（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。

掺铝氧化锌薄膜（ AZO ）成本低廉、无毒环保，溶胶凝胶法制备 AZO 薄膜具有工艺简单、成膜均匀性好、易于精确掺杂等优点，而后续处理工艺则是提高溶胶凝胶法制备的透明导电薄膜性能的关键。为此我们研究 105  到  10-4 Pa 大真空度范围退火条件下的电阻率变化规律，发现：电阻率的降低集中在相对狭窄的真空度范围，其中在 100 Pa  到 10 Pa  之间，电阻率陡降了 2 个数量级。电阻率在 10 Pa  退火时达到最小值，继续提高真空度（减低气压），电阻率不再继续降低。这一研究结果不仅澄清了以往对溶胶 - 凝胶法制备透明薄膜后续工艺处理的模糊认识，而且对实际生产工艺具有重要的指导意义，例如以此为根据，选择合适的真空度退火，达到既满足产品的性能指标，又能节能减排的最佳效果。 XRD 与 XPS  的分析表明中真空下氧空位、锌填隙、以及 Al3+  对 Zn2+  离子的取代是中真空度下电阻率陡降的主要原因。此外，利用  Ar+ 离子对退火后的样品进行反溅射清洗，能进一步提高电导率。更重要的是能在薄膜表面形成具有一定的凹凸起伏的绒面结构，能将入射太阳光分散到各个角度。用作太阳能电池电极时，能有效增强太阳能电池内的光吸收材料对入射太阳光的捕获，提高光能利用率。

远程在线高精度温度控制系统利用测控软件LabVIEW编写控制算法和远程监控程序，可对多达30段的温度设定曲线进行操作，并可根据用户要求固化若干条固定曲线。系统采用神经网络PID调节方式，具有自整定、自学习功能、超调小、稳定度好等优点，控温精度在0.1%以内。系统采用LabVIEW编写远程控制程序，基于TCP/IP协议建立服务器端和客户端，通过与PLC通讯，实现远程在线监控功能。用户可以通过客户端对远端的服务器进行在线控制，可对现场电流电压、实时温度进行检控，历史记录调用处理，并且可以对现场设备进行在线远程启动、停止、复位、紧急停车等操作。系统通过LabVIEW建立良好界面，被测温度和设定温度等参数均为数字加曲线实时动态显示，界面简洁直观，操作简单方便，安全可靠。本团队研究开发的远程在线控制系统和成套装置目前处于产业化前期阶段。

微纳米气泡具有尺寸小，比表面积巨大，在水中停留时间长，表面带有负电荷等特征，微纳米气泡的界面性质使得其可以高效吸附并去除水中杂质，尤其是固体界面上的油类污染物。基于微纳米气泡的清洗技术清洗效果优异，且不使用传统的化学药剂，可以大大降低运行费用，是一项革命性的绿色清洗技术，可应用于半导体和液晶面板清洗、蔬菜残留农药清洗、空间杀菌消毒、皮肤清洁等领域。

高校科技成果尽在科转云

1. 痛点问题 工业视觉场景下普遍存在缺陷样本数量少、难采集，已有标注方案无法完全发挥样本数据效用等问题。在工业视觉应用场景中，产线整体生产良率均已达到相当水平，人工可识别的缺陷样本数量相对较少，且采集难度较大。制造生产环节对产线效率要求较高，模型训练难以实现精度与效率上的平衡。 2. 解决方案 本项目将最新的少样本学习、连续学习、模型压缩与优化技术，与工业场景中的缺陷检测需求深入结合，致力于工业视觉自主知识产权软硬件一体化装备研发。针对玻璃深加工与半导体晶圆宏观缺陷检测，本项目已完成工业视觉全流程视觉感知算法、人工智能算法研发平台、玻璃智能一体检测设备、晶圆宏观缺陷检测设备等智能设备的原理验证和装备试制，同时有多项智能设备在研。 本项目在玻璃与半导体缺陷检测中，基于图像自动标注方法完成少样本场景下的数据采集与标注，通过弱监督学习和连续学习方法完成有效模型构建，并针对长尾数据集设计模型训练和优化方法，实现高效工业视觉感知计算。针对工业视觉场景，本项目集成视觉感知算法能力，研发人工智能算法研发平台，该平台秉承低代码化、可视化等原则，打造包含数据采集与标注、算法训练与评估、模型压缩与优化、应用部署与管理的数据闭环。 合作需求 寻求浮法玻璃深加工、半导体加工与制造等行业企业合作。

本成果采用微生物法结合环境工程措施先行回收废水或沼液中大部分养分，然后进行生化处理，使其达标，形成生物聚沉氧化新技术。该技术已完全成熟，在四川（奶牛场）、湖南（猪场）、广东（猪场）、江苏（猪场）等地进行过系列生产性应用。 一、项目分类 显著效益成果转化 二、技术分析 规模化畜禽养殖产生大量高浓度的粪污废水或沼液亟待处理。本成果采用微生物法结合环境工程措施先行回收废水或沼液中大部分养分，然后进行生化处理，使其达标，形成生物聚沉氧化新技术。该技术已完全成熟，在四川（奶牛场）、湖南（猪场）、广东（猪场）、江苏（猪场）等地进行过系列生产性应用。2018年获中国环保产业协会颁发的中国重点环境保护实用技术称号。取得国家系列发明专利（如ZL 201510843625.9；ZL 201110158682.5）。 畜禽粪污废水/沼液生物聚沉氧化处理新技术可在极短时间内（1h左右）回收废水或沼液中90%以上的总养分（COD，TN, TP），使外观黑臭浓稠的废水很快变成透明的清澈废水，然后再经过2-5d的生化处理可达到行业排放标准或农田灌溉水标准。

基于载荷强化和损伤的载荷谱处理新技术，用于加载谱和耐久性评价规范的制定。通过载荷的强化和损伤、结构抗疲劳设计和载荷谱中强度变化特征等提出了基于强度特征的轻量化设计和可靠性设计，并应用到等速万向传动轴零件的具体设计。

本发明提供了一种基于 NFC 技术的小区访客认证方法，包括：访客客户端向户主发送访问请求；户主客户端接收访问请求，并接受户主做出的反馈信息；户主客户端获取户主手机信息，接收户主输入的户主身份信息，并将所述信息发送给访客客户端；访客客户端接收户主手机信息和户主身份信息，将所述信息通过 NFC 发送给保安客户端；保安客户端接收户主手机信息和户主身份信息，并根据所述信息进行身份核对，判断是否允许访客进入小区。本发明还提供了相应的系统。本发明可以简化访客信息登记步骤，无需保安联系户主进行认证，也无需访客与户主进行通话等验证，提高小区保安的工作效率，并且加强访客及户主信息的管理，提高信息管理的安全性。

本成果提出了一种燃煤过程中砷、硒、铅等重金属的控制技术。本成果采用了“科学问题突破—关键技术研发—装备开发与集成—示范工程”的技术路线，基于“形态定向转化并固定”思想，将炉内与尾部调控技术相结合，促进细颗粒态和气态重金属向粗颗粒态和易溶态转化，实现燃煤电厂不同浓度重金属高效控制。 该技术与超低排放技术互补，具有模块化、可移植性强的特点，既可单独使用，又可以组合使用来满足烟气特点和排放需求。模块化特点使其燃料、炉型、工况和成本适应性强，不仅适应不同煤种，还适应生物质、污泥、城市生活垃圾等燃料的耦合掺烧；不仅适应煤粉炉，也适应流化床等炉型；不仅适应电力行业，也可拓展至非电行业。 图1 燃煤重金属控制总体思路 图2 尾部烟气重金属强化脱除技术体系 图3 重金属控制技术工程应用示范 【技术优势】 现有燃煤电厂重金属控制多采用超低排放技术（低低温电除尘、电袋除尘、湿式电除尘、脱硫增效、SCR催化剂等）实现重金属的协同控制，但重金属污染物含量范围宽，形态复杂，使得超低排放技术对重金属的捕集普适性和协同控制能力不强，适用性差。 本技术针对煤中重金属浓度、种类差异，基于“转化与固定”思路，将炉内与尾部调控技术相结合，促进重金属由细颗粒态、气态向粗颗粒态、高毒性向低毒性转变，技术选择性强，针对不同重金属特征的烟气构建模块化控制策略，实现重金属污染物的高效低成本控制。