（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。

本发明提供了一种湿地景观演变过程的分析方法及分析系统，所述的方法包括：获取研究区域的湿地景观遥感影像数据；对湿地景观遥感影像数据进行解译获得不同时期、不同水文特征下的各种不同类型的湿地景观分布图；对不同时期、相同水文特征下的各种不同类型的湿地景观分布图进行叠加分析，提取湿地景观类型变化的流向信息，并绘制成湿地景观类型变化转移图谱。本发明通过遥感影像RS技术、地理信息系统GIS等技术，对湿地景观的演变过程进行分析，探索湿地景观的时间和空间发展演变规律，并利用图谱进行可视化展现，有利于科学地认知研究区域湿地景观格局演变机理，为合理规划利用湿地资源提供科学地理论依据。

产品详细介绍技术指标：光电比色分析法；量程范围：吸光度值0-1.99A  浓度值0-99.99％测量精度：符合GB223.3-5-88标准主要特点：仪器共设六个通道，每个通道可储存多条工作曲线，每条工作曲线可检测一种元素含量。采用高速，高精度的Ａ／Ｄ转换技术，数据转换速度更快，测试精度更高。大容量的数据库可方便用户实时保存和查询检测结果。采用品牌电脑控制，台式打印机打印检测结果。金牛仪器服务承诺：1、所售化验仪器三包一年，终身服务，产品售后服务热线电话24小时开通，定期回访客户； 2、免费为客户、代办托运化验仪器 ；3、免费培训化验人员，现场培训或来公司培训均可；4、提供材料分析工艺，代办化验仪器配套理化检测设备和配件；协助筹建化验室 5、常年提供化验仪器所需各种配件(特制硅钼粉、纯锡粒、各种标准物质、玻璃器皿、分析天平、添加剂等仪器所需的各种配件)。

一种基于计算相关度的多数据中心数据布局优化方法，根据执行计算处理数据集的情况，生成计算 集和数据集集合的访问关联矩阵，计算出任意两个数据集之间的计算相关度，生成对应的计算相关度矩 阵;计算每个数据中心的基本容量，定义布局关联矩阵，根据计算相关度部署数据集。本发明通过构建 访问关联矩阵和布局矩阵，给出计算相关度的具体数学表示，根据建立的计算相关度矩阵，以低复杂度 的方法实现数据布局，并将新数据和中间数据动态部署至合适的数据中心，可以有效减少跨数据中心数 据调度，提高系统的访问性能。

发明公开了一种基于关联分析与关联分类的蛋白质二级结构预测技术，以双库协同机制为基础，将KDD*过程模型引入蛋白质二级结构预测问题中，KAAPRO方法以数据挖掘(知识发现)为主体，采用基于KDD*过程模型Maradbcm算法以及关联规则分类D-CBA方法。KAAPRO方法所取得关联规则在一定程度上揭示了氨基酸物化属性对蛋白质二级结构的影响关系，从而提高了预测的精度。其中Maradbcm算法挖掘意外规则的特性对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则。D-CBA关联分类方法使用可信度与支持度的测度作为一个复合型度量来进行蛋白质关联分类。在保证预测精度的同时，为生物学家对二级结构进一步分析提供了依据。

成果的背景及主要用途：水利水电工程大都处于高山峡谷，所处地区地质构 造复杂、地质信息众多，给地质勘探、工程设计与施工等各方面带来极大的困难。 传统二维、静态的处理工程地质资料、分析地质问题的方式，已难以满足工程地 质、设计人员的实际需求。因此，深入研究水利水电工程地质三维建模与分析的 关键技术，可为分析解决水利水电工程勘测、设计与施工中复杂的地质问题提供 科学的理论方法和先进的技术手段。 技术原理与工艺流程简介：在为水利水电工程建设服务的前提下，针对多源 地质数据的耦合分析、地质体的复杂性、信息存储量大、分析速度慢、地质构造 的动态性、模型的可靠性及其快速更新修改等难点，融合水利水电工程科学、工 程地质学、数学地质学和计算机科学等多个交叉学科的先进理论技术，提出了实 现水利水电工程地质三维建模与分析的理论方法和关键技术。针对复杂地质体信 息量大的特点与水利水电工程地质的分析要求，研究面向水利水电工程地质的三 维数据结构模型，提出了以 NURBS 为主、结合 TIN 和 BRep 的混合数据结构；进 而通过以面向对象技术、地质实体 NURBS 构造技术、改进的地质趋势面分析技 术和三维对象集合运算技术等多种先进技术手段，提供了可供选择的建模机制， 对各类地质对象和人工对象进行拟合构造与几何建模，实现了水利水电工程地质 三维统一模型的建立，并对模型的可靠性进行分析验证，提供模型的快速反馈更 新机制。基于三维统一模型，针对实际需求研究水利水电工程地质分析应用技术， 176天津大学科技成果选编 设计了丰富的分析算法。根据所提出的理论方法和技术，紧密结合实践应用，研 制开发通用的水利水电工程地质建模与分析软件系统，为水利水电工程地质分析 提供有力的技术平台。 技术水平及专利与获奖情况：该成果总体上达到国际先进水平，在水利水电 工程地质 NURBS 混合数据结构建模方法与应用方面达到了国际领先水平。 应用前景分析及效益预测：该成果可直接推广应用于各项大中型水利水电工 程前期规划、地质勘测、工程设计和施工等不同阶段的工程地质分析中，可通过 钻孔平硐优化布置节约地质勘探费用，辅助地下工程施工及其管理可提前工期， 降低造价，直接经济效益较大；提高工程地质分析、工程设计和施工的水平与效 率，为实际遇到的地质问题提供科学的解决途径和先进的技术手段，社会效益显 著。在水利水电工程等领域有广阔的应用前景。 应用领域：水利水电工程地质建模与分析技术主要应用领域为水利水电工程 地质勘测、设计和施工领域。 合作方式及条件：企业合作。

环境温湿度、光照强度、水分、盐碱度、作物生理指标……这些参数关系农作物生长，现代农业通过农业信息智能感知技术便可轻松“一网打尽”。 然而实时监测这些指标需要电力驱动，电力无疑是智慧农业蓬勃发展的“源头活水”。田间地头常常难以铺设管线，而电池有限续航能力和污染风险又比较突出。因此发展农业信息“无源感知”是未来智慧农业一大趋势。 为更好地解决这一难题，浙江大学生物系统工程与食品科学学院IBE团队平建峰研究员课题组，提出了一种简便有效的方法，从农业环境中挖掘自然能源并将其高效转化为电能。首次将摩擦纳米发电机技术应用于农用纺织品中，并用于降雨时雨水能的收集，通过能量转化获取电能。 这项研究，近日发表在国际知名期刊《纳米能源》（ Nano Energy ）上，论文第一作者为浙江大学生物系统工程与食品科学学院2020级博士研究生姜成美 ，通讯作者为平建峰研究员。 功能化纱线的制备流程及其在农业中的应用场景把摩擦纳米发电机装进农用纺织品的纱线里 南方地区经常暴雨成灾，造成农业生产的巨大损失。农用纺织品在大棚设施中最为常见，它能够遮阴挡雨，保护农作物。 如何从农业环境中挖掘能源？ 浙大科研人员将这两者巧妙结合，通过纱线表面功能化，将摩擦纳米发电机依附在纱线上，织成智能化农用纺织品，利用雨水冲刷时的电子转移与流动产生电流，源源不断地为智慧农业供能。装载摩擦纳米发电机的纱线可以说是智慧农业的“无源活水”。 这个研究灵感来自一场突如其来的大雨：仲夏时节，一场突如其来的倾盆大雨透过来不及关闭的窗户摧残了窗台边的绿植。这引起了研究人员的思考：“农作物所处的环境只会更恶劣，那么我们就想办法利用它的恶劣。”大棚不仅可以作为作物、动物的“保护伞”，还可以作为雨滴能的收集器。 实验数据显示，在9.5牛顿的连续力作用下，3厘米长的纱线就能产生7.7伏的电压。 平建峰介绍，未来通过连接储能设备，这些被改造的农用纺织品，不仅可以为种植业和畜牧业提供保护以提高农畜产品质量与产量，还可以为物联网感知器件源源不断地输送电能，从而开展农业信息的无源监测和实时提供天气状况。 功能化纱线在农用纺织品上的应用绿色能源在智慧农业中具有广阔应用 为什么雨滴的能量可以转化成电能呢？ 这是因为对农用纺织品的纱线进行了特殊改造。科研人员在其表面覆盖了两层特殊材料——导电的碳化钛纳米材料和不导电的聚二甲基硅氧烷（一种高分子聚合物）。 功能化纱线收集雨滴能的原理 该聚合物能够防水并与环境中的雨水发生电子转移。而碳化钛感应电极，不仅具有高导电性能，还因其高电负性可以助力表面聚合物抢夺电子。因此在实现农用纺织品原有的农用保护材料、保温、遮阳、水土保持、排水灌溉、种子培育基材的功能基础上，还能从农业环境中源源不断地获取能源，为智慧农业提供驱动力，实现农业信息“无源实时感知”。 平建峰说，这两种材料具有良好的生物相容性，而且整个制备过程易于规模化和工业化。

针对智慧城市、移动设备、工控系统等多个领域的CPS 多源异构时空大数据，提出了多种时序模式挖掘算法和时空 模型构建方法，并应用在轨迹预测、交通流预测、空气质量 预测、用户画像、活动识别、异常行为检测、网络攻击检测 等多个任务中，并为“人机物”融合的数据驱动模型提供理 论与技术基础。

开放化、高速化和高精度化都是现代信息技术的发展趋势和研究热点。数据采集系统是通信技术和数控技术领域的重要功能模块，应用领域十分广泛。 本数据采集平台的中央控制芯片选用美国TI公司的DSP (Digital Signal Processor，数字信号处理芯片)TMS320C5402。DSP具有高速、高精度的运算能力，强大、方便的数据通信能力，灵活、可靠的编程与信号处理能力。设计选用昀A/D转换芯片是AD公司推出AD976A，其转换精度是16位，转换速率最高可达200k/s。系统的核心采用DSP控制AD976A实现高速数据采集的功能。

近日，中国科学技术大学管理学院在时空面板数据模型的研究中取得重要进展，突破经典的广义极大似然估计和广义矩估计理论框架，提出了基于空间权重矩阵特征分解的估计和模型选择方法。相关论文在学术期刊《美国科学院院报》上发表。现在很多大数据（环境，疫情，犯罪，物流，区域经济等）呈现出时间和空间的复杂相依关系，由于时空的交互影响提高了对应的时空模型的估计难度。有别于已有的复杂估计方法，文章改变传统的估计思路，充分利用时空数据的空间结构特征，采用空间权重矩阵的特征分解，极大的简化了估计方法，提高了估计精度和运算速度，并提出了相应的模型选择方法。理论部分模型的示意图如下图所示：文章以 2008 年 1 月到 2013 年 12 月（72 个月） 138 个美国匹兹堡行政地区的犯罪数据为例做了示范。在这个例子中，犯罪数据重罪（Part I）和轻罪(Par II)在138个行政区的平均犯罪个数分布如下图：文章还选取了 15 个区域社会经济变量作为解释变量，包括区域总人口、收入、失业率、贫苦率、非裔比例、教育水平等。模型的拟合程度指标R平方（接近1时，拟合程度高）达到 0.98，表明选择的模型非常好的拟合了数据。数据分析结果可以用于以轻罪发生率预测重罪发生率，解释犯罪学的“破窗理论”，分析重罪发生率和总人口、收入和贫困等的量化关系。论文链接：https://doi.org/10.1073/pnas.1917411117详细阅读：http://news.ustc.edu.cn/2020/0318/c15884a414854/page.htm