本实用新型属于无线电能传输技术领域，尤其涉及一种基于无线电能传输技术的便捷无破坏性数据 采集装置，包括墙体或阻挡物体和终端，包括源端和负端，源端包括电源模块、源端电源变换模块和发 射线圈，电源模块依次连接源端电源变换模块和发射线圈；负端包括接收线圈、负端电能变换模块、数 据采集设备和数据传输模块，接收线圈依次连接负端电源变换模块、数据采集设备和数据传输模块；发 射线圈与接收线圈进行能量交换，数据传输模块将信息通过网络发送至终端；源端和负端分别安

鹏博士深耕云计算、网络SDN、自然语言处理、情感分析、图像理解，专注大数据的采集存储和信息挖掘，致力于提升各行业的大数据技术创新能力，通过全面的信息可视化、精准营销、新媒体数据挖掘、人群画像等为政务、工业、金融、医疗、交通、建筑、公安等各行业的合作伙伴提供一揽子的大数据解决方案，帮助企业实现增效降损，提高业务能力

（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。

基于物联网的无接触数据感知技术、体质测试与运动行为数据采集等技术，采集评估测试对象的体质健康行为数据，并建立行为健康数据库。基于健康行为大数据，结合已有的体质检测指标、医学筛查指标和人体运动指标，通过标签建模构建个人数据画像，通过机器学习算法实现将健康行为数据从低阶数据到高阶数据质的飞跃。 一、项目分类 关键核心技术突破 二、成果简介 聚焦全民健康,尤其是青少年体质健康的提升，融合人工智能、物联网、云计算、移动互联网、大数据等新一代信息技术，以健康失衡状态的动态辨识与健康自主管理为主攻方向，构建以信息科技为引领的一体化健康服务管理体系。通过非二代设备的智慧化升级技术开发智慧化设备，并进一步构建智慧化场景。基于物联网的无接触数据感知技术、体质测试与运动行为数据采集等技术，采集评估测试对象的体质健康行为数据，并建立行为健康数据库。基于健康行为大数据，结合已有的体质检测指标、医学筛查指标和人体运动指标，通过标签建模构建个人数据画像，通过机器学习算法实现将健康行为数据从低阶数据到高阶数据质的飞跃。建设运动康复处方库、健康行为评价体系与健康行为风险预警模型，基于控制论、行为科学等理论方法构建健身指导决策支持系统，形成基于“大数据”的健康行为决策技术体系。

采用人工智能技术对数据库进行数据分析与深层信息挖掘的计算机软件系统（RoboMiner），主要用于对数据库中的进行数据分析，从中提取隐含的深层信息，为企事业建立新的业务模型和为决策提供支持。数据库数据分析与深层信息挖掘技术也是海量信息处理的基本工具，其应用场合极为广泛，前提是数据的积累。我们可根据用户的业务要求及其数据库的数据特点来为用户开发专用的软件系统。技术水平及指标 ·具备数据挖掘的基本功能：数据予处理，挖掘、结果表达与管理。

  CPU主频：1.66（MHz）中央处理器：英特尔®凌动™处理器；内存：1GB；硬盘：160GB；屏幕尺寸：10.1（英寸）；显存：260M；操作系统.：Windows XP ；标准接口：3个USB2.0接口；键盘：标准101键盘。

符合教育部2006年7月19日发布的《中小学理科实验室装备规范》（JY/T 0385-2006、JY/T 0386-2006、JY/T 0387-2006）中要求。7寸宽屏真彩液晶屏，分辨率800×480；带操作系统，可触摸操作；64MSDRAM＋128M FLASH，并可通过SD卡进一步扩展存储；3个USB接口，可接U盘、鼠标和键盘；可通过USB接口与PC进行数据通讯；带1个10M网络接口，可直接连接Intel网或构成局域网；高效充电电池，可超长时间脱机工作；集成数据采集系统；集成与PC机上功能一样的数据分析软件；四个传感器接口，即插即用、实时同步、自动识别；能野外实时采集并现场处理数据；带VGA接口，可直接连接大屏幕投影机。

符合教育部2006年7月19日发布的《中小学理科实验室装备规范》（JY/T 0385-2006、JY/T 0386-2006、JY/T 0387-2006）中要求。128×64液晶显示；能显示采样的数据曲线；六个操作按钮；中文界面；可外接AC/DC，也可以使用5#普通干电池或充电电池工作；10MB内置存储器，可完全脱机（不使用PC）进行实验；可保存并上传实验数据；四通道并行采集，支持带电插拔，即插即用，模拟信号和数字信号自适应；两种与PC机通讯方式：标准USB接口和RS232接口；最大采样速率可达30K/秒。

新华三绿洲数据运营平台是新华三自研的一站式智能数据开发和治理平台，集成了先进的大数据技术，主要包含数据标准、数据开发、数据质量、数据资产、数据脱敏以及时空与图引擎等数据使用场景，支持结构化数据、非结构化数据、时空数据、图数据的分析和加工。产品以打破“信息孤岛”消除“数据烟囱”为理念，帮组用户把数据用起来，以发挥数据最大价值。 数据安全 提供基于用户访问级别控制的静态脱敏以及动态脱敏能力。从敏感信息自动发现、分级分类、数据变形以及安全审计等一体化数据安全服务。 一站式开发 一张画布中完成全流程业务的开发，用SQL表达业务逻辑，用户仅需三步即可实现一个完整的开发流程。 规范化标准 提供规范化、流程化数据标准能力，提供国标，部标，行业标准管理，为后续的数据处理进行数据标准化提供关键性支撑。 自定义检核 灵活的检核方案配置管理，用户可以根据变化自由地编辑指标规则，从而帮助用户发现问题数据，改善数据质量情况。 统一数据资产 拉通数据的全生命周期流程，自动解析元数据，理清数据的来龙去脉。自定义业务分类，根据业务属性对数据进行分层分类管理。 图与时空引擎 针对高度互联数据的存储和查询场景进行设计，提供图数据库、图计算、图可视化为一体的图服务以及大规模存取、查询、分析时空数据的工具和算法集合能力。 行业套件 提供智慧行业套件知识库，涵盖行业数据标准、数据模块、行业数据主题库、专题库、行业算法库，加速交付能力，增强行业认知。 简单易用 产品贯穿整个数据应用生命周期，通过简单易用的可视化界面，用户可以通过可视化的操作界面“玩转”大数据。