本发明设计了一种基于电网保护的电动汽车充电站控制系统。 恒功率负荷比例的提高将会导致电网静态电压稳定下的功率极限值下 降，即静态电压稳定裕度降低；负荷功率变化率将会对电网频率造成 很大的影响。因此在电动汽车大力推广的过程中，大规模接入电动车 或修建大型电动汽车充电站，采用快速充电技术(电动汽车负荷渗透率 增大)，将会对电网的稳定性(静态稳定性、动态稳定性)造成极大的影 响。本发明针对上述影响，提出新型充电站控制系统，能够实时检测 电动汽车充电站与配电网的运行状况，协调控制充电负荷的占比以及 充电功率

本发明公开了一种基于配电网物理模拟的故障指示器检测平台 的建模方法，该方法包括如下步骤：(1)建立双电源模型；(2)建立线路 模型，并在每条线路的末端接入故障模拟单元和模拟负载；(3)利用经 过所述步骤(1)中的电源模型和经过所述步骤(2)中获得的线路模型组 网搭建低压配电网模型；(4)在所述步骤(3)中获得的配电网模型中的模 拟电缆线路、模拟架空线路上加装升压器、升流器，将线路运行参数 转化为实际配电网运行参数，由此完成故障指示器检测平台的建模。 按照本发明实现的基于配电网物理模拟的故障指示器检测

本发明公开了一种基于配电网物理模型中的线路零序电流模拟 与检测方法，属于电力系统配电自动化领域；现有的检测方法实际负 载阻抗和零序电流互感器的容量不一致时将会出现较大的误差；本发 明提供的方法将三相线路和副方绕组绕在同一个环形铁芯上，通过磁 平衡原理大大提高了零序电流互感器的二次电流值和测量精度。 

太阳能光伏发电绿色无污染，而且我国太阳能资源丰富，水平面总辐射约 1680 吉瓦（1 吉瓦=1000 兆瓦=109瓦），大部分可以用于太阳能光伏发电。随着光伏材料以及相关技术的发展，光伏发电成本已经大幅度降低，光伏能源作为一种新型清洁能源在我国的应用规模迅速增长。光伏发电已经跨越了示范应用阶段，进入了大规模推广的阶 段。近年来，光伏发电产业规模迅速增长。截止到 2015 年 6 月底，中国光伏发电累计装机容量达到了 35.78 吉瓦，其中光伏电站 30.07吉瓦，分布式光伏 5.71 吉瓦。根据美国 IHS 咨询公司预计，2015 年全球光伏装机量增长 16%~25%，达到 53-57 吉瓦之间。

成果描述：本发明涉及分布式极化敏感阵列的参数估计技术，特别涉及信号波达角度和极化参数的联合估计方法。 一个完备的电磁矢量传感器由空间放置的3个电偶极子和3个磁偶极子构成，它们在空间共点放置相互正交，从而形成极化敏感阵列，可以接收入射电磁波全部的电场分量和磁场分量，因而相较于传统的标量阵列，极化敏感阵列可以接收更多的入射信号的信息。又，极化敏感阵列能够感应入射信号的极化信息，从而获得入射电磁信号的极化参数。然而，传统的标量阵列却由于不能感应入射信号的极化信息，而无法获得入射电磁信号的极化参数。并且，极化敏感阵列还可以同时感应入射电磁波的极化信息和空域信息。因此，极化敏感阵列不管是用于极化参数估计还是自适应波束的形成，其都具有比传统标量阵列更优越的系统性能。 在极化敏感阵列的应用中，利用电场、磁场和坡印廷矢量之间的矢量关系，当空间放置有单个完备的电磁矢量传感器，利用该电磁矢量传感器就能够同时获得最多5个不相关信号的波达角度（DOA）和极化参数的估计，因此，在空间物理孔径受限的场合具有重要的意义。 然而，针对极化敏感阵列的信号处理，大多假设各个阵元由2至6个共点放置的相互正交的电偶极子或磁偶极子构成，因此，各极子在空间共点放置不可避免的会有严重的互耦效应，互耦效应会降低天线系统的性能。 阵元间的互耦现象是不可避免的，为了有效减少阵元各共点通道之间互耦的相互影响，现有技术提出了分布式极化敏感阵列，分布式极化敏感阵列是将极化敏感阵列各阵元共点分量在空间分散放置，其能够使阵元间的互耦效应大大降低，同时也可以感应入射电磁波的电场信息和极化信息。现有的针对分布式极化敏感阵列的参数估计方法大多针对完备的电磁矢量传感器，即在空间分散放置3个电偶极子和3个磁偶极子，然后再利用改进的矢量叉乘的方法来完成参数估计。然而，在实际中，由于空间电场和磁场是时变的，时变的电场产生磁场，时变的磁场产生电场，二者之间存在一定的冗余关系，因此考虑仅仅采用电偶极子或磁偶极子构成极化敏感阵列将可以获得更多的入射信号电磁信息。

本发明涉及分布式极化敏感阵列的参数估计技术，特别涉及信号波达角度和极化参数的联合估计方法。 一个完备的电磁矢量传感器由空间放置的3个电偶极子和3个磁偶极子构成，它们在空间共点放置相互正交，从而形成极化敏感阵列，可以接收入射电磁波全部的电场分量和磁场分量，因而相较于传统的标量阵列，极化敏感阵列可以接收更多的入射信号的信息。又，极化敏感阵列能够感应入射信号的极化信息，从而获得入射电磁信号的极化参数。然而，传统的标量阵列却由于不能感应入射信号的极化信息，而无法获得入射电磁信号的极化参数。并且，极化敏感阵列还可以同时感应入射电磁波的极化信息和空域信息。因此，极化敏感阵列不管是用于极化参数估计还是自适应波束的形成，其都具有比传统标量阵列更优越的系统性能。

太阳能光伏发电绿色无污染，而且我国太阳能资源丰富，水平面 总辐射约 1680 吉瓦（1 吉瓦=1000 兆瓦=109 瓦），大部分可以用于太 阳能光伏发电。随着光伏材料以及相关技术的发展，光伏发电成本已 经大幅度降低，光伏能源作为一种新型清洁能源在我国的应用规模迅 速增长。光伏发电已经跨越了示范应用阶段，进入了大规模推广的阶 段。近年来，光伏发电产业规模迅速增长。截止到 2015 年 6 月底， 中国光伏发电累计装机容量达到了 35.78 吉瓦，其中光伏电站 30.07 吉瓦，分布式光伏 5.71 吉瓦。根据美国 IHS 咨询公司预计，2015 年 全球光伏装机量增长 16%~25%，达到 53-57 吉瓦之间。 项目特色和创新之处： 分布式光伏系统便于实施，是受到各级政府鼓励的分布式电源模 式，但是由于在设计、管理和评价机制等方面的制约，特别是过高的 后期维护费用，使其推广过程遇到一些障碍。高效率的分布式光伏云 基于物联网技术，对电站中光伏组件的输出性能进行实时的监测，并 对形成的运行数据进行实时的大数据分析，从而获得电站运行的性能 评价指标，以及可能影响电站性能的因素，并给出进行电站性能优化 的建议，提高电站产出。由于采用了高可靠性的无线数据采集技术， 可进行无人化的值守和远程监控，大大降低运维费用。 相比国内产品，具有通信速率高、系统可靠稳定等优势，达到国 际先进水平。本项目方案综合成本低，有利于增加光伏电站的透明度。 与国外同类产品相比，成本只有其 1/4 左右，具有很强的市场竞争力。 组件级的光伏电站数据采集模块。每块太阳能组件对应一个电压监测模块，方阵中每个组串串联电流监测模块都通过本地通讯链路将 数据上报至数据中继模块，将数据通过电站路由器上传至云数据服务 器，传输过程中进行了数据加密，保证数据的可靠性和安全性，所有 的数据在云数据服务器内进行存储与处理，用户可通过 PC 或移动终 端进行数据的调取和查看。 主要技术指标及条件 组件级的电站数据采集系统具有速度快，可靠性高等特点，具体 的技术指标如下： 最大采集频率：120 次/分钟 自身平均功耗：5mA 峰值功耗：150mW 环境温度：-20~80℃ 最大电站规模：1GWp 应用前景及社会价值： 该技术可以在已建或新建光伏电站上应用，大幅提升光伏电站的 运行质量和发电量，降低运维成本,最终实现光伏发电系统的智能管 理、智能运维、智能监控，使得光伏电站也真正进入“智能化”时代。 该项技术能够大幅提升国内光伏电站的技术水平，从而为节能降耗做 贡献。

本发明提供一种群体作物根系的垂直分布监测装置，包括：第一步进电机、第二步进电机、第三步进电机、视觉传感器、控制板和至少一个透明管；所述第一步进电机、第二步进电机和第三步进电机分别为空间上x、y和z轴设置,用于实现对所述视觉传感器的移动控制；所述视觉传感器通过导线与所述第三步进电机连接，用于采集所述群体作物根系的地下根区图像；所述控制板用于根据透明管的位置发送指令将所述视觉传感器送入透明管；所述透明管设置于群体作物种植区域的地下，多个不同的透明管依不同植株的位置而分散设置。本发明可以在不影响群体作物自然生长的情况下实现现场无人操作、根系垂直分布图像的自动采集与实时传输，进而实现全程自动监测。

本发明实施例提供了一种分布式电源并网控制方法及系统，在并网过程中考虑了系统的不平衡状态，通过以有功功率不平衡量作为目标函数，并且利用拉格朗日乘数法计算分布式电源三相中每一相的参考输出电流，利用每一相的参考输出电流对每一项的实际输出电流进行调节，进而实现对分布式电源的并网控制，并且降低了配电网的电压不平衡度。

西南交通大学​​经济管理学院2017级硕士研究生袁韵在导师指导下与国内外多名教授共同合作研究，于伦敦时间2020年4月29日在国际顶级期刊《自然》（Nature）在线发表论文《人口流动驱动新冠肺炎疫情在全国的时空分布》（Population Flow Drives Spatio-Temporal Distribution of COVID-19 in China）。该论文构建了“人口流动-风险源模型”，模型能利用有关人口流动的匿名整合数据准确预测新冠肺炎疫情的扩散时间和地域分布，便于决策者进行有效地风险评估和资源分配。在开发该模型时，研究人员基于匿名移动电话位移数据，对在2020年1月1日至1月24日期间武汉流出或途经武汉的11478484人次进行了分析，这些人口迁移至全国31个省的296个地级市。他们的研究显示，湖北省的封城举措是非常正确的，它能及时控制传染源的传播，有效降低了各地疫情的风险。此外，研究人员发现，根据2020年2月19日武汉外流人口的分布，能够准确预测到全国新冠病毒感染者的相关频率和地理位置分布。此外，通过“人口流动-风险源模型”衍生出的一个疫情发展的基准趋势和一个指数，可以用来评估随着时间的推移不同地区新冠病毒传播的风险。与大多数流行病学预测模型不同的是，他们团队构建的模型基于人口的实际流动情况来预测疫情的地域分布和传播趋势。对于新冠肺炎疫情，该模型至少提前一周预测了全国范围内的病例感染情况和地理分布。团队的研究结果能够对各地疫情风险的大小进行预警，并探测出社区传播严重的地区，在疫情发展的早期为相关部门提供决策依据，以便其能够及时采取应急措施。论文作者在摘要中提到，任何国家的决策者都可以使用这种方法，利用现有的人口流动数据进行快速而准确的风险评估，并在疫情爆发之前规划有限的资源分配。本文的作者之一，美国耶鲁大学教授尼古拉斯·克里斯塔斯基称：“这项研究结果揭示了中国有关新冠病毒案例报告的准确性，从不同来源获得的完全不同的信息（移动通信显示的人口流动）可以很好地预测病例数，这符合流行病学的预期（至少在2月19日之前）。”该项研究发布后，国际上有BBC等30多个新闻媒体报道，国内媒体也有许多报道，其中，央视国际电视CGTN、中国日报、中国科学报、环球时报、文汇报、中新网等政府官方媒体都强调了这项研究对于疫情防控的重要意义。除了文章本身的学术贡献之外，该项研究也表明，中国的疫情研究是国际合作并且是公开透明的：论文于2020年2月18日提交至世界权威学术期刊《自然》并传递给相关的国际机构，第一时间与世界分享了我国抗击疫情的经验。此外，通过论文可以看出，我国武汉以外的疫情数据是有时空规律的，与第三方的手机流动性数据完全契合，以学术证据反驳了国际上的某些谣言和诽谤。