云储能模式下分布式用户虚拟储能需求评估

采用分布式储能技术可以改变能量的时空分布,提高配电网消纳分布式能源的灵活性。传统储能模式下储能成本过高、储能资源利用率低,而云储能是一种能够响应分布式储能需求的新型商业模式。文章考虑负荷、可再生能源出力、分时电价以及虚拟储能价格等影响用户虚拟储能需求的因素,建立了云储能模式下分布式用户虚拟储能需求配置优化模型。为验证该模型的有效性,选取社区内14个典型用户为分析对象。算例分析表明,与传统储能模式相比,云储能模式下用户的虚拟储能容量及功率需求分别降低了18.2%和7.1%,年化成本降低了4.12%,储能资源利用率提升了8.12%。因此,云储能模式具有很好的应用前景。

基于微课的混合式学习在实验教学中的应用研究

混合式学习将线上学习与面对面学习的优势结合起来,有效的评价体系可以提高混合式学习的效果。而微课是移动互联网时代进行微型化学习和碎片化学习的重要数字化资源形式。文章提出将微课应用在混合式学习中,设计不同的线上线下学习目标和教学方式,并对混合式学习的支撑系统、微课资源组织架构、线上线下教学设计、问题反馈和评价指标等方面进行设计和实践,通过单元任务、翻转课堂及综合设计等多方面考核学习者的学习过程和学习结果。实践证明,该混合式教学模式能有效地改变传统实验教学中面授与实践分离、练习课时不足、重复性问题多等问题,提高学习者的学习效率和实验课程教学质量。

基于EIP-CDIO的项目式教学法在智能控制技术课程中的应用探讨

结合智能控制技术课程的实际教学情况,提出了基于EIP-CDIO的项目式教学改革方案。依据EIP-CDIO理念模块化编排教学内容,构建了动学结合的层次化项目任务,形成了一种实时的闭环反馈型模块化教学模式。实践表明学生的实践创新能力得到了有效地培养和提高。

融合实践能力考核的计算机软件技术基础课程考核方式研究

针对计算机软件技术基础课程实践性很强的特点,提出了融合实践能力考核的考核改革方法.考核总成绩由4部分组成:期末考试、平时表现、上机实验和实践能力考核.实践能力考核分为自主和非自主实践能力考核.自主实践能力考核是学生根据理论学习内容,自主编制题目,完成设计任务并编程实现;非自主实践能力考核由教师设置验证型、综合型和创新型3种类型的题目,学生选择一种题目实现.该多元化考核方式能够从多层面考察学生的实践编程能力,符合应用型人才培养目标.

Edius多机位模式在精品课程制作中的应用

多机位拍摄方式是国家精品视频公开课技术标准中规定的拍摄方式,将多机位拍摄素材制作成课程视频是后期编辑中的重要环节。基于我校精品课程拍摄和制作条件,本文主要介绍在Edius多机位模式中,综合利用音频波形、视频比对及素材入点实现多机位素材同步对齐的方法,提高了硬盘录像机录制的素材在多轨编辑时同步对齐的准确性。

含光伏和储氢的电-氢集成化能源站容量配置

为适应车辆低碳清洁化的发展趋势,提出一种含光伏和储氢的电-氢集成化能源站架构。考虑光伏出力及负荷需求的不确定性,以年化成本最小为目标,采用模糊机会约束规划建立电-氢汽车集成化能源站容量配置模型。算例分析表明:能源站能充分利用光伏出力,通过电氢耦合满足电、氢负荷充能需求;置信水平越高,所需设备容量越大,年化成本越高;随着制氢效率的提高和氢储能设备价格的降低,可降低购电成本,提高能源站的经济性。

直流微电网储能装置双向DC-DC变换器参数自适应反步控制

储能装置是支撑微电网灵活运行的关键。包含储能装置的直流微电网高度电力电子化,呈现强非线性特征,且系统参数时变。针对分布式电源功率波动引起的孤岛型直流微电网母线电压波动问题,采用蓄电池作为系统功率平衡装置,基于参数自适应反步方法设计了储能装置充放电控制器。首先,基于戴维南等效模型建立了蓄电池和Buck/Boost变换器组成的储能系统的数学模型,然后将模型运行过程中的时变参数视为未知,利用参数自适应原理对未知参数进行在线实时估计,并基于参数估计值和Lyapunov理论设计控制器,调控储能装置的充放电过程,实现直流微电网源与荷间的功率平衡,在提高系统建模精度的同时确保了直流微电网的稳定性。仿真结果表明,在光照不足情况下,储能装置持续放电以稳定电压。与传统线性PI控制器和精确反馈线性化控制器相比,母线电压调节时间减小0.120 s和0.045 s、电压波动减小3.1%和2.9%;在光照充足情况下,储能装置平稳充电,与基于固定参数的反步控制器相比,电压调节时间减小0.04 s,电压偏差减小0.8%。可见,在分布式电源波动甚至完全切除的情况下,基于参数最优估计值的反步控制器能够调节储能装置在充放电状态间灵活切换,较好地维持了母线电压,而且在参数摄动时表现了良好的鲁棒性。

基于改进贝叶斯算法的主动配电网状态估计

为解决主动配电网数据量大、多数据源造成的现状,提出一种适用于主动配电网的状态估计方法。利用数据处理技术,以数据校验原则对量测数据预处理,并计算数据质量标签,对节点量测数据初步修正;结合所得数据质量标签结果与贝叶斯算法建立改进贝叶斯数据分类模型,对存在多个不良数据的节点进行不良数据的辨识,实现了状态估计前的不良数据处理,提高了输入到状态估计模型的数据精度;同时针对主动配电网量测困难问题,建立分布式电源的量测模型,补全分布式电源缺省数据,提高了数据质量;最后,基于质量标签改进加权最小二乘算法权重矩阵,建立状态估计模型。算例分析表明,提出的方法能明显减少分布式能源波动和不良数据的影响,提供了较精确的状态估计结果。