广东凯西欧光健康有限公司成立于2004年,是国家知识产权示范企业、国家高新技术企业。公司于2016年引进德国光密码技术，在中国人民解放军总医院、中国科学顾瑛院士的指导下，提出“太阳光是最健康的光”，全面转型发展光健康产业。目前我司已连续记录了佛山地区1000多天的太阳光谱数据并加以分析研究，出版了中国光健康领域的第一本专著《光与健康》,弥补了国内健康光谱研究领域的空白。   公司现申请国内外专利六百多项，专利产品荣获七次中国专利优秀奖、三次广东省专利优秀奖、一次广东省专利银奖、佛山市科学技术奖专利金奖、佛山高新技术进步一等奖等奖项；公司创始人吴育林先生荣获广东省发明创造最高奖项“广东发明人”奖。 公司本着以客户为中心，以研究RSPD(光配方)技术为研究方向,以品质为生命,以创新为驱动,以服务为根本,持续客户创造价值而不断努力的经营理念,缔造一家全球高品质、技术领先、受人尊重的光健康企业。

韵光源起于科艺华，科艺华成立于1996年，是光艺术作品的全球开拓者和领导者。上海市高新技术企业，参与众多863攻关项目，拥有中国最多的LED智能控制领域的基础发明专利，已经授权与正在申请的专利总数为133项，其中107项为发明专利，共获得10项软件著作权。

产品详细介绍 本系列设备参照塑料紫外灯光源曝露试验方法GB9344-88和GB/T9276-96《涂层色漆，清漆试验》设计制作，它广泛用于：橡胶，塑胶，油漆，石油化工，汽车，纺织等行业。 采用进口智能温湿度控制仪进行控温控湿，带PID调节、快速自整定，可设定多种参数，温湿度直接数字显示，读数极为方便；内胆材料采用高级不锈钢砂光板，外壳采用冷轧板静电喷塑，整体外形美观大方。 规格型号 CZ-200 CZ-320 CZ-400 CZ-350 CZ-560 CZ-630 工作室尺寸 400x1000x500 400x1000x800 400x1000x1000 400x1000x500 400x1000x800 400x1000x1000 灯管数量 4 4 4 8 8 8 温度范围 常温~十95℃ 温度均匀度 ≤2℃ 温度波动度 ≤±0.5℃ 荧光灯型号 UV-A／UV-B 试样架 由优质SUS304；不锈钢材料制成 温度传感器 PT100温度传感器 使用环境温度  RT+15℃~35℃ 使用环境湿度 ≤85％RH 电源 220V±10％50Hz  详情登录 www.dgzhongzhi.cn了解更多信息  

产品详细介绍

产品概述： 超高性价比的工业光场相机，可同时捕捉目标场景的二维图像和三维深度信息。 具备三维重建/先拍照后聚焦/视角变换等功能，适合用于大学生“计算成像”专题演示实验中。 附带C#、C++、Java、Python等编程工具包，便于进行二次开发。 可适配多种接口的常规工业镜头，支持用户自行安装和更换镜头。 支持用户深度定制光场相机的核心参数。

创谱仪器ILT积分球均匀光源是由PTFE喷涂积分球、进口卤钨灯/LED光源、高稳定性电源模块组成；具有很高的出光均匀性以及漫反射特性； 把光源放置在积分球内，光源发出的光在球内壁上经过无数次的漫反射，充分积分球之后，最终在积分球出口平面的光斑是一种均匀的漫射光，具有理想的朗伯余弦特性，所以这种均匀光斑，在国防，科研，工业等众多领域有广泛应用。例如：均匀照明源，光学仪器定标等； 此款积分球兼容测光功能，预留多个光口，满足不同应用需求

       创谱仪器ISL系列积分球均匀光源是由PTFE喷涂积分球、进口溴钨灯光源，高稳定性电源模块组成；具有很高的出光均匀性以及漫反射特性；         把光源放置在积分球内，光源发出的光在球内壁上经过无数次的漫反射，充分积分球之后，最终在积分球出口平面的光斑是一种均匀的漫射光，具有理想的朗伯余弦特性，所以这种均匀光斑，在国防，科研，工业等众多领域有广泛应用。例如：均匀照明源，光学仪器定标等； 此款积分球兼容测光功能，预留多个光口，满足不同应用需求 创谱仪器可以根据客户要求定制各种应用积分球！

        创谱仪器ISL系列积分球均匀光源是由PTFE喷涂积分球、进口卤钨灯/LED光源、高稳定性电源模块组成；具有很高的出光均匀性以及漫反射特性；         把光源放置在积分球内，光源发出的光在球内壁上经过无数次的漫反射，充分积分球之后，最终在积分球出口平面的光斑是一种均匀的漫射光，具有理想的朗伯余弦特性，所以这种均匀光斑，在国防，科研，工业等众多领域有广泛应用。例如：均匀照明源，光学仪器定标等；         此款积分球兼容测光功能，预留多个光口，满足不同应用需求         创谱仪器可以根据客户要求定制各种应用积分球！

（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。