光伏发电功率预测预报系统V2.5在东洞滩光伏电站的安装及运行

对光伏并网电站的产能加以预测和科学化管理,能够提高电网消纳光伏发电出力的能力及电站的运营水平。以甘肃省酒泉市东洞滩光伏电站为例,介绍了光伏发电功率预测预报系统V2.5在该光伏电站的安装、调试及运行情况,阐明了系统的安装环境、实况功率采集、预报结果上报等,并针对实况功率采集,分析了104传输规约的报文结构及通讯过程,最后给出了系统的调试和维护方案。运行结果表明,该系统运行稳定,预报效果良好,对电网调度和光伏电站的经济运行具有较好的指导意义。     

基于数字孪生和改进LSTM的光伏发电预测技术

为提高光伏发电功率预测的精度和时效性,降低电网调度的安全隐患,提出了一种基于数字孪生模型、联合神经网络以及融合预测模型的光伏发电功率预测技术。该技术以针对常态预测的CNN LSTM网络和针对超短期预测的集成学习融合预测模型为核心,以光伏发电系统的数字孪生模型为基础框架,以某光伏电站的实测数据为基础进行了分析,实现了实时的多模式光伏发电功率精确预测。结果表明：改进的CNN LSTM联合网络模型能够实现较高预测精度,相比于现有的主流预测算法精度提高了约36%~58%;针对超短期的发电功率预测这一难点,集成学习融合框架可以进一步将预测精度提高25%左右。     

压缩空气蓄能调节太阳能系统输出 功率建模与研究

太阳能的间歇性和波动性不利于太阳能发电大规模并网,实施电力储能可平抑输出功率波动,改善电能质量。目前,我国大规模的电力储能只有抽水蓄能,却受到水资源的限制而无法普遍开展。提出了基于压缩空气蓄能（compressed air energy storage, CAES）的太阳能发电站功率调节系统,给出了CAES调节系统额定功率、容量等系列关键参数的设计方案,并选取案例对CAES系统仿真模拟。结合电站所在地区负荷变化及与局域电网电能交换数据,对比了采用CAES功率调节系统前后太阳能发电并网对局域电网的影响,分析结果表明CAES调节太阳能发电能有效地缓解对局域电网的冲击。     

光伏电站并网对电能质量的影响及对策

由于光伏发电具有波动性和间歇性,且光伏发电系统中含有大量的电力电子设备,并网后会对当地电网的电能质量产生一定的影响。介绍了浙江嘉兴电网某光伏电站的概况及其并网对电能质量在谐波、电压偏差、频率偏差、闪变、电压不平衡度及功率等方面的影响,并进行评估和分析,提出加强电能质量监督的建议。     

基于改进支持向量机的多能源电力系统中储能容量规划及运行模型

研究多能源电力系统中储能装置的定容及运行,有利于减小功率波动,降低对电网的冲击,提高电能质量。以青海省海西千万瓦级可再生能源基地为例,首先根据光伏电站和风电场的历史数据分析了两种新能源发电系统的出力特性,在此基础上建立了支持向量机模型,对新能源电站的输出功率进行了短期预测。根据光伏电站和风电场的出力预测误差,建立了ARMA误差预测模型,进一步修正了光伏电站和风电场的预测曲线,最后根据出力预测曲线的功率谱确定了储能系统的容量及出力曲线。研究成果可为新能源并网提供技术支持。     

一种考虑季节特性的光伏电站多模型功率预测方法

随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。     

分布式光伏电站接入电网电能质量评估计算

光伏电站接入配电网后,在改变电网原有拓扑结构和潮流方向的同时,其电能输出特性直接影响到电网的电能质量。为保障现有电网的安全稳定,更好利用太阳能,在光伏电站接入系统前的设计阶段需对光伏发电接入系统进行电能质量评估。结合实际工程案例,以某MW级分布式光伏电站为研究对象,根据分布式光伏电站接入电网时的电能质量要求,基于Matlab/Simulink仿真平台进行建模,对并网电能质量进行评估计算,并进行相应的分析。计算结果表明：该分布式光伏电站接入点符合电能质量要求,允许接入系统。     

基于时间序列的分布式光伏电站发电数据采集方法

由于当前方法对发电数据进行采集时,没有对发电数据的缺失值进行修复,存在缺失数据修复前数据采集精度差、与实际采集数据相差多的问题。该文提出一种基于时间序列的分布式光伏电站发电数据采集方法。根据光伏电站受到的不同影响,构建了负荷异常值类型的时间序列模型,利用该模型对异常数据负荷点进行剔除,由于剔除后的数据存在缺失值,因此对其进行修复;根据修复结果,采用BP神经网络对发电数据进行采集。实验结果表明,通过对该方法进行缺失数据修复前后对比测试、不同方法与实际指标数据采集测试,验证了该方法的有效性强、实用性高。     

基于时空图卷积神经网络的光伏发电功率超短期预测方法

为了解决传统光伏电站超短期功率预测方法不能同时准确提取发电功率的时间和空间特征的问题,提出一种基于时空图卷积神经网络的光伏发电功率超短期预测方法。针对同一区域内的多个光伏电站,首先对电站进行图建模,利用图卷积网络（GCN）与门控线性单元（GLU）提取发电功率的时空特征。利用提取到的时空特征信息以及区域内光伏电站的历史发电功率数据训练预测模型,最终实现对多个光伏电站发电功率超短期预测。实验结果表明,该方法能够将超短期功率预测均方根误差减小至1.122%,对工作人员根据实际情况进行电网的调度管理具有重要意义。     

大规模光伏发电接入对直流输电系统的影响研究

直流输电系统是实现高电压、大容量、远距离送电和区域电网互联的一个重要技术手段,对于大规模新能源发电的跨区域消纳具有重要的作用。以大规模光伏发电发电接入西北某电网为对象,建立光伏电站模型,分析光伏电站不同运行方式及电网扰动情况下对直流系统的影响,并提出为保证大规模光伏发电接入后直流系统稳定运行的措施与建议。     

基于神经网络和改进相似日的光伏电站功率预测

为提高光伏电站功率预测的准确率,提出了一种基于SOM神经网络与熵权法优化关联系数的相似日预测模型,利用麻城市某100MW光伏电站的气温、相对湿度、风速及国家气象站日照时数、总云量、低云量等气象要素,采用SOM神经网络推算出预测日的三个相似日,再利用熵权法优化关联系数确定三个相似日的系数求出相似日分辨率为15min的瞬时功率,作为BP神经网络输入对光伏电站进行短期功率预测,并通过与其他四种预测模型的对比分析评估其性能。结果表明,模型的月相对均方根误差、月平均绝对百分比误差分别为5.88%、3.03%,与效果最佳的原理法模型误差接近;基于熵权法优化的关联系数和云量数据的加入对预测准确率有较大提高;模型预测准确率较高,抗扰动能力较强,可集合至本部门开发的预测系统运用到实际中。     

基于遗传算法优化神经网络的光伏电站短期功率预测

针对现有光伏发电预测的不足,基于遗传算法(GA)和神经网络(BP)算法构建光伏电站功率预测模型,并使用组合权重法遴选相似日对模型进行修正。采用新疆某光伏电站运行实例验证模型的有效性,并对比BP-GA模型与单一BP模型的预测误差。结果表明,BP-GA模型克服了传统单一BP模型的不足,具有较高的预测精度,可为光伏发电预测工程实践提供参考。     

基于综合相似日和功率相关性的光伏电站预测功率修正

提出了一种基于邻近电站和综合相似日的BP网络光伏输出功率异常数据修复方法。考虑了地理位置、温度以及1日类型等影响出力的因素,通过皮尔逊积距法选取与待修复电站功率相关度高的邻近电站,综合使用灰色关联度和曲线相似度来分析相似日,找出与待修复日相符的周边电站的综合相似日数据,然后建立BP网络模型,用自适应调节学习速率的方法修复不良数据。对青海地区实际光伏预测功率中的异常数据进行修复的结果表明,该方法有较高的修复精度。     

光伏并网发电功率波动与对策

分析了光伏并网发电功率波动对电网可能造成的危害及储能型光伏并网系统的运行工况,提出了并网功率的给定方法,即以光伏阵列输出功率进行低通滤波后的值作为参考并网功率,还详细分析了低通滤波器的设计、双向DC/DC变换器的功率控制,最后进行了仿真研究。仿真结果表明,采用此控制策略可以有效控制功率的波动,减小其变化率,即使光照波动较大,光伏系统输出的电流波形也很好,储能系统随着光伏阵列发出功率的波动而改变功率流动的方向和大小。     

太阳能光伏发电预报网站系统设计与实现

基于中尺度数值预报模式,以原理预报法、动力—统计预报法等太阳能光伏发电量预报方法为理论基础,构建了太阳能光伏发电预报系统,并根据太阳能发电预报的产品显示需求,设计了太阳能光伏发电预报网站的总体功能,基于ASP.Net 4.0和Silverlight 4.0技术开发了太阳能光伏发电预报网.预报结果在预报员确认后经网站采用不需要终端用户部署的B/S模式展示和分发.     

基于CA-SE-GA-BP的光伏发电功率预测

针对光伏发电功率预测精度低的问题,以澳大利亚爱丽丝泉地区某200kW的光伏电站为例,选用遗传算法(GA)优化BP神经网络,采用相关性分析法(CA)确定太阳辐照度、温度、湿度为影响光伏发电功率的主要因子,结合经样本熵(SE)量化的天气类型作为模型输入量,提出CA-SE-GA-BP神经网络的光伏发电功率预测模型。结果表明,多云天气下CA-SE-GA-BP神经网络均方根误差、平均绝对百分比误差分别为4.48%、2.27%,晴天、雾霾、雨天三种天气类型下的预测误差也基本上不超过10%,相较于SE-GA-BP、CA-GA-BP、GA-BP神经网络,CA-SE-GA-BP神经网络预测误差降低,为解决光伏系统发电功率预测提供了一种高效准确可行的方法。     

A new integrated single‐diode solar cell model for photovoltaic power prediction with experimental validation under real outdoor conditions

The output power prediction by a photovoltaic (PV) system is an important research area for which different techniques have been used. Solar cell modeling is one of the most used methods for power prediction, the accuracy of which strongly depends on the selection of cell parameters. In this study, a new integrated single‐diode solar cell model based on three, four, and five solar cell parameters is developed for the prediction of PV power generation. The experimental validation of the predicted results is done under outdoor climatic conditions for an Indian location. The predicted power by three models is found close to measured values within 4.29% to 4.76% accuracy range. The comparative power estimation analysis by these models shows that the three‐parameter model gives higher accuracy for low solar irradiance values <150 W/m², the four‐parameter model in the range of 150 to 500 W/m², and the five‐parameter model for >500 W/m². The present model is also compared with other models in literature and is found to be more accurate with less percentage error. The overall results also show that the power produced depends on temperature and solar radiation levels at a particular location. Thus, single solar cell model developed can be used with sufficient accuracy for power forecast of PV systems for any location worldwide. The follow‐up research areas are also identified.     

并网光伏电站特性及对电网影响的研究

在对大型光伏电站并网运行特性理论研究和实验分析的基础上,建立了双级变换并网光伏电站整体模型,并爿析了光伏电站的动态输出特性和等值阻抗。然后以某1．6MW实际并网光伏电站工程为算例,着重研究了光伏电站接,配网对系统潮流、母线电压、短路电流和继电保护等方面目影响。     

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。