对秸秆还田实际生产问题，在研究理论上，明确了秸秆还田对大田作物的化感作用不影响作物出苗和幼苗生长，秸秆还田导致作物出苗差的原因是由于整地质量差、秸秆覆盖不均匀导致种子与土壤接触不紧密造成；揭示了不同轮作体系及还田方式的作物秸秆腐解及养分释放规律，为秸秆直接还田利用、秸秆还田条件下调整施肥技术和减量施肥提供了理论基础；阐明了长期秸秆还田通过改善土壤有机质组分和团聚体结构进而提升土壤保肥能力与优化供肥能力的机制。在关键技术上，提出了秸秆还田条件下大田作物单季生产的氮肥“后肥前移”运筹方式；制定了不同地力的秸秆还田钾肥替代标准；确定了长期秸秆还田条件下周年轮作生产的化肥减施比例。在技术集成与应用上，集成了以氮肥后肥前移、钾肥减量施用、周年化肥减施、种肥协同管理、秸秆机械化还田和秸秆促腐技术等为核心的秸秆还田综合技术；建立了适合于长江中游集约化高强度种植的稻-油、稻-麦、稻-稻-油、棉-油等不同轮作体系秸秆还田综合模式8套。 年来在湖北省共计推广1.1987亿亩，技术应用增产5.6%以上，每亩周年节省氮肥1.9公斤、磷肥0.8公斤、钾肥2.6公斤，肥料利用率提高5.3%-14.3%。 成果完成时间：2017年4月

提高聚烯烃隔膜的耐热性，增大聚烯烃隔膜热闭孔温度与破膜温度的温度差是提高聚烯烃隔膜性能的重要途径。功能隔膜是在隔膜表面涂覆一层热稳定性良好的耐热层（陶瓷等）。耐热层可以在隔膜表层形成一个稳定的框架，阻止隔膜的进一步收缩，即使隔膜局部熔化，表面的耐热层也可以置于正负极片之间，形成一个良好的绝缘壁垒，切断电流，防止短路的进一步发生。生产线经过半年多的连续生产后，完成相关配方固化，合浆、涂布、分切工艺技术开发，形成生产能力，并进行了陶瓷隔膜电池设计、试制与测试，并于2013年11月通过了中航工业集团组织的科学技术成果鉴定，专家组鉴定意见如下：“该项目开发了陶瓷涂层与聚烯烃微孔膜复合技术，研制出具有耐高温性能和热关断作用的PE 和PP 系列的功能隔膜材料，并完成了产业化技术开发，建立了一条年产300万平米的功能隔膜生产线，鉴定委员会一致认为：“该项目成果整体技术处于国际先进水平”。2013年12月，采用该功能隔膜的高容量锂离子动力电池产品通过了“电动汽车用锂离子蓄电池”强制性检测，安全性能达到使用要求。

北京豪思生物科技有限公司（简称豪思生物）是一家由留学归国人员创立的研发型高新技术企业，公司的研发及高层管理团队由多位留学欧美的资深学者和企业家组成，具有丰富的医疗技术研发及管理运行经验。 豪思生物在全球临床质谱研究领域权威科学家、公司首席科学顾问Gert Lubec 教授牵头指导下，公司自主研发了一系列临床质谱筛查产品，包括应用于阿尔兹海默症、心血管疾病、泌尿疾病等重大疾病早期筛查诊断、遗传代谢病筛查、药物浓度检测、代谢物检查（氨基酸、脂肪酸、胆汁酸）、类固醇激素检测、维生素谱检测等质谱检测产品和服务，尤其在阿尔兹海默症早期诊断、治疗与监测相关技术已具备国际领先水平。 同时，公司与美国梅奥医疗平台、清华大学质谱研究组、北京大学有着深度的合作关系，通过大力整合国内外先进技术资源，从而构建国际领先的质谱诊断平台。豪思生物的研究成果已在国内成功申请10项专利，国际专利申请工作也正同步进行。点击上方按钮联系科转云平台进行沟通对接！

一种基于物联网技术的轨道异物入侵自动检测与预警方法，具体实施步骤如下：A.搭建路面视频监控系统及车载视频监控系统；B.路网实时监控、视频信号无线传输及自适应反馈；C.云端数据、车载数据处理及异物入侵检测、识别与预警；D.全路网信息共享、异物入侵行车控制及相关路网行车调度。

本团队采用新型结构导向技术来实现亚微米和纳米二氧化硅中空微球的溶胶凝胶法和沉淀法高浓度制备，能够满足大规模工业生产的需要，并能对其纳米壳层结构进行精准调控，为相关功能材料的性能设计提供合成技术基础。现有二氧化硅中空微球制备技术的投资成本高、设备生产率低、控制难度大，无法在工业规模上对其特有的纳米结构进行精准调控，严重限制了中空微球在高端产业中的应用。本团队基于全新的中空结构导向技术，在间歇反应釜中通过溶胶凝胶法和沉淀法实现中空微球的高密度、大批量生产，具有设备生产率高、微球结构规整、壁厚可控、容易复合改性等优点，突破了中空微球规模化生产的技术瓶颈。通过改变导向剂分子结构和生产工艺微调，可在 50-400 纳米范围内对中空微球的壁厚进行精准调控，使其对不同波长的光信号产生各种响应，并能通过控制中空和多孔结构调节比表面积、导热系数、阻尼特征、机械强度等性能，满足不同功能材料领域的要求。该技术还可以实现脂溶性物质或纳米颗粒与二氧化硅的复合，制备出具有功能多样性的复合中空微球， 如将氧化锡锑（ATO）与二氧化硅中空微球复合，可制备兼具紫外光、可见光、近红外反射和隔热功能的复合中空微球保温填料。 

（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。

该项目2016年获得湖北省科技进步一等奖。由于乙酰甲喹和喹烯酮尚未确定每日允许摄入量(ADI)、残留标识物(MR)和靶组织(TT)，未能制订最高残留限量(MRLs)和休药期(WP)，喹乙醇仅有猪肌肉暂定MR及MRL，这三种药物一直没有科学的食品安全标准和风险管控技术，消费者健康受到威胁。 该项目主要创新如下： 1、针对代谢资料缺乏、无MR等问题，在猪、鸡和鲤开展放射示踪研究，鉴定出代谢物33种，发现残留物20种，阐明了代谢机制、残留消除规律及种属差异，确定了MR及TT，为有害残留的风险评估与管控提供了翔实、科学的基础数据。 2、针对毒理资料缺乏、无MRLs等问题，开展全面、系统、深入的毒理和暴露评估研究，揭示药物的毒性和毒作用特点，阐明量-效、时-效关系，确定了ADI，制订MRLs 18个、休药期6个，为有害残留的风险管控与交流提供了理论依据。 3、针对缺乏新型、高效检测技术的问题，自主研制残留物的标准品17种，建立定量/确证分析方法9种，发明快速检测的核心试剂22种，创制基于抗体的高效检测试剂盒6个，为有害残留的风险管控提供了技术支撑。 发现的代谢物和残留物，自主研制的标准品、检测方法及其标准，发明的快速检测核心试剂及试剂盒，填补了国内外空白，提升了兽医兽药科技的自主创新能力。喹乙醇新MR的发现改正了国际食品法典委员会以往推荐的错误标准。 成果完成时间：2012年