沈阳工程学院

本发明提出了一种金属复合滤膜及其制备方法和应用，属于医疗器械技术领域，包括以下步骤：S1. 将铝粉、铁粉混合，球磨，干燥，得到混合料；S2. 将混合料进行压制，制得生坯；S3. 将生坯进行真空热压固相反应合金化，制得金属复合滤膜。该滤膜突破传统单一滤过材料的技术瓶颈，为儿科CT辐射剂量控制提供可靠的理论支撑与技术参考。

本发明公开了一种含面外褶皱的风电叶片复合材料疲劳损伤定量预警方法，属于风电叶片复合材料无损检测与结构健康监测技术领域。该方法包括：制备含不同预设面外褶皱角度的叶片复合材料试件；进行同步疲劳实验与红外热成像监测，采集温度场及应力‑应变数据；基于不可逆热力学理论计算内禀耗散能率和单周期耗散能密度；计算累积熵产并定义归一化热力学损伤变量；计算归一化动态刚度；建立归一化刚度与归一化热力学损伤变量之间的线性损伤主曲线；建立定量映射模型；划分安全服役区、加速监测预警区和灾难性临界失效区，并确定临界失效物理阈值。本发明实现了缺陷几何无关的疲劳损伤定量评估与早期预警，适用于在役风电叶片的非接触实时监测。

本发明提供一种用于风光储系统的调度控制的方法和系统及计算设备，所述方法包括：获取并融合风光储系统的实时运行状态数据和源荷预测数据，构建综合状态向量；将综合状态向量输入至预训练的分层深度强化学习智能体策略模型，生成调度参考轨迹；基于调度参考轨迹及系统安全约束进行动作寻优，输出调度指令；根据调度指令控制所述风光储系统中的设备运行，并实时采集执行调度指令后的系统响应状态，作为下一调度周期的状态更新输入已形成数据驱动的闭环自适应调控。根据本发明的技术方案，能够有效解决传统调度策略僵化问题，实现兼顾长期经济性与实时安全性的调度策略生成，并实现调度策略自适应进化与高可靠闭环调控。

本发明公开了一种聚酰亚胺疏水减阻微结构表面。所述聚酰亚胺表面具有周期性排列的沟槽微结构阵列，沟槽宽度、深度和间距均为250‑350 μm，沟槽微结构表面与水的静态接触角为110°‑130°，与光滑聚酰亚胺平面相比接触角提升40°‑60°。该表面通过微结构粗糙度效应实现疏水性能提升，无需化学改性或涂层，结构稳定性好，适用于水下航行器、海洋装备等领域。

本发明提供了一种全生命周期与多业务域的微电网数字孪生建模方法，涉及微电网建模领域。本发明确定输入测点集合、作用电气对象集合与策略参数集合，避免传统工程中资产标识不一致、测点绑定不唯一与策略引用对象不清导致的跨域割裂。本发明按固定测点顺序构造系统状态向量，保证数字孪生模型在测点缺失与异常情况下仍具备可用的状态输入接口。本发明对策略输出控制量给出确定性映射规则，结合设备参数约束与跨业务域一致性校验，保证相同输入条件下控制输出唯一确定且不违反运行约束。本发明在扩容改造阶段分别生成三个业务域差分，进而形成新版本模型包并重新执行一致性校验，使改造变更可差分记录、版本可追溯且改造后模型仍可生效。

本申请公开了一种工业园区的优化调度运行方法及系统，涉及智能电网技术领域。该方法根据工业园区内各个设备在当前时刻的运行数据，计算各个设备的热电耦合系数和健康状态因子；根据各个设备的热电耦合系数和健康状态因子，确定各个设备的热电耦合状态与健康状态；根据各个设备的热电耦合状态与健康状态，构建储能资源准入与动态分配机制，对工业园区内的各个设备进行多时间尺度优化调度。本申请通过引入设备健康状态因子，构建储能资源准入与动态分配机制，根据设备健康状态自适应调整储能支撑力度，避免储能资源对不可靠设备的无效投入，最大化工业园区生产连续性，满足存在高比例不稳定电源的工业园区的高电能质量需求。

本申请公开了一种基于环境感知与受光状态修正的光伏出力提升方法，属于电力技术领域，所述光伏出力提升方法包括：实时获取光伏系统的运行参数和环境参数；基于光伏系统的运行参数和环境参数，获取光伏系统的出力偏差系数；基于光伏系统的出力偏差系数，获取光伏系统的预期出力和光伏系统的出力优化调节指令集合，并进行光伏系统调整；基于光伏系统的光伏系统调整结果，获取光伏系统的调节效果指标；获取光伏系统的调节效果指标，对光伏系统进行调节参数更新，并进行调节参数验证。解决了现有技术中所存在的光伏系统控制中未能兼顾环境感知、受光状态修正和反馈迭代优化的问题。

本发明提供了一种微电网多尺度耦合优化建模方法，涉及微电网建模。本发明把并网接口单元、逆变型电源及储能单元与负荷单元的模型选择、模型参数以及跨尺度接口配置统一纳入同一配置对象，实现建模过程的统一表达与可复现组织。本发明设置固定快尺度与慢尺度之间的耦合接口规则，使快尺度信息以周期平均形式传递至慢尺度、慢尺度指令以周期保持形式传递至快尺度，从而保证跨尺度信息传递方式唯一，避免不同建模人员采用不同接口处理导致的模型不可比与结果不可复现。本发明采用头脑风暴优化对耦合模型配置进行迭代搜索并生成新的结构与参数扰动候选，使模型结构选择与参数标定实现自动化完成，提高建模效率与一致性。

本发明公开了一种基于分数阶微积分控制与图神经网络融合的电力负荷预测方法，包括：基于历史负荷数据与多源因素数据，通过长短期记忆网络提取时间序列初步趋势特征向量；并根据若区域作用强度超过预设阈值，则融合突发需求信息，确定增强趋势向量；结合卷积神经网络得到优化趋势表示数据，通过注意力机制融合多源因素的权重分布，构建到加权趋势模型；融合回溯调整参数和数据质量过滤，根据最终预测模型输出的稳定负荷预测结果，生成多区域间的协调映射和综合电力负荷优化方案。本发明融合了多维特征与动态迭代更新机制，形成动态自适应系统，显著提升了在多元复杂因素影响下的负荷预测的精准性与供电稳定性，实现了对电力资源的优化配置。