产品概述： 中医脉诊实训教学系统采用仿生手臂来模拟真实的手臂结构，模型包含桡骨、尺骨、肘关节等骨性结构和标志。根据真实的成人上肢高仿真建模，采用硅胶外皮，手感逼真。内部含有智能控制电路，采用独有传感器模拟脉搏跳动，配合专业的三维虚拟仿真软件，为脉诊的实训提供了一种全新的实训方法。 一、软件功能： 1.1、认脉识脉：系统内置7大类模拟脉象，包含沉脉、迟脉、促脉、大脉、代脉、动脉、短脉、伏脉、浮脉、革脉、洪脉、滑脉、缓脉、疾脉、结脉、紧脉、芤脉、牢脉、平脉、平脉Ⅱ、濡脉、弱脉、散脉、涩脉、实脉、数脉等30余种单脉，还包含了浮脉相兼、沉脉相兼、迟脉相兼、实脉相兼等70余种复合脉象。 *1.2、脉诊认知：详细介绍了各个脉象的定义、鉴别、主病、脉机、应用举例、歌诀等知识。 1.3、脉象模式图：每种脉象都配备对应的脉象模式图和脉图以及脉象搏动周期、形态、浮中沉位置等，直观、形象展示脉象搏动情况。 1.4、一键返回：系统架构简洁明了，点击可返回主界面。 1.5、语音功能：针对详细注解内容，可以选取语音播报方式。 二、脉诊实训 2.1、开机检测：开机后系统可自动检测脉象设备的连接与故障情况。 2.2、脉诊原理的展示：通过模拟尺骨桡动脉的血液流动产生波动，在仿真手臂上动态形象的模拟脉搏形态。 2.3、脉诊部位：仿真手臂具有明显的桡骨茎突、肌腱等标志，可直接定位寸、关、尺的具体位置。 *2.4、正确脉诊部位的感知：手指放到正确的寸、关、尺的位置，系统可实时进行反馈感知，便于正确识别脉诊的位置。 *2.5、取脉力度：通过柱状图动态展示仿真手臂寸、关、尺三个部位取脉力度的大小，并可通过浮、中、沉、重沉四个取脉力度进行区分。 *2.6、系统可自动采集并获取用户当前取脉力度的大小。 *2.7、色块堆积：系统检测寸关尺三个部位的取脉力度，通过色块堆积的方式精准反应瞬间力度的变化。 *2.8、可对不同取脉力度的参数进行调节，可调范围为0-255。 *2.9、可自定义脉象的脉压、脉幅、频率，并配合仿真手臂来实现脉象的变化。 2.10、切脉周期：通过计算机控制脉搏的周期，详细模拟整个脉诊切脉时的时间和周期，同时脉象模式图与脉象保持同步、同频。 2.11、手臂解剖结构：可隐藏、显示三维手臂的皮肤、肌肉、神经、血管系统，以便了解手臂的解剖结构。 *2.12、三维透明功能：可调节三维手臂皮肤不同层次的透明度。 2.13、单臂硬件模型可实现左臂、右臂模式，可在系统中一键切换。 *2.14、系统内置理论试题与脉象实训试题，实训试题结合脉象模拟进行实训考核。 2.15、系统包含学生端、教师端、后台管理端。 三、考试管理功能参数 *3.1、教师端 考试管理：可以组织任意时间段的考试，设置考试时间并发布。 试卷管理：可以调用内置试题库系统自动组织生成试卷，也可以手动编辑试题组成试卷。 试题管理：可添加、删除试题，设置试题形式与分数。 学生管理：学生信息的导入和编辑管理。 考试结果：可实时记录每位考生的考试记录与信息。 智能分析：通过对考试结果的分析，方便教师掌握医学生实际学习状况。 *3.2、学生端 考试模式设置：可以接收考试提醒，实时进行考试。 实时提交：分主动提交和自动提交两种形式，实时显示考核结果并记录进个人中心，方便查看。 实训考核：基于计算机互联技术配合仿真手臂模拟脉象进行脉诊考核。 3.3、个人中心 个人考试记录：可查看脉诊理论考核与脉象考核记录详情，方便进行针对性的练习。 个人注册登录：登录个人账号可通过日历进行个人相关信息查询或学习。 个人设置：可以针对性的进行个性化设置。 四、硬件参数 4.1、多功能一体台车：符合人体工程学设计的一体台车，台车尺寸（长宽高）:110CM*60CM*77CM。 4.2、电脑一键进行开机，启动带有灯光提示，可旋转屏幕支架。 4.3、电脑配置：intel i5处理器、 8G 内存、 SSD高速固态硬盘、支持高清输出、双频WiFi网卡、24寸高清显示器。 4.4、高仿真脉诊模型一个。采用高仿真材质一体成型，手感真实，有尺骨、桡骨、肌腱、腕横纹、掌纹等骨性和体表标志。 4.5、脉枕一个。 4.6、仿真皮肤护理粉一盒。

所属领域：家用电器 项目中全直流空调器通过对每块太阳能电池模组标配一个太阳能控制器，实现每块太阳能电池板 都能跟踪到最大功率点。通过将太阳能控制器进行小型化、模块化、标准化的设计，使其可以直接安 装于太阳能模组上，实现分布式独立控制。利用蓄电池一方面可以作为短时间内的直接电源，在长时 间内主要的用途是平滑太阳能发电的功率波动，让太阳能侧的功率在加入蓄电池后变得输出平稳。基于太阳能电池和蓄电池、市电混合使用的，太阳能发电被优先利用的混合能源空调器系统。太 阳能电池板面积 4m2 光伏电池板功率 600W 蓄电池。空调器主要技术指标可以达到制冷量：3.5kW（0.35—4.2kW）制热量：4.7kW（0.4—5.2kW）制冷剂：R410A 能效比 SEER: 5.6 （GB 21455）。

本发明属于水库优化调度领域，公开了一种随机来水情况下的水库蓄水期径流分级控制发电调度方法。首先，将蓄水期入库径流划分为面临时段和余留期长时段两个阶段，分析水库多年历史入库径流数据，统计得到蓄水期各时段当前径流和余留期长时段平均径流间的转移概率矩阵。然后离散蓄水期各时段水库运行水位和入库流量，得到各时段水库水位和入库流量的组合。针对每一种组合，根据转移概率矩阵获得余留期长时段各种随机平均入流值概率，计算得到使当前时段和余留期长时段发电量期望值最大的决策流量值，对蓄水期所有时段计算完毕后组合编制得到径流

本垂直轴水轮发电机是应用于食水管道的内联闭式的水力发电系统，它通过消耗一定的水头或水动能从管网系统内部获取一定的电能来为检测系统提供安全可靠的电力并满足实际应用的要求。 1. 不改变水管中水流动方向。由于实际安装系统的空间狭小，没有足够的空间来改变水管中水流的方向。2. 安装方便简单并与管网系统有机结合。减少了安装时间和成本。减少了该系统对供水提供的影响。

该成果采用两级式电路，两级式光伏并网逆变器一般是在逆变器前级加入一个 DC/DC变换器。前级 DC/DC 变换器主要完成最大功率点跟踪功能，通过控制太阳能电池板的输出电压 UPV 跟踪基准 Umppt，进而实现太阳能电池板最大功率输出， PI 调节器的输出与载波比较生成 PWM 信号控制 DC/DC 变换器的开关管。后级 DC/AC 环节主要实现并网功能和稳定直流母线电压功能。成果中两级式拓扑结构是由前级一个 Boost 变换器和后级一个全桥逆变器构成。

本发明公开了一种D2D通信中频谱效率最大化的功率分配方法，通过分布式优化蜂窝用户的发射功率、D2D用户对的发射功率，在保证宏用户最低服务质量要求和D2D用户与蜂窝用户的功率限制的情况下最大化D2D用户的频谱效率。在给定蜂窝频带资源的情况下，最大化D2D通信的频谱效率等价于最大化D2D通信的和速率。本方法给出了在任何D2D用户都可以使用所有信道，并且任意信道可以同时被所有D2D用户占用的情况下，最优的蜂窝用户发射功率和D2D链路发射功率。主要用凸近似的方法将非凸问题近似为可求解的凸优化问题，并利用给出的闭式解快速收敛到凸问题的优化解。本发明具有收敛速度快，计算量小，易于实现，结果精度高等优点。

本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

（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。