青岛海粟是一家专门从事色谱材料，自有技术循环生产的企业。主要有层析硅胶、高效硅胶、硅基色谱填料、贵重金属清除剂、色谱耗材等高性能的提纯分离材料，广泛应用于制药、化学合成、精细化工、科研分析制备等领域。 在科技国家高速发展的背景下，我们不能单纯依靠国外几十年前的技术水平，必须要创新突破，找到我们自己的道路。公司首先依靠产品的稳定性，再对产品特性坚持不断的探索，对工艺环节流程认真优化，可提供常规和定制等不同的系列产品，满足多样化的市场需求。帮助客户在分析和制备中减少项目问题和提高运行效率，共同向上发展。 公司自创立以来，始终坚持“尊重、谦和、正直”的做人做事理念，致力于更用心的产品和服务，尊重员工和客户的各项建议反馈，希望彼此协作激励，获得更多的认可和信任，使公司未来发展的可持续性更好，也会协同各方积极为社会的发展做出更多的贡献。

项目简介： 项目委托来源成都清样宝柏有限公司， 该系统实现了企业生产过程的计算机管理： 对原材料、成品、半成品、

（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。

本项目将研制一套软硬件一体化的医学图像处理与三维重建系统产品，该产品由三大部分组成，包括： 高性能、大容量、适合处理医学图像的硬件平台； 针对医学图像处理裁剪后的专用Linux操作系统；综合医学图像处理与三维重建的医疗专业应用系统。 成果性能：三维重建速度快、重建的图像真实、精细，操作方便。 应用范围：CT、MRI等医学图像处理与三维重建虚拟手术

随着P2P（Peer-to-Peer，即对等连接）技术的迅速推广和普及，基于P2P技术的文件共享、音视频直播/点播、网络游戏、协同处理和深度搜索等各类应用大量涌现，而其中的安全问题尤为突出，给网络运营商、网络监管部门带来了新的安全问题和管理挑战。 目前，已经存在一些使用P2P特征码的方式对P2P应用进行识别和控制，当前对P2P应用进行识别的方式不少采用X86平台+Linux操作系统，使用纯软件的方式进行识别和控制，但是由于X86平台自身的性能瓶颈，使得在千兆网络环境中很容易形成性能瓶颈，不仅影响网络通信质量，也使得对P2P应用进行识别时达不到应有的效果。网阀项目组通过对目前架构中出现的问题的研究，找到当前X86平台中的缺陷，并针对该缺陷，提出了使用FPGA卡，在硬件级对P2P协议进行识别和控制。这种软硬件相结合的方式，解决了传统的X86平台中的瓶颈问题，使得系统的整体性能得到了很大的提高。 针对目前市场上的需求，我们在对P2P应用进行识别和监控的系统中增加了带宽管理、流量清洗以及日志统计等功能，实现了对网络进行有效管理的功能。另外，通过对多核技术的研究和应用，对操作系统及网络协议栈的优化，使系统更能够满足在高速网络中的性能需求。 1. 支持对多种P2P应用及其传统网络应用的分析、识别 2. 基于P2P应用的网络带宽管理 3. P2P流量统计与分析 4. 远程管理和维护 5. 面向对象的管理机制 6. 多级权限管理功能 7. 账户锁定保护功能 8. 独立、强大的日志功能 9. 快速的P2P协议/应用分析响应机制 10. 智能升级功能 11. 支持两种工作模式 12. 支持ByPass功能 13. 串口控制台功能模块 14. 支持配置参数的导处和导入功能 15. 支持状态监控功能 16. 利用FPGA实现高速协议特征识别； 17. 在高速网络应用识别和控制的系统中增加了带宽优化技术； 18. 使用流量清洗，能够对网络中的异常流量进行清洗过滤； 19. 实现高速网络环境下的各种应用协议的流量统计、排序； 20. 实现基于主机的流量统计、分析，并实现TOP-n排序等功能； 21. 对Linux内核的网络协议栈进行优化； 22. 采用多核技术实现高速网络数据处理。 “P2P应用监控关键技术研究及系统研发”获得2008年度四川省科技进步奖二等奖。 该系统的前一代产品（基于纯软件实现）在取得公安部销售许可证的情况下，已经在学校、政府以及一些高信息化的事业单位进行应用。而软硬件结合的网络监控与带宽管理系统也将一步步替换前一代的纯软件平台，并将进一步的部署在党政、电信、教育、企业等行业。该系统投产条件要求不高，可以根据市场情况调整生产能力。需要的生产能力是装配工业控制计算机及软件（初期可以采用硬件装配外包的形式）。

项目简介：目前，基于互联网的搜索系统，主要依赖于GOOGLE、BAIDU等搜索引擎，这类搜索引擎功能强大，但在同一关键词中，所搜索的结果往往多达几千条甚至几万条或更多，在如此多的结果面前去寻找自己想要的结果，其难度那是可想而知的。另外，由于这些搜索引擎反馈的信息以关键字为线索，导致反馈结果完全可能与用户希望查找的结果相关度不大，反馈大量无用信息。 本项目研究使用主题爬虫技术建立分布式爬虫，采用精准搜索技术对互联网上的包含特定信息的网页进行抓取和存储，并采用自然语言处理技术和文本挖掘技术对抓取的网页元素进行智能分析和智能抽取，然后将包含特定主题的精准信息呈现给用户。形成的项目产品内容如下： 1. 部署、研发基于主题的互联网精准搜索咨询服务系统平台。在互联网上部署精准搜索系统，由用户提交需要搜索的主题，帮助用户建立、完善基于主题的描述库，用户只需简单地提交搜索指令，则通过平台获取及时、全面、精准的搜索结果； 2. 开发互联网精准搜索软件系统。供一些特殊用户群自己部署系统，独立获取所需要的信息。协助用户自行部署，并为用户建立特定主题的描述语义库，用户可根据搜索主题扩展、定制主题描述库。 建设投产条件：本系统为软件系统，因此应用本系统的推广和维护条件非常简单，只需软件开发环境、4台服务器，以及10M以上的网络带宽。如果要提供信息搜索服务，则需要分布式部署服务器，该投入可以根据具体市场规划、预测进行预算。 主要技术指标：由于一些特殊的用户群体，他们所关注的主题信息较为敏感，这样，他们的系统往往要求单独部署（如军队、安全等行业）。此类用户以一套软件系统销售25万元计算，2011年市场拓展期，销售系统10套，销售收入250万元；2012年销售系统20套，销售收入500万元。另一类用户直接为其提供特定主题的信息搜索服务，以信息服务的方式为其提供产品。 应用范围覆盖国家各职能机关、金融、企业、军事、科研等不同行业，为相关行业提供特定主题的情报/信息获取，如：交通、环保、金融、水电、公安、安全、教育、国防等各行业及单位，以及与民生相关的各个行业。项目目前已进入产业化阶段，成果权属为我校独自拥有。

小阵列核脉冲能量与时间谱分析系统是国家自然科学基金和NSAF联合基金 项目的创新成果，采用先进的低噪声阵列读出电路和基于FPGA的多通道能量与 时间谱分析系统，能够同时测量小阵列像素探测器的能谱和时间谱，并绘制出一 维能量谱、一维时间谱、能量与时间的二维谱以及光子作用位置分布图。 该系统相对于国内外现有产品的主要优点是：(1)能够同时测量核脉冲的 能量和时间谱，并给出二维谱分布；(2)能够对小阵列探测器进行高速并行读 出，并具有较高的灵敏度；(3)可以实现初步的能谱成像，并具有亚像元空间 分辨能力。 系统指探测器、模拟读出电路、FPGA谱分析系统以及电源四个模块组成， 低压电源采用±3. 7V可充电锂电池，高压电源采用IkV高压模块，探测器采用基 于CZT晶体的像素阵列探测器，探测器与模拟读出电路体积为 4. 5cmx4. 5cmx2. 7cm, FPGA 谱分析系统体积为 6. 5cmx8. Icmx2. 5cm,基本系统的 像素阵列为2x2,高分辨系统的阵列数可达8x8,系统的时间分辨可达5ns,能 量测量下限可达5keV,对59. 5keV伽马射线可以实现能量分辨率5. 5%。

以濒危寄生中药肉苁蓉为切入点，建立规范化栽培技术并大规模 推广，治理大片沙漠；开发系列产品并产业化，构建全产业链濒危药用植物开发新模式；带动民族地区经济发展和精准扶贫，取得巨大生 态、经济和社会效益。

我国快消品生产企业一般都采用人工管理方式，无法及时跟踪、监控产品的流通情况，因此窜货现象较为严重，破坏了原有的市场价格体系，降低了企业品牌信誉。本项目针对上述情况，提出了一种全新的商品包装多维信息防伪理论与实现方法，将商品原始信息通过矩阵编解码方式映射到商品外包装三维模型的局部区域并隐藏于图案中。通过图像识别的方式来对矩阵编码信息进行提取，从而完成对快消品的溯源。同时做到了防破坏、低成本与易于实现。