（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。

面向AI等应用发展趋势推出的新一代高性能、高密度插卡式交换机 产品特性： 固化4个扩展插槽，每槽位最大可支持32个100G端口，更好满足数据中心网络演进需求 支持2+2电源与5+1风扇热插拔，支持GR完美重启，实现硬件与链路可靠性双重保护 三层路由功能轻松适配多重业务，数据传输高效有保障 多重管理方式选择 网络维护简单有效 构建下一代数据中心网络 AI/机器学习等应用的高速发展，驱动下一代数据中心网络向100G/400G演进。下一代数据中心网络，要求设备在单位空间内，具备更高的性能、更大的带宽，RG-S6920-4C在4U高度空间内，最大可提供128个100G端口，或64个100G端口+16个400G端口，更好的满足下一代数据中心网络的演进需求。 构建高性能、低延时数据中心网络 RG-S6920-4C交换机配合RG-S6510系列交换机，基于PFC/ECN等网络流控技术，以及MMU调优技术，可构建端到端、无损、低时延转发的RDMA（Remote Direct Memory Access，远程直接内存访问）基础承载网络，满足AI/机器学习、高性能计算、分布式存储大数据等应用场景的网络部署要求。 电信级可靠性保护 RG-S6920-4C交换机支持2+2电源冗余，5+1风扇冗余，所有电源模块以及风扇模块均可以热插拔而不影响设备的正常运行。此外整机还支持电源和风扇的故障检测及告警，可以根据温度的变化自动调节风扇的转速，更好的适应数据中心的环境。还具备设备级和链路级的多重可靠性保护。采用过流保护、过压保护和过热保护技术。 除了设备级可靠性以外，该系列还支持丰富的链路可靠性技术，比如支持GR快速重启、BFD快速转发检测等机制。当网络上承载多业务、大流量的时候，降低异常对网络业务的影响，提升整网可靠性。 IPv4/IPv6双栈协议多层交换 RG-S6920-4C交换机，硬件支持IPv4/IPv6双协议栈多层线速交换，硬件区分和处理IPv4、IPv6协议报文，支持多种Tunnel隧道技术（如手工配置隧道等等），可根据IPv6网络的需求规划和网络现状，提供灵活的IPv6网络间通信方案。 支持丰富的IPv4路由协议，包括静态路由、RIP、OSPF、IS-IS、BGP4等，满足不同网络环境中用户选择合适的路由协议灵活组建网络。 支持丰富的IPv6路由协议，包括静态路由、RIPng、OSPFv3、BGP4+等，不论是在升级现有网络至IPv6网络，还是新建IPv6网络，都可灵活选择合适的路由协议组建网络。 完善的管理性 支持丰富的管理接口，例如Console、MGMT口、USB口，支持SNMPv1/v2/v3，支持通用网管平台。支持CLI命令行， Telnet，集群管理，使设备管理更方便，并且支持SSH2.0、SSL等加密方式，使得管理更加安全。 支持SPAN/RSPAN镜像和多个镜像观察端口，可以将网络流量输出分析以采取相应管理维护措施，使原本不可见的网络业务应用流量变得一目了然，可以为用户提供多种网络流量分析报表，帮助用户及时优化网络结构，调整资源部署。

伴随着5G、大数据、人工智能、物联网、工业4.0、国家重大战略需求等领域的技术发展，电子器件正朝着高功率、高集成化和便携式的方向发展，这亟需高效、轻质和高稳定性的热管理材料和方案来保证电子产品的效率、可靠性、安全性、耐用性和持续稳定性。如何大幅提高导热材料的热导率一直是热管理材料行业的技术痛点，也是促进消费电子、5G设备、高功率芯片、集成电路、电池等突破功率限制的关键。由于传统导热材料如金属、无机导热材料存在质量大、柔性差等缺点，导热聚合物的应用正在不断向高导热材料领域渗透。聚合物导热材料在成本、可加工性、柔韧性及稳定性等方面更有优势。但绝大多数的聚合物自身的导热性很差（一般导热系数为0.2 ~ 0.5 W/mK），无法满足高导热的需求，开发高导热的聚合物复合材料已经成为该领域的一个研究热点。采用复合高导热填料（如石墨烯、碳纳米管、氮化硼、金属氧化物等）是一种简单而高效的方式来提高聚合物基体的热导率，目前在工业生产已经有了广泛的应用。现有的大量研究表明，在聚合物材料内部构建导热网络可以在低添加量的条件下实现热导率的大幅度提高，这种三维渗流网络（如图1所示）可以为声子的快速传递提供通道，从而加速热量沿着三维网络进行传递。 封伟团队在综述中重点介绍了不同三维导热网络的构建及在制备聚合物导热复合材料方面的最新进展，如石墨烯三维网络、碳纳米管网络、氮化硼网络、金属三维导热网络等。讨论了不同导热材料三维网络的构建方法、结构取向调控方法及影响导热性能的关键因素（取向性、界面连接性、网络密度等）。同时，比较了不同的填料形式（分散颗粒填料与三维连续填料网络）对复合材料热导率的影响。相比于共混法制备的导热复合材料，基于三维填料网络的复合材料在填充比、分散性、取向控制及热导率提升率上都具有明显的优势。毫无疑问，三维连续导热网络的形成对于提升聚合物热导率至关重要。可以预见，三维导热填料网络的设计将作为一种实现聚合物高导热率的重要手段，成为新一代热管理系统的研究热点。 极端环境热管理系统在能源化工、通讯卫星、高速飞行器及人工智能等领域都发挥重要作用。导热复合材料作为热管理系统的关键材料，直接影响着其在不同环境内的热传导方向和效率。近年来，天津大学封伟教授团队以高导热碳复合材料为研究基础，针对其存在的导热各向异性、易损伤、压缩回弹性差以及与高弹性难以兼顾的问题，提出了通过微观结构设计、界面优化、分子级相互作用优化，分别实现复合材料的定向高导热、弹性高导热及自修复高导热，探索其在复杂界面和极端环境热传导领域的应用。

项目成果/简介:本服务体系主要依托 SPARROW 模型，它是一款由美国国家地质调查局（USGS）开发的非线性流域污染物评估模型，其介于传统统计学模型与机理模型之间，用于估计流域地表水体中污染物负荷与污染源之间的关系。是美国 TMDL 计划推荐流域模型方法之一。 原始 SPARROW 模型基于 SAS（统计分析系统）平台运行，使用 IML 语言编写，其嵌套的统计模块可以轻松调用非线性加权最小二乘法（NWLS）进行方程的求解，完成所需参数的估计，虽然SPARROW 本身可以免费使用，但是 SAS 平台购买费用不菲，为此我们基于 SPARROW 模型的原理，使用 FORTRAN 语言开发了面向我国特点的具有空间响应特性的水环境管理模型，简化了原SPARROW 模型中不适用于中国的模块，并增加 jackknife 不确定性分析模块，按照中国水环境管理需求补充可能实现的模块，优化模型功能，改善人机交互形式，使数据输入及模型运行更加方便易学并符合中国的数据特点。利用 ArcGIS 生成河网、划分子流域等，提取与整合必要的与流域河流属性相关的输入数据，并利用该平台将模拟结果进行可视化表达。应用范围:模型已应用于东北松花江流域、黄山新安江流域，成功完成对这些地区 N、P、COD 等污染负荷的空间解析，并设置敏感断面（松花江流域的同江断面，新安江流域的跨省断面--街口断面）进行溯源分析，能够为流域（区域）水环境管理决策的制定与实施提供技术支持。效益分析:（1）污染源空间解析：进行各子流域污染源组成比例分布预测以及各子流域的污染来源追溯等，由于监测站点只能评价静态的理化指标，SPARROW 模型则综合考虑流域内的地质地貌、气象要素等，通过监测数据追溯污染来源，分析来自不同污染源的污染量和比例，有针对性地对水质进行控制和管理，找出污染贡献最大的区域加以治理，实现投入产出的效益最大化； （2）面向水质达标的监测站点空间布局优化与设计：利用有限水质监测站点过去一段时间的监测数据外推流域内其他未监测河段 的水质情况，有效解决布设监测站点成本高、监测网络点位数量少、代表性差的问题，通过对流域整体水质状况的预测分析，找出水质较差河段，进而有效优化监测站点的空间设置，为水环境质量达标提供支持。 （3）面向敏感区（达标断面）的削减措施优化：例如海岸带、湖库、饮用水取水区、达标考核断面等，作为考核或评估断面进行污染物传输分析，分析上游各子流域对其污染贡献大小，甄别污染贡献最大的区域，优化管理措施的设置。

本发明涉及一种规模化农田无线物联网智能滴灌系统及方法，属于高效节水灌溉技术领域。本发明所述的规模化农田无线物联网智能滴灌系统包括远程控制中心、若干测控模块、田间滴灌系统和终端，实现全无线化的控制传输，提出了针对滴灌田间测控模块的降耗休眠措施，同时测控模块标识有专用信息，通过便携式终端读取即可完成测控模块定位、读取、设置等管理操作，解决规模化农田智能化滴灌系统功耗高、布置困难、管理复杂的问题；同时降低了规模化农田的智能滴灌系统的搭建投入，提高管理效率。

本项目采用拥有我国自主知识产权的燃烧合成技术生产技术生产各种先进陶瓷，金属间化合物和复合材料的粉末。提供的主要产品有：a-Si3N4，b-Si3N4，a-Sialon，b-Sialon，AlN，TiN，ZrN，TiC，TiCN，TiB2，SiC，Cr3C2，MoSi2，FeAl，Fe-TiN，Fe-TiC，Fe-TiB2，Cu-TiB2，TiB2-Al2O3，AlN-ZrN-Al3Zr，Si3N4-SiC-TiCN，Si3N4-Si2N2O-TiCN，TiN-TiB2以及纳米电子陶瓷BaTiO3粉末，纳米ZrO2及ZrO2基陶瓷，纳米TiO2粉末。采用这种先进工艺合成反应完全，性能稳定，质量优良，欢迎各界用户洽谈业务。 用于各工业领域耐磨、耐腐蚀、耐高温等严酷服役条件下工作的结构部件。

聚合物作为结构材料，强度和韧性是重要的相互制约的力学性能指标，塑料增韧一直是材 料工业化应用的重要课题和应用研究的热点。广泛应用的塑料增韧方法是通过添加各种弹性体 作为增韧剂，来大幅度提高塑料基体的韧性。但是上述传统的增韧方法虽然可以让材料的冲击 韧性成倍增长，但由于增韧改性剂具有较低的模量和玻璃化转变温度，给塑料的应用带来固有 缺陷，如材料的刚度、强度、热变形温度大幅度降低。虽然应用高模量的填料改性聚合物可以 有效地提高刚度、强度和热变形温度，但是材料的韧性却大幅度下降。因此如何同时增强、增 韧，并取得强韧化效应，关系到是否能扩展结构材料的应用范围。 在众多弹性体改性剂中，具有核壳结构的丙烯酸酯共聚物(ACR)由于具有核层弹性体粒径 可控，壳层与塑料基体的相容性好，并且在共混过程中易于分散的优点，添加少量的丙烯酸酯 共聚物，就可以显著提高塑料如聚碳酸酯、聚氯乙烯等材料的韧性。 采用种子乳液连续聚合法和预溶胀法聚合法，制备出一系列具有不同的窄分布粒径 (60 nm-400 nm) 的核壳结构的丙烯酸酯共聚物 (ACR) ，根据不同的塑料增韧需要，壳层组分可以 改变，保持其加工稳定性

MicroRNA (miRNA) 是一种新型的肿瘤标志物，定量检测血液中的miRNA的表达水平，可 以为肿瘤早期诊断、预后判断以及药物选择、疗效检测提供宝贵的参考信息。 本项目以血液中miRNA的高灵敏检测为目标，建立不同亚群miRNA (包括囊泡包裹形式、 蛋白复合体形式等) 提取、富集纯化技术，结合纳米技术、酶催化及生物分子工程技术，建立 了多种高灵敏检测miRNA新方法，为肿瘤早期诊断提供一种敏感、特异、简单的非损伤性技 术手段。 本项目的实施能够形成可推广应用的血液中miRNA高灵敏检测试剂盒，应用于肿瘤早期 诊断的实用技术。开发这一技术将可检出早期癌症，使全国每年近百万的癌症患者提高存活 率，有显著的社会效益及经济效益。