（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。

氟硅唑，商品名福星，是淄醇脱甲基化抑制剂，用来防治谷类、苹果、葡萄等作物的黑星病，特别是对梨黑星病有特效，40%的乳油10000～12000倍能有效地防治梨黑星病，进口40%乳油的市场价格为50万元/吨。按现在的工艺条件，折百的原药原料成本小于30万元/吨。

本实用新型公开了一种智能隔音降温窗户组件，涉及智能建筑领域。该窗户组件包括设于外层的第一中空玻璃层、设于内层的第二中空玻璃层，第一中空玻璃层与第二中空玻璃层间设有透明聚氨酯弹性层，第一中空玻璃层与第二中空玻璃层之间设有隔音结构，第一中空玻璃层外设有智能降温结构；隔音结构包括：吸音降噪板框、分隔板、缓震弹簧；智能降温结构包括：储水盒、降温喷淋结构、单向节流阀。本实用新型在中空玻璃层的基础上加设隔音结构和降温结构，合理利用雨水和太阳能资源，加强了窗户组件隔音降噪、降温加湿的能力，避免了大量热量进入室内，

本发明涉及施工，特别涉及一种将应变计固定于混凝土中的组件及安装方法。针对目前混凝土应变计测量数据不准确的缺陷，本发明公开了一种将应变计固定于混凝土中的组件及安装方法，混凝土应变计组件包括应力计和固定钢筋，所述的应力计包括圆片、传力杆和应变传感器，所述应力计与固定钢筋之间设置有将应力计固定于固定钢筋上的固定装置，该固定装置设置于应力计上，使应力计的圆片和传力杆与固定钢筋处于非直接接触状态；所述固定装置包括固定管，该固定管一端与应力计连接，该应力计中与应变传感器连接的导线通过该固定管的管道向外延伸。通过在固定钢筋与应变计之间设置固定装置的方式，同时调整了导线出线方式，从而减少了外界因素的干扰。

本实用新型公开了一种硅通孔结构，其形成于硅片上，并包括掺杂粒子构成的导电区和绝缘区，绝缘区与所述导电区掺杂的粒子的极性相反，所述导电区表面覆盖有金属电极，所述硅片的表面除所述金属电极之外的区域覆盖有绝缘层。本实用新型硅通孔结构的优点在于：通过粒子掺杂方式形成硅通孔结构的导电区和绝缘区，导电区和绝缘区的基体都还是硅片本身，避免了目前硅通孔技术中金属和硅片热膨胀系数不同造成的热应力问题，能够提高器件的可靠性和寿命。

已有样品/n成功开发了系列硅光子流片工艺模块和初版PDK，其中标准单元库主要包括单模波导、Y-分支、光交叉器、耦合光栅等无源器件，而最近有源工艺的成功开发，将向标准单元库中添加加热电极、调制器和Ge 光电探测器等有源器件。此次有源器件流片的成功，加上先导中心2016年上半年开发成功的硅光子无源工艺及器件（图3），使微电子所硅光子平台已具有为业界提供基于180nm工艺的硅光子流片服务的能力，成为国内首个基于8英寸CMOS工艺线向用户

近期，我院肖瑞春副教授与中国科学院合肥物质科学研究院张昌锦研究员课题组及其合作者在二维滑移铁电材料中发现了与铁电序不完全同步的体光伏效应，这一结果丰富了人们对铁电序和体光伏效应之间关系的理解，相关研究成果近期发表在《npjComputationalMaterials》上。

本发明公开了一种微流控芯片组件，包括微流控芯片以及罩盖在微流控芯片上的盖片，所述微流控芯片上设有中心加样口、围绕中心加样口的若干周侧加样口以及将若干周侧加样口分别与中心加样口导通的流道；所述盖片上设有与所述中心加样口和周侧加样口对应的通孔；所述微流控芯片与罩盖转动配合，所述盖片具有保证微流控芯片上所有加样口与所述通孔对应导通的加样工作位，以及封堵所有周侧加样口的封装工作位；所述微流控芯片与盖片之间设有拨片，该拨片用于在盖片处于封装工作位时遮盖所述中心加样口。本发明的微流控芯片组件整体结构简单，使用方便，仅通过简单的旋转即可实现微流控芯片工作状态的切换，封装和打开非常方便，实用性较强。