新工科背景下《电力系统分析》课程“金课”建设研究

<正>本文分析了《电力系统分析》课程的教学现状,基于新工科背景“金课”建设要求,从教学内容、教学模式和教学手段、实践教学以及课程考核等方面进行了课程教学改革研究。《电力系统分析》是我校电气工程及其自动化专业的核心课程,是多门专业课程的基础,在专业课程体系中占据重要位置。电力系统是世界上最大的非线性人工系统,《电力系统分析》课程由于其理论性较强且有着很强的工程属性,学生普遍反映该课程抽象难懂。此外,为满足日益多样化的电力需求,新型发输配电设备、储能系统等新元件在电力系统中得到广泛应用,已深刻改变了电力系统形态。因此,如何构建满足新工科建设要求的《电力系统分析》课程“金课”,对培养符合电力行业需求的高素质电力技术人才具有重要意义。     

电气工程及其自动化专业电机学教学改革研究

电机学是电气工程及其自动化专业的一门难教难学的技术基础课。随着专业教学改革的深入，该课程学时大幅度减少，因此，要达到预期的教学效果，必须从多方面进行教学改革。在实践和调研的基础上着重讨论了两个具体的教改措施：基于学时压缩，知识更新快，教学内容要精炼而新颖；教师采用分组考试的考核制度，每班学生被整合成三组，参加不同方式的考核。教学实践及问卷调查结果证实了其可行性。     

提升学生创新创业能力的电气专业课程教学改革探索

以电气工程及其自动化专业的主干专业课程"电力系统继电保护原理"的教学改革实践为例,针对课程课时少,时间紧的问题,从教学内容、教学手段与方法等方面探索电气专业的专业课程进行改革和实践的方法,提高了学生理论联系实践、创新创业、分析和解决问题的能力。     

一种智能电表的安全通信方案

在智能电网中,智能电表发送的用电信息可能被窃听,从而导致用户隐私的泄露。为解决该问题,文章提出一种智能电表安全通信方案。该方案基于对称加密算法,其主要安全特性包括设备认证、数据机密性和完整性,并通过安全数据聚合保护用户隐私。经过安全性分析表明,该方案可以达到智能电表通信的安全需求并抵抗常见的安全威胁。     

电气化铁路平衡牵引变压器电流不平衡度研究

针对电气化铁路牵引变压器的电流不平衡度问题,以电气化铁路运行的两种典型平衡牵引变压器为研究对象,采用变压器磁势平衡原理、绕组接线方程和对称分量法为理论基础的系统化分析方法,推导出不同工况下电流不平衡度通式,分析了平衡牵引变压器电流不平衡特性;利用Matlab/Simulink仿真平台建立了平衡牵引变压器实验模型,研究了高速客运、货运及客货混用专线列车用牵引变压器电流不平衡度的变化规律,给出了平衡牵引变压器在3种线路工况下的不同运行控制策略,提出了抑制电流不平衡度的方法。实验结果和理论推导验证了所提方法的正确性和可行性。     

基于遗传神经网络的发电机转子匝间短路故障辨识

针对BP神经网络对发电机转子匝间短路故障识别方法存在收敛速度慢且极易陷入局部最优解的不足,在分析发电机转子绕组匝间短路后的电磁特性及电机气隙磁场的基础上,提取了故障特征量,采用遗传神经网络法对发电机转子匝间短路故障进行辨识,通过引入遗传算法对BP神经网络进行权重和阀值优化,使模型具有全局寻优、收敛速度快及评价结果客观、准确的优点,并且避免了为得到故障样本所做的损坏性试验过程。仿真结果表明了该方法的可行性和有效性。     

电机控制的现状与研究动向

从电力电子技术和无速度传感器技术两方面着眼,介绍了国内外无速度传感器感应电机控制系统中对这两个领域内的研究现状,列出了其研究热点.     

电动挖掘机微机控制的硬件设计

介绍了电动挖掘机微机控制的一种方案 ,本方案是以Intel80 31单片机为核心的直流全数字化调速系统 ,重点阐述其硬件结构和特点。该系统调节速度快、精度高 ,具有良好的应用前景     

UD-IGA网络构造法在短期负荷预测中的应用

电力系统短期负荷预测既是电力系统调度部门制定发电计划的依据,也是制定电力市场交易计划的基础，它对电力系统的运行、控制和计划都有着非常重要的影响。可由于负荷预测的复杂性、不确定性，难以获得精确的预测值。为提高预测精度，针对电力负荷的特点，综合考虑历史负荷、天气、日类型等因素的影响，将基于均匀设计（UD）和改进遗传算法(IGA)的网络构造法用于短期负荷预测。数据样本训练和实际预测结果表明，该模型不仅可避免陷入局部极小点,而且提高了预测精度和网络的训练速度。     

UD-IGA网络构造法在短期负荷预测中的应用

电力系统短期负荷预测既是电力系统调度部门制定发电计划的依据,也是制定电力市场交易计划的基础,它对电力系统的运行、控制和计划都有着非常重要的影响.可由于负荷预测的复杂性、不确定性,难以获得精确的预测值.为提高预测精度,针对电力负荷的特点,综合考虑历史负荷、天气、日类型等因素的影响,将基于均匀设计(UD)和改进遗传算法(IGA)的网络构造法用于短期负荷预测.数据样本训练和实际预测结果表明,该模型不仅可避免陷入局部极小点,而且提高了预测精度和网络的训练速度.