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。

同济大学吴志强副校长指导科技园以最快的速度开发完成并部署上线“天骄系统”，取代原有的人工操作模式和流程。入驻企业人员信息的采集、收发、汇总、统计、分析和上报等各项工作，以及园区人员的入园登记、出园登记工作，全部在“天骄系统”中完成。“天骄系统”上线后，园区所有入驻企业员工在手机端登记每日健康状态，只需要不到10秒就能完成。对健康登记信息中有异常情况（主要指发烧、咳嗽）的人员，管理后台可以做到及时发现、及时跟踪并持续关注，大幅提升了疫情防控中人员管控工作的效率。同时，“天骄系统”彻底解决了人工操作模式下存在的数据规范性差、数据质量不高、数据不能实时共享等问题，为科技园各分园（基地）工作人员的数据统计、查询及汇总工作提供了极大便利，大幅度提高了工作效率，有效提升了基础数据的规范性和准确性。“天骄系统”实现了园区入驻企业员工入园及出园的自动读码、身份核验和通行语音提示等功能，极大地提高了企业人员进出卡口的通行效率，减轻了园区工作人员的管控压力，为园区以及园区入驻企业守牢复工复产第一道安全闸门，从而可以帮助企业有序、安全地复工复产。 同济科技园不断创新，在系统中又增加了实时监控功能模块“天骄湾实时大数据监控平台”（以下简称“天骄系统监控平台”）。 天骄湾实时大数据监控平台 

产品详细介绍 u 三路麦克风输入 u 麦克风独立调节 u 线路立体声输入 u 录音立体声输出 u 外接4-16Ω喇叭 u 高、低音调节 u 话筒48V独立切换 u 话筒反馈状态独立切换 u 供电方式：AC220V/50Hz u 反馈移频量：5Hz±1Hz u 输出功率：100W u 频率响应：非反馈移频状态：20Hz ～ 20kHz       反馈移频状态：150Hz ～ 15kHz

产品详细介绍

100万投资项目集、7000万公司库，自带数据基础标的信息一键入库，关注赛道智能推荐数据中台按需定制，助力投资决策全维度金融数据API，按需定制深度清洗数据

产品特点 1. 一体化硬件设备，非PC架构，嵌入式Linux操作系统，高度集成图像识别跟踪、自动导播、直播、采集录制、视频统计等系统模块。图像识别跟踪无需额外安装任何跟踪辅助摄像机，利用全景摄像机即可进行图像分析，即可支持低龄学生、身高差大的班级。 2. 视频采用H.264 High Profile 4.2编码方式，纯硬件DSP方式采集高清视频及VGA信号，支持8路视频信号输入（内置4组高清摄像机信号输入模块以及2组电脑信号输入模块，2路DVI视频信号输入模块），信号类型支持HDMI/VGA/HD-SDI/DVI/IP。音频采用AAC高清编码方式，支持1组6.35mm立体声音频输入接口和2路音频RCA立体声音频输入接口，2路音频RCA立体声音频输出接口。 3. 配备两路千兆网络接口，减轻网络负载压力；内置VOD点播模块，无需安装插件，可通过网络进行视频文件在线点播，可提供至少50路的公网在线直播。 4. 内置远程视频互动模块，不需要任何辅助设备即可支持4方课堂视频互动专递。支持升级系统软件为互动录播系统，录播主机在主讲教室可带三个点的互动听讲课堂，可任意切换主讲和听讲。 5. 主机自带2T硬盘空间。文件管理数据库可对课件进行管理，在嵌入式设备上录制信息、课件名均以中文存储，课件查询方便快捷。并带有自动上传及定时上传到额外指定的FTP资源服务器的功能，支持NAS网络存储。 6. 采用最先进跟踪算法，通过人脸轮廓检测方法，准确率达到90%以上；支持跟踪识别屏蔽功能，支持站立坐下、左右、前后宽动态识别技术，支持站立时间设置、跟踪面积识别等跟踪特点。

   对于MVB设备测试的内容及方法在国外已经取得了一定的成果，但测试工具、方法垄断，仅用在少数相关企业的产品。国内在此方面的研究还在起步阶段，目前还没有成熟的测试工具与方法。因此，基于此种情况参考IEC61375相关标准，设计测试方案进行测试。应用范围：     城市轨道交通领域的制动设备网卡的测试。

技术成熟度：技术突破 1.原理：结合磁浮列车极端运行工况，充分考虑运行环境的强磁场，深入研究机-电-磁耦合机制，精确调节磁体悬浮姿态，以实现超导磁体在液氮温区（-196℃）自稳定悬浮。 2.创新点： （1）研发国产化低功耗悬浮控制模块，能耗较进口设备降低35%； （2）突破-196℃环境下多系统协同控制技术，填补国内工程化应用空白。 3.应用场景： （1）高速磁浮列车静悬试验台 （2）精密仪器运输平台 （3）航空航天地面测试装备 4.应用案例：前期开发的自由度控制系统，已被合作团队应用且效果较好。

终末分化的体细胞可以通过SCNT或者诱导性多能干细胞（iPS）技术，重编程至全/多能性的状态。与SCNT和iPS技术相比，化学小分子诱导（CiPS）仅使用化学小分子就能使普通体细胞发生重编程，逆转为多潜能干细胞。CiPS技术不仅简单，而且不受试验材料限制及不涉及伦理方面的问题，因此CiPS具有更广泛的科研、临床及育种应用价值。然而，CiPS的诱导耗时长且效率低，如何提高CiPS的诱导效率，是化学诱导细胞重编程领域亟待解决的问题之一。 本研究针对哺乳动物SCNT和CiPS介导的体细胞重编程效率低与克隆动物出生率低等关键科学问题，利用课题组在2018年自主研发的“胚胎ZGA实时监测系统”，结合siRNA-repressor和mRNA-inducer技术，对16种“合子基因组调控因子（ZGA-regulator）”进行筛选。结果发现，Dux、Dppa2和Dppa4在体细胞重编程的早期阶段发挥关键作用。如用CRISPR-Cas9敲除Dux，克隆胚胎将完全被阻断在2-细胞时期。只有在瞬间过表达Dux（tOE-Dux），使其符合内源Dux时空特性时，才能提高核移植重编程效率，我们将这种方法称为D-SCNT。此外，D-SCNT结合干扰DNA甲基化酶（si-Dnmts）能够进一步提高克隆动物的出生率。研究还发现，特异性过表达Dux可以显著提高CiPS的细胞重编程效率和提高干细胞的多能性，并对相关机制做了阐释。 该研究首次揭示了ZGA调控因子Dux在体细胞重编程中的作用机制，时空特异性过表达Dux可大幅度提高克隆效率和化学小分子诱导多能干细胞的建系效率，为干细胞的再生医学与生物工程应用提供了新的途径。