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。

机械产品性能预测技术是在虚拟样机技术基础上，结合产品的特点和要求，在产品的设计阶段就对产品的性能进行预测。汽车动力学仿真研究所现有成熟的产品性能预测技术有：1．刚度，强度及承载能力预测；2．疲劳性能预测；3．固有频率，模态及动态响应分析； 4．撞击性能预测；5．温度场，热应力场分析；6．汽车整车性能分析；7．建模造型技术。

本发明属于生物质能源技术领域,涉及一种生物质能转化装置,尤其是一种中小型移动式室外生物质热水发生器,其主要包括由容水室,燃烧室和保温层等共同围成的发生室,投料口,控氧调节口,排气调节口,水位观测器,测温及注水孔,出灰口等;其能够适应北方高寒地区恶劣的野外使用环境,不需要自来水管道连续供水,不需要提供其它能量源,通过控氧调节口,排气调节口的调节,可按要求提供不同温度的温热水,并利用排气余热解决水位观测,温度测定问题,在包括畜牧业,家禽养殖业在内的多种涉及野外作业的行业中具有广泛的应用前景.

2020年2月3日，复旦大学张永振团队在Nature 在线发表题为“A new coronavirus associated with human respiratory disease in China”的研究论文，该研究报告了一名在海鲜市场上工作的患者，该患者于2019年12月26日入住武汉市中心医院，患有严重的呼吸系统综合症，包括发烧，头晕和咳嗽。支气管肺泡灌洗液样品的基因组RNA测序，鉴定了一种新型的RNA冠状病毒，在此称为为WH-Human-1冠状病毒（也是后面称为的2019-CoV）。 

聚乳酸被全球公认为21世纪最有发展前景的生物质塑料，它具有良好的生物降解性/相容性、力学性质、热塑性、成纤性、透明度高，适用于吹塑、挤出、注塑等多种加工方法，加工方便，部分性能优于现有通用塑料；但其同时也存在着强度较低、脆性大、耐热性差等不足，使得其应用仅局限于生产通用塑料、薄膜等领域，要想应用于条件较为苛刻的汽车、航空航天、建筑业等领域，必须对其进行改性以提高其耐热性能和力学性能。本项目拟采用课题组多年来积累的研究成果，与相关企业展开合作，进行成果的转化和产业化工作，最终形成具有市场潜力的系列化改性聚乳酸复合材料制备技术，例如天然纤维增强聚乳酸、高韧性聚乳酸、高填充级聚乳酸、阻燃级聚乳酸和纤维级聚乳酸等的制备技术，通过这些技术制备的改性聚乳酸树脂将具有更加优异和针对性的性能，主要用于生产聚乳酸纤维、薄膜、板材和容器等，可应用在生活快消品、农用地膜、飞机/汽车内饰用材料等领域。项目目标是通过深入研究，对部分尚不完善的技术环节进行最后的攻关，然后整合已有的技术与专利成果，并进一步放大实验和标准化测试，形成一系列可直接产业化的系统化解决方案技术包，最终顺利完成相关技术成果的产业化转化工作。 本项目研究采用的原材料为可生物降解的聚乳酸，经过本团队十多年的研发，目前已实现产业化。本项目的主要工作是梳理课题组多年来对聚乳酸树脂改性的相关技术，与授权专利等成果整合，进一步放大成系列化的产品技术，最终顺利相关技术成果的产业化转化工作。 项目中的大部分关键技术均已被攻克，目前需要做的是有目的的对所有技术进行梳理和整合，查漏补缺，对部分尚不完善的技术环节进行最后的攻关，从而形成完整的系统化的产品技术，并与相关授权专利进行整合，最后打包形成一系列可直接产业化的系统化解决方案技术包。目前70%的聚乳酸市场在对性能要求不太高的包装行业中，随着人们环保意识的增加，该市场容量会继续增加，但由于聚乳酸整体市场的快速增长，包装材料所占聚乳酸市场比例会逐渐缩小。在汽车、家电及电子产品行业中对更高性能聚乳酸改性材料的使用是个新趋势，市场份额虽然不大，但会持续增长。目前聚乳酸在全球市场的总容量预计为100亿元，且有很好的成长潜力。本项目技术面对的正是高性能、高附加值的潜在市场，其产业化预期会有良好的经济效益；项目产品在环境污染治理和防护方面的贡献将会产生良好的社会效益。

利用蚯蚓动物反应器将有机废弃物与脱水污泥进行同步处理，能够解决区域一定范围内的以污水处理厂污泥为主的有机废弃物污染问题。蚯蚓的适应和消化能力强，能够起到分解混合物中的有机物，调节系统的氧化还原条件和改善微生物群落结构等作用，迅速的完成将污泥到处理产物(蚯蚓粪和蚯蚓)的转化。本研究从资源循环利用角度出发，主要研究蚯蚓动物反应器对污泥处理的最佳反应条件及处理产物的应用前景，以期为更好的将有机废弃物与污泥一并资源化利用提供科学指导与理论依据。

2-酮基-D-葡萄糖酸 (2-keto-D-gluconic acid，2KGA) 是工业上大规模生产的一种有机酸，主 要用于食品抗氧化剂D-异抗坏血酸及D-异抗坏血酸钠的合成。本项目采用氧化葡萄糖酸杆菌 静息细胞转化法生产2-KGA。转化反应体系中，底物葡萄糖浓度达到300g/l左右，2-KGA的产 率在95%以上，时空产率达到13.48g/l/h。国内外报道的最高发酵生产水平是11.4g/l/h。 现有的2-KGA生产，主要通过荧光假单胞菌发酵葡萄糖或淀粉水解糖。工艺面临的主要问 题是抗噬菌体菌株的筛选、连续发酵的周期长、菌体与CaSO4 的分离等。 本项目采用静息细 胞转化法生产2-KGA。本项目和发酵法比较，具有转化反应简单、易控制、时间短、后处理容 易等优势。