高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
黄芪収酵液在制备药物、保健品或食品中的应用
该种方法通过大型食用真菌平菇作为中药发酵出发菌种,以中药材黄芪为发酵培养基主料,通过添加少量的菌种生长繁殖所必需的营养物质,对中药黄芪进行发酵。动物实验显示中药黄芪发酵液具有明显的耐缺氧和抗凝血功效。因此,中药黄芪发酵液可以在制备抗缺氧、抗凝血药物中应用,也可在制备相应的保健品、食品中应用。具有独立自主知识产权,已成功申请国家发明专利 1 项。
兰州大学 2021-04-14
治疗腰椎小关节紊乱综合征的药物组合物及腰托
本发明涉及治疗腰椎小关节紊乱综合征的药物组合物,属于医药领域。本发明药物组合物的活性成分是含有下述重量配比的原料制备而成:薄荷0.5~1份、干姜3~4份、肉桂3~5份。可以将本发明药物组合物制备为外用制剂,也可以置于腰托中,辅以加热装置和磁体发挥药疗、热疗、磁疗协同增效的作用。采用本发明药物组合物和腰托治疗腰椎小关节紊乱综合征具有止痛迅速,疗效显著的特点,为公众治疗腰椎小关节紊乱综合征提供了新的选择。
四川大学 2016-04-21
一种吲唑的制备方法及其在药物合成中的应用
由于其良好的生物活性,吲唑类化合物日益引起药物研究者的重视。很多具有生物活性的吲唑衍生物相继被合成,并应用于临床,如:KP1019 已经顺利通过了结直肠癌的一期临床试验;lonidamine 是一种窄谱抗肿瘤药,临床用于各种肿瘤,尤其是肺癌,前列腺癌和脑瘤的治疗;AF-2785 是一种处在试验阶段的男性口服避孕药;根据文献报道,YC-1 具有很好的抗癌活性,YD-3 表现出了很好的抗血管生成活性;granisetron 临床上用于细胞毒性药物化疗和放射治疗引起的恶心呕吐以及预防治疗手术后的恶性呕吐;
兰州大学 2021-04-14
采用改进三级同轴电纺工艺制备药物的纳米储库。
上海理工大学 2021-01-12
一种配合光动力疗法抗宫颈癌的药物组合物
本发明公开了一种配合光动力疗法抗宫颈癌的药物组合物,该药物组合物由活性成分和辅料制备而成,所述的活性成分包括赤藓糖醇。本发明首次提出将赤藓糖醇作为配合光动力疗法的抗癌增敏剂,并获得了抗癌细胞增殖的协同效果,为临床用药提供了一种新的治疗思路。
青岛大学 2021-04-13
鲜泽漆汁在制备抗单纯疱疹病毒药物中的应用
【发 明 人】张军峰;董伟;孟玉芬;詹瑧;何立巍;马宏跃;马肖兵 【摘要】 本发明公开了鲜泽漆汁在制备治疗单纯疱疹病毒药物中的应用,本发明通过大量实验筛选,实验结果表明鲜泽漆汁体外对单纯疱疹病毒致细胞病变效应具有明显的抑制作用,并且毒性低,不良反应小,且泽漆资源广泛,易得,成本较低,可持续开发,应用前景广泛,有望开发成新的抗单纯疱疹病毒药物。
南京中医药大学 2021-04-13
基于深海活性物质的HIV-1新药物研发及关键技术
HIV的感染和艾滋病已经夺取了全球几千万人的生命,截止目前全球仍有三千多万人感染HIV。过去三十多年,虽然在HIV疫苗开发、抗病毒药物治疗以及潜伏激活新治疗策略如“shock and kill”等方面取得了许多突破进展,但到目前仍没有一种治疗策略能够治愈艾滋病。HIV治疗新药物的研发一直是国内外科学研究和制药公司关注的热点。海洋微生物的多样性、复杂性和特殊性决定了其活性物质化学结构的新颖性和活性功能的独特性,海洋动植物80%以上的活性成分源于海洋微生物。海洋微生物药源最具开发应用前景已是国际共识。海洋微生物源生物活性物质为人类寻找和开发彻底攻克艾滋病特效药物提供了巨大的天然资源宝库。 基于深海微生物资源优势,深入挖掘海洋抗HIV活性物质,发现抗HIV先导化合物及候选药物,具有重要科学意义;同时,建立海洋抗病毒药物研发团队与平台,以抗HIV药物研发为特色和突破,包括如抗肝炎病毒、流感病毒等药物发现,充分发挥资源优势,形成海洋抗病毒新药物研发产业核心和平台。
厦门大学 2021-01-12
一种直流电机的驱动-调速一体式约束预测控制方法
本发明公开了一种直流电机的驱动?调速一体式约束预测控制方法,本发明将这种驱动?调速一体式的控制技术应用于直流电机,首先利用广义比例积分观测器技术在串级电路和转速的光电编码器采集的转速信息的基础上对系统的集总干扰进行估计,得到重构后的集总干扰信息,结合模型预测控制相关技术设计出针对直流电机的带输入约束的输出反馈控制器,在保证系统动态响应性能的基础上,因为不需要使用电流、电压以及转矩传感器,降低了系统的成本,提高了系统容错能力,同时可以明显地抑制参数摄动和负载转矩突变等因素引起的干扰,从而大大提高直流电机系统的输出转速的控制精度和干扰抑制能力。
东南大学 2021-04-11
西湖大学马丽佳团队开发深度学习模型精准预测SpCas9/gRNA活性及特异性
利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据,由此建立的计算模型来预测gRNA的活性比较可靠。
西湖大学 2023-05-17
考虑时空关联与数据隐私性的有源配电网分布式光伏功率预测技术
(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。
华北电力大学 2023-08-10
首页 上一页 1 2
  • ...
  • 42 43 44
  • ...
  • 57 58 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1