成果简介：增强现实(Augmented Reality，简称 AR)是近年来国外众多知名 大学和研究机构的研究热点之一。该技术借助计算机图形技术和可视化技术产生现实环境中不存在的虚拟对象，并通过传感技术将虚拟对象准确“放置” 在真实环境中，借助显示设备将虚拟对象与真实环境融为一体，并呈现给使 用者一个感官效果真实的新环境。因此增强现实系统具有虚实结合、实时交 互、三维注册的新特点。 项目来源：国家 863 

厚板焊接作为我国核电、船舶、石化等领域重大装备的关键制造技术，对低热输入、高效率、高质量的新型焊接方法升级需求极其迫切。窄间隙焊接技术因采用窄且深的坡口，在厚板焊接时具有效率高、填充量少、热输入小、变形小等优势，在提高焊接效率和焊接质量等方面具有重要应用前景。目前，该类技术在国外核电、船舶等行业广泛应用，技术较为成熟。而我国窄间隙焊接技术研究起步较晚，在大厚板核心焊接设备、工艺及材料均受制于人，尤其针对我国国防重点企业，存在“卡脖子”风险。高端焊接装备依赖于进口，价格高昂。国外主要生产厂家包括法国宝利苏迪、日本日立公司、美国电弧机器等，国内生产厂家华恒、唐山开元等依赖于国外企业的专利授权。 国际和国内现有技术一般采用钨极摆动、陶瓷片约束、横向交变磁场等控制电弧周期性地在两侧壁之间燃烧，存在装置复杂、母材被磁化或间隙较大等缺点。为解决窄间隙焊接侧壁熔合的难题，课题组另辟蹊径，创新性地提出了一种具有完全自主知识产权的“厚板超窄间隙旋转电弧焊接技术及成套装备”新技术。该技术突破了现有窄间隙钨极氩弧焊接（NG-GTAW，narrow-gap gas tungsten arc welding）工艺的局限性，已实现壁厚50 mm超窄间隙焊接，能够更为可靠、简便地解决侧壁未熔合缺陷问题。相对于国内外的现有技术，该技术形成的旋转电弧能够有效改善电弧热量及压力的均匀性，在保证熔敷金属质量均匀的同时避免熔深过大，具备高质量、高效率的突出优势，达到国际先进水平，已在国防、核电、QT等工业领域推广应用。同时，研究团队自主设计研发了面向核电、石化、船舶等装备的大厚板非轴对称旋转钨极超窄间隙GTAW成套装备（图1），可实现板厚超过150 mm、窄间隙5 mm——9 mm的厚壁材料高质量自动化焊接。 图1 大厚板非轴对称旋转钨极超窄间隙GTAW成套装备 该设备特别适用于厚壁不锈钢焊接、钛合金、980高强钢、9Ni钢等特种材料，在核电、军工、石化等领域具有广泛的应用前景。目前处于国际先进水平的宝利苏迪公司生产的单套设备售价高达380万元，国产设备售价也达到150——200万元水平。而自主设计研发的设备单套成本仅约30万元，能够产生巨大的经济效益。

本项目具有自主知识产权，是一套适合于处理城市污水及回用（从城市污水到杂用 水、景观用水、绿化、洗车等直到实验室分析配制标准溶液的纯水）的集装式膜生物反 应器成套技术装备。同时本装置还适用于在本装置的一个阶段内实现受污染水源地的饮 用水的供应的系列产品。 技术创新点： 1）针对不同城市污水水质可以选择不同的膜材质。 2）针对不同废水规模可以加工大型或中型的集装式膜生物反应器。 3）不同处理程度的集装式膜生物反应器可以适用于同种废水而不同用户需求的回 用水质。 4）开发的自控技术，可以达到无人监管、在线检测的水平，使人工费降低及自动 控制达到较高的水平。 应用领域：城市污水深度处理及回用

（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。