分布式光伏并网对配电网电压的影响

随着新型电力系统的大力发展,分布式光伏并网的渗透率不断提升,大量的分布式光伏并网会影响配电网潮流方向,对节点电压造成影响,影响配电网的安全运行。针对该问题,首先,分析分布式光伏接入时不同位置、容量对配电网电压产生的影响,其次,基于典型的IEEE33节点搭建仿真模型并进行潮流计算分析,最后,得出分布式光伏并网配电网电压的分布规律,以确保电网的安全稳定运行。     

分布式光伏发电并网数字化建模与仿真北大核心

为了改善光伏发电性能,需要对分布式光伏发电并网控制技术进行研究。提出基于MPPT控制的分布式光伏发电并网建模方法,建立光伏电池模型,在所建模型的基础上研究光伏发电系统输出功率受光照强度变化的影响。并利用MPPT控制方法跟踪分布式光伏系统的最大功率点,提高分布式光伏系统在运行过程中的输出功率。通过滑膜控制对光伏并网逆变器进行控制,保持电网电压与光伏发电系统输出电流的同步性,实现分布式光伏系统并网发电。通过仿真,验证了所提方法可有效地实现光伏阵列最大输出功率的跟踪,满足分布式光伏发电并网系统的运行要求。     

光伏发电系统并网控制策略研究

光伏发电系统具有清洁无污染、可持续利用的特点,越来越受到国家和各企业单位的重视.根据光伏发电系统工况点,控制系统使光伏系统工作在当前最大输出功率处称为最大功率点跟踪(MaximumPowerPointTracking,MPPT)控制,光伏发电系统首先经过直流稳压,通过逆变器转变为交流电能.受光照强度和现场温度影响,光伏...     

基于分组粒子群的光伏最大功率点跟踪方法

针对光伏发电系统在复杂遮阴条件下,光伏输出P-V特性曲线呈现高度非线性,采用基于分组粒子群算法（particle swarm optimization, PSO）和优化的扰动观察法(perturb and observe, P&O)相结合的MPPT（maximum power point tracking）算法进行光伏发电系统输出功率的提升。提出的最大功率点算法分为两个阶段,首先通过将混合蛙跳算法(shuffled frog leaping algorithm, SFLA)的分组思想引入到传统粒子群算法,并采用改进后算法实现近似全局最大功率点的快速搜索,以加快最大功率点跟踪的收敛速度和稳定性。然后,采用优化的扰动观察法实现最大功率点附近的动态精确跟踪,同时减少后续最大功率点跟踪过程中的计算量。通过在不同阶段发挥两种MPPT算法的各自优点来提高光伏最大功率点跟踪控制的效率。最后进行光伏系统遮阴条件变化的仿真实验,与传统粒子群算法相比,提出MPPT方法具有较快的跟踪速度和稳定的功率输出。     

粒子群优化算法

系统地介绍了粒子群优化算法，归纳了其发展过程中的各种改进如惯性权重、收敛因子、跟踪并优化动态目标等模型。阐述了算法在目标函数优化、神经网络训练、模糊控制系统等基本领域的应用并给出其在工程领域的应用进展，最后，对粒子群优化算法的研究和应用进行了总结和展望，指出其在计算机辅助工艺规划领域的应用前景。     

粒子群优化RBF神经网络光伏电池建模研究

本文研究神经网络在光伏电池建模优化问题。由于光伏电池具有高度非线性特性,其输出功率受到外界自然因素的影响,使得传统方法不能满足光伏控制系统动态要求。针对上述问题,本文提出一种粒子群优化的神经网络光伏电池建模算法。改进的方法以日照、温度和负载电压作为提出的RBF神经网络模型的输入值,把光伏电池的输出功率作为神经网络的输出,采用RBF神经网络对光伏电池进行建模,同时利用粒子群算法对神经网络参数进行优化,最后建立光伏电池的动态响应模型。仿真实验结果证明,所提模型更好地克服传统方法的缺点,收敛速度快,具有较高的预测精度和适合能力。     

光伏并网接入配电网的太阳能发电系统设计

对配电网发电系统进行设计,可以减少电网输电时产生的故障,提高配电网运行效率。当前方法利用一次性能源,例如石油、煤炭以及天然气等化石能源实现发电系统的设计。由于化石能源在本质上,是数万年以来由太阳能辐射至地球的一部分能源,该能源消耗快,导致发电系统运行不稳定。为此,提出光伏并网接入配电网的太阳能发电系统设计方法。该方法对光伏并网接入配电网进行研究,利用图解的方式详细介绍并网点及接入点,系统的硬件部分通过光伏阵列以及一体化框架、逆变单元VSR、交流配电单元以及放电模块和系统电源电路,组建太阳能光伏并网接入配电网发电系统构造。采用三相桥结构对太阳能发电系统电路进行设计,太阳能发电系统的温度采样模块设计中,利用的是温度传感器AD590,根据TLP250驱动Power MOSFET完成放电控制模块的组建,依据光伏阵列、利用80C196MC等可逆变流控制组建光伏并网逆变模块。系统的软件部分利用构建光伏并网接入配电网的太阳能发电数学模型实现。实验证明,所提方法有效利用可再生资源与绿色能源,实现发电系统的稳定设计。     

基于遗传粒子群法的配电网故障定位研究

针对分布式电源接入后配电网故障定位困难的现状,构造了适应多分布式电源接入的故障电流编码方式、开关函数和评价函数。提出了基于改进遗传粒子群法的配电网故障定位方法,该方法有效融合了遗传算法在全局搜索方面和粒子群法在局部搜索方面的优势。建立配电网故障定位仿真实例,通过配电网系统单重故障和多重故障及FTU上传故障信息出现畸变情况的仿真对比分析,结果表明本方法具有更高的定位准确率和较快的收敛速度,且本方法抗干扰性更强。本研究成果可为配电网故障定位提供有效的参考和技术指导。     

风电光伏并网储能容量优化配置方法

风电光伏并网储能容量优化配置模型一般为独立执行结构,优化范围较小,导致储能容量优化配置时间提升比率下降,为此,本文设计并验证分析了风电光伏并网储能容量优化配置方法,根据实际的优化配置需求及标准先进行一次调频特性提取及目标函数计算,采用多阶的方式扩大优化范围,构建多阶小波变换光伏并网储能容量优化配置模型,采用边界约束处理实现容量优化配置。结果显示,与传统风光联合光伏并网储能容量优化测试组、传统分段削峰光伏并网储能容量优化测试组相比,此次设计的小波光伏并网储能容量优化测试组的储能容量优化配置时间提升比率均保持在1.55%以上,说明此方案更加灵活、高效,配置效果更佳。     

粒子群优化算法与BP算法和遗传算法的比较研究

讨论了粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置.通过一个测试函数,对粒子群优化算法与遗传算法和BP算法分剔进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于其他两种算法.     

一种遗传算法与粒子群优化的多子群分层混合算法

针对遗传算法全局搜索能力强和粒子群优化收敛速度快的特点, 本文从种群个体组织结构上着手, 进行优势互补, 提出了一种遗传算法和粒子群优化的多子群分层混合算法(multi-subgroup hierarchical hybrid of genetic algorithm and particle swarm optimization, HGA–PSO). 算法采用分层结构, 底层由一系列的遗传算法子群组成, 贡献算法的全局搜索能力; 上层是由每个子群的最优个体组成的精英群, 采用钳制了初始速度的粒子群算法进行精确局部搜索. 文中分析论证了HGA–PSO算法具有全局收敛性, 并采用7个典型高维Benchmark函数进行测试, 实验结果显示该算法的优化性能显著优于其他测试算法.     

基于粒子群优化的光伏系统MPPT控制方法

局部遮阴条件下光伏阵列P-V特性引起的多个极值点使常规的最大功率点跟踪(MPPT)算法失效。针对上述问题,提出一种基于粒子群优化算法的控制方法,以解决局部遮阴下的最大功率跟踪问题。实验结果显示,光伏模板的输出电压被稳定地控制在最大功率点附近,证明算法是有效的。     

基于粒子群遗传算法的云计算任务调度研究

对云计算任务调度进行了研究,针对用户满意度和云提供商利益需求,提出一种融合粒子群和遗传算法的PSOGA改进算法。根据云环境特点对虚拟机资源进行分类,同时引入任务-资源满意度距离、资源综合性能概念;对粒子群初始粒子操作进行优化,来提高粒子质量;为克服粒子易陷入局部最优解问题,加入遗传算法（GA）的交叉、变异操作,扩展粒子的搜索空间。仿真结果表明,该调度策略提高了用户满意度的同时减少了任务的完成时间,是云平台下一种有效的任务调度策略。     

基于纳什均衡量子粒子群算法的分布式能源系统频率控制方法

含风能、太阳能等可再生能源的分布式能源系统存在频率波动过大和混合储能难以控制的问题。为此,文章提出了一种基于纳什均衡量子粒子群算法（NEQPSO）的分布式能源系统频率控制方法。首先,建立了一种含新能源和混合储能的分布式能源系统模型,并将滑模控制器（SMC）与LADRC观测器的输出共同作用于LADRC的PD控制器,实现滑模线性自抗扰控制器（SM-LADRC）的改进;接着,采用NEQPSO对控制器参数进行优化,以获取最优控制器参数;最后,设置不同情况下的对比验证实验。实验结果表明,优化控制器的控制效果明显优于常规PID和PI控制的;NEQPSO的寻优能力明显优于粒子群算法（PSO）和遗传算法（GA）的;同时,由负荷实验和灵敏度验证实验结果可知,基于NEQPSO滑模线性自抗扰控制的分布式能源系统响应快速、抗扰能力更强、频率效果更好且具有良好的稳态性能。     

基于改进粒子群算法的配电网无功优化

分布式电源的接入配电网有利于其无功优化、改善电压质量、降低网络损耗。以有功网损最小为其无功优化的目标函数,建立相应的数学模型,并对其进行仿真试验。由于基本粒子群算法的系数选择为常系数,存在人为选择系数过多依赖于经验的现象,具有一定的主观与偶然性,会导致粒子过于早熟,陷入局部最优。因此针对常系数粒子群算法的不足,将基于动态权值系数的改进型粒子群算法运用到无功优化中,对含有风、光等分布式电源接入的IEEE33系统模型进行仿真试验分析。试验结果表明,该算法能够有效降低网损,改善电压质量,提高系统的稳定性。     

混合型粒子群优化算法研究

为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混合粒子群算法的优缺点及适用范围。     

基于DSP的光伏发电并网系统研究

本文主要探讨了以数字信号处理器DSP为控制核心的光伏发电并网系统,对其控制系统和逆变器控制电路的分析设计。本文阐述了逆变电路相关硬件电路的设计方法与元器件的选择,以及基于DSP的控制系统的设计方案。     

基于粒子群算法的遗传算法及其应用

本文将遗传算法（Genetic Algorithm）和粒子群算法（Particle Swarm Optimization）进行了有机结合,提出了一种改进的混合遗传算法——基于粒子群算法的遗传算法（PSOGA）。最后通过旅行商问题的仿真实验,证明该算法的收敛速度快,拥有更好的优化性能。     

一种基于遗传算法改进的粒子群优化算法

在研究标准粒子群算法和遗传算法的基础上,介绍一种加入遗传选择,交叉算子以及变异算子的扩展算法,以提高粒子群算法摆脱局部极值点的能力,并且算法具有较快的收敛能力。