喀什地区叶尔羌河流域水光联合调度互补特性研究

围绕叶尔羌河流域喀什地区水光可再生能源发电互补特性分析与量化问题,基于Pearson、Spearman秩、Tau-b相关系数,提出一种互补系数计算方法,研究该地区莎车、英吉沙、叶城网架节点的水光出力互补规律。以优先消纳光伏出力前提下的源-荷匹配系数最小为目标,建立水光互补联合调度模型,对水电出力过程进行优化调整。结果表明:在小时尺度上,3个相关系数值范围为-0.849~-0.407,英吉沙、莎车节点的水光互补系数分别为0.715、0.501,表明水光出力具有一定的互补性;在日尺度和月尺度上,各节点的水光互补性相对较弱。通过水光互补模型优化后,水光出力的互补性提高,在小时尺度、日尺度、月尺度上,水光互补系数分别提高至0.750、0.755、0.621,相对于原互补系数分别提高了37.6%、221.3%、37.4%。

A Simple Predictive Performance Model of Solar Cell under Very Hot and Humide Climate

In the scope of solar energy-based electrical needs in rural tropical regions, the present article develops and confronts experimental power models from the using of manufacturer data and a new model made with the meteorological and electrical data acquired. These data are registered through an acquisition station around a monocrystalline photovoltaic panel, designed and realized in the scope of this work. After the acquisition of meteorological data, a choice of the most relevant meteorological variable as input vectors to express the output powers obtained was carried out. Around the Single-Diode model, seven models are performed with analytics equations, iterative methods and an optimization method with a multi-objective function to get internal parameters. The proposed experimental model is made by a combination of the solution got at STC of an iterative method, with the value of nameplate and the use of an open circuit voltage equation with experimental coefficient to predict power output in operating conditions, and it’s demonstrated more efficient. The optimization of a multi-objective function using Nonlinear Squares (NLS) through the Leveng-Marqued method to solve the parameter estimation of a PV panel has been well done and the results are useful, like classic iterative method and less time-consuming.

基于水电储能调节的风光水发电联合优化调度策略

为缓解新能源装机容量扩大引起的弃风弃光现象,在已有梯级水电上下电站之间加入储能泵站,提出风光水储短期优化调度策略。构建以风光水储系统负荷跟踪误差最小、梯级水电站发电量最大和梯级水电站发电耗水量最小的多目标优化调度模型;提出基于季节性自回归移动平均(seasonal auto-regressive lntegrated moving average, SARIMA)模型和Copula函数的风光出力预测模型作为优化调度模型的边界条件,通过SARIMA预测模型将风光出力历史数据分解为季节性分量、趋势分量以及随机噪声余项进行全天96个调度时段风光出力预测,并叠加上基于Copula函数生成风光出力预测误差,然后通过拉丁超立方采样以及K-means聚类进行场景生成和缩减得到5个风光出力场景。选取风光典型日出力数据为例进行算例分析,算例结果表明:所提预测模型较SARIMA模型可以显著提高预测准确度,模型预测风光出力均方根误差从33.34、229.49 MW分别下降至0.697、9.534 MW;所提优化调度策略可以在全年丰、平、枯水期有效减少弃风弃光现象,并可将过剩新能源中的50%转化为上级水库储存水能。

基于改进INFO-CNN-QRGRU模型的农村分布式光伏发电短期概率预测

随着“双碳”目标的推进,清洁能源所占比重大幅度增加,分布式光伏发电在我国农村地区快速发展,但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题,减少光伏发电的不稳定性对电网的冲击。因此,为提高光伏发电功率预测精度,提出一种基于改进向量加权平均算法优化CNN-QRGRU网络的光伏发电概率预测方法。首先采用ReliefF算法对特征变量进行选择,在此基础上利用高斯混合模型(Gaussian mixture model,GMM)聚类方法将天气分为晴天、晴转多云和阴雨天3种类型,将处理好的数据输入到CNN-GRU模型中,并利用向量加权平均(weighted mean of vectors algorithm,INFO)优化算法对模型超参数进行调参,将分位数回归模型(quantile regression,QR)与INFO-CNN-GRU模型相结合得到光伏功率条件分布,结合核密度估计法从条件分布中获得概率密度函数,完成概率预测。以实际光伏电站数据作为基础,将提出的INFO优化算法与其他几种传统的优化算法进行对比,结果表明INFO的优化效果更好,在此基础上进行概率预测,得到的概率预测结果相较于点预测能提供更多有效信息,更具有应用价值。

含混合式抽水蓄能电站的水光蓄日内互补运行研究

在传统水电机组基础上加入可逆式机组构成混合式抽水蓄能电站增加水电调节能力,可与光伏电站联合运行,平抑新能源发电的不稳定性。为研究不同季节典型日下,含混合式抽水蓄能电站的水光蓄互补运行方式,构建以发电量最大和出力波动最小为目标的水光蓄互补运行短期调度模型,提出双层嵌套模型求解思路,考虑光伏出力的波动性,求解不同运行工况下含混合式抽水蓄能电站的水光蓄互补运行短期调度模型。计算结果表明,在不同来水及不同光伏出力过程的前提下,混合式抽水蓄能电站可采取不同运行工况以满足目标函数,不仅可以促进光伏并网消纳,还可增加水电发电量,减少弃水,为大量光伏资源并网下混合式抽水蓄能电站运行方式提供参考。

基于网格化数值天气预报的区域光伏发电多输出功率预测方法

区域光伏的短期功率预测是省级及以上电网调控中心制定发电计划、提高光伏消纳率的重要基础之一。光伏短期功率预测本质上是构建数值天气预报与实际功率之间的映射模型,为了实现预测精度的提升,利用网格化的数值天气预报,采用残差网络建立区域光伏的多输出预测模型,充分挖掘区域光伏所属空间的气象资源分布与各光伏电站功率的关联关系,实现以网格化数值天气预报为输入的区域各光伏电站的功率预测。以实际运行数据进行仿真,结果表明,本文方法在各光伏电站的功率和总功率2个方面的预测结果均优于现有成熟方法。

基于Informer的负荷及光伏出力系数预测

为了支持可再生能源的布局及装机容量规划,长时间序列的电力负荷和光伏出力系数预测至关重要。光伏出力系数反映了光伏发电系统实际运行中的发电效率,但由于难以准确预测来年的气象信息,每日最大光伏出力系数的预测具有挑战性。为了克服这个限制,提出了利用每7 d计算1次的每日最大光伏出力系数的最大值和最小值构建一个包络线,通过预测该包络线的上限和下限,提供每日最大光伏出力系数可能的区间。这种包络线建模方式有助于在克服气象信息不确定性的同时提供更为鲁棒和可靠的预测结果。选用Informer模型作为预测框架,并与Transformer,LSTM和RNN模型进行了比较。基于实际电力负荷数据序列和光伏出力系数包络线上、下限数据序列进行仿真试验,验证了Informer模型的可行性和良好的预测精度。

基于EEMD-SVR模型的光伏功率预测

受天气因素的影响,光伏出力具有较强的不确定性和波动性,导致光伏功率的预测难度较大。针对光伏功率的预测问题,提出一种集合经验模态分解(EEMD)和支持向量回归(SVR)模型的预测方法。首先,对光伏功率进行集合经验模态分解,将光伏功率信号分解为多个特征模态分量以及一个残余分量;其次,使用SVR模型训练数据,实现分量预测;最后,结合预测分量预测光伏功率。结果表明,该模型可以实现对非平稳序列的可靠分解,并能有效提高光伏预测的平均绝对百分比误差(MAPE)性能。

基于MATLAB/Simulink对光伏电池建立模型与仿真

基于光伏电池数学模型,对光伏电池板的工作原理进行简要分析并给出其等效电路,使用MATLAB/Simulink对其建立仿真模型,并且通过在不同的环境下来测试光伏电池模型的特性,仿真结果与理论上的光伏电池P-V、I-V特性曲线基本吻合,证明所建立模型的合理性,对光伏电池在现实中的应用具有实际意义并对找到光伏电池合适的工作环境和实现其的最大功率提供了理论依据.

光伏组件Ⅰ-Ⅴ输出特性的典型故障分析与诊断

通过基于单二极管太阳电池等效电路模型,研究分析热斑、电势诱导衰减(potential induced degradation,PID)和老化3种典型故障的机理特性与Ⅰ-Ⅴ输出特性。通过分析3种典型故障在Ⅰ-Ⅴ特性曲线中的变化规律及差异性,提取不同故障的关键特征量,并将特征量与概率神经网络(probabilistic neural network,PNN)相结合,提出一种基于Ⅳ输出特性的故障诊断方法。通过光伏发电运营企业提供的故障组件作为实验数据来源进行实验测试,实验结果表明:故障诊断模型的准确率为99.02%左右,仅存在少有的误判情况,所提出的故障诊断方法能够可靠地实现各故障的原因判定,可对智能化地运维光伏电站提供有效的帮助。

基于多气象类型加权和改进高斯混合模型的光伏出力超短期概率预测

提出一种多气象类型加权和改进高斯混合模型,可实现对光伏出力提前15 min的超短期概率预测。首先,依据气象特征将历史数据划分为若干气象类型,然后,构建改进高斯混合模型获得每个气象类型出力数据的概率分布,其次,构建隶属度函数量化待预测时刻气象特征对于各气象类型的相似程度,最后,根据隶属度对各气象类型的概率分布加权。以实际光伏电站数据进行算例分析,结果表明相较于单一气象类型,多气象类型加权模型的MAPE平均减少16.87%,ACD平均提升10.45%,AW平均下降2.49%。

基于TCN和高斯过程残差建模学习的净负荷概率预测方法

提出一种基于时间卷积神经网络(TCN)和高斯过程(GP)的净负荷预测方法,可提供精确的点预测和概率预测结果。首先,TCN被用来提取大量的历史数据中净负荷的变化规律,TCN优秀的时间序列建模能力可发现净负荷预测任务输入输出之间的复杂映射关系。然后,为高斯过程设计一个复合核函数对TCN的预测残差进行建模学习,该过程可在TCN预测的基础上进一步提升点预测的精度,同时也可利用高斯过程的不确定性量化能力对净负荷预测的不确定性进行量化。最后,通过在真实净负荷数据集上和大量先进的模型进行比较,验证该文提出方法的有效性。

注意力机制和多目标粒子群混合驱动的配电网无功优化

配电网安全稳定运行的关键之一是解决好配电网的无功功率平衡,尤其是高比例分布式光伏无序接入条件下,挑战巨大。为此,提出了一种注意力机制和多目标粒子群混合驱动的高比例分布式光伏配电网无功优化方法。首先,针对光伏出力强不确定性而预测难的问题,提出了基于Transformer的光伏预测模型,并与长短期记忆网络(long short-term memory,LSTM)以及卷积神经网络(convolutional neural networks,CNN)神经网络进行对比,验证了所提模型的精确性。进一步,针对强间歇性的分布式光伏高比例接入配电网的无功优化难题,提出了一种基于注意力机制的多目标粒子群算法(multi-objective particle swarm optimization algorithm based on attention mechanism,AMOPSO),将注意力机制应用于多目标粒子群算法,从而可减少粒子群算法本身不必要的搜索范围,有效地避免陷入局部最优,获得高比例分布式光伏配电网无功优化的调度策略。最后,在改进的IEEE33节点配电网系统中进行算例分析,验证了所提算法的有效性。

基于模糊状态估计的光伏跟踪器自动化控制技术

为提高光伏系统的效率和性能,更好地利用太阳能,提出基于模糊状态估计的光伏跟踪器自动化控制技术。基于光伏电池的等效模型,分析光伏电池在不同温度和光照强度下的输出特征。跟踪控制最大功率点,计算得到输出电压和电流,并判断工作点与光伏跟踪器的位置,结合占空比扰动法和模糊控制器,确定模糊化的输入量、输出变量以及占空比修正量,基于模糊控制规则确定并清晰化求出准确的控制量,实现光伏跟踪器的自动化控制。实验结果表明:该方法控制的光伏跟踪器在不同光照强度与温度下,跟踪成功率稳定在0.97及以上;该方法对于最大功率点的跟踪,具有较高的响应速度和稳定性。

硅光伏电池工程数学模型研究与仿真

对现有硅光伏电池数学模型进行简化以获得一种工程用数学模型。在Matlab/Simulink中建立仿真模型,根据数据手册提供的参数模拟硅光伏电池的输出特性以验证工程数学模型的有效性。仿真和分析结果表明,利用该工程数学模型模拟硅光伏电池输出特性能满足特定精度要求的工程应用场合。

光伏电池工程数学模型的比较研究

研究光伏电池建模验证问题,光伏电池的工程数学模型分为物理特性的模型和外特性的模型。根据光伏电池厂家提供的有限几个标准性能参数,利用Matlab/Simulink工具建立了两种不同的光伏电池仿真模型,得到了光伏电池模型在不同条件下的输出特性曲线,并分析比较了两种光伏电池模型的输出特性曲线,结果表明,基于物理特性的光伏电池仿真模型能够较为准确地反映光伏电池特性,更加符合光伏电池特性的理论分析结论,但该类模型较为复杂,未知参数较多且参数求解较困难;而基于外特性的光伏电池仿真模型结构较为简单,参数求解较容易,虽仿真准确度不及基于物理特性的模型,但可为光伏发电系统设计提供较好的平台。

基于数值特性聚类的日前光伏出力预测误差分布模型

光伏出力预测误差难以避免且不容忽视,预测误差分布的准确描述有利于电力系统的优化调度和稳定运行。基于此,分析预测误差分布与其影响因素之间的相关性,提出一种基于数值特性聚类的日前光伏出力预测误差概率模型。利用模糊C均值聚类法对预测误差的整体水平进行分类,再依据预测出力的数值特性进行分区处理,并建立了适用于估计误差分布的通用型高斯混合模型。该分析方法综合考虑了气象因素和预测出力数值特性对预测误差的影响,可以较为准确地估计不同时刻的预测误差,给出预测误差分布的置信区间,且不受预测算法和光伏电站地理信息的限制。基于比利时和中国西北地区光伏系统历史数据的分析结果表明,所提误差模型可描述光伏出力预测误差分布偏态性和峰度多样性,效果优于其他分布模型,能够用于描述不同情况下的日前光伏出力预测误差分布。

太阳能光伏输出特性最大功率点计算与模型参数求解

研究任意光照强度和环境温度下的太阳能电池光伏输出特性变化规律,分析二极管理想因子(A)、串联电阻(Rs)和并联电阻(Rp)等参数变化对光伏输出特性的影响作用,对于改进太阳能利用方法,研制能量转换装置具有重要意义。本文基于光伏输出特性机理模型,通过分析光伏特性模型参数对输出特性的影响规律,提出一种基于抛物线极值点求解的最大功率点计算方法,进而利用所构造的方程求解模型参数,获得任意光照强度和环境温度下的光伏特性曲线。针对四类太阳能电池进行的实验验证和误差分析,结果表明方法具有较高的精度和良好的工程应用前景。

全工况下光伏组件输出特性的预测建模与研究

在光生电流远大于二极管反向饱和电流,并联电阻为无穷大且二极管反向饱和电流与光强无关的假设条件下,理论上推导出全工况光伏组件输出特性预测模型,并采用Matlab/Simulink搭建了仿真系统.对单(多)晶硅光伏组件的实验与预测对比,表明模型可以准确预测组件在任意光强与温度下的输出特性,预测误差在6%以下.研究结果发现,相对于光强变化,温度变化对组件输出特性预测影响更大;多晶硅组件预测难于单晶硅组件.对实际环境中单位光强与单位温度实时改变时的预测表明,组件输出主要由所受辐照总光强决定,而不是器件温度;且需要根据外界情况调整组件的输出电压,以实现最大功率输出.

光伏电池建模及其输出特性研究

根据光伏电池的I-V数学函数关系式,在Matlab/Simulink环境下编写M文件,建立光伏电池的仿真模型,并分析局部遮挡现象,从理论上推导局部遮挡环境下的光伏电池模型。该模型可以模拟实际光伏电池在不同的太阳辐射强度、环境温度和局部遮挡情况下的电流、功率输出特性曲线。仿真结果验证了光伏电池的输出特性呈非线性,并随环境温度和日照强度的变化而变化;局部遮挡环境下,光伏电池电流输出呈阶梯型,功率输出呈多波峰。