该仪器符合GB/T 20104-2006《煤自燃倾向性色谱吸氧鉴定法》。 产品介绍及应用领域： 气相色谱仪是一种多组分混合物的分离、分析工具，它主要利用物质的物理性质对混合物进行分离，测定混合物的各个组分，并对混合物中的各个组分进行定性、定量分析。 最早色谱法被应用于分离植物的叶绿素。将植物的石油醚抽取液倒入一根装有粉状碳酸钙吸附剂的玻璃   柱管内，再加入纯的石油醚，任其自由流下，结果在柱管中出现了不同颜色的谱带，因而有了“色谱”之名。 后来这种方法逐渐被应用于无色物质的分离。在色谱分析中用的“色谱 ”名称并没有颜色特殊含意，但是“色谱”这个名称还是保留了下来，沿用到现在。 由于该分析方法有分离效能高、分析速度快、样品用量少等特点，因此目前已广泛地应用于石油化工、生物化学、医药卫生、卫生检疫、食品检验、环境保护、食品工业、医疗临床等部门。气相色谱法在这些领域中解决了工业生产的中间体和工业产品的质量检验、科学研究、公害检测、生产控制等等问题。 工作原理： 气相色谱仪是以气体作为流动相（载气）。当样品被送入进样器后由载气携带进入填充色谱柱或毛细管色  谱柱。由于样品中各个组份在色谱柱中的流动相（气相）和固定相（液相或固相）之间分配或吸附系数的差  异。在载气的冲洗下，各个组份在两相间作反复多次分配，使各个组份在色谱柱中得到分离，然后由接在色  谱柱后的检测器根据组份的物理化学特性，将各个组份按顺序检测出来。再由二次仪表（如记录仪式、积  分仪、色谱工作站等）将各个组份的检测结果以图形方式记录下来，积分仪或色谱工作站还可以直接打印包  括各个组份检测结果数据的分析报告。 煤自燃倾向性测定气相色谱仪就是根据上述原理制造的分析仪器。    技术参数： 温控指标 柱箱 温度控制范围：室温上（6～399）℃ 温度控制精度：在200℃以内精度为±0.1℃；在（200～399）℃以内精度为±0.2℃ 程序升温范围：室温上（6～399）℃ 程升阶数：三阶 程升速率：（0.1～39.9）℃/min（注：原文此处表述可能存在格式问题，推测应为0.1～39.9℃/min，并可能附带不同温度段的速率说明，如室温上（6～200）℃为0.1～20℃/min，≥200℃时速率范围未明确，建议以仪器实际参数为准） 进样器 温度控制范围：室温上（6～399）℃ 检测器 氢火焰离子化检测器（FID）温度控制范围：室温上（6～399）℃ 热导池检测器（TCD）温度控制范围：室温上（6～399）℃ 检测器技术指标 氢火焰离子化检测器（FID） 检测限：DFID≤5×10⁻¹¹g/s（正十六烷） 基线噪声：≤1×10⁻¹³A 基线漂移：≤2×10⁻¹²A/30min 热导池检测器（TCD） 灵敏度：STCD≥2000mV·mL/mg（苯甲苯） 基线噪声：≤0.050mV 基线漂移：≤0.15mV/30min   注：（用户自备：氮气和氧气，纯度要求均为99. 99%以上）

2025年2月7日，珠海昊星自动化系统有限公司（下简称：昊星）作为广东实验室行业协会副会长单位，成功举办新春行业交流活动。广东省实验室设计建造技术协会（下简称：协会）秘书长罗菲同霍尼韦尔、广东易众洁净科技等9家会员单位代表到访，与公司总经理张雁翔、市场总监林旭峰等管理团队共话行业发展。

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

原理：以蜜蜂为活体生物转化器，利用体内酶系进行生物转化，将果汁转化为果蜜创新点：世界上首次提出“以饲代采”生物酿蜜概念，以大宗水果为原料，经前处理，饲喂蜜蜂，实现定场养蜂，实现蜂蜜工业化生产应用案例：2023年，在沈阳建立200群的生物酿蜜示范基地，辐射东北地区成果获奖：第十五届“挑战杯”全国大学生课外科技活动大赛，三等奖成果评价：完全颠覆国内外几千年的蜂蜜生产模式，实现0→1的突破，为蜂蜜生产打开一扇全新的大门，规避了传统蜂蜜生产的限制因素以及不利因素，实现蜂蜜生产工业化、标准化、机械化、智能化，蜂蜜生产效率比传统提高3-4倍，解决了水果滞销、储运损失的问题。

高效利用大型燃煤火电机组的灵活深度调峰优越性促进更大规模可再生能源电力消纳对构建我国新型电力系统具有重要积极影响。准确掌握燃煤机组频繁变化的调峰过程动态特性是设计高性能协调控制方案的前提条件。因此，本成果推出面向燃煤机组实际发电过程的智能抗扰控制关键技术及其控制器参数在线优化机制。 创新点 随着频繁大范围调峰已成为大型火电机组的常态化运行趋势，本成果设计了一种兼顾机组发电成本及碳排放量的全工况智能抗扰控制策略。通过有机融合误差自抗扰控制器与快速鸽群优化器，机组实现了对电网负荷指令的迅速响应。

针对分布式风光发电在配电网中的高比例接入态势，源荷存在时空不匹配特性，导致功率倒送和节点过电压等问题，面向电网网架相对薄弱地区，开展考虑风光发电不确定性的储能的选址定容研究，实现不同运行方式下储能的优化配置；提出基于有功/无功电压控制分区的新型配电系统电压控制策略，实现配电网电压的分散式与集中式协同控制，满足高渗透率风光并网场景下的电能质量要求。

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。