本发明提供基于微结构参数的黏土固结系数预测方法，该方法包括有以下步骤：进行不同压力作用下土的固结实验，根据常规土工实验测取孔隙比；算出不同固结实验的固结系数；采用扫描电镜方法获得相应样品断面处的微观结构照片；对土的微结构照片进行颗粒体区域和孔隙体区域分割，并抽取颗粒体单元总数、单元方向、总面积、总周长、面积比信息；对颗粒体进行分析并建立累计贡献率95%以上的主成分表达式；建立主成分与该种土固结系数之间的关系。有益效果是采用该方法，将黏土的固结系数与其微结构参数联系起来，可根据黏土的孔隙比和微观参数主

区域隐伏矿体三维定量预测评价，可以用一句话概述地表达为：以多年积累的二维地质调查成果与经验为基础，依托三维可视化技术拓展为三维实体地质模型，以成矿控制因素有利组合部位的定量圈定与筛选实现深部矿产资源的定位与评价。因此，系统地收集研究区的地质、矿产基础资料，在平面地质图和剖面（钻孔）图等基础地质资料的基础上利用地质三维建模技术构建三维地质模型；在此基础上，针对成矿有利部位开展矿产地质调查、深部钻探和大比例尺物、化探等工作；利用三维矿产预测模型，有机的组合各种成矿预测相关信息，提取有利成矿条件，寻找有

成果简介焦炉炼焦过程中所产生的荒煤气经集气管、 初冷器和鼓风机等环节处理后传输给化产及煤气用户。 传输过程中， 集气管压力系统和鼓风机调速系统的稳定优化控制对于炼焦生产有着十分重要的作用。 当集气管压力过高时， 一方面造成跑烟冒火，污染环境； 另一方面降低了荒煤气的回收率， 造成能源的浪费。 当集气管压力出现负压时， 空气就会从炉门、 炉盖等处进人炉体， 导致焦炭质量下降、 缩短炉体使用寿命及煤气中氧含量增加。 为此我们针对非对称分布多焦炉多集气管共用一套鼓冷装置的系统设

本发明公开了一种陶瓷刀具沟槽磨损预测的新方法，属于金属 高速切削领域。该模型预测方法步骤包括：检测难加工材料被加工表 面硬化层深度；进行难加工材料陶瓷刀具高速加工实验，获得并定量 测量对应刀具沟槽磨损边界；通过测量分析，获得沟槽磨损宽度和深 度数据；通过多元线性回归方法获取沟槽磨损宽度和硬化深度的关系； 建立沟槽磨损宽度和深度之间的微分关系；最后建立沟槽磨损深度和 硬化层厚度之间的对应关系。由于本发明中在预测陶瓷刀具沟槽磨损 时考虑了被加工表面的硬化层深度，从而更加接近真实的加工状况， 提高了沟槽磨

本发明公开了一种水电站负荷区间预测方法，充分利用历史负荷数据，通过计算待预测日已知时刻负荷序列与各历史日实际负荷序列的线形差异度获得待预测日的相似日集合，根据待预测日的相似日进行待预测日点预测，再通过对大量历史负荷预测误差样本进行分析，得出未来负荷可能取值的概率性区间结果。根据区间预测结果，水电站决策人员在进行生产计划、实时调度等工作时能够更好地认识到未来负荷可能存在的不确定性和面临的风险因素，从而及时作出更为合理的决策，并为水电站实时负荷分配提供依据。

本发明公开了一种基于改进遗传算法的配电网互动方案编制方法，根据具体的互动需求、配电网用户的申报互动容量和互动成本以及互动用户的功率和电量数据通过带精英策略的非支配排序遗传算法得到各互动用户的用电曲线，并根据各互动用户的用电曲线制定各互动用户的参与互动的调度计划。根据上述方法制定的调度方案，模拟各互动用户的响应行为。本发明通过带精英策略的非支配排序遗传算法合理安排需求侧用户的互动方案，降低配电网的峰谷差，减小新能源发电出力波动的影响从而实现配电网中电源、负荷的协调运行，达到配电网整体消纳新能源以及可靠经济运行的目标。

（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。

本技术成果为一种分子体积计算方法及两分子的形状比较方法，旨在解决现有技术计算分子体积时间 较长、精度不高的问题。本技术成果通过使用高斯函数来表达一个分子中的各个原子的体积，同时给予每 个高斯函数一个权重因子（该因子与原子所处的环境相关），不仅降低了分子的三维形状定量比较的计算 复杂度，更提高了计算精度。

近年来，随着我国工农业生产的迅速发展，我国土壤环境中的重 金属（尤其镉和铅）污染日益严重。传统的重金属污染土壤治理存在 着以下缺点:(1)成本高;(2)破坏土壤生态环境;(3)可能造成二次污染。 因此，一般很难在大面积中-轻程度污染的污染土壤修复治理中实际 推广应用。 本成果已获得授权国家发明专利（周启星, 刘维涛, 魏树和. 一 种筛选重金属低积累作物品种的方法，授权日期：2012 年 12 月 12 日, 专利号：ZL200810229329.X），通过筛选和培育排异和低积累土壤镉、 铅、砷等有害元素的农作物品种，提供了一种在重金属中-轻程度土壤 进行农业安全生产的技术方法，是一种成本低、操作简单、对土壤干扰小，原位绿色和安全高效的技术途径，利用本方法可以达到边安全 生产边修复土壤污染之目的。 本项目初步制定了低积累品种筛选标准(1)该植物的地上部和根 部的污染物含量都很低或者可食部位低于有关标准，尽管其它部位可 能污染物含量较高；(2)该植物的富集系数(BFs)小于 1.0，即植物体内 污染物浓度低于土壤中污染物浓度；(3)该植物的转运系数(TFs)小于 1.0，即植物吸收的污染物主要累积在根部，向地上部转运较少；(4)该 植物对污染物具有较高的耐性，在污染环境中能够正常生长且生物量 无显著下降。 该方法与传统的污染土壤治理方法相比，具有投资少、工作量小、 技术要求不高等优点，具有一定的创新性和实用性；而且作为一种污 染土壤的安全生产技术，所收获作物地上部重金属含量低于国家相关 标准，食用该作物不会对人体产生危害，可以通过出售该作物获得较 高的经济效益；对作物根进行集中处理，不会造成二次污染，同时固 定修复进程不仅不会破坏土壤生态环境，还有助于改善因重金属污染 而引起的土壤退化和生产力下降，恢复并提高其生物多样性。因此， 在重金属中-轻度污染土壤种植低积累作物具有良好的经济、环境和 生态效益。

近年来，随着我国工农业生产的迅速发展，我国土壤环境中的重金属（尤其镉和铅）污染日益严重。传统的重金属污染土壤治理存在着以下缺点:(1)成本高;(2)破坏土壤生态环境;(3)可能造成二次污染。因此，一般很难在大面积中-轻程度污染的污染土壤修复治理中实际推广应用。 本成果已获得授权国家发明专利（周启星, 刘维涛, 魏树和. 一种筛选重金属低积累作物品种的方法，授权日期：2012 年 12 月 12日, 专利号：ZL200810229329.X），通过筛选和培育排异和低积累土壤镉、铅、砷等有害元素的农作物品种，提供了一种在重金属中-轻程度土壤进行农业安全生产的技术方法，是一种成本低、操作简单、对土壤干扰小，原位绿色和安全高效的技术途径，利用本方法可以达到边安全生产边修复土壤污染之目的。 本项目初步制定了低积累品种筛选标准(1)该植物的地上部和根部的污染物含量都很低或者可食部位低于有关标准，尽管其它部位可能污染物含量较高；(2)该植物的富集系数(BFs)小于 1.0，即植物体内 污染物浓度低于土壤中污染物浓度；(3)该植物的转运系数(TFs)小于1.0，即植物吸收的污染物主要累积在根部，向地上部转运较少；(4)该植物对污染物具有较高的耐性，在污染环境中能够正常生长且生物量无显著下降。 该方法与传统的污染土壤治理方法相比，具有投资少、工作量小、技术要求不高等优点，具有一定的创新性和实用性；而且作为一种污染土壤的安全生产技术，所收获作物地上部重金属含量低于国家相关标准，食用该作物不会对人体产生危害，可以通过出售该作物获得较高的经济效益；对作物根进行集中处理，不会造成二次污染，同时固定修复进程不仅不会破坏土壤生态环境，还有助于改善因重金属污染而引起的土壤退化和生产力下降，恢复并提高其生物多样性。因此，在重金属中-轻度污染土壤种植低积累作物具有良好的经济、环境和生态效益。