采用了由局部管理层、整车信息管理层、人机接口与通讯扩展接口层组成的三层综合网络系统结构，在国内首先实现了电动车整车网络布线，自主定义了电动车辆CAN总线通讯协议，成功地实现了整个电动车的综合控制，将电动车的各个部分组成为一个完整的有机整体。该技术主要解决了两大问题:一是如何最有效地管理电动车辆有限的能量，实现电动车辆效率最大化，估计电池组的剩余电量及车辆续驶里程、单体电池及成组电池的检测与电池组温度控制、电机及空调等耗能部件的功率分配等内容；二是如何解决电动车辆运营过程中的故障诊断、高压安全、充电通讯接口、延长电池使用寿命、提高电动车可靠性等问题。

本发明公布了一种矫正功率传感器数据的方法。首先，根据软件运行时间长短来分别采用不同方法进行数据矫正。运行时间短的程序传感器采集到的功耗数据是趋向性数据，需要进行拟合来进行矫正。运行时间长的程序，传感器采集的数据是逐渐逼近的真实数据，采用基于误差方向的逼近函数进行矫正。通过在K20系列的GPU平台上进行实验，表明该方法适用于解决传感器测量能耗存在的问题。通过使用本方法较准确地获得软件在设备中运行的能耗，为以后的程序能耗优化奠定了基础。

电子模拟功率负载是一种利用电力电子技术、计算机控制技术及电力系统技术设计实现的。用于对各种直流电源进行考核实验的实验装置，主要作用是替代传统的实际耗电方式运行的电阻型功率负载进行相关的功率实验，与电阻型负载相比它有以下的优点：在完成测试功率实验的前提下，将待试设备的输出能量反馈到电网，节约了能源，不产生大量的热能，避免了试验场所温度升高。并且具有如下几项特点： 1.不需体积庞大的电阻箱及冷却设备，节约了安装空间。体积小，重量轻。 2.模拟的功率连续可调，使用范围增加。 3.采用能量回馈方式，试验场所不必配备大容量的电源，降低了供电容量的开支。 4.反馈的电能可设为超前无功的形式，对电力系统进行功率因数补偿。 应用范围与市场前景： 该电子模拟功率负载可普遍应用于通讯电源出厂试验、各种整流柜出厂试验、牵引动力试验、大功率充电电源试验、蓄电池放电试验、电机出厂试验、柴油机汽油机出厂试验、汽车动力性能试验、电解电镀电源出厂试验等场合。 随着国民经济的发展，人们对能源的要求及试验自动化的要求越来越高，工业、交通等场合越来越需要大功率试验手段，能源的紧缺使得能耗的费用也越来越高，基于节约能源减少开支和试验自动化的要求，该装置将有广泛的应用前景。 经济效益分析： 设备投资用所节约的电费在一至两年内收回；若考虑使用该设备后节省了供电容量、减少了安装空间的费用，设备的投资将在一年内收回。 以50kVA的试验设备为例，通讯电源的出厂试验要求有72小时的连续运行，若该设备在全年内用足80%的时间，该机效率为90%，可节电50（kW）×360（天）×24（小时）×80%×90%=311040度，以每度0.5元计，一年节约电费15.5520万元，若以每台设备25万元计，大约一年半的时间可收回设备投资，若再综合考虑到电网容量的节约及安装场地的减少，则可在一年内收回设备投资。

成果简介：从履带车辆的无级转向技术的发展来看，液压无级及液压复合无级转向是上世纪70至80年代发展的具有代表性的新技术。世界各国发展的新型和改进型军用履带车辆的传动装置上，几乎全部采用了这类新型的无级转向机构。在民用工程车辆上也逐渐开始采用。可实现履带车辆无级转向功能。主要技术指标是：车辆吨位：10～50t；可匹配的发动机功率范围：50～600kW；输入转速范围：2000～3000r/min；传动效率：90%～93%。 项目来源：自行开发 技术领域：先进制造

1、该技术的优点：无须成套高价选购国外产品系统，由我们与国外公司合作，利用其关键部件及我们开发配套的各种级别会议电视，远程监视系统，两类系统集成，具有功能互补，发挥高效应用效果，成本降低1/3~1/2。 2、会议电视按国际标准实施集成,远程监视通过国家鉴定（全国首家正式鉴定系统）。 3、会议电视具有CIF及QCIF两种分辨力,符合H.261或更新的H.324标准。双向声象传输,多点切换(MCU)功能。远程监视提供远程自动论询及远程选视及数字录象等功能。并可据用户需要随时灵活配置，有较强软件能力。 适用范围： 适用于干线采用光纤、DDN、数字微波。用户接入利用模拟电话线或其他数字数据方式，据使用要求，设计集成多点电视会议，并接入远程监视系统。 适于远程电视会议及全程或分级电视图象监控。同时，提供电视会议系统集成；运动图象各类级别及用途的远程监视系统集成。

本发明提供了一种智能化医用无影灯设备及其控制系统和控制方法，涉及医疗领域。其特征在于，所述设备包括：发光二极管串联系统组、扩展端口、步进电机、坐标控制器、中央处理器、保护电路、电源和控制面板组成；所述控制系统包括：光照检测模块、温度检测模块、故障检测模块、提醒模块、中央处理模块和自动控制模块；该系统针对现有的医用无影灯设备、控制系统和控制方法智能化不足、照明质量较差、操作不方便、光质不好等缺陷，提出一种改进方案，该方案具有高度智能化、预警机制、照明质量好、操作方便等优点。

1、与高校和科研单位继续合作，与时俱进、创新思维，需要皮革专业的专科以上人才，加强培训，提高科研人员的综合素质，打造一批技术过硬的团队。2、需求一批国内外皮革行业知名专家来厂进行现场指导，对厂内技术人员的业务技能和创新能力进行专项指导和培训。

掺铝氧化锌薄膜（ AZO ）成本低廉、无毒环保，溶胶凝胶法制备 AZO 薄膜具有工艺简单、成膜均匀性好、易于精确掺杂等优点，而后续处理工艺则是提高溶胶凝胶法制备的透明导电薄膜性能的关键。为此我们研究 105  到  10-4 Pa 大真空度范围退火条件下的电阻率变化规律，发现：电阻率的降低集中在相对狭窄的真空度范围，其中在 100 Pa  到 10 Pa  之间，电阻率陡降了 2 个数量级。电阻率在 10 Pa  退火时达到最小值，继续提高真空度（减低气压），电阻率不再继续降低。这一研究结果不仅澄清了以往对溶胶 - 凝胶法制备透明薄膜后续工艺处理的模糊认识，而且对实际生产工艺具有重要的指导意义，例如以此为根据，选择合适的真空度退火，达到既满足产品的性能指标，又能节能减排的最佳效果。 XRD 与 XPS  的分析表明中真空下氧空位、锌填隙、以及 Al3+  对 Zn2+  离子的取代是中真空度下电阻率陡降的主要原因。此外，利用  Ar+ 离子对退火后的样品进行反溅射清洗，能进一步提高电导率。更重要的是能在薄膜表面形成具有一定的凹凸起伏的绒面结构，能将入射太阳光分散到各个角度。用作太阳能电池电极时，能有效增强太阳能电池内的光吸收材料对入射太阳光的捕获，提高光能利用率。

（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。