摘要：随着社会的不断进步与发展，工程教育的重要性逐步提高，同时工程教育毕业生理论与实践相结合能力不足的问题也越来越凸显。鉴于此，文章以电气工程及其自动化学科为例，采用定位学科相关领域前沿工程、明确工程教育教学内容以及建立“产学研”合作平台来改进工程教育的教学模式，以此进一步提升学生解决复杂工程问题的能力。
关键词：电气工程及其自动化；工程教育；教学模式；前沿工程；产学研
在推动电气工程技术的发展与工程问题的解决上，由电气工程及其自动化学科工程教育所培养的毕业生发挥了重要作用。电气工程学科旨在培养能进行电气技术方面综合开发和应用的高素质应用型人才[1-4]。该学科是一门实践性很强的学科[5-7]，为了解决电气生产与运行当中存在的复杂问题，以及提高电气工程学科学生的素质和水平，电气工程及其自动化学科工程教育应运而生。然而，随着我国电力工程的不断发展，在工程实际中，不仅电气生产与运行当中产生的问题变得越来越复杂和难以解决[8-10]，而且电气生产以及运行的技术门槛也在不断提高，这就对电气工程及自动化专业学生理论与实践相结合的能力提出更高的要求。因此，如何使工程教育培养的学生具有较强的理论与实践相结合的能力变得尤为关键[11-14]。在电气工程及其自动化工程教育培养的研究上，李昂等以课程为重点探讨了持续改进的措施，为培养学生的实践能力和创新意识作出了贡献，但创新培养不是工程教育的主要目的。电气工程及其自动化工程教育教学内容逐步与前沿技术相脱轨[15-18]，因此，有必要在教学内容上予以改进来提升工程教育培养质量。“产学研”是一个很好的培养模式[19-25]，相较于单纯在企实习以及在校学习，该模式能够让学生将在课堂上学习得到的理论知识更好地应用到企业生产实践当中，这不但能够提升学生对理论知识重要性的认识，而且能够让学生更好地接触并了解到更为复杂的实际生产问题，更好地提高学生理论与实践相结合的能力[26-30]。因此，为培养出具有较强理论与实践相结合能力的电气工程及其自动化工程教育毕业生，本文首先对电气工程领域的前沿工程进行了定位，并明确了教学内容，其次引领学生参与高校科研项目，教授前沿工程领域的最新技术，最后结合“产学研”培养方法来改进教学模式。
一、定位前沿工程，明确教学内容
风电是新能源发电领域的一个重要的方向。风电技术中应用了大量的电气工程及其自动化学科相关专业知识。相比于陆上风能，海上风能储量更大，分布更广，风速也更加持久稳定，风电场向深远海域扩展成为必然。全球新增风电装机容量逐年增长，然而，由于内陆以及近海风场的开发逐步趋于饱和，因此，风力发电有着逐渐从陆地走向海洋，从浅海走向深海域的趋势。风资源评估是风电场建设的基础性工作，其中风能资源的长期变化直接关系到风电开发的经济效益以及用电安全，而风能资源长期变化的本质是风速变化。因此，风速预测的精度不仅直接影响发电量的多少，而且影响国民生活和生产。可以预见，海上风电场能够高效、经济且稳定发电的关键就在于准确的风资源评估。本文以深远海域风资源评估前沿工程为例，将风速预测作为教学内容来开展教学与实践，以期为其他前沿工程的教学应用到电气工程及其自动化学科工程教育模式上提供参考。
二、参与科研，扎实理论
风资源评估是风电技术中的重要组成部分。目前，陆上与近海风电场的风资源评估精度不高，而深远海域风资源评估的偏差更大。这一方面是由电气工程及其自动化学科在风速预测技术上的落后而引起，另一方面是因为没有完全掌握哪种因素对风速预测影响较大而导致。为此，在工程教育的教学模式上，笔者结合电气工程及其自动化学科特点，通过让学生参与到深远海风资源评估的科研项目当中，使学生接触并学习到最新的人工智能算法与理论知识，同时开展教学实例的学习，来巩固学生的理论基础。
（一）风资源风能分布的实践
风能分布是评价风资源的一种重要指标，风能分布的情况可用于指导风力机的选型、设计以及风电场风力机的排布。准确地分析风能分布有助于更加科学地设计风电场，可使风电场保持电能输出，从而进一步提高受益，反之则会导致风电场效益下降与成本亏损的后果。图1为上海芦潮港地区2005年风速与风能分布情况。在课堂教学与科研中，对风能分布的知识进行讲授和让学生亲自使用相关软件以及方法得到结果，不但能够使学生深入了解并熟悉风速以及风能分布的理论知识，而且能够了解风能分布如何应用及该理论如何指导生产实践，同时又能让学生学习到该领域研究所使用的软件以及相关技能。这不仅能够激发学生的学习热情，还能让理论知识不再枯燥无味。
（二）风速预测技术的实践
风速预测是电气工程及其自动化学科的一个重要研究领域。风速预测技术不仅可为风资源评估提供参考，而且可以为电网稳定运行、风力机桨叶控制策略的制定提供支持，该技术的研究具有十分广阔的应用前景。然而，风速预测技术是一项较为不成熟的技术，同时，在风速预测准确度上，无论是学术界还是企业界的成果都不甚理想。近年来，随着人工智能的兴起，部分人工智能模型被应用于工程实践当中。因此，电气工程及其自动化学科的教学可围绕如何利用人工智能算法来解决风速预测精度不足的问题。图2为利用粒子群算法（ParticleSwarmOptimization，PSO）、布谷鸟算法（CuckooSearchAlgorithm，CSA）以及其改进的算法来优化神经网络后开展的风速预测曲线图。通过该科研内容与实例的教学，引起学生对风速预测技术的兴趣，这不仅可以让学生了解与熟悉专业领域内的最新技术，也可深入地培养学生在算法改进方面的创新思维，如此可为培养优秀的电气工程及其自动化学科工程教育毕业生打下坚实的基础。
三、“产学研”平台提升理论与实践结合能力
良好的理论是应用的基础，而“产学研”则是理论应用于实践的平台。让电气工程及其自动化学科的学生深入企业去熟悉与了解生产一线环境，通过将丰富的实践与良好的教学有机结合，去发现并解决存在的问题，这不仅可使企业不断攻克工程难题，也可锻炼学生理论与实践相结合的能力。在深远海域风力发电技术研究方面，通过与企业开展“产学研”合作，目前已培养了本学科两届毕业生，获得了用人单位的良好认可，培养期间发表多篇论文并申请专利2项，为企业解决了多项技术瓶颈问题。由此可见，学生理论与实践相结合的能力在通过“产学研”平台的锻炼后得到了有力提升。
四、结语
本文以电气工程及其自动化学科工程教育为例，通过“产学研”平台使得学生的能力得到了锻炼，主要结论如下。1.在理论学习方面，将人工智能引入到解决工程问题当中，并借助风能分布与风速预测两个内容的讲授与实例实践，一方面提高了学生的学习兴趣，另一方面锻炼了学生在各方面的技能，筑牢了学生在风电技术领域的理论基础。2.通过在“产学研”平台的锻炼，电气工程及其自动化学科的学生能够认识与了解到风资源评估在生产实际中存在的问题，在为企业解决实际复杂工程问题的同时培养了学生的动手实践能力。3.本文的教学模式切实提升了本学科学生理论与实践相结合的能力，不仅能为企业攻克技术难题提供一种合作途径，而且与工程教育培养目标一致，这可为其他学科在工程教育教学模式上进行改进提供参考。
作者：张建平 谢明 李海英 单位：上海理工大学
