手性氨基酸作为最重要的原料和中间体，市场规模也越来越大。本项目研发的手性氨基酸包含 L-2-氨基丁酸、D-苏氨酸、L-天冬酰胺、L-叔亮氨酸、L-色氨酸等。2-氨基丁酸是一种非天然的氨基酸，是一种重要的化工原料，被用作为多种手性药物合成中的重要中间体，包括抗结核药物乙胺丁醇、布瓦西坦和抗癫痫药物左乙拉西坦。D-苏氨酸是天然氨基酸 L-苏氨酸的光学异构体，是一种非天然氨基酸。主要应用于手性药物、手性添加剂和手性助剂等领域，在制药行业作为手性合成的手性源，主要用于生产新型光谱抗生素、D-苏氨醇和多肽合成过程的苏氨酸保护剂。L-天冬酰胺是常见的 20 种氨基酸之一，在食品、医药、化工合成、微生物培养等领域广泛应用。L-天冬酰胺可以作为添加剂用于清凉饮料,同时在肿瘤治疗及蛋白质糖基化中扮演重要角色。L-天冬酰胺常用于氨基酸输液，以及具有降压、平喘、抗消化性溃疡、胃功能障碍等功能，并可用于治疗心肌梗死、心肌代谢障碍、心力衰竭、心脏传导阻滞、疲劳症等。此外，L-天冬酰胺也是微生物培养和动物细胞培养重要的添加剂。L-叔亮氨酸是一种非蛋白原的手性氨基酸, 由于叔丁基的空间位阻大, 叔亮氨酸的衍生物可在不对称合成中作为诱导不对称的模板。随着不对称合成的发展, 叔亮氨酸的应用也非常广泛。又由于占空间大的叔丁基链及其疏水性, 它在多肽的合成中能够很好地控制分子构象, 增加多肽的疏水性和受酶降解的稳定性, 因此在药物和生物应用中正迅速地发展, 用于抗癌、抗艾滋病等药物和生物抑制剂及肽等。

葡萄糖二酸是一种重要的化合物，在医疗和工业中有着广泛的应用。目前生产葡萄糖二酸的方法主要以化学法-葡萄糖化学氧化法为主，但该方法具有选择性低、成本高、得率低、要高温及产生大量氧化反应副产物不利于后续葡萄糖二酸的分离等局限性。目前生物法合成葡萄糖二酸主要是在大肠杆菌中进行的，但在大肠杆菌中异源合成葡萄糖二酸被许多因素限制。酿酒酵母因具有耐酸能力强、耐低温、可低 pH 发酵、没有噬菌体感染、适合大规模发酵、易分离和高抗逆性等特点，已被广泛用于产有机酸的研究，因此酿酒酵母比大肠杆菌更适合葡萄糖二酸的生产并具有更高的工业应用价值。利用酿酒酵母合成葡糖二酸具有很好的应用前景。 创新要点 1) 以酿酒酵母 BY4741 为出发菌株，将拟南芥的肌醇加氧酶 MIOX4 和丁香假单胞菌的 UDH 基因在 delta 重复序位点高效表达，敲除转录抑制因子OPI1 获得工程菌 Bga-3，该菌株在分批补料发酵条件下能够产 6 g/L 的葡萄糖二酸，为目前报道的最高值； 2) 通过提高工程菌的转运胞外肌醇的能力和工程菌自身合成肌醇的能力，解决提高葡萄糖二酸产量的关键问题； 3) 进一步协调肌醇用于细胞自身代谢活动和葡萄糖二酸合成之间的分配关系，并通过提高葡萄糖二酸合成途径效率和发酵优化，提高肌醇利用率和葡萄糖二酸合成的产量。 

过敏性疾病已经成为世界第六大疾病，涉及全球 22%的人口。如哮喘、鼻 炎、过敏性湿疹、食物过敏和过敏性休克等均与特异性免疫球蛋白 E（IgE）介 导的免疫反应密切相关，但目前过敏疾病的治疗药物存在副作用，不宜长期使用。江南大学食品生物技术中心经过多年的积累，通过体外高通量筛选。细 胞、动物模型，人群临床试食及多组学机制解析等手段，研究得到能够有效调 节免疫，缓解过敏性疾病，可长期食用无毒副作用的益生菌；并以此为基础， 开发了提升益生菌在消化道中抗逆性的关键技术，并攻克了菌种在产业化应用时的发酵工艺、活性保持、生产技术等多层面难题。 主要成果包括： （1）研发得到 3 株有效缓解不同过敏性疾病的益生菌，长双歧杆菌 CCFM1029 通过降低血清中总 IgE 水平，皮肤组织 IL-4、IL-13 水平，局部组织 中组胺的释放，以及炎症细胞的浸润，缓解过敏性湿疹；短双歧杆菌 CCFM1067 通过改善肥大细胞炎症浸润，降低皮肤组织中 IL-13 和 CCL11 水平，且提高皮 肤组织中 IL-10 的表达，最终实现缓解特应性皮炎症状；罗伊氏乳杆菌 CCFM1040 显著降低过敏性哮喘小鼠肺部病理炎症，抑制血清中尘螨特异性免疫30 球蛋白 IgG1 的产生，降低肺泡灌洗液中 IL-5、IL-13、IL-17A 的含量，缓解过 敏性哮喘症状； （2）通过剖析益生菌的底物代谢规律和关键限制性生长因子，建立科学有 效的益生菌特异性增殖培养体系，并基于生长过程碳氮代谢规律，提出遵循底 物消耗规律的自动补料技术和发酵精准化自动控制工艺。益生菌增殖密度达到 1.0×1010 cfu/mL 以上，是传统培养方法的 5~10 倍； （3）开发了提高益生菌消化道耐受性的关键技术，解决了菌株通过胃肠道 后存活率低的技术难题。通过开发高渗预胁迫、微胶囊预包埋等技术，使功能 菌株在胃酸环境下的存活率达到 95%以上，在胆盐环境下的存活率达到 90%以上。 

L-苏氨酸在食品、饲料、医药和化妆品等领域的用量呈长期稳定增长趋势，尤其在饲料添加剂中增长最为迅速。以添加了 L-苏氨酸的低蛋白配方饲料作为家禽日粮，不但可以缓解天然蛋白的匮乏，减少动物氨的排放，还能提高家禽的生产性能。而在医药领域，L-苏氨酸除了用于氨基酸输液之外，随着人类保健意识的提高，各类氨基酸保健饮品涌现市场，L-苏氨酸是必不可少的配方成分。L-苏氨酸有望取代色氨酸，成为继赖氨酸和甲硫氨酸之后第三大发展最迅速的氨基酸。因此 L-苏氨酸产业迫切需要提高产量，降低成本，以满足市场需求。本实验室以谷氨酸棒状杆菌为出发菌株，通过代谢工程技术手段进行基因敲除和敲入，对关键基因进行了测序、蛋白结构解析及定向改造，以达到“开源节流”，即增强 L-苏氨酸合成路径代谢流，抑制或阻断旁路途径代谢流，最终提高L-苏氨酸产率近 20 倍，具有较好的应用前景。

L-甲硫氨酸广泛应用于饲料业，是家禽饲料中首选的限制性氨基酸。L-甲硫氨酸是强肝解毒剂、促进发育剂，当缺乏时会引起食欲减退。甲硫氨酸广泛应用于营养补充与畜产饲料，由于甲硫氨酸容易被鸡吸收而转变为鸡肉蛋白，在鸡饲料中添加甲硫氨酸，可少耗饲料，并使鸡肉生长健全。L-甲硫氨酸合成方法主要为化学合成法和微生物发酵法两种。因化学合成法会产生大量有害物质，微生物发酵法生产甲硫氨酸越来越受到关注。本实验室以谷氨酸棒状杆菌为出发菌株，通过代谢工程技术手段进行基因敲除和敲入，以达到“开源节流”，即增强 L-甲硫氨酸合成路径代谢流，抑制或阻断旁路途径代谢流，最终提高 L-甲硫氨酸产率，目前中间菌株产率已达 21 mmol/L，具有重要的应用前景。 

一. 项目简介：应用背景 太阳能光伏发电及太阳能热水器是目前太阳能利用最为成熟和广泛的两个技术领域，但是由于其产能形式单一，最终严重制约了其进一步的技术发展和市场推广前景。其中太阳能光伏发电存在光电转化效率低（由于温度效应，晶硅型光伏发电系统综合光电转化效率只能达到 12%-13%），光伏组件成本高，导致其成本回收期长。同时光伏电池生产也存在高能耗高污染的问题。如何提高单位面积光伏电池的发电量，减少电池用量是降低系统成本提高发电收益的重要手段。通过聚光可以有效提高光伏电池片表面的太阳能能流密度，并大大增加光伏电池的光电输出功率，成倍减少电池片用量（用量为传统技术的 1/4），间接降低了光伏电池生产的总能耗和总污染，但是提高电池表面太阳能能流密度的同时，电池的温度也急剧升高，严重影响电池的电输出性能和使用寿命，只有通过水冷的方式来降低电池温度，这就形成了该技术手段的另一种产能形式，太阳能热水。即太阳能热电联供。  

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。