基于神经网络的光伏电站出力超短期预测研究

为准确掌握电站未来某段时间内的出力情况,以西南某大型光伏电站为例,对影响光伏电站出力的因素进行分析,建立BP神经网络出力预测模型,分别基于电站实测气象数据和中尺度数值天气预报数据训练预测模型,并对电站2020年1月1日8:00~18:30时15 min分辨率的输出功率进行预测,结果表明:以实测气象数据作为训练样本,预测效果较优,平均绝对误差(MAE)、均方根误差(RMSE)、相关性系数(R)和合格率(Q)预测评估指标分别为9.03%、12.33%、0.980、95.24%。

光伏电站智能化运维研究

将智能化技术应用在光伏电站的运维中,能实时在线监测光伏电站运行状态,实时分析、识别、诊断电站运行故障,进而实现光伏电站的精细化科学管理。文章概述了光伏电站智能化运维的意义,分析了光伏发电站智能化运维管理体系结构以及运维技术,即智能运维无人机技术、光伏组件自动清洗技术及光伏组件功率预测技术。最后提出建立健全运维计划、培养高素质运维团队、运用先进技术、鼓励光伏电站的技术革新等措施来发展光伏电站智能化运维技术,以期为提升光伏电站的运维质量和水平提供参考。

并网光伏系统低电压穿越的控制策略研究

随着社会经济不断发展,人们日常生活发生了翻天覆地的变化。光伏发电作为目前解决能源危机的重要措施,其自身具有无噪音、无污染等优势,受到行业人员的高度重视,但由于经常需要连接大容量光伏电站,很容易给电能质量、电网电压等方面带来各种问题,尤其是在电网出现故障时,光伏电站会出现脱离现象,导致电网故障再度恶化,给电网实际运行带来极其严重的后果。基于此,本文通过阐述光伏电池原理,分析光伏并网发电系统的常用方法,通过合理采用电导增量法来构建健全的光伏电池仿真模型,并从不同方面对模型特征和电网电压下降对光伏并网发电系统造成的影响进行合理分析,给光伏发电实现可持续发展打下坚实基础。