适用于中心血站、疾控、刑侦科、医院保存血液制品、疫苗、药品、样品等。 铝合金型材，表面喷砂、负极氧化，抗氧化不怕水； 采用工业控制计算机、大屏幕显示器
具备震动抑制功能，运行平稳，性能稳
低温柔性线缆，满足最低 -45°C低温运动需求。

可实现门禁的智能化控制，支持通过PC端、手机端进行远程操作控制。1. 课表控制：根据系统内已有的课表，结合师生身份信息实现门禁的自动控制，从而达到无人值守的目的；2. 开放预约控制：根据已有的开放预约信息，结合人员的身份认证情况，实现门禁的自动控制；3. 策略控制：用户可自定义门禁的定时控制策略，系统根据预设策略对门禁进行自动控制；4. 远程控制：在用户权限允许的情况下，可通过PC机或手机APP实现对门禁的远程状态查看及控制；5. 联动控制：可结合消防预警/报警信息、安全学习考试结果、安全巡查结果、安全隐患整改结果等数据与门禁系统的管理进行联动；（如有）

项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别 一、项目分类 关键核心技术突破 二、成果简介 项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别，将以查视频回放的结果型安全管控模式，转变为控制关键作业环节的过程型管控模式，实现了安全关口前移 服务规范管理 智能数字化分析，提高了全站精细化管控能力以及管理层科学决策、信息决策能力。可应用于能源、电力、制造业等与人员安全以及操作流程合规性密切相关的行业。

（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。

多媒体智能控制系统，物联网控制管理，网络远程管理，音视频控制，适用于高校、高职院校教室建设。

当前，高校内部学院、部门网站更新不及时，僵尸网站、发布内容存在不规范用语、错别字等情况较为普遍，造成了很大的安全风险。由内蒙古财经大学自主开发的“镜湖一号——高校对外宣传数据智能分析平台一体机”，很好的解决了上述出现的问题。同时，还具备了呈现学校对外宣传数据数据分析与挖掘的可视化态势展现功能，支持大屏观看和手机端查看。“镜湖一号”基于高校对互联网发布的各类数据，使用人工智能和大数据分析技术设计应用模型，让学校的管理者实时掌握数据动态。 应用场景及创新点： 1.监控敏感信息泄露，展现处置状态。 2.代替人工发现更新不及时、不到位的网站。 3.对比分析高校党建态势，同时展现学校内部各部门党建状态和成果。 3.实时展示高校发布的宣传数据态势，分析出最受欢迎、热门文章等。 4.平台支持国产化平台部署。 5.实现一体机快速部署。

智能防火报警系统整合了GSM短信技术、高速数据传输的蜂窝移动通讯技术、载波技术、微功率无线技术、TCP/IP网络通信技术、嵌入式技术、图像采集技术、火焰识别技术、专家控制技术等先进技术。采用自主研发的红紫复合火焰传感器对火焰发出的紫外线和红外线进行检测，采集火焰的特征参数信号，可防止太阳光、灯光、闪光等外界干扰信号，实现对火焰信号的准确识别，并发出报警信号。同时配合烟雾传感器和高清摄像头对现场进行烟雾和画面的采集，大大增强了火灾初期报警的准确性。采用高速数据传输的蜂窝移动通讯技术，速率一般在500kbps以上，系统可将报警信号和画面快速的传送至远程的中央控制室。采用“智能天线”技术，基于天线的动态波束成型，改变来自AP的射频能量的形态与方向，确保方舱内部的无线通信，可很好的防止其它无线信号的干扰。智能防火报警系统采用专家系统进行控制，专家系统由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成，能很好的实现对防火报警系统的智能控制，使系统更加可靠、智能。

智能蜜网技术是一种新兴的基于主动防御的网络安全技术，目前日益受到人们的关注，发展前景广阔。蜜罐是一种网络安全资源，它通过监视入侵者的活动，使用户能够分析研究入侵者所掌握的技术、使用的工具以及入侵的动机， “知己知彼, 百战不殆”,只有在充分了解对手的前提下, 我们才能更有效地维护互联网安全，而蜜罐和蜜网技术为捕获黑客的网络攻击行为, 并深入分析黑客提供了基础。 智能蜜网技术可应用于政务网站、企业网站监控等网络安全和信息安全监控等领域。在2013年“棱镜时间”的曝光后，中国对信息安全保障的重视程度也达到前所未有的高度。在网络安全的倒逼下，行业发展正迎来政策蜜月期，相关扶持政策有望陆续出台，信息安全市场将进入快速发展期。 智能蜜网项目以数据捕获和分解，用户上网行为模拟和恶意代码分析为核心。开放真实的web服务，FTP服务，telnet服务等。系统包含数据存储，智能分析，被动蜜网，主动蜜网，模拟用户子网，邮件子网，连接控制，数据捕获，管理区域等9个模块。 蜜网服务数据有一定的吸引力，吸引黑客对蜜网的攻击。蜜网中预留一些操作系统和服务的漏洞，来实现攻击诱骗。在黑客不察觉的情况下，收集攻击方式和恶意代码样本。 模拟用户的正常上网行为，访问web服务，FTP下载，访问邮箱等等，收集一些恶意脚本和恶意代码。搭建真实的邮件服务器，并在互联网上传播该服务器的邮箱地址，引诱恶意邮件发送者向该地址发送带有恶意代码的邮件。 URL获取与分析模块通过可配置的多种途径自动获取URL，以自定义格式保存为中间结果，再统一由相应程序保存到数据库中。之后对数据库中的URL进行筛选和判断，得到最终的恶意URL。