聚氨酯是重要高分子合成材料，用于制造泡沫塑料、纤维、弹性体、合成革、涂料、胶黏剂、铺装材料和医用材料等，广泛应用于交通、建筑、轻工、纺织、机电、航空、医疗卫生等领域。目前，全世界生产聚氨酯都是采用光气异氰酸酯路线，本项目首创的绿色生产技术，以二氧化碳替代剧毒的光气，与有机胺、多元醇、聚酯多元醇、聚醚多元醇等为原料，具有原料成本低 (比光气异氰酸酯路线低20～30％) 、转化率高、过程清洁等特点，产品质量优异，优级品含量大于99.5％，经济性好，具有最强的国际市场竞争力。随着环境保护、节能减排的日益重视，该项目的开发，对于节约宝贵的能源、利用二氧化碳废气、促进节能减排、经济社会和谐发展具有非常重要的意义。5万吨/年HDI型聚氨酯，总投资26000万元。

氨基甲酸酯可应用于医药、农药、染料、精细化工中间体，合成异氰酸酯、聚氨酯，工业涂料、可在许多过程替代剧毒的光气，在纤维改性、新材料合成方向发展很快。但由于国内却大部分企业工艺技术落后，生产成本高。存在三废、污染环境等问题，导致国内供不应求，每年进口2万余吨。 本课题组开发了绿色清洁生产新技术，过程安全、环保，成本降低40％以上，产品质量优异，优级品含量大于99.5％，具有很强的国际市场竞争力。 年产1万吨氨基甲酸酯，总投资4962 万元。

本发明公开了一种生物质裂解制备富含氢气的合成气的方法，以生物质颗粒(≤2mm)为原料，以 0.005-0.01t/h 速率通过螺旋进料器进入流化床反应器，流化床 N2 进量为1.0-1.5m3/h，压力 0.01-0.08MPa，在 450-550℃的条件下进行裂解，裂解反应产生的高热蒸汽通过微波催化床，在催化剂表面发生催化重整，生物油蒸汽进一步转变为合成气，微波催化床通入少量氧气抑制催化剂表面结焦生成。本发明通过第一阶段流化床裂解后的生物油蒸汽接着在微波固定床发生催化重整反应，降低了能耗，提高了氢气和生物质转化率。

本发明涉及一种工艺条件温和，对设备要求低，产物均匀性好，一步合成纳米钯催化剂的光合成制备方法，其是采用普通市售白炽灯为辐射光源，在水-乙醇混合溶液内，以表面活性剂-大分子复合体系在溶液中形成具有自组装行为且与金属离子之间存在着超分子相互作用的软物质团簇为模板，在室温温和条件下制备纳米钯催化剂。

本发明涉及一种利用全细胞催化合成海藻糖的方法.发酵培养能大量生产海藻糖合酶的重组大肠杆菌细胞,通过使用生物表面活性剂对重组细胞进行通透性处理,经处理的细胞以麦芽糖为底物子啊磷酸盐缓冲体系中合成海藻糖.经透性化处理的大肠杆菌以25%-3%的麦芽糖为底物合成海藻糖,在20-25℃反应16-20h底物的转化率可达到55%-60%,并且反应液组分十分简单,大大简化了海藻糖的提取纯化工艺.利用本发明的提供方法可以实现大规模,低成本,高效率生产高质量的海藻糖。

各种支链氨基酸（如缬氨酸和异亮氨酸）、活性氨基酸（如 γ-氨基丁酸、谷胱甘肽）是目前需求市场巨大的高价值氨基酸，本研究室利用系统生物学和合成生物学最新原理，利用基因工程技术，构建了一序列具有自主知识产权的遗传转化工具，消除了开展代谢工程的制约因素；然后对氨基酸合成关键酶、代谢网络 进行了定向改造和针对性设计；最后系统改造宿主菌细胞膜壁成分，优化辅因子再生和生长效率，最终提升工业菌株产率。 创新要点 针对高价值氨基酸生产菌株，对其合成途径关键酶进行定向改造，赋予抗反馈抑制性性质，强化其转录表达；通过基因敲除优化其整体代谢网络，增大目的产物流量；优化菌株通透性、胞内能荷和氧化还原环境，增强其胁迫抗性和生长性能。 

本项目从白酒大曲中分离筛选出具有自主知识产权的高效脂肪酶生产菌华根霉，建立了利用华根霉全细胞脂肪酶在非水相中催化合成以己酸乙酯为代表的短链芳香酯技术体系，并实现了产业化。此方法反应条件温和、反应特异性强、有毒副产物少、反应效率更高；转化产物品质高，合成的短链的脂肪酸酯主要包括己酸乙酯、戊酸乙酯、庚酸乙酯、辛酸乙酯等，属于天然等同生物香料，具有巨大的市场需求和商业价值。相关技术成果 2006 年获江苏省科技进步一等奖，2003 年获教育部提名国家技术进步二等奖。

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。