随着自动控制技术与信息技术在生产和管理中的普及应用，自动化与信息化已经成为带动企业工作创新和升级、提高管理水平和竞争力的重要方式。表面处理过程智能控制系统引入了自动化与信息化的基本思想，通过在现场增加检测设备采集电镀过程中的重要数据，增加控制设备和执行器实现对电镀槽的温度和电流密度的控制，并使用软件工程、项目管理思想以及软件组件技术实现对采集数据的信息化管理，既保证了电镀过程的稳定性和精确性，又实现了对电镀生产过程的信息化管理，提高了电镀生产的自动化水平。

我国大气污染形式较为严峻，2019年全国338个地级及以上的城市中，有239个城市环境空气质量超标，占70.7%。污染天气频发是现阶段大气污染治理的焦点和难点，其中工业排放是大气污染的第一大排放源，包括二氧化硫、氮氧化物、烟（粉）尘等污染物排放。对此，国家出台系列政策严控燃煤电厂排放标准，坚决打赢“蓝天保卫战”。 浙江大学团队创制多环境烟气超低排放技术，对脱硫、脱硝、除尘、技术集成和其他多种废气处理均有针对性处理效果。其中，烟气脱硫超低排放采用三种核心技术，电石渣－石膏法脱硫技术，在提高系统稳定性的同时显著增强脱硫效率，整体技术达到国际领先水平；塔内烟气流场优化技术，在解决塔内旋流问题的基础上大幅加强气液平均分布：高效托盘技术，通过优化开孔率、气液比、烟气流速进行参数优化，实现高效脱硫、除尘。烟气脱硝技术采用中低温脱硝，开发了具有自主知识产权的双流体脱硝喷枪和脱硝高效响应－反馈控制系统，首创的宽温窗高抗性脱硝催化剂实现了90％以上的脱硝效率。烟气除尘技术采用湿式电除尘技术，经厂区改造后除尘效率显著提高。项目为不同应用环境下的烟气排放控制均有针对性帮助，经技术改造后均可实现排放达标且减少成本。

成果简介：采用了由局部管理层、整车信息管理层、人机接口与通讯扩展接口层组成的三层综合网络系统结构，在国内首先实现了电动车整车网络布线，自主定义了电动车辆CAN总线通讯协议，成功地实现了整个电动车的综合控制，将电动车的各个部分组成为一个完整的有机整体。该技术主要解决了两大问题：一是如何最有效地管理电动车辆有限的能量，实现电动车辆效率最大化，估计电池组的剩余电量及车辆续驶里程、单体电池及成组电池的检测与电池组温度控制、电机及空调等耗能部件的功率分配等内容；二是如何解决电动车辆运营过程中的故障诊断、高压

成果简介转炉钢水冶炼过程中会产生大量含氧化铁粉尘的高温烟气， 其主要成分为一氧化碳， 是一种热值较高的工业燃料， 如不进行有效回收处理和控制排放， 不仅污染大气环境， 还会造成能源浪费。 转炉煤气回收是把转炉生产过程中的副产品CO 进行回收再利用的生产工艺， 它将高温烟气通过汽化烟道进行冷却、 净化处理后， 得到可回收的转炉煤气， 其经济价值和社会效益不言而喻。目前国内炼钢企业的转炉煤气回收系统由于部分技术装备及控制方法比较落后， 煤气回收和烟气减排效果差。 本项目采用滑

采用了由局部管理层、整车信息管理层、人机接口与通讯扩展接口层组成的三层综合网络系统结构，在国内首先实现了电动车整车网络布线，自主定义了电动车辆CAN总线通讯协议，成功地实现了整个电动车的综合控制，将电动车的各个部分组成为一个完整的有机整体。该技术主要解决了两大问题:一是如何最有效地管理电动车辆有限的能量，实现电动车辆效率最大化，估计电池组的剩余电量及车辆续驶里程、单体电池及成组电池的检测与电池组温度控制、电机及空调等耗能部件的功率分配等内容；二是如何解决电动车辆运营过程中的故障诊断、高压安全、充电通讯接口、延长电池使用寿命、提高电动车可靠性等问题。

成果简介：从履带车辆的无级转向技术的发展来看，液压无级及液压复合无级转向是上世纪70至80年代发展的具有代表性的新技术。世界各国发展的新型和改进型军用履带车辆的传动装置上，几乎全部采用了这类新型的无级转向机构。在民用工程车辆上也逐渐开始采用。可实现履带车辆无级转向功能。主要技术指标是：车辆吨位：10～50t；可匹配的发动机功率范围：50～600kW；输入转速范围：2000～3000r/min；传动效率：90%～93%。 项目来源：自行开发 技术领域：先进制造

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。

本发明提供了一种智能化医用无影灯设备及其控制系统和控制方法，涉及医疗领域。其特征在于，所述设备包括：发光二极管串联系统组、扩展端口、步进电机、坐标控制器、中央处理器、保护电路、电源和控制面板组成；所述控制系统包括：光照检测模块、温度检测模块、故障检测模块、提醒模块、中央处理模块和自动控制模块；该系统针对现有的医用无影灯设备、控制系统和控制方法智能化不足、照明质量较差、操作不方便、光质不好等缺陷，提出一种改进方案，该方案具有高度智能化、预警机制、照明质量好、操作方便等优点。

1、与高校和科研单位继续合作，与时俱进、创新思维，需要皮革专业的专科以上人才，加强培训，提高科研人员的综合素质，打造一批技术过硬的团队。2、需求一批国内外皮革行业知名专家来厂进行现场指导，对厂内技术人员的业务技能和创新能力进行专项指导和培训。

（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。