基于相似日理论和LIBSVM软件中SVR算法的光伏发电系统输出功率预测方法

由于光伏发电具有间歇性、波动性的特点,因此准确预测并网型光伏发电系统的输出功率对电网调度,以及电网的安全稳定和经济高效运行具有重要意义.提出了一种基于相似日理论和LIBSVM软件中支持向量机回归(SVR)算法的光伏发电系统输出功率预测方法.通过实例进行仿真验算,并与同样采用相似日理论的反向传播(BP)神经网络算法、径向...     

Supercapacitors for power control in a grid-connected photovoltaic system

并网光伏发电系统输出功率的波动性和随机性给并网后系统稳定性,光伏发电消纳以及光伏电站电能质量等方面带来了负面影响,制约了光伏发电的发展.针对这一问题,将超级电容器作为功率调节装置,控制光伏并网系统按指定值平滑,准确地输出功率,使光伏发电具有可调度性.在分析了超级电容特性,系统构成和双向DC/DC变换器状态空间平均小信号模型的基础上,提出功率,电流双闭环反馈滞环电流控制策略,控制超级电容器吸收或补充输出功率的波动成分.在PSCAD/EMTDC 电力系统仿真软件中构建仿真模型,对提出的系统和控制策略进行了仿真分析,良好的仿真结果验证了方法的可行性.     

光伏发电系统的并网模糊PID控制

在三相两级式并网逆变器数学模型的基础上,将模糊PID控制策略引入光伏发电系统的并网控制中。通过数字仿真和物理仿真表明模糊控制与PID控制相结合的模糊PID控制,改善了光伏系统并网控制的动态过程,能够实现光伏系统的平滑并网。     

光伏发电系统功率预测方法研究综述

光伏发电大规模并网给电网的稳定运行带来巨大挑战,提高光伏发电功率预测水平对光伏能源并网安全具有重要意义.光伏发电系统功率输出具有明显的非线性、间接波动性和不确定性特点,须采用数学模型结合多尺度预测方法实现较高预测精度.针对多元线性回归算法、马尔科夫链预测、神经网络算法、支持向量机和组合预测等光伏系统输出功率的直接预测方...     

光伏发电MPPT的变论域自适应模糊控制

针对常规模糊控制器在光伏发电最大功率点跟踪(MPPT)控制中存在的功率波动、控制精度低和自适应性较差等问题,提出了一种基于变论域自适应模糊控制器的光伏发电MPPT控制,该控制器能根据光伏发电输出功率偏差的变化自动调整变量的论域,从而快速准确地跟踪光伏发电系统的最大功率点(MPP)。实验结果验证了该控制方法能有效实现光伏发电MPPT控制,提高了系统的效率和稳定性。     

基于分布式平滑控制的光伏群输出功率控制研究

针对单相并网光伏发电系统不确定性扰动难以准确估计和抑制的问题,提出一种基于不确定性估计器和扩张状态观测器的新型控制策略,在抑制未知扰动的同时提高光伏发电系统的电能质量。而后在此基础上,针对光伏群输出功率的控制,提出一种具有通信鲁棒性的分布式平滑控制方法。根据实验和仿真结果可知,基于UE-ESO的单相光伏并网逆变器控制方法能够提高单台光伏发电系统的稳态性能,基于DSC的PVC输出功率控制方法能够实现光伏群输出功率的有效控制。     

光伏电站输出功率影响因素分析

光伏发电系统的发电量取决于太阳辐照强度和温度等因素,其输出功率的变化具有间歇性和不可控性,大规模的光伏并网应用将对大电网的稳定运行造成冲击。光储联合应用将有助于降低光伏电源的负面影响,为了协调配置光伏系统与储能系统,需要深入了解光伏发电系统的输出特性。首先分析了大规模光伏发电系统并网应用对电网带来的影响,进而介绍了光伏发电原理和影响光伏组件输出的因素;然后依托某100 kWp光伏电站的实际历史运行数据,基于统计学方法,从气象因素如日类型、太阳辐射强度和温度等影响光伏出力的角度,对光伏发电系统的输出特性作了定性、定量的分析,从而归纳了光伏输出特性,最后据此提出了光伏电站输出功率的评价指标。     

基于改进MPPT算法的微电网电能质量改善作用研究

基于最大功率跟踪(MPPT)技术的光伏发电系统,其控制器输出功率参考值由MPPT算法实时计算得到。MPPT算法的快速性、准确性和稳定性可直接影响光伏发电系统的输出功率特性及发电质量。为此,结合单级式光伏并网发电系统的控制原理,分析了MPPT算法对光伏发电系统的控制作用;并针对一种常用变步长扰动算法存在的问题,结合光伏电池的数学模型,提出了一种改进的变步长扰动算法。该算法可有效提高跟踪速度和精度,降低功率波动,提高发电质量。最后,仿真分析了改进前后含光伏发电系统的微电网的电能质量,验证了改进MPPT算法对微电网电能质量的改善作用。     

基于碳中和目标的分布式光伏发电并网消纳控制研究

采用目前方法对分布式光伏发电并网进行消纳控制时，没有对碳排放量进行分配，存在碳排放量高、系统效率低和发电量低的问题。提出基于碳中和目标的分布式光伏发电并网消纳控制方法，该方法对消纳进行控制之前对分布式光伏发电系统的碳排放量进行了分配，以此助力碳中和目标达成，在此基础上构建分布式光伏发电并网消纳控制模型，并设定相关约束条件，采用遗传算法对消纳控制模型进行求解，获得模型最优解，实现分布式光伏发电并网的消纳控制。实验结果表明，所提方法的碳排放量低、系统效率高、发电量高。     

光伏发电系统输出功率特性分析及其平滑控制研究

为解决光伏发电系统受光照、温度等外部环境因素影响大、输出功率波动频繁以及并网电流谐波含量大等问题,在分析光伏并网发电系统输出功率特性的基础上,提出一种基于蓄电池和超级电容复合储能的并网功率平滑控制策略。详细分析不同光照、温度环境下系统输出功率的特性及其对电网的影响,给出复合储能型光伏并网发电系统的实现方案,并提出改进的系统并网控制方法,实现系统并网功率高、低频波动分量的平滑控制。仿真结果表明:该控制策略能有效平抑系统输出功率波动,同时降低并网电流的谐波含量。     

基于氢储能的主动型光伏发电系统建模与控制

针对光伏发电随机性强、间歇性明显对电网造成不容忽视的影响,该文提出基于氢储能的纯绿色、电网友好型主动光伏发电系统模型及控制策略。以并网功率平稳为目标,在光伏DC/DC变换器端并入制氢与燃料电池装置,通过光伏与制氢、燃料电池的协调控制,从而实现光伏友好、主动并网。基于PSCAD/EMTDC软件平台,仿真验证该文所提模型及控制方法的有效性及正确性。     

计及光伏出力随机性的电网运行风险评估

针对光伏发电输出功率具有随机性、可能带来电网运行风险的问题,利用蒙特卡洛模拟法对太阳光辐照度分布区间进行模拟,建立了光伏随机输出模型,对整个系统的设备及光伏电源出力进行随机抽样;结合风险理论,对并网光伏系统随机出力情况下电网的运行风险指标进行了计算。以IEEE-RTS79系统为例,分析了不同光伏并网点和不同并网容量对电网运行风险的影响。结果表明,在负荷较重区域增设光伏并网,可以有效地降低电网运行风险。因此,选择适当的光伏并网点和容量可以降低电网运行风险。     

光伏发电系统输出功率计算方法研究

准确计算光伏发电系统的输出功率,对光伏发电系统发电量的监管和光伏并网系统与电网调度、电力负荷等的配合问题具有重大意义。根据光伏发电系统的结构和工作原理,提出了光伏发电系统输出功率计算方法,可以计算任意太阳辐射量、环境温度、系统结构下的光伏发电系统输出功率。通过与真实光伏电站运行数据的比对,结果显示了光伏发电系统输出功率计算方法的适用性与准确性。     

基于模糊控制的光伏飞轮储能系统有功平滑控制

鉴于太阳日照的间歇性和随机性使光伏发电输出的有功功率会随日照强度的变化而波动,进而影响电能质量、增加了对电网的冲击,在分析光伏飞轮储能系统的结构和特性的基础上,提出了一种基于模糊控制的光伏飞轮储能系统有功平滑控制,利用Matlab/Simulink平台,通过算例仿真分析了光伏飞轮储能系统的飞轮转速、功率输出状况及平滑系数,并与无飞轮储能、简单飞轮储能两种装置进行了比较。结果表明,基于模糊控制的光伏飞轮储能系统有功平滑控制方法较大程度地减小了平滑系数、有效提高了功率的平滑输出、减小了对电网的冲击,验证了模糊控制的有效性和可行性。     

基于FMPC的储能系统跟踪光伏发电计划控制策略

为了最大限度地提高跟踪光伏发电计划的能力,文章提出一种适用于储能系统的模糊模型预测控制(FMPC)充放电控制策略。基于模型预测控制(MPC)方法,建立了以储能系统剩余容量偏离理想值、并网功率与发电计划偏差最小为目标的控制模型,通过引入模糊控制(Fuzzy Control),即时调节目标函数中的权重系数以获得最佳跟踪效果。以光伏电站实际运行数据进行仿真分析,结果表明,与传统MPC和普通控制策略相比,所提出的基于FMPC的储能系统控制方法具有独特的灵活性和适应性。     

不同控制策略影响下光伏发电电能质量特性研究

随着光伏发电的广泛接入,光伏发电出力的随机性和间歇性给电网电能质量带来一定影响。在分析光伏逆变器常用PQ和V/f控制策略基础上,构建了光伏电池及其逆变器控制策略模型,分析了光伏在PQ和V/f控制下的电能质量变化状况,从而得到光伏相应电能质量指标特性。结果表明,光伏并网且PQ控制时,主要是电流谐波等电流质量问题;孤岛且V/f控制时,主要是电压波动等电压质量问题。研究结果可为光伏运行和电能质量监测等提供依据。     

基于PSOEM和神经网络的光伏电站功率预测

分析光伏发电输出功率预测的影响因素,确定了基于BP神经网络的功率预测模型,针对BP神经网络本身易陷入局部极值、收敛速度慢等问题,采用粒子群优化算法（PSO）和带扩展记忆粒子群优化算法（PSOEM）这2种群智能算法来优化BP神经网络的初始值和阈值,分别建立了基于PSO-BP神经网络和基于PSOEM-BP神经网络的光伏电站输出功率预测模型。根据某光伏电站2月1日—6月30日的光伏发电历史数据,利用所提3种模型对光伏发电系统进行了功率预测。误差对比结果表明,基于PSOEM-BP神经网络的功率预测精度明显高于基于PSO-BP神经网络的功率预测精度,故采用PSOEM优化后BP神经网络模型进行光伏功率预测,具有一定的理论和实用价值。     

基于混合储能的并网光伏发电系统功率控制研究

针对并网光伏发电系统输出功率的波动,提出利用混合储能系统对功率进行平抑.介绍了光伏最大功率跟踪和并网逆变的控制,为实现发电和并网功率的匹配,考虑蓄电池和超级电容器各自特性的优势,对混合储能系统提出了三级式功率分配策略;通过设计相应的控制方法和以功率分配单元的输出功率作为参考值,混合储能系统控制变换器进行合理充放电.混合储能系统不仅保证了并网功率按计划运行,而且稳定了直流母线电压、满足了随机负荷供电.通过仿真验证,三级式功率分配策略有效,控制方法可行.     

神经网络反推控制在光伏系统最大功率点跟踪中的应用

针对太阳电池输出最大功率受到光照强度和温度等因素影响的问题,提出一种基于神经网络反推控制技术的最大功率点跟踪方法。首先利用神经网络求取最优直流母线参考电压,设计反推控制实现光伏发电系统最大功率点跟踪和单位功率因数并网。然后,利用神经网络对光伏发电系统的不确定性部分进行补偿,消除非线性模型的不确定性部分的影响。最后,利用Liyapulov稳定性理论证明了神经网络反推控制器的稳定性。实验结果表明该方法能同时实现光伏发电系统的最大功率点跟踪和单位功率因数并网,具有良好的抗干扰能力。     

多场景下光伏-双单元储能系统协同平抑功率波动控制策略

光伏发电的间歇性和随机性是制约其大规模发展的主要因素,由此文章提出一种适用于多场景的光伏-双单元储能系统协同平抑功率波动控制策略。首先,针对光伏电站多个典型出力场景,并结合并网限制要求,对光伏原始功率信号进行变分模态分解,求得并网目标功率和储能需求功率,并利用阈值补偿方法缩短计算时长;然后,通过协调互补的双单元储能系统对储能需求功率进行消纳,使得各储能单元能够在标准充、放循环深度内独立承担任务;最后,在Matlab平台上对所提信号分析算法的平抑效果,以及光伏-双单元储能系统协同平抑功率波动控制策略的普适性进行仿真验证。仿真结果表明,在多个典型场景下,所测得的并网目标功率均满足并网限制要求,所选的分析算法可有效平抑光伏出力的波动,该协同控制策略能够保证双单元储能系统的长期稳定运行,大幅度提高了光伏并网的可靠性。