（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。

本发明公开了一种基于定子弧形与内阶梯型混合结构的永磁直线电机，包括定子电枢一次侧和Halbach永磁动子二次侧，定子电枢一次侧位于永磁动子二次侧外侧，定子电枢一次侧由定子铁心和电枢绕组构成，定子铁心两侧端部齿采用内阶梯型结构，定子铁心内部齿采用弧形结构；永磁动子二次侧由动子铁心和贴于铁心表面的永磁体构成，该永磁体采用Halbach阵列结构。本发明的永磁直线电机可以获得比常规磁体更大的气隙磁通，而且具有很好的磁屏蔽作用，可减小动子导磁轭厚度。本发明给出弧形齿结构解析模型，通过该解析模型可推导出磁导大小及磁导随位置变化曲线。本发明的电机最优结构采用田口优化算法获得。

本发明提供了一种考虑不确定性的结构瞬态统计能量响应预示方法，相比于传统瞬态统计能量方法仅能针对确定性结构进行动响应预示，未考虑结构参数随机性、测量误差等不确定性因素的问题，本发明通过区间方法对结构的不确定性进行表征，考虑了不确定性对结构子系统间的能量传递和耗散的影响，基于能量控制方程建立了更为精准的结构各子系统瞬态能量的表达式，基于泰勒展开技术将其子系统瞬态能量的表达式转化为适合区间计算的多项式形式，从而将瞬态统计能量分析方法推广应用到了不确定性结构的动力学响应分析，拓展了目前瞬态统计能量分析方法的研究范围，具有重要的工程应用价值。

本实用新型的曲面光学结构的多电荷耦合器件组自适应成像仪，属于图像信息获取和处理领域。其结 构为：3个CCD构成仿复眼的曲面结构，再分别连接到3个可编程视频信号处理芯片的模拟信号输入端；可编 程视频信号处理芯片的状态信息输出到复杂可编程逻辑电路(CLPC)中作为控制信号，而数据信号则经过上 述3个电可擦存储芯片分别输入到3个第一类DSP数字信号处理芯中，3个第一类DSP数字信号处理芯片的控制 信号输入到1个第二类DSP数字信号处理芯片做为片选信号和使能信号。该成像仪具有随光照条件改变自动 调节融合模式的成像功能，它不仅可以在正常光照条件下获取高对比度的图像，还可以在较弱光照条件下 获取高亮度敏感性的图像。

本发明公开了一种基于双层热电堆结构的风速风向传感器及检测方法，该传感器结构简单，且易于测量，具有高灵敏度。所述基于双层热电堆结构的风速风向传感器，所述风速风向传感器包括硅衬底、位于硅衬底上方的二氧化硅层，以及位于二氧化硅层中的加热电阻、上层热电堆组和下层热电堆组；上层热电堆组和下层热电堆组上下布设；加热电阻分别与第一加热电阻接触块和第二加热电阻接触块连接。

背景：脑脊髓损伤后轴突再生、功能恢复仍然是一个世界性的难题。脊髓损伤后代偿性轴突侧芽生长能部分恢复肢体自发性运动，但肢体技巧性运动高度依赖皮质脊髓束的完整性。前期研究发现高度选择性皮质脊髓束完全剥夺动物模型（Celsr3|Emx1小鼠）各种运动功能完全正常，提示神经网络具有很强的自发可塑性，其在运功功能的恢复中可能发挥重要的作用。

本发明物理法细胞破碎的微结构装置的结构为：氮气输入管道、细胞悬浮液输入管道、破碎腔室以及破碎板。采用有机聚合物模塑法加工出破碎腔室及其相连的流道，然后用热键合实现破碎腔室的封接，其他部分可用焊接的方法实现连接。细胞破碎系统利用物理碰撞的方法使细胞发生破裂，提取细胞中目标成分进行下一步实验。细胞悬浮液以喷雾状通过管道出口，喷雾颗粒的粒径大约为5微米。高速载气氮气流速为200?300m/s，将喷雾状微粒子送入破碎腔室，高速撞击破碎板，得以破碎。然后在破碎腔室中收集细胞残留物并从出口输出进行后续微流控实验。

本实用新型公开了一种具有图案化微结构阵列的电容式触觉传感器。由从上至下依次的指纹状表面微凸起、上层电容电极基底、上层电容电极、二维正弦微凸起介电层、下层电容电极和下层电容电极基底层叠而成，指纹状表面微凸起用于接收外部力刺激，上、下层电容电极基底作为结构支撑，上、下层电容电极上的电极极片串联方向呈正交布置，并与二维正弦微凸起介电层三者共同构成传感器的电容主体。本实用新型能用于解决传感器对于多维力的高灵敏度实时检测问题，可在对灵敏度要求高的人工假肢、手术机械手等领域应用。