（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。

本发明公开了一种基于电压信号复合前馈的构网型VSG输出功率解耦方法，涉及电力电子控制技术领域，对构网型VSG功率同步控制的变流器输出电压信号复合前馈实现构网型变流器并网系统及实现变流器输出功率解耦的方法。包括构网型VSG功率控制模块、电网参数检测单元、线路阻抗观测器、虚拟阻抗压降前馈环路以及电压信号二次前馈环路。本发明的复合前馈控制策略结合虚拟阻抗和电压幅值与功角补偿，显著减弱了有功与无功功率的耦合作用，实现了高效解耦，适用于复杂电网环境。

本实用新型涉及功率放大器技术，具体涉及基于 FIR 数字滤波器原理的数字幅频均衡功率放大器装 置，包括依次连接的信号预处理模块、前级放大模块、数字幅频均衡模块、DAC 后级滤波模块和功率 放大模块，与数字幅频均衡模块连接的 FPGA 模块，以及与 FPGA 模块连接的触摸屏模块。该放大器装 置基于 FPGA，以嵌入式处理器 NIOSⅡ为控制核心，输出功率可达到 10W，电路效率达 66%，经过数 字幅频均衡处理后，以 10KHz 时输出信号电压

本发明公开了一种三相四开关感应电动机变频调速系统的预测控制方法，包括：A、通过感应电机驱动系统中电流传感器、电压传感器和速度传感器分别测出三相电流、两个直流侧电容电压和电机转速；B、通过测量的直流电容电压计算出四种开关组合(00,01,11,10)对应的电压矢量；C、根据测量的相电流和转速估算感应电机的定子、转子磁链；D、预测四个电压矢量对应定子磁链的绝对值、预测转矩和预测直流电压；E、计算四个电压矢量代价函数：预测

本发明公开了一种UPFC接入系统的方法，将并联换流器通过并联耦合变压器Tsh与节点k相连，节点k通过变电站变压器T进行升压，接入到串联侧线路母线上，第一串联换流器通过第一串联耦合变压器Tse1连接在第一回线路i1j1上，第二串联换流器通过第二串联耦合变压器Tse2连接在第二回线路i2j2上，第一串联换流器和第二串联换流器均连接直流电容C1两端，且第一串联换流器和第二串联换流器均耦合连接并联换流器。本发明还公开了UPFC五节点功率注入模型及潮流计算方法。本发明可以对串联侧两回输电线路分开实现潮流控制，实现N?1故障下单回线路的断面潮流控制，并且该模型并联侧接入低压侧，提高了接入节点电压水平，能够体现并联侧节点及其后续线路的影响。

8月9日，我校生命科学与技术学院、亚热带农业生物资源保护与利用国家重点实验室何正国教授领衔的合成生物学团队与北京理工大学和北京科技大学相关团队合作联合在国际著名学术期刊《自然-通讯》（Nature Communications）发表题为《绿色植物OTUB亚家族中保守的Met1特异性基序使水稻OTUB1能够水解Met1泛素链》（Met1-specific Motifs conserved in OTUB subfamily of green plants enable rice OTUB1 to Hydrolyse Met1 Ubiquitin Chains）的研究论文。

本发明公开了一种适用于单级式并网光伏逆变器的最大功率跟 踪方法。所述最大功率跟踪方法特征在于周期性执行如下步骤：(1)采 样光伏阵列输出电压，判断光伏阵列输出电压是否降低到设置的临界 值以下，是则跳过步骤(2)、(3)、(4)执行步骤(5)，否则执行步骤(2)；(2) 判断光伏阵列电压是否增加，若是则执行步骤(3)，否则跳过步骤(3)执 行步骤(4)；(3)记录当前光伏阵列电压和并网电流指令；(4)增加并网电 流指令并限幅，限幅值为步骤(5)中的记录值；(5)记录当前并网电流指 令，并减小并网电流指

第二类超导体中量子化磁通的运动行为对超导材料和器件的电磁输运性质起着关键作用。人为调控超导磁通量子的运动行为，不但可以有效提高超导体的临界电流密度，还可实现具有新功能的超导电子器件，如超导磁通整流器、磁通二极管等。以往的磁通量子调控手段往往缺乏原位可调性，极大限制了相应超导电子器件的应用。近日，南京大学吴培亨院士领导的超导电子学研究所王永磊教授和王华兵教授研究团队设计出了一种可调控的新型人工自旋冰与超导异质结构器件，不但实现了超导电性的原位开关，还实现了可开关和可反转的磁通霍尔效应。 人工自旋冰是具有集体相互作用的纳米小磁体阵列，其特殊的几何排列使得系统具有很高的简并度、新奇的低能激发态（如磁单极子）、丰富的相变和磁畴。近年来该团队致力于人工自旋冰和超导纳米结构器件等方面的研究，不但设计出了可擦写的人工自旋冰，并且于国际上首次设计和制备出了人工自旋冰与超导的异质结构器件，实现了可调控的超导磁通阻挫效应和磁通整流效应。近日该团队又设计出了一种基于风车型人工自旋冰与超导的异质结构器件，利用风车型人工自旋冰易于调控的链条状磁荷结构，以及磁荷与超导磁通量子间的强耦合作用，实现了对超导磁通运动的原位操控，展示了超导零电阻态与耗散态之间的原位开关，同时实现了可编程的磁通霍尔效应。

项目成果/简介:1991 年发现的碳纳米管（CNT）以及 2004 年发现的石墨烯（graphene），分别是一维和二维纳米材料的典型代表，被认为是 21世纪的战略性材料。 本项目发明了一类新的催化剂和大量制备 SWNTs 的方法，实现了高质量单壁碳纳米管的宏量制备（图 1），纯度达 70%以上，并达到了产业化规模（达 200 公斤/年以上）。采用机械共混及"原位"聚合 等方法，使SWNTs 有效地分散于高分子基质中，获得了以环氧树脂、ABS 及聚氨酯等为基质材料，电导率达 0.2 S/cm、导电临界含量仅为0.06%、电磁屏蔽效果高达 49dB 的复合材料。 本项目首先发展了一种可大量制备的可溶性功能化石墨烯（SPFGraphene）的方法，实现了石墨烯的百克级制备（图 2）。通过透射电子显微镜（图 3）及原子力显微镜（图 4）确定了石墨烯的二维平面结构。 获得了可溶性石墨烯材料及柔性透明导电薄膜（图 5）；制备了基于石墨烯的高稳定性有机光伏电池及复合材料。 图 5、基于石墨烯的透明电极材料 所研制的单壁碳纳米管及石墨烯已用于数十家科研机构的研究和相关产品/样机的研制，包括应用于国家 863 重大汽车电池项目（中科院物理所）和军工卫星电池项目（中国电子科技集团公司第十八研究所）等。已研制出晶体管、锂离子电池、超级电容器（图 6）以及高性能复合材料等多种产品，具有广阔的应用前景。应用范围:南开大学在碳纳米材料的制备及应用研究方面取得了一批开创性成果，该项目技术的推广，将促进我国新材料、微电子、储能、资源保护等领域的技术进步和发展，为我国在这一新型纳米材料领域占据有利地位，提高国际竞争力，做出重要贡献。