梯度与极值搜索复合算法的多峰值MPPT控制

当多个光伏组件串联组成的光伏阵列被部分遮挡时,带有旁路二极管的光伏组件会呈现出多峰值的输出特性,此时基于单峰值的最大功率点跟踪(MPPT)算法易陷入局部最优点从而导致寻优跟踪失败。为得到全局最大功率点(GMPP),需采用多峰值MPPT算法。提出一种结合梯度法和极值搜索(ESC)法的多峰值MPPT复合算法。该算法用梯度法搜索到第一个峰值附近的功率点,以该点为ESC法的起始点搜索出局部最大功率点(LMPP),再利用该LMPP为起始点进行迭代搜索,直到获取GMPP。与传统多峰值MPPT算法相比,该复合算法能快速准确地跟踪光伏阵列的最大功率点(MPP),具有良好的动态性能。     

局部阴影下光伏阵列最大功率跟踪系统的研究

针对光伏阵列发电系统,在局部阴影情况下,研究推导光伏阵列数学模型。同时,分析加装旁路二极管、光伏阵列拓扑结构、光照强度大小及分布形状对光伏阵列输出特性的影响,并且分析了传统功率跟踪优缺点。提出一种全局最大功率搜索与局部功率极值跟踪相结合的全局最大功率跟踪算法,并进行Matlab/Simulink仿真分析。实验结果证明了该策略的有效性与正确性。     

基于改进多种群遗传算法的光伏阵列多峰值MPPT研究

光伏阵列在实际工作条件下因灰尘、受照不均匀等影响而功率输出呈现多峰特性,传统的最大功率点跟踪（maximum power point tracking,MPPT）算法不能实现全局寻优,无法精确跟踪到最大功率点。遗传算法可以有效解决多峰寻优问题,但一般遗传算法在跟踪过程中会出现早熟、准确率较低等问题,为此,提出一种多种群遗传算法（multiple population genetic algorithm,MPGA）与扰动法相结合的算法来解决此类问题。在光伏电池拓扑模型中,采用优化双二极管代替单二极管模型,并在Matlab/Simulink下进行建模仿真。结果表明：该算法可以准确快速高效地找到局部阴影条件下光伏阵列的最大功率点。     

计及旁路二极管效应的太阳能模组性能评估

为避免功率失配损失,太阳能模组一般都配置旁路二极管,提供一个能量散逸的途径。基于这种配置提出一种新的太阳能模组性能评估算法。依据实际旁路区段配置建立网络方程,通过牛顿–拉夫逊非线性迭代方法实现拓扑求解,继而获得模组的整体性能。在用制造商标准测试数据验证了该评估算法的有效性后,进一步考察各种阴影场景下的模组整体性能,并给出全局最大功率点(maximal power point,MPP)位置随辐射强度变化时的定性结论。理论分析和仿真结果表明,由于多辐射强度导致功率多峰值的存在,常规最大功率点跟踪(maximal power point track,MPPT)算法可能会因为只能检测到MPPT伪极大值点而失效;而且,旁路二极管的合理配置对太阳能模组性能有很大影响。     

局部阴影条件下光伏阵列旁路二极管和阻塞二极管的影响和作用

本文通过分析局部阴影条件下,光伏阵列旁路二极管和阻断二极管对其输出特性的不同影响,区别出旁路和阻断二极管减小功率失配损失的效果。采用适用于建立局部阴影条件下光伏阵列电路模型的Matlab自带solar cell双二极管电路模型,代替构建复杂的数学模型。仿真试验验证了光伏电池短路电流随辐照度线性变化,旁路二极管不同配置方式对应光伏阵列输出特性变化明显,光伏电池开路电压随辐照度非线性变化且变化范围更小,阻塞二极管配置前后对应输出特性变化小。     

基于自适应布谷鸟搜索和扰动观察法的光伏最大功率点跟踪

当光伏阵列板暴露在不均匀的光线下时,功率电压(P-V)特性曲线会变为多峰,在这种情况下,传统的最大功率点跟踪(MPPT)算法将无法跟踪到正确的全局最大功率点(GMPP),而具有全局搜索能力的人工智能算法通常是高度参数化和复杂的。为了解决上述问题,提出了一种结合自适应布谷鸟搜索算法和扰动观察方法(ACS-P&O)的复合跟踪算法。该方法将布谷鸟搜索(CS)算法中的切换概率和Lévy飞行步长系数通过自适应调整,在跟踪早期,扩大算法的搜索范围。引入边界个体的处理策略,可进一步减少算法的迭代次数。该算法使系统更容易跳出局部最大功率点(LMPP),而在跟踪后期,算法精确运行在小范围内,提高了局部开发能力。扰动观察法(P&O)的加入缓解了系统位于GMPP附近时的功率振荡,稳定了输出。仿真结果表明,ACS-P&O复合算法能够适应环境变化的影响,并快速准确地跟踪GMPP。     

新型无均衡管理光伏锂电储能发电模组及其MPPT控制策略

为解决既有基于锂电无均衡管理(NBCM)的光伏锂电储能发电模组存在的光伏电池面板与锂电池之间需要严格的电压匹配及其带来的能效损失问题,改善光伏电池面板串级阴影效应以及功率变换器高频开关耦合产生的对地漏电流效应,提出一种改进的NBCM光伏锂电储能发电模组拓扑结构,其控制单元由前级光伏电池自适应电压均衡单元和后级SEPIC馈电升降压(SFBB)变换单元构成。在此基础上,提出一种基于极值搜索控制(ESC)和Lyapunov开关耦合控制的2-Lyap ESC最大功率点跟踪(MPPT)控制策略,以提高NBCM光伏锂电储能发电模组内串联光伏电池模块的MPPT输出能效,优化模组能量管理。仿真结果验证了该拓扑及MPPT控制策略的有效性。     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局部开发协调性能、避免陷入局部最优的能力.利用该改进鲸鱼算法对SVR参数寻优,建立光伏阵列最大功率点电压预测模型,并与电导增量法(INC)相结合应用于MPPT控制.Matlab/Simulink仿真结果表明,所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优,迅速准确地跟踪到全局最大功率点(GMPP).     

局部阴影条件下光伏阵列的串联特性分析

以光伏组件的双二极管模型为基础对串联输出特性进行了系统分析,包括分析比较有、无旁路二极管的串联特性、热斑成因,旁路二极管作用机理和不同连接方式以及等效串联结构的光照平衡的影响。结果表明,局部阴影使光伏阵列的I-U曲线呈阶梯状、P-U曲线呈现多峰;旁路二极管抑制热斑作用明显,其重叠和不重叠连接方式效果不同,重叠区的阴影可增大最大输出电流,且最大输出电流与遮阴程度正相关;多个光伏电池元共用一个旁路二极管可有效减少多峰数;等效串联结构的光照平衡可以消除阴影影响。     

光伏系统多峰值MPPT控制方法研究

实际光伏系统在被部分遮挡的情况下,带有旁路二极管的串联光伏组件呈现出多峰值的输出特性。为得到全局最大功率点,需要对其进行多峰值最大功率点跟踪（MPPT）。在单峰值MPPT控制算法的基础上,提出新的多峰值MPPT控制方法,能够通过4步,实现对最大功率点的有效跟踪。该算法的关键在于确定输出特性的谷值,以便进行定界和多区域搜索。最后通过仿真实例验证该算法的有效性。     

基于聚类分析的配电台区拓扑识别方法

拓扑识别是配电台区的技术热点之一,拓扑关系是电网普遍需求。在不额外增加拓扑识别硬件的条件下,利用台区同期电能数据进行拓扑识别,是有别于专用拓扑装置的另一种方法。研究了基于基尔霍夫定律的智能装置父子关系的特征条件和数学组合算法,并研究了基于聚类分析的拓扑识别算法,实现了从台区总出线开关到用户电能表的拓扑识别过程。提出了智能装置拓扑关系的主要数据结构和拓扑数据表单。基于聚类分析的机器学习方法和组合优化算法的拓扑识别技术,对于配电台区的运行和维护具有实用价值,对于配电数据孪生应用具有参考作用。     

考虑旁路二极管故障的光伏组件数学建模及功率特性分析研究

在光伏组件中引入旁路二极管是目前解决组件中电流失配问题的主要手段，但是当旁路二极管故障时，不仅会导致光伏组件的功率损失，极端情况下还会引发火灾。考虑到目前针对旁路二极管故障尚缺乏有效的检测手段，本文根据光伏组件中旁路二极管的工作原理和热特性，建立了一种考虑旁路二极管的光伏组件数学模型，分析了旁路二极管故障时光伏组件的输出特性；最后，搭建了并网光伏系统模型，分析了旁路二极管损坏对光伏系统最大功率跟踪控制的影响，为光伏系统故障诊断提供了理论依据。     

66 kV中压配电网中性点位移电压产生机理及有源抑制方法

分析66 kV配电网中性点位移电压产生的原因,提出一种基于有源调节技术的中性点位移电压抑制方法。通过向中性点注入电流来补偿因线路对地参数不平衡引起的不对称电流,结合实际电网运行参数,分析注入电流的幅值、相位与中性点位移电压间的约束关系,确定注入电流值。采用向电网注入恒频间谐波测量信号的系统状态辨识方法,结合电压、电流双闭环控制,实现有源逆变装置对中性点位移电压的有效抑制。最后通过基于Matlab/Simulink的配电网仿真实验及实际物理实验,验证所提方法的正确性及有效性。     

基于Petri网理论的智能签票系统防误算法的设计与实现

针对电网继电保护方式安排可靠性与智能性仍需提高的现状,提出了基于Petri网理论的智能签票系统防误算法。通过对电网基础数据进行网络拓扑分析,采用分层分类的方法描述操作规则。根据签票语料拓扑结构和防误专家知识库建立Petri网理论模型,实现智能化的签票系统防误功能。实际运行表明,基于Petri网理论的继电保护智能签票系统的防误算法能够对保护方式安排提供准确丰富的校验结果,保障电网保护方式安排操作的准确性与安全性。     

光热-风电联合运行的电力系统经济调度策略研究

针对大规模并网风电出力的随机性、波动性以及反调峰特性给电网调峰和调度带来的影响,采用含储热的光热发电系统与风电联合运行的调度策略。利用光热与风电出力的互补性及储热的可调度性平抑风电出力波动,减小电网负荷峰谷差,降低火电调峰的成本,减少弃风。基于光热电站的运行机理分析,建立光热-风电联合系统的电网调度模型。采用粒子群算法对模型进行求解,实现经济调度的优化。通过仿真算例分析验证调度策略及模型的可行性和合理性。     

基于图划分的大电网拓扑分析

为支撑大电网在线实时监控和分析,提出了一种基于图划分的大电网拓扑分析方法。该方法首先根据智能电网调度控制系统电网建模特点,给出了基于图论的电网层次结构、拓扑结构、厂站母线分析和系统网络分析模型。然后基于图划分建立了并行网络拓扑和局部拓扑修正的数学模型,并根据该模型设计了大电网并行网络拓扑的实现方法。最后基于共享内存编程模型在智能电网调度控制系统中研发了快速网络拓扑分析服务功能。所提出的模型和方法实现了大电网并行网络拓扑分析的无锁计算,避免了多线程数据竞争导致的阻塞耗时问题。对实际系统进行仿真测试,结果表明了该方法的准确性、实时性和有效性。     

基于深度学习的安全帽识别算法研究与模型训练

针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法。对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法。将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息。通过模型训练验证了所提模型的实用性。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

基于邻接矩阵的网络拓扑辨识算法

电力网络拓扑辨识是电网管理系统高级应用软件的重要组成部分,是电力系统各种分析计算的基础。针对矩阵法计算量大、计算速度慢的缺点,提出了一种加快网络拓扑辨识的新方法。该方法用节点—支路关联矩阵表示网络的基本拓扑结构,通过定义矩阵的"或"、"与"运算和开关状态矢量,利用对称消去法降低邻接矩阵的阶数,并把对称性应用于求连通矩阵的过程中,从而实现网络的动态拓扑。与传统算法相比,该方法减少了计算量,加快了计算的速度,适用于复杂的网络拓扑辨识。