产品详细介绍 产 品 特 性 超载能力強:瞬间电流能承受额定电流的300%. 暫态反应快速,对100%的除载/加载,稳压反应时间在以 2 ms內 效率达85% 以上 採用高频 MPWM 设计,以IGBT作功率推动,体积小,噪音低. 波峰因數比(CREST FACTOR)为3:1 具有过高压,過电流,超温等多重保护及警告裝置.  电压/电流/频率/瓦特,皆为数位显示. 輸出电压50V ~ 144V/100V~288V 可调,可模拟世界各国之电压. 可预先设定,标称电压的 +10%~ +25% 及 -10% ~ -30%. 适 用 场 所 航太工业 安定器  国防军事 交换式电源  马达制造  个人电脑/显示器  半导体测试  冷气/压缩机  扫描及影印机 品检保证 产品寿命及安全  实验室/研发部

一.软件简介通过对院校教学要求调研，市场人才需求调研，对行业各大跨境电商平台特点进行整理归纳，为满足行业和教育教学对跨境电商运营能力培养的需要开发的本软件。本平台模拟速卖通、阿里巴巴国际站、敦煌网等跨境平台来构建真实的跨境电商运营环境。二.软件优势1.功能全面学习、实训、考核相结合，功能全面，体系完善。2.资源丰富软件含有多种教学辅助工具，丰富的教学资源，老师可以按照教学指导视频进行教学，在推进实训教学的同时培养师资，完善双师型教师队伍的建设。3.满足实训和比赛软件满足教学实训和比赛需求。平时用于教学实训，学期末可以对学生实训能力考核，进行跨境电商创新创业大赛。4.自带考试系统软件自带在线考试系统，提供多种题型，可以批量导入试题，适用于多种类型的考试。三.软件功能1.卖家在仿真阿里巴巴国际站和跨境电商实战平台中扮演卖家角色，完成店铺创建、店铺设计、产品上架、产品发货、客户售后等模拟实战流程。2.买家在仿真阿里巴巴国际站和跨境电商实战平台中扮演买家角色，在纯英文环境中完成买家注册，商场浏览、商品下单、售后反馈、商品评价等流程。3.服务商服务商可以查看平台概况，进行审核认证、消息管理、广告管理、平台活动管理、处罚管理、保证金管理操作。4.云课堂学习平台进入浙科云课堂学习平台，进行课件和拓展知识的学习。浙科云课堂为师生创造了一个实时的网络互动课堂，通过音视频授课，为教师授课和学生自主学习提供支撑，全面提升学习效率。5.理论考试系统进入浙科考试系统，进行在线考试。考试系统全面实现了“网上学习、网上练习、网上考试、网上批阅”的功能，能够显著的提高考试效率及质量。四.软件特点1.真实的跨境电商实训平台软件模拟速卖通，敦煌网等跨境平台来构建真实的跨境电商运营环境。软件核心点：全仿真模拟跨境电商B2B交易平台，以卖家店铺运营为核心点，增强学生店铺运营能力，帮助学生熟悉交易平台规则，熟悉店铺运营要点，同时提高教学效率和教学质量，帮助教师实时掌控学生学习情况，增加实战教学的可控性和趣味性。2.灵活的分组竞赛实验机制为了让学生能够实践每个角色，从不同的角度去体会电子商务开展的重要意义，学生可分组分角色进行实验，相互之间进行竞争性实验，使得各种电子商务交易流程在不同角色扮演者之间展开。同时，同一角色扮演者之间存在着竞争的关系，从而提高了学生的兴趣，加深了对角色的理解。班级内学生进行竞争关系实验，班级之间进行班级竞争实验，学校之间进行竞赛实验。3.多种方式帮助功能系统将学生在使用软件过程中，可能会遇到的常见、比较普遍的问题，进行归纳总结，统一用问答式方法罗列出来，供学生参考学习，帮助学生尽快掌握软件的操作。同时提供小秘书及时提醒功能，提醒学生现在需要干什么。提供详细的流程图解使学生有个清晰的思路。4.教学实用性软件注重理论结合实践，通过专业知识扩展、业务知识指导结合实际的仿真业务操作，提升软件的实用性，易用性。5.实训过程实时监控可实时观测所有实训团队任务进展情况、经营状况；在线情况；决策情况数据及图示观测；方便实训指导人员对实训的掌控和监测。

电小盾用电安全智能管理系统是运用物联网、大数据、云计算等前沿技术，通过智能传感终端设备，实现电路线缆状态监测、故障掌上预警，通过用电安全防护器，实现防触电、防起火、放漏电等用电安全保护，避免触电伤害。 核心功能： 触电保护、短路保护、漏电保护、过载保护、过欠压保护、老化线路保护、防水保护、故障报警 应用场景： 实验室、园区、办公楼、银行、养老院、机场、社区、加油站

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本项目发展了与时间相关的破坏理论，包括与时间相关的损伤理论、与时间相关的断裂理论、以及与时间相关的损伤可靠性理论，建立了高温构件损伤局部化的测量与分析方法，得出了冶金不连续结构、几何不连续结构、温度不均匀结构的损伤规律，由此形成了结构弱点识别技术，并通过与微观组织定量分析手段相结合，有效地解决了高温设备何处修与何时修的问题。同时该项目应用计算机及网络技术以促进先进的维修规划技术向企业管理的各个环节渗透。基于C/S与B/S模式相结合的思路，构建以预测为基础的过程设备管理系统，在开发设备维修日常管理系统的同时，将先进的缺陷评定技术作为转化的重点，并建立了高温设备远程寿命评估及监测的模块。该项目总体上达到了国际先进水平，许多具体技术是国内外首创的。  本项目的技术成果可应用于化工、石油化工、发电、冶金等工业领域的设备维修规划与失效预防。随着我国国民经济建设的快速发展，进入老化期的工厂（> 100,000 小时）越来越多，保证安全生产和降低维修成本的压力日益增大，另一方面国内高温装备制造商通过采用本项目的技术，可望提高其设备的市场竞争力。72％片碱生产蒸发浓缩装置

本发明涉及一种风电功率爬坡事件概率场景预测方法，通过构建计及累积密度函数和高阶矩自相关 函数的多目标适应度函数实现了分布特征一致性和时序特征一致性。基于多目标适应度函数的遗传算法 对概率生成模型参数进行迭代寻优，得到大量预测场景，并通过场景捕捉带内挖掘出的爬坡事件概率特 征评价该预测方法。选取国外某风场实际数据进行算例计算和统计分析，结果表明多目标函数较单目标 函数的统计结果更为精确，而且该概率场景预测方法可以较准确地估计出爬坡事件的特征量，证明了该 方法的正确性，可为概率场景生成方法和爬坡事件预测模型提供指导。