在规范采样及针对性测试条件下，释光测年技术应用在埋藏陶器、烧土类考古受热材料的年代学研究中具有高准确度的优势，并有望确定最后一次考古受热事件（如祭祀、焚烧、烹煮等）的高精度年代。

一种宽光谱、强吸收的表面光伏型光探测器的制备方法，其作法是：以钛箔为阳极，铂为阴极，对钛箔进行氧化，得非晶态TiO2纳米管阵列；经处理后，得TiO2纳米管阵列；将钛箔置于高温反应釜内，再将Na2S2O3、Bi(NO3)3水溶液注入密封反应釜，热处理得Bi2S3-TiO2纳米管阵列；在Bi2S3-TiO2纳米管阵列表面覆盖FTO，引出电极，在未生成Bi2S3-TiO2纳米管阵列的钛箔上引出电极，将FTO与钛箔及其Bi2S3-TiO2纳米管阵列的接触边缘封装即得本发明的光探测器。该方法能耗低，工艺、设备简单；制得物适用光谱范围大，适合做光谱分析；还可以做光敏开关等光电器件，具有广阔的应用前景。

本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

本发明公开了一种提高二氧化钛光激发气敏性能的方法及装置， 该方法是在光气敏传感器工作过程中，通过对材料薄膜进行加热调控 （50℃-70℃），使气敏材料表面物理吸附水减少，从而对环境湿度不 敏感；其次，表面保留的化学吸附水在紫外光照下产生的自由羟基， 以及由低温加热下产生少量热激发诱导的光、热联合激发的协同效应， 可大幅度提高其响应恢复速度。装置包括材料基片、光激发源、光激 发控制模块、温度控制模块、信号调理模块、计算

（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。

一种基于风电场数据预处理的风电功率组合预测方法，包括以下步骤：利用小波去噪原理对风电场的历史风速数据和历史功率数据进行处理，分别得到光滑的风速序列和功率序列；对风速序列和功率序列的特征指标分别进行频繁项集分析和关联规则挖掘，得到风速强关联规则和功率强关联规则，利用强关联规则找出与待修正的当前预报相似的历史预报；并利用历史相似预报对待修正的当前预报进行误差修正；利用统计方法对修正后的当前风速预报进行训练并建立预测模型；利用预测模型进行功率预测，并利用历史相似预报对预测后的功率进行二次预测，最后得到最终的组合预测结果。

依托国家自然科学基金、国家高技术研究发展 863 计划、国防科工委重点课题以及 上海市地方政府重大工程等项目，研究了以全球定位系统（GPS）、遥感遥测技术（RS） 和地理信息系统（GIS）为核心的地球空间信息获取、处理、建模与服务的系统集成理 论、关键技术与应用，在现代测量数据处理、GPS 精密定轨与定位、高精度遥感影像匹 配与制导、空间数据不确定性与质量控制等取得了一系列创新成果。 

受国家自然科学基金资助，自1990年开展该研究工作，已形成专利产品——红外热成像装置。济南钢铁集团总公司和北京科技大学于1999年6月签定了本项目的技术开发合同书，共同开发这一具有明显技术经济效益的新型烧结工况信息获取与智能化处理系统。该项目已于2000年12月通过验收。 系统所涉及的主要技术包括：红外热成像、红外测温、图象抓取与处理、图象分割、特征变量的提取和选择，适应于烧结矿红外图像的滤波方法、以及烧结矿FeO含量和转鼓指数在线推断的数学建模，其中红外热成像技术及测温技术为国家专利技术。 系统采用近红外成像技术，可以采集高温工业窑炉的工况图像，通过计算机图像采集转换成数字图像，在获得模拟和数字图像的同时，可通过视频缆和网络进行图像的传输，并可根据应用厂家的需求，任意或同时测取点、线、面的温度。在此基础上可根据厂家的要求，进行烧结矿的在线质量推断。 该系统由两部分组成： 红外热成像装置：提供清晰的工况图像。红外热成像计算机视觉检测及信息处理系统：红外热成像装置与计算机连接后，通过图像采集获得生产工况的数字图像，经处理构成红外热成像计算机视觉检测和信息处理系统

随着城市规模迅速膨胀，淡水资源严重缺乏、工业废水处理率低，城市的生态环境恶化成为制约城市发展的主要问题。以北京为例，数据显示目前人均占有用水量不足300 立方米，不及国际公认的缺水下限的1/3，仅为全国平均水平的1/8。这其中，工业用水量所占的比重很大。而冷却水用量占工业用水的60～65%。因而，解决好冷却水循环回用的问题，可以对城市的发展带来促进作用。在冷却水处理中，需要去除水中的钙镁等结垢性离子。这些离子通常是通过水处理剂使之沉淀，再利用固液分离技术来实现的。传统的固液分离技术（如澄清池等）中存在占地体积大、分离效率低、适用面窄、操作弹性小、对微细颗粒无法去除等缺点。由于传统固液分离技术缺点较多，人们一直关注新型分离技术的开发及应用，因此利用膜实现的微滤技术得到了迅速的发展。微滤技术是利用微孔膜本身极小的微孔（孔径一般为0.1～10 微米）对颗粒的吸附、截留、筛分等作用进行分离。微滤技术的核心为膜材料的选择，在众多的膜材料中，由于聚四氟乙烯(PTFE)不吸水、熔点高(327℃)、使用温度范围广(-200～260℃)，具有不燃性及热稳定性、摩擦系数小，尤其具有耐化学性(能耐许多高腐蚀性介质)、耐气候性及抗电性等，因此成为国内外表面过滤首选材料。PTFE 膜极低的表面张力可以降低膜污染，并使膜的清洗操作更为简便。但PTFE 膜的强疏水性却限制了其在水溶液体系处理中的应用。本技术基于配位键合理论对常规的聚四氟乙烯疏水膜进行改性，得到亲水性聚四氟乙烯膜，用于水处理领域中的微滤技术，新技术应用前景广阔。 技术指标：1、过滤后溶液SS<1mg/L；2、可在强酸、强碱、强氧化性、强溶剂性条件下应用；3、操作压力0.05～0.15Mpa；4、处理温度5～150℃；5、处理通量1～1.1m3/m2·hr；6、使用寿命≥1 年。应用范围：可以适用于工厂循环水处理、污水处理及其它涉及固液分离过滤技术的领域。市场分析：随着人们环保意识的增强、各项环保制度规定的日益严格、水资源的严重缺乏，对工业及生活废水的资源化处理已成为当务之急，尤其是对于工业废水的处理迫在眉睫。而本工艺具有过程简单易行、能耗低、分离速度快、分离效率高、使用周期长等优点，因此，本项目具有广泛市场应用前景。效益分析：利用本技术改性的亲水聚四氟乙烯膜，成本较低，整个处理工艺设备简单，投资少，操作成本低，与传统技术相比能耗大大降低，具有显著的经济效益。

本发明提供了一种从源头治理、资源化处理含铬废渣污染的新思路新方法，解决了现有技术中铬渣处理消耗大、解毒效率不高、堆存过程铬缓释再氧化等问题。专利技术在一化控股（中国）有限公司、福建省（屏南）榕屏化工有限公司、东江环保公司、内蒙古兰太钠业有限公司等多家企业实施应用，产生经济效益高达2亿多，推动铬盐相关产业的发展。尤其是与一化控股（中国）有限公司合作，铬分离回收技术工艺在亚洲最大氯酸盐企业实现技术示范应用，首次实现铬渣变废为宝和全资源化利用，突破氯酸盐行业可持续发展瓶颈问题，节省处理费用1750万/年。获得“第十届国际发明展览会暨第三届世界发明创新论坛””发明创业奖*项目奖“金奖。