面向电气工程学科的“大数据技术与应用”课程构建与教学实践

随着信息与数字技术的不断发展,大数据技术为电气学科带来了深远的影响,现有的电气工程本科人才培养中亟需补充大数据技术的相关知识。该文以清华大学电机系开设的“大数据技术及应用”课程为基础,总结面向电气工程学科的大数据课程的构建思路、教学实践与思考。综述大数据技术在电气工程领域的应用情况,提出面向电气工程的大数据教学的课程内容设计3大原则,构建“基础先导–机器学习模型与方法–电力系统应用–课程探索研究与展示”四阶段教学大纲。此外,课程在竞争性实验方面进行探索实践,培养学生的数据思维及解决电力系统实际问题的能力,通过引入实时反馈机制促进学生的持续思考与反复迭代。本课程希望通过大数据技术与电气工程学科前沿的教学探索,为我国高校电气类专业开设同类型课程提供有价值的参考。

数据驱动的三相配电网络拓扑与线路参数辨识

近年来,分布式电源、电动汽车、用户侧储能等大量接入配电网,对配电网的优化运行带来挑战。同时,分布式可再生能源的不确定性和用户用电差异性使得配电网三相处于不平衡的状态,对配电网安全经济运行提出了更高要求。然而,由于配电网中量测设备的限制,通常无法得到相角信息,难以有效辨识拓扑和参数信息。面对这些问题和挑战,该文提出无相角信息下数据驱动的三相配电网络拓扑与参数辨识方法。首先利用线性回归方法,得到无相位标签的拓扑和参数初值;然后以相关性为指标调整相序、拓扑以及参数;最后提出一种数据驱动的改进型Newton-Raphson法,得到精细的线路参数,恢复电压相角。通过爱尔兰真实负荷数据,在IEEE 34和123节点三相配电网中验证方法的收敛性和准确性。