产品详细介绍上海新肽生物科技有限公司，是一家专注于生物科学和生物技术领域的高科技企业，产品覆盖以免疫学，蛋白组学和细胞生物学为主，同时还提供相关的实验外包服务。自创办以来，为科研单位、大专院校、企业等科学研究提供了多品种、高品质的试剂产品，与国内各地代理商密切互动，赢得了各界朋友的肯定及好评。我公司现可以承担的实验服务包括：项 目 客户费用(元) 所需时间引物合成 1.5元/bp（总价200元起） 1周DNA测序 28元/R（10 样本起） 1-2周基因合成 4.2元/bp（不限） 2周Western Blot 10元/样（10 样本起） 1-2周ELISA 10元/样（10 样本起） 1-2周免疫组化 10元/张（10张起） 1-2周HE染色 10元/张（10张起） 1-2周特殊染色 55元/张 1-2周Tunel(10T) 260元/指标 1-2周原位杂交 18元/张（10张起） 1-2周石蜡包埋 10元/蜡块（10片起） 1-2周多聚赖氨酸载玻片 1.8元/张（50张起） 1-2周图象分析(包含10张图和免疫组化评分电子表格) 180元 1-2周上海新肽生物科技有限公司联系人：李先生   E-mail：sintbio@gmail.com 订货电话：13636486647 / 021-54402880   传真：021-54402880 地址：上海市闵行区老沪闵路1482弄13幢邮编：200237 上海新肽包括的实验服务有：引物合成，DNA测序，Western Blot服务，ELISA实验服务，免疫组化代做，HE染色实验服务，细胞凋亡实验服务，Tunel(10T)，原位杂交实验服务，石蜡包埋服务，多聚赖氨酸载玻片服务，图象分析实验服务 

连云港百仑生物反应器科技有限公司位于江苏省连云港市赣榆区墩尚镇临港自控设备产业区，地处世界先进制造业中心的腹地，是提供成套生物反应器（发酵罐）的制造商与技术服务商，是上海百仑生物科技有限公司的全资子公司；产品包括生物反应器（发酵罐）、动物细胞生物反应器、生物反应器摇床、配液罐、搅拌罐、灭活罐、及生物制药车间整体装备等。我们在上海嘉定华亭、江苏连云港有三大制造基地，为全球客户提供优质的产品及优良的服务。中国梦-百仑梦。 百仑产品的每一个细节都体现着处处为客户着想的原则，设备零部件尽量采用标准件，关键配件基本与欧洲产品一致，以保证产品的质量，同时优化管路，方便运行中的维护、保养，降低客户的使用成本。 系统紧凑、美观，占用空间少；简化手动操作部分，降低工作量，减少操作事故的发生等等；安全、简洁、精密、可靠、耐用是我们制造产品的原则。 希望我们的网站不仅为公司和产品提供信息渠道，也是一个桥梁，连接世界各地已经及即将对我们的产品和服务感兴趣的公司、大学、研究机构和科学家，我们非常愿意能听到您对我们产品的建议和要求，如果您对我们的产品及服务有任何兴趣，特别是在细节方面，请让我们知道，如果您希望我们改进我们的产品，我们将非常重视您的意见，请让我们知道。 有了您的支持，使我们成为一个受员工热爱的企业---一家高品质、以技术为核心、以质量为生命、以服务为驱动的生物反应器供应商，使我们成为一个可持续发展的优秀企业。 百仑追求财务自主平衡，追求客户、员工、股东三位一体共同发展，不追求利润最大化。

新芝生物（股票代码：430685）是国内知名的生命科学仪器设备提供商，围绕国家生物制造重大战略，为用户提供从研发到产业化一站式合成生物工艺整体解决方案，已成为国内外广大用户的重要选择。   公司依托核心技术平台，目前已拥有超声波细胞粉碎机、冷冻干燥机、高低温一体机、超声清洗机、微生物生长曲线分析仪、全自动洗瓶机、基因枪等20多条产品线，200多个产品型号，产品广泛应用于合成生物、生物医药、医疗卫生、IVD、食品安全、疾病预防与控制、检验检疫、环境保护及新材料研究等诸多领域。   目前，公司拥有宁波杭州两地研发中心，在全国各大城市设立40余个营销服务网点，服务用户30000余人，为广大高校科研、企事业用户提供完善服务，产品已远销日、韩、美、英、法、俄、等36个国家和地区。   新芝人励经多年的风雨兼程，坚定以新致心，凭着“发展生物科学技术，振兴民族高新产业”的理念，坚定致力于为用户提供优质的产品和贴心的服务。创新让我们走的更远，致心让我们的心更贴近用户。让“发展生物技术，服务人类文明”的新芝梦渐变现实。

山东凯翔生物科技股份有限公司成立于2005年，并于2015年4月15日在新三板成功挂牌,股票代码：832286。公司立足于绿色经济产业，从事生物发酵技术的研发、生产和销售。年产葡萄糖酸钠10万吨、葡萄糖酸内酯1.2万吨、葡萄糖酸1万吨、10000吨L-丙氨酸、1000吨工业酶和3000吨微生物菌肥,是葡萄糖酸衍生系列产品的主要生产供应商,产品畅销美洲、欧洲、东南亚、中东等国家和地区。“凯翔”已发展成为世界葡萄糖酸系列产品行业的知名品牌，曾荣获山东省著名商标和山东名牌产品荣誉称号。    

随着云计算、大数据、分布式AI等数据密集型应用的部署，大规模计算集群（数据中心、分布式AI集群、高性能计算集群）的体系结构、通信模式、流量状态、应用需求发生了极大的改变，上述改变对计算网络的吞吐、时延、带宽提出了极大的挑战，传统电互连网络技术存在拓扑结构复杂、线缆开销巨大、设备数量过多、可集成端口密度有限、网络能耗难以优化等问题，与电互连技术相比，光互连具有高带宽、低能耗、低开销、低时延等特点，具有较大潜力满足数据密集型应用对传输带宽、网络能耗、传输时延、通信逻辑适配等方面的需求，但受到缓存、交换粒度的影响，纯光互连网络难以承载突发性强、数据量小、实时性高的通信任务，因此，充分结合光、电互连技术的优点，研究面向数据密集型应用的扁平化、低时延、可重构光电混合网络，对于突破新型计算网络所面临的功耗、吞吐、时延、扩展性等方面的挑战至关重要。 围绕下一代数据密集型应用对互连网络高带宽、低时延、低能耗、高扩展性的需求，展开高容量、低开销、可重构、扁平化光电混合互连架构的研究。结合光、电交换技术的特点，设计高扩展、低复杂度、大容量、低能耗的光电混合互连拓扑结构；研究低开销、快速响应的光电路/光分组交换控制系统，设计面向快速光交换计算的调度算法；研究低阻塞、多粒度、高连通性的光交换机制及交换芯片；构建高性能光电混合互连网络系统原型，部署典型应用测试基准，验证光电混合网络的潜在优势，为下一代计算网络架构的技术革新提供理论和实践指导。

（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。