“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品  “全球抗疫，人人有责” 推出背景：               低温环境下生物的代谢速度会减慢，植物合成有机物速度减慢，所以会导致食物减少，影响大多数动物的生活，消耗的能量又得不到食物补充，所以体重减轻，生存受到威胁。适应机制包括冬眠、迁徙到较温暖的地方，依靠草根树皮等食物生存。低温对于生物体来说并不是一个适合生长的环境，很多的科研人员已经开展低温对生物体影响的研究，寻求解决低温对生物体带来的不便。 应对挑战： 活体低温检测是比较难的点，需要确保设备不受影响，并且要达到检测环境不会随外界环境而改变温度 制冷设备的大小和制冷效果有关系，如何确保实验中的制冷效果将会非常关键 解决方法： 多功能低温处理仪结合非损伤微测技术，能够实现对活体样品低温环境下的检测，提供了活体样品在低温环境下的真实数据 多功能低温处理仪采取循环溶液的方式进行温度的控制，更好地让溶液温度保持恒定的状态 功能特点 1.基本功能： 快速更换测试液、培养液等 通过自动化控制形成低温测试环境，使实验更高效，数据更准确 2.性能参数： 工作电压：220V 溶液循环的速度等级：3个档位 溶液循环速度：1档0.05mL/s；2档0.1mL/s；3档0.2mL/s 制冷参数： 常温降至5℃所需最少时间：2min 制冷最//低温度：0.4℃

“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品  “全球抗疫，人人有责” 推出背景：         光是一个十分复杂而重要的生态因子，包括光谱、光强、光质等。光因子的变化对生物有着深刻的影响。         科学试验证明，不同波长的光对植物生长有不同的影响。可见光中的蓝紫光与青光对植物生长及幼芽的形成有很大作用，这类光能抑制植物的伸长而使其形成矮而粗的形态；同时蓝紫光也是支配细胞分化最重要的光线；蓝紫光还能影响植物的向光性。紫外线是使植物体内某些生长***的形成受到抑制，从而也就抑制了茎的伸长；紫外线也能引起向光性的敏感，并和可见光中的蓝、紫和青光一样，促进花青素的形成。可见光中的红光和不可见光中的红外线，都能促进种子或者孢子的萌发和茎的伸长。红光还可以促进二氧化碳的分解和叶绿素的形成。         而光照强度对植物生长与形态结构的建成有重要的作用，如植物的黄化现象。光强同时也影响植物的发育，在开花期或幼果期，如光强减弱，也会引起结实不良或果实发育中途停止，甚至落果。光对果实的品质也有良好作用。         光对植物的影响科学家们还远远没有研究透彻，还需要更深入的实验去探究。 应对挑战： 缺少植物样品在活体生理状态下与光处理的实时数据 不同频率的光及其光强在实时检测时的应用 解决方法： 非损伤微测技术能够实时监测活体样品的动态分离子流速的变化，解决了活体样品实时检测的问题 光照处理***仪能够提供不同频率的光并且监测其光强，结合非损伤微测技术能够实时监测到植物流速数据和光强频率的数据，完成更加精确的分析 功能特点：   1.基本功能： 提供红、黄、绿、青、蓝、紫和白光共7种颜色的光照，并同步监测不同光照的光强值。   2.性能参数： 2.1工作电压：9V3A。 2.2 提供光照种类：7种。 2.3 各颜色光波长范围： 红光：630-700（nm）； 黄光：570-600（nm）； 绿光：500-570（nm）； 青光：470-500（nm）； 蓝光：420-470（nm）； 紫光：380-420（nm）； 白光：450-465（nm）。 2.4 光强监测高分辨率、高灵敏度，环境亮度检测近似人眼的视觉反应。 2.5 可自行设置光强检测频率。

沃恩废水处理系统，依据客户的实际需求，适时调整工艺，实现废水进，净水出的完美蜕变；设备为一体化设计，外观美观大方，整个处理过程为全封闭式过程，杜绝二次污染；经处理后的水质满足并优于【GB8978-1996】《污水综合排放标准》或【GB18466-2005】《医疗机构水污染排放标准》或各个地方执行标准。

根据客户实际需求，制定设备及管路方案，提供整套高品质(纯化水、高纯水、注射用水、纯蒸汽、存储、分配系统)设备，实现水质在线监测及自动控制；多重运行模式，节能降低污染奉献。

海辰环保一体化生活污水处理设备，不同小区对出水的要求差异较大。应根据我国《地面环境质量标准》(GB3838-88)和《污水综合排放标准》(GB8978-96)的有关规定和当地环保部门的要求确定处理程度，以确保出水水质。如果出水采用土地处理法处理，则按土地处理法的要求计算; 根据小区生活污水处理的原则，应选择处理效果稳定、产泥少、节能的处理方法。小区系统中的各类建筑物一般均建有化粪池，所以，化粪池应与污水处理方法相结合。 小区生活污水处理常用的几种处理工艺: 1、污水→格栅→调节池→提升泵→曝气池→沉淀池→出水 ↑←污泥回流↓ 2、污水→格栅→调节池→提升泵→接触氧化池→沉淀池→出水 3、污水→格栅→调节池→提升泵→混凝沉淀→过滤→出水(物化方法) 加药 4、污水→格栅→调节池→提升泵→SBR池或CASS→出水 加药 5、污水→格栅→调节池→提升泵→接触氧化池→混凝过滤→出水 回用工艺流程: 生物处理出水再经混凝过滤和消毒 在流程开始时一般要考虑设置均化池，这是因为小区在水质和水量上的变化都比城市污水处理厂大。均化池一般设在格栅以后。物化和生化处理是去除污染物的核心部分。

（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。

本发明实施例提供一种水泵叶片设计方法及系统，该方法包括：根据叶片的轴面投影图及载荷分布曲线，计算获得木模图上的前盖板流线及后盖板流线；在木模图中，测量每条轴面截线与前盖板流线的交点对应的第一半径值以及每条轴面截线与后盖板流线的交点对应的第二半径值；在轴面投影图中，根据第一半径值确定轴面截线在前盖板曲线上的第一边界点以及根据第二半径值确定轴面截线在后盖板曲线上的第二边界点；在轴面投影图中，基于设定的轴面截线变化规律，分别连接每个第一边界点及对应的第二边界点，获得光滑的轴面截线。本发明实施例通过对轴面截线进行有规律的光顺处理，消除了反问题设计过程中因给定的流场分布不合理造成叶片表面扭曲问题。

风电的核心设计技术始终被国外所垄断，我国自主创新能力薄弱，缺乏拥有完全自主知识产权的大型风力机关键设计技术，严重制约了我国从风电大国走向风电强国。围绕大型风力机设计所需解决的空气动力学、结构动力学和多目标优化等关键问题，开展了多学科综合研究和技术集成。经过十五年的潜心研究，不仅打破了大型风力机关键技术长期依赖国外进口的局面，引领了我国具有自主知识产权的大型风力机设计关键技术的发展，而且产品成功打入欧美市场。 技术特征 1.建立了准确的大型风力机流场结构模型、气动载荷模型和高精度高效数值仿真方法。 2.突破了大型风力机整机气动弹性CFD/CSD时域紧耦合计算技术。 3.针对风力机设计中的多目标、多约束和多变量优化等传统难题，建立了高效的多学科耦合优化算法