|
搜索
搜 索
高等教育領域數字化綜合服務平臺
考慮風光儲協調的配電網電壓控制策略研究與開發
針對分布式風光發電在配電網中的高比例接入態勢，源荷存在時空不匹配特性，導致功率倒送和節點過電壓等問題，面向電網網架相對薄弱地區，開展考慮風光發電不確定性的儲能的選址定容研究，實現不同運行方式下儲能的優化配置；提出基于有功/無功電壓控制分區的新型配電系統電壓控制策略，實現配電網電壓的分散式與集中式協同控制，滿足高滲透率風光并網場景下的電能質量要求。
沈陽農業大學
2025-05-21
基于深度學習的光伏并網系統電能質量預測及調控策略研究
本成果圍繞光伏并網系統電能質量展開。基于深度學習算法，研究諧波等電能質量指標變化規律，運用特征提取技術處理時序數據，實現電能質量預測。研發基于態勢感知的電能質量調控裝置，總諧波補償率不小于 90%，補償次數 2 - 50 次。成果形式包括研究報告、調控裝置示范應用，申請發明專利 3 項，發表論文 3 篇。應用場景涵蓋光伏電站、配電網等，可提升電網可靠性與經濟性，減少設備損耗、優化調控策略、降低棄光率，為新能源消納提供支撐。
沈陽農業大學
2025-05-21
“加強高等教育研究，服務教育強國建設”專題研判會在京舉行
由中國高等教育學會與清華大學聯合主辦的教育強國建設研究工作推進會5月17日在北京召開。當天下午，“加強高等教育研究，服務教育強國建設”專題研判會順利舉行。與會專家學者圍繞《教育強國建設規劃綱要（2024—2035年）》和三年行動計劃中的重點難點問題進行分組研判。
中國高等教育學會
2025-05-19
一體式懸浮載體生物流化床處理村鎮生活污水的研究
技術成熟度：理論突破
反應器采用一體式生物流化床，好氧區，投加了懸浮載體果核活性炭，形成活性污泥及生物膜的有機結合體；缺氧區，安裝三相分離器及攪拌片，使泥水混合均勻，能夠及時排出反硝化所產生的氮氣，進而提高脫氮效率。
設備所有結構均在同一殼體內，工藝運行方式靈活，由于其運行過程中不需額外投加碳源和絮凝劑，其運行費用較低。針對我國農村污水處理面臨的不易聚集處理的問題，這種單體新型污水處理設備對我國農村污水處理有著較大的實用潛力。
運用一體式生物流化床處理村鎮小區生活污水，為該工藝的應用推廣提供科學的運行控制參數。
針對我國農村污水處理面臨的不易聚集處理的問題，這種單體新型污水處理設備對我國農村污水處理有著較大的實用潛力。
吉林建筑科技學院
2025-05-19
中國高等教育學會、清華大學聯合召開教育強國建設研究工作推進會
5月17日，由中國高等教育學會與清華大學聯合主辦的教育強國建設研究工作推進會在北京召開。
中國高等教育學會
2025-05-19
李天來院士團隊許濤課題組在Science子刊發布植物器官脫落分子機制最新研究成果
李天來院士團隊許濤課題組在Science子刊發布植物器官脫落分子機制最新研究成果
沈陽農業大學
2025-05-21
沈陽農業大學特種玉米研究所選育的玉米新品種‘沈農T120’實現成果轉化
沈陽農業大學特種玉米研究所選育的玉米新品種‘沈農T120’實現成果轉化
沈陽農業大學
2025-05-21
高溫超導電動懸浮列車靜懸試驗臺超導磁體的自由度控制與安全防護系統研究
技術成熟度：技術突破
1.原理：結合磁浮列車極端運行工況，充分考慮運行環境的強磁場，深入研究機-電-磁耦合機制，精確調節磁體懸浮姿態，以實現超導磁體在液氮溫區（-196℃）自穩定懸浮。
2.創新點：
（1）研發國產化低功耗懸浮控制模塊，能耗較進口設備降低35%；
（2）突破-196℃環境下多系統協同控制技術，填補國內工程化應用空白。
3.應用場景：
（1）高速磁浮列車靜懸試驗臺
（2）精密儀器運輸平臺
（3）航空航天地面測試裝備
4.應用案例：前期開發的自由度控制系統，已被合作團隊應用且效果較好。
長春工業大學
2025-05-20
四川農業大學研究生在自然指數期刊《Inorganic Chemistry》發表封面研究論文
研究利用天然植物多酚化合物木犀草素與微量營養元素金屬錳離子成功合成了一種具有類酶活性的材料（Lu-Mn納米酶），該材料具有良好的生物相容性和生物安全性，在微酸性條件下（腫瘤微環境）可高效地將H2O2轉化為具有腫瘤細胞清除能力的·OH，能夠有效殺死腫瘤細胞，抑制腫瘤生長，為癌癥治療提供了一種新的策略。
四川農業大學
2025-02-24
鋰電池管理系統AI算法研究
本項目聚焦于鋰電池管理系統在智能化監測與預測中的關鍵痛點，尤其擬面向電池容量衰減預測、SOC/SOH估計不準、電池剩余時間不準確、MAP/SOP估算等方面。通過引入人工智能算法，構建融合機器學習與深度學習的電池狀態預測模型，擬實現高精度SOC（荷電狀態）與SOH（健康狀態）估計的優化，提升電池管理系統的智能水平與安全性。
解決方案方面，項目基于實地檢測磷酸鐵鋰電池充放電數據構建訓練集，采用輕量級線性回歸模型及改進型人工神經網絡進行建模優化，并結合特征工程技術提高預測精度。同時，設計適用于邊緣計算的部署方案，使模型可在BMS嵌入式硬件平臺實時運行，降低對計算資源的依賴。
在競爭優勢方面，項目成果具備算法輕量化、部署便捷、預測準確度高、兼容性強等特點，特別適用于電力儲能、電動汽車等對安全性和可靠性要求高的場景。相比傳統BMS方案，該AI算法可顯著提升電池使用效率與壽命，精準估算SOC/SOH，降低維護成本。
目前項目成果已在合作企業內部儲能設備中開展應用測試，初步反饋表明荷電狀態預測準確度提升40%左右，電池健康度準確度提升40%左右，系統響應及時，具備較高實用性和推廣價值。專家評審一致認為，該項目在智能電池管理系統方向具有較強的創新性和實際應用前景。
西南大學
2025-05-12