朴赛计算机（上海）有限公司原朴赛电子有限公司成立于2012年，是一家致力于打造计算机解决方案及配套生态软件的科技公司。10年来，始终坚持产品性能创新、方案创新、服务至上的理念，坚持国家科技发展战略大方向，助力行业发展迭代，并在金融领域、人工智能、深度学习、大数据仿真计算、图形工作站、存储、云计算、多节点等领域与众多客户展开长期合作，凭借严格的管理，优秀的品质已为众多国内知名企事业单位、科研院所、高等院校提供优质服务并获得一致信赖与好评。       未来，朴赛依然坚持研发投入、服务升级、生态融合理念，以客户需求为出发点，为解决客户问题、助力信创落地、共创大数据生态而竭尽全力。

非制冷薄膜型红外焦平面阵列探测器结构，包括含读出电路的第一基片，含热隔离微桥阵列和敏感元阵列的第二基片，所述第一基片与第二基片键合成一体，所述热隔离微桥阵列中的各热隔离微桥单元以刻蚀后的第二基片为桥墩，以与所述桥墩顶面紧密结合的支撑层为桥面；各热隔离微桥单元的桥面上均设置有敏感元阵列，各敏感元阵列通过引线电极与第一基片上对应的读出电路实现电连接。制备方法：第一基片键合面图形的制备；支撑层制备；敏感元阵列的制备；第二基片正面保护；热隔离微桥阵列的制备；第一基片与第二基片的键合；除去第二基片的正面保护层；敏感元电极读出电路电极的连接。

高效、低成本太阳能空调的创新要点：1) 采用高效、紧凑的板壳式换热器组成溴化锂吸收式制冷机。具有优良强化传热性能的波纹板传热元件采用不锈钢材料，其耐腐蚀性能优于铜管，且材料单价较低，批量生产时，因材料消耗少可使成本比目前的铜管方案降低40%左右。2) 采用双效与单效耦合蓄能运行的循环方案。采用中温型太阳能集热器产生0.6MPa的水蒸汽，白天日照时段采用双效循环运行并进行蓄热，而在其余时段利用蓄热按单效循环驱动制冷机运行。该方案不仅效率高，日平均当量制冷性能系数可达0.8~1左右，而且其单位体积蓄能罐的蓄能密度极大，可实现无需用辅助能源而完全靠太阳能进行昼夜空调。3) 建设太阳能空调和热水站综合系统，在居民住宅楼的屋顶布置太阳能集热器阵，建设全年供应全体住户生活热水的太阳能热水站和夏季供应顶一、二层住户空调冷水的综合系统；若结合地源水低温热源系统则可建设吸收式热泵系统用于冬季采暖。由于综合利用系统中集热器的投资费用被所有热水用户分摊，空调用户的投资可很快从节省的电费中得到回收，该综合系统可在目前的技术水平和能源价格下使太阳能空调获得良好的经济效益。并为太阳能热水器的发展开拓了更大的空间。23kW(2万kcal/h) 用于太阳能空调的双效与单效耦合型板壳式溴化锂吸收式制冷机。

气体水合物相变蓄冷技术是一种新型的节能环保蓄冷技术，利用制冷剂水合物相变潜热储存能量，可将富余能量储存起来，然后在用能峰期将能量释放出来，在工业与民用建筑、空调、冰箱的节能中有重要应用价值。此研究项目基于溶液热力学和晶体生长理论，将常压下为液相制冷剂制备为热力学稳定的纳米制冷剂水合物相变蓄冷材料，将改变目前普遍利用机械力或外场等使水相和制冷剂相混合的方法，比传统蓄冷剂具有热力学性质稳定、反应速率快、制备简单、使用方便、蓄冷效率高的优点。

本发明属于制冷剂技术领域，具体涉及一种制冷剂液滴的可视化测量装置和方法，装置包括：液滴进样系统，进样仓通过进样阀连接沿重力方向设置的毛细针管；高压可视化系统，毛细针管伸入与进样仓连通的观测仓；可视窗口设于观测仓相对侧壁，观测平台固定于观测仓内且在可视窗口间、毛细针管下方，热电效应半导体设于观测平台上；压力控制系统，电加热模块和半导体制冷片设于进样仓上，压力微控制单元与两者电联；光学成像系统，高速摄像机和光源设于可视窗口外，计算机与两者电联。与现有技术相比，本发明解决现有技术需高成本、操作复杂的高压进样设备且仅能测量液滴接触角。本方案通过液体工质的重力作用，实现高压环境下进样，不需高压进样设备。

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。

（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。

本发明公开了一种考虑双馈风电机组励磁调节特性的电力系统 故障电流值计算方法，包括 S1 建立双馈风电机组受励磁调节特性影响 的等效受控电流源模型；S2 建立电力系统的正序阻抗矩阵、负序阻抗 矩阵和零序阻抗矩阵； S3建立不同故障类型下的故障点边界条件方程； S4 进行迭代计算获得双馈风电机组的受控电流源值； S5 根据双馈风电 机组的受控电流源值、以阻抗矩阵表征的电网节点电压方程以及故障 点边界条件方程获得当前迭代计算时各节点的各序电压值，并计算实 际节点的电压值；S6 获得当前迭代计算的节点实际电

心理健康自助系统

团体身心放松训练系统     团体心理放松训练系统是一款基于生物反馈原理的高科技心理训练及测评系统。通过脑波头戴设备作为前端脑电测量设备，可实时获取被检测者的脑电数据以及反映测试者心理状态的多项参数。脑波头戴设备具有佩戴简单、使用方便、安全舒适、稳定可靠等诸多等优势，可适应于各类人群和各种日常环境。    系统通过穿戴式生物反馈传感器，采集人体前额部位的脑电信号（EEG），通过无线传输将受测者的每一瞬间的压力值变化传输到身心反馈训练系统软件里面。采用视音脑多维度音乐诱导技术，通过不同频段的音乐诱发产生定向的脑电波形，达到合理干预、疏导压力，平衡情绪的目的。可以消除焦虑、紧张、冲动、抑郁等负面情绪，减轻学习、生活压力，达到使用者身心健康的目的。