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。

一种基于协调一致性的配电网络分布式电源控制方法及系统，包括提取需向配电网注入的无功功率， 形成完成向配电网注入无功功率目标的分布式电源的集合，形成协调一致性控制无功功率分解的矩阵， 计算集合中各个分布式电源的无功功率注入设定值，电压监测装置通过双向通信线路向相应分布式电源 传送无功功率注入设定值，各分布式电源根据该值产生相应的无功功率注入至配电网，使得注入无功功 率总和满足需求。该控制方法无需中央控制器，分布式电源能够自发进行输出无功功率的调节

西南交通大学​​经济管理学院2017级硕士研究生袁韵在导师指导下与国内外多名教授共同合作研究，于伦敦时间2020年4月29日在国际顶级期刊《自然》（Nature）在线发表论文《人口流动驱动新冠肺炎疫情在全国的时空分布》（Population Flow Drives Spatio-Temporal Distribution of COVID-19 in China）。该论文构建了“人口流动-风险源模型”，模型能利用有关人口流动的匿名整合数据准确预测新冠肺炎疫情的扩散时间和地域分布，便于决策者进行有效地风险评估和资源分配。在开发该模型时，研究人员基于匿名移动电话位移数据，对在2020年1月1日至1月24日期间武汉流出或途经武汉的11478484人次进行了分析，这些人口迁移至全国31个省的296个地级市。他们的研究显示，湖北省的封城举措是非常正确的，它能及时控制传染源的传播，有效降低了各地疫情的风险。此外，研究人员发现，根据2020年2月19日武汉外流人口的分布，能够准确预测到全国新冠病毒感染者的相关频率和地理位置分布。此外，通过“人口流动-风险源模型”衍生出的一个疫情发展的基准趋势和一个指数，可以用来评估随着时间的推移不同地区新冠病毒传播的风险。与大多数流行病学预测模型不同的是，他们团队构建的模型基于人口的实际流动情况来预测疫情的地域分布和传播趋势。对于新冠肺炎疫情，该模型至少提前一周预测了全国范围内的病例感染情况和地理分布。团队的研究结果能够对各地疫情风险的大小进行预警，并探测出社区传播严重的地区，在疫情发展的早期为相关部门提供决策依据，以便其能够及时采取应急措施。论文作者在摘要中提到，任何国家的决策者都可以使用这种方法，利用现有的人口流动数据进行快速而准确的风险评估，并在疫情爆发之前规划有限的资源分配。本文的作者之一，美国耶鲁大学教授尼古拉斯·克里斯塔斯基称：“这项研究结果揭示了中国有关新冠病毒案例报告的准确性，从不同来源获得的完全不同的信息（移动通信显示的人口流动）可以很好地预测病例数，这符合流行病学的预期（至少在2月19日之前）。”该项研究发布后，国际上有BBC等30多个新闻媒体报道，国内媒体也有许多报道，其中，央视国际电视CGTN、中国日报、中国科学报、环球时报、文汇报、中新网等政府官方媒体都强调了这项研究对于疫情防控的重要意义。除了文章本身的学术贡献之外，该项研究也表明，中国的疫情研究是国际合作并且是公开透明的：论文于2020年2月18日提交至世界权威学术期刊《自然》并传递给相关的国际机构，第一时间与世界分享了我国抗击疫情的经验。此外，通过论文可以看出，我国武汉以外的疫情数据是有时空规律的，与第三方的手机流动性数据完全契合，以学术证据反驳了国际上的某些谣言和诽谤。

本发明公开了一种分布式键值数据库系统，包括客户端和数据 服务器集群，客户端包括哈希模块、定位模块和转发模块，数据服务 器集群包括多个数据区间，每个数据区间包括一个主节点和多个从节 点，主节点包括第一读模块、写模块、第一恢复模块、第一日志模块、 第一决议模块和第一存储引擎模块，哈希模块用于接收从客户发来的 写请求，并根据写请求的键将该写请求定位到数据区间，每个写请求 都具有一个系统自动分配的编号,定位模块用于将写请求定

底座尺寸400*300*70mm,模具一体成型，两端呈弧形，上翘47度，两面四角注塑有1.5mm脚垫，长度25*25mm，仪器整体高度320mm，电源采用9v2A供电，电源总开关型号电源总开关型号KCD1-105 耐压400V，仪器后面装有电源接插件型号DC-5.5-2.1，方便接插，电机9V，转速3000转/分，探究离心力的运动

XM-D017A脑神经和脑神经的成分及分布电动模型   XM-D017A脑神经和脑神经的成分及分布电动模型显示十二对脑神经：嗅神经、视神经、动眼神经、滑车神经、三叉神经、展神经、面神经、前庭蜗神经、舌咽神经、迷走神经、脊髓副神经和舌下神经。显示脑神经的成分及分布：感觉神经、运动性神经、混合性神经、一般躯体感觉纤维、特殊躯体感觉纤维、一般内脏感觉纤维、特殊内脏感觉纤维、一般躯体运动纤维、特殊内脏运动纤维、一般内脏运动纤维,模型上有上述相应功能的各自独立按钮键。   尺寸：51×23×86cm 材质：PVC材料+木框   标准配置： ■ XM-D017A脑神经和脑神经的成分及分布电动模型：1台 ■ 电源线：1根 ■ 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；(