本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

（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。

使用超声、微波辅助水热合成的方法制备出不同相貌的 ZnO、Cr@ZnO、CoO@ZnO 等纳米复合颗粒，通过复合和掺杂改性，分别构建 p-n 结和形成催化活 性位点，提高气敏性能。

本实用新型涉及功率放大器技术，具体涉及基于 FIR 数字滤波器原理的数字幅频均衡功率放大器装 置，包括依次连接的信号预处理模块、前级放大模块、数字幅频均衡模块、DAC 后级滤波模块和功率 放大模块，与数字幅频均衡模块连接的 FPGA 模块，以及与 FPGA 模块连接的触摸屏模块。该放大器装 置基于 FPGA，以嵌入式处理器 NIOSⅡ为控制核心，输出功率可达到 10W，电路效率达 66%，经过数 字幅频均衡处理后，以 10KHz 时输出信号电压

本实用新型公开了一种用于模块化串联的电磁轴承用的开关功率放大器。包括数字控制器、电流传感器、信号调理电路和至少一个功率模块，功率模块以模块化方式串联后的两端作为电压输入端，电流传感器和负载串联后作为输出端连接在功率模块中，电流传感器的输出端经信号调理电路与数字控制器连接，数字控制器连接各个功率模块，并控制各个功率模块之间的连接和每个功率模块的内部导通状态。本实用新型能灵活选择投入使用实现开关功率放大器的最优性能，功率模块统一设计，更换方便，排除故障简单，在低电压工作场合用本实用新型比用高电压器件的功放器件的工作效率更高，损耗更小。

本发明公开了一种UPFC接入系统的方法，将并联换流器通过并联耦合变压器Tsh与节点k相连，节点k通过变电站变压器T进行升压，接入到串联侧线路母线上，第一串联换流器通过第一串联耦合变压器Tse1连接在第一回线路i1j1上，第二串联换流器通过第二串联耦合变压器Tse2连接在第二回线路i2j2上，第一串联换流器和第二串联换流器均连接直流电容C1两端，且第一串联换流器和第二串联换流器均耦合连接并联换流器。本发明还公开了UPFC五节点功率注入模型及潮流计算方法。本发明可以对串联侧两回输电线路分开实现潮流控制，实现N?1故障下单回线路的断面潮流控制，并且该模型并联侧接入低压侧，提高了接入节点电压水平，能够体现并联侧节点及其后续线路的影响。

利用1组并列的IGBT作为驱动原件，利用多个电磁继电器进行换向。由于只使用1组并列的IGBT,克服以往4组IGBT组合的换向缺点。

本发明公开了一种适用于单级式并网光伏逆变器的最大功率跟 踪方法。所述最大功率跟踪方法特征在于周期性执行如下步骤：(1)采 样光伏阵列输出电压，判断光伏阵列输出电压是否降低到设置的临界 值以下，是则跳过步骤(2)、(3)、(4)执行步骤(5)，否则执行步骤(2)；(2) 判断光伏阵列电压是否增加，若是则执行步骤(3)，否则跳过步骤(3)执 行步骤(4)；(3)记录当前光伏阵列电压和并网电流指令；(4)增加并网电 流指令并限幅，限幅值为步骤(5)中的记录值；(5)记录当前并网电流指 令，并减小并网电流指

本项目成果在国家重大项目的支持下，面向具有战略意义的高效传动重大需求和国际前沿，针对国外的技术封锁，从掌握液力传动产品瞬态复杂流动机理着手，提出了大功率液力节能产品定子/转子多流域耦合的尺度解析模拟方法，创建了动态空间非定常多尺度漩涡流动可视化测量体系；首创了定子/转子耦合叶片边界层流动新型仿生主动控制技术，实现仿生耦合叶片减阻增效；构建以用户需求为导向封装的大功率液力产品优化集成设计体系，形成融合轴向力动态监控模型和运行热平衡反馈自动补偿系统，攻克了大功率液力产品设计与制造过程中“性能预测难、叶片优化难、动态匹配难、精确制造难、极限工况运维”等难题，最终形成了适应大型泵与风机等高耗能设备的自调节的大功率液力调速装置、满足首台最大吨位12吨装载机用的高效率液力变矩器、匹配大吨位和长距离制动的重型车用液力辅助系统等新型绿色节能液力传动产品。 研究团队 吉林大学机械与航空航天工程学院 刘春宝教授研发团队。 成果成熟度 批量

项目成果/简介:本项目成果在国家重大项目的支持下，面向具有战略意义的高效传动重大需求和国际前沿，针对国外的技术封锁，从掌握液力传动产品瞬态复杂流动机理着手，提出了大功率液力节能产品定子/转子多流域耦合的尺度解析模拟方法，创建了动态空间非定常多尺度漩涡流动可视化测量体系；首创了定子/转子耦合叶片边界层流动新型仿生主动控制技术，实现仿生耦合叶片减阻增效；构建以用户需求为导向封装的大功率液力产品优化集成设计体系，形成融合轴向力动态监控模型和运行热平衡反馈自动补偿系统，攻克了大功率液力产品设计与制造过程中“性能预测难、叶片优化难、动态匹配难、精确制造难、极限工况运维”等难题，最终形成了适应大型泵与风机等高耗能设备的自调节的大功率液力调速装置、满足首台最大吨位12吨装载机用的高效率液力变矩器、匹配大吨位和长距离制动的重型车用液力辅助系统等新型绿色节能液力传动产品。研究团队吉林大学机械与航空航天工程学院 刘春宝教授研发团队。成果成熟度批量应用范围:本项目成果通过突破“流动解析实现高精度预测性能”、“性能预测指导叶片设计”、“流动解析完善液力产品匹配建模”、“先进制造保证液力产品与设计一致”、“大功率液力调速装置自动补偿系统智能运维系统”等涉及设计、制造与运维等核心难题的、紧密相连的关键技术，实现了在工程机械、重型商用车、电力和化工等行业成功应节能降耗的目的。“大功率液力调速产品集成设计关键技术及其节能应用”、“工程机械液力变矩器绿色节能设计与制造关键技术及产业化应用”项目先后获得2020年吉林省技术进步一等奖和2019年中国机械工业科技进步二等奖。项目成果完全拥有自主知识产权，整体技术达到国际先进水平，标志着我国已完全掌握绿色节能液力传动产品设计、制造核心技术，提高了国产液力产品的国际竞争力，突破了传统设计方法的局限性，扭转了国外产品逆向开发的局面，打破了国内液力产品不成体系而难以推广应用的现状，极大地提升了自主品牌大功率液力产品的综合性能和生产效率，有效降低了开发成本，促进了绿色制造与应用产业的节能减排，带动了国内相关产业的发展，为我国培养了大批工程机械液力传动领域专业人才。本项目制造的液力变矩器、液力缓速器、液力偶合器等成果先后在国内首台最大吨位12吨柳工装载机、国内首台重型铁路养护车用的YH350多档变速器、一汽解放J6卡车、电力和化工等“大国重器”大功率调速设备中得到应用。