本发明公开了一种交流无刷双馈电机及其绕线转子绕组的设计 方法；包括：先根据定子绕组极对数 p1 和 p2 初步确定转子齿槽数 Zr 和相数 mr，这时 Zr＝mr，每个齿对应一个集中式线圈，由此得到齿谐 波集中式绕组，然后扩大转子槽数，选择系数 kr，使新的转子槽数 Z ＝krZr，这时极距τr＝kr。此基础上，将原来的每相一个集中式线圈 分裂为 nr 个等节距 yr 的线圈，且 nr≤kr 及有 yr&lt、τr，这 nr 个线 圈依次间隔αr 槽距角分布在转子槽内，再通过调整 kr 和

（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。

本发明公开了一种热冲压件获得强塑性能差异化分布的方法及 装置，采用冷气流和热气流分别作用在淬火件的强度增强区和塑性增 强区，所述热气流的作用是在配分温度范围内和配分时间范围内进行， 以使碳由马氏体向残余奥氏体扩散，从而使淬火件中残余奥氏体稳定 化，进而使塑性增强区在使用温度范围内为马氏体和残余奥氏体混合 组织；所述冷气流用于使淬火件中残余奥氏体继续转变为马氏体，使 强度增强区在使用温度范围内为马氏体组织。本发明还提供了一种实 现如上方法的装置，其包括热冲压件固定单元和热气流封闭单元。本 发明方法和装置能提高热冲压件的强塑力学性能，简单、有效实现热 冲压件强塑性能差异化分布。

城市轨道交通火灾高危单位消防安全评估与性能化防火设计是城市轨道交通安全保障系统的重要组成部分，此项工作是以实现系统消防安全为目的，综合应用火灾科学、消防安全工程学、安全系统工程原理和方法，对系统中存在的火灾风险和有害因素进行辨识与分析，判断系统发生火灾事故的可能性及其严重程度，提出安全对策和建议，从而为系统制定消防安全防范措施和管理决策提供科学依据。

【发 明 人】马宏跃；段金廒；周婧；唐于平【技术领域】本发明涉及蟾蜍甾烯类化合物及蟾蜍甾烯盐化物的新用途，具体是涉及蟾蜍甾烯类化合物及蟾蜍甾烯盐化物用于制备治疗妇科肿瘤疾病药物的应用。【摘要】本发明提供了一种蟾蜍甾烯类化合物及蟾蜍甾烯盐化物在制备治疗妇科肿瘤药物中的应用，通过对蟾蜍甾烯提取物和单体化合物华蟾毒精、蟾毒灵、蟾毒它灵、日蟾毒它灵及以上四个单体化合物的盐酸盐或硫酸盐体外对人卵巢癌细胞(A2780)、人卵巢癌细胞(SK-OV-3)、人宫颈癌细胞(SiHa)和人子宫内膜癌细胞(shikawa)四种妇科肿瘤的抗癌实验，实验结果显示蟾蜍甾烯提取物和单体化合物华蟾毒精、蟾毒灵、蟾毒它灵、日蟾毒它灵及以上四个单体化合物的盐酸盐或硫酸盐对四种妇科肿瘤细胞均有很强的抑制作用，抗癌活性强于阳性药紫衫醇，且不良反应小，有望开发成新的抗癌药物。

本发明公开了一种儿茶酚化合物纳米粒子改性的聚合物复合膜的制备方法。它包括如下步骤：（1）将芳香族多元胺溶解在去离子水中，得到浓度为1.0～5.0克/升的芳香族多元胺水溶液；将儿茶酚化合物纳米粒子加入到芳香类多元胺水溶液中，得到水相溶液，儿茶酚化合物纳米粒子的浓度为0.001～1.0克/升；将芳香族多元酰氯溶解于正己烷中，得到浓度为0.05～0.2克/升的油相溶液；（2）将聚合物基膜浸泡在水相溶液中1～5分钟，取出后吹干表面残余水滴，再浸泡在油相溶液中，取出后在烘箱中热处理，得到儿茶酚化合物纳米粒子改性的聚合物复合膜。本发明制备的聚合物复合膜具有亲水性好、水通量大、抗污染、抗氧化能力强的优点。

本成果涉及一种石墨烯在全氟烷氧基树脂（PFA）聚合物基材中定向排布的导热新材料。其复合材料热导率在平行于石墨烯排布方向，可达 25 W/(m·K) 以上，是原聚合物基材全氟烷氧基树脂（PFA）热导率的约 100 倍

聚合物材料流变特性综合测试系统是一种积木式、高性能测试平台，可以在接近于真实加工状态下测试聚合物材料的流变特性。能够方便地构成转矩流变仪、螺杆挤出式毛细管流变仪等多种实验测试系统，功能丰富，测试精度高，动态范围大。

本设计根据将ZigBee无线技术应用在智能家居上，可实现一种可以监控家庭老人活动状态的无线传感器网络，并通过因特网甚至是手机远程监控来实现家庭医疗保健这一理念，为构建智能家居系统奠定基础，通过家庭网关将家庭内部无线网络和外部广域网沟通起来。 家庭网关是由家居内部无线网络ZigBee协调器和PC机两个部分组成，两者各司其职，前者主导家庭内部无线网络，后者通过因特网与外部网络通信。为实现远程监控功能提供了可能性。用户通过家庭网关达到监控家庭ZIGBEE节点的目的。 1、通过内置微型传感器，监测老人身体状态，包括站立、躺下、卧倒、慢跑、左侧卧倒，右侧卧倒，摔倒，紧急状态这八种状态； 2、通过ZigBee网络同时监测多位老人的身体状态； 3、老人在出现紧急情况时，可通过监测仪实现主动报警； 4、报警信息可通过GSM模块，以短信的形式发送给老人的监护人； 5、监控中心可以记录老人的状态信息，并可显示状态发生与持续的时间； 6、监控中心具有事件功能，可向监测仪发送时间提醒消息，提示老人吃药，添减衣物等； 7、低功耗设计，便于携带和使用。

朱立新博士，山东沂南县人，中科院自动化所所博士、美国密歇根州立大学博士后，目前任北京师范大学互联网教育智能技术及应用国家工程实验室高级工程师，互联网教育智能技术及应用国家工程实验室学习环境设计与评测实验室联席主任，研究生导师。 曾经在中国科学院、美国密歇根州立大学（MSU），从事芯片研发、VR硬件、物联网等工作，在英特尔公司、美国科胜讯半导体、国内北斗星通公司、武汉梦芯科技公司、爱奇艺VR公司，从事过数字电视芯片、手机芯片、电力线上网芯片、北斗导航芯片及其终端、物联网、教育机器人、VR 一体机、人工智能等领域等研发工作。 曾经作为主要技术研发人员，参与了世界第一颗四模一体（GPS、格洛纳斯GLONASS、北斗、伽利略Galileo）国内某北斗导航芯片研发，参与了国内导航界某龙头企业的芯片研发、流片，成功用到国内的渔船导航、汽车导航等北斗信号接收机中。 导航芯片加密技术采用了三级加密技术，由芯片级加密、硬件班级加密、软件加密，三级加密技术。芯片的加密技术和工程实现，需要跟实际的物联网使用场景相结合，实现定制化加密。北京师范学互联网教育智能技术及应用国家工程实验室能够作为技术参与方为物联网芯片、NB-IoT芯片、5G芯片、消费类电子芯片，提供技术研发指导。