最适用的教学资源平台 　　平台以课程为核心，以点播、直播、互动技术为基础，通过一系列贴合应用的教学活动栏目，为学校和师生提供了强大的网上教学资源共享平台和教学环境，完成以课程为载体的知识互动与分享，开展丰富完善的网络教学应用，可以广泛应用于Mooc、网络教研、互动教学、“一师一优课”等多种应用场景，助力教学业务信息化水平提升。 　　教学资源建设 　　自动收集和管理录播教室生产的教学视频资源，自主管理个人空间的教学资源，如上传图片文档、课件等，实现教学资源的建设、积累和存储。 　　在线教学 　　支持教学活动在线直播，便于实时共享教学资源、推动教育资源均衡;学生也可以在线点播课堂实录或课件，进行在线学习。通过课程评论、课程打分、论坛等互动社交性活动，以及以此为依据的课程推荐、课程排名等功能，构建良性的完善的资源服务利用模式。 　　互动课堂 　　支持多个教学地点间进行实时在线的互动教学，支持主讲教室与互动教室间的师生互动，从而推动区域教学质量的提高和教学资源的利用，促进教学资源的共享和均衡。 　　网络教研 　　学校能够通过平台开展网络教研活动。支持课例教研和视频研讨等教研模式，可以将录播教室的实时授课场景、参与教研讨论的老师和专家的视音频信号展现在同一网络界面，实现教研组成员间的文字、语音实时互动，跨越地域限制，充分利用信息化网络化技术推动教育教学的发展和进步。 　　多级门户 　　完善的多级门户架构，可进行差异化的显示和管理。例如区教育局门户通过学校列表、组织机构管理等方式整合所有学校的教育资源，统一管理;学校门户通过课程中心、名师讲堂等方式主管校内教学资源。 　　一师一优课、一课一名师 　　通过常态录播和网络教研完成磨课，提高教师教学能力和教学水平;然后将经后期精编的课堂实录作为优课资源上传至精品资源课程平台，在线展示和评选，组织区域化的晒课和赛课活动;最后在优课中心集中展示优质资源，最大化地发挥优课资源的教学影响力，促进区域化教育教学的发展。

1.中图图书馆云平台是部署在云服务上，为客户提供完整的图书管理服务，提供三端服务包括图书管理服务端、读者服务端、运营管理服务端，是一款专业的图书管理服务平台。 2.统一管理用户及角色权限，管理图书馆机构，支持建立总分馆。 3.提供包含图书馆编目、采访、馆藏管理、流通、统计等图书馆图书管理功能。 4.用户只需要开通账户选择软件后，直接使用，无需购买昂贵硬件、软件和备份的解决方案，不需要配备专门的IT维护人员。

ZC-B背部仿真针刺练习平台   一、功能特点： 由于一直以来各中医院校采用各种材料（如沙包、棉布包等）进行针刺练习，但郊果均不理想，现本公司新推出了一款接近人体背部的ZC-B型背部仿真针刺练习平台模型，以便能够进行更好的针灸针刺练习使用，模型按照标准的人体比例采用仿真人体肌肉材料制作而成，具有反复练习使用不开裂、不变色、不变型等特点，在进行练习时能获得和在人体肌肉上相似的郊果，是针灸练习的理想模型。   二、标准配置： ■ 背部仿真针刺练习平台：1台 ■ 针灸针：2根 ■ 说明书：1册 ■ 保修卡合格证：1张

产品详细介绍 优谷朗读小程序，是一个集“教、学、评、赛、演”的语言教育云平台，专注语言表达能力提升，为行业提供更好的解决方案。 目前，优谷朗读小程序已具备在线录制朗读音频/视频作品、留声卡作品展示、名家示范诵读、线上活动举办和线下小舞台、背诵作业考核、机构独立小程序等六大功能，为用户提供了更加专业用心的服务。

对课堂的互动数据进行分析，并对其中练习结果、答题情况进行分析，指导老师调整计划。 产品优势 提供便捷巡课模式 支持实时巡课与实录巡课。督导员可实时远程观看教室内教师的教学过程，也可通过平台进行回溯式教学督导与评价。 支持多维督导评价 提供可灵活定义的督导评价体系，在巡课过程中，还可以拍照 存证，为督导专家提供多维度的评分依据。 自动生成督导报告 督导员完成教学督导评价后， 系统将进行自动的统计和分析，并结合对课程以及互动数据的分析，生成教学督导报告。 产品应用 录播互动智慧教室 方案依托互动录播主机，为学校打造融合教学互动、智慧录播、数据分析为一体的智慧教学空间；可快速形成丰富的校本同步教学资源，为教师教学评估、教研活动提供有效的参考材料；为学生预习、复习提供更为生动的学习空间。本方案还可满足学校管理员与管理决策者的教学督导需求，实现一套方案服务教学与管理两大核心环节的信息化改革。 手机互动智慧教室 手机互动智慧教室解决方案可支撑多种新型教学模式，兼容多种学生终端，学校无需另外采购终端设备让学生方便快捷参与智慧教学，包括课前备课自习、课中即时互动、课后分析巩固，拿起手机便能做到教学流程全覆盖，随时随地实现交互反哺的教与学。 研讨互动智慧教室 依托交互式大屏一体机、平板电脑、手机等智能终端和智慧课堂系统，研讨型智慧教室为“小组分组-小组研讨交流-小组成果展示”等小组研讨过程提供全方位的支持，集支持交流研讨、多屏互动、成果展示、多元评价等功能于一体的智慧化教学环境，让小组研讨活动组织更加便捷，让研讨过程和细节可视化、可回溯，教师对各个小组、各个学生进行有针对性的评价，实现差异化教学。

（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。

随着电子政务、电子商务的发展，信息技术已经渗透到政府日常运作的每个环节，“无纸化”办公已成为发展趋势。信息技术的应用极大地提高了工作效率，但也带来安全上的巨大风险。每年都有大量因网络攻击、存储介质的保管不善或在网络中传输过程数据被截获或篡改等造成的失泄密事件，不仅直接威胁到国家的安全。妥善解决文件数据的安全成为政府和社会关注的重点和亟待解决的问题。 在网络条件下实现电子文件的安全共享是一项复杂的系统工程，也是国际性难题。为此，本项目将以我国自主发明的CPK标识认证系统为基础，开发完成基于CPK技术的安全文件服务系统。通过将文件的使用控制管理及对文件的数据加密两种手段紧密结合，构建起一个从服务器到客户端，涵盖存储、传递到使用各个环节，集文件加密、访问控制、授权管理、动态密钥交换、过程审计、动态跟踪为一体的保密文件数据管理体系，不仅能够能保证文件在存储状态下和网络传输过程中的安全，还可以通过数字签名保证文件和数据的真实性、完整性和不可抵赖性，实现数据、文件密码级的安全存储、传递和共享。 基于CPK技术的安全文件服务系统可应用于政府，实现内部机密文件的安全存储和共享，有效地解决当前各单位最担心的机密文件和数据的丢失问题。同时，该项技术也可以扩展应用到数字版权管理、视频点播、虚拟资产保护等领域，对发展教育娱乐等产业，保护知识产权具有重要意义，是一项经济价值和社会价值都非常大的技术项目。具体操作方式是全密化、私密化，防窃取、防扩散，密钥交换过程不需要服务器内对文件数据进行加、脱密操作，保证了系统的高效运行；采用认证登录防止非法接入，通过对登录用户，文件阅读、批阅等进行详细记录和安全审计，及时发现和制止非法操作，一旦出现问题可进行责任追溯；提供用户端的文件保密（利用自身的标识对文件加密）和用户间的安全信息交互功能（利用对方的标识加密）。

中厚钢板跟踪管理系统是一个工厂层的信息系统，介于企业领导层计划系统与生产过程的直接控制系统之间，它以当前的视角向操作人员/管理人员提供生产过程的全部数据和信息（如：原料、半成品、成品和客户要求等），在工厂自动化系统中起着中间层的作用，它根据底层控制采集与生产有关的实时数据，对短期生产作业的计划调度、监控、资源配置和生产过程进行优化。 系统采用最新的计算机和网络技术实现了整个中厚钢板生产线所有工序钢板跟踪和生产数据管理。在详细分析了解中厚钢板复杂繁琐的生产工艺和生产流程的基础上，根据实际生产的业务和管理要求，采用自律分散的系统结构、先进的自动跟踪控制逻辑和面向业务人员的业务流程模型，实现了整个中厚钢板生产线的信息化操作和管理，解决了各道工序之间信息不流畅、容易出现混钢混号、管理人员不能掌握生产实时信息等问题，提高了中厚钢板生产企业生产效率、管理水平和信息化程度。 系统主要实现原料管理、生产计划生成、板坯跟踪、在线称重和生产数据统计等功能，系统的应用显著提高了中厚钢板企业的生产效率和现代化管理水平。经实际使用表明，系统实用性强、操作方便，能满足实际工作的需要，受到用户好评，经济和社会效益显著，推广应用前景良好。

Ø  成果简介：基于局域网的分布式设备维修管理系统主要包括设备管理模块、设备故障信息管理模块、设备维修调度管理、相关管理部门之间的信息传递和权限管理模块、实时监控模块等。本系统可以与ERP、PDM系统集成，也可单独使用，实用于大型企事业单位设备管理、维修、调度和生产实验部门使用。本系统的主要特点是能够对设备静动态信息进行全生命周期管理、单位内部可根据权限设立多个用户端，从厂长、生产调度部门、工艺部门、设计部门、设备管理部门到生产车间或实验室都可入网。支持软件：VC++，Oracl