本发明公开了一种基于九开关管逆变器的多功能分布式电源并网装置，当电网正常运行时，将NSI的一个输出端口经由并网变压器接入配电网，将微源产生的电能逆变成符合并网条件的交流电，并维持变流器直流母线电压稳定；将NSI的另一个输出端口通过并联形式接入电网，在电流环中加入谐波电流补偿值，用于改善电网电能质量。当电网故障时，利用NSI所提供的两个输出端口之间的协调配合，实现分布式电源的低电压穿越。相比于背靠背型的逆变器结构，本发明不仅可以节省三个开关管，降低系统成本，还可以同时对配电网电能质量问题进行补偿，实现

XM/ALS1000A高级心肺复苏、AED除颤训练模拟人 （计算机控制/无线版）   执行标准：执行美国心脏学会(AHA)2015国际心肺复苏(CPR)＆心血管急救(ECC)指南标准。 XM/ALS1000A高级心肺复苏AED除颤训练模拟人（计算机控制/无线版）由全身模拟人、计算机控制系统、AED模拟除颤训练仪组成，可进行CPR训练考核、AED模拟除颤训练等操作。   一、产品特点： ■ 本模型为成年男性整体人，采用高分子材质，肤质仿真度高。 ■ 解剖标志明显，具有仿真的头颈部，头部可水平转动，有利于清除异物。 ■ 胸部体表标志明显（胸骨角、乳头、剑突等），便于胸外按压的操作定位。 ■ 可触及颈动脉搏动，死亡状态下，颈动脉搏动消失，抢救成功后，颈动脉搏动恢复，颈动脉搏动与有效按压相关联。 ■ 心肺复苏术：仰卧位，头可后仰，便于清除呼吸道异物，可进行胸外按压。 ■ 可进行口对口人工呼吸或者使用简易呼吸器辅助呼吸，有效人工呼吸可见胸廓起伏。 ■ 瞳孔示教：死亡状态下，模拟人瞳孔散大，抢救成功后，双侧瞳孔由散大变为正常。 ■ 模拟人和计算机之间通信方式：蓝牙无线通信。 ■ 模拟人手臂关节灵活，可进行搬运练习。   二、软件功能： ■ 软件依据《美国心脏学会2015国际心肺复苏心血管急救指南标准》的操作标准对心肺复苏操作进行评价。 ■ 软件形象的展示了心肺复苏急救流程，图文并茂的介绍了急救链中的每项操作要点。 ■ 操作模式：训练、考核、实战三种操作模式，每种模式均可自行设置操作时间、按压次数、按压深度、吹气次数、吹气量、CPR循环次数等，老师也可调节和变更按压和通气的考核标准值，建立符合当次考核状态的心肺复苏标准。 ■ 学员管理：可自由编辑学员名称及编号，用于存档。 ■ 人工口对口呼吸(吹气)时： · 动态条码指示灯显示潮气量大小：吹入的潮气量正确由条码绿灯显示，吹入的潮气量过小由条码黄灯显示，吹入的潮气量过大由条码红色指示灯动态反馈显示潮气量大小。 · 电子计数显示：详细记录吹气正确和错误的次数（吹气量过大、吹气力量过小）。 · 语音提示：中文语音提示，详细提示吹气错误的具体原因以便训练者及时改正。 ■ 人工手位胸外按压时： · 动态条码指示灯显示按压深度：按压深度正确由条码绿灯显示，按压深度过小由条码黄灯显示，按压深度过大由条码红色指示灯动态反馈显示按压深度。 · 电子计数显示：详细记录按压正确和错误的次数（按压力量过大、按压力量过小、按压位置错误）。 · 语音提示：中文语音提示，详细提示按压错误的具体原因，以便训练者及时改正。 ■ 全程心电图显示： · 抢救前：显示为濒临死亡的心电图, 呼吸图消失。 · 抢救中：进行按压操作时，显示按压心电图，频率与按压频率一致，呼吸监护显示潮气操作图形。 · 抢救成功后：显示为窦性心律，呼吸恢复正常。 ■ 依据《2015年美国心脏协会心肺复苏及心血管急救指南》的操作标准，对心肺复苏操作进行评价，操作达标，模拟人复活，操作未达标，模拟人死亡。 ■ 模拟人3D动画：正常状态时，模拟人3D动画有瞬目，休克或死亡状态时3D动画为闭眼。 ■ 成绩单所有操作结果数据以表格形式清晰显示，并可保存成绩单，可连接通用打印机对成绩单进行打印。 ■ 按压与人工呼吸比：30：2（单人或双人）。 ■ 操作周期：先30次按压再2次人工吹气，30：2五个循环周期CPR操作。 ■ 操作频率：100-120次/分。 ■ 操作时间：以秒为单位计时。   三、AED模拟除颤功能： ■ 自动体外模拟除颤仪设计符合人机工程学，打开盒盖则设备开机，关闭盒盖则设备自动关机，具有单键除颤功能操作，面盖背部可存放AED电极贴片。 ■ 模拟急救现场AED的工作流程，但无高压电击除颤工作，全程中文语音提示，指导学员熟悉BLS的工作流程及AED使用要点。 ■ 自动侦测除颤电极片的贴敷位置是否正确，学员通过反复使用模拟AED可以熟悉电极片贴敷位置。 ■ 系统内置12个脚本（一次除颤的室颤、多次除颤的室颤、反复颤动的室颤、发现并解决故障-电极片松动、发现并解决故障-触碰病人、发现并解决故障-电池电量低、非除颤心律、二次除颤的室颤、三次除颤的室颤、室颤、发现并解决故障-电极片松动-电池电量低、发现并解决故障-触碰病人-电池电量低），可模拟不同情景的急救现场情况，并且全程语音提示指导训练者完成BLS训练，可以根据需要暂停或继续BLS过程。 ■ 故障模拟功能：通过遥控器选择可以进行情景模拟的语音提示，包括：除颤过程有其他人接触病人身体、贴片位置错误、贴片位置正确、无需除颤、需要除颤、机器故障、电池电量低等。 ■ 电量管理功能：AED训练器自动侦测电池电量，当电池电量不足时，系统将有“电池电量低，请更换”语音提示。在两次AED期间，系统处于待机状态，进入省电模式，开机后如果3分钟内无任何操作，系统将自动进入关机状态。   四、标准配置： ■ 心肺复苏全身人体模型：1台 ■ 手拉推式硬塑箱：1只 ■ 计算机：用户自配或选配 ■ USB蓝牙适配器：1个 ■ 电源适配器：1个 ■ CPR安装操作软件：1套 ■ 复苏操作垫：1条 ■ 一次性呼吸面膜(50张/盒)：1盒 ■ 可换肺囊装置：4套 ■ 可换面皮：1张 ■ AED模拟除颤仪：1台 ■ 操作指南光盘：1张 ■ 急救手册：1本 ■ 说明书：1册 ■ 保修卡合格证：1张

本发明公开了一种基于分布式多光源的可见光多载波通信系统发射机设计方法，包括如下步骤：(1)调制装置；(2)波束成形；(3)IFFT处理；(4)削波处理；(5)直流偏置；(6)数模转换；(7)LED阵列。本发明的有益效果为：(1)多光源可以同时为通信和照明系统提供无所不在的覆盖，在阻碍和遮蔽影响下更加鲁棒，可以提高数据速率和服务质量，增加调光灵敏度；(

1998.9--2002.7 

本发明公开了一种考虑逆变型分布式电源接入的配电网故障区域定位算法，包括如下步骤：(1)建立恒功率控制方式下逆变型分布式电源故障特性分析模型；(2)根据配电网中联络开关、断路器等开关器件的分布特点对配电网进行分区处理，使用图论的理论分析方法，建立配电网的图模型，并设定配电网的电流参考方向；(3)利用设定的配电网电流参考方向以及断路器处保护装置上传的故障信息，通过矩阵运算求取故障判断矩阵，实现故障区域的定位。本发明能够满足分布式电源接入，无需动作值整定，具备一定拓扑结构自适应的能力。

本发明公开了一种分布式电源接入对配网三段式电流保护影响的评估方法，基于规则库实现，规则 库中包含若干条顺序执行的规则步骤，这些一般性的语义规则适用于任意的配网系统和分布式电源接入 情况，且每条规则通过描述性语言指导操作者该如何构造短路场景，并选择哪些保护的 I、II 或者 III 段 进行校验。这样，操作者无须根据所研究的系统来分析确定校核步骤，只要顺序执行规则库中的规则步 骤便能高效准确地判断分布式电源接入方案对保护的影响：当规则库中的所有规

"本发明公开了一种利用网关节点缓存优化分布式块存储写性能的方法,具体包括：缓存经过网关节点的数据，并采用计数表对各数据块的访问次数进行计数；对于用户请求，若为读请求，则在读请求命中缓存时从缓存读取数据，在读请求未命中缓存时从本地节点或者副本节点读取数据；并将该请求访问过的节点计数加一；若为写请求，则先写网关节点的缓存，然后在该写请求对应的其他副本节点上做日志备份，用于掉电恢复；在提高系统性能的同时还保证了数据的可靠

本发明公开了一种提高分布式缓存的命中率并减少固态硬盘磨 损的方法，结合缓存数据分布特性和固态硬盘特性优化缓存性能并降 低成本。它能根据应用场景分配内存缓存区并将 SSD 划分为连续分布 的与内存缓存区等大的 Cage，内存缓存区缓存新数据，内存缓存区的 数据达到上限时将内存缓存区所有数据写入 Cage，擦除内存缓存区进 行新的数据缓存。替换算法通过分析内存缓存区中的数据的访问频度 分布，设定 Cage 中替换算法参数

（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。

在国家自然科学基金项目的资助下，电子科技大学计算机学院李洪伟教授带领团队在云—端协同的安全智能云系统方面取得研究进展，针对终端环境不可信、联邦学习难验证、存储数据不可靠以及加密数据难检索等难题，提出了非可信环境下面向云终端的智能评估与认证、云—端协同的可验证联邦学习、密态数据的完整性智能验证和海量密态数据的高效检索等核心技术，形成了自主可控的安全智能云系列产品。