（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。

本发明公开了一种大流量插装式三位四通电液伺服阀，包括控 制单元和四个插装式二通伺服阀；控制单元的四个信号输出口分别与 四个插装式二通伺服阀的控制信号输入口连接；控制单元的四个信号 输入口分别与四个插装式二通伺服阀的阀芯位移信号输出口连接；四 个插装式二通伺服阀两两串联，一个阀的出油口与另一个阀的进油口 相连接，形成两组串联双阀；两组串联双阀的出油口均用于与油箱相 连接，两组串联双阀的进油口均用于与液压油源相连接；相当于两组 串联双阀并联，构成桥式回路，形成具有三位四通功能的大流量插装 式电液伺服阀；

本发明提供一种基于关键词的主题网络爬虫设计方法，包括：(1)配置主题关键词的搜索URL，形成初始种子超链接originalURL；(2)根据originalURL，在搜索引擎中进行检索并下载网页，基于网页内容抽取新闻的初步字段；(3)根据主题相关性算法，得到每篇新闻与主题的相似性，将与主题相关的新闻字段保留下来放入公共队列newsQueue中，过滤掉与主题不相关的新闻；(4)根据nextPageURL下载下一页的网页内容,抽取出nextPageURL和步骤(3)所述的相关字段，将后者放入公共队列newsQueue中，不断重复步骤(4)，直到没有下一页超链接nextPageURL为止；(5)从newsQueue中取出URL交给爬虫处理线程，即消费者线程。

本系统针对络筒机车间的特点，提供一个运行在局域网的数字通信网络软硬件系统，将各分散的络筒机设备有机结合在一起，并从络筒机生产过程与全车间等不同层面进行实时的数据采集、统计、处理分析、故障检测与状态估计及预测。系统功能： 对络筒机进行实时故障检测；采集络筒机的生产数据：纱织、批号、长度、班产量速度等；质量监控：清纱器切除次数、机械效率＼锭、最低效率；提供报表自动生成系统，显示供纱管情况：供应管数、失误数；结合外部市场和本地运行状态实现动态成本监控；根据生产情况进行资源状态计量管理；络筒机的性能分析。将实际制造过程测定的结果与过去的历史记录和企业制定的目标以及客户要求进行比较。

本发明公开了一种用于异构网络(HetNet)上行链路的功率控制方 法，具体为：首先定位用户设备(UE)与对应接入点(AP)的距离，即 UE 向对应 AP 发送上行导频信号，AP 接收上行导频信号后根据导频信号 经历的路径损耗确定 UE 与对应 AP 的距离。在同一个微小区内，对离 AP 不同距离的用户提供不同的上行功率，此上行功率与距离呈幂函数 递减的关系，即用户距离 AP 越近，发射的上行功率越大。本发明 AP 和 UE 的位置分别建模为两个独立的齐次泊松点分布(PPP 分布)，并借 助随机几何研究该系统的性能。仿真结果分析证明，与传统的功率控 制策略相比，本发明在提高平均传输速率的同时，也在一定程度上优 化了能量效率，从而使整个系统的性能得到有效提升。

项目“动态频谱资源共享宽带无线通信系统验证网络开发”属于国家863重点项目“频谱资源共享无线通信系统”的子课题。该项目目标是开发与现有系统共存的宽带无线通信系统验证网络，并在694～806MHz频段进行演示验证。在不影响现有系统业务的前提下，为固定和移动用户提供语音和其它宽带业务。

本发明公开了一种基于轮询自匹配的网络监测方法及装置，由可调光源为待监测的链路内调制并出射一个与待监测链路相对应的监测脉冲序列，利用接收处理及控制单元发出的指令逐个完成对待监测的链路状态识别。本发明方法能够有效地对无源光网络中各分支光纤链路实现监测，在接收端，通过监测脉冲序列与终端编码器匹配时形成的独有信号特征来判别各分支光纤链路的状态。同时，该装置具有结构简单，能有效降低系统及用户成本。

得到三个重要结果：（1）在在线社交网络中，个体的传播力可以被精确地定义为最大连通渗流集团的大小与个体在该连通集团的概率的乘积。这里第一次给出了社交网络中个体传播力的简洁数学方程。（2）任何个体的影响力都可以在特征关联长度内，仅仅通过局部的网络结构信息来精确衡量，其误差会随该长度成指数衰减。这种现象与物理相变中临界行为之间有着深刻的理论关联。（3）基于上述发现，设计了一个优化算法来选择最具有影响力的个体。该算法不需要知道网络结构的全局信息，从而其计算时间复杂度与网络规模无关为一常数。在顶点数量以亿为单位的网络上，该算法时间复杂度比以往最快的贪心算法快上千万倍，且可以获得质量极高的优化解。

研发阶段/n本发明公开了一种快速定位对等网络目标节点标识的方法，涉及计算机网络、分布式计算机和算法设计与分析的交叉技术应用领域。该方法在拓扑形成时充分利用网络访问的区域性和物理网络中节点的邻近特性降低访问延迟和路由长度。从而能够尽可能解决上层的逻辑覆盖图与底层物理拓扑图的不匹配的问题。此外，把哈希表中的对等点分成普通节点和记录节点，记录节点负责记录普通节点的查询路径，供查询相同关键字的节点参考，减少了资源定位时间，从而使得系统响应时间相应地减少，网络速度加快，查询延时降低，信息查询效率得到了进一步的

提供一种基于神经网络的微小反应器的温度测量方法。实现微小反应器目标温度值的快速、准确和可靠的描述和预测。可用于分析、微化工、微型能量系统等领域涉及微小反应器温度的测量，同样适用于其他微小温度变化以及较低信躁比的温度测量领域。