分布式光伏发电对配电网的影响及对策

分布式光伏发电已成为可再生资源利用的重要形式。介绍了我国光照资源情况,分布式光伏发电典型接线,对配电网在谐波、电压、孤岛、继电保护等四方面的影响以及应对策略。     

分布式光伏发电的应用及影响研究

分布式光伏发电已成为可再生资源利用的重要形式。介绍了光伏发电系统的结构、工作原理,分析了光伏发电系统对配电网的影响。并通过算例计算验证了工程模型有一定的应用价值。     

分布式光伏发电并网对配电网安全的影响分析

分析了分布式光伏发电并网对配电网运行安全、检修安全以及计量安全等方面带来的影响,从加强管理手段、规范技术手段入手,提出了相应的对策和措施,通过有针对性地加强分布式光伏发电并网后的安全管理,有效避免了分布式光伏发电并网后对配电网的安全稳定运行造成的危害,实现了配电网与分布式光伏发电的协调发展。     

基于相似日重组的分布式光伏电源发电功率预测

在分布式光伏电源大规模接入的情况下,发电功率的预测问题受到越来越多的重视。本文在全面统计分析影响光伏电源发电功率的因素的基础上,提出可针对气象部门提供的预测日分时气象数据分别寻找相似数据点,并将历史数据重新组合成为新的相似日,再进行预测。本文以某区域分布式电源智能管控平台的实测数据为样本,运用BP算法进行训练和预测,取得了较好效果,尤其在天气突变时优势更为明显。     

分布式光伏发电系统设计

分布式光伏发电是一种新型的具有广阔发展前景的能源综合利用方式.对分布式光伏发电系统、光伏组件 选择、逆变器选择进行分析,并给出分布式光伏发电的典型设计方案.     

光伏发电的政策与技术浅析

随着能源需求不断加大和气候、环境问题日益严重,加快可再生能源发展已成为全球实施可持续能源战略的重要举措.对近年来光伏发电的发展进行了概述,对国内外光伏政策进行了分析,并分类对光伏发电的相关技术进行了综述.     

基于天气融合和LSTM网络的分布式光伏短期功率预测方法

分布式光伏发电功率高精度预测对配电网安全稳定运行有重要意义。针对分布式光伏发电设备的功率预测问题,基于天气信息和深度学习方法提出了一种分布式光伏短期功率预测方法。首先将天气进行分类融合,实现训练集的全面覆盖;然后基于长短期记忆网络（long short-term memory,LSTM）深度学习方法构建分布式光伏短期功率预测模型;最后实现分布式光伏功率预测。     

小型分布式光伏发电系统设计

国内对于小型分布式光伏电站的开发研究还不成熟,为此提出了一种针对小型分布式光伏发电系统的设计方法。介绍了充放电控制器、逆变器的选择依据及储能电池的设计公式,根据光伏组件的电气特性阐述了其串并联设计公式、光伏电缆选型方法,根据光伏组件的不同布置情况推导出了光伏阵列间距计算公式,确定了光伏组件前后排的布置间距。通过上述方法辅以具体设备参数,实现了整个发电系统的参数化设计。     

分布式光伏发电并网的继电保护影响分析

随着光伏发电的大规模发展,越来越多的光伏项目通过分布接入、自发自用、余电上网的模式并入电网,因此光伏发电并网技术成为了工程中重要的研究方向。以分布式光伏发电系统并网为基础,从工程实际出发,分别从潮流的双向流动、电压和频率分析了分布式光伏发电系统对并网点继电保护的影响,也分析了对对侧变电站继电保护的影响,最后提出了校核定值、限制接入容量、增加保护设备、完善控制策略和完善前期回路等应对措施。     

浅谈光伏发电对电力系统的影响及解决措施

随着大量光伏等非线性新能源接入电网,其非线性特性,改变了线路运行环境,对线路电压稳定性、线损、系统可靠性、安全性、谐波污染、调峰调频特性产生不同程度的影响,严重时将造成系统失稳。针对国内外既有研究成果,通过对光伏发电及分布式光伏发电对电力系统的影响及解决措施展开综述,综述表明,为解决高不确定性及波动性光伏并网带来的挑战,需要加强对光伏的监控和控制,以确保其安全可靠地接入电网,并对电网进行优化和调整,以保证其与传统发电方式协调运行。     

基于神经网络的光伏系统发电功率预测

分析光伏系统的发电特性以及影响光伏发电的因素,建立基于神经网络的光伏发电功率预测模型.该模型采用三层BP(反向传播)神经网络结构,利用其强大的非线性映射和泛化能力,按季节建立4个预测子模型,子模型中将相同日类型的光伏发电功率的历史数据和天气情况一同作为样本,对模型进行训练和发电功率预测.结果表明,该方法建立的预测模型具有较高的精度,为解决光伏系统发电功率预测提供了一种可行路径.     

光伏分布式发电接入方式分析及其对配电网运行的影响

光伏发电作为一种清洁能源正在大力发展,这种分布式电源接入配电网后,其典型的间歇性和随机性必将影响配电网的运行。分析了光伏分布式发电接入配电网的方式,并对配电网稳态运行及暂态运行的影响及其利弊进行了阐述,     

并网光伏发电系统对电网影响的研究

本文通过对实际运行的光伏并网发电系统运行数据的挖掘分析,结合目前光伏并网发电技术特点,分析了未来大规模光伏发电接入对电网的负载特性、电网调度、电压无功、保护等诸多方面的影响,认为解决目前并网光伏发电系统存在的技术问题能更好地适应大容量并网应用的技术要求。     

光伏发电影响因素分析和短期光伏出力预测研究

近几年,在国家政策大力扶持下,光伏产业作为战略性新兴产业,得到了井喷式的发展。光伏发电现状和发电预测日益成为大家关注的焦点。根据浙江省绍兴地区 2017年以来光伏用户的发电量数据,从季节、天气、温度、光照等不同因素对光伏发电效率影响进行了分析,并提出了一种短期光伏发电出力和发电量测算的方法,从而为本地区分布式光伏发电量预测、光伏工程选址、光伏运维管理提供依据。     

分布式光伏发电及其对配电网的影响综述

随着全球一次能源的减少以及周围环境的日益恶化,国家能源局对资源丰富、清洁无污染的分布式光伏发电进行了政策性的扶持。研究从电网的规划、电能质量、继电保护、可靠性等方面整理了国内有关分布式光伏发电对配电网影响的研究现状和成果,以期为后继开展更为深入的研究提供借鉴与参考。     

屋顶分布式光伏发电设计

以屋顶分布式光伏发电系统为例,介绍了分布式光伏发电系统的构成及其建设所需要的地理和气象条件,并提出了屋顶光伏发电系统的设计及并网方案。     

分布式光伏发电技术及我国分布式光伏产业发展前景

太阳能光伏发电是太阳能发电的重要方式。目前,分布式光伏发电是太阳能光伏发电的发展趋势,而且应用规模和区域也在不断扩大。已经引起了各界的高度重视。本文简单介绍了分布式光伏发电系统结构及分布式光伏产业的关键技术,最后对我国分布式光伏发电的发展前景进行了分析。     

基于布谷鸟-Elman算法的光伏发电预测

提高光伏发电功率预测的精度对于保证电网的安全稳定运行、提高光伏资源的开发和利用率具有重要的意义。文中提出了一种基于天气相似度以及改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型。首先在选取相似日上,提出一种基于距离和角度趋势的相似度计算方法,选出与待预测日相似度更高的相似日。其次,利用改进后的布谷鸟算法对Elman神经网络的权值和阈值进行优化并构建光伏发电短期功率预测模型。最后将文中提出的光伏发电预测模型与传统Elman神经网络模型的预测结果及实际输出值进行比较,结果表明改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型预测精度更高。     

基于多时段综合相似日的光伏发电功率预测

由于历史数据和天气因素对光伏出力预测的影响较大,提出了一种日特征相似度与形状相似度相结合的方法,分时段地预测光伏发电功率。该方法首先采用欧式距离法对气象类型进行细分,然后在不同时间段中分别利用两种相似日选取算法选取历史相似日,再利用其对应时段的历史功率值及气象数据,采用BP神经网络对预测日相应时段的功率进行预测,结果表明该方法的预测精度有明显提高。     

大规模光伏发电对电力系统影响

针对大规模光伏发电机组的建模进行了分析,阐述了大规模光伏发电机组对电力系统的影响。