本发明公开了一种低剖面方向图可重构的基片集成波导H型喇叭天线，主要包括三个部分：电可调馈电网络、辐射单元和直流偏置电路。本发明的方向图可重构的基片集成波导喇叭天线可以实现主波束方向在水平面0°、90°、180°和270°扫描，具有低剖面、宽带、结构简单，操作方便等特点。

XM-SM智能中医舌诊、面诊图象分析仪系统   XM-SM智能中医舌诊、面诊图象分析仪系统采用一体化设计，将舌诊仪、面诊仪融于一体，可进行舌像采集分析与处理、面像采集分析处理等辅助诊断教学。   一、舌像采集分析处理： ■ 计算机控制内部相机进行自动对焦拍摄，操作简单，图像清晰，完全实现舌象采集自动化。 ■ 采用数字化舌象采集平台与标准化方法还原，使舌象真实再现。 ■ 内部摄像采用模拟自然光源并能进行光线调节，使采集环境保持稳定。 ■ 在特定的光源环境下，采用摄像头获得舌像信息，对舌体图像的颜色、纹理、轮廓进行特征提取，由计算机将这些特征值与特征数据库中的阈值进行比对判断，给出舌象分析结果。 ■ 可以随时查询病例报告。 ■ 可以分析舌质颜色、舌苔颜色、舌形状、舌态。 ■ 软件可以根据实际舌象的瘀斑、点刺、齿痕、裂纹等症状用文字显示舌象特征、临床病症以及饮食及用药建议。   二、面像采集分析处理： ■ 通过对病人面部图像进行分割、人机病症问诊作答，结合医生专业诊断，给出专业诊断结果并打印成报告，该系统能达到辅助中医临床诊断的作用，从数据库中读取面诊以及问诊信息数据，建立和编辑病例，建立中医诊断报告。中医面诊检测分析系统采用形状模型实现对眼睛、鼻子等器官进行定位，提取出额头、下颏和两颧区等人脸区域。通过采用K-means算法对面部图像的颜色进行提取，计算不同的颜色聚类中心的距离而进行面部颜色的分析；通过采用改进的2DPCA对面部图像进行特征抽取，通过计算测试样本特征与训练样本特征之间的余弦距离，实现对面部图像的光泽分析。 ■ 面象采集主要是在特定的光源环境下，采用高清晰摄像头 获得患者面部的图像信息，将这些特征值与特征数据库中的阈值进行比对，给出面色分析结果。可分析12种面色：青色、赤色、黄色、白色、黑色、正常、淡白、淡红、红、 深红、暗红、紫黑。 ■ 测试结果用表格显示，简洁易懂，并可以生成PDF文件保存以便查询，也可以打印报告。

（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。

西安科技大学煤炭信息技术研究所从2008年开始就对煤炭物流综合管理信息平台着手开始研究，目前此项目技术已经成熟并在全国开始推广应用。成果咸阳、新疆、内蒙等地中取得良好的应用。

随着电子政务、电子商务的发展，信息技术已经渗透到政府日常运作的每个环节，“无纸化”办公已成为发展趋势。信息技术的应用极大地提高了工作效率，但也带来安全上的巨大风险。每年都有大量因网络攻击、存储介质的保管不善或在网络中传输过程数据被截获或篡改等造成的失泄密事件，不仅直接威胁到国家的安全。妥善解决文件数据的安全成为政府和社会关注的重点和亟待解决的问题。 在网络条件下实现电子文件的安全共享是一项复杂的系统工程，也是国际性难题。为此，本项目将以我国自主发明的CPK标识认证系统为基础，开发完成基于CPK技术的安全文件服务系统。通过将文件的使用控制管理及对文件的数据加密两种手段紧密结合，构建起一个从服务器到客户端，涵盖存储、传递到使用各个环节，集文件加密、访问控制、授权管理、动态密钥交换、过程审计、动态跟踪为一体的保密文件数据管理体系，不仅能够能保证文件在存储状态下和网络传输过程中的安全，还可以通过数字签名保证文件和数据的真实性、完整性和不可抵赖性，实现数据、文件密码级的安全存储、传递和共享。 基于CPK技术的安全文件服务系统可应用于政府，实现内部机密文件的安全存储和共享，有效地解决当前各单位最担心的机密文件和数据的丢失问题。同时，该项技术也可以扩展应用到数字版权管理、视频点播、虚拟资产保护等领域，对发展教育娱乐等产业，保护知识产权具有重要意义，是一项经济价值和社会价值都非常大的技术项目。具体操作方式是全密化、私密化，防窃取、防扩散，密钥交换过程不需要服务器内对文件数据进行加、脱密操作，保证了系统的高效运行；采用认证登录防止非法接入，通过对登录用户，文件阅读、批阅等进行详细记录和安全审计，及时发现和制止非法操作，一旦出现问题可进行责任追溯；提供用户端的文件保密（利用自身的标识对文件加密）和用户间的安全信息交互功能（利用对方的标识加密）。

中厚钢板跟踪管理系统是一个工厂层的信息系统，介于企业领导层计划系统与生产过程的直接控制系统之间，它以当前的视角向操作人员/管理人员提供生产过程的全部数据和信息（如：原料、半成品、成品和客户要求等），在工厂自动化系统中起着中间层的作用，它根据底层控制采集与生产有关的实时数据，对短期生产作业的计划调度、监控、资源配置和生产过程进行优化。 系统采用最新的计算机和网络技术实现了整个中厚钢板生产线所有工序钢板跟踪和生产数据管理。在详细分析了解中厚钢板复杂繁琐的生产工艺和生产流程的基础上，根据实际生产的业务和管理要求，采用自律分散的系统结构、先进的自动跟踪控制逻辑和面向业务人员的业务流程模型，实现了整个中厚钢板生产线的信息化操作和管理，解决了各道工序之间信息不流畅、容易出现混钢混号、管理人员不能掌握生产实时信息等问题，提高了中厚钢板生产企业生产效率、管理水平和信息化程度。 系统主要实现原料管理、生产计划生成、板坯跟踪、在线称重和生产数据统计等功能，系统的应用显著提高了中厚钢板企业的生产效率和现代化管理水平。经实际使用表明，系统实用性强、操作方便，能满足实际工作的需要，受到用户好评，经济和社会效益显著，推广应用前景良好。

·场景应用 烟感：教学楼挑高普遍很高，设计按照每个烟感保护面积为30平米，烟感采用吸顶安装，均匀布置 于教室内并远离墙壁及空调出风口部位，有条件的升级为无线烟感，可直接接入云平台。 电气火灾：智慧用电设备安装于每层强电井内及配电箱内，可安装有开口式剩余电流探测器及温度传感器。 火灾自动报警系统： 教学楼普遍已安装，可采用传输设备来实现独立系统的集中云平台管理， 消防水及喷淋水系统： 建议采用安装无线压力传感器及无线液位传感器来实现。在每层楼的喷淋管末端放水处安装一个压力传感器，而在消防水池及屋顶水箱都安装压力传感器及液位传感器来达到实时监测其液位高度及压力大小的目的。 体育馆、报告厅是典型的大空间建筑，单体面积大， 空旷，层高很高。针对这类建筑往往光电感烟探测器就起不到探测的作用了，所以在设计时候就采用了诸如水炮，VFD，吸气式等大空间火灾设备。而这些大空间设备都是独立系统，没有接入火灾报警系统。此种情况下，本方案采用取其开关量信号接入用户信息传输设备，并安装智慧用电系统和水系统的方法。 校园安全精细化管理平台由智能终端和系统模块两部分组成，其中智能终端主要为人脸识别测温设备， 系统模块为疫情防控-人脸识别测温管理系统和疫情防控-大数据智能分析平台。 智能人脸测温一体机落地部署，与速通门进行联动，实现校园出入口人员体温身份验证管控。支持多重身份核验（人脸&身份证&校园卡）。 ·服务优势 无感测温 人脸识别同时采集人体温度，并数据上传到管理系统及智能分析平台。 精准测温 实名精准测温：有效测温距离1.0米( 误差± 0.3 ℃)， 并可自定义预警体温值(37.3℃);与人脸识别身份绑定，实名测温。 人脸识别 基于最新人脸识别算法，实现戴口罩也能精准识别。内置数据库，实时完成抓取得人脸归类、比对及结果上传到后台数据库。 实时联动 当体温高于预警值(37.3℃)，可通过大数据智能分析平台进行实时联动预警。 统一管理 实现数据回溯、大数据分析、可视化决策。 团队能力强 团队有近20年的先进智能软硬件及物联网产品设计、系统集成、平台&大数据服务能力和经验，专业的工程勘察、施工、维护能力;可为客户提供从产品定制化，模块化以及一站式服务; 产品实用性强 拥有多项产品发明，实用新型，及软件著作专利;所有软硬件产品均模块化设计，高集成，高品质， 高性能;有持续产品，平台优化及行业数据分析服务能力 客户认知，模式成熟 方案已经成功在上海，江苏，广西，广东等多地部署，涵盖政府，消防以及企事业，“智慧消防项目” 曾获南京政府创新一等奖 资质服务 公司是上海消防协会物联网资质会员;作为上海，南京等多地消防部门认可的资质服务商，积极参与了当地相关的智慧消防建设，并得到了消防部门和客户的认可 ·平台功能 GIS地图子系统提供各系统所需地图的数据源及展示功能。可以在全区地图上展示学校信息、学校安全设备     及各类传感器的分布和状态。 结合GIS地图展现，可对区下辖学校重点区域（门口、食堂、实验室、图书馆、校园周边）实时监控，支持     身份识别、传感报警。

Ø  成果简介：基于局域网的分布式设备维修管理系统主要包括设备管理模块、设备故障信息管理模块、设备维修调度管理、相关管理部门之间的信息传递和权限管理模块、实时监控模块等。本系统可以与ERP、PDM系统集成，也可单独使用，实用于大型企事业单位设备管理、维修、调度和生产实验部门使用。本系统的主要特点是能够对设备静动态信息进行全生命周期管理、单位内部可根据权限设立多个用户端，从厂长、生产调度部门、工艺部门、设计部门、设备管理部门到生产车间或实验室都可入网。支持软件：VC++，Oracl

拓扑分析：对应系统划分。 潮流：离线状态和在线状态潮流计算。 无功优化：分离线和在线无功优化，根据系统运行状况，正常状态下按网络损耗最小进行优化；重载状态下按电压水平最好进行无功优化；选用三种方法进行，即线性规划法、罚函数法、非线性规划的内点法。 系统电压、无功性能评价：本系统开发在任意优化断面下系统的电压、无功评价体系，主要包括各负荷母线的载荷能力、均匀程度，薄弱环节及应关注的关键负荷节点，并给出相应的调整措施。 输出结果：对应任意方式下无功控制量的调整结果，如变压器可调整的分接头，电容、电抗器的投切位置、发电机及调相机的无功输出，给出优化化前和优化后系统各母线的电压、网络损耗。 电力系统绘图方式送入、SCADA信息接收、原始数据修改。 运算或控制结果图文并茂。 配合状态估计可实时运行，配合在线潮流可在线运行。 系统应用业绩： 大庆电业局调度自动化系统 佳木斯供电局无功优化及电压管理系统 铜川供电局无功优化及电压管理系统