共查询到20条相似文献,搜索用时 437 毫秒
1.
根据光伏电站组件性能的现场测试,对光伏组件的衰减功率、标称功率、热斑等问题进行分析,发现组件的衰减功率和标称功率、热斑比例存在一定的关系。提出了提升电站发电效率和电站优化的具体方案,平均降低组件间串联失配13.96%、组串间并联失配11.99%,P R值提高0.36%。对于改善光伏电站的运维水平、提高光伏电站的发电量具有一定的指导意义与参考价值。 相似文献
2.
光伏组件覆雪易造成发电损耗、组件变形、内部破坏等问题,是影响光伏电站冬季正常运行的重要因素之一。目前国内外对于光伏组件覆雪多采用人工清扫或任其自然消融,但人工清扫费时费力,而自然消融过程中造成的光伏发电损失难以评估。为此,文中首先对冰雪条件下光伏发电功率预测中的关键环节与参数进行了详细分析;随后对覆雪状态下光伏组件发电功率损失原理进行分析,进而搭建光伏组件覆雪实验平台,得出不同冰雪类型、厚度下的发电功率损失;最后建立基于蝗虫算法优化支持向量回归机的预测模型,并通过与4种不同模型预测对比,验证所提预测模型的有效性。该方法有助于对冰雪条件下光伏发电功率进行预测,可为光伏电站冬季运维提供参考。 相似文献
3.
在光伏电站的长期运行过程中,光伏组件的匹配损失是影响光伏电站发电性能及效率的重要因素之一.基于典型干热气候的宁夏地区的11个已并网运行5年以上的光伏电站的110块组件的现场测试,通过对光伏电站典型电气结构模型进行分析,建立了评价光伏电站失配损失的电气参数模型,并对各电站组件的衰减及失配损失进行了研究,与Bucciare... 相似文献
4.
5.
光伏发电系统并网电能质量测试数据分析 总被引:1,自引:0,他引:1
太阳能是可再生能源,光伏发电是太阳能发电的主流,近些年来,世界范围内太阳能光伏技术和光伏产业发展很快,江西省的光伏电站也在逐渐增加。厚田沙漠光伏电站是江西省内第一个并网发电的光伏发电系统,结合厚田沙漠光伏电站的并网电能质量测试,详细介绍了开展光伏电站并网电能质量测试的步骤,同时依照测试数据对光伏发电的功率变化、电压偏差、闪变以及谐波含量等方面进行了分析,可为今后光伏电站并网测试提供参考,同时为深入研究光伏并网对电网电能质量的影响提供可靠依据。 相似文献
6.
光伏组件的潜在诱导衰减会减少光伏发电系统对外输出的电能,严重情况下使光伏发电系统瘫痪,几乎不对外输出电能。在温度为85℃和85%湿度条件下,对单块光伏组件模拟光伏发电系统中出现的潜在诱导衰减效应,即组件的铝边框和输出端产生1 000 V的电势差。每隔6 h测试一次组件的电致发光(EL)图像和I-V电性能,实验持续时间为48 h。结果表明:该效应会使组件产生漏电,漏电程度随着实验持续的时间而变得严重。运用电容原理解释潜在诱导衰减产生的物理机制,并采用低介电常数的封装材料制作新的光伏组件,能使组件的功率衰减控制在2%以内,完全具有抗潜在诱导衰减的性能。 相似文献
7.
8.
9.
10.
为实现对电站发电量的精准估计与测算,引入改进深度学习算法,以某光伏发电站为例,进行发电量精准估计方法的设计研究。计算光伏电站太阳辐照量,收集光伏电站功率、电流、电压等发电数据以及太阳辐射强度、温度、湿度等相关气象数据,并对收集到的光伏电站发电信息进行预处理;为排除光伏组件损失对发电量估算的影响,先进行光伏组件损失分析,再以此为依据对光伏电站发电量进行估计。实例应用结果表明该设计方法在应用中可以有效控制光伏电站发电量估计误差,提高发电量估计值的准确性与可靠性。 相似文献
11.
12.
光伏电站的发电效率,会受到多种因素的影响,若能对各种影响因素加以综合考虑,对光伏电站的发电效率提前做出估计,就可能有效避免光伏电站建成后效率低、经济效益差等问题.文中提出了一种计及光照条件、环境温度和相对空气湿度、光伏组件衰减特性等影响因素的光伏电站发电效率综合评估模型,进而以某20 MW光伏电站的设计和若干环境参数做输入进行了仿真实验验证.结果 表明,该评估模型能较好体现所计及因素对光伏电站发电效率的影响,可用于光伏电站规划设计阶段对其发电效率的预先评估. 相似文献
13.
14.
组合数值天气预报与地基云图的光伏超短期功率预测模型 总被引:3,自引:0,他引:3
为减轻光伏电站被云团遮挡导致发电功率突然衰减所造成的影响,提高光伏超短期的预测精度和预测有效时间长度,文中提出数值天气预报与地基云图相结合的光伏超短期功率预测模型。该模型首先基于临近晴空工况光伏超短期功率预测方法实现未来4h预测,接着使用数值天气预报云量信息和地基云图等方法预测未来4h内云团遮挡电站导致的功率衰减,并进行临近校正,以提高光伏超短期功率预测的精度。研究结果表明,文中所述模型具有很好的可行性和实用性,为光伏电站0~4h超短期功率精确预测提供了一种方法。 相似文献
15.
高原高寒地区太阳能资源充足,利用光伏发电技术有利于改善当地电源结构。光伏电站出力不足是业内普遍存在的技术难题,光伏组件老化、表面温度高、局部阴影等都会降低光伏电站出力。以4×2光伏阵列为例,通过Matlab/Simulink建模仿真,对不同结构的光伏阵列在局部阴影下的输出特性进行对比,分析表明重构网状(RTCT)结构优于其他3种结构,且最大输出功率平均提升7.7%,为光伏阵列输出功率提升奠定实验基础。基于拉萨搭建的光伏阵列输出功率提升实验平台,采用改变光伏阵列拓扑结构和增加直流优化器2种方法,研发光伏阵列输出功率提升技术。结果表明,采用以上2种方法均能有效提升光伏阵列输出功率,可为光伏电站优化设计和运行提供解决方案。 相似文献
16.
17.
准确预测光伏发电功率对电网调度具有十分重要的意义.该文提出一种基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测方法.首先,利用灰色关联分析对某地区多光伏电站进行空间相关性分析,选取与待预测光伏电站高度相关的周边电站;然后,基于GeoMAN模型动态提取待预测光伏电站的时空特征和外部气象因素,GeoMAN模型采用编解码结构,利用编码器动态提取待预测光伏电站的站内特征和与周边相关电站的站间空间特征,利用解码器提取输入变量的时间特性,并融合晴空指数和数值天气预报动态输出光伏发电预测功率;最后,采用实际光伏电站进行案例分析,结果表明该文所提出的预测方法与传统LSTM模型相比,实现了更高精度的光伏发电功率短期预测. 相似文献
18.
19.
为了提高短期光伏发电功率预测的精度,提出了一种基于白冠鸡优化算法(COOT)优化支持向量机(SVM)的短期光伏发电功率预测模型。首先,分别选取某光伏电站在2017年4月和7月的前21天数据进行仿真分析,计算光伏输出功率和每一个气象因素之间的皮尔逊相关系数;然后,依据皮尔逊相关系数选择太阳总辐射强度、太阳散射辐射强度、太阳直射辐射强度、组件温度和环境温度5个气象因素作为预测模型的输入数据,光伏电站的发电功率作为输出数据。通过与BP和SVM预测模型进行仿真对比可知,对于4月和7月的数据来说,COOT-SVM预测模型的均方根误差、均方误差和平均绝对误差均比BP和SVM预测模型小。因此,所提COOT-SVM预测模型可有效提高短期光伏发电功率的预测精度,具有较高的工程应用价值。 相似文献