（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。

"智能电网已经成为21世纪全球能源的新战略。在其需求侧，深入至电器的用户用电行为精细化分析对推动全社会节能减排和电力系统源/网/荷协调优化意义重大。与在每个电器上分别安装量测传感器的方法不同，非侵入式电力负荷监测技术仅通过分析用户供电入口的负荷总量数据，便能获取各电器的用电信息，具有成本低、实施容易和用户易接受等特点。 针对非侵入式电力负荷监测技术实用化所面临的各种挑战，过去十多年里，中国工程院院士、天津大学余贻鑫教授领导的研发团队从技术基础理论和工程实施方案两方面开展了深入系统的研究，取得了一系列开创性成果：（1）创立了一系列非侵入式电力负荷监测新原理和方法，形成了多种方法融合互补的非侵入式电力负荷监测方法体系，突破了对小功率和功率连续变化型电器可靠检测的瓶颈，准确度明显优于国际同类产品；（2）首创了一整套用于非侵入式电力负荷监测的完全无监督电器自适应建模方法，解决了陌生场景中电器准确建模的技术难题，实现了无需人工干预的电器负荷印记库全自动建立和维护；（3）首创了云—端协同非侵入式电力负荷监测系统解决方案，研发了可推广应用的硬件装置（智能用电分析仪产品）和软件系统

公司研发的基于云计算的车辆远程测试与智能诊断系统，能够实现电流、电压、CAN/LIN等信号级测试，还能实现车身和底盘电气系统等系统级测试。 一、项目进展 已注册公司运营 二、企业信息 企业名称 安徽风云智控科技有限公司 企业法人 张天耀 注册时间 2022.3.8 注册所在省市 安徽省合肥市 组织机构代码 MA8NRN7R-8 经营范围 技术开发、技术服务 企业地址 安徽省合肥市蜀山区长江西路898号新加坡花园城二期北区9栋1单元803室 获投资情况 无 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 张天耀 机械工程学院/工业工程与管理 2021/2024 许于涛 机械工程学院/工业工程 2021/2024 饶正卿 机械工程学院/工业工程与管理 2021/2024 孙睿 机械工程学院/工业工程与管理 2021/2024 王凯林 机械工程学院/工业工程与管理 2020/2023 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 王跃飞 机械工程/计算机应用技术 副教授 汽车电子与实时系统；智能制造系统与物联装备 五、项目简介 汽车电子电气架构及系统测试是车辆关键性验证试验，直接影响到车辆系统运行的可靠性和安全性。传统测试设备功能单一，人力物力投入大，测试成本高，测试数据不能实时共享和处理，测试效率较低。  为解决该类问题，由合肥工业大学在校研究生创办了本高新技术公司。公司研发的基于云计算的车辆远程测试与智能诊断系统，能够实现电流、电压、CAN/LIN等信号级测试，还能实现车身和底盘电气系统等系统级测试。该系统包括采集终端、云服务器、Web客户端、PC端软件和手机端APP，可使用WiFi及蓝牙进行本地测试，也可以通过4G/5G网络实现远程控制、实时监测、在线采集、智能诊断。本系统已开发出标准型和便携型等系列产品，能够满足不同汽车企业智能化测试需要，市场前景广阔。

面向当前人工焊接效率低下、焊接质量难于保证的缺点，以线结构光传感器为主要感知工具，构建了一套面向3D空间曲线焊缝的焊接机器人智能导引编程系统，实现了对3D空间曲线焊件的在线感知、焊缝精确提取，以及焊缝轨迹编程轨迹的优化生成等。具体技术指标： （1）焊缝扫描精度在0.2mm以内、扫描速率最高可达1kHz； （2）可面向多种不同类型的焊缝实现自动化作业； （3）无需人工示教编程，可根据扫描模型自动生成机器人的焊接路径。 创新点： （1）基于3D视觉处理方式，受环境影响小，无需光照条件； （2）可处理的焊缝类型多，适用面广； （3）去人工示教，智能化编程方式。

云蝶科技是国内领先的人工智能和AI大模型企业，聚焦产业数字化转型服务，提供从核心算法、智能硬件到全场景应用的大数据及人工智能技术产品与解决方案。乘着国家数字化转型的东风，云蝶科技近年来已成长为技术创新领航、业绩增长领跑、市场规模领先的行业龙头企业，相继获评国家高新技术企业、广东省专精特新中小企业、广州市未来独角兽企业、广州拟上市企业最强科创领头羊等荣誉，目前已在全国超过100个区县落地4000余个项目，产品和方案被广泛的应用于教育、工业和农业等领域。

一、项目简介 激光扫描系统能够直接获取被测目标表面的三维空间坐标，具有采样密度高、点云分布密集等特点，正逐渐成为三维空间信息快速获取的主要手段之一，被广泛应用于文物保护、三维重建、数字地面模型生产、城市规划等领域。团队拥有世界上最先进的车载和静态地面激光扫描系统，具备在城市、海岸带、矿山等环境条件下获取三维点云数据的能力。通过研发点云分割、点云智能量测、三维目标提取、点云分析、三维场景

成 果 简 介 电伴热广泛应用于石油、化工、地铁等领域，本研究成果设计了一种新型的电伴热控制器。系统采    用六管设计，每管采用一主一备方式；可采集 32 路温度 、12 路回路电流、6 路漏电电流；具有主输出 12 路， 报警输出 11 路；具有RS485、CAN、以太网通讯接口。采用物联网和云服务技术，设计了基于物联网云平台的WEB 服务器，可实现PC 端远程监控与移动互联网微信客户端绑定设备、实现人与设备的实时交互， 设备监控、智能数据分析、消息分发、远程升级等服务。

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。