近日，西安交通大学电气学院先进电磁调控与能量转换技术研究中心（CAEMEC）马西奎教授团队董天宇副教授和邹建龙副教授等通过开展互感耦合多线圈系统和非线性电路的理论研究，发现并提出一种新的理论方案——在三线圈互感耦合谐振电路系统中，利用非线性放大器的自适应增益特性，实现在变化互感耦合参数下的定频高效无线电能传输。

全面掌握城市轨道交通线网各方面信息是实现更高标准安全、效率、服务等城市轨道交通公共客运服务的基础，在成网条件下的城市轨道交通运输组织中，全方位的信息融合技术及信息融合大数据平台建设是线路成网后城市轨道交通建设的重要任务之一。城市轨道交通运输组织信息融合技术可将各条城市轨道交通线路基于不同技术采集的列车、线路设备、车站设备、客流、车辆、物资等信息，通过信息融合方法与技术转化为兼容可共享信息，在此基础上与GIS结合建立成网条件下城市轨道交通线路信息融合大数据中心，为信息发布、资源调度、应急处置等方面提供全方位信息支撑。

本成果来自省部级科技计划项目和国家发明授权专利，知识产权归属西南交通大学。项目创新性和先进性：将模型诊断方法引入牵引供电系统故障诊断中，详细讨论了轨道交通供电系统各元件抽象化、系统建模、系统故障在线诊断等关键内容。同时给出了地铁牵引供电系统可靠性的指标体系，建立了可靠分析模型。采用层次分析法对其进行安全评估，为提高牵引供电质量和系统工作可靠性提供有力支撑。

本系统已在中铁二院、中铁四院工程集团有限责任公司交通规划研究院投入运用。城市轨道交通运营组织计算机辅助设计系统是集数据维护、客流分析、车辆选型和列车编组方案比选、交路设计、行车计划编制、车站配线设计、能力计算等多功能于一体的城市轨道交通规划和运营组织管理工作辅助软件。可用于城市轨道交通规划和运营管理工作，适用于城市轨道交通运营管理和设计单位。

渡众机器人为满足智能驾驶实训系统演示需求，开发了各种定制化智慧交通模型行驶系统沙盘。模型车辆搭载实车使用的各类传感器，模拟在实际交通场景中车辆自动启停、信号灯自动识别、障碍物识别等智能驾驶行为。自动驾驶实训沙盘构建主要分为智能路侧系统、微缩沙盘系统、基于V2X的自动驾驶三部分内容。车路协同自动驾驶演示沙盘为各高校提供必要的实践环境与研发平台，可完成当前智能网联技术的理论学习和工作实践。  

本发明公开了一种直流电机的驱动?调速一体式约束预测控制方法，本发明将这种驱动?调速一体式的控制技术应用于直流电机，首先利用广义比例积分观测器技术在串级电路和转速的光电编码器采集的转速信息的基础上对系统的集总干扰进行估计，得到重构后的集总干扰信息，结合模型预测控制相关技术设计出针对直流电机的带输入约束的输出反馈控制器，在保证系统动态响应性能的基础上，因为不需要使用电流、电压以及转矩传感器，降低了系统的成本，提高了系统容错能力，同时可以明显地抑制参数摄动和负载转矩突变等因素引起的干扰，从而大大提高直流电机系统的输出转速的控制精度和干扰抑制能力。

利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（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。

国内有许多企业开发城市交通控制系统，但实际上这些企业往往只注重交通控制系 统相关硬软件的集成，而对于城市交通控制系统最重要的功能交通流的控制与管理却缺 乏相应的考虑。造成许多城市所采用的城市交通控制系统虽然在硬软件的配置上相当完 善，但在城市交通控制方面的功能却十分匮乏。然而，国内对交通控制理论的研究已经 有了几十个年的经验积累，在混合交通控制策略、相关控制参数计算模型等方面的研究 也相当成熟。因此就产生了交通控制优化软件的概念，优化软件主要负责对交通数据设 备采集来的交通数据进行处理分析，并应用相关交通控制模型，实时计算及调整控制参 数，并发送方案至实际信号机控制信号灯。 本软件的开发目标是结合中国智能交通运输系统的发展背景，考虑中国混合交通的 特点，开发能适应于不同种类型交通及控制与管理需求的自适应交通控制优化软件。