福州云辰电子科技有限公司成立于1997-07-15，法定代表人为吴世荣，注册资本为1500万元人民币，统一社会信用代码为91350102MA8U204A7Y，企业地址位于福建省福州市台江区茶亭街道广达路68号金源大广场(金源中心)西区28层04单元B01办公，所属行业为批发业，经营范围包含：计算机及配件、家用电器、办公设备、电子产品、通讯器材、五金交电（不含电动自行车）、建筑材料、装饰材料、日用品批发、代购代销；计算机软硬件技术开发、技术咨询、技术服务。（依法须经批准的项目，经相关部门批准后方可开展经营活动）。福州云辰电子科技有限公司目前的经营状态为存续（在营、开业、在册）。

本公司主要从事传感器实验台、过程控制实验装置、传感器实验仪、现场总线实验装置、过程控制技术、自动检测技术、传感技术、电力电子及电气传动技术、电机拖动及控制技术、现代电工电子综合技术、机电一体化、数据采集与处理技术、虚拟仿真技术、单片机嵌入技术、汽车实训技术等教学实验仪器和工业仪器仪表的生产。是国内专门生产测控教学仪器，集软件开发、工程建设、硬件设计、销售的综合性企业。生产的过程控制综合实验系统、传感器系统实验仪及机电一体化及自动化系列等产品已遍布全国各地大、中、专院校。 公司目前生产的十大系列百余种教学实验产品，秉承“以人为本、科技创新、以质立市、以优传名、以诚言商、以信为荣”的企业宗旨，同时依托浙江省国家大学科技园的强大实力，主要由浙江工业大学牵头、与浙江理工大学、中国计量学院与江干区人民政府共同建设，发扬“自强不息，坚韧不拔，勇于创新，讲求实效”的浙江精神，精益求精，为广大客户提供优质的产品和完善可靠的服务。志在为全国广大院校提供更专业、更实用、更具有发展空间的教学设备整体解决方案而不懈努力！ 企业经营理念 超越：塑造创新每一天的企业精神，拓展思维空间 价值：确立需要就是价值的经营哲学，不断追求卓越 行动：培养重在行动，贵在创新的企业作风，把希望变为现实 企业宗旨 以人为本、科技创新 创新是想象力与创造力的综合发展，体现在突破传统、创造新意超前发展。 以质立市、以优传名 质量是企业的生命，质量管理的终极落脚点是产品要能经受住市场的洗礼，判别标准是客户的信任度。 以城言商、以信为荣 “合作源于信赖、信赖源头专业” 诚信是积累在一种不断完善的基础上，没有100%完美的产品，只有我们不断的完善，没有最好、只有更好。我们把完善服务作为市场营销的支点，以打造民族品牌作为公司的发展战略。

雄安智评云数字科技有限公司由国内资产评估行业排名前三的北京天健兴业资产评估有限公司发起设立，于 2018 年 11 月 5 日在雄安新区注册成立，注册 资本金 5000 万元人民币。智评云公司将云计算、大数据、人工智能技术和资产 估值定价有机结合，旨在通过“智能+”为行业发展带来新动力。 2019 年 10 月，智评云公司与清华大学深圳研究院珠海创新中心合作成立珠 海清华智能估值研究中心，借助创新中心在大数据、云计算方面的技术优势，进 行基于前沿智能技术的估值相关的估值创新研究、估值数据中心建设和研究成果 发布转化等工作。 智评云公司目前正处于高速成长期，是估值行业智能化、数字化业务的排头 兵，已上线产品获得了行业的认同。现面向社会和高校公开招聘，诚邀具备远见、 能力和态度的有志之士加入，共同开创估值行业信息化新篇章。同时，智评云公 司愿携手高校，以校企项目合作、应届人员招聘等形式，为高校在校学生及应届 毕业生提供实践、就业机会，共同创新，共谋发展。智评云公司将为有志于在智 能估值行业拓展的年轻骨干提供极具潜力的成长空间、有一定竞争力的薪酬和长 期股权激励。

伟东云教育，创立于2012年，始终坚持“共享教育资源·传承人类文明”的发展愿景，整合全球优质教育资源，以教育技术为支撑，以优化教育产业结构为基础，以资本运营为杠杆，坚持创新可持续发展，努力使教育科技惠及全世界。 目前，伟东云教育已形成包括基础教育、职业教育、高等教育及海外教育业务在内的国际化教育集团，业务遍布全国20个省份、173个市区县，在全球16个国家及地区拥有分支机构，服务于330多家世界500强企业，用户数量超3000万。 作为联合国教科文组织战略合作伙伴，伟东云教育先后承办两届四次国际教育信息化大会；作为上海合作组织战略合作伙伴，伟东云教育以教育合作落实“上海精神”，助推人文交流；作为中国教育部合作伙伴，伟东云教育推进“一带一路”教育行动，促进全球资源共建共享。

北京清大云卓科技发展有限公司(简称清大云卓)是清大世纪教育集团旗下子公司之一，致力于教育信息化软、硬件的生产与研发，是一家专注于音视频采集与传输、图像跟踪定位、教育信息 平台建设等领域的的高新技术企业。清大云卓成立于2001年，总部位于北京，注册资金1000万以上，已先后在全国设立7大区， 15个办事处。 清大云卓依托集团优势，拥有一批极富经验又具备创新精神的科 研团队和一支优秀的企业管理团队，凭借十多年网络教育推广的积累，不断创新，结合最为先进、稳定的的音、视频采集处理技术，为教育等行业提供最为优质的设备和解决方案。 目前，公司通过了国家软件企业认证，国家高新技术企业认证，ISO9001:2008质量体系认证，ISO环境管理系统认证，其主营产品相继获得了十多项软件著作权与技术发明专利以及3C认证、CE认证和中央电教馆认证等。“立足教育，专注录播”清大云卓秉承“品质为先、信誉为重、管理为本、服务为诚”的理念，愿意与您携手共创辉煌! 　　

北京优才云教育科技有限公司成立于2017年，公司致力于为高校大学生解决实习就业问题，为大学生提供职业规划、简历润色、面试辅导等咨询服务，解决大学生就业迷茫。公司通过新媒体平台打造职业教育类服务账号“优才说职场”，为大学生实习就业提供指导方向，打通高校学生就业“最后一公里”。

该系统基于各级医疗系统的影像科研临床应用基础及各类院校影像教学大 纲而开发，贴合各级诊疗机构日常诊疗习惯和院校教学大纲需求，方便教师对各 类影像图片的展示和教学，能更好的让学生全面对各类影像进行阅片、报告书写 练习，以及熟悉临床应用及诊疗流程，有利于训练学生的影像技能操作能力及就业。

（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。