（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。

5G+AI 云边一体化智慧出行解决方案，针对道路事故率高、交通拥堵困局、道路交通监管难、公共交通信息阻塞等问题，汇集了5G 通信、AT 算力资源平台、AI 算法、边缘计算网关、车路协同、智慧灯杆、大数据管理平台等诸多软硬件技术成果，具有充分的综合性、创新性、协同性、大集成等特征，同时将 5G、AI、物联网、大数据、云边一体化等技术交互融合，实现交通流感知、交通事件感知、配时方案优化、智慧灯杆、边缘计算网关等功能。 建设进展 研发方向一：网络建设规划南京移动在新港地区优先投入5G建设资源，目前新港开发区范围内，共 规划5G站点114个，其中宏站82个，杆站32个；已开通宏站27个。本项 目规划恒竞路需求站点11个，宏站9个，杆站2个，厂区内部宏站2个，兴 智路需求站点6个，其中宏站2个，杆站4个。 研发方向二：AI云平台研发 南邮信产院投入建设AI云平台，为人工智能提供算力支撑，为算法模型训练提供海量数据和开发环境，为区内 人工智能企业及高校科研人员提供一站式人工智能产业服务，带动人工智能技术的提升。目前已建成。 研发方向三：智慧灯杆+边缘网关 智慧灯杆：场景载体，环境感知等多功能实现。 边缘网关：各个功能互通互联的媒介 目前智慧灯杆进入融合各家设计阶段。 研发方向四:车路协同/无人驾驶交通流感知-实时感知城市交叉口内车流量、速度、排队长度、占有率等数据。交通事件感知-提供停车，逆行，超速，拥堵，变道等事件信息，并提供照片和视频。车路协同-将感知数据下发至无人驾驶车辆，车辆根据获得的信息自动优化行驶路线。配时方案优化-将感知数据直接下发到交通信号机，实时生成交通信号配时方案，下发至交通信号机，实现路口单点自适应控制。 研发方向四：车路协同/无人驾驶建设面向L4级无人驾驶的车路协同系统。主要是车路协同系统车端建设。通信网络建设方面：参与对5G网络的验证，协助验证5G网络与无人驾驶的互联互通。 大数据平台建设方面：其无人驾驶车可以在多场景应用，充当城市各种数据收集的载体。 车路协同云控平台建设方面：承担车路协同云控平台建设。 关注重点 开放性场景定义：一般是指城市基础设施建设运营管理、产业发展、民生服务等领域，对新技术新产品有应用需求的各类工程、项目。通过应用场景开发建设，可以推进新技术新产品的示范应用和迭代升级，助力新技术新产品推广应用。《南京市关于加快应用场景开发建设2021年行动方案》围绕5G+AI云边一体化创新应用示范道路，向全产业链（企业、科研机构等）开放能力。一是路侧基础设施开放，在南京南邮信息产业技术研究院有限公司统筹管理下，开放路侧龙门架、杆位等资源，以及相应的供电 、联网能力，为路侧生态参与者提供宝贵的示范场地；二是数据开放，在保障信息安全和公共隐私的前提下，开放路侧时空全覆盖的结构化与非结构化数据，形成"兴智路数据集"，为产业发展注入珍贵的稀缺数据资源；三是应用开放，建立其他生态参与者加入的申请入口，规范开放"数据集"，通过互联网、展厅等线上线下渠道向全社会展示 5G+AI云边一体化创新应用示范道路的成效。 示范性在中国（南京）智谷的指导下，本项目参与四方集聚各自技术及资源优势，群策群力，协同创新，紧密且高效地推进建设计划；将5G、AI、物联网、大数据、云边一体化等技术交互融合，期望建成经开区人工智能产业方向上的标志性应用场景，树立良好的示范典型。 先进性5G+AI云边一体化创新应用示范道路"项目，针对道路事故率高、交通拥堵困局、道路交通监管难、公共交通信息阻塞等问题；汇集了5G通信、AI算力资源平台、边缘计算网关、车路协同、智慧灯杆、大数据管理平台等诸多软硬件技术成果；与其他单纯的车路协同场景、智慧灯杆场景相比，具有充分的综合性、创新性、协同性、大集成等独特特征和 充分的先进性。

本公司主要产品-多模态宫颈癌智能辅助筛查系统，利用人工智能和图像处理技术实现宫颈液基细胞全切片智能解析和细胞DNA定量分析，应用自然语言处理技术对细胞学TBS报告、细胞DNA定量分析报告以及电子病历报告进行知识挖掘。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 祝新宇 软件工程 2019.9 / 2023.6 杨志鹏 软件工程 2019.9 / 2023.6 孙宇 软件工程 2019.9 / 2023.6 吕焓 国际经济与贸易 2019.9 / 2023.6 朱莹婧 会计学 2019.9 / 2023.6 唐昆铭 软件工程 2018.9 / 2022.6 刘波 软件工程 2018.9 / 2022.6 贺雨欣 软件工程 2018.9 / 2022.6 束童 软件工程 2018.9 / 2022.6 孙东东 软件工程 2018.9 / 2022.6 黄薇 软件工程 2018.9 / 2022.6 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 史骏 软件学院 副教授 机器学习与智慧医疗 四、项目简介 本公司主要产品-多模态宫颈癌智能辅助筛查系统，利用人工智能和图像处理技术实现宫颈液基细胞全切片智能解析和细胞DNA定量分析，应用自然语言处理技术对细胞学TBS报告、细胞DNA定量分析报告以及电子病历报告进行知识挖掘，形成宫颈癌细胞学知识图谱辅助医生决策和病理科室质控，建立多模态宫颈癌智能辅助筛查系统及其辅助诊断模型，构建AI驱动的宫颈癌筛查全流程应用生态，力争减轻筛查过程中病理医生的工作强度，最大限度地提高宫颈癌筛查的质量和效率。 本公司主要出售两种产品：（1）宫颈癌数字病理云平台：用户批量上传宫颈液基细胞全切片图像至远程，云端将自动进行智能分析，本系统算法软件已在远端服务器进行部署搭建，适应了减轻病理医生阅片筛查工作强度的需求。（2）智能显微镜及其AI组件：系统实时读取显微镜下视野，实时出具分析结果，团队研发的算法已通过嵌入式开发实现了软硬件一体化服务，能够适配多种品牌的显微镜。由于宫颈癌数字病理云平台需要经过价格昂贵的扫描仪制作数字化全切片的繁琐制作过程，成本较高，该产品形式避免了过程繁琐的数字化全切片制作过程，同时成本较低，主要针对社区、乡村等基层医疗机构，有利于提高宫颈癌早筛的覆盖率。

本发明提供一种高通用性大装载小型无人飞行器。该飞行器包括：翼身融合机体，设置在所述机体两侧的两个固定主翼，设置在所述两个主翼下方的两个撑杆以及设置在两个撑杆后端的模块化尾翼组件。所述两个主翼采用优化后的高升力翼型，使全机具有较小的失速速度；所述机体进行了翼身融合设计，机体内具有较大的装载容积，能够搭载多种任务载荷，同时，全机具有灵活的起降能力，可根据任务需要进行弹射起飞、滑跑起飞或垂直起降，从而提高了无人飞行器对不同类型飞行任务的适应能力和执行效率。

“虚拟工艺”软件可由标准工艺流程文件和掩膜版图文件，模拟出所要加工的MEMS器件的真实三维结构，具有良好的通用性和精度。下图为自主开发的“虚拟工艺”软件生成的微夹钳三维结构。 “虚拟运行”软件对器件的运动情况进行仿真，并与最初设计方案比较来指导和修正实际加工。下图显示了微夹钳的虚拟运行结果，图中的器件颜色表示了器件运动时的剧烈程度，红色表示变形最剧烈的部分，淡蓝色表示变形较小的部分。