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。

本实用新型公开了一种复合加热系统,用于利用烟道里废气的热量和太阳能对自来水进行联合加热以产生热水,包括:废热回收装置,太阳能集热器和加热仓.因为废热回收装置能够对废热进行回收并利用该废热加热自来水,太阳能集热器能够对太阳能进行收集并利用太阳能加热自来水,所以本复合加热系统能量利用效率高.另外,本实用新型的复合加热系统中,烟道安装热管的部分单独为一个整体,清洗时可以方便卸下,方便清洗.

据了解，应急管理研究院利用其在减灾救灾、应急通信与指挥、太赫兹等领域的技术优势，协同产学研合作企业克服疫情时期的各种困难和压力，依托自主研发的红外核心技术，采取保障措施开展联合技术攻关，成功研发出红外测温安检门和红外太赫兹复合人体安检设备。电子科技大学应急管理研究院副院长陈伟介绍说：“在疫情扩散期，这两个设备解决了快速、非接触式筛查体温异常目标的难题，筛查准确率高，并且大大降低了工作人员接触被感染的几率，保障工作人员人身安全的同时提升了大人流场景下的检测通关效率。”此类设备适用于多种场景，刚投入使用就得到了北京市、河北省、医院、铁路、机场等相关部门用户的好评。现在正根据疫情进展实际和相关方订单要求，全负荷满足疫情防控需求，保障防疫工作顺利开展。另外，应急管理研究院正依托学校优势学科，组织精干科研力量，积极参与科技部组织的国家重点研发计划“十四五”重大研发需求征集工作，针对这次疫情防控工作中的具体问题，已凝炼并申报完成多个前瞻性研发方向，力图为我国实现应急管理体系和能力现代化贡献成电智慧。

数字化病理系统是指将计算机和网络应用于病理学领域，是一种现代数字系统与传统光学放大装置有机结合的技术，它是通过全自动显微镜或光学放大系统扫描采集得到高分辨数字图像，再应用计算机对得到的图像自动进行高精度多视野无缝隙拼接和处理，获得优质的可视化数据以应用于病理学的各个领域。数字病理系统可一次装载多片载玻片，XY行程80mm*60mm，XY轴速度可达30mm/s，最小步进0.25 μm，Z轴行程10mm，运动速度0.2mm/s，最小步长0.1 μm，可以实现实时拼接和实时对焦功能，在荧光染色方面也支持荧光扫描。

智慧供热系统是以供热系统的信息化和自动化为基础，以信息系统与物理系统深度融合为技术路径，运用物联网、空间定位、云计算、信息安全等“互联网+”技术感知连接能源系统“源-网-荷-储”全过程中的各种要素，运用大数据、人工智能、建模仿真等技术统筹分析优化系统中的各种资源，运用模型预测等先进控制技术按需精准调控系统中各层级、各环节对象，从而构建具有自感知、自分析、自诊断、自优化、自调节、自适应特征，支撑供热系统运行调控过程中人的思考决策，进一步提升系统能效、安全性、清洁性，降低碳排放的新一代供热系统。

我国肝移植的原发病40%以上是原发性肝癌，预防和治疗肝癌复发是提高肝癌肝移植疗效的关键。本项目针对我国肝癌肝移植的特点，将多角度的防治措施贯穿于肝移植的术前、术中和术后，探索出一套符合我国国情的肝癌肝移植临床实践经验，通过综合措施预防和治疗肝移植术后肝癌复发，提高了肝癌肝移植的整体疗效，患者生存率达到欧美先进移植中心的水平，相关技术体系和研究走在我国移植界的前列，取得以下成果。（一）进一步完善了肝癌肝移植的术前评估。在国内率先开展中性粒细胞 /淋巴细胞比率（NLR）与肝癌复发 关系的研究，发现NLR与肝癌复发密切相关，并在国际上率先建立了 一种基于NLR的术前预测评分模型，受到国际同行的高度关注。在国 际上率先研究发现术前HBV DNA高载量与肝移植后肝癌复发有关。 （二）规范了肝癌肝移植的手术及围手术期管理，改良的“附加腔静 脉整形的背驮式肝移植”术式适用于绝大多数肝癌受者，简化了手术 步骤并提高了手术成功率，已在国内多家移植中心推广。率先将超声 造影新技术应用于肝移植后的常规监测，极大地提高了超声医学在肝 移植中的应用价值。开发了快速、准确检测免疫抑制剂常见代谢相关 基因多态性的诊

ZigBee无线传感器网络中，来自于传感器节点的数据通过协调器来汇聚，通过USB或RS232接口与PC机、ARM等系统连接的必备部件。在两者之间，通过采用路由器来扩充能够容纳的网络节点数据、延长通信距离、维持通信网络。