面向新工科的“电工电子学”多模态实验探索

为了顺应新工科学习趋势、增强师生的互动性和培养学生的自主学习创新能力,四川大学电工电子学课程组试行了基于互联网+的雨课堂ד雷实验”方式,选取少数几组学生,用雨课堂和A+D Lab实验装置相结合进行“电工电子学”多模态实验。实验方式较为灵活多变,能更好地调动学生的积极性、培养学生的创新性。

远程电工实验平台设计与开发

为满足疫情防控期间,学生居家远程学习和新型实验教学改革的需要,设计了一种基于Web的远程电工实验系统,该系统由客户端、服务端、上位机和下位机组成。客户端通过HTTP请求与服务器交互,通过服务器控制实验台完成电工实验,并实时查看远程操作实时视频。同时,系统采用LabVIEW NXG进行服务器与主机的通信,实现了实验页面的可视化和可操作性。实验表明:该系统拓展性强、页面简洁直观、支持多人同时操作,为现代化实验室构建了一种新型的远程实验平台。

基于光伏发电量预测的含氢储能微网分段优化调度

针对多储能微网如何高效、经济运行,搭建了基于光伏发电的含氢储能、蓄电池储能的微网系统,采用一种日前预测调度与日内实时调度相结合的分段调度策略。在日前预测调度阶段,采用基于麻雀搜索算法优化支持向量机模型提高对日前的光伏发电量和负荷预测的精度,以微网最小使用成本为目标,考虑系统运行的可靠性,采用改进粒子群算法制定微网的日前最优调度策略。在日内调度阶段,考虑氢储能系统的响应延迟特性,以蓄电池为灵活补充元件,制定实时调整微网运行策略,消除预测误差带来的影响。最后,结合实际算例分析,验证了分段优化调度的可行性。结果表明,提出的方法能够有效预测数据,减少微网调度的响应时间,提高系统运行的经济性和稳定性。

考虑SOC均衡的直流微网储能系统控制策略研究

在直流微电网中分布式储能系统起着稳定母线电压、维持系统功率平衡的关键作用。针对多个储能单元中荷电状态(SOC)不同会造成过充或者过放,从而影响系统稳定性的问题,提出一种改进SOC均衡下垂控制策略。首先,将储能装置的下垂系数与SOC嵌套反正切函数联系,充分利用反正切函数和幂函数的优点。其次引入变加速因子,在SOC差异较小时进一步加快均衡速度。同时,为了解决均衡过程中引起的母线电压偏差问题,在上述改进控制策略基础上增加二次电压补偿环节,使用一致性电压均衡器减少母线电压的波动。最后搭建了直流微网储能系统的仿真模型。仿真结果验证了所提控制策略可以动态实现SOC快速均衡,并有效维持了微网内功率平衡和母线电压稳定。

基于双重下垂控制的多储能直流微电网能量管理策略

直流微电网中的储能系统对于稳定母线电压、维持系统安全运行有着重要意义。传统下垂控制下,各储能单元线路阻抗的差异导致直流母线电压存在偏差且无法实现储能单元间功率的精确分配。为此,提出双重下垂控制,该算法采用两级下垂控制,改进后的一级下垂控制用于补偿线路阻抗造成的功率偏差,实现直流母线电压稳定;二级下垂控制实现同类型储能单元间的功率分配。在考虑母线电压波动幅度基础上,分析了储能单元变换器带下垂特性的功率电压曲线,研究了下垂系数的选取范围。建立该控制策略下的系统模型,通过根轨迹分析补偿因子、下垂系数、电压控制器以及电流控制器参数对系统稳定性的影响规律。最后,在MATLAB/Simulink上的仿真结果表明所提方法能实现同类储能单元的功率精确分配和稳定母线电压,且对系统单点故障具有较强鲁棒性。

基于变分模态和改进多元宇宙优化的短期风电功率预测

为提高风电功率预测精度,提出一种基于变分模态分解(variational mode decomposition,VMD)和改进多元宇宙算法(improved multiverse optimization,IMVO)优化极限学习机(extreme learning machine,ELM)的组合预测方法。首先借助VMD算法将原始风电数据分解为模态分量,并根据互信息熵划分为高、低频分量以简化数据。然后在传统多元宇宙算法基础上通过引入Tent混沌映射、指数型旅行距离率以及精英反向学习机制进行改进,并与ELM相结合得到IMVO-ELM预测模型。最后将高频、低频分量预测结果叠加,得到最终预测结果。仿真结果表明,IMVOELM模型预测精度、收敛速度对比ELM、MVO-ELM、PSO-ELM方法具有一定的优越性。且在借助VMD算法的数据预处理下,预测精度得到进一步提高,验证了所提组合预测方法的有效性。