（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。

1、参照典型人体标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

1、参照人体解剖标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

1、参照人体解剖标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

本实用新型提供配电网三相开关装置及经济型三相不平衡调节器，配电网三相开关装置包括 A 相的 换相开关、B 相的换相开关、C 相的换相开关，由接触器、二极管以及电源功率控制器组成；一相的换 相开关中，电源功率控制器与一个二极管反向并联，并再串联一个与电源功率控制器方向相同的二极管， 构成一个电路拓扑结构，所述电路拓扑结构与另一个结构相同但电力电子器件方向完全反向的电路拓扑 结构、接触器并联。经济型三相不平衡调节器包括配电网中各条负载支路上分别设置

1、参照典型人体标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

海嘉船舶综合显示系统基于多源信息融合和可视化展示，通过多通道信号处理和大屏幕技术实现。系统收集船舶各种设备如传感器、监控系统的数据源，利用图像合成和分屏技术将信息集成展示在大屏幕上。多通道信号处理确保来自不同源头的数据能够被有效整合和展示，包括船舶状态、位置、设备健康状况等信息。系统通过实时数据处理和高效图像呈现，使船员或操作人员能够直观、全面地监控船舶状态，为船舶运营、安全管理提供可视化支持。

集成3D模型、视频、图片等各种素材，提供场景编辑、交互流程设定、渲染等功能，以实现3D模型自动重建的目标。 利用人工智能技术，构建模拟计算的算法和模型，根据数据实时进行仿真计算。 上传一张图片，可以在1分钟以内快速生成三维模型素材。 上传一段视频，可以在1个小时以内快速生成精细纹理三维模型素材。 支持本地化部署，支持分布式部署建模，支持大批量用户同时在线访问。 可实现实体设计、草图绘制、参数化建模和模型编辑功能。 支持导入*.glb、*.stl、*.obj、*.gltf格式模型。 可输出*.glb、*.stl、*.obj、*.gltf格式模型。 全方位的3D场景，上下、左右、前后360度观察模型所在环境，展示效果更逼真。 可以通过造型表面上的多个点来控制造型变形； 可对造型进行扭曲、折弯、锥度等多种变形处理。 可实现边学习边实操的教学模式，支持创建学习资源或教学课件。 可直接在软件里拖曳云盘中的三维模型，也可以将软件中模型直接上传到云盘。 系统采用PBR材质，基于物理的着色技术，最大程度还原工作环境，提高用户沉浸感； 采用LOD技术处理复杂场景的绘制，使软件运行更加流畅，分层级处理系统渲染效果； 采用三维模型构建场景及物体，物体多边形面数(poly)控制在≤30 万面，基础包大小＜50MB，支持多种分辨率(1280×720，1600×900，1920×1080)确保用户体验； 实训场景内模型无闪面、重面、破面，不能有多边面，保证场景演示无闪烁现象； 场景烘焙无曝光过度，无黑边现象，采用PostProcess进行场景后处理，真实逼真； 虚拟人物满足人设需求，着装符合角色身份； 虚拟人物能自主控制，具有多种动作，动作自然，可模拟操作主要过程；

新能源高占比发展下传统同步机组与风光新能源机组呈现“此消彼长”趋势，电力平衡面临“保供应、促消纳”的两难局面。因此，迫切需要研究面向新型电力系统的电网智能调度与可视化预警关键技术，保障电网安全可靠供电和新能源最大化消纳，助推碳达峰目标顺利实现。 该成果实现了面向新型电力系统的电网智能调度与可视化预警应用的信息融合、智能告警、动态监视、海量数据阅读、超实时仿真和高性能计算、基于人工智能的电网安全稳定分析、虚拟现实、基于图数据库的人-机交互等功能，为新型电力系统电网调度员提供了一个准确及时掌握电网实时运行态势的分析决策工具，实现调度员对调度计划方案的智能互动决策以及电网风险的实时可视化预警。 该技术实现了传统电网调度模式向智能性电网调度模式转换，可广泛应用于电网、电力公司调度及区域控制中心等机构，在实现电力系统安全可靠运行的同时，促进高比例新能源最大化消纳和保障电力可靠供应。同时，该系统不但可应用于实时运行管理，而且还可应用在规划、交易、营销等新型电力系统生产管理的不同领域。该成果已在四川省电力公司、中国南方电网等30余家单位机构投入使用，产生了良好的经济和社会效益。 图1 基于大数据的电网运行行为识别及可视化显示 图2 多源信息融合的电网环境监测可视化