新葡京娱乐场-大陆娱乐场开户注册

本發明公開了一種有源電子式互感器的供能激光器在線壽命直 接監測方法，包括如下步驟：(1)判斷激光器工作狀態；(2)獲取激光器 工作狀態下的工作電流值；(3)異常點處理；(4)低通濾波處理；(5)建立 關聯模型；(6)評估激光器老化壽命。本發明通過實時采集獲取被監測 供能激光器所在的合并單元的供電電源的電流值，并結合合并單元供 電電源電流與供能激光器工作電流之間的關聯模型，以實現對供能激 光器正常老化壽命的直接在線監測，填補了電子式電流互感器正常老 化壽命在線監測技術領域的空白，具有可靠性高，且對環境

大功率的低紋波、高精度穩定電源和脈沖電源是一種非常重要的特種電源，在現代科學研究和醫療、工業生產、環境保護中獲得越來越廣泛的應用。本項目針對大功率穩定電源和脈沖電源對電流紋波和動態響應的嚴格要求，提出并實現了采用有源濾波器和負載并聯，檢測直流側紋波電壓、利用PWM控制技術的并聯直流有源濾波器來抑制電流紋波和提高動態響應的方案。其顯著優點：在對傳感器和電路元

本發明公開了一種有源鉗位反激變換器的自適應同步整流控制系統及控制方法；控制系統包括采樣及信號處理電路、以微控制器為核心的控制電路和柵驅動器；控制方法能夠實現有源鉗位反激變換器副邊同步整流管的開啟狀態、關斷過早、關斷過晚、恰好關斷狀態的直接檢測，并能夠根據檢測結果控制同步整流管準確開啟以及下一個周期內同步整流管的導通時間。經過數個周期的自適應控制后，同步整流管進入恰好關斷狀態，避免了有源鉗位反激變換器輸出波形的振蕩、降低了損耗、提升了效率；根據不同狀態檢測時間段，分時復用微控制器內部的比較器，節省了硬件資源，降低了電路成本和調試難度。

本發明公開了一種應用于智能配電網的雙有源橋直流變換器軟啟動控制方法，先解鎖原邊全橋，閉鎖副邊全橋和外移相角的閉環控制，原邊全橋采用斬波控制，開關管Q3和開關管Q4以50％的占空比互補導通，開關管Q1和開關管Q2采用變占空比控制，并且每個開關周期以一定的步長增加；當副邊電壓上升到足以驅動開關管，且開關管Q1和開關管Q2的占空比都增至0.99時，解鎖副邊全橋及外移相角的閉環控制；當輸出電壓達到額定值時，切入負載，輸出電壓穩定完成啟動過程。本發明有效抑制雙有源橋直流變換器在啟動過程中的電流過沖，保證電流的正負對稱，降低對開關管的耐流要求，降低成本，避免變壓器偏磁現象，降低變壓器的容量、體積和成本。

（一）成果背景 分布式光伏可在用戶側就近安裝與消納，減少因長距離輸送帶來的線路損耗問題，在新型電力系統建設中發揮著重要作用。2021年6月，國家能源局綜合司發布了《關于報送整縣（市、區）屋頂分布式光伏開發試點方案的通知》，用以推動分布式光伏高質量發展、支撐新型電力系統建設。在該政策的推進下，分布式光伏容量迅猛增長。截至2021年底，國內分布式光伏裝機容量已達到107.5GW，約占光伏總裝機容量的三分之一，且其增長速度已經超過了集中式光伏。 （二）痛點問題 對于配電網來說，光伏出力易受天氣因素影響，具有極強的隨機波動特性，大規模分布式光伏接入，一方面加劇了配電網負荷短時波動，影響電力實時平衡，制約負荷預測精度提升；另一方面，分布式光伏出力特性與負荷特性的不匹配造成其難以消納，為有源配電網運行管理帶來嚴峻挑戰。 對于電力市場交易來說，隨著新一輪電力體制改革的持續深入，分布式光伏所有者作為售電商參與市場競爭成為必然趨勢。分布式光伏出力的不確定性與短時劇烈波動性，使得分布式光伏電站/售電商難以制定合理的市場交易策略與電力交易合同，面臨嚴重的市場風險。 因此，亟需精準的分布式光伏功率預測，為有源配電網調度運行、分布式光伏消納，分布式光伏參與電力市場等提供有力數據支撐。 （三）技術方案 1、基于變分模態分解與動態圖卷積網絡的分布式光伏功率預測 首先利用變分模態分解各分布式光伏復雜出力序列分解為相對簡單、波動較小的不同頻率子序列，以減小場站間關聯關系的挖掘難度。然后，基于分布式光伏場站間時空關聯性處于動態變化中的考慮，利用全連接神經網絡將各節點特征映射到多維空間，而后利用時域卷積挖掘跨節點關聯關系，由此以數據驅動方式挖掘各頻率下各場站子序列關聯性，有效實現子序列動態圖結構的構建。最終，基于可用于非歐式空間結構數據建模的卷積神經網絡，將其與動態圖結構結合，建立考慮動態時空關聯性的圖卷積預測模型，針對不同頻率下出力子序列分別預測，而后重構得到各場站功率進而獲取配電網分布式光伏總功率。 2、基于深度聯邦學習的分布式光伏發電功率預測 首先，基于長短期記憶神經網絡構建時域自編碼器模型，該模型編碼器用于提取每個時間步輸入的時域特征，而后利用解碼器將該特征向量轉換為輸出序列進行未來時間步的預測，自編碼能顯著增強長短期記憶神經網絡的時域建模能力。而后，利用注意力機制解決其在處理長輸入時間序列時會導致解碼器面臨特征冗余問題，且使模型聚焦于對輸出更關鍵的時域特征。由此，利用注意力自編碼預測模型通過對時域特征的有效挖掘實現功率預測精度的進一步提升。 在此基礎上，開發了用于分布式光伏功率預測的聯邦學習框架，在該框架中，本地用戶僅需將本地模型進行共享，無需數據的傳輸，而后由中央服務器進行模型的聚合以實現用戶間信息共享。在各本地場站進行注意力自編碼預測模型的訓練；在中央服務器，基于聯邦平均算法實現各本地預測模型的匯聚、全局模型的生成與下發。在保證數據隱私性的前提下取得與傳統集中式機器學習訓練近似的預測效果。 （四）競爭優勢 1、有效表征廣域分布式光伏集群間時空關聯特征，實現分布式光伏功率預測精度提升。 當缺乏氣象實測或預報數據時，考慮分布式光伏時空相關性可有效提升分布式光伏功率預測精度。現有研究多利用各光伏場站地理距離或者整體出力表征時空相關性。這種靜態建模方式在分布式光伏出力模式長期穩定的情況下，可以取得較好的預測效果。然而，易受天氣因素的影響，分布式光伏出力極易發生短時波動，因而各場站關聯性處于動態變化過程。以恒定的場站間關聯關系去考慮這種復雜的集群出力序列，顯然無法反映天氣影響下分布式光伏出力短時變化，難以實現功率預測精度的有效提升。 所提的基于變分模態分解與動態圖卷積網絡的分布式光伏功率預測方法，利用數據驅動方式實現挖掘各場站間關聯特性的動態實時挖掘。在基礎上，考慮到不同模態分量下各場站間關聯關系的差異性，將各場站原始功率分解為了相對簡單、波動較小的不同頻率模態分量，減小關聯關系的挖掘難度。 2、有效保證各分布式光伏數據隱私性，且能取得與傳統集中式機器學習訓練方式近似的預測效果 現有的數據驅動預測方法性能在很大程度上依賴于訓練數據的數量，因此大多以一種集中的訓練方式實現，即中央服務器匯聚來自各場站的運行數據而后進行模型的訓練。然而，這種集中訓練的方式會期限數據隱私，使用戶信息暴露在公共環境而導致被外部攻擊者進行數據分析、行為探測等。此外，在競爭激烈的電力市場中，分布式光伏場站所有者可能不愿共享數據。這些因素使傳統模型訓練方式難以實現。 所提的基于深度聯邦學習的分布式光伏發電功率預測方法，利用注意力自編碼模型在本地場站進行建模預測，實現對本地功率時域特征的有效挖掘；利用分散式訓練的聯邦學習框架，實現各場站預測模型信息共享，有效保證本地用戶的數據隱私的同時取得不錯的預測效果。 創新點 1、考慮了場站間關聯關系的動態性。對于分布式光伏，雖然場站數量眾多、分布廣泛，但是其位置臨近，由于云團運動等氣象因素導致的相關性較強。所提方法以數據驅動方式根據網絡當前的各場站輸入功率進行關聯關系的動態表征，實現功率預測精度的有效提升。 2、在保障各分布式光伏站點數據隱私應的前提現實現信息共享。利用自編碼結構進一步提升LSTM的時間序列建模能力；利用注意力機制模型聚焦于對預測更關鍵的輸入特征，以此實現時域特征的有效挖掘。在此基礎上，利用聯邦學習框架聚合各本地模型，實現各站點信息聚合，實現精度有效提升。 市場前景 隨著新型電力系統建設目標的推進，分布式光伏裝機容量呈爆發式增長。所研成果可應用于配電網負荷預測、用戶可調度容量評估、激勵型需求響應基線負荷估計等場景中，為高比例分布式光伏有源配電網的安全、經濟、高效運行，維持電力平衡等工作提供重要參考。同時，隨著分布式光伏逐步參與到電力市場，所研成果可為分布式光伏售電商制定最優的交易策略，簽訂合理的價格合同提供有力數據支撐。綜上所述，所研成果市場前景廣闊。

本發明公開了一種安全狀態監測預警式有源電子標簽，包括控 制器、存儲器、射頻模塊、安全預警模塊、信號處理模塊和安全感知 模塊，控制器分別連接所述存儲器、射頻模塊、信號轉換模塊和安全 預警模塊；安全感知模塊與所述信號處理模塊連接；信號處理模塊用于接收安全感知模塊發送的檢測數據，并對該數據進入信號放大處理 和 A/D 轉換處理后傳送給控制器；控制器用于接收信號處理模塊發送 的數據，其一方面控制存儲器存儲此數據，另一方面分析評估該數據； 射頻模塊用于所述控制器與外部讀寫器進行通信。本發明能方便現場 管理人員