利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（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。

本实用新型的曲面光学结构的多电荷耦合器件组自适应成像仪，属于图像信息获取和处理领域。其结 构为：3个CCD构成仿复眼的曲面结构，再分别连接到3个可编程视频信号处理芯片的模拟信号输入端；可编 程视频信号处理芯片的状态信息输出到复杂可编程逻辑电路(CLPC)中作为控制信号，而数据信号则经过上 述3个电可擦存储芯片分别输入到3个第一类DSP数字信号处理芯中，3个第一类DSP数字信号处理芯片的控制 信号输入到1个第二类DSP数字信号处理芯片做为片选信号和使能信号。该成像仪具有随光照条件改变自动 调节融合模式的成像功能，它不仅可以在正常光照条件下获取高对比度的图像，还可以在较弱光照条件下 获取高亮度敏感性的图像。

哈尔滨工程大学惯组及面压测试系统采购项目竞争性磋商

深入解析黄酒酿造机理并且创新生产技术与装备，是黄酒产业可持续发展 的必由之路。项目围绕如何科学评价黄酒麦曲质量及产品感官体验、如何高效生产优质麦曲、如何提高产品感官体验等关键技术难题等，本项目完成了基于 组学技术的黄酒酿造关键技术与装备的创新及应用。 创新要点 建立了黄酒麦曲及酒醪发酵机理解析方法，阐明酿造过程的微生物驱动力。解析了液化力、酸性蛋白酶活力、酒化力等活力形成的关键微生物，高级醇及生物胺形成代谢途径及关键微生物；通过风味组学技术解析黄酒风味物质形成及变化过程；通过培养组学技术证明微生物是麦曲活力、黄酒风味的主要来源；发现氧气浓度、温度、湿度是麦曲微生物群落结构形成的核心驱动力。全面系统地解析麦曲的各项指标，针对传统麦曲制作中环境依赖、生产效率低、品质不稳定等问题，在已有机械化制曲（国家技术发明奖成果）的基础上首次开发了智能化精准制曲技术与装备。构建了黄酒产品风味轮，阐明了关键风味物质的最适浓度范围。证明β-苯乙醇、异戊醇、异丁醇、组胺、苯乙胺以及酪胺等高级醇和生物胺是影响黄酒醉酒和醒酒的关键化合物，建立了适用于不同黄酒酵母亚株及酿造工艺的高级醇调控方法

本发明公开了一种 SDN 环境下的源端可控组播数据传输方法及 系统。本发明包括：发送端执行数据发送，自主指定接收端主机的集 合，更灵活地控制数据传输，提高了数据接收的安全性；控制器完成 数据控制服务，基于全局网络拓扑视图，对数据转发路径生成、数据 传输等过程，进行集中控制；接收端完成数据接收，不同于传统网络 中的组播成员程序，不需要与网络中间设备进行频繁的通告，只与控 制器进行至多 2 次简单通信，其他时间只是等待或

基因网络分析表明sh1基因作为转录抑制子可抑制多个木质素合成基因的表达，sh1基因功能丧失后，木质素的合成增多，使得离层细胞的细胞壁强度增强，种子成熟时离层无法断裂，最终导致谷子失去了种子自然落粒性。

在肠道稳态和损伤修复过程中，肠道干细胞发挥着关键作用，而肠道干细胞命运及功能受到微环境等多种因素的调控。

本发明公开了目的基因转化甜樱桃的方法及其在甜樱桃原生质体瞬时转化中的应用。本发明公开的甜樱桃转化方法包括：将甜樱桃果肉愈伤组织进行悬浮继代培养，得到悬浮细胞；将悬浮细胞用CPW13M进行处理，得到CPW13M处理的悬浮细胞，CPW13M为向细胞‑原生质体清洗液中加入甘露醇得到的甘露醇质量百分比浓度为11％‑15％的溶液；用纤维素酶和果胶酶酶解CPW13M处理的悬浮细胞得到甜樱桃原生质体；以甜樱桃原生质体为受体进行甜樱桃转化。实验证明，本发明的甜樱桃转化方法可以将目的基因在甜樱桃原生质体中进行瞬时表达，可以用来进行目的基因的功能验证及蛋白质和细胞器的定位，还可用来检测蛋白质互作及细胞代谢。