由于超颖表面具有在极短距离内，以亚波长分辨率对出射光的波前进行任意调控的能力，使得它有望成为传统光学元件的替代品。超颖表面体积小、重量轻、具有丰富设计自由度的特点能够大大简化传统光场调控装置的体积以及复杂度。近些年来，项目组在超颖表面的光束整形与偏振调控领域做出了许多有意义的工作。通过将达曼光栅原理与超颖表面相结合实现了三维涡旋阵列以及贝塞尔光束阵列的产生。利用相变材料、Ω形天线以及介质纳米柱结构实现了对出射光束偏振态的调控，并将其应用于矢量光束的产生之中。同时，基于超颖表面对出射光的复振幅调制实现了近场表面等离激元的操控以及远场衍射级次的选择性激发。 基于光学超颖表面的光束整形与偏振调控技术具有体积小、重量轻的优点，能够解决传统光场调控装置体积较大、复杂度较高的缺点。同时，不同种类超颖原子所提供的丰富设计自由度以及多种波前调控工作机理，为超颖表面对出射光的振幅、相位、偏振、频率以及多物理量的灵活调控提供了保障，丰富了实现光场调控的手段。该技术有望在激光加工、光通信、粒子捕获，超分辨成像、信息存储以及光学防伪和加密等应用之中。

本发明公开了一种多级电位补偿装置及失超检测装置，包括感 应线圈、补偿线圈，位于补偿线圈两端的接线柱以及位于补偿线圈上 的多个分接头；分接头可沿着补偿线圈的表面滑动，在补偿线圈的表 面与分接头接触的部分可导电；感应线圈通过接线柱与补偿线圈并联 连接；感应线圈与超导磁体同心放置，用于感应超导磁体中的感应电压；补偿线圈将感应电压通过多个分接头分配并调节大小，实现对超 导磁体感应电压的补偿。本发明可以消除超导磁体中感应电压在失超 检测过程中对电压信号检测的影响，避免失超保护装置的误判；同时 该装置制作安装简

该铁合金粉末平均粒径小于500纳米，比表面积大，强度高；与超细铁粉相比，化学稳定性好，具有一定的磁性，可长时间在空气中放置而不腐蚀，不变质，成型性好，阻尼性能好；适合取代超细铁粉用于高端粉末冶金制造；适合用于阻尼涂料添加剂，对高频振动波具有很好的吸收效果；适合用于磁流体材料添加剂，在弱酸、弱碱中能稳定存在而不被腐蚀。

项目简介铝基复合材料具有高比强度、高比刚度以及高耐磨损性能，相比传统单一材料强度更高、更轻、更耐磨，是一种应用前景广阔新能源材料。然而，由于复合材料内部含有大量的增强颗粒，使得其综合性能大幅提升的同时，导致材料塑性变差，后续成型加工变得困难，尤其是复合材料焊接成型，难以形成形状复杂的结构零部件，成为铝基复合材料零件化有待于突破的一大瓶颈。上世纪 90 年代初，日本研究人员率先开发出了 SiC/6061Al 高速超塑性铝基材料，其塑性延伸率可达 200%以上，报道最高延伸率

本发明所提供了一种基于超像素分割的图像语义标注方法，首先将基于图像超像素分割提取的特征图块输入卷积神经网络，再将卷积神经网络训练得到的特征向量进行扩展和加权处理，最后构建条件随机场模型进行语义类别标注预测。由于采用本发明的技术方案，该方法将超像素块作为研究对象，简化了用于基于图像超像素分割提取的特征图块的复杂度，提高了语义标注的计算效率；另外，采用多层的超像素块进行语义分析，并将其标注结果进行综合，提高了语义标注的准确率和鲁棒性。

柿叶中富含维生素C（Vc）、多酚、氨基酸等多种生理活性成分，具有抗菌消炎、抗氧化、预防贫血、减肥美容等多种功效。我国柿资源丰富，主要食用果实，柿叶一部分加工成柿叶茶代用茶。 该成果的目的在于克服现有技术的缺陷，根据柿叶Vc含量的累积和化学变化特性，采用新的制作方法，制作一种高Vc超微柿叶茶粉，使其达到富含维生素C、汤色黄绿、滋味醇和，口感较好的品质要求。该成果制作的超微柿叶茶粉外形为粉状，富含Vc，Vc含量可以达到30-40 mg/g，不仅可以单独冲泡饮用，而且还能作为面包、蛋糕等食品添加辅料，提高食品中Vc含量，满足消费者健康需求。 柿叶是柿树( ( Diospyros kaki L.f.) 的叶子，柿树在我国广泛栽培，云南、广西、湖北、江苏、浙江、河南、河北、陕西等地都有分布。全国柿树分布面积近100万公顷。按亩生产1kg超微粉500元计，亩增收500元，100万公顷可增收增收70亿元，不包括添加柿超微粉产品带来的附加值。 成果完成时间：2015年12月

一种水性透明超疏水涂料及其制备方法，该制备方法首先在反应釜中加入去离子水并调节pH值，随后水浴加热搅拌下加入水性硅溶胶，再将SiO2微米复合粉体加入，并加入正硅酸四乙酯、烷基硅氧烷和水性有机硅或硅改性树脂，经机械搅拌一定时间后即可获得水性超疏水涂料。该涂料在制备和使用过程中不涉及任何含氟物质，且溶剂为水，绿色环保，无毒无害。在自清洁、防腐防霉、抗凝露、抗结冰、油水分离等方面有着广泛的应用。

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。

本发明公开了一种应用于智能配电网的 EPON 通信系统的动态 带宽分配方法，包括步骤(1)基于不同需求将智能配电网各业务分为 EF 业务、AF 业务和 BE 业务；步骤(2)通过层次分析法计算 AF 业务和 BE 业务的权值，并计算一个轮询周期内 EF 业务和加权业务的缓存量和缓 存速率；步骤(3)根据电网故障情况，对各 ONU 业务缓存速率和业务 缓存量进行修正，计算一个轮询周期内各 EF 业务和加权业务的带宽需 求量；步骤(4)根据 EPON 带宽值对 EF 业务进行分配，然后对加权业 务进行分

（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。