|
搜索
搜 索
高等教育领域数字化综合服务平台
考虑风光储协调的配电网电压控制策略研究与开发
针对分布式风光发电在配电网中的高比例接入态势，源荷存在时空不匹配特性，导致功率倒送和节点过电压等问题，面向电网网架相对薄弱地区，开展考虑风光发电不确定性的储能的选址定容研究，实现不同运行方式下储能的优化配置；提出基于有功/无功电压控制分区的新型配电系统电压控制策略，实现配电网电压的分散式与集中式协同控制，满足高渗透率风光并网场景下的电能质量要求。
沈阳农业大学
2025-05-21
内大新年第一篇Science子刊——能源材料化学研究院沈慧团队关于金属氢的研究成果在Science子刊发表
氢是元素周期表中的第一个元素，亦是宇宙中丰度最高的元素。其在宇宙演化、生命起源、分子构成、生物大分子组装、化工生产等扮演着极其重要的角色。在单个团簇中成功揭示3个“金属氢”的存在不仅深化了对含有“金属氢”纳米材料结构化学的认识，而且更为重要的是，这为我们从多维度认识氢元素的本质提供了巨大的可能。
内蒙古大学
2025-01-17
服务三农的安全可靠电子交易关键技术研究和应用
本成果针对我国农村幅员广大、信息基础设施建设薄弱、难以推广电子交易的现状，积极响应国家“三农”战略，研制适合农村应用环境的电子交易平台、交易终端和专用芯片，形成了服务三农的整套电子交易解决方案，为农村金融业务提供了创新电子交易产品，成为中国农业银行等金融机构服务“三农”的新型支付渠道。
成果基于多学科交叉和创新集成的技术路线，首创了基于瘦客户端型B-C/S架构的低成本、易维护金融交易平台和交易终端；通过专用芯片降低了终端成本，提高了终端可靠性。项目申请发明专利6项，已授权16项，其创新点解决了电子交易终端应用于我国农村复杂环境下的成本、维护、安全、可靠性等诸多关键技术问题，技术水平达到国际先进，国内领先。该成果荣获2011年江苏省科技进步一等奖。
东南大学
2025-02-06
基于深度学习的光伏并网系统电能质量预测及调控策略研究
本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。
沈阳农业大学
2025-05-21
北京创新研究所
北京创新研究所
2025-05-09
高性能氮化硼纳米材料
纳米氮化硼材料兼具氮化硼和纳米材料的双重优势，广泛应用于航空航天、高端电子散热材料、吸附剂、水净化、化妆品等领域。项目团队开发出一种能够实现形貌和尺寸均一且具有超大比表面积多孔氮化硼纳米纤维的规模化制备技术，目前市场尚未实现规模化生产。该技术合成工艺简单可控、成本低、过程绿色环保，处于国际领先地位。
1 产品的应用领域
图2 高性能氮化硼纳米纤维粉体
图3 氮化硼纳米纤维粉体微观形貌
吉林大学
2025-02-10
网站开发服务
针对跨境商家普遍存在的“官网不专业、信任难建立、转化率低”等问题，阿波罗提供定制化双语官网开发服务。我们拒绝模板化设计，每一个网站都基于品牌行业属性、用户行为数据及海外审美偏好进行深度策划与视觉实现，强化品牌形象，提升用户体验与转化效率。
核心价值：
支持中英文双语，适配国际化业务场景
强视觉表现 + 高信息清晰度，建立专业信任
整合SEO及用户体验优化，提升自然流量与询盘转化
美国阿波罗
2025-09-15
四川农业大学研究生在自然指数期刊《Inorganic Chemistry》发表封面研究论文
研究利用天然植物多酚化合物木犀草素与微量营养元素金属锰离子成功合成了一种具有类酶活性的材料（Lu-Mn纳米酶），该材料具有良好的生物相容性和生物安全性，在微酸性条件下（肿瘤微环境）可高效地将H2O2转化为具有肿瘤细胞清除能力的·OH，能够有效杀死肿瘤细胞，抑制肿瘤生长，为癌症治疗提供了一种新的策略。
四川农业大学
2025-02-24
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12
教创赛专家报告荟萃① | 中国教育科学研究院研究员、原副院长马陆亭：教育家精神内涵与时代价值
以教育家精神推进高素质教师队伍建设，以教师之强支撑教育之强，是未来教师工作的方向和教师成长的方位。
高等教育博览会
2025-09-26