面向光伏集群的配电网模型⁃数据联合驱动无功/电压控制

传统配电网的无功/电压控制(VVC)方法,难以兼顾控制决策的全局最优性与实时响应能力,分布式光伏(DPV)的分散化、高比例并网导致该矛盾日益突出。结合模型优化的寻优能力与深度强化学习的在线决策效率,提出了面向光伏(PV)集群的配电网模型-数据联合驱动VVC策略。首先,考虑日前优化调度与日内实时控制的运行特征,结合DPV集群划分,构建了配电网分布式两阶段VVC框架;然后,以系统运行网损最低为目标,建立了配电网分布式日前VVC模型,并提出了基于Nesterov加速梯度的分布式求解算法;其次,以日前决策为输入量,建立了基于部分可观马尔可夫博弈的配电网实时VVC模型,并提出了基于迭代终止惩罚函数的改进多智能体深度确定性策略梯度算法;最后,基于MATLAB/PyCharm软件平台进行了算例分析,验证了所提方法的全局趋优性以及实时响应能力,提高了PV高比例接入配电网运行的经济性和安全性。

融合多源异构气象数据的光伏功率预测模型

高精度光伏功率预测对提高电力系统运行效率具有重要意义。光伏功率受多种因素影响,其中云层的变化是最主要的不确定因素。传统光伏功率预测方法没有充分考虑云的3维结构和气象要素对光伏功率的影响。因此,该文提出一种融合多源异构气象数据的多源变量光伏功率预测模型(MPPM)。MPPM的核心包括时空条件扩散模型(STCDM)、注意力堆叠LSTM网络(ASLSTM)和多维特征融合模块(MFFM)。STCDM模型通过对2维卫星云图进行精确预测,消除了云层边界处的模糊现象。ASLSTM模型则提取了3维天气研究与预报模式(WRF)气象要素特征。MFFM模块将2维卫星云图特征和3维WRF气象要素特征进行融合,以得到未来1 h光伏功率预测结果。该文分别利用STCDM模型和MPPM模型开展卫星云图预测实验和光伏功率预测实验。实验结果显示,STCDM模型预测1 h内卫星云图的结构相似性指数(SSIM)达到0.914,MPPM模型预测1 h内光伏功率的相关系数(CORR)达到0.949,优于所有对比算法。

考虑光储协调的配电网多阶段就地-分布式电压控制策略

针对高渗透率光伏并网点附近线路的电压越限问题,基于对含分布式电源配电网的功率调压原理的分析,提出了考虑光储协调的多阶段电压控制方法。采用切比雪夫多项式滤波方法改进基于一致性原理迭代的分布式控制方式,有效加快了分布式控制的收敛速度;提出了多阶段就地-分布式电压控制策略,包括光伏逆变器就地无功补偿的阶段Ⅰ调压、全网光伏逆变器分布式无功调节的阶段Ⅱ调压、全网储能一致性分布式有功调节的阶段Ⅲ调压。以改进的某实际55节点中压配电系统为算例进行仿真,验证了所提多阶段就地-分布式电压控制策略的有效性和优越性。

结合太阳辐射量计算与CNN-LSTM组合的光伏功率预测方法研究

为了提高模型预测性能,提出一种综合太阳辐射模型及深度学习的光伏功率预测模型。首先,利用太阳辐射机理建立太阳辐射模型(SRM),估算出水平面上总辐射值,再由斜面辐照度转换方法计算出光伏组件所接收的斜面辐射值。其次,通过皮尔逊相关分析法筛选出对光伏功率影响较大的主要因素,将斜面辐射计算值及主要影响因素作为输入,采用卷积神经网络(CNN)和长短期记忆网络(LSTM)建立光伏功率SRM-CNN-LSTM预测模型。分别利用春夏秋冬四季典型日的数据开展对比实验,结果表明:与几种其他方法相比,该文方法具有更好的预测效果。

基于IPOA的太阳电池模型参数辨识

太阳电池模型参数的准确辨识对光伏组件功率预测和最大功率点追踪有较大影响,必须保证较高的辨识精度。传统的智能算法能做到一定程度上的参数辨识,但均存在精度不足、收敛速度慢、易陷入局部最优等问题。针对此类问题,提出基于改进鹈鹕优化算法(IPOA)的太阳电池模型参数辨识方法。该算法中种群个体联系紧密,通过随机性的互相学习进行位置更新,在工程应用领域有着较传统算法更好的效果。同时,针对该算法特点,引入基于Jaya算法的位置更新策略,使种群的候选解更趋向最优解;改进了递减因子,使模型在迭代中后期寻优效果更好。增加了莱维飞行策略,有效提高了算法精度。在不同的太阳辐照度条件下,IPOA都有较好效果,辨识结果与实际曲线拟合度高,表明IPOA能在不同环境中对太阳电池模型参数进行准确有效辨识。

考虑氢能应用的光伏直流微电网中储能容量配置寻优方法研究

针对光伏出力的间歇性与不稳定性,使得单纯依赖蓄电池进行能量平抑和调节,难以满足微电网持续稳定运行的需求,提出考虑氢能应用的光伏直流微电网中储能容量配置寻优方法。考虑氢能在光伏直流微电网中的应用,对光伏电池、蓄电池以及电解槽—储氢罐—燃料电池建模分析。根据建模分析结果,设计功率平抑控制策略与混合储能充放电管理策略。将最大化年净利润与光伏自消纳率作为优化目标,建立储能容量配置优化模型,获得储能容量最优配置结果。实验结果表明,应用所提方法后,光伏直流微电网的功率偏移率实现了显著的降低,调峰能力得到了有效优化,并且调度后微电网的自平衡率大幅提升,表明该方法具有良好的容量配置效果。

基于改进黏菌算法的光伏多峰值MPPT控制

针对传统最大功率点跟踪技术在局部遮阴等天气条件下存在无法追踪到全局最大功率点的问题,提出一种基于改进黏菌算法的MPPT控制。首先,对太阳电池模型及多峰值特性进行分析;其次,在黏菌算法中引入领导者策略和基于最优个体的凸透镜反向学习策略,在提高算法计算精度、收敛速度的同时克服了算法易“早熟”现象;最后,根据光伏阵列最大功率输出特性分别确定算法优化模型、初始化位置及重启机制。仿真与实验结果表明:基于改进黏菌算法的MPPT控制能快速、准确地跟踪到全局最大功率点,有效规避陷入局部最优问题,提高了光伏系统的转换效率。

改进黑猩猩算法的光伏发电功率短期预测

针对晴空、非晴空条件下光伏出力预测精度不高等问题,提出一种改进K均值(K-means++)算法和黑猩猩优化算法CHOA(chimpanzee optimization algorithm)相结合,优化最小二乘支持向量机LSSVM(least squares support vector machine)的模型,进行光伏功率预测。首先,利用密度聚类和混合评价函数改进K-means++对原始数据进行自适应类别划分。其次,通过相关性分析和随机森林特征提取构建模型的输入特征集。最后,根据特征集建立基于DK-PCHOA-LSSVM的短期光伏发电预测模型。结合实际算例,结果表明:该模型在恶劣天气下预测精度明显优于其他模型,验证了其有效性和优越性。

太阳能光伏发电技术发展现状与前景

太阳能光伏发电技术综合了半导体材料、电力电子技术、现代控制技术、蓄电池技术和电力工程技术,已成为当前新能源发电领域备受研究关注的综合性技术,具有发电过程简单、电能供应稳定、使用范围广、清洁无污染等优点的太阳能光伏发电技术。在当前绿色能源背景下,太阳能光伏发电技术在我国取得了长足发展,重要性日益凸显。介绍光伏发电基本原理、常见技术,阐述国内外现有光伏发电技术现状,探讨光伏发电技术应用,展望光伏发电技术的发展方向。

考虑保供电需求的光储微电网优化配置及电能质量评估

针对用户日益迫切的保供电需求以及光伏出力与负荷用电的随机性、波动性引发的电能质量的问题,建立了考虑保供电需求的光储微电网双层优化模型,并对规划配置的微电网电能质量进行评估。该模型以等效净负荷标准差和弃光率最小为上层优化目标,以微电网有功功率损耗最小为下层优化目标,以储能满足保供电负荷的保供电需求作为附加约束条件,采用遗传算法求解。然后设计源、网、荷三类指标,采用组合赋权法确定各指标权重,实现对微电网电能质量的综合评估。最后以改进的IEEE-33系统验证了所提模型的有效性。结果表明考虑保供电需求后能够提高微电网电能质量,并在一定范围内保供电负荷越大时越能提高微电网电能质量和用户满意度。

基于SSA-ELM神经网络控制器的光伏MPPT方法

光伏电池板所处环境的非线性变化使得光伏电池的功率保持在最大功率点(maximum power point,MPP)非常困难。传统的最大功率点跟踪(maximum power point tracking,MPPT)方法普遍存在技术缺陷,无法满足当前需求。针对光伏发电MPPT问题,该文提出了一种基于麻雀搜索算法优化的极限学习机(sparrow search algorithm-extreme learning machine,SSA-ELM)神经网络控制器的MPPT方法。与传统技术相比,该MPPT方法在稳定性、速度、超调和MPP的振荡等方面的效果均较好。使用MATLAB/Simulink平台进行仿真实验,验证了所提控制策略及理论分析的正确性。

基于聚类的HPO-BILSTM光伏功率短期预测

考虑到光伏发电功率在不同天气类型下的波动性和不确定性,对此提出一种基于模糊C均值聚类算法(FCM)和猎食者优化算法(HPO)优化双向长短期记忆网络(BILSTM)的光伏发电短期功率预测模型。首先对光伏发电数据进行处理和分析,再进行主成分分析(PCA)降维和FCM聚类算法将数据按天气类型分为阴、晴、雨;最后通过HPO筛选得出BILSTM神经网络的最佳超参数,避免因超参数设置不佳对实验带来的影响,进一步提高实验的准确性和模型的泛化能力。最后通过预测和对比实验进行分析,验证所提方法的优越性。

改进蜣螂算法优化LSTM的光伏阵列故障诊断

为提高光伏阵列故障诊断精度,提出一种基于变分模态分解VMD(variational mode decomposition)和改进蜣螂算法IDBO(improved dung beetle optimizer)优化长短期记忆LSTM(long short-term memory)网络的光伏阵列故障诊断方法。首先,针对蜣螂算法DBO(dung beetle optimizer)收敛精度低且易陷入局部最优的问题,提出一种融合Levy飞行策略、T分布扰动策略及多种群机制的IDBO算法,通过与DBO、麻雀搜索算法、鲸鱼优化算法寻优测试对比,证明IDBO算法的优越性,再与LSTM结合搭建IDBO-LSTM故障诊断模型。其次,为充分挖掘故障特征,利用VMD提取故障数据多个层面的特征分量,作为IDBO-LSTM模型输入量。最后,实验对比结果表明,该方法的故障诊断准确率达到98.34%,优于其他5种模型,证明了所提方法的可行性及优越性。

基于改进灰狼优化算法的含光伏配电网动态无功优化

针对光伏并网对配电网造成的电压波动、线损增加,以及光伏和负荷出力的不确定性等问题,本文构建基于二阶锥规划的线性凸优化模型,通过控制有载调压变压器和电容器组动作,以及光伏逆变器和静止无功发生器无功补偿能力约束,对日前日内双时间尺度无功优化模型进行动态分析,在简化求解过程的同时加大找到全局最优解的可能性。提出一种基于混沌学习初始化、非线性收敛因子、最优粒子柯西扰动结合蜘蛛猴算法位置更新方式的改进灰狼优化算法,防止算法陷入局部最优并增强其全局搜索能力。最后,运用改进的灰狼优化算法对含光伏的IEEE 33节点系统进行建模仿真,结果表明该算法具有寻优效率高、收敛速度快的优点,验证了算法的可行性和高效性。

基于混合算法的多峰值MPPT控制

针对光照不均匀时光伏阵列输出呈现非线性、多峰值的问题,提出一种基于自然选择粒子群(SelPSO)算法结合电导增量法(INC)的多峰值最大功率点追踪(MPPT)算法。SelPSO算法通过淘汰和替换迭代过程中适应度低的粒子,更快、更准确地完成对全局最大值点的搜索;使用INC进行局部跟踪,有效减少寻优过程中的功率振荡,达到最大功率点跟踪的目的。利用MATLAB/Simulink进行仿真试验。结果表明:与INC相比,SelPSO算法的功率振荡由12 W降至0.05 W;与PSO算法相比,跟踪时间由0.15 s缩短至0.07 s。该混合算法在复杂环境下具有较优的跟踪速度、收敛精度以及较低的功率波动。

“光储直柔”建筑配电系统应用研究

以某项目为例分析“光储直柔”在建筑物中的应用,并对“光储直柔”系统的应用场景、建筑直流配电系统的关注点及“光储直柔”系统关键设备进行阐述。

基于时空关联特征与B-LSTM模型的分布式光伏功率区间预测

提出一种基于时空关联特征与贝叶斯-长短期记忆神经网络(bayesian long short-term memory,B-LSTM)模型的分布式光伏功率区间预测方法。以长短期记忆神经网络(long short-term memory,LSTM)为基础构建近似贝叶斯神经网络,建立考虑时空关联特征的B-LSTM模型,利用其强大的记忆能力和特征提取不同特征尺度的模态分量,并进行分布式光伏功率区间预测。以某地区实际分布式光伏数据集进行算例分析,验证了所提方法的优越性。

含分布式电源及储能系统的配电网最优配置研究

针对大量分布式电源与储能系统接入电网,为有效对配电网系统进行配置、实现其优化经济运行,提出了配电系统中电池储能系统和分布式发电机的最优配置方法,建立混合整数非线性规划模型并采用规划-运行分解方法进行求解。采用一种定义邻域结构的模拟退火算法,提出分解方法来求解储能系统运行状态问题,以较低计算量来保证近全局最优解。最后,在一个包含230个节点的中低压配电系统上测试了所提出的规划-运行分解方法,利用规划-运行方法进行配置。结果表明,同时接入储能系统和分布式发电并进行合适的配置,其收益较高,虽成本也有所增加,但具有长期收益。同时验证了配置方法的有效性和可行性。

基于D-分割法的直流变换器遗传自抗扰控制器设计

针对光伏发电系统中DC-DC变换器由于负载和工作环境条件变化等扰动引起的输出波动问题,提出一种基于D-分割法的直流变换器遗传自抗扰控制器(ADRC)设计方法。该方法适用于设计光伏发电领域中的双向DC-DC变换器,采用D-分割法获得满足闭环系统鲁棒稳定的ADRC控制器参数范围;利用具有全局寻优能力的遗传算法,按综合性能指标在该范围内进行参数寻优。实验结果表明,所提基于D-分割法的直流变换器遗传自抗扰控制器设计方法能有效抑制微网母线侧的电压波动和负载突变,提高控制器的鲁棒性,增强光伏发电系统的动态响应性能和抗干扰能力。

光伏出力序列场景生成新方法

面向更精准的中长期电力电量平衡校验,提出横纵向融合及人为指定持续极端日的光伏出力场景生成新方法。首先,依据日辐照度特征指标及聚类把历史数据划分为多个极端日和多个典型日;然后,利用马氏链生成下一个月横向辐照度日类型序列及特征指标序列的基础上,提出基于日类型出现概率及日类型允许转换矩阵的辐照度日类型序列生成方法,生成下一个月纵向日类型序列及特征指标序列,并将横纵向数据进行融合;最后,基于优化方法及光电转化模型生成月度光伏出力场景,并在此基础上提出人为指定持续极端日光伏出力序列场景生成方法。算例表明所提算法能更好地为运行调度提供参考。