基于蜂群算法和半监督极限学习机的光伏系统故障诊断

户外环境中运行的光伏系统容易受到各种因素特别是灰尘的影响，其非正常运行会导致大量的电力损失，严重的短路故障则会导致安全问题和火灾隐患。因此，监测光伏系统的运行状态，及时排除潜在故障，制定有效的处理方案是当前研究的重点。本文分析了光伏电池串在各种故障状态下的I-V特性，特别是在污秽条件下的I-V特性。针对具有特定故障的光伏系统，特别是大规模光伏系统的标记数据难以记录的问题，提出了一种结合人工蜂群算法和半监督极值学习机（ABC-SSELM）的新算法。该算法能够利用少量的模拟标记数据和历史未标记数据对光伏故障进行诊断，大大降低了人工成本和时间消耗。此外，灰尘堆积监测可以提醒电厂业主及时清洗光伏组件，提高发电效益。最后，使用3.51kWp和3.9kWp的光伏系统验证所提出的诊断方法，数值仿真和实验结果证明了所提光伏诊断技术的准确性和可靠性。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

建筑电气节能减排措施和光伏新能源的应用

随着我国社会经济的发展,城市化进程逐渐加快,同时城市规模不断扩大,建设项目数量迅速增加,从而进一步增加了能源和资源的消耗。正是因为建筑业的快速发展,我国资源能源紧缺。当前,建筑企业在发展过程中,要进一步加强资源利用,积极响应国家倡导的节能减排理念,在提高能源利用率的同时提升新能源的利用,综合利用新能源降低建筑用电消耗。基于此,本研究对建筑电气节能减排的现状进行了探讨,并提出了相应的工作建议,以期全面加强建筑电气节能减排,确保相应工作能够高效、稳定地开展,加强光伏新能源的利用,以新能源手段全面提升节能减排效果。     

关于光伏建筑一体化的分析

本文章介绍光伏建筑一体化的模块结构并且分析了其通风、热阻和湿度表现,以及分析了光伏建筑一体化的优缺点。     

基于可变速率LPPT的下垂控制的微电网光伏 系统的运行频率控制

本文的目的是改善光伏(PV)系统组成的孤岛微电网系统的频率调节。光伏系统运行在有限功率点跟踪(LPPT)模式下使光伏系统的有功功率应用下垂控制,反过来改善了微电网频率的调节。LPPT是用于从光伏系统获得可能比最大功率小的期望功率值的控制技术。可变速率LPPT是可用的LPPT控制中的最好控制技术,在工程中使用的技术。本文中使用的下垂控制器为基于母线频率与标称值(50Hz)的偏差的光伏系统运行在有限功率处提供指定的参考功率设定值。提出了一个案例研究来验证该方法的有效性。     

PSC A D 光伏电池仿真模型

讨论了一种考虑太阳光照强度及环境温度变化的光伏阵列数学模型,然后利用PSCAD仿真工具建立对应的仿真模型。该模型可以分析太阳能光伏电池阵列在有无遮挡情况下随着光照强度和温度不同而变化的P-V和I-V非线性特性。