新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種基于CMA?ES優(yōu)化算法設計聲學超材料單元的方法，該方法將CMA?ES優(yōu)化算法和有限元分析方法集合，CMA?ES優(yōu)化算法可以對0?1排布的陣列進行優(yōu)化，每一個尺寸維度的0?1陣列，都對應一種聲學超材料單元結(jié)構，其中，0和1分別代表由空氣或光敏樹脂構成的聲學單元結(jié)構的子單元；在優(yōu)化過程中，每一個聲學超材料單元結(jié)構的等效折射率和阻抗值可以通過有限元分析方法分析提取，作為CMA?ES優(yōu)化算法中適應度函數(shù)的變量；通過對適應度函數(shù)的值進行優(yōu)化，最終可以得到最優(yōu)的、滿足設計要求的聲學超材料單元結(jié)

HCRG一XA超導熱管余格回收器是德煤、油、氣鍋爐（密爐）余熱回收的專用設備，安裝在鍋爐（密爐）煙口或煙通中，將煙氣余熱回收后加熱空氣，熱風可用作鍋爐（密爐）助憾和干燥物料。其結(jié)構如下翻所示；四周管箱，中間后板將上下兩側(cè)通道期開，熱管為全翅片管，可單極熱管更換，工作時，高溫湘氣流經(jīng)回收器下部沖期熱管，此時熱管吸熱，端氣放熱溫度下降，熱管將吸收的熱量傳至上部，將流經(jīng)熱管上部的冷空何加熱，此時熱管放熱，空氣吸熱溫度上升。

本發(fā)明公開了一種D2D通信中頻譜效率最大化的功率分配方法，通過分布式優(yōu)化蜂窩用戶的發(fā)射功率、D2D用戶對的發(fā)射功率，在保證宏用戶最低服務質(zhì)量要求和D2D用戶與蜂窩用戶的功率限制的情況下最大化D2D用戶的頻譜效率。在給定蜂窩頻帶資源的情況下，最大化D2D通信的頻譜效率等價于最大化D2D通信的和速率。本方法給出了在任何D2D用戶都可以使用所有信道，并且任意信道可以同時被所有D2D用戶占用的情況下，最優(yōu)的蜂窩用戶發(fā)射功率和D2D鏈路發(fā)射功率。主要用凸近似的方法將非凸問題近似為可求解的凸優(yōu)化問題，并利用給出的閉式解快速收斂到凸問題的優(yōu)化解。本發(fā)明具有收斂速度快，計算量小，易于實現(xiàn)，結(jié)果精度高等優(yōu)點。

2021 年 1 月 27 日，由西南交大與中車大同聯(lián)合研制的我國首臺氫燃料電池混合動力機車，在中車大同電力機車有限公司成功下線，標志著我國氫能軌道交通技術取得關鍵突破。該車采用西南交通大學陳維榮教授團隊研發(fā)的軌道交通大功率燃料電池發(fā)電系統(tǒng)，突破了燃料電池混合動力系統(tǒng)集成、系統(tǒng)優(yōu)化控制以及能量管理等核心技術，電堆采用國際領先、可低溫啟動的日本豐田金屬電堆，這也是燃料電池金屬電堆在軌道交通領域的首次應用。該車設計時速每小時 80 公里，滿載氫氣可單機連續(xù)運行 24.5 小時，平直道最大牽引載重超過 5000 噸，在不用改變?nèi)魏舞F路基礎線路條件下，可在各類機務段、車輛段、編組站以及大型工廠、礦山、港口等場所執(zhí)行運轉(zhuǎn)、調(diào)車、救援等多用途任務。 陳維榮教授團隊自 2008 年起，在我國率先開展氫燃料電池在軌道交通中的應用研究，開拓了氫能軌道交通研究方向。歷時十余年的技術攻關，團隊突破了大功率燃料電池優(yōu)化控制、混合動力系統(tǒng)能量管理、故障診斷與壽命預測等關鍵技術，于 2013 年成功研制我國首輛燃料電池電動機車，并于 2016 年與中車唐山公司聯(lián)合研制成功世界首列燃料電池混合動力有軌電車，引領了我國氫能軌道交通技術發(fā)展。 

本發(fā)明公開了一種基于模糊概率的光伏電池的最大功率點的跟 蹤方法。所述跟蹤方法包括：以ε為采樣間隔，獲得 N 個采樣點 [ui,P(ui)]，i 為小于等于 N 的正整數(shù)；其中，ε為 0.05UOC/Ns～ 0.5UOC/Ns，UOC 為光伏電池的開路電壓，Ns 為光伏電池的串聯(lián)數(shù)； 通過構造擴散函數(shù) fD 和隸屬度函數(shù) fM，求取概率函數(shù) Pro(i)，對概率 函數(shù) Pro(i)的結(jié)果從大到小排序，并依次選取排序靠前的概率對應的 Xi 的并集作為最大功率點的搜索范圍，使得所述排序靠前的概率函數(shù) Pr

（一）成果背景 分布式光伏可在用戶側(cè)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(tǒng)建設中發(fā)揮著重要作用。2021年6月，國家能源局綜合司發(fā)布了《關于報送整縣（市、區(qū)）屋頂分布式光伏開發(fā)試點方案的通知》，用以推動分布式光伏高質(zhì)量發(fā)展、支撐新型電力系統(tǒng)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(nèi)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(jīng)超過了集中式光伏。 （二）痛點問題 對于配電網(wǎng)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(guī)模分布式光伏接入，一方面加劇了配電網(wǎng)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(wǎng)運行管理帶來嚴峻挑戰(zhàn)。 對于電力市場交易來說，隨著新一輪電力體制改革的持續(xù)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(wǎng)調(diào)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(shù)據(jù)支撐。 （三）技術方案 1、基于變分模態(tài)分解與動態(tài)圖卷積網(wǎng)絡的分布式光伏功率預測 首先利用變分模態(tài)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(lián)關系的挖掘難度。然后，基于分布式光伏場站間時空關聯(lián)性處于動態(tài)變化中的考慮，利用全連接神經(jīng)網(wǎng)絡將各節(jié)點特征映射到多維空間，而后利用時域卷積挖掘跨節(jié)點關聯(lián)關系，由此以數(shù)據(jù)驅(qū)動方式挖掘各頻率下各場站子序列關聯(lián)性，有效實現(xiàn)子序列動態(tài)圖結(jié)構的構建。最終，基于可用于非歐式空間結(jié)構數(shù)據(jù)建模的卷積神經(jīng)網(wǎng)絡，將其與動態(tài)圖結(jié)構結(jié)合，建立考慮動態(tài)時空關聯(lián)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(wǎng)分布式光伏總功率。 2、基于深度聯(lián)邦學習的分布式光伏發(fā)電功率預測 首先，基于長短期記憶神經(jīng)網(wǎng)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(zhuǎn)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(jīng)網(wǎng)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?qū)崿F(xiàn)功率預測精度的進一步提升。 在此基礎上，開發(fā)了用于分布式光伏功率預測的聯(lián)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(shù)據(jù)的傳輸，而后由中央服務器進行模型的聚合以實現(xiàn)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(lián)邦平均算法實現(xiàn)各本地預測模型的匯聚、全局模型的生成與下發(fā)。在保證數(shù)據(jù)隱私性的前提下取得與傳統(tǒng)集中式機器學習訓練近似的預測效果。 （四）競爭優(yōu)勢 1、有效表征廣域分布式光伏集群間時空關聯(lián)特征，實現(xiàn)分布式光伏功率預測精度提升。 當缺乏氣象實測或預報數(shù)據(jù)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(xiàn)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(tài)建模方式在分布式光伏出力模式長期穩(wěn)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(fā)生短時波動，因而各場站關聯(lián)性處于動態(tài)變化過程。以恒定的場站間關聯(lián)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(xiàn)功率預測精度的有效提升。 所提的基于變分模態(tài)分解與動態(tài)圖卷積網(wǎng)絡的分布式光伏功率預測方法，利用數(shù)據(jù)驅(qū)動方式實現(xiàn)挖掘各場站間關聯(lián)特性的動態(tài)實時挖掘。在基礎上，考慮到不同模態(tài)分量下各場站間關聯(lián)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(tài)分量，減小關聯(lián)關系的挖掘難度。 2、有效保證各分布式光伏數(shù)據(jù)隱私性，且能取得與傳統(tǒng)集中式機器學習訓練方式近似的預測效果 現(xiàn)有的數(shù)據(jù)驅(qū)動預測方法性能在很大程度上依賴于訓練數(shù)據(jù)的數(shù)量，因此大多以一種集中的訓練方式實現(xiàn)，即中央服務器匯聚來自各場站的運行數(shù)據(jù)而后進行模型的訓練。然而，這種集中訓練的方式會期限數(shù)據(jù)隱私，使用戶信息暴露在公共環(huán)境而導致被外部攻擊者進行數(shù)據(jù)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(shù)據(jù)。這些因素使傳統(tǒng)模型訓練方式難以實現(xiàn)。 所提的基于深度聯(lián)邦學習的分布式光伏發(fā)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(xiàn)對本地功率時域特征的有效挖掘；利用分散式訓練的聯(lián)邦學習框架，實現(xiàn)各場站預測模型信息共享，有效保證本地用戶的數(shù)據(jù)隱私的同時取得不錯的預測效果。 創(chuàng)新點 1、考慮了場站間關聯(lián)關系的動態(tài)性。對于分布式光伏，雖然場站數(shù)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(shù)據(jù)驅(qū)動方式根據(jù)網(wǎng)絡當前的各場站輸入功率進行關聯(lián)關系的動態(tài)表征，實現(xiàn)功率預測精度的有效提升。 2、在保障各分布式光伏站點數(shù)據(jù)隱私應的前提現(xiàn)實現(xiàn)信息共享。利用自編碼結(jié)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(xiàn)時域特征的有效挖掘。在此基礎上，利用聯(lián)邦學習框架聚合各本地模型，實現(xiàn)各站點信息聚合，實現(xiàn)精度有效提升。 市場前景 隨著新型電力系統(tǒng)建設目標的推進，分布式光伏裝機容量呈爆發(fā)式增長。所研成果可應用于配電網(wǎng)負荷預測、用戶可調(diào)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(wǎng)的安全、經(jīng)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(yōu)的交易策略，簽訂合理的價格合同提供有力數(shù)據(jù)支撐。綜上所述，所研成果市場前景廣闊。

本發(fā)明公開了一種適用于5G毫米波通信的緊湊型漸變縫隙陣列天線，包括上層金屬層、下層金屬層、介質(zhì)板材以及若干金屬過孔，所述上層金屬層和下層金屬層分別刻蝕在介質(zhì)板材的正反面上形成金屬層，所述金屬過孔位于介質(zhì)板材上并且分別連接著上層金屬層和下層金屬層，所述金屬層由微帶轉(zhuǎn)SIW結(jié)構、一分八T型SIW功分器以及八個TSA天線單元組成。本發(fā)明結(jié)構緊湊、方便設計和安裝，由一個西南微波2.40mm規(guī)格接頭相連，適用于40.5～43.5GHz頻段，可以應用到該頻段的5G毫米波移動通信系統(tǒng)中。

本發(fā)明的基于硅基微機械懸臂梁Ｔ型結(jié)直接加熱式毫米波信號檢測器，由懸臂梁耦合結(jié)構、Ｔ型結(jié)、直接加熱式微波功率傳感器和開關構成。懸臂梁耦合結(jié)構包括兩組懸臂梁，每組懸臂梁由兩個對稱的懸臂梁構成，兩個懸臂梁之間ＣＰＷ傳輸線的電長度在所測信號頻率范圍內(nèi)的中心頻率３５ＧＨｚ處為λ／４。功率通過第一直接加熱式微波功率傳感器進行檢測；頻率檢測通過利用直接加熱式微波功率傳感器測量兩路在中心頻率處相位差為９０度的耦合信號的合成功率實現(xiàn)；相位檢測通過將兩路在中心頻率處相位差為９０度的耦合信號，分別同兩路等分后的參考信號合

研發(fā)階段/n一種油菜生態(tài)型波里馬雄性不育兩系雜種種子生產(chǎn)技術 本發(fā)明屬于利用油菜生態(tài)型波里馬細胞質(zhì)雄性不育兩系生產(chǎn)雜交F1種子的技術領域，具體涉及到利用油菜生態(tài)型波里馬細胞質(zhì)雄性不育系和恢復系在冬油菜產(chǎn)區(qū)秋播生產(chǎn)雜交F1種子的雜交制種方法。由于生態(tài)型細胞質(zhì)雄性不育系在中國的冬油菜產(chǎn)區(qū)（例如長江流域）正常播種條件下表現(xiàn)雄性可育，可以自交結(jié)實，在中國的春油菜地區(qū)（例如甘肅、青海和新疆等省區(qū)）夏播表現(xiàn)雄性不育，不能自交結(jié)實，因此，必須在春油菜地區(qū)夏播生產(chǎn)雜交種種子。本發(fā)明的

本實用新型涉及功率放大器技術，具體涉及基于 FIR 數(shù)字濾波器原理的數(shù)字幅頻均衡功率放大器裝 置，包括依次連接的信號預處理模塊、前級放大模塊、數(shù)字幅頻均衡模塊、DAC 后級濾波模塊和功率 放大模塊，與數(shù)字幅頻均衡模塊連接的 FPGA 模塊，以及與 FPGA 模塊連接的觸摸屏模塊。該放大器裝 置基于 FPGA，以嵌入式處理器 NIOSⅡ為控制核心，輸出功率可達到 10W，電路效率達 66%，經(jīng)過數(shù) 字幅頻均衡處理后，以 10KHz 時輸出信號電壓