产品详细介绍 系统特点：1、             单缆传输：利用现有的一根闭路电视线（75-5、7），实现所有信号的传输和自动化管理控制。频率范围108-140MHz;避开了民用频率87-108MHz.无串频干扰.2、             任意分区：独有的任意分区功能，可实现多个不同年级、不同的班级独立控制和任意组合。3、             各点可独立寻址：可实现点对点进行控制，控制任意年级或任意班级音箱的频道，并可独立开关或全开全关。4、             定时广播：用户可根据需要编制各频道一周的定时播放节目单，对播放内容、播出时间、播放区域等可任意编程控制。5、             自动播放：计算机可根据节目单自动定时播放，实现无人值守，播放前系统自动打开相应区域各点调频音箱的电源，播放完成后延时自动关闭。6、             远距离遥控：可以通过无线遥控系统实现室外远距离遥控主机播放曲目。7、             远距离讲话：通过无线送话器可以实现室外远距离讲话。配合均线遥控系统使用非常方便。8、             随意插播：在播放过程中，用户可以随时停止定时播放，随意插播其它节目，插播结束后，系统依然按照节目单继续播放。9、             音质优美：调频广播音频范围为30HZ-15KHZ，失真度小，一般为0.7%；而定压广播系统音频范围为200HZ-12KHZ，失真度10%。10、        遥控音箱：终端教室可以遥控自主选择播放通道。11、本地扩音：音箱自带音频输入接口，解决了教室本地节目播放源音量不够用的难题。12、        支持各种流行音频格式：如mp3、mpg、dat、wav、mid、avi等，可以录音和播放多种外接媒体源（如CD、VCD、卡座、收音机、麦克风等）。13、        操作简单：播控软件功能强大，界面人性化设计，操作简单易学。14、        抗扰能力强：调频广播为超短波（108-140MHz），不易受到外界电波影响，而且调频广播的本身特点采用电脑锁相压缩技术，可将干扰滤除。15、        强大的频道管理：用户可根据实际现多套节目的同时播放1路-12路。任意扩展。16、        系统容量无限大：接收设备不受数量的限制，可以随意增加。17、        分控广播管理：系统可以将控制中心分控管理，老师播放自己的节目内容可以不需要到中心机房，利用校园局域网电脑+分控主机及可做到任意点进行播放管理，大大方便了老师的备课流程。18、        紧急预案：独有的紧急分组分区广播、强制广播功能，在脱离计算机系统状态下照样实现广播，拥有了计算机瘫痪的紧急预案。19、        电源管理：特有的电源集中管理功能，可以集中自动关闭所有教室音箱电源，也可以分散自动关闭楼层音箱电源，当外部供电出现情况，系统自动生成定压集中馈电，保证系统正常工作。20、        灯光管理：可以利用本系统来实现校园灯光的自动管理的需要，以实现定时开关校园灯光。21、        消防联动广播：利用本系统消防联动管理机就可将消防报警信号与广播系统联动，并具备优先权；

爱威尔科技可以与高校、高职、中职、技师学院等院校合作共建产业学院，产业学院分为VR数字专业学科提供合作招生、师资培训、教材及教辅工具输出、教学服务输出、产业科研成果转化、实习实训、就业服务等业务内容。同时可以提供人才培养方案、合作开发课程体系、共建生产性实训基地等，还可以提供加强人才孵化、横向课题开发、辐射专业群等更深层次的合作。 爱威尔科技将把虚拟现实（VR）数字产业学院业务打造成融人才培养、科学研究、技术创新、产业促进、企业服务和创新创业为一体、具有重要影响力的平台型学院，将会在国内外进行业务布局和拓展。虚拟现实（VR）现代产业学院以立德树人为根本任务，以提高人才培养能力为核心，秉承“开放、协同、融合；共创、共享、共生”办学理念，致力于打造集产、学、研于一体的人才培养创新平台。 北大荒XR产业学院 威尔麦特VR数字产业学院 ※案例： 北大荒XR产业学院——与黑龙江农垦职业学院合作共建，联合培养VR专业大专学历学生，现已建成集XR基础教室、XR教研室、XR大师工作室、XR科技成果展厅及XR技术创新中心等，已招收2020年、2021年两届学生。 威尔麦特VR数字产业学院——与哈尔滨信息工程学院合作共建，联合培养VR专业本科学历学生，现已建成VR教研室、VR大师工作室、VR技术创新中心等，已招收2021年一届学生。

本发明公开了一种应用于智能配电网的双有源桥直流变换器软启动控制方法，先解锁原边全桥，闭锁副边全桥和外移相角的闭环控制，原边全桥采用斩波控制，开关管Q3和开关管Q4以50％的占空比互补导通，开关管Q1和开关管Q2采用变占空比控制，并且每个开关周期以一定的步长增加；当副边电压上升到足以驱动开关管，且开关管Q1和开关管Q2的占空比都增至0.99时，解锁副边全桥及外移相角的闭环控制；当输出电压达到额定值时，切入负载，输出电压稳定完成启动过程。本发明有效抑制双有源桥直流变换器在启动过程中的电流过冲，保证电流的正负对称，降低对开关管的耐流要求，降低成本，避免变压器偏磁现象，降低变压器的容量、体积和成本。

本发明公开了一种应用于智能配电网的 EPON 通信系统的动态 带宽分配方法，包括步骤(1)基于不同需求将智能配电网各业务分为 EF 业务、AF 业务和 BE 业务；步骤(2)通过层次分析法计算 AF 业务和 BE 业务的权值，并计算一个轮询周期内 EF 业务和加权业务的缓存量和缓 存速率；步骤(3)根据电网故障情况，对各 ONU 业务缓存速率和业务 缓存量进行修正，计算一个轮询周期内各 EF 业务和加权业务的带宽需 求量；步骤(4)根据 EPON 带宽值对 EF 业务进行分配，然后对加权业 务进行分

（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。

 采用直流技术对海上风能进行汇聚和传输可以同时提高系统可靠性和灵活性，DC/DC变换器用于匹配不同电压等级以及接入直流发电和储能设备，为实现中高压直流电网中高效可靠的直流-直流变换，本项目首先研究中高压模块化多电平DC/DC变换器的可行电路拓扑结构，研究模块化多电平DC/DC变换器的运行和控制机制，解决均压控制问题，实现其电压和功率控制功能。依据理论研究成果，本研究组开发了60kW模块化多电平DC/DC变换器样机，对样机的测试结果验证理论分析以及所提出控制算法的有效性。 通过本项目的实施，解决了模块化多电平DC/DC变换器的调制、均压、控制等关键问题，验证其应用于直流电网的可行性。为未来直流电网的建设提供率了重要的理论参考和工程借鉴依据。 在本项目实施过程中，以国家千人计划，项目和中英自然科学基金项目为依托，本研究组与国家电网电力科学研究院、英国Strathclyde大学、英国Aberdeen大学合作开发了“带有DC/DC直流电压变换的大型新能源多端直流接入系统”的实证平台，研究和验证了直流电网的运行机制。针对模块化多电平DC/DC变换器，本研究组已申请专利一篇，发表多篇论文。

"该项目针对大型基础设施实时监测与灾害预警的迫切需求，历时10余年科技攻关，突破了多项重要理论与核心关键技术。提出了基于双重约束的光纤光栅非均匀应变传感理论，形成了复合材料光纤内植工艺与光纤金属化封装新工艺，攻克了传感精度低、成活率低与耐久性差三大难题；在国内外首次突破了大型基础设施裂隙水流速监测难题，破解了大型基础设施多场耦合监测技术障碍，发明了系列专用光纤光栅传感器；组建了超大容量光纤光栅传感网络，构建了大型基础设施安全监测多元信息一体化综合感知系统；提出了基于离散应变反演递推的形态传感方法建立了基于多场信息的灾变判据，解决了大型基础设施灾害综合预警的重大难题。形成了从“传感理论—封装工艺—传感结构—传感器—采集系统—预警方法”成套技术体系。成果获得2018年度国家科技进步一等奖、2018年度山东省科技进步二等奖项，纳入行业标准3项，获国家发明专利29项，实用新型专利34项，软件著作权15项，发表SCI论文52篇，EI论文62篇，产品出口英国、德国、新加坡、马来西亚等国家，同时产生了巨大的经济效益及社会效益，对大型基础设施安全监测与灾害预警行业发展具有重要的推动作用。本项目成果主要