基于MBI-PBI-ResNet的超短期光伏功率预测

为了增强光伏并网的稳定性,提高光伏发电功率预测精度,提出一种基于相似日聚类、群分解(swarm decomposition, SWD)和MBI-PBI-ResNet深度学习网络模型的光伏发电功率超短期预测方法。首先,使用快速傅里叶变换(fast fourier transform, FFT)提取太阳辐照度的期望频率,将其作为聚类特征向量,并根据此聚类特征向量采用自适应仿射传播聚类(adaptive affinity propagation clustering, AdAP)实现相似日聚类。其次,对每一类相似日分别使用群分解算法进行分解,以提取原始数据的多尺度波动规律特征。最后,利用MBI-PBI-ResNet来实现对天气环境多变量关联影响下的时序特征挖掘以及对多尺度分量的局部波形空间特征和长时间依赖时序特征的同时挖掘,并对不同类型特征进行综合集成来实现光伏发电功率超短期预测。研究结果表明：所提方法在光伏发电功率超短期预测领域相较于其他深度学习方法预测精度提高了3%以上,说明此方法在光伏发电功率超短期预测领域具有较高的预测精度和较强的泛化能力。     

三相光伏逆变器并网时故障状态仿真分析

当光伏发电系统在并网点处发生故障时,会对光伏微网内部的电能质量包括电流、电压和相位产生严重的影响,采取合适的控制策略使光伏逆变器恢复并网点电能质量是目前的研究热点和难点之一.在Matlab/Simulinkh建立光伏发电系统并网运行时故障仿真模型,对单相接地故障、两相接地故障、断路器单相重合闸故障以及三相重合闸故障进行仿真.以分布式光伏并网逆变器电路的拓扑结构为基础,三相光伏逆变器利用软件锁相环技术为坐标系变换提供相位支撑,PQ控制策略采用功率和电流的双闭环控制.当故障排除后,通过三相光伏逆变器的调节控制作用,使得光伏微网内部的电能质量能在很短的时间内恢复到正常值,锁相准确,谐波小,对稳定电能质量具有良好效果.     

局部阴影下的光伏阵列MPPT算法研究

存在局部阴影时,光伏阵列的功率-电压(P-V)特性曲线出现多个极值点,电流-电压(I-V)特性曲线呈现阶梯状,使得基于单峰寻优的传统最大功率点跟踪(MPPT)算法失效。为此,在研究遮阴光伏阵列输出特性规律的基础上,提出了一种具有全局搜索能力的MPPT算法。该算法先用粒子群优化(PSO)算法将输入位置调整到全局最优附近,再用变步长电导增量法得到全局最优解。新的算法在减轻系统振荡和加快搜索速度方面做了改进。仿真结果表明,该方法不仅较好地克服了现有算法使用PSO大幅度随机初始化粒子位置而导致系统振荡问题,而且有效利用传统单峰寻优算法的优点,增强了系统搜索的快速性和稳定性,取得了较好的控制效果。     

基于重复控制技术的光伏逆变器并网控制策略研究

分析了电压型控制模式下的逆变器并网的电路结构和数学模型,提出了基于重复控制技术的光伏逆变器并网控制策略,仿真和实验结果表明方案满足逆变器并网要求。     

A sliding mode control and artificial neural network based MPPT for a direct grid‐connected photovoltaic source

A robust sliding mode controller for a grid‐connected photovoltaic source is proposed in this paper. The objective of the presented control scheme is to force both the output voltage of the photovoltaic PV source and the power factor at the inverter output to follow a certain trajectory reference. The main idea is to apply the robust sliding mode controller directly to the nonlinear state model of the system composed of the PV source and the inverter with its input and output filters. In order to operate the PV system at the maximum power point and to satisfy the environmental factors, such as solar irradiance and temperature, we included a rigorous maximum power point tracker based on an artificial neural network. Simulation results are presented to illustrate the performance of the proposed control scheme. In addition, we show that the grid current satisfies the harmonic limits of the IEEE standard for interconnecting distributed energy sources with electric power systems.     

基于改进深度残差网络的光伏板积灰程度识别

光伏板积灰会降低光伏发电的转换效率,同时易造成光伏板的损坏;因此,对光伏板的积灰进行智能识别具有重大意义。针对以上问题,提出一种基于改进深度残差网络的光伏板积灰程度识别模型。首先,通过分解卷积和微调下采样,对次代残差网络（ResNeXt）50进行改进;然后,融合坐标注意力（CA）机制,将位置信息嵌入到通道注意力中,通过精确的位置信息对通道关系和长期依赖性进行编码,并通过二维全局池操作将特征图像分解为两个一维编码,以增强关注对象的表示;最后,用监督对比（SupCon）学习损失函数替代交叉熵损失函数,从而有效提高识别准确率。实验结果表明,在真实光伏电站4个等级的光伏板积灰程度识别中,改进后的ResNeXt50的识别准确率为90.7%,与原始ResNeXt50相比提升了7.2个百分点。所提模型可满足光伏电站智能运维的基本要求。     

基于数值风洞的光伏支架阵列风载荷分布

用计算流体力学方法分析光伏支架阵列风场,研究各倾角和风向角情况下支架阵列中风载荷的分布,提出支架阵列的区域划分和风载荷体型系数取值建议。研究成果对光伏支架阵列结构设计和工程建设具有较好的应用价值。该方法有利于节省材料,降低光伏发电的成本。     

基于准最小二乘法的光伏阵列模型鲁棒参数估计方法

光伏阵列的模型参数估计在光伏发电系统的仿真、输出功率预测、最大功率点跟踪等方面有重要意义。当测量数据中只含随机误差时,以加权最小二乘（WLS）为优化函数的参数估计方法有较好的辩识效果。但是当测量数据中含有显著误差时,WLS参数辩识的效果较差。为解决此问题,本文提出了一种以准加权最小二乘法（QWLS）为优化函数的参数估计方法来减小显著误差的影响,采用了赤池信息量准则(AIC)设计QWLS最优参数,将该方法应用于光伏阵列中构造模型鲁棒参数估计问题。最后将WLS和QWLS分别结合序列二次规划（SQP）算法,进行光伏阵列模型的参数估计仿真与实验测试。测试结果显示QWLS参数估计结果更准确,验证了准最小二乘法的鲁棒性与有效性。     

三相光伏并网电流型PWM逆变器的研究

基于三相电流型PWM逆变器装置,将直接电流控制方法应用于该逆变器中,设计了一套1kW实验装置。通过仿真分析和实验验证表明,该方法不仅实现了逆变器网侧电流正弦化并与网侧电压同相位,而且实现了直流侧电压宽范围调节,提高了系统动态性能,更适合于光伏并网。     

计及谐波影响的光伏逆变器控制方法研究

在光伏并网发电过程中,为了不影响电网的电能质量,逆变器输出并网电流谐波分量应该满足相关的并网标准。文章提出了一种基于阻抗分析的方法,分析了光伏并网逆变器与含背景谐波电网之间的谐波交互影响问题。光伏并网所引起的谐波谐振问题产生的根本原因是逆变器等效输出阻抗和电网等效阻抗在并网公共连接点(POC)处存在阻抗交点,且在交点位置阻抗和值最小,此时并网电流幅值将明显增大,即产生谐波谐振现象。为了分析这一问题,本文建立逆变器的诺顿等效模型,推导逆变器的等效输出阻抗表达式,并基于光伏并网谐波电压、电流的最大限值及谐波谐振条件,分析逆变器等效输出阻抗的合理取值范围。在此基础上,采用PI控制、准PR控制两种不同的控制方法调节逆变器等效输出阻抗,有效的抑制谐波,并避免谐波谐振现象的产生。通过仿真实验,验证了本文方法的有效性。