基于神经网络的光伏电源功率控制设计

在分析光伏系统发电特性的基础上,以最大功率控制为目标,神经网络技术为支撑,构建了基于三层BP(反向传播)神经网络的光伏发电功率控制模型。该模型采取四季气候子模型分类计算的方式,以四季历史气候数据为样本,形成四个统一而又相互有一定隔离的子模型训练库,从而实现了光伏电源发电的功率预测及控制功能。实验结果表明,该方法建立的功率预测与控制模型具有精度高、反应速度快的优势。     

基于宽度学习系统的光伏发电功率超短期预测

近年来,深度学习被应用于光伏发电预测中,体现出预测精度较高的优点,但也存在训练耗时等问题。对此,提出了一种基于自组织映射与宽度学习系统的光伏发电功率超短期预测模型。首先,采用自组织映射对各时刻的光伏数据进行精细化聚类,提取不同时段与气象条件下的出力波动特征;然后,构建基于宽度学习系统的光伏发电功率多步长预测模型,在网络宽度上扩展节点数目,并通过求解矩阵伪逆训练神经网络,在保证较强高维数据拟合能力的同时,具有较高的计算效率;最后,采用实际光伏发电数据进行算例分析,通过与常用的光伏发电超短期预测方法进行比较,验证所提出的方法在预测精度与训练效率上的优越性。     

基于台区功率共济的屋顶光伏功率消纳方法

随着整县屋顶光伏试点工作的逐步推进,光伏功率消纳的问题日益凸显。为解决光伏发电功率波动大、消纳率低的问题,提出了一种基于台区功率共济的屋顶光伏功率消纳方法。首先,通过边缘物联终端采集配电台区屋顶光伏的发电功率数据,并采用长短期记忆网络对光伏历史发电功率和气象数据进行综合分析,生成多时间尺度的光伏发电预测曲线;其次,通过储能装置、跨台区联络开关建立微电网调度控制模型,计及短期光伏发电功率预测,合理安排用能策略、储能策略和跨配电台区功率共济消纳策略,以提高光伏功率的消纳水平;最后,在某县应用该方法,其光伏功率消纳比例达95.26%,较蒙特卡洛方法提高16.18%,运行结果验证了所提方法的有效性。     

基于神经网络的光伏阵列多峰MPPT的研究

为了减少神经网络训练数据的数量,根据局部阴影条件下光伏阵列的输出特性,提出基本阴影遮挡类型概念,使得神经网络仅需要训练少量数据,就可以准确地预测最大功率点电压。首先,通过实际光伏阵列数据测试仅训练基本阴影遮挡类型的BP神经网络对最大功率点电压的跟踪效果。然后,搭建光伏发电MPPT仿真系统,对比扰动法、固定电压法和BP神经网络结合扰动法在阴影类型、光照强度和温度三方面变化时对MPP的跟踪效果。最后,通过分析表明,经过基本阴影遮挡类型训练的BP神经网络结合扰动法能够有效地跟踪最大功率点,即基本阴影遮挡类型能够减少神经网络跟踪多峰MPP的训练数据获取量。     

计及雾霾影响的光伏功率预测方法

针对雾霾天气对光伏发电功率产生影响的问题,提出一种计及雾霾影响的光伏功率预测方法,介绍光伏电池的原理和光伏功率的影响因素,分析人工智能神经网络预测方法,并通过算例验证了该方法的可行性和实用性。     

基于BP神经网络的光伏发电功率预测研究

随着光伏并网容量的增加,光伏发电功率的波动对电网调度运行的影响不容忽视,电网对光伏发电功率预测精度提出了更高要求。在分析了光伏发电功率波动影响因素的基础上,基于BP神经网络建立光伏发电功率预测模型。通过大唐吐鲁番光伏发电实测数据验证该方法,预测结果 RMSE为3.544,表明该方法可以准确预测光伏发电功率。     

基于神经网络光伏发电预测模型的研究

随着光伏发电应用规模和区域的不断扩大,光伏发电系统监控具有越来越重要的意义.而光伏发电预测是光伏监控系统能量调度的一项重要日常工作,是制定输配电方案的主要依据.通过对比三种主流的光伏发电预测模型,分析影响光伏发电量的各种因素,设计了一种新颖的基于BP神经网络的光伏发电预测模型.该模型根据不同的日类型和季节进行预测子模型划分,预测子模型以温度、历史发电数据、历史日照强度数据为输入数据对模型进行了训练与仿真分析.预测结果验证了该模型的有效性,对于保持电力系统的功率平衡和经济运行有着重要的意义.     

基于大数据的分布式光伏接入配电网影响分析与功率预测研究

为提高分布式光伏发电功率预测的精度,满足电网调度和规划的高精度要求,本文利用光伏运行、电能量采集、电网调度等业务系统的海量数据,利用大数据分析方法研究大量分布式光伏接入对配电网负荷特性的影响,并提出基于气象相似日和粒子群算法优化BP神经网络的光伏电站功率预测方法。通过分析光伏发电功率随天气类型、温度、光照强度等气象因素变化规律,运用模糊聚类算法计算确定待预测日的气象相似日序列,选取气象相似日历史数据作为BP神经网络预测模型的输入变量,并采用粒子群算法方法优化BP神经网络的初始值,最终输出分布式光伏各时段发电功率的预测值。实验结果表明该方法可有效提高光伏电站功率预测模型的收敛能力和学习能力,具有较高的预测精度。     

光伏发电在微电网中接入及动态特性研究

在光伏发电动态模型的基础上,针对光伏发电输出功率的波动性,研究了微电网中的光伏电源的接入问题;提出了采用光伏电源的平均输出功率计算储能设备容量的优化配置方法,以实现微电网中光伏微电源的即插即用;分析了光伏逆变器输出的谐波电流畸变率随光照强度变化波动的情况;利用PSCAD/EMTDC软件进行仿真验证,结果表明该方法能有效平抑光伏发电功率的波动,同时能减小微电网从并网到孤岛过渡过程的频率波动。     

基于数字孪生的光伏发电功率超短期预测

光伏发电功率超短期预测对减小光伏并网对电网冲击及维持电网安全运行具有重要意义。提出一种基于数字孪生的光伏发电功率超短期预测机制,通过构建数字孪生体进行实时、高精度的光伏功率预测。首先根据GA-BP神经网络(geneticalgorithm-backpropagationneuralnetwork)构建光伏发电功率预测虚拟模型,并通过多维度的传感器采集光伏电池以及周围环境的各项孪生数据,同时更新历史数据库。然后以采集到的孪生数据为基础进行功率预测并得到初步预测结果。最后通过相似气象搜索,得到相似情况下的实际功率值和当时的预测功率,进而修正初步预测结果,得到最终预测功率。仿真算例结果表明,所提方法能有效提高光伏发电输出功率超短期预测精度。     

低压配电网分布式光伏接纳能力分析

分布式光伏的并网和利用是应对当前能源和环境危机的重要方式,高比例分布式光伏接入所导致的电压越限是制约配电网接纳分布式光伏的重要因素之一。以提高配电网对分布式光伏的接纳量为首要目标,考虑多电压等级配电网的配合,提出利用中压主动配电网的调控能力,通过中低压配电网的相互影响缓解低压配电网调压手段缺乏,提升低压配电网接纳分布式光伏能力的方法:首先考虑配电网中分布式光伏和负荷出力的时序性,根据季节和天气构建12种场景,对配电网进行一年的时序全过程模拟。然后建立10 kV中压主动配电网优化运行模型和380 V辐射型低压配电网分布式光伏选址定容模型。仿真结果表明所提方法可以提高低压配电网接纳分布式光伏的能力。除此之外,进一步分析了分布式光伏接入和调压对中压主动配电网电压的影响,以及低压配电网中负荷对接纳分布式光伏和调压方式的影响。     

基于双层BP神经网络的光伏电站输出功率预测

光伏电站输出功率对电网调度有很大影响,但受到太阳辐射强度和气象因素的影响,光伏电站输出功率具有随机性和不可控性。为合理利用光伏发电系统,建立一种基于气象预测信息以及BP神经网络的光伏电站输出功率预测模型。通过相关性分析确定影响光伏出力的影响因子,结合历史数据和气象因素进行模型训练和功率预测。文中主要提出一种新的预测模型-双层BP神经网络模型,通过对某光伏电站预测结果与实测值对比,结果表明该方法能有效提高光伏电站输出功率预测精度,对发电计划的制定有较好的参考价值和实用价值。     

基于相似日理论的光伏发电系统输出功率预测

光伏发电系统的输出功率受到太阳辐照强度、辐照时间、气温等多种气象因素的影响,具有一定的时变性和随机性。对各种气象影响因素进行合理的选取和处理,由于具有相似气象条件下的光伏阵列输出功率具有较大的关联性,基于差异性和相关性原理,提出了选择光伏阵列输出功率相似日的方法,设计了基于相似日选取和BP神经网络的光伏阵列输出功率预测模型,利用我国某地光伏发电系统的实测数据对模型进行了验证,结果表明模型有较好的预测精度,具有一定的实用性及可行性。     

基于空间相关性的分布式光伏实用化功率预测及误差分析

低压接入的分布式光伏容量激增,其出力随机性对调度部门的负荷预测以及电网安全运行带来严峻挑战。提出一种适用于低压接入的分布式光伏功率预测方法,首先基于空间相关性原理为分布式光伏匹配集中式光伏电站作为功率预测参照,通过日发电量数据建立二者的出力关系,推算分布式光伏在运容量;随后利用参照电站的功率预测值对分布式光伏的功率预测进行初步推算;定义分布式光伏容量折算系数,详细推导出该方法的3类误差来源,提出一种基于分时电量比的误差修正策略。以张家口地区分布式光伏为例,验证了修正后的功率预测方法具有较好的预测精度。     

太阳电池组件户外性能测试

为了研究在户外工作条件下太阳电池组件的实际工作性能,在一天过程中的太阳电池组件V-I特性、组件温度、环境温度和太阳辐照度被测试。结果发现:影响太阳电池最大输出功率的主要因素是太阳辐照度;工作温度对电池组件的效率影响较大,同时高的工作温度还会使最大功率电压降低很多;太阳光谱对太阳电池组件的输出性能也有一定的影响,当辐照主要以散射为主时,太阳电池组件有更高的转化效率。     

挖掘光伏无功能力的配电网无功电压协调控制策略

在高渗透光伏接入多电压等级配电网中,针对低压分布式光伏无功能力没有被充分利用和高/中/低压配电网无功电压未整体协调优化的问题,提出了一种充分挖掘光伏无功能力的多电压层级配电网无功电压协调控制策略。在低压配电网中,对于暂不具备通信网络,无法实现统一调度的光伏逆变器,采用3种就地自主电压控制模式进行实时无功电压控制;在多电压层级配电网无功电压协调控制模型中,考虑包括具备通信网络的光伏逆变器在内的各种无功源,建立电压分区和主导节点选择模型,设计上层全局优化和下层分区优化的双层协调控制策略,该策略充分挖掘了光伏无功对配电网电压的调节能力,实现对整个配电网的无功电压精准控制。将所提策略应用于江苏某220 kV主变区域实际系统,验证了其无功电压控制和消纳光伏发电的优势。     

集中光伏电源接入对低压配电网电压的影响

以分布式光伏电源（PV）接入低压配电网后对线路电压产生影响为研究对象,理论分析PV接入配电网的电压损耗模型,提出一种功率分布函数法,并应用于电压损耗建模中。根据电压损耗模型,通过算例研究PV在不同接线方式、系统不同负荷运行方式下对低压配电网电压的影响,结果表明低压母线最大负荷运行方式电压损耗情况优于最小运行方式,PV专线接入配电网方式的电压损耗情况优于T接入接线方式,光伏有功功率接线位置距离台区母线越远,电压损耗问题越明显,这些为光伏电源接入配电网后的有效利用提供参考。     

风光储微电网并网联络线功率控制策略

主动配电网环境下,将发电具有间歇性和随机性特点的小风电、光伏发电与蓄电池组成微电网,协调控制其内的多个可再生发电单元使其成为发电功率分时恒定的发电单元或者负荷,既方便配电网对微电网群的调度和管理,又能促进分布式可再生能源的安全消纳。在综合考虑风光储微电网风速曲线和光照条件瞬时变化且储能容量配置较小等实际情况下,提出一种分层协调控制策略。首先根据每时段风速及光照强度预测信息给出了联络线分时交换功率的计算方法,上层中心控制器将该联络线交换功率参考值与上级主动配电网调度中心通信,制定分时联络线交换功率。上层中心控制器并依据此分时功率需求实现系统运行模式的选择及切换以及底层控制器的选择和管理。该分层控制策略实现了运行状态的无缝转换,保证了风光储微电网按照联络线交换功率需求输出,即联络线功率分时恒定。当微电网内风电和光伏输出的瞬时功率之和与联络线交换功率需求相差较大时,微电网内可能会出现部分弃风弃光。该文建立了风光储微电网仿真系统,仿真结果验证了所提策略的正确性与有效性。     

含高比例分布式光伏的配电网多目标概率规划方法

针对分布式光伏出力不确定性造成的配电网规划成本增加、运行稳定性降低问题,文章提出了一种含高比例分布式光伏的配电网多目标概率规划方法。通过K-means聚类对光伏出力数据进行场景削减,得到典型场景集及其概率模型,基于蒙特卡洛概率潮流生成不确定性场景,模拟分布式光伏实际运行情况。基于所得不确定性场景,建立双层概率规划模型：上层以投资建设成本最小和光伏渗透率最大为目标,对分布式光伏及储能进行选址定容,下层考虑分布式光伏出力的不确定性,以概率潮流下的运维成本、网损成本、购电成本和电压偏差指数最小为目标,对分布式光伏出力以及储能各时段充放电功率进行优化。采用改进的粒子群(particle swarm optimization, PSO)算法对概率规划模型进行求解。采用安徽某地光伏出力作为典型数据,以IEEE 33节点系统为算例开展多场景算例分析,结果表明：与传统规划方法对比,所提方法能够提升光伏渗透率和配电网运行稳定性,并降低综合成本。     

基于模糊逻辑的低压配电网高比例户用光伏无功控制策略

为了解决高比例户用光伏接入低压配电网所带来的电压越限和电压波动问题,降低网络运行风险,提出了一种基于Mamdani模糊推理的户用光伏无功控制策略。该策略引入了模糊逻辑思想,采用并网点电压偏移量和光伏有功变化率作为输入量以分别适应电压越限和电压波动场景,根据输入量与逆变器无功输出量之间的逻辑关系制定了模糊规则,经去模糊化过程得到光伏逆变器的无功输出。利用电压灵敏度理论对不同节点输入量的三角形隶属度函数参数进行协调设计,充分利用了各节点户用光伏逆变器的无功容量。仿真算例结果表明,所提方法能够有效缓解电压越限和电压波动问题,相对于传统逆变器无功下垂控制,电压越限和电压波动均得到有效抑制。