当前市场的外设式3D成像设备，包括VR/AR/MR（头戴式）、3D大屏（眼镜式）等，都是 利用人的双目视差成像，但大多存在屏幕闪烁、高串扰等显示问题，会导致长时间观看易疲劳、 易眩晕等缺陷。 我们采用全新的3D技术，光线通过前偏光板倒置相位差90°后，再经过圆偏振片进行光排 布，使人眼观察到3D影像，相比原有3D屏幕的主动快门显示技术，产品性能有了大幅提高。我 们通过控光模组的重新设计，解决了传统3D屏幕亮度损失大、频闪和有害光未得到有效过滤导致 的眼睛不适等问题，通过3D微纳光场显示系统展现的高清晰、大出入屏深度的影像，结合可按需 定制的 交互方式，可以打造更真实、更触手可及的沉浸式体验，为建构3D行业应用提供全新方 式。

在规范采样及针对性测试条件下，释光测年技术应用在埋藏陶器、烧土类考古受热材料的年代学研究中具有高准确度的优势，并有望确定最后一次考古受热事件（如祭祀、焚烧、烹煮等）的高精度年代。

（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。

本发明公开了一种植物株系相关蛋白PROG2及其编码基因与应用。本发明所提供的植物株系相关蛋白PROG2为如下a1)或a2)或a3)：a1)氨基酸序列是序列表中序列2所示的蛋白质；a2)在序列表中序列2所示的蛋白质的N端和/或C端连接标签得到的融合蛋白质；a3)将a1)或a2)所示的蛋白质经过一个或几个氨基酸残基的取代和/或缺失和/或添加得到的与植物株型相关的蛋白质。实验证明，植物株系相关蛋白PROG2对调控水稻株型和产量具有非常重要的作用，在培育高产水稻新品种中具有广阔前景。

本发明涉及一种富含维生素E植物调和油的生产方法,经本发明方法加工成的植物调和油维生素E含量高.技术方案:将原料油离心,过滤去掉杂质,其特征在于:将番茄清洗干净,切半去蒂放入组织捣碎机中捣碎,将捣碎的番茄糊与原料油中的葵花籽油,按照每毫升葵花籽油加入1克番茄糊的比例进行混合,混合后放置避光处,提取番茄红素,将含有番茄红素的葵花籽油与其它原料油混合后加入脂溶性茶多酚.由于本发明在葵花籽油中溶入了番茄红素,有效的减少了油脂中维生素E的损失,加工后的植物调和油中维生素E的含量可以达到40-50毫克/100克.

本发明涉及重金属超积累植物东南景天种苗繁殖方法。该方法通过取重金属超积累植物东南景天的茎段、茎尖或叶片进行培养繁殖，不仅取材范围宽，而且培养繁殖中每个环节易于操作，并能够实施监控，移栽成活率高，繁殖方法快速，高效，为大面积地修复重金属污染土壤提供了条件。

本实用新型提供一种植物生理实验多功能操作台，包括操作台本体，所述操作台本体包括安装架，所述安装架的一侧分别设置有抽屉和设备箱，所述安装架的顶部设置有工作台，所述工作台的一侧设置有洗手池，所述洗手池的一侧设置有水管，所述安装架的顶部设置有固定架，所述安装架的一侧设置有卡孔，所述固定架的顶部焊接有滑轨，所述滑轨上设置有照明装置，所述照明装置由滑块和鹅颈管组成，所述鹅颈管的一端固定在滑块上，所述滑块的底

本实用新型涉及植物抗折测试用设备技术领域，特别涉及一种植物抗折机械强度测定装置。该植物抗折机械强度测定装置包括两竖直支撑杆和与竖直支撑杆相连的水平刻度板，在水平刻度板上滑动设两夹固件，在水平刻度板底端设竖直刻度板，在竖直刻度板下方设称量天平，在称量天平两端设套环，称量天平经套环与竖直支撑杆相连；在称量天平顶面设挡护板；在竖直支撑杆底端设第一底座，在称量天平底端设第二底座，在第一底座上设配重块；在竖直支撑杆外部第一底座上盖设透明外罩；在透明外罩内顶壁上设有一挂环，在挂环上经挂钩挂连一杯体。该植物抗折机械强度测定装置结构设计科学合理、操作方便、无需用电、适用范围广。

本发明公开了一种用于水生花卉植物的干花制作方法，将鲜花处理后经过第一溶液浸泡2小时-2.5小时→第二溶液浸泡2小时-2.5小时→第三溶液浸泡2小时→第四溶液浸泡2小时→液体石蜡溶液浸泡2小时→取出干燥，制得干花。采用先进的液相替代法处理进行干燥，用不易挥发的有机溶剂替代了水分在花朵中的支撑作用，保证了花朵的形态，通过使用护色剂，保留了花朵的颜色，花形保持不变，花瓣质感强，形态优美，容易保存且保存时间长，克服了传统干燥技术干燥时间长、成本高、花形变化、质感不强等缺点，在既保留了睡莲花的自然优美姿态的前提下，又可实现了对睡莲花的长期保存。