因其广阔的工业应用范围和越来越高的精度、效率要求，DC-DC变换器系统已经引起电气工程师和控制工程师的广泛研究和关注。DC-DC变换器系统本身固有的非线性特性，已经使得传统线性控制方案，如PID控制等，无法取得满意控制效果。此外DC-DC变换器系统负载的突变、输入电压的波动、半导体器件的电磁干扰和参数变化等各种因素都严重破坏DC-DC变换器的精度要求。面向DC-DC变换器系统，我们已经拥有一整套的建模、分析和设计方案。利用干扰观测器技术对有负载突变、输入电压波动和模型误差引起的干扰进行实时精确估计，从而进行精确补偿，消除干扰造成的不利影响，可以与滑模控制和其他先进的非线性控制算法结合，实现基于干扰观测器的非线性抗干扰技术。我们提出了从建模、分析、先进控制方法设计到具体实现参数、规律总结凝炼等一整套的DC-DC变换器系统先进控制解决方案，成果已经成功应用于多种工业设备。一方面可以通过软件算法设计保证和提升DC-DC变换器系统的精度和效率，另一方面，可以实现系统对于负载突变、输入波动、电磁干扰的有效抑制，提升系统的抗干扰性能。目前成果已有多篇SCI高水平论文发表，申请授权多项发明专利，技术成熟，解决方案尤其适合多元干扰严重、模型偏差和精度要求高的应用场合。

1.项目背景 化学反应器与精馏装置是石化生产过程中使用最为广泛的设备，也是最主要的耗能单元，反应器与精馏塔运行的好坏直接关系到石油化工企业的经济效益。反应与分离强化过程通常由多个单元耦合联接而成，其不仅涉及反应与分离能力的协同机制、多单元组合与系统整体运行效能的关系，而且强化过程具有强非线性、大滞后和多变量耦合特性，以及经济、环境与安全等不确定性因素的干扰，都对强化过程的平稳操作、协同调控与分级优化带来诸多的挑战。 采用反应与精馏强化技术，通过传质与传热的强化、物质流与能量流相互耦合，使强化过程具有大幅度提高反应转化率或选择性，降低生产能耗和污染物排放等优越性。然而这种集成优势只有在反应能力与分离能力动态协同作用条件下才能被充分发挥，而且强化过程具有多稳态、强非线性和多变量强耦合特性，这些都对强化过程的自动控制与优化理论提出了新的挑战。 采用传统控制模式，当系统受到干扰时，很容易引起反应与分离能力动态失调和工况发生大范围波动与偏移，造成产品质量不合格和能耗增加等控制难题。因此，在传统控制模式的基础上，探索反应与精馏强化过程的动态协同调控方法与动态优化理论，对解决集成装置的平稳操作与自动控制难题，切实提高系统运行品质，有效降低装置生产能耗和污染物排放方面具有重要意义 2.项目技术原理 南京工业大学绿色化工研究所，经过多年研究发明了不同工况反应与蒸馏集成技术，可根据不同体系的特殊要求，实现不同工况反应与精馏的最佳匹配，解决了反应与蒸馏操作条件必须一致等问题。本项目在对强化过程机理模型、经济稳态优化和动态特性分析的前期研究基础上，研究反应能力与精馏能力的动态协同调控新方法和强化过程的分级优化理论，提出反应与精馏强化过程一体化设计思想，对传统多单元生产过程具有很好的借鉴作用。项目针对反应与精馏过程自动控制系统设计与性能优化调节方面主要开展以下技术： （1）反应与精馏强化过程多变量自动控制方案的设计与性能分析 在对反应与精馏过程机理建模、经济稳态优化设计和动态特性分析基础上，采用稳态增益矩阵和奇异值分析方法，合理选择过程被控变量和操作变量配对模式，运用传统控制策略设计反应精馏强化过程多变量自动控制方案，采用ASPEN PLUS流程模拟软件和ASPEN DYNAMIC模块进行控制方案的动态模拟测试，并根据实际工艺扰动情况，通过在动态流程模拟系统上分别加入不同幅度和方向的多种扰动和改变系统设定值，评价传统控制模式闭环系统性能，在此基础上，改进自动控制方案设计，确保设计的自动控制方案在实际应用中能够维持平稳有效运行。 （2）生产负荷自动调节和优化技术原理 反应与精馏过程的生产负荷经常随着市场需求的变化进行调整，负荷的变化将可能引起系统工况的波动，产品质量下降，能耗增加等问题，甚至造成系统不稳定而被迫停机。本项目采用设定值多步长滚动优化、偏差区域容忍动态矩阵控制与传统控制相融合方法，实现反应与分离能力动态协同调控；本项目在多变量基础控制系统上，在关键控制回路增加设定值智能调节模块和多变量协调预测控制模块，分别采用设定值多步长滚动优化、偏差区域容忍动态矩阵控制（Error tolerant DMC）与传统控制相融合方法，实现反应能力与分离能力动态协同调控，使系统获得了良好的跟踪性能和鲁棒性。解决传统控制模式下扰动引起反应与分离动态失调，导致产品质量不合格、能耗和污染物排放增加等控制问题。在多变量协调预测控制模块设计中，对于反应器出口成分和产品质量等不可在线测量的关键变量，采用机理模型和经验模型建立产品成分软测量模型，实现对产品成分、反应转化率等不可测被控变量的在线估计。 （3）反应与精馏强化过程的系统性能优化技术 在经济稳态优化设计前期研究基础上，开展多目标多约束动态优化与多变量跟踪控制相结合的分级优化理论研究。在上层多目标多约束的动态优化设计中，是以能耗和操作成本最小为优化目标，以质量、尾气/废液排放和过程动态模型等为约束条件，采用多目标优化算法对强化过程的关键操作参数进行动态优化计算，给出工况最优调节方案。根据多目标动态优化给出的关键参数设定值最优调节方案，采用设定值多步长滚动优化给出多变量预测控制的参考轨迹，通过多变量协调预测控制和基础控制回路的跟踪调节，使系统输出快速跟踪设定值的最佳操作值，实现工况优化与平滑调节，确保系统维持高品质运行特性，从源头降低工况大范围波动和事故发生的概率。 3.关键技术路线 项目针对反应与精馏过程，融合了化学工程理论、自动控制理论、智能学习算法与计算机模拟技术，采取理论研究、模拟实验和工业应用相结合的技术路线，如下图所示。项目分别开展反应精馏过程的多变量基础控制系统设计、反应与分离能力动态协同调控新方法、强化过程分级优化理论研究，并将项目成果融合，开展不同工况反应与精馏强化过程的一体化工程设计，研制一套流程模拟综合实验平台，进行模拟验证和工程应用研究。 4.项目技术特色和创新性 （1）针对反应与精馏强化过程，在传统控制模式下扰动引起反应与分离动态失调和工况偏移，导致集成优势难以充分发挥工程问题，项目提出将设定值多步长滚动优化、偏差区域容忍动态矩阵控制、多目标多约束动态优化与传统基础控制相融合的动态协同调控新方法与分级优化理论，在反应与分离动态协同作用下实现工况的优化与平滑调节，确保系统维持高品质运行特性。 （2）项目沿着学科交叉与融合方向，将化学工程理论、自动控制理论、智能学习算法与计算机模拟技术相结合，提出不同工况反应与精馏强化过程流程模拟、控制系统设计与集成优化理论相结合的一体化工程设计思想，并在常压反应与减压精馏集成的甲苯氯化反应精馏工业装置上进行工程应用研究，解决装置自动控制与平稳操作等实际控制问题，发挥强化过程高转化率/高选择性、低能耗的集成优势。

1、该技术的优点：无须成套高价选购国外产品系统，由我们与国外公司合作，利用其关键部件及我们开发配套的各种级别会议电视，远程监视系统，两类系统集成，具有功能互补，发挥高效应用效果，成本降低1/3~1/2。 2、会议电视按国际标准实施集成,远程监视通过国家鉴定（全国首家正式鉴定系统）。 3、会议电视具有CIF及QCIF两种分辨力,符合H.261或更新的H.324标准。双向声象传输,多点切换(MCU)功能。远程监视提供远程自动论询及远程选视及数字录象等功能。并可据用户需要随时灵活配置，有较强软件能力。 适用范围： 适用于干线采用光纤、DDN、数字微波。用户接入利用模拟电话线或其他数字数据方式，据使用要求，设计集成多点电视会议，并接入远程监视系统。 适于远程电视会议及全程或分级电视图象监控。同时，提供电视会议系统集成；运动图象各类级别及用途的远程监视系统集成。

宽禁带半导体硅基GaN器件以其高效率，高开关速度高工作温度抗辐时等特点,成为当前国际功率半导体器件与技术学科的研究前沿及热点，也是业界普遍认可的性能卓越的下代功率半导体器件。而S基GaN因其S基特性.能够突破新材料在发展初期的成本牦颈且易与S集成电路产业链匹配，因此兼具高性能与低成本的优点在消费电子(如手机快冲与天线充电).数据中心与人工智能，无人驾驶与新能源汽车、5G通信等团家战略新兴领城具有巨大的应用前景。电子科技大学功率集成技术实验室自2008年起即开展硅基GaN功率器件与集成技术研究,围绕硅基GaN两大核心器件:增强型功率晶体管、功率整流器进行基础研究与应用技术开发。解决了增强型功率晶体管阈值电压大范围调控功率二圾管导通电压调控与耐压可靠性加查等关键技术瓶颈,研究成果为硅基GaN的产业化奠定了重要基础。

针对现有无功功率可调补偿装置结构复杂、投资大，维护使用不方便等不足，本实用新型提供一种无功功率可调补偿装置，该种无功功率可调补偿装置，结构简单、操作方便、投资低、使用寿命长、补偿效果显著。 本实用新型解决其技术问题所采用的技术方案是：一种无功功率可调补偿装置，由无功元件、晶阐管开关、用于降压的变压器等构成，其结果特点是：用于降压的变压器为调压变压器，变压器原边绕组的始端接高压母线、末端接地或者接另一相的高压母线，次边绕组始端附近的调节触点经分接开关接低压母线，该低压母线与次边绕组的末端之间接有无功元件与晶阐管开关的串联体。 本实用新型的无功元件为电容器组或电抗器或滤波器，使得本实用新型既可吸收电网中的感性无功功率，也能吸收容性无容功率，还可在提高电网的功率因数的同时，滤除谐波提高电网质量。

高功率密度伺服电机是一种采用紧凑型结构的新型稀土永磁电机。该电动机极槽最优化配合，使电机体积、成本、加工性能、电机力能指标达到最佳，同时对力矩波动具有较强的抑制作用。高密度伺服电机和高精度磁编码器以及驱动控制器三个部分可以组成高精度驱动控制系统。是先进制造技术的基础，其应用范围非常广阔，如数控机床、精密电子装备、工业自动化装备、工业机器人、航空、航天等领域。

输入电压 220VAC±10%/50Hz， 输出电压 24VDC ； 输出电流 430A， 效率： ≥92% （最高效率）， 输出纹波电压： <100mV， 功率因数： ≥0.99， 电源具输入过、 欠压保护功能、输入过流、输出过欠压和过流保护功能，采用功率因数校正+移相全桥软开关技术。

太阳能功率优化器直接与光伏组件相连，对各光伏组件实施最大功率跟踪，保证其在任意光照条件下和组件特性下的最大功率输出。由于组件只与功率优化器相连，光伏组件之间不存在任何的相互连接，能够从根本上消除不同光伏组件之间的影响，避免由于光照条件变化、组件局部遮阴、组件老化以及组件之间特性不一致造成的发电量损失，实现系统发电量的最大化。多个功率优化器形成的组串之间并联连接，对每组串内部所串联的功率优化器数量没有严格限制，极大的增加了系统配置的灵活性。数据采集器在存储光伏组件的发电数据和状态信息的同时，还可实时对

       芯片功率器件测试平台，以工程教育专业认证为引领参与高校专业建设，以信息化引领构建学习者为中心的教育生态，培养集成电路硬件测试人才。为学生提供丰富的教学资源以及贴近现实的产业环境，支撑集成电路相关课程的教学与实训，且能进行项目开发和师资培训。

（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。