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。

这一强磁场下的不饱和磁性与非相对论型的拓扑平庸电子呈现的饱和磁性截然相反，是相对论型的电子所独具的指针性属性。 由于各种拓扑电子材料的能带对于包括自旋轨道耦合以及化学势在内的各种参数高度敏感，决定电子拓扑性质的能量尺度可能小至毫电子伏特量级，因此通常的谱学测量如角分辨光电子谱等往往无法分辨能带的细节。而普通的电输运测量只能表征费米面的贝里曲率，无法区分相对论型的电子能带是否存在能隙。这项对于拓扑电子材料的磁性研究，结合了理论计算与强磁场下的实验表征，提出了探测相对论型的电子的一种决定性指针。该工作已在《自然•通讯》上发表 Nature Communications 10, 1028 (2019).Magnetic responses of the non-relativistic and relativistic fermions a, b, c, d: The energy bands of non-relativistic (parabolic-band) fermions; g, i, h, j: The energy bands of -relativistic fermions; e, f: Calculated parallel magnetization (M||) and effective transverse magnetization (MT) of non-relativistic fermions are saturated in strong magnetic field. k, l: Non-saturated M of relativistic fermions.

本发明公开了一种 III-V 族量子点诱导生长钙钛矿晶体的方法， 包括以下步骤：(1)将 III-V 族量子点分散于非极性溶剂中得到量子点溶 液，将无机配体溶解于极性溶剂中得到无机配体分散液，再将量子点 溶液与无机配体分散液混合搅拌，极性溶剂所在层即对应第一前驱体溶液；(2)将 PbX2 与 MAX 均匀分散于极性溶剂中得到第二前驱体溶 液；(3)将第一前驱体溶液与第二前驱体溶液混合后利用反溶剂法生长 晶体，从而在

本发明公开了一种基于 SiCx 织构的硅量子点浮栅非易失性半导 体存储器及其制备方法，包括硅衬底，在硅衬底上掺杂形成的源导电 区和漏导电区，以及在源漏之间的载流子沟道上依次生长的隧穿氧化 层、电荷存储层、控制栅氧化层及金属栅层；所述电荷存储层包括 SiCx 织构和横纵向均匀分布于 SiCx 织构中的硅量子点。本发明有效利用硅 量子点-SiCx 织构间的隧穿势垒，构成了控制栅氧化层-SiCx 织构-Si 量子点-SiC

近期，西湖大学理学院何睿华课题组连同研究合作者一起，发现了世界首例具有本征相干性的光阴极量子材料，其性能远超传统的光阴极材料，且无法为现有理论所解释，为光阴极研发、应用与基础理论发展打开了新的天地。

本发明涉及一种表征太赫兹量子级联激光器多模效应的电路建模仿真方法，首先建立表征 THzQCL 有源层内部载流子输运特性的多模速率方程组；接着建立表征ThzQCL内部多模态效应的物理方程模型； 然后通过变量代换和化简得到相应的等效电路模型；建立表征 THzQCL 输入端电气特性的等效电路模型； 建立表征 THzQCL 输出端光功率特性的等效电路模型；最后建立电路宏模型，包括一个电气端口和一个 光功率输出端口，基于电路宏模型进行光电性能仿真和输出光谱性能测试。本发明可测试温度对 THzQCL 各种光电性能的影响；可支持实现对 THzQCL 光电性能和输出多模效应的模拟和仿真。 

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

本发明提供了动物源食品致病菌鉴定及其耐药和毒力基因检测复合芯片。本发明提供了用于鉴定动物源食品致病菌、致病菌耐药基因和/或致病菌毒力基因的探针，由序列1‑序列171所示的单链DNA分子组成。本发明实验结果表明：本发明的动物源食品中致病菌鉴定及其耐药和毒力基因检测复合芯片，能够有效的达到同时鉴定细菌及其毒力和耐药基因的综合目的。

鼻咽癌是鼻咽上皮来源的恶性肿瘤，多发于鼻咽顶部和咽隐窝，是一种多因素影响的复杂性疾病，其 发生与发展与遗传因素、EB病毒感染及环境因素密切相关。本研究成果提供了一种用于鼻咽癌的发病风 险预测的试剂盒以及相应的基因芯片，可同时检测多个鼻咽癌易感基因SNP位点，为个体罹患鼻咽癌风险 程度、鼻咽癌高发区人群普查，筛查鼻咽癌发病高危人群以及进行相应预防措施提供参考。本研究成果涵 盖了11个鼻咽癌易感基因SNP位点及EB病毒分型，运用本研究成果设计的Taqman探针及引物，采集受试者 的生物样本进行核酸提取及荧光定量PCR最终获得其基因分型。本研究成果对于鼻咽癌发病风险预测的效 果良好，曲线下面积可达0.737，95%置信区间为0.672-0.802；p值达到了5.06E-10。此预测模型预测鼻咽 癌发病风险的灵敏度和特异度分别为87.41%和53.00%。