计及DSTATCOM和并网逆变器协同的高比例分布式光伏配电网鲁棒控制策略

针对新型电力系统安全稳定运行过程中由于高比例分布式光伏接入配电网产生的电能质量问题,提出一种计及配电静止同步补偿器(distribution static compensator,DSTATCOM)和并网逆变器协同的高比例分布式光伏配电网鲁棒自适应控制策略。首先,建立DSTATCOM和并网逆变器的无功电压控制统一模型,以及计及系统出力及负荷随机性的配电网电压控制不确定系统模型;其次,采用灵敏度分析方法,考虑节点受其他分布式光伏注入功率的影响情况,并结合鲁棒H∞性能约束,设计DSTATCOM和并网逆变器的鲁棒电压控制策略;然后,计及分布式光伏的有功功率削减,构建鲁棒自适应控制策略;最后,搭建含DSTATCOM和高比例分布式光伏的IEEE 33节点系统模型进行仿真分析。结果表明,所提策略能够实现DSTATCOM和并网逆变器对配电网电压的协同控制,并具有较强的自适应能力。

考虑分布式光伏不确定性的输配电系统供电能力评估

输电断面供电能力计算是保证电力系统安全运行的基本任务。近年来,为加速实现“双碳”目标,分布式光伏海量分散接入各配电系统中,而各个配电系统又与输电系统紧密互联,成为规模巨大的输配一体系统。因此,在计算输电系统中各断面的供电能力时,有必要考虑光伏发电大量接入带来的不确定性,并降低其计算负担。为此提出一种考虑分布式光伏不确定性的输配电系统供电能力的评估方法,建立含分布式光伏的输配电系统供电能力计算模型,针对输配电系统规模大、约束复杂的特点,提出一种基于目标级联分析法的分布式求解算法,实现输配电系统解耦及上下层优化问题的并行独立求解。此外,在求解下层配电系统优化子问题时,采用列与约束生成算法将其分解后进行求解。所提方法既考虑了分布式光伏的不确定性,确保了配电系统的安全运行,还可以保持输电系统和配电系统之间的独立性。

计及纹波和谐波的M3C稳态特性建模与功率运行区间研究

明确模块化多电平矩阵变换器(M3C)的功率运行区间是制订运行方案的前提与基础,但由于M3C内部纹波和谐波特性建模困难,现有研究未能充分考虑它们对电气量峰值、有效值等指标的影响,导致计算结果不够精确。对此,提出面向M3C纹波和谐波耦合特性的dq域动态建模方法,并建立21维模型;进而,提出稳态运行点求解方法,并考虑网侧电流、调制比、桥臂电流有效值和子模块电容电压峰值约束,结合典型算例计算M3C功率运行区间;同时,针对电容电压峰值影响因素众多、计算困难的难题,提出近似计算方法;最后,提出拓展功率运行区间的建议。研究结果表明:所建模型具有较高精度;M3C的功率运行区间在重载时主要由网侧电流约束决定,在轻载时主要由子模块电容电压波动约束决定;抑制谐波环流有助于提升M3C功率运行区间;当M3C两侧无功功率较大且方向相反时功率运行区间下降。

基于改进FCM聚类的光伏电站出力场景特性研究

为提高新型电力系统的运行安全可靠性,需要对光伏电站的出力特性进行量化评估,并从高不确定性的众多发电场景中掌握光伏电站的运行规律。为此,基于场景聚类和缩减原理对光伏出力进行分析。首先提出光伏出力特性的评价指标,包括波动性和出力效率2个一级指标和相应的二级指标;然后采用模糊C均值(fuzzy C-means,FCM)聚类算法,基于密度思想和距离最大、最小原则确定初始聚类中心,通过不断迭代得到不同场景下光伏出力的聚类结果。考虑到传统聚类算法存在局部收敛性,难以确定最优聚类数目,提出结合聚类有效性指标来确定聚类最优数目,进而采用基于概率距离的前推回代法对得到的聚类结果进行场景削减,最终得到光伏电站季节典型出力场景。最后基于广东省某光伏电站实际出力数据进行分析,验证所提指标和算法的有效性。

最大面积安装屋顶光伏电站组件优化布置方法

针对现有屋顶光伏资源评估时,未考虑屋顶有限区域内光伏组件布置方式影响其实际可建设光伏容量的问题,提出考虑诸多约束条件下,以光伏组件最大安装面积为目标的屋顶可建设光伏容量计算方法。首先,从屋顶区域划分、光伏组件安装方式以及运维通道预留方案等方面讨论屋顶光伏组件建设的约束因素;其次,建立考虑屋顶边界约束、屋顶异物约束、辐射区域覆盖约束、运维通道约束等多种约束条件,以辐射区域覆盖程度最大为目标函数的光伏组件空间优化布置模型,进而计算屋顶可建设光伏容量;然后,从屋顶有效区域的覆盖率、光伏组件的利用率、平准化电力成本以及光伏组件效益4个方面,构建适用于光伏组件布置方案的评价指标,并采用熵权层次分析法完成对方案的评估及选择;最后,基于所设计的不同类型屋顶进行算例分析,验所提模型方法的有效性。

基于融合SIFT算法的光伏电站安监图像精准识别技术研究

随着我国“双碳”工作的不断推进,光伏电站的规模逐渐扩大。为解决光伏电站图像安防技术中存在的拍摄角度、光线影响大,识别准确率低的问题,提出了一种基于SIFT的光伏电站图像安防技术。通过SIFT算法提取光伏电站图像特征点,解决了光线、角度带来的识别误差问题;通过卷积神经网络方法准确的识别了光伏电站车辆、人员、动物、积雪等安防问题。该方法在某光伏电站进行应用,其光伏电站图像安防识别准确率平均为99.7%。所提方法能有效提高光伏电站图像安防识别准确率。

基于区间过电压风险的分布式光伏接纳能力区间仿射分析

随着配电网分布式光伏渗透率的不断增加,配电网的光伏接纳能力研究日益受到关注,而科学合理的光伏接纳能力评估技术能有效指导光伏的规划与建设。对此,提出一种基于区间过电压风险的分布式光伏接纳能力区间仿射分析方法。首先,分析分布式光伏接入对配电网的影响,并通过不确定性潮流计算,得到电压的仿射区间;然后,采用静态电压指标剔除静态电压稳定性薄弱节点,在光伏接纳能力随机场景生成方法的基础上,引入区间过电压风险的概念,给出考虑区间过电压风险下可接纳光伏的不确定性容量计算方法;最后,仿真在IEEE 33节点配电系统中通过调节区间过电压风险阈值λmax,使得光伏接纳容量得到较大提升。仿真结果表明,所提出的策略能够准确估计光伏规划不确定性带来的配电网过电压风险,并给出合理的光伏接纳容量。

基于CNN-LSTM混合神经网络的光伏发电量预测方法研究

光伏发电量受天气状况,光伏逆变器的质量,光伏组件的清洁度等诸因素影响,其中天气状况的时序性变化较大程度影响发电量。针对不同地区天气时序性变化导致的光伏发电量预测不准确等问题,提出了一种由卷积神经网络(CNN)和长短期记忆(LSTM)混合模型的光伏发电量预测方法,其中通过CNN建立地域之间的空间相关性,LSTM捕捉发电数据之间的时间依赖关系。对神木县红民发电厂和庆城县绿能动力发电厂的光伏发电数据进行测试,实验结果表明,本文所提出的CNN-LSTM混合神经网络方法在光伏发电量预测方面具有较高的准确性和稳定性,比LSTM神经网络模型精度提升4.3%左右。

基于VMD-ISSA-LSTM的短期光伏发电 功率预测

针对光伏发电功率存在随机波动性的问题,提出基于变分模态分解(variational mode decomposition,VMD)和改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化长短期记忆(long short term memory,LSTM)神经网络的短期光伏发电功率预测方法。首先,通过VMD算法将多维光伏特征数据分解为若干不同频率的本征模态和残差分量,以降低原始序列的非平稳性;然后,采用ISSA对LSTM神经网络超参数进行全局寻优,建立了不同模态序列分量下的ISSA-LSTM组合模型;最后,使用训练好的组合模型对各分解的子序列模态特征分量进行多维预测,并将各层模态预测序列叠加组合成最终的输出结果。仿真结果表明,构建的VMD-ISSA-LSTM组合模型相较于常规的短期光伏发电功率预测模型,具有更强的鲁棒性和高精度性。

基于动态规划的分布式光伏发电容量优化技术

根据时域频谱计算当前配电网内光伏发电容量需求数值,将需求数值作为输入,以分布式光伏发电容量在配电网内联络线的功率波动方差、功率均值作为,目标构建分布式光伏发电容量优化模型,采用自适应动态规划算法求解分布式光伏发电容量优化模型,实现分布式光伏发电容量的优化。实验结果表明,该方法计算配电网当前所需的分布式光伏发电容量数值最大偏差仅为0.003 MW,可有效提升配电网内分布式光伏发电总容量。

基于信息融合与一维卷积神经网络的光伏电站传感器健康状态评估方法

针对现有传感器故障诊断方法中对专家知识的依赖、忽视旁路终端时空关联性、冗余特征影响等问题,提出一种基于信息融合与一维卷积神经网络的传感器健康状态评估方法。针对与光伏发电预测强相关的光照传感器和温度传感器,从传感器数据流统计特征、传感器数据流时序特征、旁路终端数据特征、天气预报数据特征等4个维度进行特征提取,并利用随机森林算法筛选传感器核心特征,最后针对以上两类传感器分别训练健康状态评估模型。实验结果表明,所提方法在温度传感器和光照传感器的健康状态评估中准确率分别达到了99.29%和99.07%。

5G智能穿戴设备集成系统在光伏电站安全管控中的应用

针对光伏电站安全运维的需求,开发了基于5G通讯的智能穿戴设备集成系统。通过前端5G智能穿戴设备采集现场人员定位、作业过程、作业行为等数据,后端集成应用系统对采集数据进行AI分析、呈现和预警推送,实现了对光伏基地运维安全风险的实时管控。经实际应用验证了该集成系统可行性和高效性,可供国内光伏电站参考。

基于粒子群优化算法的分布式光伏选址定容方法

为减少分布式光伏接人对配电网的影响,提升分布式光伏消纳水平,需研究分布式光伏的选址定容优化问题。分布式光伏的选址定容问题是非线性、多变量、多目标的优化问题,以系统网损、电压偏差、光伏消纳量为优化目标,以潮流、节点电压、支路电流等为约束条件,以分布式光伏的位置和容量为决策变量,构建含分布式光伏的配电网多目标约束优化模型。采用粒子群优化算法对优化模型进行求解。以IEEE33节点配电系统为算例进行仿真和对比分析,验证所述方法的可行性和优越性。

光伏电站调频对电网频率的动态响应特性研究

研究探讨光伏电站作为清洁能源系统的频率响应能力。实验结果显示,改造后的光伏电站具有快速、稳定的调节能力,在不同频率下表现出良好的功率输出稳定性和效率。时间响应数据显示其快速达到稳定状态。光伏电站在有功-频率下垂特性控制方面表现出色,能有效参与电网频率调整。相关研究支持现有电站改造的成果,同时,强调光伏电站在清洁能源系统中的关键作用,为推动可再生能源技术发展提供参考。

探析人工智能跟踪算法在渔光互补光伏电站的首次运用

光伏发电固定收购价格的不断下调,使光伏技术开发、投资和经营者将努力寻求光伏项目投资最大利润回报的经济模式。采用独有跟踪算法计算太阳实时运行轨迹,然后通过控制系统驱动电机,使光伏组件始终垂直接收阳光照射,达到太阳能最大化利用,显著提高发电总量。对提高发电量效果的不同计算方法所得结果不同,因此需要对算法进行优化,引入人工智能算法。

基于边缘计算的县域分布式光伏智能巡检方法

针对无人机等智能终端面临的计算资源有限和高能耗导致智能巡检技术应用受限的问题,提出了一种基于边缘计算的县域分布式光伏智能巡检方法,以最小化智能终端能耗为目标建立边缘计算任务卸载优化模型,基于一种改进的粒子群优化算法,获得能耗优化的卸载方案。仿真实验表明当终端数分别设置为60、80、100时,改进的粒子群算法对能耗的优化性能分别提高了4.99%,7.42%,5.22%。

光伏发电项目工程质量管理分析

论述了光伏发电项目工程质量管理的重要性,介绍了光伏发电项目工程质量影响因素和管理现状,分析了工程实例,并给出了提升光伏发电项目工程质量管理的对策。

光伏电站无人机巡检技术及应用

光伏电站开展无人机自动巡检,改变了以人力为主的传统巡检工作模式,结合无人机搭载的高清相机及配套的后台诊断系统,实现光伏阵列状态评估,并精准定位有缺陷的光伏组件,使其得以及时处置,不仅节省了人力资源,还可有效提升发电量10%以上,具有良好的经济效益和安全性能。

光伏板下喷雾降温的热环境模拟

光伏发电带动了光伏农业的发展。然而,夏季光伏板下局部温度可达60℃,影响下面农作物等的生长,限制了系统性能的发挥。因此,本研究利用流体力学软件Fluent构建光伏阵列模型,开展光伏板下喷雾降温的热环境模拟,研究了喷雾降温技术在光伏农业中的应用。由模型的分析和计算,可得到初步的光伏板下的温度变化情况,为光伏板下喷雾降温的研究和应用提供了基础支持。

基于人工神经网络的光伏系统功率预测

随着人类文明的进步,地球上传统的化石燃料也正在慢慢地消耗殆尽,人们不得不去寻求新的能源。太阳能光伏发电以其绿色、环保、无污染、可再生等优点而迅速得到各国的重视。通过对光伏发电系统输出功率的影响因素进行分析可知,辐射照度、温度、环境相对湿度和风速这四个因素对其输出功率影响较大。本文从BP神经网络得到四种不同的神经网络功率预测数据模型,并分析了这四个因素对光伏发电系统输出功率的影响程度。