（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。

面向AI等应用发展趋势推出的新一代高性能、高密度插卡式交换机 产品特性： 固化4个扩展插槽，每槽位最大可支持32个100G端口，更好满足数据中心网络演进需求 支持2+2电源与5+1风扇热插拔，支持GR完美重启，实现硬件与链路可靠性双重保护 三层路由功能轻松适配多重业务，数据传输高效有保障 多重管理方式选择 网络维护简单有效 构建下一代数据中心网络 AI/机器学习等应用的高速发展，驱动下一代数据中心网络向100G/400G演进。下一代数据中心网络，要求设备在单位空间内，具备更高的性能、更大的带宽，RG-S6920-4C在4U高度空间内，最大可提供128个100G端口，或64个100G端口+16个400G端口，更好的满足下一代数据中心网络的演进需求。 构建高性能、低延时数据中心网络 RG-S6920-4C交换机配合RG-S6510系列交换机，基于PFC/ECN等网络流控技术，以及MMU调优技术，可构建端到端、无损、低时延转发的RDMA（Remote Direct Memory Access，远程直接内存访问）基础承载网络，满足AI/机器学习、高性能计算、分布式存储大数据等应用场景的网络部署要求。 电信级可靠性保护 RG-S6920-4C交换机支持2+2电源冗余，5+1风扇冗余，所有电源模块以及风扇模块均可以热插拔而不影响设备的正常运行。此外整机还支持电源和风扇的故障检测及告警，可以根据温度的变化自动调节风扇的转速，更好的适应数据中心的环境。还具备设备级和链路级的多重可靠性保护。采用过流保护、过压保护和过热保护技术。 除了设备级可靠性以外，该系列还支持丰富的链路可靠性技术，比如支持GR快速重启、BFD快速转发检测等机制。当网络上承载多业务、大流量的时候，降低异常对网络业务的影响，提升整网可靠性。 IPv4/IPv6双栈协议多层交换 RG-S6920-4C交换机，硬件支持IPv4/IPv6双协议栈多层线速交换，硬件区分和处理IPv4、IPv6协议报文，支持多种Tunnel隧道技术（如手工配置隧道等等），可根据IPv6网络的需求规划和网络现状，提供灵活的IPv6网络间通信方案。 支持丰富的IPv4路由协议，包括静态路由、RIP、OSPF、IS-IS、BGP4等，满足不同网络环境中用户选择合适的路由协议灵活组建网络。 支持丰富的IPv6路由协议，包括静态路由、RIPng、OSPFv3、BGP4+等，不论是在升级现有网络至IPv6网络，还是新建IPv6网络，都可灵活选择合适的路由协议组建网络。 完善的管理性 支持丰富的管理接口，例如Console、MGMT口、USB口，支持SNMPv1/v2/v3，支持通用网管平台。支持CLI命令行， Telnet，集群管理，使设备管理更方便，并且支持SSH2.0、SSL等加密方式，使得管理更加安全。 支持SPAN/RSPAN镜像和多个镜像观察端口，可以将网络流量输出分析以采取相应管理维护措施，使原本不可见的网络业务应用流量变得一目了然，可以为用户提供多种网络流量分析报表，帮助用户及时优化网络结构，调整资源部署。

任何具有温度的物体表面都会产生红外线，利用红外线感应装置和计算机信息处理与成象技术，可以将物体表面的温度场以可视画面形式显示出来——红外图象。采用现代的图象分析与处理技术，结合被检测设备的结果参数和现场可方便采集的一些其它数据，如电信号、压力、流量等参数，利用先进的模糊聚类、神经网络、人工智能等理论可以对热设备的运行状况进行有效的在线检测、故障分析与趋势预测。 设备运行状况的在线评估与故障分析和诊断一直是生产实际中有待解决的问题。本项目的主要特点是：红外图象可以实现非接触的、在线（或离线）检测，也可以做离线普查。基于红外图象的热设备运行状况、故障分析与诊断系统除红外图象以外的其它信息可根据现场实际情况适当提供，并不强行要求。当然信息越多越准则判断的结果越客观，因此具有智能性。目前已有针对催化裂化、加热炉、常用电器设备等多套专用的设备运行状况评价和故障诊断系统通过鉴定，并在多处投入实际使用，受到普遍好评。

中国石油大学（华东）动态热演化岩石物理分析系统招标项目的潜在投标人应在青岛市市北区敦化路138号甲西王大厦24楼23A01室获取招标文件，并于2022年07月11日14点30分（北京时间）前递交投标文件。

可以量产/n本成果根据糖皮质激素类药物的化学结构和理化性质，探索了样品预处理、分离和检测技术，在国内外首次建立能同时定量和确证检测猪、牛、羊的肝脏和肌肉、鸡蛋和鸡肉及牛奶共9种组织和产品中8种药物(泼尼松、泼尼松龙、地塞米松、倍他米松、氟氢可的松、甲基泼尼松、倍氯米松、氢化可的松)残留的液相色谱-串联质谱法。该方法对各化合物在各种组织中的定量限为0.2?g/kg~4?g/kg，回收率60%-90%，批间异系数5.1%~12.6%。己作为国家标准，在全国农业、质检和卫生系统的数十家检验测试中心广为应用

1. 背景介绍信用评价作为一种服务产品，最早起源于1837年，路易斯•塔班在纽约建立了以企业为评价对象的最早的信用评价机构。穆迪创建了世界第一家企业信用评估机构。1922年，标准普尔公司的前身——普尔出版公司也开始对工业债券进行评价。1931年，美国制定了相关金融法规规范了民间信用评价，奠定了现代信用评价的基础。1974年美国发生了自30年代后最为严重的经济危机，在这次经济危机之后，人们开始关注信用评价，信用风险意识的增强促进了信用评价的迅猛发展。相对国外信用评价的发展而言，我国起步较晚，1992年，首家全国性证券评估机构——中诚信证券评估有限公司成立。目前我国信用评价机构已发展到60多家，遍及全国20多个省市。但是由于发展过快，评价机构缺乏独立性与公正性，评价方法不科学等各种问题。为了完善和发展资本需要，维护市场经济秩序，降低金融风险，建立新的信用评价系统，已成为我国政府急需解决的问题之一。2. 技术原理本项目以云平台为架构，以云平台SaaS(Software as a Service, 软件即服务)为客户交互模式，其后台采用云平台的虚拟化、集群的故障定位、资源池等技术，结合近年来刚兴起的智能优化等数据挖掘技术，结合交叉验证评估模型等，从而建立一个基于云平台的数据挖掘模式的信用管理系统。

1. 项目概述有限元法已经成为当今工程问题中应用最广泛的数值计算方法。ANSYS软件是经全国锅炉压力容器标准化技术委员会推荐的用于压力容器及管道强度评定分析的集结构、热、流体、电磁、声学于一体的大型通用有限元商用分析软件包。本项目应用ANSYS软件对各种复杂结构及载荷作用下的压力容器及管道进行有限元应力分析及强度评定。目前，已拥有下列结构的参数化有限元分析技术：A. 固定管壳式（含膨胀节）换热器及U形管换热器分析设计；B. 承受管道附加载荷的设备接管局部应力分析设计；C. 卡箍连接快开门结构应力分析；D. 制冷装置蒸发器、冷凝器分析设计；E. 考虑地震与风载荷的立式反应器及塔设备支座热应力分析；F. 灭菌柜设备门封头组件分析设计；G. 纺丝装置加热箱箱体分析设计；H. 刮膜式薄膜蒸发器结构分析设计；另外，在对含缺陷结构进行有限元应力分析的基础上，对压力容器及管道进行缺陷评定。2. 技术优势拥有全国锅炉压力容器标准化技术委员会颁发的压力容器SAD（应力分析设计）审核资格及常规一，二，三类压力容器审核资格，拥有正版ANSYS结构分析软件，从技术上为压力容器及管道强度评定技术提供保障。3. 技术水平传统的有限元单向建模—校核评定过程分析工作量大，设计周期长，参数化有限元分析技术是有限元分析的高级技术，本项目开展的压力容器及管道参数化有限元技术有效地提高产品设计质量和效率，提高企业开发创新和快速响应市场的能力。