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。

本发明公开了一种应用于智能配电网的 EPON 通信系统的动态 带宽分配方法，包括步骤(1)基于不同需求将智能配电网各业务分为 EF 业务、AF 业务和 BE 业务；步骤(2)通过层次分析法计算 AF 业务和 BE 业务的权值，并计算一个轮询周期内 EF 业务和加权业务的缓存量和缓 存速率；步骤(3)根据电网故障情况，对各 ONU 业务缓存速率和业务 缓存量进行修正，计算一个轮询周期内各 EF 业务和加权业务的带宽需 求量；步骤(4)根据 EPON 带宽值对 EF 业务进行分配，然后对加权业 务进行分

（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。

一、装置概述 PUAA-Q型挥发性有机废气治理技术综合实验装置是根据高等教育的改革方向，顺应国家培养应用型高技能人才的战略思想，以前沿技术为导向，紧密结合挥发性有机废气实际处理工程的功能和特点，并针对高等院校对挥发性有机废气处理工艺应用和创新实验教学的实际需要而专门研制的综合性实验装置。本装置涉及放电等离子体技术、光解技术、吸收技术、吸附技术以及智能程控技术等多方面、深层次的内容。装置工艺流程简洁、美观，可视化程度高，具有处理效率高、彻底、无二次污染等优点，非常适合大专院校的相关专业开展实验、实训、设计、创新创业训练等。 二、主要参数及指标 （1）处理能力：能处理苯、甲苯、二甲苯等多种挥发性有机废气； （2）处理负荷：<2000mg/L； （3）处理气量：<500L/min； （4）处理效率：≥95%； （5）装置净重：300kg； （6）外形尺寸：2200mm×700mm×1800mm； （7）供电电压：AC220V、50Hz； （8）运行功率：＜4kW； （9）操作条件：常温、常压； （10）安全保护：具有漏电压、漏电流保护装置，安全符合国家标准。 三、主要配置及性能 采用自主知识产权的双介质阻挡放电等离子体反应器，放电均匀、稳定，活性物种产率高。 高频高压电源采用两级控制，安全、可靠，输出频率和电压可调。 可视化的吸收池中安装全潜式UVC杀菌灯，能够直观观察光解过程；UVC杀菌灯配套专用整流器、高品质石英套管、防水接头，UV穿透率高，可在水中长时间工作。 多段蒸笼式撬装活性炭吸附塔，吸附效率高、活性炭更换方便，并配套活性炭再生设备，可延长活性炭使用寿命。 吸收液通过气液混合自吸泵输送，并采用自动和手动相结合的控制模式，灵活、方便。 废气发生器智能程控，有机废气浓度可在0~2000mg/L范围内调控。 采用电磁式增氧气泵作为载气泵，气量大、稳定、噪音低。 316L不锈钢材质的臭氧热解器中填装有高效的臭氧淬灭催化剂，可将尾气中的臭氧快速转化为氧气，并通过智能程控调节尾气净化器的温控设备，运行成本低。 水温、水位、气压等变送器0.2%精度、稳定性能±0.1%FS、输出信号4-20mA，精度高、性能稳定、可连接PLC控制器，不锈钢材质变送器探头耐磨、耐冲击、抗干扰强。 三菱FX3U系列PLC主机和模拟量输入输出模块完成设备运行控制，10英寸彩色触摸式液晶显示屏实时显示控制按键、装置运行状态及时间、水温、水位、气压、电流等重要参数。 所有设备模块化安装于304不锈钢材质的柜体中，柜体前后开设有视窗，顶部安装有可调速换气扇，底部配有禁锢万向脚轮。

华中科技大学是我国最早开展红外测温技术研究的单位之一，红外测温技术一直也是华中科技大学国家数控工程中心的重要研究方向，其研究成果由华中科技大学孵化的企业（华中数控）进行产业化。早在2003年非典期间，就开发了人体测温红外热像仪，国家发改委立项支持该校建立了体温检测设备应急生产线，并且学校还参与了人体测温国家标准的制定。目前，已有2000多台套人体测温红外设备应用于海关、机场、车站等重要场所。在2003年非典、2009年甲型H1N1流感、2012年禽流感、2014年埃博拉疫情等疫情防控工作中发挥了重要作用。 设备已累计生产了一千多台，在武汉、广东、重庆、河南、北京等多地投入使用。其中，卓尔公益基金会与华中数控共同向武汉市、湖北省各地市州、及全国各地捐赠了一百多台人体测温红外设备。这些设备已安装在武汉市火神山、雷神山医院、天河机场、全国支援武汉医疗队集中居住的宾馆等重要场所。

人体测温红外热像仪测温速度快，只需0.3秒完成测温；测温精度高，测温精度优于±0.3℃；测温距离远，达6—8米，在机场、高铁、学校等人流密集的应用场景中，对人流速度没有影响，且减少了交叉感染的概率。并且该设备利用人脸识别等人工智能技术识别被测目标，大大降低了误报率。并且利用互联网技术，实现了远程监控报警，建立了体温监控大数据中心。

郭佑民教授团队利用AI技术为新冠肺炎的影像诊断“赋能”。依托专家训练，人工智能结合传统的计算机视觉技术，对新冠肺炎患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图相配准，精准定位病灶位置、大小，方便比较病变的消长。

该成果开发连接智能手机/移动设备使用的纳米孔仪器SmidgIon。可以通过充电接口和耳机接口与智能手机或其他移动设备连接，运行4-5小时。具备广泛的应用领域，包括疾病爆发中的冠状病毒病原体监测，分析环境样本或者农业样本，对于野生动植物或木材进行实时物种鉴定,病毒宿主鉴定。建立基于测序技术和基因组学技术的健康管理多个应用场景。使用深度学习实现。其中有关测序技术平台的研发，团队研制的PDX2000高通量测序仪样机在华大运行，进行了炎黄1号基因组、唐氏综合症产前样本等高通量测序，以及生物信息分析等研究。相关成果在Lab on a Chip、Analytica Chimica ACTA、Analyst等期刊上发表，获国家发明专利授权14项和软件著作权授权1项，相关研究成果已实现企业转化。最小型化的二代测序仪仅仅实现了桌面化，体积远远大于手机配件化的三代测序仪。未来固态纳米孔（硅基、玻璃基、碳基）便携式测序仪将与手机融为一体，成为像镜头一样的手机标配部件（生物孔本质是蛋白质，需要冷藏，保质期短）。二代测序的典型场景是医院临检中心、测序公司、第三方检测中心，需要实验室场地、人员、分析软硬件等设施。三代纳米孔测序应用场景是任何人（人数以亿计的大众消费级），任何地点（任何可以使用手机的地方），任何时候（5G-边缘计算实现实时），对任何生物（所有生物包括人的最基本生物信息是DNA和RNA和它们的修饰）进行测序。

在分立器件测试厂监控系统成功实施的基础上，对长电 IC 测试分厂开发建立了监制系 统。该系统在保留原有系统数据采集与设备工况的基础上加入了生产信息与品管信息收集功