技术成熟度：技术突破 本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。 成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。 图1 设备实物图 图2 为智能控制系统电脑操作界面

房树人心理测验系统

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

本发明公开了一种考虑逆变型分布式电源接入的配电网故障区域定位算法，包括如下步骤：(1)建立恒功率控制方式下逆变型分布式电源故障特性分析模型；(2)根据配电网中联络开关、断路器等开关器件的分布特点对配电网进行分区处理，使用图论的理论分析方法，建立配电网的图模型，并设定配电网的电流参考方向；(3)利用设定的配电网电流参考方向以及断路器处保护装置上传的故障信息，通过矩阵运算求取故障判断矩阵，实现故障区域的定位。本发明能够满足分布式电源接入，无需动作值整定，具备一定拓扑结构自适应的能力。

本发明公开一种类奔德斯分解的孤岛微电网潮流计算方法，将孤岛微电网潮流计算分解成通过传统潮流计算子问题和下垂节点更新子问题，对下垂节点进行等效后进行初始化；基于系统角频率，更新负荷和线路阻抗参数；通过传统潮流计算子问题，求解作为平衡节点的下垂节点和作为PV节点的下垂节点的相关变量参数；然后通过系统前后两次迭代状态变量之差来判断算法是否收敛：若收敛，停止迭代获得最终潮流解；若不收敛，通过下垂节点更新子问题，修正或求解作为平衡节点的下垂节点和作为PV节点的下垂节点相关变更参数；以此方式交替迭代，获得最终的

TDA（芯片热设计自动化）软件是清华航院曹炳阳教授团队全自主研发的国际首个芯片跨尺度热仿真与设计系统。TDA软件可实现芯片从纳米至宏观尺寸的热设计与仿真，支持芯片微纳结构内部热输运过程的模拟研究，直接提高芯片热仿真精度与结温预测准确度，进而提高芯片性能、寿命和可靠性。

YR/H3100高智能数字化ICU（综合）护理技能训练系统是工程技术和仿生学技术的完美结合，将有现在的医学模拟技术赋予一身，其可自主表现生命体征，并可对所给予的治疗措施自主进行生理体征变化。该系统根据新护理大纲设计，针对临床护理培训，系统由全身男性模拟病人、生命体征模拟器、多参数模拟监控仪、计算机等组成，具有基础护理与高级护理功能。本系统同时适用于医院、医学院、卫校等医疗单位。并面向乡村医师技能培训，提供心肺复苏术、体外除颤等急救操作技能。通过虚拟安全的模拟及护理技能的培训、图文、声像、视频相结合，有操作日志、存贮、考核评估、成绩打印、网络交互式功能。标志着公司的护理教学系统开始与国外发达国家接轨。适用学科：ICU护理、急救医学护理、呼吸内科护理、心内科护理、泌尿内科护理、外科护理、急救医学、危重症医学、战地医学等。系统主要功能★ 标志表示需要与选配件配套使用才能实现的功能■ ICU技能：· 气道管理技术：标准口、鼻插管，气管切开术，支持仰头举颏法、推举下颌法开放气道。模拟牙关紧闭、舌水肿、咽部水肿、喉痉挛、单双侧肺阻塞、主气道堵塞等体征。· CPR操作训练：可进行口对口、口对鼻、简易呼吸器对口等多种通气方式；电子监控气道开放、吹气次数、吹气频率、吹气量、按压次数、按压频率、按压位置和按压法深度；自动判断人工呼吸及胸外按压的比例；实时数据显示，全程中文语音提示；抢救成功后，模拟人瞳孔由散大变为正常，动脉恢复搏动，出现自主呼吸。★ 真实除颤、起搏：可与不同厂家、不同型号的除颤起搏器配套使用，实现真实除颤起搏。★ 模拟除颤起搏：多媒体动画展示医用除颤起搏器的使用，与YR/J880模拟除颤起搏器配套使用，可实现除颤起搏。可选择除颤能量，最大除颤能量达到360J。★ 真实AED：可与不同厂家、不同型号的AED配套使用，实现真实AED训练。★ 模拟AED：多媒体动画展示AED操作过程，与YR/AED自动体外模拟除颤仪配套使用，可实现AED训练。全程中文语音提示，提供贴片电极和纽扣电极，自动检测心率并分析是否需要除颤。★ 真实心电监护：可与不同厂家、不同型号的心电监护仪配套使用，实现真实心电监护。★ 模拟心电监护：与YR/J115多参数模拟心电监护仪配套使用，可实现模拟心电监护。使用指夹式血氧探头检测血氧，内部储存上千种种心电图。多参数模拟监护仪（LCD）屏幕提供12导联心电图、血氧饱和度、呼吸、二氧化碳、血压（动脉血压、中心静脉压、肺动脉压、无创血压）、心输出量等。 ■ 生命体征模拟：· 瞳孔观察：瞳孔液晶显示为CSTN伪彩、65K色、RGB；能在1-9mm之间，随意模拟瞳孔的正常、散大、缩小等状态。· 颈动脉、股动脉、桡动脉搏动，生动再现病人呻吟、咳嗽、呕吐声音。· 呼吸模式：模拟正常呼吸、叹气样呼吸、陈-施氏呼吸、库什摩尔呼吸、毕奥呼吸。· 真实的自主呼吸，呼吸时胸廓有起伏，可调节呼吸频率及呼吸深度。· 听诊：可听诊几十种声音，包括正常心音、异常心音、正常呼吸音、异常呼吸音、正常肠鸣音、异常肠鸣音。■ 临床护理训练：· 穿刺术：胸腔穿刺、骨髓穿刺。· 血压测量训练、三角肌皮下注射、股外侧肌内注射、手臂静脉穿刺、注射、输血、臀部肌内注射。· 清洗梳理头发、洗脸、耳清洗滴药、口腔护理、假牙护理、吸痰法、氧气吸入法、口鼻饲法、洗胃法、胃肠减压、灌肠法、造瘘引流术、男/女性导尿术、男/女性膀胱冲洗术。· 整体护理：四肢关节左右弯曲、旋转、上下活动、擦浴、穿换衣服、冷热疗法。■ 软件系统应用：· 提供单机版（一点一套）、网络版(一点多套）软件，用户可根据自己的实际需要进行选择。· 脚本/病例编辑：支持用户自编辑模拟护理病例，软件自动记录病情的变化和学员操作过程。· 模拟注射泵/输液泵的使用：多媒体动画展示注射泵/输液泵的操作流程，可选择药物进行操作。· 训练与考核：软件内存有几百道考题。支持心电图、急救知识理论、护理场景、病例、CPR训练与考核。· 心电图监护：使用指夹式血氧探头，实现模拟心电监护和真实心电监护，内部储存上千种心电图。· 护理场景脚本训练/考核：系统自带数十个场景，涵盖内科、外科、急诊、ICU等科室病人的护理，并通过交互性多媒体课件检验护理操作关键知识点的掌握程度。软件提供多种药物治疗和典型的辅助检查，如胸片、超声心动图，12导联心电图等。· 局域网络教学：可选配摄像头，具有彩色视屏监控功能，可对每个在线的学生的操作手法和过程进行实时视屏监控。综合计算机同步统计数据，便于教学掌握每个学生的训练考核情况。

本发明公开了一种应用于智能配电网的双有源桥直流变换器软启动控制方法，先解锁原边全桥，闭锁副边全桥和外移相角的闭环控制，原边全桥采用斩波控制，开关管Q3和开关管Q4以50％的占空比互补导通，开关管Q1和开关管Q2采用变占空比控制，并且每个开关周期以一定的步长增加；当副边电压上升到足以驱动开关管，且开关管Q1和开关管Q2的占空比都增至0.99时，解锁副边全桥及外移相角的闭环控制；当输出电压达到额定值时，切入负载，输出电压稳定完成启动过程。本发明有效抑制双有源桥直流变换器在启动过程中的电流过冲，保证电流的正负对称，降低对开关管的耐流要求，降低成本，避免变压器偏磁现象，降低变压器的容量、体积和成本。

（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。

 采用直流技术对海上风能进行汇聚和传输可以同时提高系统可靠性和灵活性，DC/DC变换器用于匹配不同电压等级以及接入直流发电和储能设备，为实现中高压直流电网中高效可靠的直流-直流变换，本项目首先研究中高压模块化多电平DC/DC变换器的可行电路拓扑结构，研究模块化多电平DC/DC变换器的运行和控制机制，解决均压控制问题，实现其电压和功率控制功能。依据理论研究成果，本研究组开发了60kW模块化多电平DC/DC变换器样机，对样机的测试结果验证理论分析以及所提出控制算法的有效性。 通过本项目的实施，解决了模块化多电平DC/DC变换器的调制、均压、控制等关键问题，验证其应用于直流电网的可行性。为未来直流电网的建设提供率了重要的理论参考和工程借鉴依据。 在本项目实施过程中，以国家千人计划，项目和中英自然科学基金项目为依托，本研究组与国家电网电力科学研究院、英国Strathclyde大学、英国Aberdeen大学合作开发了“带有DC/DC直流电压变换的大型新能源多端直流接入系统”的实证平台，研究和验证了直流电网的运行机制。针对模块化多电平DC/DC变换器，本研究组已申请专利一篇，发表多篇论文。