本发明公开了一种工业窑炉替代燃料高效减污降碳系统，包括回转窑和气化炉，在气化炉的进料口设有替代燃料预处理组件，利用替代燃料预处理组件对替代燃料进行预处理，预处理之后的替代燃料，极大的提高了替代燃料的燃烧效率，减少污染物排放，降低生产成本，进而提高了替代燃料的利用率；同时设置二氧化碳捕集装置，利用二氧化碳捕集装置捕集二氧化碳，将高温烟气当中的二氧化碳捕捉分离出来，使得沿烟囱排出的烟气当中二氧化碳的含量大幅降低，进而使得烟气中剩余的二氧化碳的浓度达到排放标准。解决了现有技术中的替代燃料未经预处理，利用率低下，并且忽视了碳氧化合物的有效处理，导致资源浪费和环境污染的技术问题。

本项目是基于复合矿物材料的改性，通过 CPB（阳离子）和 CSB（两性）复合改性方法，取代原有的传统药剂，可以在气浮、生物处理等领域开展应用。 技术指标包括： 1）通过 XRD、SEM、BET、FTIR、Zeta 电位等科学表征方法，验证了改性后药剂的微观结构有利于后续的物化、生物过程； 2）通过 Design Expert 数据处理软件探讨改性膨润土的二次响应曲面模型以及优化的水平值，建立的污染物指标的去除模型； 3）利用响应面 Optimal Design 建立数学模型，基于响应面法(RSM)优化复合改性膨润土的制备条件和工艺参数，该改性复合材料（阴-阳离子、阴-阳-非等表面活性剂、PAC 基质交联等方式）能实现市政污水稳定提标中 COD 保持在30mg/L 以下，黑臭水体治理中 TP 保持在 0.2mg/L 以下，含重金属废水的治理中 Cr 的浓度保持在 1.0mg/L 以下，印染废水中锑离子实现 95.2%的去除效果。使用该改性药剂后，运行成本吨水投加药剂费用为 0.5 元，该技术能解决多种难以处理的废水。

目前国内市场所使用的霍乱毒素及标记物产品，基本来自进口商业渠道，价格昂贵，纯度有限。中科院武汉物数所通过有毒蛋白的高效表达技术及蛋白复性组装机制，大批量生产具有生物活性的霍乱毒素，纯度高，可改造成衍生物，满足国内生物医药研究需求。 产品优势如下： 1、操作简单，普通生化实验室易执行 2、产品纯度高，产量大，相应的成本低 3、可进行神经环路示踪标记用于神经解剖学研究，也可以改造发展出多种衍生物，用于满足国内科研和市场需求。

近日，南方科技大学材料科学与工程系副教授谷猛课题组、物理系副教授徐虎课题组联合俄勒冈大学教授冯振兴团队在单原子催化领域取得重要进展，相关研究成果在国际顶级学术期刊《美国化学会志》（Journal of the American Chemical Society）上在线发表，并被选为封面论文。论文题目为“高铱单原子负载氧化镍用于高效电催化析氧（Ultrahigh-loading of Ir single atoms on NiO matrix to dramatically enhance oxygen evolution reaction）”。 谷猛介绍，负载量难以提高是目前单原子催化剂发展的主要瓶颈之一，而这项研究不仅将单原子负载质量分数提高至18%，获得了目前同类材料报道中的最高负载量，还能使催化剂维持较高的活性和稳定性。另外，谷猛课题组博士后王琦通过这种方法，进一步获得了高负载量的Mn、Fe、Co、Ru、Ir、Pt等单原子掺杂NiO，验证了该制备方法的普适性，为单原子催化剂的研究提供了更实用且可靠的研究思路。

综合考虑整车动力传动系统中各部件对整车能耗经济性的影响因素及耦合 关系，建立精确的动力传动系统动态数学模型，优化各子系统的设计参数与控 制参数，进行动力传动系统仿真分析；综合考虑整车零部件传声特性、材料传 声特征、声音在不同介质间变化特性等因素，建立整车声品质分析模型，进行整 车声品质仿真分析。 针对不同动力传动系统特征的整车，建立动力传动系统能量分布图，进行 整车能耗综合试验测试分析，提出动力传动系统设计参数与控制参数的优化设 计手段；建立整车声品质试验测试分析平台，进行模拟整车现场声品质试验测试 分析，掌握声音在零部件间的传递路径，提出声品质与整车及零部件设计参数的 关联规律。 突破节能环保、安全可靠、智能舒适等整车核心关键技术，提升长安自主品 牌汽车整车品质，百公里油耗平均降低至5.6升，车内噪声降至40分贝， 支撑长安逸动轿车系列和SUV系列处于国内领先，性能达到同级别车型国际先 进水平。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。