利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（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。

本发明公开了一种应用于智能配电网的 EPON 通信系统的动态 带宽分配方法，包括步骤(1)基于不同需求将智能配电网各业务分为 EF 业务、AF 业务和 BE 业务；步骤(2)通过层次分析法计算 AF 业务和 BE 业务的权值，并计算一个轮询周期内 EF 业务和加权业务的缓存量和缓 存速率；步骤(3)根据电网故障情况，对各 ONU 业务缓存速率和业务 缓存量进行修正，计算一个轮询周期内各 EF 业务和加权业务的带宽需 求量；步骤(4)根据 EPON 带宽值对 EF 业务进行分配，然后对加权业 务进行分

一、产品概述 1、本设备以工业机器人与机器视觉为核心，将机械、气动、运动控制、变频调速、PLC控制技术有机地进行整合，结构模块化，便于组合，实现对不同物料进行快速的检测、组装。为了方便实训教学，系统进行了专门的设计，可以完成各类机器人单项训练和综合性项目训练，可完成各类机器人单项训练和综合性项目训练。可以进行六轴机器人示教、定位、抓取、装配、入库等训练， 2、包含六自由度工业机器人、智能视觉检测系统、PLC控制系统及一套供料、输送、装配、仓储机构，可以实现对工件分拣、检测、搬运、装配、存储等操作。 3、该平台各组件均安装在型材桌面上，机械结构、电气控制回路、执行机构相对独立，采用工业标准件设计。通过此平台可以进行机械组装、电气线路设计与接线、PLC编程与调试、智能视觉流程编辑、工业机器人编程与调试应用等多方面训练，适合职业院校、技工学校自动化类相关专业《工业机器人与控制技术》、《自动化技术》等课程的实训教学，适合自动化技术人员进行工程训练及技能比赛。 二、技术性能 输入电源：单相～220V±10% 50Hz 工作环境：温度-10℃～+40℃  相对湿度≤85%（25℃）  海拔＜4000m 装置容量：＜1.5kVA 实训平台尺寸：1500mm×880mm×1400mm 安全保护：具有漏电保护，安全符合国家标准 三、设备结构与组成       该实训平台由ABB IRB910SC型四轴工业机器人系统、欧姆龙智能视觉检测系统、可编程控制器（PLC）系统、供料单元、输送单元、供料废料暂存单元、加工废料暂存单元、工件组装单元、仓库单元、各类工件、型材实训桌、型材电脑桌等组成。    1、ABB IRB910SC型四轴工业机器人系统     由机器人本体、机器人控制器、示教单元、输入输出信号转换器和抓取机构组成，装备气动手爪、可对工件进行搬运、装配、拆解等操作。 （1）机器人本体由四自由度关节组成，固定在型材实训桌上，具有4个自由度。 （2）最大的工作半径为450mm （3）最大负载6kg （4）机器人示教单元有液晶显示屏、使能按钮、急停按钮、操作键盘，用于参数设置、手动示教、位置编辑、程序编辑等操作。 2、欧姆龙智能视觉检测系统       配备一套欧姆龙FZ-350智能视觉系统，由视觉控制器、白色光源、视觉相机及监视显示器等组成。用于检测工件的特性，如数字、颜色、形状等，还可以对装配效果进行实时检测操作。通过I/O电缆连接到PLC或机器人控制器，也支持串行总线和以太网总线连接到PLC或机器人控制器，对检测结果和检测数据进行传输。 3、西门子可编程控制器单元       配备西门子S7-1200 CPU1214C AC/DC/RLY可编程控制器，自带以太网通讯模块、数字量扩展模块控制机器人、电机、气缸等执行机构动作，处理各单元检测信号，管理工作流程、数据传输等任务。     4、RFID数据传输系统     采用西门子RFID数据传输系统，安装在环线输送单元的左端圆弧处，电子标签已埋在工件内部，检测距离为40mm。当工件从环线输送单元经过左端圆弧处时，RFID检测系统可以准确地读取工件内的标签信息，如编号、颜色、高度等信息，该信息通过工业现场数据总线传输给PLC，用来实现工件的分拣操作。 5、供料单元  由料斗、回转台、导料机构、工件滑道、开关电源、可编程序控制器、按钮、I/O接口板、通讯接口板、电气网孔板、直流减速电机组成，主要完成将工件从回传上料台依次送到检测工位。 6、输送单元       包含一套交流调速系统，由三菱D720变频器、三相交流电机、传送带、光纤传感器等组成，安装在型材实训桌上，用于传输工件。 7、工件组装单元 由工件光纤传感器、加工台、气缸、小物料等组成，安装在传送带上，用于装配工件。 8、仓库单元 由铝型材和机玻璃组成3×3库体组成 9、废品暂存仓 安装在型材实训桌上，分别对供料异常物料暂存，对加工异常物料暂存。 10、触摸屏 7寸，是一套以先进的Cortex-A8 CPU为核心（主频600MHz）的高性能嵌入式一体化触摸屏。 四、实训项目 1.机器视觉系统的原理、使用和调试 2.六轴工业机器人系统的原理、使用和调试 3.六轴工业机器人坐标系统和机器视觉坐标系统标定及相互转换 4.工业机器人与机器视觉系统综合应用的安装与调试 5.机器视觉系统模板设置、编程与调试 6.通过示教单元手动调试工业机器人 7.通过示教单元设置、修改各控制点坐标 8.通过示教单元编写、修改工业机器人程序 9.机器人追踪坐标整定 10.工业机器人系统的软件二次开发编程 11.智能视觉图像输入编辑与调试 12.智能视觉结果给出编辑与调试 13.智能视觉颜色比对测量 14.智能视觉编号比对测量 15.智能视觉尺寸比对测量 16.智能视觉角度测量 17.智能视觉系统与工业机器人综合应用 18.PLC程序编程与调试 19.智能视觉系统与工业机器人综合应用 20.变频器与交流电机主电路的连接 21.变频器面板的参数设置与操作 22.变频器面板控制交流电机调速 23.通过变频器外部端子控制电机启停 24.气动方向控制回路的安装 25.气动速度控制回路的安装 26.气动顺序控制回路的安装 27.气动系统气路的连接 28.磁性开关的位置调整 29.气动系统调试 30.RFID数据读写编程与调试

重庆智能工程职业学院是重庆市人民政府批准、教育部备案的全日制普通高校，面向全国计划招生。学院位于西部职教名城、重庆职教基地——永川。学院依托华为技术优势，面向科技前沿办学，定位云、大、物、智、移等新技术高技能人才培养，是华为ICT人才培养基地、华为ICT师资培训基地、华为ICT技能大赛赛场、华为“1+X”证书培训认证中心、华为人工智能联合技术创新中心。学院立足打造“大学校园+科研机构+产业园区”融合发展共同体，华为（永川）联合创新中心建在校内。华为指派专家协同推进学院师资建设、专业建设、实习实训、创新创业、专业认证、就业服务、产业发展，学生在校期间即可获得产、学、研全方位能力培养和个人发展。学院是华为5G新型智慧校园示范项目，广泛应用华为最先进设备和技术，搭建了“一平台（华为数字平台）、二中心（创新中心、数据中心）、三云（公有云、华为云、私有云）、四网（5G/4G、物联网、无线网、有线网）”智慧生态，并通过IPV6 over 5G+WIFI6+光纤进行全联接，通过大数据、云计算、物联网实现全智能。学院建筑充分借鉴华为深圳总部风格，采用园林式书院布局，格调高雅、环境优美，各种设备设施高端智能，已是热门旅游目的地和网红打卡地。在重庆智能工程职业学院读书，将是您一生最美好的学习时光！ 三、学校地址：重庆市永川区华为大道666号四、招生电话：023-49669696/49669797五、网址：www.cqai.vip

电子科技大学机械与电气工程学院彭倍教授和骆德渊教授带领该校机器人与无人系统团队根据疫情需要，迭代研发了“小护士”智能机器人。目前有两台“小护士”智能机器人已在武汉汉阳方舱医院“上岗”。据了解，“小护士”智能机器人可以根据设定的程序，自主导航，进行喷洒消毒，派发药品，还可以对病人进行生命体征测试，包括体温、血压、心率、血氧检测分析。此外“小护士”智能机器人还可以通过人脸或指纹对病人进行身份确认，搭配热成像人体测温系统，测量精度高。同时还可以实现24小时智能监测预警，无人值守，远程遥控，能极大降低医护人员工作强度和暴露风险。“小护士”智能机器人的原型是机器人与无人系统团队牵头的四川省重大科技专项课题——用于警方的看守监视智能机器人。疫情发生后，团队老师发现，大量医护人员疲于配药送药分发，人与人的接触也会增加感染风险，如果用机器人来进行测温、配送药品，一方面可以把医护人员从繁复的工作中解放出来，另一方面可以隔离输入性传染源，降低交叉感染的风险，于是紧急迭代开发出了“小护士”智能机器人。

上海大学机械自动化工程系主任田应仲老师临时组建了由教师李龙、袁光杰和08级研究生校友高雨、陈孝光组成的“高污染危险环境下智能消毒机器人”攻关小组，将智能机器人科研工作与抗疫前线需求结合，一方面与瑞金医院、龙华医院、杨浦中心医院感染科的医生与医护人员通过视频会议、微信会议等方式，了解消毒要求与作业规范；一方面积极联系消毒器材与药品厂家落实消毒方案与原材料供应，开展消毒机器人研制工作。 得益于上大“智能制造及机器人中心”充分的技术储备、校内外团队通力合作、校友的倾力支持，攻关小组克服重重困难，在不到20天时间内研制出了可替代人工进行消毒作业的智能机器人。

疫情隔离病房智能配送机器人集成现阶段全国最强的无人驾驶技术，有非常强悍的记忆力，可以自主识别读取地图，自主识别读取工作环境，建立信息库，自主规划路径，去到任何它想去的地方，完成物资的点对点配送。比如从药房将药品送到护士站，只需将药品放入机器人的“肚子”，告诉它去哪里即可。在输送过程中，无需人员操作，极大地减少了医护人员进入隔离区的频次，起到较好的隔离保护作用。 机器人的应用在成本节省以及预防交叉感染方面也卓有成效。由于该款机器人内部有自动消毒净化功能，外壳材质也是用抗腐蚀的医疗材料制成，只需用酒精喷洒或消毒巾擦拭十几秒即可完成消毒，让医护人员工作更安全、更高效。部署好的智能机器人通过控制中心智能调度即可实现自主开关门、自主搭乘电梯、自主避障、自主充电等功能。该款智能配送机器人负责物资点对点配送工作，帮助一线医护人员减轻负担，同时降低临床工作人员交叉感染的风险。

本技术实现了“云-边-端”融合的分布式计算框架。基于演化知识图谱融合大规模端设备采集的异构数据，为云端智能决策提供数据支撑。利用基于分支网络的边缘智能技术，满足智能终端输入数据的高精确度、近实时推断分析处理需求。通过面向群智学习应用的端、边缘和云分布式协同训练优化关键技术，在保障终端数据隐私前提下实现云边端环境下的大规模高效分布式模型训练。