本发明公布了一种基于DETR的多谱甲烷气体泄露检测方法，该方法能有效检测和定位甲烷气体泄露，其采用Detection Transformer（DETR）框架，设计出使用高光谱图像进行甲烷泄露气体检测的端到端方法，该方法中光谱特征生成和查询优化模块改进了传统的Transformer性能，应用光谱感知线性滤波器对高光谱图像的潜在甲烷热点进行定位，改进的查询表示使编码更有效，通过在光谱域有策略地选取相关像素，更好地白化背景分布、放大甲烷气体区域。本发明所提供方法对于准确检测甲烷气体泄漏具有一定意义。

本发明提供一种多空心聚合物微球及其制备方法，属于胶体微球技术领域，多空心聚合物微球包括聚苯乙烯和聚甲基丙烯酸缩水甘油酯两种组分，其内部还具备多个通过透射电镜可识别的空心区域。制备方法包括：步骤1：通过分散聚合法制备聚苯乙烯(PS)微球；步骤2：通过包含溶胀步骤的种子乳液聚合法制备多空心聚苯乙烯‑聚甲基丙烯酸缩水甘油酯(PS‑PGMA)复合微球。通过本发明方法可大量制备，且PS种子微球无需通过采用特定聚合配方、磺化、使用亲水单体共聚等方式赋予其亲水性，因此，十分简便。

本发明属于船舶电力推进领域，并公开了一种多轴电力推进半实物模拟试验平台。该模拟实验平台包括依此连接的开发主机、实时仿真机、电机驱动器和电机组，开发主机用于开发船‑机‑桨模型；实时仿真机用于收集系统状态信息，完成对电机组的控制；电机驱动器分为主动电机和负载电机，电机组分为主动电机和负载电机，电机驱动器和电机组是组成电力推进半实物实验平台硬件在回路模拟的主体。通过本发明，实现船舶或海洋平台电力推进的半实物模拟试验，为研究人员对实际大型船舶和海洋平台多轴电力推进系统的设计、论证和验证提供指导，适用范围广，鲁棒性强，且方便快捷。

项目打破了自工业革命以来欧美人创建的传统纺纱工艺理论，提出了具有革命性和划时代意义的多轴联动数控彩色纺纱工艺理论与柔性数字化加工技术。 发明了8轴联控的三通道数控纺纱系统，研制了世界首台柔性数字化彩色纺纱机，带领纺纱技术由灰色纺纱时代进入彩色纺纱时代。 发明了数控多通道纺纱方法，提出了基于非对称牵伸、非对称加捻、非对称超喂等手段在线调控成纱形态、色彩及结构的新机理，实现了多品种纱线的一体化连续加工； 发明了网格化多基色彩纤高维度混色模型及高维度混色色谱可视化理论，为实现彩色纺纱提供了理论支撑； 发明了全色谱彩色纱、全色谱渐变纱和段彩纱、全色谱段彩竹节纱的数字化设计及纺纱加工方法，实现柔性数字化彩色纺纱。 先进纺织机械生产国高度重视纺织机械智能化，从三个层面创新纺纱智能化技术，一是基于网络传输和资源信息化的车间管理智能化；二是基于物流自动输送的纺纱工序连续化，三是基于多电机协同驱动实现纺纱加工的柔性数字化。本项目发明了柔性数字化彩色纺纱技术，研制了世界首台多通道数控彩色纺纱机，构建了完整的知识产权体系，属于国际首创。

产品详细介绍Enlogic的EN2000 系列产品---IRMC级别测量，输出端口可开断系列将电能测量，功率和环境监测与远程控制输出端口开/断技术有机结合在一起，实现了保护和管理您的机柜环境的功能。输出端口上电顺序开启能防止浪涌电流造成的危害并允许用户自定义设备的启动顺序及延时。远程开/端控制技术允许授权用户远程控制设备，可通过关闭空载的输出端口实现机柜电源的管理。 计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。 持续地为IRMC每相的输入电源和断路器提供实时监测。该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 32APhase Type: 1-phase最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 24IEC C13 输出端口数：: 24内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: 10A物理尺寸长,mm：: 1730 mm深,mm：: 50 mm宽,mm：: 55 mm外壳颜色:: Black环境要求：可运行温度：: -5 to 55°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

本发明公开了一种分布式电源接入对配网三段式电流保护影响的评估方法，基于规则库实现，规则 库中包含若干条顺序执行的规则步骤，这些一般性的语义规则适用于任意的配网系统和分布式电源接入 情况，且每条规则通过描述性语言指导操作者该如何构造短路场景，并选择哪些保护的 I、II 或者 III 段 进行校验。这样，操作者无须根据所研究的系统来分析确定校核步骤，只要顺序执行规则库中的规则步 骤便能高效准确地判断分布式电源接入方案对保护的影响：当规则库中的所有规

"本发明公开了一种利用网关节点缓存优化分布式块存储写性能的方法,具体包括：缓存经过网关节点的数据，并采用计数表对各数据块的访问次数进行计数；对于用户请求，若为读请求，则在读请求命中缓存时从缓存读取数据，在读请求未命中缓存时从本地节点或者副本节点读取数据；并将该请求访问过的节点计数加一；若为写请求，则先写网关节点的缓存，然后在该写请求对应的其他副本节点上做日志备份，用于掉电恢复；在提高系统性能的同时还保证了数据的可靠

本发明公开了一种提高分布式缓存的命中率并减少固态硬盘磨 损的方法，结合缓存数据分布特性和固态硬盘特性优化缓存性能并降 低成本。它能根据应用场景分配内存缓存区并将 SSD 划分为连续分布 的与内存缓存区等大的 Cage，内存缓存区缓存新数据，内存缓存区的 数据达到上限时将内存缓存区所有数据写入 Cage，擦除内存缓存区进 行新的数据缓存。替换算法通过分析内存缓存区中的数据的访问频度 分布，设定 Cage 中替换算法参数

本发明公开了一种交流无刷双馈电机及其绕线转子绕组的设计 方法；包括：先根据定子绕组极对数 p1 和 p2 初步确定转子齿槽数 Zr 和相数 mr，这时 Zr＝mr，每个齿对应一个集中式线圈，由此得到齿谐 波集中式绕组，然后扩大转子槽数，选择系数 kr，使新的转子槽数 Z ＝krZr，这时极距τr＝kr。此基础上，将原来的每相一个集中式线圈 分裂为 nr 个等节距 yr 的线圈，且 nr≤kr 及有 yr&lt、τr，这 nr 个线 圈依次间隔αr 槽距角分布在转子槽内，再通过调整 kr 和

（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。