1.痛点问题 由于新能源发电易受气候环境影响、出力具有强随机波动性、且缺乏惯量支撑能力，以新能源为主体的新型电力系统供电结构将发生根本性变革，“灵活性匮乏”将成为长期矛盾，亟需汇集各类资源参与调节，增强系统灵活性、适应性。随着分布式电源和多样性负荷的接入配电网，配电网已经成为支撑高比例分布式电源安全并网、提高电网供电可靠性、挖掘新型可调控资源灵活性的关键所在，亟需研究支撑海量分布式电源并网的群控群调的关键技术，研发支撑海量分布式电源并网的群控群调软件，实现分布式资源的自律和输配电网的协调，促进高比例新能源的安全并网和可靠消纳。 2.解决方案 本项技术实现了支撑海量分布式电源并网的群控群调，主要技术要点： 1)利用量测系统采集的信息估算电力系统的实时运行状态，给出各母线的电压和相角，各线路和变压器的潮流，各光伏逆变器有功无功出力。 2)以集群状态估计的结果为基础，计算出当前时刻群内完整的有功、无功潮流分布和电压分布，覆盖变压器、光伏及储能节点和馈线。 3)基于集群控制子站对能源进行主动管理，通过控制区域内的分布式电源及其他可控资源，加以灵活有效的协调控制技术和管理手段，实现对现存资源的高效利用和可再生能源的高度兼容。 4)建立在配电自动化主站及分布式发电集群控制子站基础上的高级管理计算系统，支持在正常运行状态下以经济性为目标，以安全性为约束获得集群的日前重构组态方案，在紧急状态下以运行安全为首要目标，进行实时性的快速集群重构控制。 3.合作需求 寻求应用场景和资源对接，应用场景和业务能覆盖新疆、甘肃、江苏、浙江等新能源大省，并且与新能源领域的大中型企业有合作经验，同时具有一定的技术开发能力、市场推广资源和现场工程实施经验，能与现有团队形成合力，通过信息领域与能源领域的交叉研究，突破支撑海量分布式电源并网的群控群调的软硬件难题。为保障项目实施质量和进度要求，拟合作团队需通过ISO9001质量管理体系认证，且是国家高新技术企业。期望通过合作，全面开展产品和服务的推广销售，力争在一年内形成规模化产值，同时在各个省份组织相应的实施团队，高质量完成项目的交付，并持续做好技术支持和各项售后服务。

面向我国精准医学发展的迫切需求，在微观层面，侧重研究基因组变异规律，建立了中国人多组学数据库，揭示了基因型与表型之间的关联关系，构建了基于组学的个性化健康风险评估与预测技术体系，绘制了精准的中国人基因组变异图谱，奠定了我国在精准医学领域的国际领先地位，并承担了“中国十万人基因组计划”，有助于提升我国医学研究、医药产业和国民健康的整体水平；在宏观层面，研究了中医四诊客观化技术，该技术被列为“十三五”体现中国国家战略的百大工程项

针对畜禽粪便、稻麦秸秆和生活污泥等有机固体废弃物，通过筛选快速腐熟、除臭等功能微生物和研究有机固体废弃物好氧堆肥快速发酵的基础上，通过添加抗作物病害高效有益微生物菌群，将有机固体废弃物研制成功能生物有机肥产品，实现有机固体废弃物的处理无害化、减量化、资源化的治理目标，同时减少了化肥、农药的施用量，改善了土壤质量，提高农产品的产量和品质，达到环境效益和社会经济效益的统一。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

成果简介：随着智能手机、移动通信技术、多媒体技术的不断发展，近年来 涌现出了米聊、TalkBox、微信等语音及时通信工具。语音及时通信工具通 过移动互联网免费传递语音短信的方式，方便了信息输入的同时节约了电话 资费，已经提出就迅速流行起来。可以预见，随着语音及时通信技术和应用 模式的不断成熟，语音及时通信将成为智能手机上的一种主流通信模式。使 用语音信息隐藏技术将保密信息隐藏于语音短信，具有隐蔽性、便利性和安全性等优点。本系统实现具有不可感知性、鲁

苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。 一、项目分类 显著效益成果转化 二、技术分析 苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。系统可以处理多种非结构化数据，比如说明书、技术标准、车间工单等纸质文档或电子文档。把图像识别技术(OCR)和自然语言理解技术(NLP)相结合，从表单图像中抽取关键要素信息。在此基础上，我们搭建了包括知识图谱问答 (KBQA)、常见问题检索 (FAQ)、对话 (Chatbot)在内的智能问答及对话系统、以及面向大数据的文档信息抽取系统。能够对给定的自然语言问题通过查询、推理提供精准满意的答案，和面向大规模文档提供信息抽取和舆情分析等服务。目前已经向多家公司提供各项相关服务。

本发明提出了一种用于光谱图像数据降维的邻居点搜索方法及系统，包括首先对当前像素所在窗口 的像素进行筛选，剔除受噪声等因素干扰较大的像素；然后对当前像素以及待比对像素所在窗口内像素 分别进行排序，计算当前像素和待比对像素所在窗口的光谱距离；选取相似度最高的若干像素为当前像 素的邻居点。本发明的方法充分利用了空间信息，而且通过排序使得搜索过程不受图像几何形态上的变 化影响，具有空间鲁棒性，对一些噪声污染点也有很好的抑制作用，使得寻找到的邻居点更准确，提高 了高光谱图像数据降维处理的性能。 

本发明公开了一种基于不完整文本描述的特定行人检索方法，主要思想是把用户不完整的文本描述 转化为一个属性向量，然后采用一种属性完善的算法来丰富这个属性向量的描述能力。在检索阶段，基 于完善后的属性向量的检索过程被分为成对的两个流程：离线处理和在线处理。对于离线处理，需要训 练几个属性分类器来检测库中图片的属性；另外，还应从属性向量中学习一个距离度量标准。对于在线 处理，首先采用线性稀疏重建方法来完善用户提供的属性，然后将离线学习得到的距离度量标准运用到 完善后的属性向量中。实验证明，本发明的方法在两个具有代表性的数据集上获得了优越的性能。

课题组自1994年进行Lyocell纤维实验室小试；2001年与上海纺织控股集团公司共同申请的“年产1000吨Lyocell纤维项目”被国家发改委列入国家高技术产业发展项目计划新材料专项项目，又于2004年被批准为上海市首批“科教兴市”重大产业科技攻关项目，年产千吨规模Lyocell纤维工业化生产线正在生产。成果获“2000年度中国高等学校十大科技进展”称号。课题组还开发各种改性Lyocell纤维。