以技术为驱动——因代克斯贸易(上海)有限公司总经理Rainer Kehder先生年度专访

创建于1914年的因代克斯集团,如今和他的子公司特劳伯一起,在世界数控车床制造业位于领先地位。因代克斯和特劳伯,两个强大的品牌。这家位于埃斯林根的集团公司通过6个生产基地、5个国际销售和服务公司以及80个销售代理进行全球的销售及服务,源源不断地为世界各地的用户提供具有“德国制造”品质的产品以及完善的解决方案。因代克斯贸易(上海)有限公司是其在亚洲的销售服务子公司,提供因代克斯和特劳伯进口机床的服务,     

振荡筛筛分机理研究及其运动学仿真

将振荡理论引入振动筛,通过对振荡筛建立运动学方程式,分析了振荡筛筛面物料滑移和抛掷运动特点,并推导了振荡筛的正向和反向滑动相位角,以及其抛掷指数与抛离角的关系。运用ADAMS对振荡筛以及同结构的双轴直线振动筛进行建模和运动学仿真,对比分析发现振荡筛在筛分过程中质心位移小,减小了势能损耗,达到了节能效果。     

端塞式反向器的优化设计与研究

反向器的优劣直接影响到滚珠丝杠副的使用性能,而回珠曲线是影响滚珠丝杠副性能的关键因素。文中通过对反向器进行力学分析,得出一种新型的滚珠丝杠副反向器的回珠曲线,并对此设计曲线在ADAMS中进行仿真分析,对比分析优化前后端塞式滚珠丝杠副反向器的运动情况,结果表明优化后的多段圆弧式反向器与滚珠的碰撞力明显减小,大大提高了滚珠丝杠副反向器的流畅性。     

大规模新能源接入电网连锁故障预防控制策略研究

本文着眼于大规模新能源接入的电网连锁故障预防控制策略研究,在深入分析大规模新能源接入对电网连锁故障影响机理的基础上,提出了适应含大规模新能源的电网连锁故障预防控制策略。该控制策略采用直流灵敏度法甄选出高危线路,并计算出发电功率转移分布系数矩阵,继而采用反向等量配对法,根据发电功率转移分布系数调整发电机组的出力,使得高危线路的负载率得到有效下降,同时保证其他线路负载率维持在重载阈值以下,改善潮流分布,起到预防连锁故障发生的作用。最后通过甘肃酒泉地区电网的仿真分析,进一步揭示了大规模新能源接入对电网连锁故障的影响机理;验证了本文提出的连锁故障控制策略的有效性。     

基于IEC 61850的主动配电网故障自恢复多代理系统

鉴于分布式能源(DER)在电力系统中的渗透率不断上升,可孤岛运行的DER对配电网馈线故障及恢复供电有新的影响,为此提出一种基于IEC 61850的主动配电网(ADN)故障自恢复多代理系统(MAS)。该MAS由部署在馈线分段开关上的领导代理和馈线其他元件上的成员代理组成。重点基于IEC 61850的信息模型研究了自治区域代理之间的功能布局和通信流程,故障区域通过代理之间的通信与协商完成故障定位、隔离和供电恢复。MAS考虑了ADN架构和各区域负荷供电特性,并顾及与IEC 61850在ADN中的兼容性和适用性。仿真结果表明所提MAS满足ADN中各设备之间的互操作性和可配置性,确保ADN供电恢复的可靠性和安全性。     

变电站智能电子设备动态重构闭锁逻辑生成多代理系统

为保证变电站二次系统功能的完整和便于设备检修,智能电子设备(IED)动态重构技术逐渐得到关注。IED动态重构需要装载并解析IED配置描述(CID)文件,因管控主机保存的CID文件关联的是变电站设计时的系统结构,不能表征电力系统动态变化,为确保闭锁逻辑的正确性,需重新生成闭锁逻辑并更新相应的CID文件。利用多代理技术,管理动态重构管控主机、数据采集与监控(SCADA)主机、电力系统拓扑校验、变电站五防闭锁规则库生成软件等功能组件,构建多代理系统,完成电力系统拓扑校验和闭锁逻辑生成等任务的交互策略与协调流程,获得闭锁规则库更新CID文件,保证动态重构IED闭锁功能的正确性,能适应变电站的改造和升级,并提供更加灵活的闭锁规则管理。     

基于多代理系统的电动汽车协调充电策略

为最大化电力公司利益,设计了一种用于协调电动汽车充电的多代理系统,并在满足电动汽车车主充电需求及变压器容量限制的前提下,提出一种以负荷峰谷差最小为目标的分布式优化算法。利用分时电价算法初步优化后得到理想的充电时间区间,在充电区间内应用优化算法避免新的负荷尖峰,引入训练学习机制以使负荷曲线达到削峰填谷的效果。根据用户的驾驶习惯,采用蒙特卡洛方法模拟用户的充电需求,对电动汽车在无序充电、单次优化充电以及引入训练学习机制充电3种情况下的电网负荷进行了仿真分析。研究结果表明:单次优化可以避免负荷尖峰,但不能优化峰谷差;而引入训练学习机制后在减小峰谷差方面有显著作用,而且该分布式优化有更高的计算效率,适于实际应用。     

基于Q学习的微网二次频率在线自适应控制

由于包含微源的多样性及运行模式的多样性,微网的二次频率控制面临着系统参数不确定性的挑战。文中提出了在多代理(Agent)分层混合控制模型中嵌入一种基于Q学习的智能算法。首先,动态预测出微网系统实时二次调频功率缺额值。其次,同时考虑微网运行经济性和环境效益,并采用模糊化方法和粒子群优化算法实现二次调度功率的分配。最后,在C++Builder环境下搭建了包括不同微源的本地层Agent和具有不同控制功能的中央层Agent的微网混合能量管理仿真平台,结果证明了所提出的基于Q学习的微网二次频率自适应控制器可以自适应微网系统结构及其参数的动态变化,实现微网二次调频的智能控制。     

BP神经网络在三电平逆变器消谐中的应用

提出了应用反向传播(BP)神经网络消除中点箝位型三电平逆变器中的谐波技术。以消除5,7,11,13次谐波为例,在分析特定谐波消除脉宽调制(SHEPWM)技术原理的基础上,建立了用于求解开关角的BP神经网络模型,通过遗传算法以离线方式获取了测试样本,完成神经网络的训练。训练完成的BP神经网络根据给定调制度的大小,以非线性拟合的方式在线求解开关角。仿真和实验结果表明,该方法克服了传统数值法求解消谐方程时初值选择困难的情况,将离线计算和在线求解的方法相结合,可实现实时的开关角求解。     

基于Kriging代理模型的注塑件残余应力优化分析

以注塑成型制品中脱模后的最大Mises-Hencky残余应力为目标函数,运用基于Kriging代理模型及EI加点准则的序列优化方法,对聚碳酸酯材料制品进行了工艺参数(包括熔体温度、模具温度、注射速率、保压压力及保压时间)优化。算例结果表明,所提出方法可以有效地降低注塑件内的最大Mises-Hencky残余应力。在此基础上对充填阶段进行深入分析,用贝塞尔曲线控制方式代替常规的常速率充填控制方式,进一步降低了制件内的残余应力。