（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。

冬季，因为新能源汽车没有发动机或者不能完全利用发动机余热，需采用PTC 电加热方式，但由于电能最终转化为热能其能量转换效率低于 1，因此，对于 EV、HEV 之类的新能源汽车而言，高效制暖是重大课题。目前，车用空调热泵系统的研发技术难点在于： （1）使用环境--如果车辆处在严寒的环境中，空气中可以利用的热能少，普通热泵系统在-10 ℃以下温度工作时其制热效能就会大打折扣。 （2）室外换热器除霜--如果热泵系统在湿冷的环境下工作，室外换热器作为蒸发器使用会产生冷凝水，其冷凝

1.痛点问题 原油，特别是稠油在管道输运过程中，由于其高粘度，必须采用加热降粘的措施。目前，国内外针对稠油输送的常规加热方式，多为水套炉、电加热技术，存在能源效率利用率低、污染严重等问题。随着双碳目标要求，发展先进高效的低/零碳的供热方案变得尤为必要。 2.解决方案 根据原油管输加热的要求与原油的物性特点，本团队所研发的跨临界二氧化碳热泵技术，通过系统热力学优化、换热器传热性能优化和控制系统优化等一系列措施，开发出的跨临界二氧化碳热泵技术，可在-25℃~40℃的环境范围内，将原油稳定加热至55~85℃，在满足原油加热需求的前提下，可实现零碳/低碳供热，很好的解决了原油输运中存在的高耗能、高污染的问题，同时还具有较好的经济效益，是供热领域替代化石能源的优势方案，将有力推动能源清洁低碳安全高效利用，助力碳中和目标的实现。 跨临界CO2热泵原油加热系统原理图与实验现场如下： 3.合作需求 （1）标准厂房1000平米，工业用电负荷300KVA，办公与实验区500平米; （2）拥有油田业务资源的企业进行合作推广应用。

热泵干燥机组是由公司研制热风干燥产品。它是经空气为低位热源来制取热风，相较于其他制取热风的方式具有节能、高效、环保等特点。将低品位热能转化为高品位热能，以电能作为动力，驱动压缩机旋转，以气态方程和冷媒相变的转移搬运热量的方式，从自然环境或余热资源吸热，获得三倍电能以上的热量输出，热泵干燥系统由两个子系统组成：制冷剂回路和干燥介质回路。

本实用新型公开了热泵驱动的新型溶液除湿空调系统，压缩机通过制冷剂管路分别连接第一冷凝器、第二冷凝器、蒸发器，第一冷凝器和第二冷凝器通过制冷剂管路连接蒸发器，蒸发器通过冷冻水管路与干式风机盘管连接构成冷冻水循环，蒸发器通过冷冻水管路与换热器连接构成冷冻水循环；第一冷凝器通过溶液管路分别连接再生器、和浓溶液罐，再生器通过溶液管路连接稀溶液罐，稀溶液罐通过溶液管路连接除湿器，除湿器通过溶液管路连接换热器

近期，我院肖瑞春副教授与中国科学院合肥物质科学研究院张昌锦研究员课题组及其合作者在二维滑移铁电材料中发现了与铁电序不完全同步的体光伏效应，这一结果丰富了人们对铁电序和体光伏效应之间关系的理解，相关研究成果近期发表在《npjComputationalMaterials》上。

本发明公开了一种适用于单级式并网光伏逆变器的最大功率跟 踪方法。所述最大功率跟踪方法特征在于周期性执行如下步骤：(1)采 样光伏阵列输出电压，判断光伏阵列输出电压是否降低到设置的临界 值以下，是则跳过步骤(2)、(3)、(4)执行步骤(5)，否则执行步骤(2)；(2) 判断光伏阵列电压是否增加，若是则执行步骤(3)，否则跳过步骤(3)执 行步骤(4)；(3)记录当前光伏阵列电压和并网电流指令；(4)增加并网电 流指令并限幅，限幅值为步骤(5)中的记录值；(5)记录当前并网电流指 令，并减小并网电流指

该系统通过回收燃气发动机缸套及排烟余热来获得生活热水，从而实现夏季空调、冬季供暖、全年提供生活热水的功能。系统通过对冷、热、电负荷的优化调节，确保燃气发动机始终运行在最佳工况区域范围内。