 70 V 到 203 V 连续可调的直流高压，其驱动能力可满足一 般的雪崩二极管工作需要。测试结果表明，该电源可通过手机实现远程控制，其输出端纹波电压较小，可以满足一般的应用需求。

本发明公开了具有超低导电渝渗值的三元共混物基复合材料及其制备方法。该复合材料是由40vol％～45vol％的聚偏氟乙烯，40vol％～55vol％的高密度聚乙烯，20vol％聚苯乙烯和0.025vol％～0.5vol％多壁碳纳米管经熔融共混制备得到。多壁碳纳米管在熔融混合过程中能够有效地选择性分布在聚苯乙烯界面相，相比双渝渗结构型导电复合材料以及填充型聚合物基导电复合材料，本发明得到的三元共混物基复合材料的导电渝渗值更低，这种特殊的多层次结构使得三元共混物基复合材料的导电渝渗值低至0.022vol％，达到超低的填充水平。

本发明公开了一种自动配料和混料的多喷头生物3D打印设备及控制方法，属于组织工程和生物3D打印领域。气压压料罐气压源和电磁换向阀进口连接，电磁换向阀出口与喷头连接，当气压源供压且电磁换向阀得电时，可将气压压料罐内的生物材料按比例压入到混料筒内，然后通过混料罐组件内的搅拌器将生物材料混合均匀。混料罐组件与气压源和电磁换向阀进口连接，电磁换向阀出口与喷头连接，当气压源供压且电磁换向阀得电时，可将混料筒内的生物材料从喷头中压出，喷头在移动顶梁和取料驱动臂配合运动下按照预定路径完成打印工作。其优点是：能快速完成自动配料和混料，多喷头可满足多种打印需求，更好地发挥打印性能，易于实现灵活控制，提高打印效率。

本发明公开了一种应用于智能配电网的 EPON 通信系统的动态 带宽分配方法，包括步骤(1)基于不同需求将智能配电网各业务分为 EF 业务、AF 业务和 BE 业务；步骤(2)通过层次分析法计算 AF 业务和 BE 业务的权值，并计算一个轮询周期内 EF 业务和加权业务的缓存量和缓 存速率；步骤(3)根据电网故障情况，对各 ONU 业务缓存速率和业务 缓存量进行修正，计算一个轮询周期内各 EF 业务和加权业务的带宽需 求量；步骤(4)根据 EPON 带宽值对 EF 业务进行分配，然后对加权业 务进行分

（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。

本发明公开了一种无直流母线储能元件的交?交功率变换器，包括直流母线连在一起的第一三相全桥电路、第二三相全桥电路和第三三相全桥电路，第一三相全桥电路的交流输入侧输入三相电源，第一滤波电容的一端、第二滤波电容的一端以及第三滤波电容的一端相连，第一滤波电容的另一端连接第一相电源，第二滤波电容的另一端连接第二相电源，第三滤波电容的另一端连接第三相电源，三相电源中的每一相电源分别通过滤波电感连接第三三相全桥电路中每一相的交流输入侧。本发明能够减小导通损耗和开关损耗，利于集成。