一种宽光谱、强吸收的表面光伏型光探测器的制备方法，其作法是：以钛箔为阳极，铂为阴极，对钛箔进行氧化，得非晶态TiO2纳米管阵列；经处理后，得TiO2纳米管阵列；将钛箔置于高温反应釜内，再将Na2S2O3、Bi(NO3)3水溶液注入密封反应釜，热处理得Bi2S3-TiO2纳米管阵列；在Bi2S3-TiO2纳米管阵列表面覆盖FTO，引出电极，在未生成Bi2S3-TiO2纳米管阵列的钛箔上引出电极，将FTO与钛箔及其Bi2S3-TiO2纳米管阵列的接触边缘封装即得本发明的光探测器。该方法能耗低，工艺、设备简单；制得物适用光谱范围大，适合做光谱分析；还可以做光敏开关等光电器件，具有广阔的应用前景。

本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

（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。

(东北师范大学物理学院无掩膜光刻机（进口）设备采购)的潜在供应商应在（长春市二道区东南湖大路3030号，中资国际工程咨询集团有限责任公司一楼）获取采购文件，并于2020年12月14日13点30分（北京时间）前提交响应文件。

利用有机发光二极管(OLEDs)中激发态的指纹式磁效应曲线作为一种灵敏高效的探测工具，物理科学与技术学院熊祖洪课题组在有机半导体明星材料¾红荧烯（Rubrene）中发现了一个有利于增强器件发光效率的激子演化通道，即激子的高能态反向系间窜越（High-Level Reverse Intersystem Crossing (HL-RISC)，T2®S­1®S0+hn）过程，并通过调控器件载流子浓度、工作温度、客体掺杂浓度以及控制器件结构对该HL-RISC通道的产生条件、正常与反常的物理行为表现以及如何实现高效率发光和低效率滚降等方面进行了详细探究。 OLEDs在平板显示和固态照明领域具有广阔的应用前景，尽管基于有机发光的手机显示屏和电视已开始市场化，但进一步提升其发光效率和延长其使用寿命仍然是该领域的两大研究方向。因理论上能够实现100%的内量子效率，具有常规RISC (T1®S­1)通道的热活化延迟荧光(Thermally-assisted delayed fluorescence, TADF)有机材料和具有HL-RISC (T2®S­1)过程的有机半导体是目前OLEDs领域的热点研究体系，这是由于无论是RISC还是HL-RISC都可以将占激子总数3/4的不发光三重态T激子转变成发光的单重态S激子，从而实现发光效率的成倍增强。显然，研究这些激子及其前驱体(precursor, 如极化子对(polaron-pair))和TADF材料以及激基复合物材料中电荷转移态(charge-transfer states)激子的形成机制及其演化规律对进一步认识OLEDs的器件物理和设计制造高效率OLEDs具有重要的科学意义和应用价值。近年来，熊祖洪课题组一直致力于采用有机半导体光电子器件中多种微观过程具有的指纹式磁效应(包括magneto-conductance、magneto-electroluminescence、magneto-photoluminescence以及magneto-photocurrent)曲线，系统深入地研究了多种有机光电子体系的器件物理并取得了一系列研究成果。

郭鹏飞课题组发展了一种源移动式纳米线生长技术，通过材料在微纳尺度的能带设计和生长控制，可控制备了一种一维半导体钙钛矿CsPbCl3/CsPbI3异质结构，解决了由于单纳米结构带隙不可控导致的钙钛矿纳米线激光器发射波长单一的问题。

国科大物理科学学院路红亮副教授和宋志朋博士后等人与物理所、高能所等单位科学家合作，利用分子束外延（MBE）方法构筑了单层TiSe2/CuSe/Cu(111)异质结以调控TiSe2的CDW相。

针对我国严重弃水问题，提出将冗余水电就地转化为易保存和运输的清洁能源天然气的整体工艺，冗余水电电解水产生氢气，生物质气化提供碳源，制备甲烷化催化剂，氢气和合成气在高效催化剂作用下，在特殊设计的流化床反应器中反应生成天然气，实现水电和天然气系统的交叉互补运行，提供能源优势互补新途径。建成了一套电转气小型示范装置，运行结果表明：催化剂活性高、性能稳定，甲烷选择性>99.9%，转化率可达100%。

针对秸秆直接还田难、综合利用率低、焚烧污染严重，土壤碳库匮缺、耕地质量提升乏力等“老、大、难”问题，沈阳农业大学率先提出了“秸秆炭化还田”新理论，确立了“以生物炭为核心，以炭化技术为基础，以生物炭基肥料和生物炭基土壤改良剂为主要发展方向，兼顾能源化利用”的技术路线。2005年以来，围绕“生物炭暨秸秆炭化综合利用技术研究与应用”，项目组先后突破了生物炭规模化制备与农业应用关键技术，构建了全产业链技术体系，推动了成果高效转化，为秸秆间接还田开辟了一条新途径。    1. 研发出“半封闭式亚高温缺氧干馏炭化工艺”和“组合式多联产生物质快速炭化设备”，突破了秸秆“低成本、大批量制炭”的产业技术瓶颈。该工艺设备对原料适应能力强、生物炭生产效率高、能耗低，有效解决了农作物秸秆密度低、含水量高、预处理能耗大、炭化效率低等问题。所制备的生物炭含碳量高、孔隙丰富，可广泛用于土壤碳封存、农田温室气体减排、化肥减量增效、耕地质量提升等领域。    2. 开发出生物炭基肥料等系列生物炭基农业投入品，集化肥减量、土壤改良、节本增效等功能于一身，寓土壤改良与土壤利用之中，突破了生物炭规模化田间应用技术瓶颈。综合运用作物学、土壤学、植物营养学、微生物学、生物信息学等方法，系统揭示了生物炭固碳、改土、保肥、持效、促生作用规律与机制。在此基础上，遵循养分归还学说和农田生态系统物质循环规律，发明了以生物炭为载体生产专用肥料、土壤改良剂、水稻育苗基质的技术与方法，开发出以生物炭基肥料为代表的系列生物炭基农业投入品，能够在不增加农民生产成本的情况下实现秸秆间接还田，解决了生物炭直接还田成本高、推广难、市场化程度低等问题，打通了生物炭规模化田间应用“最后一公里”，改变了化学类缓控释肥料只减肥、改土作用不明显、只在当季起作用的局面。    3. 开展了大规模试验示范，构建了“分散制炭、集炭异地深加工”产业模式，实现了成果转化。针对集中处置利用与秸秆等农林废弃物分布广、收储运困难之间的矛盾，构建了“分散制炭、集炭异地深加工”产业模式，将产业链中的运输成本降低约 70%；制定了《生物炭基肥料》农业行业标准并首次发布，突破了制约生物炭技术产业化和行业健康发展的“瓶颈”问题。    截至 2016 年底，项目技术累计推广 1090.2 万余亩，辐射全国 20 余个省（市、自治区）。其中，2014-2016 年，项目技术推广应用 575 万亩，新增销售额 19665.6万元，新增利润 2359.9 万元，节支增收 42890.9 万元。合计新增经济效益 45250.8万元。