近年来，因垃圾焚烧引发的二恶英(Polychlorinated dibenzo-pdioxins, Polychlorinated dibenzofurans, PCDD/Fs)污染问题已引起了全球范围的广泛关注。由于二恶英难于生物降解，对热、强酸、强碱、氧化剂都相当稳定，是典型的持久性有机污染物(Persistent OrganicPollutants, POPs)，对人类健康和环境具有严重的危害，各国政府都加大了对二恶英主要产生源－垃圾焚烧厂的监控力度，制定了更为严格的废气排放标准，欧盟提出PCDD/Fs以毒性当量（Toxicity EquivalencyQuantity, TEQ）计应低于 0.1ng/m3。目前，对垃圾焚烧尾气中二恶英的削减、控制已成为焚烧行业亟待解决的难题之一。 本项目设计了一整套负载型纳米金属氧化物催化剂催化降解焚烧尾气中二恶英的新方法，所研制的催化剂高效、安全、无毒、廉价，可在较低的温度（实验室温度 300℃）下，使二恶英矿化、分解。对比研究表明，所采用的催化剂具有极高的性价比。 本项目具有自主知识产权（专利申请号：200810152831.5），期待进行技术合作。 

多孔金属材料由于具有比重小，刚性、比强度好，吸振、吸音性能、浸透性、通气性好等特点，被广泛应用于航空航天、国防工程、交通运输、建筑工程、机械工程、电化学工程、环境保护工程等领域。本技术是采用电解技术进行多孔金属材料的制备，利用外加剂的变化进行多孔金属材料孔的控制。

1）高性能交流电机（感应电机与永磁同步电机）控制技术，包括矢量控制、直接转矩控制、自适应控制、滑模变结构控制以及非线性解耦控制技术； 2）交流感应电机（笼式异步电机）的变频调速控制技术； 3）永磁同步电机（伺服电机），包括表面式（SPMSM）和内埋式永磁同步电机（IPMSM）以及无刷直流电机（BLDC）的高性能转矩、转速和位置控制技术； 4）交流电机的数字化驱动控制器的设计、电机驱动集成模块、嵌入式电机调速与伺服控制器的开发设计和交流电机的无速度传感器控制系统的开发设计。 技术优势： 1)交流电机的新型直接转矩控制方法 作为一种高性能交流电机控制技术，直接转矩控制已应用于许多工业电力传动系统。但该方法在低速轻载时控制精度不高，且存在较大的转矩脉动。课题组针对直接转矩控制存在问题，研究了无差拍直接转矩控制方法，提高直接转矩控制在低速轻载控制性能；提出了抑制直接转矩控制的转矩脉动的有效方法，给出了在逆变器电压/电流输出受限条件下直接转矩控制的实现方案。 2)交流电机的节能与效率优化控制技术 课题组开展了高性能交流电机调速系统的效率最优控制方法的研究。针对交流电机的直接转矩控制和矢量控制系统，研究在全调速范围内（极低速到弱磁升速区域）和不同负载情况下，感应电机的节能运行模式和效率优化控制策略。可有效提高交流电机（感应电机和永磁同步电机，）的综合运行效率。

主要从事的是挖掘机的液压阀与挖掘机的非线性控制系统的研究。 主要研究成果：1、攻克了电液比例阀结构设计、制造工艺、精度控制等关键技术，解决了中高端装备中的大流量比例动态控制技术难题。2、研究多路阀阀芯阀体材料和表面质量技术要求，通过调质、沉淀强化热处理、形变压缩技术，获得具有高强度和耐磨性的阀体材料，通过微弧氧化技术、化学复合镀和化学转化膜技术，得到高硬度的阀芯材料。3、分析阀体阀芯在传统表面处理工艺中出现的缺陷和弊端，最终采用激光熔覆的表面改性技术提高阀体阀芯表面性能，解决了高压大流量冲击断裂问题。4、提出了面向多工况的电控液压挖掘机控制策略研究；搭建了基于挖掘机实物和三维建模软件的硬件在环挖掘机试仿真验台。5、实现了自动化挖掘机铲斗位置精确控制，提出了通过使用智能算法优化挖掘机控制器的新的控制方法，通过建立仿真模型和试验证明该控制方法的可行性。

上海埃松气流控制技术有限公司是一家专业提供受控环境整体解决方案的全生命周期服务商，作为业界知名的技术导向型公司，埃松构建了“软硬一体化、产品+服务”生态体系，为各行业实验室、洁净室、医院病房、高等级厂房等受控环境提供技术咨询、规划设计、产品配置和智慧运维。 作为国家高新技术企业、上海市“专精特新”企业，埃松致力于“受控环境”和“智慧实验室”双领域科技的探索创新，针对环境控制、气流控制、科研建筑废气处理及实验室智慧运维等软硬件系统和产品，持之以恒地深耕研发，拥有多项产品专利和软件著作权。 自成立伊始，埃松坚持国产研发之路，同时与各大高校科研院所强强联手，搭建产学研用平台，以确保“技术和产品”的行业双领先地位。“埃松”硬件产品涵盖受控环境气流控制系列产品（文丘里阀/流量反馈型蝶阀/房间控制系统）、暴露控制设备（物联型/智能型通风柜等其他局部排风设备）、智能组合式废气处理设备、实验室热回收与空调设备、高等级受控环境及高腐蚀环境专用传感器、专用控制器与专用执行器，实验室家具系列产品等。“埃松”软件产品涵盖智慧实验室管理系统、实验室智慧微环境系统、实验室智慧运维系统、实验室智慧供气系统、实验室物联网管理平台、实验室BMS管理系统等。埃松智慧实验室运维系统充分结合物联网、大数据、云计算和5G通信，通过信息收集、数据存储、智慧计算和无线通信，连接实验室智能硬件终端，结合设备数据管理，环境系统控制，能源管理优化，高效智慧运维，为科研建筑信息化智慧化高效赋能。 埃松通过各区域办事处、本地化运维队伍、专业技术设计团队设立了覆盖全国的服务网络，为广大高校、科研院所、企事业单位提供规划设计产品运维全生命周期的服务体系。埃松秉持“精于技•专于业”的服务理念，坚持自主研发与创新之路，不断追求极致的产品和方案，运用专业、实践和创造力，为全球科研生产机构创建安全、舒适、节能、环保、智能的受控环境。   上海埃松气流控制技术有限公司 Shanghai Isong Airflow Control Technology Co., Ltd. 总部地址：上海市松江区中心路1158号5幢404室 电话：0086-21-67897038 售后服务热线：4009207038 传真：0086-21-67897039 邮箱：sales@isongcontrol.com 网址：www.isongcontrol.com

成果简介：本项研究的应用领域为板带热轧，重点是热轧中厚板领域。板厚 控制、板形控制、轧制节奏控制、轧制温度控制及轧制规程自动生成与自动 修正等是热轧板带特别是热轧中厚板轧制过程中的关键技术和重要科学问 题。本研究运用的重要理论基础和技术包括现代控制理论、最优控制理论、 系统辨识理论和计算机控制与优化技术等。将上述理论与热轧液压自动厚度 控制(HAGC)系统研究与应用，轧制过程建模、仿真与优化控制研究，热轧规 程动态设定与自学习研究紧密结合

项目背景：目前电力机器人在作业过程中，由于环境恶 劣，电磁刚绕强度高，造成控制系统不稳定；同时在巡检过 程中，要对各种线路金具、各种作业仪表进行识别与检测， 通常采用机器视觉技术。但由于机器人作业在野外或阴暗照 明等复杂环境，存在识别率低，不稳定等问题。本项研究针 对特殊应用环境，拟开发一套基于机器视觉的巡检机器人控 制系统。 所需技术需求简要描述：1.基于多传感器信息融合的机 器人越障系统：主要包含视觉、激光雷达、超声、红外等传 感器信息，能够实现对巡检路径上障碍物的实时识别与定 位；2.巡检机器人远程监控平台：用于对巡检机器人采集到 的信息进行远程传输和监控，包含巡检路径上的实时视频传 输、机器人运行状态信息显示、巡检故障诊断与显示等；3. 小样本深度学习算法：针对极端环境下数据采集困难，数量 少等问题，研究基于小样本学习的深度学习算法，提高极端 环境下的障碍物识别精度；4.图像增强算法：针对高空强光、 阴暗、潮湿等极端环境所带来的图像识别困难问题，研究相 应的图像增强算法，提高识别精度。主要技术指标：1.开发 设计一种适合高压线路金具视觉检测与识别技术，对输电线 路各种金具进行动态识别与检测，解决野外环境下识别率低 的问题，形成一套完整的线路金具机器视觉识别与检测方 法。2.开发设计一种适合地下阴暗、潮湿、多尘环境下视觉检测与识别技术，形成一套完整的机器视觉识别与检测方 法。包括线路金具的识别模型和线路金具的定位方法与双目 测距技术。  对技术提供方的要求:拟与高校联合开发，要求团队具 有类似经验，具备电力机器人研究经历，具有电力线路识别 研究基础，最好有研发案例。 

项目简介 由于农田地块宽度和形状的限制，普通喷杆式喷雾机在田块边缘经常发生喷出界或 漏喷现象；由于田间地形及驾驶员驾驶习惯的影响，普通喷杆式喷雾机的单位面积实际 施药量也会随着作业速度的改变而改变。本项目设计开发了具有自主知识产权的喷杆式 喷雾机变量喷施控制器，在每个喷杆分区/喷头的支管路上都串接了高速开关电磁阀，通 过对电磁阀的通断控制实现喷幅调控；通过对电磁阀的脉冲宽度调制（PWM）控制实现对 实际喷洒流量的在线调控；通过对作业速度的实时监测和喷

本发明公开了一种主动配电网自适应鲁棒无功优化方法，包括以下步骤：基于传统的潮流模型，构建近似线性的潮流模型，求取节点注入功率向量与节点电压向量之间的近似映射关系，进而获取配电网无功优化的决策变量可行域；基于鲁棒优化理论，构建最优决策与不确定变量之间的自适应函数，进而构建自适应鲁棒无功优化模型；基于自适应鲁棒无功优化模型，提出割平面法的求解策略，将原始问题分解成两个子问题，通过两个子问题的交替迭代获得原始问题的解。本方法引入鲁棒优化的思想，提出割平面法的求解策略，实现高效、快速的求解，确保了不确定性条

（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。