“电磁场理论”课程思政教学设计与实践研究

针对“电磁场理论”课程思政教学目标导向性不足、思政内容融入不深、思政教学考核缺乏指标等问题,设计了具有时代特色的思政元素,并将其深度融入课程教学内容中。在此基础上,设计了“以学生为中心”的思政与专业双闭环动态教学模式,建立了知识掌握、能力提高与价值塑造“三位一体”的多维度考核与评价方式,构建了“电磁场理论”课程的思政教学体系。教学实施结果表明,课程的教学满意度、教学达成度等评价指标实现了一定的提升,较好地实现了课程的育人功能。

考虑热电厂的主动配电网源网荷储协调优化调度研究

在北方集中供热地区,冬季热电厂运行时,新能源消纳空间被压缩,在局部地区出现了弃风、弃电率提升的问题。考虑热电厂的主动配电网级优化调度模型可减少配电网内风电弃电率,具有较好的应用前景。研究了一种可以有效增加风电消纳空间的双层调度模型,上层模型考虑燃料成本,满足系统供热需求为前提求解主网热电机组电、热输出和主网注入到配电网的功率。下层模型采用最优分时电价的负荷侧需求响应策略,结合配电网中的储能,求解各时刻负荷需求响应转移量,风电出力和储能出力情况。最后采用灰狼算法求解模型,验证调度模型的有效性。

弱电网下光伏并网系统锁相环参数自适应控制

针对弱电网下PLL(phase-looked loop,PLL)会使并网逆变器的稳定性下降问题,提出一种锁相环带宽自适应控制策略来实现锁相环参数依据电网实时阻抗值来获得最优的控制参数,保证系统最佳控制性能和稳定运行,从而提升跟网型逆变器在弱电网下的对电网阻抗的适应能力。利用PSCAD/EMTDC进行仿真验证,仿真结果证明自适应控制策略正确、有效。

兼顾提升功率分配精度与抑制电压偏差的自适应下垂控制

直流微电网孤岛运行时,为实现下垂参数跟随直流微电网各光伏单元出口线路阻抗和本地负载分布情况自调整,提出一种基于麻雀搜索算法(sparrow search algorithm,SSA)的自适应下垂控制策略。将下垂参数、变换器输出电压参考值以函数变量的形式构成优化目标函数,利用麻雀搜索算法寻找目标函数的极小值,实时找到同时使系统运行过程中的功率偏差、母线电压偏差最小化的解。即利用麻雀搜索算法将下垂参数和电压参考值调节问题转化为函数极值寻优问题,实现了下垂系数可依据光伏出口线路阻抗、本地负载变化及光照强度变化自调整的目标。同时通过动态调节变换器输出电压参考值,减小母线电压偏差,解决了功率分配精度与母线电压偏差的固有矛盾。利用PSCAD/EMTDC建立系统仿真模型,仿真结果证明所提控制策略正确、有效。

特约主编寄语

为贯彻落实双碳任务目标,加快能源转型,我国风能、太阳能等可再生能源占比不断增加,逐渐形成了清洁、安全、高效的能源结构,并在沙漠、戈壁、荒漠地区规划建设了大型风电光伏基地项目。但基地的系统特性已由原有的同步机主导转变为了电力电子装备主导,其规划建设、控制装备、安全运行均发生了重大变化,系统的安全稳定运行及其送出均面临严峻挑战。下面将对沙戈荒新能源基地的建设及安全稳定运行的部分问题给出建议。

VanillaFaceNet:一种高精度快速推理的牛脸识别方法

快速精准确定牛只身份对于牛只活体贷款,改善牛只骗保等问题具有重要意义。针对不同牛只面部差异小,FaceNet网络层数深,推理速度较慢,模型分类精度不足等问题,该研究提出了基于FaceNet的牛脸识别方法-VanillaFaceNet。该方法首先将FaceNet的主干特征提取网络替换为极简网络VanillaNet-13并提出动态激活和增强型线性变换的激活函数两种方法提高网络的非线性;然后,提出一种新的DBCA(dual-branch coordinate attention)注意力模块,能够更好地反映不同牛只面部特征之间的差异,从而提高网络的识别精度;最后,针对triplet loss仅能减小牛只类间差异的问题,采用center-triplet loss联合监督来减少牛只类内差异,从而提高了相同牛只身份比对的准确性。基于自建的牛脸数据集对该模型进行训练和测试,试验结果表明,VanillaFaceNet对牛只识别的准确率达到88.21%,每秒传输帧数为26.23帧。与FaceNet、MobileFaceNet、CenterFace、CosFace和ArcFace算法相比,本文算法的识别准确率分别提高了2.99、9.58、6.26、3.85和4.49个百分点,推理速度分别提升了2.67、0.77、0.10、1.28和0.94帧/s。该模型对牛只有较为优秀的识别效果,适于在嵌入式设备上部署,实现了牛只面部识别精度和推理速度之间的平衡。

基于双流生成对抗网络数据增强的风电机组智能故障诊断

针对实际工况下风电机组故障数据难以获取,现有数据增强方法对1维数据特征提取效果不佳的问题,提出一种基于双流生成对抗网络(DSGAN)的小样本智能故障诊断方法。设计了一种新的双流网络,通过深度特征提取流与时间特征提取流对风电机组故障数据进行深度与时间双特征提取。提出一种全局特征引导的自适应加权融合(GFG-AWF)模块对提取的双特征进行融合,并通过引入对抗生成思想,设计DSGAN完成小样本数据的增强。构建基于增强数据集辅助的双流诊断网络实现故障分类识别。利用轴承试验台数据与实际风电机组运行数据对所提方法进行了验证,最终诊断准确率达到98%,表明所提方法可以有效解决小样本的故障诊断问题。

基于矩阵变换器的飞轮储能模型预测控制策略

飞轮储能系统常用的背靠背变换器中间存在直流环节及电解电容,使得变换器体积庞大,而且直流环节电解电容器会带来直流电压控制、寿命和维护成本等问题。针对上述问题,采用矩阵变换器作为飞轮储能系统的控制变换器,有效地融入了矩阵变换器的优势,避免了背靠背变流器中直流环节及电解电容带来的问题。在分析储能系统工作原理的基础上,考虑到矩阵变换器电压传输比的限制,通过理论计算得出基于矩阵变换器的飞轮储能系统的运行范围。通过理论分析得到了飞轮储能系统功率与飞轮转速的关系,然后利用转速外环电流内环的双闭环控制方式实现对飞轮储能系统的控制。电流内环采用模型预测控制策略对矩阵变换器进行控制,从而实现飞轮储能系统的充放电控制。Matlab/Simulink中的仿真结果验证了运行范围分析的准确性和所提控制策略的有效性.

一种场景自适应的双分支牛脸高效识别算法

随着智慧牧业的高速发展,牛脸识别已成为牛场智能化养殖的关键,但牛场养殖环境复杂且动物的自主能动性差,导致牛脸数据采集与识别过程会受到模糊、遮挡和光照等环境因素的严重干扰.针对此问题,提出一种复杂场景自适应选择双分支牛脸高效识别算法.该算法首先设计了基于像素融合的数据增强策略,通过Beta分布计算融合系数,将牛的左右脸图像按融合系数进行像素级整合,在丰富样本特征信息同时,增强网络学习模糊和遮挡下的牛脸特征,提升网络对复杂场景的泛化能力;其次,在主干特征提取网络中引入一种新型注意力机制CDAA(Composite Dual-branch Adaptive Attention),可随着场景信息变换,自适应加强通道与空间注意力分支的权重,提高网络在复杂场景下的特征筛选能力;之后,设计FaceNet与U-LBP(Uniform Local Binary Patterns)结合的双分支特征提取结构,并将提取的特征向量实现自适应加权融合,增加网络在过亮或过暗环境下的鲁棒性;最后,在损失函数中加入改进交叉熵损失(Focal Loss),根据场景信息复杂度动态调控权重系数,实现对难易分类样本自主控制.为检测算法的有效性和实时性,在特定数据集上进行消融试验,与多种典型识别算法进行对比.实结果表明,提出的算法能很好满足实时性要求,在开集测试集上准确率达到87.53%,识别速度达到108帧/s,且在复杂场景下,识别效果均优于对比网络.

计及风电场的飞轮储能一次调频控制策略

随着新能源渗透率的提高,电力系统频率稳定性问题愈加严重。本文提出一种改进飞轮储能辅助风电场一次调频的控制策略,分析风储系统的频率特性和容量配置,风电场采用虚拟惯性控制参与一次调频。由于风电场的输出功率根据自然风速随机变化,可能会导致飞轮长期运行至较高或较低转速的状态,在风速骤变时甚至会引起飞轮转速越限。采用虚拟下垂控制结合模糊规则防止飞轮转速越限,从而弥补风电场在一次调频中的功率缺额。通过仿真分析及实验验证阶跃扰动和连续扰动的工况下的频率特性,得出改进控制策略在阶跃扰动和连续负荷扰动2种工况下最大频率偏差更小、响应速度更快的结论.

基于模糊卡尔曼滤波和改进滑模控制的风电场飞轮储能控制策略

在风电场并网点处配置一定容量的飞轮储能装置(FESS)可以有效平滑并网功率,提高风电场的电网友好性。为提高FESS的功率响应速度,增强对风电功率波动的平抑效果,同时避免在功率波动太大时储能过充/过放,文章提出了一种基于模糊卡尔曼滤波和改进滑模控制(SMC)的飞轮储能控制策略。根据FESS的实时转速和功率自适应调节卡尔曼增益,将滤波结果与风电场实际输出功率的差值作为滑模控制器的输入,实现对飞轮储能的功率控制。仿真结果表明,文章提出的控制策略具有较好的动态响应特性,可以有效平滑风电功率,使其满足并网要求,在平滑过程中保证飞轮转速在限定范围内,有利于延长FESS的使用寿命。

基于直接转矩控制的双矢量直接电压模型预测控制策略

模型预测控制(Model predictive control,MPC)是目前电力电子领域研究较为广泛的一种控制策略,不需要调制环节,具有动态响应快、容易实现多目标灵活控制、简单且容易实施等特点。但是这种控制方法由于存在循环寻优的计算过程,算法计算量较大且对控制器的要求较高,不利于实际应用。参考直接转矩控制思想,提出一种双矢量直接电压模型预测控制(Double vector based-direct voltage predictive control,2VB-DVPC)策略,这种控制方式利用查表法省去繁琐的循环寻优计算过程,减少了控制算法的计算量。在Matlab/Simulink仿真平台上搭建传统MPC与2VB-DVPC的仿真模型进行仿真对比,仿真结果验证了所提2VB-DVPC控制策略在保证动稳态性能的情况下,能够有效减少算法的计算量,并且能够固定平均开关频率,降低了谐波滤除的难度。

MOFs基固体电解质在钠离子电池中的应用进展

传统钠离子电池常使用液体有机电解质,存在热失控等安全问题。而固态电解质具有高安全性和高能量密度,因而成为下一代储能设备材料最有潜力的候选者。金属有机骨架(MOFs)由金属节点和有机连接器构成,具有高孔隙率、高比表面积和有序孔道,是设计快速离子导电材料的一个很有前途的结构平台。基于MOFs结构的多样性和可修饰性,介绍几种导钠离子MOFs基固体电解质的研究设计,包括引入掺杂相应阴离子钠盐的离子液体或有机溶剂、钠化处理、枝接与电解质离子相互作用的官能团和与聚合物复合的杂化材料。

飞轮储能阵列系统协调控制方法综述

因受材料、成本和技术等因素制约,提高单个飞轮储能装置的容量较为困难,难以满足长时间大功率的需求。对此提出使用飞轮阵列来提高飞轮系统的总储能容量,进而降低装置的研发和生产成本。对于飞轮阵列储能系统,研究各储能单元协调控制、相互配合的控制策略是实现阵列高效、安全运行的解决方案。从飞轮储能阵列系统拓扑结构、协调控制策略及协调控制算法进行全面的综述。从飞轮储能阵列不同并网拓扑结构出发,探讨了适用于直流母线并联和交流母线并联对应的功率分配控制策略;随后以飞轮储能阵列并行接入电网为切入点,分别对集中式、主从式与分布式协调控制算法进行比较研究和归纳总结,重点评述了分布式一致性算法优势,并在此基础上进一步总结基于智能算法高效率求解的功率分配控制策略。最后,指出了飞轮储能阵列系统并网运行协调控制面临的挑战。

储能系统的参数自适应改进VDCM控制策略

在独立运行直流微电网中,由于接入大量电力电子变换装置,系统惯性较低,阻尼较小,系统稳定性较差,同时,新能源和负载的功率波动将引起母线电压波动,严重时会影响直流微电网的稳定运行。为增强系统惯性,本文研究基于参数自适应改进虚拟直流电机(virtual DC motor,VDCM)控制策略,提升母线电压暂态稳定性。介绍虚拟直流电机控制原理,建立储能控制系统的小信号模型,深入分析虚拟转动惯量、阻尼系数和电压调节器比例、积分参数对系统稳定性影响,以及母线电压波动过程中各波动阶段对参数大小的需求。在此基础上,建立虚拟转动惯量、比例系数和积分系数与母线电压偏差的函数关系式。根据电压偏差动态调节VDCM和电压调节器参数,缩短电压的扰动恢复时间的同时减小电压波动。通过搭建的RTDS和RCP硬件在环实验系统,验证所提控制策略的正确性与可行性。

多尺度分解下GRU-TCN集成的动力电池剩余使用寿命预测方法

精准预测动力电池的剩余使用寿命(remaining useful life,RUL)能够提前规避因电池过度使用带来的风险,为退役电池的二次利用提供决策依据,提升电池第二寿命的利用率。为了降低动力电池RUL预测任务中噪声和容量回升现象导致的非线性特征对RUL预测精度的影响,提出了一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)、门控循环单元网络(gated recurrent unit,GRU)和时序卷积网络(temporal convolutional networks,TCN)集成的动力电池RUL预测模型。首先,使用EEMD对原始数据进行分解,动力电池容量衰退过程中由噪声和容量回升现象导致的非线性特征被分解到高频分量,而原始容量数据的主要趋势被分解到低频分量。其次,再使用GRU和TCN网络分别对高频分量和低频分量进行预测。最后,使用Attention对预测结果进行集成。在NASA数据集上的实验结果表明,本工作提出的集成模型的预测精度和对非线性特征的拟合程度都优于其他单一模型和其他同类型模型,最大平均绝对误差和最大均方根误差分别在0.52%和0.74%内,绝对误差在1个循环周期内,证明本模型有较好的RUL预测能力。

基于自适应电流分配算法的SOC均衡控制

为解决直流微电网独立运行下并联运行的多组储能单元荷电状态(SOC)均衡问题,提出了分段自适应电流分配算法。当SOC偏差较大时,控制储能单元以最大可能电流充放电,加快SOC均衡速度;当SOC偏差较小时,储能单元间充放电流分配系数按SOC的n次指数形式自适应调节,使储能单元的SOC快速、准确地达到均衡一致。最后,搭建了硬件在环实验平台,实验结果验证了所提算法的正确性与可行性。

基于激光雷达的牧场巡检机器人定位与建图算法设计

针对牧场巡检机器人定位精度和鲁棒性低、建图精度和稳定性差的问题,提出一种基于激光雷达测距和测绘技术与改进LOAM-SLAM算法的LOM-SLAM算法。LOM-SLAM算法在LOAM-SLAM算法的基础上将SLAM分解为运动估计和地图构建两个过程,利用激光雷达的高精度测距和测绘技术,实现同时进行机器人的定位和地图构建,从而提高定位与建图的精度,提高鲁棒性和稳定性。将LOM-SLAM搭载在麦轮结构的巡检机器人上进行试验验证。结果表明:在位姿估计试验中,LOM-SLAM算法的绝对轨迹误差(ATE)和相对位姿误差(RPE)的RMSE值分别仅为7.28 m和2.23 m,均低于对比算法。在定位与建图试验中,当巡检机器人分别以0.2 m/s、0.5 m/s、1 m/s的速度运动时,LOM-SLAM的定位误差分别为0.12 m、1 m、1.2 m,具有更好的定位精度和稳健性。

基于自适应注意力机制的复杂场景下牛脸检测算法

牛面部检测与识别是牛场智能化养殖的关键,但由于牧场养殖环境的复杂性,牛脸检测会受到模糊、逆光和遮挡3种常见环境因素的严重干扰。针对此问题,该研究提出一种复杂场景下基于自适应注意力机制的牛脸检测算法,该算法首先针对3种干扰因素分别设计了评价指标,并将3种不同类型的评价指标通过模糊隶属度函数进行归一化,并确定自适应权重系数,真实反映目标所处场景的复杂性;之后,基于YOLOV7-tiny在主干特征提取网络引入一种注意力机制CDAA(composite dual-branch adaptive attention),设计通道和空间注意力并行结构,并融合自适应权重系数,有效加强相应注意力分支的权重,提高网络在复杂场景下的特征提取能力,解决复杂场景下网络检测精度差的问题;最后,将图像场景评价指标引入损失函数,对大尺度网格损失函数的权重进行自适应调整,使网络在训练过程中更专注于数量较多的小型目标,从而提升网络整体的检测精度。为检测算法的有效性和实时性,在特定数据集上进行消融试验,并与多种经典检测算法进行对比,并移植至Jetson Xavier NX平台测试。测试结果表明,该算法检测精度达到89.58%,相较于原YOLOV7-tiny网络,牛脸检测精度提高了7.34个百分点。检测速度达到62帧/s,在检测速度几乎不损失的条件下,检测效果优于原网络与对比网络。研究结果可为复杂场景下的牛脸高效检测提供参考。

基于虚拟直流电机参数优化的混合储能控制策略研究

为提高独立运行风光储直流微电网系统惯性与阻尼,针对负载、风/光功率波动引起的母线电压波动问题研究基于虚拟直流电机(VDCM)的改进混合储能控制策略。推导混合储能系统的小信号模型,分析VDCM参数对系统的动态性能影响,并给出VDCM参数的合理取值范围。针对传统VDCM控制下参数选取模糊的问题,设计VDCM参数优化控制,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)对VDCM参数进行优化,在简化混合储能系统控制的同时解决传统VDCM控制参数选择模糊的问题。研究超级电容端电压自恢复控制策略,使超级电容端电压在系统发生功率波动后能够及时恢复至初始给定值,在保证混合储能合理功率分配的基础上,增强系统惯性,同时防止超级电容的过充和过放。对上述控制策略进行仿真研究,并且搭建基于实时数字仿真系统(RTDS)与快速控制原型(RCP)的硬件在环实验平台进行实验,验证控制策略的正确性与有效性。