该发明属于猪的分子标记辅助选择技术领域，具体涉及一种作为猪标记辅助选择的与初生重性状相关的分子标记GLI2的克隆及应用。该分子标记为猪GLI2基因第8外显子区的一个G-A多态位点（导致NcoI-RFLP多态性），该多态性位点各基因型与大白猪初生重、白细胞数目、淋巴细胞比率和嗜碱性粒细胞比率呈显著关联(P<0.05)，且AG基因型个体的初生重显著高于GG型个体（P=0.005）。 主要技术指标：DNA的提取，PCR-RFLP 应用范围：大白猪 该分子标记可用于大白猪初生重性状的改良，直接提取血液DNA，实验室进行PCR-RFLP检测公母猪基因型，通过选配，有望提高仔猪初生重。 转化条件：猪场，PCR仪，电泳仪 成果完成时间：2017年6月

SAPO-34 分子筛由于其特殊的孔结构和量子效应，使其在选择性吸附与分离、能源开发、石油炼制等方面有着广泛的应用前景，尤其对于垃圾生成的生物气中甲烷与二氧化碳的分离有着优异的性能。南开大学与有关单位形成产学研合作，共同开发 SAPO-34 分子筛的制备及在生物气净化分离中的重要应用。目前已完成实验室第一阶段研发及小规模中试生产，并实现部分销售。本项目开发出一种在碱性条件下超声波老化，程序升温晶化法合成 SAPO-34 分子筛新方法。可以有效地将老化时间降低 3/4，大大缩短工期，提高分子筛性能，将陶瓷膜分离与喷雾干燥相结合进行产品的干燥、成型，成功地解决SAPO-34 分子筛晶粒较小（纳米级），分离困难等问题。采用电解与离子交换膜结合法处理工业废水技术，做到变废为宝，排放零污染。 已与国际著名生物气净化分离设备供应商 XEBEC 公司形成合作，在不断的交流与完善中，制备的 SAPO-34 应用于 XEBEC 研制的专利产品生物气净化处理器中，分离效果得到国外客户的充分肯定。我们有信心将自主研发、生产的具有民族品牌的 SAPO-34 新型分子筛产品，切实应用于“低碳经济”环节链中，充分利用废物资源，变废为宝。

本发明公开了一种直流电机的驱动?调速一体式约束预测控制方法，本发明将这种驱动?调速一体式的控制技术应用于直流电机，首先利用广义比例积分观测器技术在串级电路和转速的光电编码器采集的转速信息的基础上对系统的集总干扰进行估计，得到重构后的集总干扰信息，结合模型预测控制相关技术设计出针对直流电机的带输入约束的输出反馈控制器，在保证系统动态响应性能的基础上，因为不需要使用电流、电压以及转矩传感器，降低了系统的成本，提高了系统容错能力，同时可以明显地抑制参数摄动和负载转矩突变等因素引起的干扰，从而大大提高直流电机系统的输出转速的控制精度和干扰抑制能力。

利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（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。

西北农林科技大学高精度地物光谱仪采购项目竞争性磋商

本发明公开了一种基于拉曼光谱技术的等鞭金藻中胡萝卜素分布的检测方法，采用拉曼光谱仪，获取活体等鞭金藻藻液样本的拉曼光谱原始信息；以色素中的胡萝卜素为例，结合曼光谱仪获取胡萝卜素标准品的谱线；将获得的等鞭金藻藻液样本的原始拉曼数据进行预处理，结合胡萝卜素的标准品谱线，指认等鞭金藻藻液样本的拉曼谱峰对应的谱峰位置；选取一定区域的藻液样本进行面扫描，将胡萝卜素对应的特征谱峰处的拉曼强度值进行积分，即可得到等鞭金藻藻液中胡萝卜素分布的化学图像。本发明解决了现有检测方法需要对样本进行染色或复杂的化学处理，操作相对繁琐、耗时、耗力的问题。

本发明公开了一种可在宽光谱范围内实现滤色波长动态可调的滤色装置，圆柱形腔体；以及在该腔体内的油相流体、水相流体、以及均匀分布于油水两相流体界面的金属纳米颗粒。其中圆柱形腔体侧壁以及底部分别设置有两个独立电极，可通过电润湿原理调整水相流体在侧壁表面的浸润特性，从而实现对油水两相界面曲率的快速、可回复调整。此外，金属纳米颗粒分布呈现周期排列，通过利用表面等离子体选择性透射特定波长的光来输出所希望的颜色。由于透射波长受到金属纳米颗粒阵列排布密度的影响，因此可以通过电润湿原理，对金属纳米颗粒阵列排布密度进行

本发明公开了一种适用于水面光谱远程实时监测的自动化装置与方法，装置包括总控系统、无线通 讯系统、全球定位系统、观测几何自动调整系统、光谱测量系统、跟随拍照系统和远程服务器；光谱测 量系统安装在观测几何自动调整系统上，总控系统通过电缆分别与无线通讯系统、全球定位系统、观测 几何自动调整系统、光谱测量系统、跟随拍照系统电气连接，无线通讯系统通过无线网络与远程服务器 连接通信；方法包括：观测几何调整的自动化、光谱测量的自动化、图像记录的自动化、远程实

世界上首台有机融合电化学、光谱学和质谱技术的优势于一体的“单细胞时空分辨分子动态分析系统” 一、项目分类 重大科学前沿创新 二、成果简介 南京大学化学化工学院陈洪渊院士领衔的科研团队，在国家自然科学基金重大科研仪器专项支持下，联合清华大学、东南大学、中国医学科学院药物研究所的研究人员，攻克了单个细胞内分子反应动力学过程高时空分辨和微弱信号精准测量的技术瓶颈，研制成世界上首台有机融合电化学、光谱学和质谱技术的优势于一体的“单细胞时空分辨分子动态分析系统”。 首次阐明单细胞内溶酶体中生物催化反应机制；创建了胞内不同空域热传导系数的准确测量，阐明胞内热量产生与耗散机制以及胞内“出汗”与机体“出汗”散热的生命整体一致性；研制成的极紫外(VUV)质谱成像，摆脱了MALDI技术对电离介质的依赖，极大地降低了二次离子质谱(SIMS)的电离碎片，从而降低了重构分子结构的难度，显著提升了我国生命与健康领域高端科研仪器的国际竞争力。 本项目迄今已发表研究论文逾百篇。包括PNAS 4篇，NatureComm. 2篇，Science Adv.1篇，JACS 6篇，Angew. Chem. Int. Ed. 6篇，Anal. Chem. 49篇等。申请了国内专利41件，国际专利1件，授权18件。项目组成员获得教育部“长江学者奖励计划”青年学者以及2018年度仪器仪表学会分析仪器分会“朱良漪分析仪器青年创新奖”；所研发的“单细胞活性分析仪”获“2018年度科学仪器行业优秀新产品奖”及“2021年度日内瓦发明金奖”。