（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。

面向AI等应用发展趋势推出的新一代高性能、高密度插卡式交换机 产品特性： 固化4个扩展插槽，每槽位最大可支持32个100G端口，更好满足数据中心网络演进需求 支持2+2电源与5+1风扇热插拔，支持GR完美重启，实现硬件与链路可靠性双重保护 三层路由功能轻松适配多重业务，数据传输高效有保障 多重管理方式选择 网络维护简单有效 构建下一代数据中心网络 AI/机器学习等应用的高速发展，驱动下一代数据中心网络向100G/400G演进。下一代数据中心网络，要求设备在单位空间内，具备更高的性能、更大的带宽，RG-S6920-4C在4U高度空间内，最大可提供128个100G端口，或64个100G端口+16个400G端口，更好的满足下一代数据中心网络的演进需求。 构建高性能、低延时数据中心网络 RG-S6920-4C交换机配合RG-S6510系列交换机，基于PFC/ECN等网络流控技术，以及MMU调优技术，可构建端到端、无损、低时延转发的RDMA（Remote Direct Memory Access，远程直接内存访问）基础承载网络，满足AI/机器学习、高性能计算、分布式存储大数据等应用场景的网络部署要求。 电信级可靠性保护 RG-S6920-4C交换机支持2+2电源冗余，5+1风扇冗余，所有电源模块以及风扇模块均可以热插拔而不影响设备的正常运行。此外整机还支持电源和风扇的故障检测及告警，可以根据温度的变化自动调节风扇的转速，更好的适应数据中心的环境。还具备设备级和链路级的多重可靠性保护。采用过流保护、过压保护和过热保护技术。 除了设备级可靠性以外，该系列还支持丰富的链路可靠性技术，比如支持GR快速重启、BFD快速转发检测等机制。当网络上承载多业务、大流量的时候，降低异常对网络业务的影响，提升整网可靠性。 IPv4/IPv6双栈协议多层交换 RG-S6920-4C交换机，硬件支持IPv4/IPv6双协议栈多层线速交换，硬件区分和处理IPv4、IPv6协议报文，支持多种Tunnel隧道技术（如手工配置隧道等等），可根据IPv6网络的需求规划和网络现状，提供灵活的IPv6网络间通信方案。 支持丰富的IPv4路由协议，包括静态路由、RIP、OSPF、IS-IS、BGP4等，满足不同网络环境中用户选择合适的路由协议灵活组建网络。 支持丰富的IPv6路由协议，包括静态路由、RIPng、OSPFv3、BGP4+等，不论是在升级现有网络至IPv6网络，还是新建IPv6网络，都可灵活选择合适的路由协议组建网络。 完善的管理性 支持丰富的管理接口，例如Console、MGMT口、USB口，支持SNMPv1/v2/v3，支持通用网管平台。支持CLI命令行， Telnet，集群管理，使设备管理更方便，并且支持SSH2.0、SSL等加密方式，使得管理更加安全。 支持SPAN/RSPAN镜像和多个镜像观察端口，可以将网络流量输出分析以采取相应管理维护措施，使原本不可见的网络业务应用流量变得一目了然，可以为用户提供多种网络流量分析报表，帮助用户及时优化网络结构，调整资源部署。

南京大学国际地球系统科学研究所和地理与海洋科学学院张永光教授、居为民教授和陈镜明院士团队在全球变化和陆地碳循环领域取得重要进展。未来全球变暖的速率及陆地生态系统对全球变暖的响应是《Science》杂志列出的未来25年需要解决的125个重大科学问题之一。工业革命以来，人类活动造成大气中二氧化碳（CO2）的浓度持续上升。CO2浓度的不断增加，在通过温室效应导致全球变暖的同时，也提高了植被的光合作用速率（即CO2施肥效应），增加陆地生态系统吸收大气CO2的能力（即碳汇能力），从而减缓全球变暖的速率。研究表明，大气CO2施肥效应是造成近几十年来全球陆地生态系统碳汇显著增加的决定性因素，也是全球变绿的主要驱动因子之一。因此，在全球尺度定量化评估CO2施肥效应，并分析其时空变化格局，有助于准确评估全球陆地生态系统的固碳能力以及其变化趋势、降低未来气候变化预测的不确定性十分重要。 尽管基于控制实验可以在叶片和冠层尺度对CO2施肥效应的机理进行了的研究，但控制实验的数量、空间分布和物种代表性有限，全球尺度CO2施肥效应的时空变化得定量评估尚不清楚。长时间序列遥感观测为全球CO2施肥效应研究提供了数据基础。因此，该研究首先基于系列卫星传感器的观测数据，研制了1982-2015年全球新型植被指数（NIRv）数据，验证其作为全球植被光合作用（总初级生产力，GPP）指示器的可行性；在此基础上，构建了准确评估全球CO2施肥效应的检测-归因模型，揭示了近四十年全球CO2施肥效应的时空变化特征，评价了结果的可能不确定性；最后，结合欧洲ICP Forests等机构提供的欧洲地区叶片氮磷观测和全球陆地水储量等遥感数据，揭示了全球CO2施肥效应时空变化的可能原因。 研究表明，全球CO2施肥效应在近四十年呈现显著的下降的趋势；2001-2015年的全球CO2施肥效应比1982-1996年显著降低。全球超过70-80%的陆地植被区域CO2施肥效应呈现下降的趋势，欧洲、西伯利亚、南美洲和非洲大部以及澳大利亚西部地区尤为明显；在少部分地区CO2施肥效应存在着上升的趋势，例如东南亚部分地区和澳大利亚东部地区。多个生态系统模型同样能够模拟出全球CO2施肥效应的下降趋势，但显著低于基于遥感数据的结果。

这项研究首先建立了全球现代禾本科物种与气候对应关系数据集~1200万条，发现~10°C等温线是北美、东亚地区早熟禾亚科和黍亚科/虎尾草亚科分布的分界线，~400 mm等降水量线是北美、南非地区黍亚科和虎尾草亚科的分界线；同时发现各个大陆禾本科物种分布特征、气候适应区间有所不同，可能原因是区域气候，地形和本地物种等非生物和生物因素造成的。

本发明公开了一种基于一体化端到端多路径传输的数据传输方法及系统。其中，该方法用于包含多宿主机的一对通信主机间的数据传输，所述方法包括如下步骤：所述通信主机获取对端的可用地址列表；从所述可用地址列表中，选择目的地址和源地址，确定端到端的传输路径；将数据包依据所述端到端的传输路径，进行数据传输。本发明可以充分利用多宿主机的多宿特性建立尽可能多的端到端路径，使多宿主机可以在尽量少的人为参与下维持端到端路径，并将数据包按照其设定的源地址在相应配置了该源地址的接口发送。