多通道记录分析装置按照虚拟仪器设计，由笔记本计算机及信号调理采集箱组成。能对多路电量进行连续记录，系统具有完善的测量分析功能，能对记录的电量进行时域和频域的全面测量分析。特别适用于电器装置投切动态过程和随机过程的测量分析。 有效值测量误差：＜0.5% 最大值/最小值测量误差：＜0.5% 波形系数测量误差：＜1% 谐波测量误差：＜3% 综合畸变率测量误差：＜1%

1 成果简介泵是维持人类社会高度文明的最重要动力设备之一。 据不完全统计， 我国目前每年用于与泵配套的电机容量巨大，消耗电力占全国用电总量的 15%以上。我国的产业用泵存在技术水平较低、可靠性较差、能效不高等问题，不符合安全生产与节能减排的社会发展要求。尤其对于应用在重要行业和工况的泵类产品，更需要进行升级改造，增加产品的技术含量，提高产品在国际市场的竞争力。 多年来，清华大学在水力机械的基础研究上与应用技术研究相结合，取得了一系列具有国际领先水平的成果，曾获得国家科学技术进步二等奖 2 项、省部级科技进步一等、二等奖20 多项。在长期研究基础上，开发了多系列的产业用泵，有力地促进了我国泵行业的技术进步。2 技术指标3 应用说明油气混输泵采取了容积泵与叶片泵混合型的结构型式，不仅能效高，而且可用于含气较高场合的油气田作业，是各种油气资源开发工程中的重要设备，实际用量很大，适合于国内及国际市场销售； 潜水混流泵适用于市政行业的城市污水处理及立交桥、道路积雨水排放，工厂、矿山、电站的给排水，以及农田排涝灌溉；拖式混凝土泵主要应用于高层建筑（含一般多层建筑）、电站、水利工程立交桥等设施施工中混凝土的高效、清洁输送；固液离心泵适用于煤炭、冶金、矿山、有色金属、食品等行业的各种生产流程，也可广泛应用于火电厂灰渣排放和脱硫处理、市政工程中的清淤与疏浚，等；无堵塞潜污泵适用于各种矿井的污水排放，也适合于各种含较大体积固形物、纤维等液体介质的作业。4 效益分析清华大学研制的各系列产业用泵均拥有自主知识产权，具有技术先进、能效高等优点，既可以作为设备供应商的新产品开发，也适合泵用户的产品应用开发（含整泵及配件） 。多系列产业用泵都是清华大学技术创新的成果，产品附加值高， 产品开发的经济、社会效益极大，推广前景广阔。5 合作方式商谈。6 所属行业领域先进制造。

新东方多纳是新东方在线旗下专为2-8岁儿童打造的在线英语启蒙产品。融合强大师资、科学体系，为孩子打造沉浸式英语启蒙课堂，让孩子感兴趣、开口说、主动学。依托于新东方集团强大的师资力量与教学资源，新东方多纳的教研团队来自清北、中科院、牛津等国内外知名大学，具有丰富的一线教学经验。懂孩子，更懂英语教育，致力于成就孩子更优秀的未来。

产品详细介绍 产品名称：多介质过滤器 产品描述：   多介质过滤器，又称机械过滤器，主要作用是去除水中的悬浮物质、固体颗粒。悬浮固体是水中不溶解的非胶态的固体物质，它们在条件适宜时可以沉淀。滤料介质包括：石英砂、无烟煤、磁铁矿、锰砂、硅藻土、活性炭等。滤料选用石英砂又叫做石英砂过滤器，滤料选用无烟煤称为无烟煤过滤器，滤料选用锰砂称为锰砂过滤器，滤料选用活性炭则成为活性炭过滤器。 产品规格 型号 直径（mm） 处理水量(M3/h) 罐体尺寸D*H(mm) YMJX-300 300 0.8 300*1500 YMJX-400 400 1.3 400*1540 YMJX-600 600 3.1 600*1760 YMJX-800 800 6 800*2860 YMJX-900 900 7 900*2880 YMJX-1000 1000 8.2 1000*2897 YMJX-1500 1500 26 1500*3469 YMJX-2000 2000 32 2000*3610 YMJX-2500 2500 49.5 2500*4020 YMJX-3000 3000 70 3000*4480 YMJX-3200 3200 90 3200*4550

产品详细介绍2X08 AJGC-Ⅰ多光谱照相观察仪      在观察仪内有紫光、蓝光、绿光、白光等四个波段，有红、橙、黄三种滤光片，透镜组将手印放大5倍。 将观察仪放置在手印的上方，开启某一波段光，连接照相机，直接拍照手印；或透过滤光片拍照手印的荧光图像。     价格：6500.00元/套 产地：国产

产品详细介绍多轴精密运动平台：采用直接驱动电机，无丝杠传动，全伺服驱动。微光栅编码器作为信号反馈机制，有多种结构形式，重复定位精度1微米到10微米，行程可定制。　　支承系统可选空气轴承、滚珠导轨、滚柱轴承等。速度快，最大速度5米／秒（300米／分），加速度大，最大加速度1G到10G可选。　　主要应用领域：精密运动设备、精密测试测量、电子设备、数控机床、MEMS、医疗设备等。

（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。