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。

主要作了以下几方面探索： 在低维纳米结构的合成、纳米光电器件制造与性能分析方面有良好的研究基础。在纳米光电器件方面，长期从事纳米光电器件的研究与开发，已经成功地合成了一系列纳米结构以及它们异质和复合纳米结构，如TiO2、ZnO、ZnS、ZnS/ZnO 等，并在此基础上制造了基于单个纳米结构的光电器件，测试了其性能。其中发表在国际顶尖一区期刊《Advanced Materials》上的论文被美国加州大学、中科院重点实验室、澳大利亚昆士兰大学等相关课题组报道，被《Nature Communications》、 《Advanced Materials》、《Advanced Function Materials》、《Scientific Reports》等国际著名刊物引用达 123 次；发表在国际顶尖一区期刊《Advanced FunctionMaterials》上的论文被北京大学、清华大学、香港理工大学、台湾国立大学、新加坡南洋理工大学、日本东北大学、美国华盛顿大学等国际名校相关课题组报道，被《Advanced Materials》、《Advanced FunctionMaterials》、《Scientific Reports》、《Energy & Environmental Science》等国际著名刊物引用达 62 次。 在YBa2Cu3O7-δ/ La1-xCaxMnO3氧化物超导与铁磁双层结构中，观察到磁相关的近邻和耦合效应。证明了超导层中的迈斯纳电流与磁层耦合提供的磁场之间存在的相互作用，并明确了来自于超导层的空穴电荷传输到反铁磁层内，使得在靠近超导层的反铁磁薄层内电荷的重新分布，进而发生了铁磁性转变的物理机制。在锰氧化物和铜氧化物组成的铁磁/超导/铁磁/反铁磁异质结中观察到大的负磁阻峰，这是在接近超导转变温度附近的混合态所具有的独特现象，是自旋相关的界面散射的实验证据；另外，我们还发现该类氧化物铁磁/超导异质结中系统发现磁阻峰即随温度变化，其磁阻峰发生正、负性逆转的奇特效应，这是YBa2Cu3O7-δ正磁阻和La0.7Sr0.3MnO3负磁阻相互竞争的结果。其次，利用飞秒激光泵浦探测技术对YBCO/LCMO 异质结进行了泵浦探测，观测了低温下铁磁序和超导序的竞争情况，为进一步研究 YBCO/LCMO 的近邻效应打下了基础。 在 具 有 不 同YSZ(yttria-stabilized zirconia) 掺 杂 量 的YBCO/YSZ 准多层膜中观察到 YSZ 掺杂薄膜发生了化学反应，导致了具有纳米数量级钙钛矿异质相BaZrO3粒子的形成。BaZrO3粒子的形成促使了晶格的不匹配以致沉积中形成了c-轴关联的缺陷。角度相关的J c (H,T)在 H//c区域附近出现的二次峰揭示了c-轴关联缺陷的存在。基于各向异性磁通钉扎理论，我们分离了各向同性钉扎和各向异性钉扎对临界电流密度的贡献。分析表明所研究的准多层膜中产生了各向异性的缺陷，由此形成强钉扎中心，使得准多层膜在高场下仍具有较高的临界电流密度。 应用唯象含时Ginzburg-Landau 理论并使用有限元方法研究了二维、三维介观超导体的涡旋态性质。对于具有不同形状和不同方向外场作用下的介观超导体中观察到了涡旋管交叉缠绕现象。其次，通过对电流驱使下的含弱连接的介观超导带的分析，观察到了介观超导带磁化强度随时间的周期性变化。另外,在我们所研究的小超导环中出现了稳定多涡旋态。随着内半径的增长,我们发现了稳定基态的(l:L)和(2:L)多涡旋态现象。 该项目已获上海市自然基金项目立项支持。

本发明公开了一种二维层状二硫化钼薄膜的光探测器及制备工 艺，光探测器包括从上之下依次排列的电极结构、多个层状二硫化钼 薄膜以及衬底；电极结构为电极、主支、分支三部分，相邻主支之间 和相邻分支之间的间距为二硫化钼薄膜的平均大小，起到并联二硫化 钼薄膜、增大光敏面积的作用。二硫化钼薄膜的生长采用化学气相沉 积(CVD)的方法，硅片作为衬底，MoO3 粉末作为钼源，硫粉作为硫源， 通过控制钼源与衬底之间的间距、硫蒸气进入反应的时间和反应温度， 制备得到大面积的层状二硫化钼薄膜。使用该方法制备层状二硫化钼

本发明公开了一种二维层状二硫化钼薄膜的光探测器及制备工 艺，光探测器包括从上之下依次排列的电极结构、多个层状二硫化钼 薄膜以及衬底；电极结构为电极、主支、分支三部分，相邻主支之间 和相邻分支之间的间距为二硫化钼薄膜的平均大小，起到并联二硫化 钼薄膜、增大光敏面积的作用。二硫化钼薄膜的生长采用化学气相沉 积(CVD)的方法，硅片作为衬底，MoO3 粉末作为钼源，硫粉作为硫源， 通过控制钼源与衬底之间的间距、硫蒸气进入反应的时间和反应温度， 制备得到大面积的层状二硫化钼薄膜。使用该方法制备层状二硫化钼

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。