本发明公开了一种带有多孔泡沫金属换热结构的太阳能光伏光热集热器，该集热器采用上下双冷却通道结构，并结合多孔泡沫金属层(6)进行换热强化，降低了太阳能光伏元件的温度，提高光伏元件发电效率，同时将太阳能光伏元件所产生的大量热量及时传递给冷却气体，冷却气体从集热器出气口(11)排出后可以用于预热、干燥或者室内供暖等用途。本发明所使用的泡沫金属具有高热导率及高比表面积，可以有效地改善传统太阳能光伏光热集热器的冷却效率，并且采用下进上出的流式，使得换热过程接近逆流换热，换热效率达到最高。

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

（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。

陈温福院士团队孟军教授课题组在生物炭-微生物协同治理抗生素污染方面取得新进展

近日，东南大学物理学院王金兰教授与美国德克萨斯大学奥斯汀分校刘远越教授团队合作，基于第一性原理的多尺度模拟方法，结合真实电催化反应条件，在单原子稳定性方面取得了最新研究进展。

竞赛机器人性能测试及显示装置，可应用于机器人轨迹赛，如机器人直线行走、直线花样行走、直线绕障行走、按规定图形行走竞赛等，使竞赛规则更为直观、明朗，减小竞赛结果判断的人为误差。将该竞赛机器人性能测试及显示装置应用于机器人性能的评价，为生产者、销售者和购置者提供更为统一、直观、准确的评价标准。进一步扩展该竞赛机器人性能测试及显示装置，如使系统自动升降、倾斜等，可进一步丰富机器人竞赛规则、完善机器人性能评价标准。利用竞赛机器人性能测试及显示装置反馈的机器人性能信息，可进行更为深入的机器人研究开发，例如应用于人形机器人步态规划中，可推动机器人研究事业的发展。该成果已获专利 2 项，发表英文学术论文 2 篇。

(1) 在国内首次建立了网络化制造系统模式库。该模式库包括面向独立企 业、面向企业集团、面向区域、面向行业、面向企业动态联盟等五大类网络化 制造系统模式，每类模式包括体系结构、实施方案、软件集成接口、运行模式和 实施案例。其中创新性和效益比较突出的两类模式是： •在国内首次提出了企业级的网络化制造系统模式一一基于企业内、外部 网络化制造的企业信息化模式，设计出了相应的体系结构，在各大中型企业 成功实施和应用。 •在国内外首次提出了面向区域制造业的网络化制造系统模式一一“区域 性网络化制造系统"模式，被第27届国际计算机和工业工程大会选为大会主题报 告。被国家科技部列入了国家863计划，在国内外产生了较大影响。并成功设计 出了相应的体系结构和运行模式，已在我国3个省市得到了成功应用。（2）在国内以领先优势中标国家十五科技攻关项目“网络化制造平台"， 在此基础上开发成功了我国第一个多功能的网络化制造平台，通过科技部的验 收。平台由集成框架和计算机网络、数据库等五个层次组成。最顶层是应用功能 系统层，其中应用效果比较突出的应用功能系统有网络化分销管理系统、网络化 销售与定制系统、网络化协同工作支持系统和网络化软件资源共享支持系统； 前两个功能系统被国内外院士、专家组成的鉴定委员会鉴定为“国内领先" 和“国际先进水平"。

1、 本项目属网络化制造领域，是先进制造技术、计算机网络技术和现代 管理技术等学科的交叉领域。获得了 2006年度国家教育部科技进步一等奖。 2、 项目主要科技成果如下： (1)   在国内首次建立了网络化制造系统模式库。该模式库包括面向独立企 业、面向企业集团、面向区域、面向行业、面向企业动态联盟等五大类网络化 制造系统模式，每类模式包括体系结构、实施方案、软件集成接口、运行模式和 实施案例。其中创新性和效益比较突出的两类模式是： •在国内首次提出了企业级的网络化制造系统模式一一基于企业内、外部 网络化制造的企业信息化模式，设计出了相应的体系结构，在各大中型企业 成功实施和应用。 •在国内外首次提出了面向区域制造业的网络化制造系统模式一一“区域 性网络化制造系统"模式，被第27届国际计算机和工业工程大会选为大会主题报 告。被国家科技部列入了国家863计划，在国内外产生了较大影响。并成功设计 出了相应的体系结构和运行模式，已在我国3个省市得到了成功应用。 (2)   在国内以领先优势中标国家十五科技攻关项目“网络化制造平台"， 在此基础上开发成功了我国第一个多功能的网络化制造平台，通过科技部的验 收。平台由集成框架和计算机网络、数据库等五个层次组成。最顶层是应用功能 系统层，其中应用效果比较突出的应用功能系统有网络化分销管理系统、网络化 销售与定制系统、网络化协同工作支持系统和网络化软件资源共享支持系统； 前两个功能系统被国内外院士、专家组成的鉴定委员会鉴定为“国内领先" 和“国际先进水平"。市场及经济效益分析： 制造业量大面广，是一个国家和区域的支柱产业。当前，制造全球化和制造 网络化是现代制造业的主要发展趋势之一。本项目成果一方面能为一个区域网络 化制造和云制造服务平台的设计和开发提供方法、方案、技术、成果和产品支 持，另一方面也能为一个企业实施互联网+和云制造，为企业实现与互联网的融 合创新提供方法、方案、技术、成果和产品支持，具有广阔的推广应用前景。 本项目成果已在长安、力帆、铁马、贵阳普天等多家大型企业和华陶、华洋 等数十个中小企业以及重庆、泉州市、内江市等多个区域得到成功应用，已 取得了显著经济效益和社会效益，并且有广阔的应用前景。例如：长安汽车公 司、重庆力帆集团等大型企业应用本成果中企业级网络化制造系统模式及相关技 术，建立了创新的企业信息化系统，取得显著的应用效益；又如，重庆华洋电器集团、江津增压器厂等大型企业系统地应用了本成果网络化制造系统模式及网络 化制造平台中有关技术，系统实施和建立了创新的企业信息化系统，取得了显著 的应用效益。