基于任务驱动的《电气识图与制图》分组互助教学实践

针对《电气识图与制图》课程实践性强和工程性强的特点,灌输式传统教学模式中教师难以兼顾全体学生、教学内容缺乏行业实际项目支撑以及学生水平相差过大,“一刀切”教学可行性差等问题,对《电气识图与制图》课程实施基于任务驱动的分组互助教学模式,为《电气识图与制图》课程的教学模式提供新思路与新方法。相比于传统的教学模式来说,“分组互助”教学体现了以学生为本、以强带弱、整体联动的优势,符合新时代高等教育课程改革的要求,能更大地激发学生学习的兴趣,实现自主学习,大大提高学生的思维和动手能力,进而提高学生的识图及制图能力,对培养适应社会发展需求,具备解决复杂工程问题能力的应用型人才有一定的参考意义。

基于改进萤火虫算法的电力系统优化潮流仿真研究

针对标准萤火虫算法(Firefly Algorithm,FA)在求解电力系统优化潮流(OPF)问题上出现的早熟收敛和求解精度不高等问题,引入混沌优化和莱维飞行,形成了混沌莱维萤火虫优化算法(Chaotic Lévy Flightfirely Algorithm,CLFA)。对改进的CLFA算法进行了推导与分析,并将FA和CLFA两种算法对IEEE30节点测试系统进行电力系统优化潮流仿真,用实验证实算法的有效性。仿真结果表明:改进后的CLFA算法避免了早熟收敛,增强了局部搜索能力,提高了求解精度。算法的改进方式具有良好的创新性,学生可以自行开发不同的改进方式,改进后的算法更有利于进行后续的电力系统优化潮流问题研究。

基于改进萤火虫算法的多目标优化潮流仿真研究

针对电力系统多目标优化潮流(MOOPF)问题,结合基于约束优先的帕累托占优关系、非劣排序和拥挤距离计算,提出了约束优先非劣排序的多目标萤火虫算法(CNSFA),并根据模糊数学中的模糊隶属度选取最优折衷解。通过对IEEE30节点测试系统进行电力系统多目标优化潮流仿真测试以及与对比算法的比较可以看出:该算法在求解多目标优化潮流问题时,得到了分布性均匀和收敛性较强的帕累托解。