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

XM/ALS1000A高级心肺复苏、AED除颤训练模拟人 （计算机控制/无线版）   执行标准：执行美国心脏学会(AHA)2015国际心肺复苏(CPR)＆心血管急救(ECC)指南标准。 XM/ALS1000A高级心肺复苏AED除颤训练模拟人（计算机控制/无线版）由全身模拟人、计算机控制系统、AED模拟除颤训练仪组成，可进行CPR训练考核、AED模拟除颤训练等操作。   一、产品特点： ■ 本模型为成年男性整体人，采用高分子材质，肤质仿真度高。 ■ 解剖标志明显，具有仿真的头颈部，头部可水平转动，有利于清除异物。 ■ 胸部体表标志明显（胸骨角、乳头、剑突等），便于胸外按压的操作定位。 ■ 可触及颈动脉搏动，死亡状态下，颈动脉搏动消失，抢救成功后，颈动脉搏动恢复，颈动脉搏动与有效按压相关联。 ■ 心肺复苏术：仰卧位，头可后仰，便于清除呼吸道异物，可进行胸外按压。 ■ 可进行口对口人工呼吸或者使用简易呼吸器辅助呼吸，有效人工呼吸可见胸廓起伏。 ■ 瞳孔示教：死亡状态下，模拟人瞳孔散大，抢救成功后，双侧瞳孔由散大变为正常。 ■ 模拟人和计算机之间通信方式：蓝牙无线通信。 ■ 模拟人手臂关节灵活，可进行搬运练习。   二、软件功能： ■ 软件依据《美国心脏学会2015国际心肺复苏心血管急救指南标准》的操作标准对心肺复苏操作进行评价。 ■ 软件形象的展示了心肺复苏急救流程，图文并茂的介绍了急救链中的每项操作要点。 ■ 操作模式：训练、考核、实战三种操作模式，每种模式均可自行设置操作时间、按压次数、按压深度、吹气次数、吹气量、CPR循环次数等，老师也可调节和变更按压和通气的考核标准值，建立符合当次考核状态的心肺复苏标准。 ■ 学员管理：可自由编辑学员名称及编号，用于存档。 ■ 人工口对口呼吸(吹气)时： · 动态条码指示灯显示潮气量大小：吹入的潮气量正确由条码绿灯显示，吹入的潮气量过小由条码黄灯显示，吹入的潮气量过大由条码红色指示灯动态反馈显示潮气量大小。 · 电子计数显示：详细记录吹气正确和错误的次数（吹气量过大、吹气力量过小）。 · 语音提示：中文语音提示，详细提示吹气错误的具体原因以便训练者及时改正。 ■ 人工手位胸外按压时： · 动态条码指示灯显示按压深度：按压深度正确由条码绿灯显示，按压深度过小由条码黄灯显示，按压深度过大由条码红色指示灯动态反馈显示按压深度。 · 电子计数显示：详细记录按压正确和错误的次数（按压力量过大、按压力量过小、按压位置错误）。 · 语音提示：中文语音提示，详细提示按压错误的具体原因，以便训练者及时改正。 ■ 全程心电图显示： · 抢救前：显示为濒临死亡的心电图, 呼吸图消失。 · 抢救中：进行按压操作时，显示按压心电图，频率与按压频率一致，呼吸监护显示潮气操作图形。 · 抢救成功后：显示为窦性心律，呼吸恢复正常。 ■ 依据《2015年美国心脏协会心肺复苏及心血管急救指南》的操作标准，对心肺复苏操作进行评价，操作达标，模拟人复活，操作未达标，模拟人死亡。 ■ 模拟人3D动画：正常状态时，模拟人3D动画有瞬目，休克或死亡状态时3D动画为闭眼。 ■ 成绩单所有操作结果数据以表格形式清晰显示，并可保存成绩单，可连接通用打印机对成绩单进行打印。 ■ 按压与人工呼吸比：30：2（单人或双人）。 ■ 操作周期：先30次按压再2次人工吹气，30：2五个循环周期CPR操作。 ■ 操作频率：100-120次/分。 ■ 操作时间：以秒为单位计时。   三、AED模拟除颤功能： ■ 自动体外模拟除颤仪设计符合人机工程学，打开盒盖则设备开机，关闭盒盖则设备自动关机，具有单键除颤功能操作，面盖背部可存放AED电极贴片。 ■ 模拟急救现场AED的工作流程，但无高压电击除颤工作，全程中文语音提示，指导学员熟悉BLS的工作流程及AED使用要点。 ■ 自动侦测除颤电极片的贴敷位置是否正确，学员通过反复使用模拟AED可以熟悉电极片贴敷位置。 ■ 系统内置12个脚本（一次除颤的室颤、多次除颤的室颤、反复颤动的室颤、发现并解决故障-电极片松动、发现并解决故障-触碰病人、发现并解决故障-电池电量低、非除颤心律、二次除颤的室颤、三次除颤的室颤、室颤、发现并解决故障-电极片松动-电池电量低、发现并解决故障-触碰病人-电池电量低），可模拟不同情景的急救现场情况，并且全程语音提示指导训练者完成BLS训练，可以根据需要暂停或继续BLS过程。 ■ 故障模拟功能：通过遥控器选择可以进行情景模拟的语音提示，包括：除颤过程有其他人接触病人身体、贴片位置错误、贴片位置正确、无需除颤、需要除颤、机器故障、电池电量低等。 ■ 电量管理功能：AED训练器自动侦测电池电量，当电池电量不足时，系统将有“电池电量低，请更换”语音提示。在两次AED期间，系统处于待机状态，进入省电模式，开机后如果3分钟内无任何操作，系统将自动进入关机状态。   四、标准配置： ■ 心肺复苏全身人体模型：1台 ■ 手拉推式硬塑箱：1只 ■ 计算机：用户自配或选配 ■ USB蓝牙适配器：1个 ■ 电源适配器：1个 ■ CPR安装操作软件：1套 ■ 复苏操作垫：1条 ■ 一次性呼吸面膜(50张/盒)：1盒 ■ 可换肺囊装置：4套 ■ 可换面皮：1张 ■ AED模拟除颤仪：1台 ■ 操作指南光盘：1张 ■ 急救手册：1本 ■ 说明书：1册 ■ 保修卡合格证：1张

项目简介 行走装置增加一个辅助定位机构并采用视觉系统，能实现机器人精确移动和定位； 控制系统采用了无线收发模块，去除了传统网络中的传输线缆，利用微波、射频(RF) 等 无线技术构成网络，收发数据，这就解决了连线多，易出故障，安装较繁琐，布线不便 的问题；采用目前最低功耗和较低成本的短距离无线通信 ZigBee 技术，ZigBee 技术拥有 低数据速率和快速反应的特点。目前应用在数控机床上的无线通信技术主要有无线局域 网技术、蓝牙技术，由于无线局域网技术在抗干扰方面的不足，以及蓝牙协议的

高端智能化、高效节能、低耗能的机械设备主要为：履带式的移动破、圆锥破

成果描述：本发明公开了一种基于运行数据对中央空调系统节能诊断及节能潜力分析的方法，基于中央空调系统实际运行数据，经对输入数据进行数据预处理后，再经数据分析步骤对已进行预处理的数据进行系统工况模式识别、系统设备运行时长与均等运行策略分析、系统设备运行次序分析、系统设备变频特性分析、系统设备出力与能耗特性分析、系统及设备运行约束条件分析，基于此再经节能潜力计算步骤对系统最小运行能耗(或费用)进行计算，得到系统节能诊断结果及节能潜力情况。本发明方法通过对系统实际运行数据的分析，给使用者提供更全面、更符合实际的节能诊断和节能潜力结果，为系统节能优化运行和节能改造等提供重要决策依据。市场前景分析：暖通工程领域。与同类成果相比的优势分析：技术先进，性价比较高。

本发明公开了一种基于运行数据对中央空调系统节能诊断及节能潜力分析的方法，基于中央空调系统实际运行数据，经对输入数据进行数据预处理后，再经数据分析步骤对已进行预处理的数据进行系统工况模式识别、系统设备运行时长与均等运行策略分析、系统设备运行次序分析、系统设备变频特性分析、系统设备出力与能耗特性分析、系统及设备运行约束条件分析，基于此再经节能潜力计算步骤对系统最小运行能耗(或费用)进行计算，得到系统节能诊断结果及节能潜力情况。本发明方法通过对系统实际运行数据的分析，给使用者提供更全面、更符合实际的节能诊断和节能潜力结果，为系统节能优化运行和节能改造等提供重要决策依据。

随着云计算、大数据、分布式AI等数据密集型应用的部署，大规模计算集群（数据中心、分布式AI集群、高性能计算集群）的体系结构、通信模式、流量状态、应用需求发生了极大的改变，上述改变对计算网络的吞吐、时延、带宽提出了极大的挑战，传统电互连网络技术存在拓扑结构复杂、线缆开销巨大、设备数量过多、可集成端口密度有限、网络能耗难以优化等问题，与电互连技术相比，光互连具有高带宽、低能耗、低开销、低时延等特点，具有较大潜力满足数据密集型应用对传输带宽、网络能耗、传输时延、通信逻辑适配等方面的需求，但受到缓存、交换粒度的影响，纯光互连网络难以承载突发性强、数据量小、实时性高的通信任务，因此，充分结合光、电互连技术的优点，研究面向数据密集型应用的扁平化、低时延、可重构光电混合网络，对于突破新型计算网络所面临的功耗、吞吐、时延、扩展性等方面的挑战至关重要。 围绕下一代数据密集型应用对互连网络高带宽、低时延、低能耗、高扩展性的需求，展开高容量、低开销、可重构、扁平化光电混合互连架构的研究。结合光、电交换技术的特点，设计高扩展、低复杂度、大容量、低能耗的光电混合互连拓扑结构；研究低开销、快速响应的光电路/光分组交换控制系统，设计面向快速光交换计算的调度算法；研究低阻塞、多粒度、高连通性的光交换机制及交换芯片；构建高性能光电混合互连网络系统原型，部署典型应用测试基准，验证光电混合网络的潜在优势，为下一代计算网络架构的技术革新提供理论和实践指导。

（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。