聚二硫二丙烷磺酸钠(SPS)是一种高附加值化学品，在电镀、电池等行业应用广泛，是高端线路板与电池材料制备的必备添加剂。国内现有工艺产品收率低、产品质量差、高端产品严重依赖进口。本项目采用独立开发的合成路线，工艺安全环保，在降低生产成本的同时，可获得高纯度的产品，将替代进口，形成具有自主知识产权的生产新技术。 图1 高端线路板 图2 聚二硫二丙烷磺酸钠

杂粮其独特的药用价值和营养保健功能逐渐走上餐桌，成为人们平衡膳食结构的重要品种。虽然杂粮有其独特的功能成分，但许多谷物杂粮食用品质较差，传统的粗加工品口感差，这也是导致杂粮食品消费不多的主要原因。 因此，通过研发杂粮深加工产品，可有效改善杂粮的食用品质，适应人们的需要，为杂粮开拓广阔的销售空间。同时，可以带动杂粮种植业持续发展。 本项目研究开发的杂粮深加工产品可作为早点快餐、休闲食品，集保健食品，食疗防病食品等功能于一体。因此，在早餐谷物食品市场颇具竞争力。在满足人们追求绿色时尚愿望的同时，也为其身体带来美好的感受。

技术成熟度：技术突破 1.空间目标及星图光学探测仿真系统。由于空间目标探测真实数据获取成本较高，且数据量较少，结果验证困难，团队开发了空间目标及星图光学探测仿真系统。此工作以软件形式呈现，以友好的人机交互界面，根据用户的实际系统参数，提供准确可靠地提供当前时刻空间探测仿真图像，该软件前期经过与stk仿真软件结果比对验证其坐标的准确性，与在轨实测图像进行比对验证其仿真效果的可靠性。目前该软件已经在项目开发过程中广泛使用，为提高系统开发效率、验证算法性能提供有效支撑。 2.空间目标探测感知关键技术及算法体系。该成果以理论及软件开发包形式呈现，团队具备多年的空间探测相关开发经验，并将相关理论及算法构建软件开发包。该SDK开发包基于C++开发，具有较好的泛化能力，具有坐标描述转换、预处理、目标提取、星表制备、星图识别、光学标定、定位定姿定轨等功能，可支撑各层次的空间探测相关开发需求。目前团队基于此SDK开发的顶层软件，采用目标TLE数据库匹配的解决方法，已经完成长光奥闰光电科技有限公司地基望远镜空间目标的感知识别及长光卫星技术股份有限公司的星敏感器在轨图像空间目标自动提取与识别，后续还将采用更多的数据验证完善提升本系统的技术成熟度。 意向开展成果转化的前提条件： 1、长春长光奥闰光电科技有限公司等测站望远镜生产企业，利用本项目的共性技术，实现地基测站的空间目标自动探测感知，为空间安全提供支撑服务。 2、长光卫星技术股份有限公司、吉天星舟空间技术有限公司等遥感卫星公司，通过本技术的转化，可以利用星上光学载荷构建空间态势感知平台，为自身卫星安全提供保障、为国家及其他航天企业的空间安全需求提供数据支撑服务。另外可以在空间光学载荷开发过程中应用空间目标及星图光学探测仿真系统，对光学载荷的精度和鲁棒性进行评估和测试。

该成果用于考虑材料--结构--工艺--性能的多因素和多层次相互影响的材料和整体结构多功能化设计建模、材料、机械产品和建筑结构创新设计开发, 以及提供复杂载荷工况下增材制造材料和整体结构多功能化创新设计技术与软件系统。该成果在增材制造产品和建筑结构创新设计方面具有高效和高性能及低成本优势。 该成果在国家”863”和多项国家自然科学基金的支持下取得一系列创新性研究成果: (1) 发明了一种基于材料破损约束的连续体结构拓扑设计建模及优化设计方法; (2)发展了多载荷工况下多相材料结构的拓扑优化设计方法;(3) 研制了涉及静、动力学要求的柔性机构创新设计技术;(4) 提出了解决应力集中和奇异问题、最大应力波动问题、分析和计算量大问题和病态载荷工况问题等的关键技术; (5)打通了技术工艺, 开发了长度尺寸控制和多个制造工艺要求的约束表征及模型化技术;(6)发展了复杂载荷环境下结构静、动力学性能要求的拓扑优化的灰度单元抑制方法和考虑边界光滑化的结构优化模型化方法；(7)在国内, 率先研发了考虑智能制造约束的功能特征空间布局和支撑结构构型的复杂集成结构优化技术和与软件系统;(8)率先研发了多功能化材料的创新设计技术;(9) 研制了整体结构多功能化创新设计技术平台和工业应用技术。

一、项目分类 关键核心技术突破 二、成果简介 离子液体是第一种由离子组成的液态熔盐，作为一种新型绿色介质或“软”功能材料可应用于分离，催化，材料，新能源，石油化工等诸多领域。本技术通过利用高效清洁的电离辐射接枝技术结合化学手法相结合将离子液体牢固化学键合负载到不同的载体上，得到一系列新型固体材料，兼具了离子液体与载体的特征，能够显著提升离子液体的利用率，无需引发剂，接枝产物中不残留催化剂等优点。目前已经成功将多种离子液体成功固载到微晶纤维素微球、二氧化硅微球、聚苯乙烯微球等基材，制备出一系列新型吸附分离用途的分离层析树脂材料。

本项目针对我国优势传统白酒技术水平提升，运用现代生物技术和风味化学技术，通过风味物提取、分馏等样品预处理技术集成创新，结合 GC-MS 技术，建立了复杂基质中极微量化合物定性与定量技术体系；通过 GC-O 定性、GC-MS 确认、风味重组等关键技术研究，建立了我国白酒中特征风味化合物研究的共性关键技术平台；通过白酒分子微生态分析、微生物定量分析与代谢物检测等关键技术问题的研究，建立了我国白酒中风味导向微生物关键技术平台。 创新要点 建立白酒中极微量成分定性定量和 GC-O/GC-MS 研究特征风味物质的技术；风味定向，开发一批白酒中重要风味物质产生微生物。 

本发明公开了异甜菊醇在制备治疗非酒精性脂肪性肝病药物中的应用。相对于现有技术，本发明发现了异甜菊醇能改善高脂饮食导致的大鼠非酒精性脂肪肝病，减少脂质在肝细胞内的累积，抑制游离脂肪酸导致的肝细胞内氧化应激，线粒体功能受损以及肝细胞凋亡，保护肝细胞。整体动物水平上表现为降低血清转氨酶水平，减少血清中游离脂肪酸，改善血脂紊乱。这些作用表明异甜菊醇可用于非酒精脂肪性肝病的治疗，具有开发药物的前景。

针对留巷困难、钻孔易破坏、瓦斯 抽采效果差等技术难题，提出深井煤层 群首采工作面外错高抽巷Y型通风方法， 有效解决高地压矿井长距离留巷维护困 难的问题；提出让压型单层套管护孔结 构、施工工艺和布置方法，实现外错高 抽巷内抽采钻孔高效稳定抽采采动卸压 瓦斯；建立一面三巷、一巷多用、联合 治理、无煤柱开采的瓦斯治理新模式， 实现了深井低透气性高瓦斯煤层群的煤 与瓦斯安全高效共采。

（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。

致力于高性能非调质钢锻件关键技术研发与应用，通过锻件一体化复合锻造成形技术、非调质钢曲轴和连杆热温复合锻造成形工艺及专用模具、以及非调质钢复杂构件组织性能差异化控制技术等技术，创新性发明了非调质钢在汽车零部件上应用的关键技术，解决了非调质钢强度有余而韧性不足的关键问题。