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。

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。

完成团队简介：高岭教授及其领导的科研团队长期以来致力于信息科学领域的研究工作，主要围绕计算机网络基础理论、网络安全与管理、网络流量与性能分析，以及嵌入式Internet服务、网络应用服务、教育信息化、远程教育和教育技术等领域开展相应的研究工作。先后在国内外学术刊物上发表论文100余篇，其中SCI、EI 、ISTP检索30余篇；教学科研成果多次获陕西省、西安市等颁发的优秀成果奖；主持国家自然科学基金项目、国家科技支撑计划项目课题、陕西省“13115”重大科技创新工程公共服务平台建设项目等20余项国家、省部级科研项目。   现代服务业安全服务支撑平台层次结构 成果内容：研究团队通过集成网络管理、云计算、移动计算等技术，研发具有自主知识产权的“现代服务业安全网络支撑平台”，构建一个安全、稳定、可靠的网络环境，解决当前服务业支撑环境安全和服务质量等难以保证等问题，适用于各类复杂网络环境，易于向云计算架构移植，同时支持移动终端接入的解决方案。 现代服务业安全网络支撑平台的关键技术包括支持多标准跨平台的一体化漏洞检测技术、 安全网络环境主动构建技术、漏洞安全服务个性化定制技术、支持多源关联的网络态势评估技术、 Hadoop云计算海量日志深度分析技术、自适应移动服务访问技术。团队在关键技术的研究基础上研发一套安全监控服务平台系统，并发表相应的学术论文和申报国家科技发明专利。 成果成熟度：中试产品阶段（已解决关键技术，需要合作进行产业化攻关）。 预期成果收益：需要投入210万元对于平台进行改版设计及性能优化，更好面向移动服务市场。按照目前漏洞扫描及安全评测的市场价格测算，重点针对企事业单位的安全环境，以每套30万或者安全检测服务费计算，预期在达到年销售600万的销售收入。

分布式光纤传感网络系统是一种融合传感、控制等功能的网络系统。光纤传感器通过改变的各种特性，比如波长、相位、强度等，来实现对外界物理量的传感。同时光纤又是一种很好的通信媒介，因此可以很好的同光纤传感网络系统融合。该网络系统具有抗电磁干扰，可靠性高，远距离分布式监测等特点，具有广阔的应用价值和市场前景。 　　电子科学与工程学院光子学与光通信研究室早在上世纪八十年代中便开始了光纤传感器的研究工作，九五期间又承接了国家重点科技攻关项目"光纤工业控制网络系统"的研制任务。多年来潜心攻关，埋头研究，成功的研制了多模光纤光栅、长周期光纤光栅，各类光纤传感器件（包括微弱力传感器，光纤温度传感器等）以及光纤工业控制网络系统，各项成果通过国家、部省级科技成果鉴定，达到国际先进水平，取得多项自主知识产权。 　　该成果进一步加速了我国在光纤传感以及光纤工业控制网络系统领域的发展，为发展全光传感控制网络奠定了基础，广泛用于工业控制、管道监控以及周界安防等领域。

随着P2P（Peer-to-Peer，即对等连接）技术的迅速推广和普及，基于P2P技术的文件共享、音视频直播/点播、网络游戏、协同处理和深度搜索等各类应用大量涌现，而其中的安全问题尤为突出，给网络运营商、网络监管部门带来了新的安全问题和管理挑战。 目前，已经存在一些使用P2P特征码的方式对P2P应用进行识别和控制，当前对P2P应用进行识别的方式不少采用X86平台+Linux操作系统，使用纯软件的方式进行识别和控制，但是由于X86平台自身的性能瓶颈，使得在千兆网络环境中很容易形成性能瓶颈，不仅影响网络通信质量，也使得对P2P应用进行识别时达不到应有的效果。网阀项目组通过对目前架构中出现的问题的研究，找到当前X86平台中的缺陷，并针对该缺陷，提出了使用FPGA卡，在硬件级对P2P协议进行识别和控制。这种软硬件相结合的方式，解决了传统的X86平台中的瓶颈问题，使得系统的整体性能得到了很大的提高。 针对目前市场上的需求，我们在对P2P应用进行识别和监控的系统中增加了带宽管理、流量清洗以及日志统计等功能，实现了对网络进行有效管理的功能。另外，通过对多核技术的研究和应用，对操作系统及网络协议栈的优化，使系统更能够满足在高速网络中的性能需求。 1. 支持对多种P2P应用及其传统网络应用的分析、识别 2. 基于P2P应用的网络带宽管理 3. P2P流量统计与分析 4. 远程管理和维护 5. 面向对象的管理机制 6. 多级权限管理功能 7. 账户锁定保护功能 8. 独立、强大的日志功能 9. 快速的P2P协议/应用分析响应机制 10. 智能升级功能 11. 支持两种工作模式 12. 支持ByPass功能 13. 串口控制台功能模块 14. 支持配置参数的导处和导入功能 15. 支持状态监控功能 16. 利用FPGA实现高速协议特征识别； 17. 在高速网络应用识别和控制的系统中增加了带宽优化技术； 18. 使用流量清洗，能够对网络中的异常流量进行清洗过滤； 19. 实现高速网络环境下的各种应用协议的流量统计、排序； 20. 实现基于主机的流量统计、分析，并实现TOP-n排序等功能； 21. 对Linux内核的网络协议栈进行优化； 22. 采用多核技术实现高速网络数据处理。 “P2P应用监控关键技术研究及系统研发”获得2008年度四川省科技进步奖二等奖。 该系统的前一代产品（基于纯软件实现）在取得公安部销售许可证的情况下，已经在学校、政府以及一些高信息化的事业单位进行应用。而软硬件结合的网络监控与带宽管理系统也将一步步替换前一代的纯软件平台，并将进一步的部署在党政、电信、教育、企业等行业。该系统投产条件要求不高，可以根据市场情况调整生产能力。需要的生产能力是装配工业控制计算机及软件（初期可以采用硬件装配外包的形式）。

项目简介：目前，基于互联网的搜索系统，主要依赖于GOOGLE、BAIDU等搜索引擎，这类搜索引擎功能强大，但在同一关键词中，所搜索的结果往往多达几千条甚至几万条或更多，在如此多的结果面前去寻找自己想要的结果，其难度那是可想而知的。另外，由于这些搜索引擎反馈的信息以关键字为线索，导致反馈结果完全可能与用户希望查找的结果相关度不大，反馈大量无用信息。 本项目研究使用主题爬虫技术建立分布式爬虫，采用精准搜索技术对互联网上的包含特定信息的网页进行抓取和存储，并采用自然语言处理技术和文本挖掘技术对抓取的网页元素进行智能分析和智能抽取，然后将包含特定主题的精准信息呈现给用户。形成的项目产品内容如下： 1. 部署、研发基于主题的互联网精准搜索咨询服务系统平台。在互联网上部署精准搜索系统，由用户提交需要搜索的主题，帮助用户建立、完善基于主题的描述库，用户只需简单地提交搜索指令，则通过平台获取及时、全面、精准的搜索结果； 2. 开发互联网精准搜索软件系统。供一些特殊用户群自己部署系统，独立获取所需要的信息。协助用户自行部署，并为用户建立特定主题的描述语义库，用户可根据搜索主题扩展、定制主题描述库。 建设投产条件：本系统为软件系统，因此应用本系统的推广和维护条件非常简单，只需软件开发环境、4台服务器，以及10M以上的网络带宽。如果要提供信息搜索服务，则需要分布式部署服务器，该投入可以根据具体市场规划、预测进行预算。 主要技术指标：由于一些特殊的用户群体，他们所关注的主题信息较为敏感，这样，他们的系统往往要求单独部署（如军队、安全等行业）。此类用户以一套软件系统销售25万元计算，2011年市场拓展期，销售系统10套，销售收入250万元；2012年销售系统20套，销售收入500万元。另一类用户直接为其提供特定主题的信息搜索服务，以信息服务的方式为其提供产品。 应用范围覆盖国家各职能机关、金融、企业、军事、科研等不同行业，为相关行业提供特定主题的情报/信息获取，如：交通、环保、金融、水电、公安、安全、教育、国防等各行业及单位，以及与民生相关的各个行业。项目目前已进入产业化阶段，成果权属为我校独自拥有。

本发明公开了一种基于BP神经网络的双耳声源定位方法，本发明提取出双耳声信号的互相关函数与耳间强度差作为特征参数，用反向传播BP神经网络对特征参数进行建模。测试过程中根据测试双耳声信号的互相关函数和耳间强度差，利用神经网络估计每帧双耳声信号对应的声源方位。相对于现有技术，本发明鲁棒性和准确率有明显提高。