本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

（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。

电子模拟功率负载是一种利用电力电子技术、计算机控制技术及电力系统技术设计实现的。用于对各种直流电源进行考核实验的实验装置，主要作用是替代传统的实际耗电方式运行的电阻型功率负载进行相关的功率实验，与电阻型负载相比它有以下的优点：在完成测试功率实验的前提下，将待试设备的输出能量反馈到电网，节约了能源，不产生大量的热能，避免了试验场所温度升高。并且具有如下几项特点： 1.不需体积庞大的电阻箱及冷却设备，节约了安装空间。体积小，重量轻。 2.模拟的功率连续可调，使用范围增加。 3.采用能量回馈方式，试验场所不必配备大容量的电源，降低了供电容量的开支。 4.反馈的电能可设为超前无功的形式，对电力系统进行功率因数补偿。 应用范围与市场前景： 该电子模拟功率负载可普遍应用于通讯电源出厂试验、各种整流柜出厂试验、牵引动力试验、大功率充电电源试验、蓄电池放电试验、电机出厂试验、柴油机汽油机出厂试验、汽车动力性能试验、电解电镀电源出厂试验等场合。 随着国民经济的发展，人们对能源的要求及试验自动化的要求越来越高，工业、交通等场合越来越需要大功率试验手段，能源的紧缺使得能耗的费用也越来越高，基于节约能源减少开支和试验自动化的要求，该装置将有广泛的应用前景。 经济效益分析： 设备投资用所节约的电费在一至两年内收回；若考虑使用该设备后节省了供电容量、减少了安装空间的费用，设备的投资将在一年内收回。 以50kVA的试验设备为例，通讯电源的出厂试验要求有72小时的连续运行，若该设备在全年内用足80%的时间，该机效率为90%，可节电50（kW）×360（天）×24（小时）×80%×90%=311040度，以每度0.5元计，一年节约电费15.5520万元，若以每台设备25万元计，大约一年半的时间可收回设备投资，若再综合考虑到电网容量的节约及安装场地的减少，则可在一年内收回设备投资。

本发明公布了一种正交车铣宽行加工方法，包括：（1）分别初始化刀触轨迹序号和其 u 向坐标；（2）获得刀触轨迹；（3）将刀触轨迹离散成为多个采样点，计算其优化加工行宽，并确定在此行宽下各个采样点对应的偏心距取值，并构建两者的函数关系；（4）将刀触轨迹离散成为多个刀触点，获得各刀触点对应的偏心距，进而获得刀触轨迹对应的加工轨迹；（5）根据该刀触轨迹和对应于该条刀触轨迹的优化加工行宽，确定下条刀触轨迹；（6）重复步骤（2）-（5）即可获得下条刀位轨迹和下一条刀触轨迹，循环执行直至产生的刀位轨迹遍历整张曲面。本发明通过对加工过程中偏心距的优化选择，增大了切削行宽，实现了加工轨迹衔接处残留高度的均匀分布。

本发明公开了一种正交耦合型混合铁芯式超导可控电抗器，包 括第一磁轭、第二磁轭，工作线圈，超导励磁线圈组和低温杜瓦；第 一磁轭为两段“U”型铁芯，由取向硅钢片叠压而成；第二磁轭包括“口” 型铁芯，由无取向硅钢片叠压而成。每一“U”型铁芯上下两线圈交叉 串联后并联，四个工作线圈共同构成工作线圈组。在“口”型第二磁 轭上下各有一个超导励磁线圈，各超导励磁线圈电感值相等，反向串 联构成超导励磁绕组，超导励磁线圈放置于非导磁低温杜瓦中。本发 明可以大容量连续可调的补偿电网的无功功率，改善输电系统的稳定 性，提

本发明涉及功率放大器技术，具体为一种结合功率合成与动态 负载的射频功率放大器功率控制系统。在单片射频收发器中，功率控 制常采用数字控制的功率合成技术，当功率放大器工作在非最大输出 功率水平时，其效率会由于等效负载不是最佳负载而降低。本发明系 统由射频功率合成单元、动态负载单元和功率控制逻辑单元；功率控 制逻辑单元接收功率控制信号从而控制加权的功率放大器的组合，通 过查找表调节动态负载调节电路状态，从而有效提高各种功率

研究太赫兹宽带无线通信系统中基于小波包变换的正交多载波 调制、峰均比抑制、信道编码以及利用压缩感知和凸优化的新型信道 估计等关键技术。构建太赫兹宽带无线通信系统基带处理实验平台， 用 FPGA 硬件验证具有上述关键技术的基带系统，并对其性能做出评 估。探索出一种更加适合于太赫兹通信系统的新理论和新方法，不仅 为具有全新通信方式和频谱管理模式的太赫兹无线通信技术提供新 的解决方案，也能为其它宽带高速无线通信技术提供有效的方法。

可以量产/n该项目公开了一种基于共变正交和神经网络的网络流量预测方法，该方法首先确定神经网络参数，再利用神经网络参数进行网络流量计算。基于共变正交原理的流量预测方法可以有效的预测网络中的流量变化趋势，但对流量数值的精度预测上还有较大差距；基于神经网络的流量预测方法由于其无法准确描述网络流量的特性，因此在预测流量的变化趋势上效果一般，但在流量数值的精度预测上比较有效。该发明将这两种流量预测方法有机的结合起来，设计了一种