中国是聚氯乙烯产量最大的国家，占世界总产能 25%左右，2016 年我国 PVC 产能约 2250 万吨。生产中大多采用汞催化剂，但由于汞毒性大及国内资源枯竭等问题使该产业的持续发展受到了严重挑战。依靠科技的发展，创造出高效环保的无汞催化剂取代传统的氯化汞催化剂，以及创造出单位产品产污系数最低且能源消耗最少的现金工艺是聚氯乙烯发展的必然之路。 在此背景下，南开大学与新疆中泰集团合作开发的具有自主知识产权的新型绿色无汞催化剂技术实现对含汞有毒催化剂的彻底替代。经过多年的实验室研究及三年时间的中试侧线评价试验验证，该技术已经成熟，具备了大规模工业化推广的基础。与现用的汞催化剂相比具有无毒、环保、工艺先进等优点、与国、内外其它新型无汞催化剂相比具有活性高、稳定性好、成本低等优势。 项目特色： 本项目开发的绿色无汞催化剂在使用过程中反应转化率、选择性均达到 99%以上，单程使用寿命超过 8000 小时，并具备可再生潜力。在新疆中泰化学的 PVC 中试侧线评价装置中完成了三年三期中试评价试验，使用效果良好。 市场应用前景： 未来几年间，中国 PVC 产能将保持快速增长，电石法生产 PVC催化剂需求量也将增加，实行 50%无汞催化剂替换，约有 43-68 亿市场空间。 

采用计算机应用技术,通过一套物联网管理软件，实现实体档案智能管理、档案存储设备智能管理、库房环境设备智能管理、库房安防设备智能管理，各系统之间的数据相互共享、既可独立运行，又可相互协作联动运行，完美实现物联网科技和档案信息管理的融合，实现互联互通的绿色智慧档案馆。1、智能档案综合管理平台需具备八大系统：RFID智能档案管理系统、智能密集架控制系统、档案八防感知管理系统、库房环境管控系统、灯光管理系统、门禁管理系统、视频监控系统，3D导航系统。2、智慧档案大数据展示功能：需具备拼接大屏的实时数据传输与监控管理，需具备库房3D导航鸟瞰图、档案饼状分析图、库存档案总量、在库数、在借数、异常数、温湿度空气质量展示、温湿度空气质量数据分析（年月周日）、八防报警、环境设备运行状态、视频实时监控等功能。3、RFID智能档案管理系统：需具备档案管理、库存信息浏览、档案信息查询、盘库查询、在库档案、在借档案统计功能、条形码生成打印、借阅与归还、档案异常出入报警等扩展功能。4、智能密集架管理系统：需具备控制柜体功能，手动、电动、电脑、语音开架、闭架功能。固定列需采用15.6寸彩色触摸控制屏、移动列采用8寸彩色触摸屏。需具备开架灯光定位功能、温湿度与空气质量显示功能、通风换气功能、查询显示功能、语音播报功能、区号、列号显示功能。需具备通道防夹功能、防碰撞功能、电机超限保护功能、电机过载过流保护功能、触屏急停保护功能、漏电保护功能、阻力保护功能、运行时间保护功能。需具备管理权限功能、数据存储功能、通讯功能、档案管理功能、软件扩展功能。5、档案八防感知管理系统：需具备八防的报警类型、报警时间、最新报警组成。防尘报警、防腐报警、防光报警、防漏水报警、防火报警、防盗报警、防干防潮报警、防高低温报警。6、库房环境管控系统：需具备空气质量云测仪，分析温湿度与空气质量数据，进行数据决策，开启、关闭对应的环境控制设备，实现绿色节能档案安全管理环境，需具备高温开启空调制冷功能、低温开启空调制热功能、潮湿开启恒湿机的除湿功能、干燥开启恒湿机的加湿功能、腐蚀气体超标开启酸性气体空气净化机、微生物超标开启壁挂式健康防护机、二氧化碳和颗粒物超标开启新风净化设备，达标后，下发指令关闭相关环境设备。7、灯光控制系统需具备：一键启动库房的照明、一键关闭库房的照明、分区控制照明系统。8、门禁系统：需具备密码、指纹、人脸、身份卡授权确认功能，具备时间记忆功能，进出记录功能，自动报表功能。9、视频监控系统：实时监控库房工作人员出入情况，同时关联摄像机进行联动，一旦有人出入可进行图像抓拍。10、各系统之间可实现有效数据实时联动，信息互通。可实时浏览软件内的各种设备实时参数、运行状态、报警信息，并完成相关设备的远程控制等，查询结果可以实现下载等操作。

Ø 项目针对目前粘胶纤维工业生产过程存在的污染严重问题，采用自行设计的高压热蒸汽闪爆（Steam Explosion，简称SE）技术，在超分子水平实现对天然木纤维素快速、安全可靠、低污染物理改性并固化其构象，同时利用环保、廉价的新型纤维素溶剂体系，实现温和条件下纤维素的溶解，通过真空脱泡、充氮、喷丝、凝固等工艺的优化获得了纤维素纤维的绿色湿纺技术，丝性能达到或超过粘胶丝。

发榜企业：汕尾市国泰食品有限公司 悬赏金额：10万元 需求领域：生物技术 动物产品加工 技术关键词：肉丸类、营养

该成果获2018年度国家科学技术奖科技进步类二等奖。创立了多模式公交网络供需辨识与协问设计技术，研发了多模式公交网络协同仿與与效能评估技术、多模式公交系统协调控制技术及面向多模式公交网络的智能版务技术与平台，大幅提升了多模式公交运行信总化管理水平和公众出行服务能力，项目攻克了城市多模式公交网络协同设计与智能服务的核心理论与关键技术，解决了当前城市公交系统缺乏协同、效率低下的问题，实现了城市多模式公交网络协同设计、综合评佔、协调控制与智能服务的技术突破.成果在京津翼、长三角、长江经济带等重点城市的工程项目中得到推广应用，全面提升了应用城市公交系统的整体效 能，有力支撑公交都市国家战略的实施，经济社会效益显著。

本项目以通信和控制为核心功能，以实时性和可靠性为基本要求，主控系 统由两个冗余配置的控制卡构成，两个控制卡具有完全相同的软硬件配置，工 作于主从模式的双机热备状态中。控制卡要实现与上层工程师站和操作员站的 以太网通信，与底层测控板卡的现场总线 CAN 通信，还要能够解析、运行和存 储工程师站下载的基于功能框图的控制算法。 历经近四十年的发展， DCS（分布式控制系统）在功能和性能上稳步提升， 提高了工业生产的自动化程度，为企业的生产管理提供了重要的参考数据，在 大型复杂工业生产过程中确立了不可替代的地位。而且，DCS 不断与新的控制技术和通信技术相结合，呈现出新的结构模式和更加优异的性能。通过对 DCS 控制站主控系统的研究，依据具体的功能需求，本项目实现了基于 ARM 微控 制器与嵌入式实时操作系统的 DCS 控制站主控系统。 

该成果通过制备高性能的抗分散剂、高早强胶凝材料和相配套的施工技术，实现海工水下不分散混凝土的低温环境下快硬早强等性能。在海港码头、跨海大桥、海洋平台、护岸防波堤、人工岛礁建设等方面性能优异，可以降低施工难度、节省劳力成本、有利于保障施工质量等。

（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。

简介：本发明公开了一种多功能模块化行星传动教具，属于传动机构教具领域。本发明的多功能模块化行星传动教具，包括驱动机构、支撑机构、传动机构和等速输出机构，支撑机构中第一支撑架和第三支撑架与底座可拆卸连接，偏心动力输入轴与第一支撑架通过轴承连接，动力输出轴与第三支撑架通过轴承连接；偏心动力输入轴上设置有偏心轴段，该偏心轴段通过转臂轴承与传动机构中的运动部件连接；所述驱动机构通过偏心动力输入轴带动传动机构中部件转动，传动机构通过等速输出机构把动力传递至动力输出轴。本发明可实现10种少齿差行星传动的演示，结构简单，组合使用方便，可满足当前的课堂教学需求。