基于LSTM光伏发电功率超短期预测模型研究

精准地预测光伏发电功率有利于保证电网的稳定运行。采集了江苏常熟某75 MW光伏电站和山西大同某100 MW电站数据,利用相关系数法对影响光伏电站输出功率的因素进行分析。搭建了长短期记忆神经网络(LSTM)功率预测模型,对两个电站的输出功率进行预测。为验证LSTM模型和同一算法下不同电站的功率预测精度,使用循环神经网络(RNN)算法和前馈神经网络(BP)算法搭建预测模型,并与LSTM算法进行对比分析,通过模型评价指标平均绝对误差(MAE)、均方根误差(RMSE)及决定系数R2,对三种模型之间的误差值进行比较,结果表明采用LSTM算法预测模型精度更高,且不同电站采用同一网络模型时,电站输出功率和气象数据的相关系数值越大,模型的功率预测值更加贴近实际值。

基于回热加热器变工况的机组热经济性通用数学模型

针对火电厂的回热系统,考虑外部热量引入时回热加热器变工况运行的影响,以汽轮机的功率方程、热力系统的热平衡方程、锅炉循环吸热方程为基础,经过严格的数学推导,导出纯热量引入回热系统时功率变化和吸热量变化的通用计算公式。以N300-16.5/550/550机组为例,计算在各级加热器引入1 k J/kg纯热量的机组经济性变化,并与详细计算和等效焓降法计算的结果相比较,结果表明:和等效焓降法相比,在做功增量方面,除了一号加热器和除氧器,本方法计算的结果相对偏大,在吸热量方面也存在不同;而与详细计算的结果几乎一致,验证了本方法的正确性。

基于云平台的光伏电站能量流测试系统的设计与应用

近年来,光伏发电装机容量不断增加,随着光伏发电平价上网时代的来临,光伏电站的盈利空间被压缩,如何提高光伏电站发电性能成为运维人员关心的头等大事,因此光伏电站发电性能测试方法的便利性和客观性成为一个突出问题。提出一种光伏电站发电性能测试方法,是一种基于云平台的能量流测试方法,基于此测试方法设计了一种新型测试系统,并在山西省运城市某90 MW光伏电站进行了实际测试应用。通过对测试数据的深入分析,本测试系统可以定位光伏方阵中低效率光伏组串的位置,进而可对低效率光伏组串进行故障诊断和低效率分析,并最终定位故障类型,取得了满意的效果。本测试系统在同步性、准确性、连续性、拓展性等方面均具有突出的优越性,能连续实时采集数据,得出的测试数据详细、全面,同时云平台的应用减少了现场测试人员的工作量,大幅提高了测试效率,降低了测试成本,本测试系统的应用具有很高的经济效益和社会效益,具有一定的推广性。

一种基于BP神经网络的光伏阵列故障诊断方法

光伏阵列处于恶劣的室外环境,容易发生诸如异常老化、短路和阴影遮蔽等故障。为了解决这个问题,本文提出了一种基于BP神经网络的光伏阵列故障诊断模型。通过光伏阵列的建模研究了不同故障下光伏阵列四个特征参数的变化规律,并将结果与基于L-M算法的BP神经网络相结合,最终得到用于光伏阵列故障诊断的模型。结果表明,该模型能够识别光伏阵列异常老化、短路和阴影遮蔽三种故障,为光伏电站故障诊断提供了参考。

兆瓦级风电机组液压系统的优化设计

以减少液压系统油压损耗为方向,以电磁阀控制为方式,通过对偏航系统回路的硬件配置和电气控制进行了优化设计,通过分析该设计方案在经济性和安全性上有了极大的提升。

无人机红外热斑检测在光伏电站的应用

光伏电站热斑现象严重影响光伏系统的正常平稳运行,本文通过搭载红外热像仪的无人机对10MW屋顶光伏电站进行红外热斑检测的实例,对相关技术原理进行分析和探讨。

基于低温省煤器的回热系统最佳焓升分配研究

针对带有低温省煤器的N300机组,建立有大量外部热量引入时最佳焓升分配的数学模型,并利用遗传算法对焓升进行优化。结果表明:优化后的方案利用更多低参数抽汽节省了更多高参数的抽汽,相比于未优化的机组,煤耗降低了0.54 g,节能效果显著,因此对有大量外部热量引入的回热系统重新进行焓升分配是非常有必要的。