公开(公告)号：CN110247041A

公开(公告)日：2019-09-17

申请号：CN201910558590.2

申请日：2019-06-26

Applicant: 浙江大学

Inventor： 吕建国 ,  吕鑫胜 ,  葛舒宁 ,  郭忆闻 ,  郭一川

IPC: H01M4/36 ,  H01M4/52 ,  H01M4/583 ,  H01M10/0525 ,  B82Y30/00

Abstract: 本发明公开了一种ZnNiO/C复合纳米材料，其微观形貌为呈蜂窝状结构，蜂窝状结构尺度为2.5~3.5μm，所述蜂窝状结构为颗粒状纳米结构与层片状结构交错形成，并形成含有大量孔隙的多孔结构。本发明还公开了该ZnNiO/C复合纳米材料的制备方法，以ZnCl2和NiCl2作为有机金属框架化合物的金属源，乙醇酸作为MOF材料的有机配体；合成含有镍、锌元素的MOF材料；之后再在石英管式炉中碳化得到ZnNiO/C复合纳米材料。应用该材料为锂离子电池电极材料，在600mA/g放电电流下循环500次之后，表现出30mAh/g高比容量，并有良好的循环稳定性。

公开(公告)号：CN119476609A

公开(公告)日：2025-02-18

申请号：CN202411581422.2

申请日：2024-11-07

Applicant: 浙江大学

Inventor： 张微 ,  葛舒宁 ,  杨帆 ,  张雨辰

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/213 ,  G06F17/16 ,  G06F21/62 ,  G06N3/0442 ,  G06N3/098 ,  H04L69/16 ,  G06F123/02

Abstract: 本发明公开了一种基于联邦学习的家庭住宅用电量预测方法、介质及设备。针对多终端环境中不同数据特性导致的知识混淆问题，本发明提出了一种融合奇异谱分析与联邦学习的家庭住宅用电量预测方法，是首个在联邦学习框架下同时解决能耗预测精度和数据隐私问题的方法，能够安全有效地预测住宅能耗数据的各种分布。本发明通过使用奇异谱分析技术从住宅能耗数据中提取层次特征，使得预测模型可以更好地理解和区分各个终端的数据特性，提高跨终端的学习效果和预测准确性。同时，本发明采用双向长短期记忆神经网络进行数据局部处理，只将处理后的模型参数或学习结果共享到中央服务器，避免了数据与全局模型的直接交互，降低了训练时间和隐私泄露的风险。

公开(公告)号：CN110247041B

公开(公告)日：2021-07-23

申请号：CN201910558590.2

申请日：2019-06-26

Applicant: 浙江大学

Inventor： 吕建国 ,  吕鑫胜 ,  葛舒宁 ,  郭忆闻 ,  郭一川

IPC: H01M4/36 ,  H01M4/52 ,  H01M4/583 ,  H01M10/0525 ,  B82Y30/00

Abstract: 本发明公开了一种ZnNiO/C复合纳米材料，其微观形貌为呈蜂窝状结构，蜂窝状结构尺度为2.5~3.5μm，所述蜂窝状结构为颗粒状纳米结构与层片状结构交错形成，并形成含有大量孔隙的多孔结构。本发明还公开了该ZnNiO/C复合纳米材料的制备方法，以ZnCl2和NiCl2作为有机金属框架化合物的金属源，乙醇酸作为MOF材料的有机配体；合成含有镍、锌元素的MOF材料；之后再在石英管式炉中碳化得到ZnNiO/C复合纳米材料。应用该材料为锂离子电池电极材料，在600mA/g放电电流下循环500次之后，表现出30mAh/g高比容量，并有良好的循环稳定性。