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。

（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。

本发明提供了一种环保型双金属钙钛矿量子点的制备方法。在惰性气体保护的条件下，先将AgBr和BiBr3与反应溶剂十八烯，表面活性剂油酸、油胺混合，使其完全溶解，然后将混合溶液加热至反应温度，随后注入溶有溴化丁胺的DMF溶液，体系开始反应生成钙钛矿结构，并随着反应的进行，逐渐形成(C4H9NH3)2AgBiBr6量子点，最后用丙酮淬灭反应，即得到最终的(C4H9NH3)2AgBiBr6双金属钙钛矿量子点。本发明采用热注入合成方法，通过调节合成环境的酸性，在不改变钙钛矿形貌和晶体结构的前提下，实现对钙钛矿光学性能的调控。合成的钙钛矿量子点单分散性和稳定性较好，形貌均一，对于构筑能带隙可调的光电器件具有深远的意义。

本发明提供了一种基于PDMS聚合物的柔性量子点随机激光器，包括两层PDMS薄膜层以及两层PDMS薄膜层之间夹置的渗透层，PDMS薄膜层中的交联剂浓度大于4%，渗透层中的交联剂浓度为2%?4%，渗透层为内应力分布不均匀的PDMS薄膜层，渗透层上设有至少一组由中心点向各方向发散的若干条线性凹槽或至少一组由中心点逐渐扩散的若干个环形凹槽，凹槽供量子点渗透。本发明量子点在随机激光出射过程中充当增益介质的作用，利用渗透层的内应力分布不均，通过光弹性效应形成局域化折射率不一致，增强多重散射作用，达到了降低出射随机激光阈值的目的。本发明中量子点填充在浓度较低的渗透层内，相比玻璃基板表面的量子点薄膜，具有长时间运作的特点。同时由于PDMS是柔性材料，具有可弯曲的特点，可以实现柔性随机激光器制备。

本发明提供了一种基于表面等离子体的量子点随机激光器，包括顺序层叠的第一玻璃基板、间隔层和第二玻璃基板，所述第一玻璃基板在与间隔层贴合的表面上设有微米级凹槽供量子点沉积，所述间隔层中含有固定在第二玻璃基板上的金属纳米粒子，控制金属纳米粒子与量子点之间的距离。本发明金属纳米粒子的表面等离子体共振效应增强泵浦光的激发效率和随机激光的辐射效率，同时间隔层有效避免了量子点与金属纳米粒子接触而产生的荧光猝灭现象，并且由于间隔层材料透明高分子聚合物，可以使金属纳米粒子的共振吸收谱发生红移，实现表面等离子体共振带和激励光谱与出射光谱的耦合，从而得到低阈值、高强度的稳定随机激光出射。

一种基于掺杂量子点波长转换的紫外探测系统及方法，所述紫外探测系统结构包括封装外壳和依次设置的透镜、带有通光孔的斩波器、小端面涂覆光滑透明掺杂量子点薄膜的光锥、可见光CCD、与所述可见光CCD信号连接的图像处理单元，其中，所述斩波器、所述光锥、所述可见光CCD以及所述图像处理单元设置于所述封装外壳中；所述可见光CCD与所述光锥的大端面紧密耦合。本发明提供的基于掺杂量子点波长转换的紫外探测系统及方法，通过掺杂量子点实现紫外光信号的光谱转换，进而实现紫外图像探测，相比较现有技术，具有系统结构简单、性能稳定、成本较低的特点。

本发明公开了一种提高量子通信网络连通性的纠缠粒子对分发节点部署方法，包括（１）将量子通信网络区域进行划分并编号；（２）对于含有ｎ个量子通信节点的通信网络，随机部署ｍ个纠缠粒子分发节点，计算量子通信网络连通度；（３）利用优化算法计算ｍ个纠缠粒子对分发节点部署位置的最优解，即量子通信网络连通性最优时，纠缠粒子对分发节点的矩形编号和坐标。本发明可用于含有任意量子通信节点数目和任意拓扑结构的量子通信网络，其执行过程简单，且易于实现，量子通信网络的连通性得到显著提高。

基于全同粒子不可分辨性的量子相干性可以提高相位鉴别的成功几率，并且能与基于单个粒子相干叠加的相干性同时存在，因此将在具体的量子信息任务中获得应用。

清华大学电子工程系黄翊东教授团队崔开宇副教授带领学生在超光谱成像芯片方面取得重要进展，研制出国际首款实时超光谱成像芯片，相比已有光谱检测技术实现了从单点光谱仪到超光谱成像芯片的跨越。

本发明公开了一种安全状态监测预警式有源电子标签，包括控 制器、存储器、射频模块、安全预警模块、信号处理模块和安全感知 模块，控制器分别连接所述存储器、射频模块、信号转换模块和安全 预警模块；安全感知模块与所述信号处理模块连接；信号处理模块用于接收安全感知模块发送的检测数据，并对该数据进入信号放大处理 和 A/D 转换处理后传送给控制器；控制器用于接收信号处理模块发送 的数据，其一方面控制存储器存储此数据，另一方面分析评估该数据； 射频模块用于所述控制器与外部读写器进行通信。本发明能方便现场 管理人员