比功率发电量（精选八篇）
比功率发电量 篇1
地球表面接收的太阳能辐射能够满足全球能源需求的1万倍。地表每平方米每年接收到的辐射可发电1 700 k W·h。国际能源署数据显示,在全球4%的沙漠上安装太阳能光伏系统,就足以满足全球能源需求。太阳能光伏享有广阔的发展空间,其潜力十分巨大[1]。我国是能源消耗大国,石油、煤炭等能源资源稀少,太阳能利用技术的研究有十分重要的意义。
当前,衡量各种太阳能电池组件电性能的主要指标是在标准测试条件下的额定输出功率。由于光照变化,太阳能电池组件的输出功率也在不断变化,因此,在实际使用时,仅以额定输出功率衡量太阳能电池组件的电性能,不能完全反映其实际发电效能。对用户来说,更关心的是在户外条件下太阳能电池组件每瓦在一段时间内的比额定功率发电量,包括这段时间内所有户外光照情况下的发电量总和,它能较好反映太阳能电池组件在应用中的实际发电能力。由于地球上的纬度不同,日照和气候条件差别很大,而太阳能电池对日照条件非常敏感,因此,在某一地点得出的实验结论,在其他地点是否相同,尚需进一步验证[2]。为了便于比较分析,本文针对地处北纬22.16°、东经114.1°深圳地区的非晶硅和单、多晶硅太阳能电池组件的比额定功率发电量进行模拟,并对其结果进行了分析。
1 各种太阳能电池组件的分析与比较
1.1 晶体硅太阳能电池
晶体硅太阳能电池有单晶硅与多晶硅两大类,生产技术成熟,是光伏市场上的主导产品。国际公认最高效率在AM1.5(即大气质量1.5)条件下为24%,空间用高质量的效率在AM0(即大气质量为0,日-地平均距离为一个天文单位时,太阳的总辐射度和光谱分布)条件下为13.5%~18%,地面用大量生产的在AM1条件下多在11%~18%。大晶粒多晶硅太阳能电池的转换效率最高达18.6%。多晶硅太阳能电池没有光致衰退效应,材料质量有所下降时也不会导致太阳能电池受影响,是国际上正掀起的前沿性研究热点。随硅元件使用的多少以及纯度的改变,单件功率不确定,同样面积的板块功率可以变化。薄膜晶体硅太阳能电池能够大大降低晶硅用量,但目前还处于研发阶段,尚未工业化。
晶体硅太阳能电池的优点是可在单位面积上获得较高的发电功率和稳定的发电性能。如果其中一小部分被遮挡,会产生孤岛效应,但由于其强光发电的特性,只有保障与阳光的合理角度才能达到应有的光电转换率,因此必须考虑安装角度问题,这使得可安装的总面积和平面布局都受到限制。
1.2 非晶硅太阳能电池
非晶硅太阳能电池一般采用高频辉光放电方法使硅烷气体分解沉积而成。由于外解沉积温度低,可在玻璃、不锈钢板、陶瓷板、柔性塑料片上沉积约1μm厚的薄膜,易于大面积化生产,成本较低。研发动向是改善薄膜特性,精确设计太阳能电池结构和控制各层厚度,改善各层之间界面状态,以求得高效率和高稳定性。
突出优点是造价低,透光性和弱光发电性能好,因此可以不侧重考虑安装角度问题,有利于建筑整体效果的体现。在风沙环境下,其弱光性能有优势,并且不产生孤岛效应,不会因不能产生电流而被反偏。缺点是光电转换率低,其发电效率大约只有晶体硅电池的一半。如果采用透明玻璃非晶硅电池,其发电效率仅仅为1%~2%;其他根据透光率不同,发电效率不同,从4%~8%不等。这意味着要发出同样的电力,采用非晶硅薄膜电池时需要安装的面积应成倍增加。
2 并网光伏电站的模拟与比较
2.1 相关组件的选取
本文以70 k W并网光伏电站为例,各种太阳能电池组件的选型如表1所示,选用西门子公司Sinvert Solar 20型逆变器,其最大功率电压跟踪范围为450~750 V,额定交流输出功率为15 k W,共4组。
2.2 气象参数的设定
由于PVsyst软件中只有国内几个具有代表性城市,无深圳地区日照参数,因此,本文根据深圳地区的经纬度,从NASA官方网站上(也可以从加拿大清洁能源项目分析软件RETScreen上)直接查取后输入PVsyst软件。
2.3 最佳倾斜角的选取
倾斜角不同,各个月份方阵面接收到的太阳辐射量差别很大。因此,确定方阵的最佳倾斜角是光伏发电系统设计中不可缺少的重要环节,对于并网光伏发电系统,通常总是要求在全年中得到最大的太阳辐射量[3]。
在此光伏系统的模拟过程中,当太阳能电池组件的倾斜角调整为20°时,在方阵表面上接收到的太阳辐射量最大,因此以此为最佳倾斜角,如图1所示。
2.4 模拟结果
模拟过程中,假设太阳能电池组件上无阴影遮盖,反射率统一取0.20。为了便于比较,首先,我们统一比较标准,即太阳能电池的比功率发电量,它是指一段时间内太阳能电池在户外实际光照条件下的总累积发电量与太阳能电池额定功率的比值,其定义为太阳能电池每千瓦日均发电量。
表2列出了非晶硅和单、多晶硅光伏发电系统的具体数据。由表2可看出,使用非晶硅太阳能电池的并网光伏发电系统的安装面积要比单、多晶硅系统多得多。表3为非晶硅和单、多晶硅并网发电系统比功率发电量及损失数据。由表3可知,在此并网光伏发电系统中,每千瓦单晶硅太阳能电池的日平均发电量为2.89 k W·h,与多晶硅的结果2.92 k W·h相差不大,但每千瓦非晶硅太阳能电池的日平均发电量为3.26 k W·h,比单、多晶硅要多12.8%左右,正是因为非晶硅太阳能薄膜电池组件具有较好的弱光效应。此模拟结果与深圳大学柴金龙[2]的测试结果以及参考文献[4]的模拟结果相符。
3 结语
本文采用PVsyst软件对非晶硅太阳能电池板和单、多晶硅太阳能电池板在相同条件下的比额定功率发电量进行模拟比较,结果表明,在深圳地区,非晶硅太阳能电池板的比功率发电量均大于单、多晶硅太阳能电池的比功率发电量。
目前,非晶硅太阳能电池板的生产成本约为单、多晶硅太阳能电池板的60%,因此,性价比高的非晶硅(薄膜)太阳能电池具有广阔的市场前景。但非晶硅太阳能电池的转换效率比单、多晶硅太阳能电池的转换效率要低,造成采用非晶硅薄膜电池时需要的安装面积成倍增加,但因其具有可透光及弱光效应等优点,因此有必要加强BIPV(太阳能光伏—建筑一体化)的研究与应用。
摘要：介绍和比较了非晶硅和单、多晶硅太阳能电池组件的优缺点。针对它们在并网光伏发电系统中的应用,采用PVsyst软件对各种太阳能电池组件的比功率发电量进行模拟。结果表明,非晶硅太阳能薄膜电池板的比功率发电量大于单、多晶硅的比功率发电量。
关键词：太阳能电池,比功率发电量,转换效率,PVsyst软件
参考文献
[1]李俊峰,王斯成,张敏吉,等.2007中国光伏发展报告[M].北京:中国环境科学出版社,2007.
[2]柴金龙,李毅,胡盛明.非、单晶硅太阳能电池组件比功率发电量比较[J].深圳大学学报:理工版,2005,22(3):226-229.
[3]杨金焕,于化丛,葛亮.太阳能光伏发电应用技术[M].北京:电子工业出版社,2009.
水电站发电机功率因数的调整 篇2
摘要：合理调整电机功率因数，保证系统的无功需求，是电站运行的一项重要工作。本文主要讲 述发电机在各种运行工况下，如何调整功率因数，使电站既多发有功，又满足了系统的无功需求，以提高电站的经济效益问题。
关键词：水电站 功率因数 调整
样本内容：在水电站的运行工作中，发电机的功率因数是经常调整的一个参数，怎样根据水电站季节性水量变化较大、发电机负荷不均的特点，合理地调整发电机功率因 数，满足系统无功负荷的需求，解决在满负荷运行时发电机端电压偏高的问题。对水电站的安全运行及提高电站的经济效益，有着重要的意义。
博爱县丹东水电站是丹河流域梯级开发的一座引水式水电站，电站总装机容量为3130kW，其中有两台为1250kW和一台630kW水 轮发电机组。发电机额定电压为6.3kV，发电机功率因数为0.8，三台发电机均为同步发电机。电站年发电量1400万kW·h。1995年与大电网并网，同时电站有独立的自供区。每年上网与自供负荷的比例为三比一。
由于电站的供电系统有两个部分组成，电站必须合理调整发电机的功率因数，以满足两个系统对无功的需求。在电站自供区内，共安装有变压器 容量3000kVA，变压器近40台，而且多为老式高耗能变压器，用电负荷变化大，无功负荷需求量也大。10kV线路上和400V低压用户均未安装电容 器。如用安装电容器来补偿无功，提高自供区内线路的功率因数，一次性投资大，电容器运行维护费用高，经常还会出现“过补”现象。因此通过对电站发电机功率 因数进行适时调整，补充自供区线路的无功负荷，提高线路的经济运行，较为合理。并网负荷的功率因数，电力部门的要求也十分严格，规定功率因数必须为 0.8。如少发无功处罚、多发无功奖励，奖罚以0.8为标准，低0.01奖当月上网电费的0.1%，高0.01罚当月上网电费的0.5%，即奖一罚五的规定。电力部门的规定虽然十分严格，但我们电站在不同季节，根据水量和负荷变化的特点，合理地调整发电机的功率因数，每年不但保证自供区无功负荷的需要，而且还受电网多发无功的奖励。
合理调整发电机的功率因数，必须注意几个问题，即针对不同运行季节的特点，正确地进行调整。
对于径流式没有调节能力的小水电站，在雨季水量充足时，电站内多台机组都能满负荷运行，这时应把发电机的功率因数调到0.85～0.9 左右，让发电机多发有功，少发无功。《发电机运行规程》中规定：功率因数以0.8为宜，不得超过0.95，必要时方可在功率因数为1的情况下运行。说明功率因数调整稍高一点符合规程要求。另一方面，在满足负荷运行时，功率因数不宜调得太低。这是因为，当发电机的功率因数从额定值到零的范围内变动时，它的有功出力应根据转子电流的允许值而适当降低，因功率因数愈低，定子电流的无功分量也愈大，转子电流也愈大，这可能使转子线圈温度超过允许温升，所以在满负荷运行时必须把发电机的功率因数调高。
汛期水量充足时水电站提高功率因数运行，多发有功、少发无功，对于电网也是可行的。因在汛期机组开的多，电网的无功负荷也相对过剩，并不会因小水电站机组在汛期功率因数适当提高了，电网内的无功负荷就会减少很多。如一旦电网功率因数太低，可以临时投入电容器装置，进行无功补偿。
并网运行的水电站，在汛期水量充足机组满负荷运行时，经常会出现发电机端电压过高的现象，如端电压过高，功率因数也应适当提高。但端电 压过高时，为了保证机组的安全运行，必须减少机组的出力。如我们丹东水电站，在前几年汛期三台机组满负荷运行时，端电压最高达到7.2kV，高出额定电压 6.3kV的14%。根据统计，目前很多上网运行的小水电站，都存在有上述现象，端电压过高，影响了水电站的安全运行，容易引发各类事故的发生，电器设备 元、器件容易击穿烧毁。端电压过高，对于运行年限长，绝缘老化或机组有潜在性绝缘缺陷的发电机，会引起绝缘击穿，严重时造成发电机着火或冒烟。当端电压高 于105%额定电压时，由于磁通饱和，使发电机的铁损增加，铁芯发热，发电机效率下降，加速绝缘老化。由于端电压过高，不得不减少机组负荷，弃水发电，浪 费宝贵的水力资源，影响了电站的经济效益。
适当提高发电机的功率因数，可使发电机的端电压降低，但不能解决端电压过高的根本问题，端电压过高是由以下几方面引起的：①电网在汛期 时负荷出现供大于求现象，特别是无功负荷过剩，提高了电网电压，使发电机出口电压升高；②电站并网线路线损超过规定，造成线路压降大；③两端的变压器分接 开关位置选择的不当。根据以上情况，电站应对线路进行改造，对分接开关位置进行重新调整。
并网运行的水电站，由于在枯水期来水量减小，机组都不能满负荷运行，这时可以把发电机功率因数调低到0.7～0.75左右。在有功不变 的情况下，尽量多发无功。我们丹东电站在枯水期运行时，总负荷只有1400～1500kW。这时让1台1250kW机组带900～1000kW负 荷，630kW机组带400～500kW负荷，功率因数都调整到0.75以下，同时还有1台1250kW机组在停运状态。由于在枯水期大电网系统的功率因 数也相对较低，也需用投入电容器的办法来补偿无功的不足。根据这种情况，我们积极向电网部门建议，把停运的1250kW机组做调相运行。我们电站机组调相 运行为电网送无功有以下条件：①机组为卧式机组，机组中心线高于尾水位1.9m，不需要向尾水管压气，就可达到调相运行的目的；②电站并网为10kV并 网，距大电网升压站仅有3km，处在负荷的中心，向大电网补偿无功的技术条件允许，电力部门可以按无功电量计算电费，这样电站可以充分利用枯水期水少机不 停，提高电站的经济效益。
当发电机在低功率因数下运行时，运行人员必须认真监视发电机的温升情况，做到随时调整，防止温升超过允许值。
比功率发电量 篇3
田湾核电站1、2号机组采用的是俄罗斯WWER1000型核电机组, 配置了由俄罗斯列宁格勒金属制造厂制造的K1000-60/3000型汽轮机和俄罗斯电力工厂生产的TBB-1000-2Y3型发电机, 当二回路设备冷却水温度在23℃时, 机组的额定电功率为1 060 MW[1]。
汽轮机调节系统采用机械液压与电气液压并存调节, 一次调频为机械液压调节, 高速离心调速器与随动滑阀将转速信号转变为一次脉动 (控制) 油压。二次调频为电液调节, 机组功率给定的电信号经同步器电机转变为一次脉动油压, 并与一次调频的一次脉动油压迭加。中间放大与执行机构为机械液压调节, 一次脉动油压经中间滑阀和液压放大器, 转变为二次脉动油压, 并由液压伺服执行机构实现对调节阀门开度的反馈控制。
汽轮机调节系统正常运行时, 机组负荷短周期、小幅度波动的主要原因是一次调频, 田湾核电站1、2号机组汽轮机调节系统由于速度变动率较小 (额定负荷范围内约4%, 比一般火电厂低25%左右) 且没有设置一次调频不灵敏死区和一次调频限幅, 导致机组在功率控制模式运行期间负荷波动较大。田湾核电站1、2号机组在冬季海水温度较低时机组运行在1 060 MW下实际对应的反应堆功率仅在额定功率的98%左右, 因此在海水温度较低时通常采用功率控制模式运行, 以防止发电机超功率运行。功率控制模式下由于负荷的大幅波动, 造成在电功率目标定值设置为额定功率1 060 MW时实际电功率上限值经常超过最大电功率限值, 电功率设定值与发电机功率运行上限值直接相关。为防止负荷波动期间的峰值经常达到或超过给定的发电机功率限值, 实际运行中电功率目标定值一般设定在1 060 MW以下。而且即使电功率目标定值设置为1 060 MW时, 受同步器固有运行状态影响, 当实际电功率低于电功率目标定值时, 同步器上抬的迟缓率较大, 导致功率运行工况下实际电功率较多的维持在低于目标定值运行。机组的平均电功率长期低于1 060 MW, 损失了发电量。
为解决上述问题, 并尽可能的减少成本, 提出了提高机组电功率目标定值的方案, 以在不对汽轮发电机组本体和各辅助系统进行任何改造的前提下上抬机组电功率的波动区间, 从而增大机组的平均电功率。
然而, 上抬机组电功率的波动区间势必提高了发电机电功率的运行值, 可能会对汽轮发电机组本体和各辅助系统参数产生影响, 不利于机组的安全运行。因此, 如何能在保证汽轮发电机组各相关参数安全允许的范围内, 最大幅度地提高机组发电机功率定值, 以增大机组的平均电功率成为解决问题的关键。
2 技术方案
2.1 技术方案原则
(1) 确保汽轮发电机组本体和各辅助系统相关参数在允许的范围内。
(2) 避免在电功率目标定值提高期间电功率的波动上限频繁超过电功率运行上限。
(3) 逐步分阶段地提高发电机电功率目标定值, 监测机组参数的变化。
2.2 技术方案内容
2.2.1 发电机电功率最大限值提升
通过提高发电机电功率目标定值的方式提高平均电功率, 可能会相应地提高电功率的波动区间, 将可能更多次地超过最大电功率限值, 因此最大功率限值的设定直接关系到方案的成功与否。经过多次沟通协调, 俄方同意将发电机功率最大限值更改为1 068 MW (原为1 060 MW) , 为方案的顺利实施奠定了基础。
2.2.2 提高发电机电功率目标定值试验
(1) 更改发电机电功率最大运行限值。
(2) 检查机组的运行状态。试验期间机组处于额定功率运行状态, 维持在功率控制模式下运行, 各主要参数稳定并在允许的范围内, 试验期间避免机组设备的切换, 维持稳定运行。
(3) 提高发电机电功率目标定值。以电功率目标定值1 060 MW为起点, 1 MW为间隔逐步提高电功率目标定值 (初步计划提升至1 062 MW) , 每次更改目标定值后观察运行一周左右, 电功率目标定值在1 060 MW时也需稳定运行一周采集相关数据。
(4) 试验期间监测的运行参数及处理方法。试验过程中由于更改了电功率目标定值, 机组运行的核功率和电功率均略有提高, 可能会引起反应堆、汽轮机、发电机、励磁机本体及辅助系统相关参数的变动, 需要在试验期间密切关注机组状态参数的变化[2]。
需监测的主要运行参数为:堆功率、电功率、电网频率、最大电功率限值、高压主调节阀驱动油压、高压主调节阀开度、发电机定子电压、发电机定子电流、励磁机励磁电流、发电机定子绕组上 (下) 层线棒出水温度、发电机定子绕组绝缘温度、发电机定子铁芯温度、发电机定子冷却水流量、发电机定子绕组冷却水进出口温度、发电机氢气压力、发电机氢气冷却器出入口氢气温度、励磁机空气冷却器出入口空气温度、发电机密封瓦及供油温度、发电机轴承温度、励磁机轴承温度、发电机轴承振动、励磁机轴承振动。
同时, 试验期间重点关注电功率平均值、电功率波动幅度、电功率超过最大限值次数、高压主调节阀开度等参数, 试验期间每1 s采集一次, 数据处理方法如下 (以电功率为例) :
式中:N平均为试验期间所采集电功率的平均值, MW;n为试验期间所采集的样本数, 个;Ni为每个样本点的电功率值, 通过机组在线功率表数据采集, MW。
考虑各样本点互相独立, 可近似认为服从正态分布, 因此, 试验期间机组电功率置信度的置信区间为[3]:
式中α通常选取0.05。
该置信区间为所选时间段内电功率的波动区间。
高压主调节阀开度等参数处理方法同上。
试验期间电功率超过最大限值次数, 可通过统计试验时间内机组采集系统中相关报警信号的次数得到。
其余运行参数试验期间每30 s采集一次, 计算其平均值。
3 机组试验
3.1 试验过程
根据制定的试验技术方案, 在1号机组进行了更改电功率目标定值的试验, 试验按照技术方案中制定的方式进行, 其中电功率目标定值在1 060 MW、1 061 MW、1 062 MW时分别持续了6 d左右。
3.2 试验结果
通过对各工况时间段内采集的电功率数据样本进行平均, 得出电功率目标定值为1 060 MW时, 实际电功率平均值为1 059.58 MW, 电功率目标定值为1 061 MW时, 实际电功率平均值为1 059.87 MW, 电功率目标定值为1 062 MW时, 实际功率平均值为1 060.27 MW, 相比较电功率目标定值为1 060 MW时另外2个工况下平均电功率分别增加了0.29 MW和0.69 MW。
利用数据样本求出的均值和标准差将正态分布转化成标准正态分布, 通过标准正态分布表并结合样本均值和标准差求出置信度为0.95的电功率波动范围:电功率目标定值为1060 MW时电功率的波动范围在1 056.95~1 062.2 MW之间;电功率目标定值为1 061 MW时, 电功率的波动范围在1 057.27~1 062.46 MW之间;电功率目标定值为1 062 MW时, 电功率的波动范围在1 057.02~1 063.52 MW之间。
经统计, 电功率目标定值为1 060 MW的时间段内最大电功率为1 066.9 MW, 电功率目标定值为1 061 MW的时间段内最大电功率为1 065.26 MW, 电功率目标定值为1 062 MW的时间段内最大电功率为1 066.4 MW, 3个时间段内没有发生超过发电机电功率限值报警的情况。
3.3 试验期间运行参数监测
除了与电功率相关的其他重点监测参数, 高压主调节阀开度等参数采用电功率参数相同的处理方法, 结果如表1所示。3个时间段内高调阀的波动幅度均在可控范围内。
注:电功率目标定值为1 062 MW下高压主调节阀开度相比另外2个工况趋势差别主要与海水温度不同有关。
通过对3个工况下的其他主要运行参数的分析, 核功率、各电气参数均变化较小。发电机目标电功率定值为1 062 MW相比1 060 MW工况下, 发电机定子绕组绝缘温度增加了0.7℃左右, 发电机氢气冷却器氢气 (热) 平均温度增加了1.46℃左右, 氢气 (冷) 平均温度增加了0.89℃左右, 发电机氢气冷却器氢气平均温度增加幅度相差很小, 用户热量变化较小;励磁机空气冷却器空气 (热) 平均温度增加了1.23℃左右, 空气 (冷) 平均温度增加了0.91℃左右, 励磁机空气冷却器空气平均温度增加幅度基本一致, 用户热量变化很小;其余运行参数均变化很小。发电机电功率目标定值为1 061 MW相比较1 060 MW下各相关参数变化均很小。3个工况下相关运行参数均在允许范围内。
4 结论
(1) 在核发电机机组试验中, 电功率限值修改为1 068 MW后, 在1号机组进行了提高发电机电功率目标定值试验, 核发电机电功率目标定值为1 060 MW、1 061 MW和1 062 MW时, 核发电机电功率分别为1 059.58 MW、1 059.87 MW和1 060.27 MW;
(2) 核发电机电功率目标定值更改为1 061 MW和1 062 MW后, 机组相关运行参数均比较平稳, 不影响机组稳定运行, 电功率目标定值更改为1 062 MW后电功率平均值超过了1 060 MW, 达到了预期目标;
(3) 核发电机组电功率目标定值为1 062 MW相比定值为1 060 MW时, 电功率平均值增加0.69 MW, 按200 d/a时间维持功率控制模式运行, 更改电功率目标定值后发电量将增加331.2万k Wh/a, 提高了经济效益。1号机组试验经验可应用于2号机组, 发电量和经济效益更会显著提升。
参考文献
[1]Russia Joint Stock Company Electrosila.Tianwan NPP THREE-PHASESYNCHRONOUSTURBOGENERATOR OFTBB-1000-3Y3TYPE1MKATechnical Characteristics and Tests.Saint-Petersburg:2001.
[2]孟庆军.国内典型压水堆核电站数字化仪控系统方案优化[D].北京:华北电力大学, 2013.
风电短期发电功率预测方法探讨 篇4
关键词：风电,短期发电功率,预测方法
1 背景
面对日益严峻的能源及环境问题, 世界各国都在找寻解决的方法, 风能作为环境友好型新能源的代表, 兼具蕴藏量大、可再生、无污染等特点, 使得风力发电成为了解决环境问题、能源问题的重要途径。
一方面, 风能在全球范围内储量巨大, 人们利用风能的历史由来已久, 截至到2104年年底, 全世界风电新装机容量达到了51.47GW, 累计装机容量达到了369.55GW, 相较去年增长了15.99%, 这其中中国继续领跑世界风电装机容量, 达到了114.76GW。
另一方面, 传统的电力系统稳定是通过发电功率追踪负荷功率来实现的。现今, 电网接入大量风电后, 电力系统的运行调度体系并未发生根本性的变化, 传统电力系统的发电功率跟踪负荷功率的模式还在沿用。当风电功率波动超过电力系统的平衡能力时, 可能导致电力系统频率越限, 威胁电网安全运行。所以, 高精度的风电功率预测变得越来越重要。
在风电大规模并网的大背景下, 深入研究风电功率预测模型智能优化方法不仅能够为风电功率短期预测研究提供理论参考, 还能为进一步消除风电对电网的不利影响打下坚实的基础。
2 国内研究现状
国内对于风电功率预测的研究开始于二十世纪末, 相对国外起步较晚, 但研究和发展速度都比较快, 目前已经很多学者将目光投入到了这一领域中。我国对于风电功率预测的研究可以分为两个阶段:
第一阶段为从2000年到2010年的这十年中, 由于缺少风电功率预测专用的NWP数据, 各单位和学者的主要研究工作集中在超短期预测上, 且主要是理论探索。在建模过程中主要采用的方法有:时间序列法、神经网络法和支持向量机等方法。随着研究的深入, 越来越多的学者发现单一简单的预测模型精度太低, 很难满足实际需要。为了提高超短期预测的精确度, 目前的研究主要集中在对模型输入量的优化上以及对模型自身的优化两个方面, 但是超短期预测工作都是基于统计方法和简单的学习方法, 预测时间较短, 不能满足电力系统运行调度的需要。
第二阶段是数值天气预报数据加入模型后的预测研究。以电科院为代表, 国内高校、科研机构、新能源公司通过购买NWP数据来改进风电功率模型, 延长预报时间尺度, 提高预测精度。中国电力科学研究院新能源研究所与德国太阳能研究所、丹麦里索国家实验室、挪威WindSim公司合作开发了我国首个风电功率预测系统 (Wind Power Forecasting System-WPFS) 。该研究项目于2008年4月正式启动, 2008年12月10日投入试运行, 2009年3月19日通过专家验收。截至到目前为止, 该系统已经在全国11个省区50个风电场实施应用。随后华北理工大学和中国气象局有分别推出了服务于电网调度与发电端的风电场输出功率预测系统与中国气象局风力发电功率预测预报系统。这些预测系统也都应用在了实际风电场中。其共同点都是运用了NWP数据, 当气象预报准确时, 精度都较高, 能满足实际需求。
3 研究对象以及预测模型验证
以风电场短期功率预测模型为研究对象, 将历史单位置和多位置数值天气预报数据、多种智能优化算法与预测模型相结合, 在Matlab仿真实验平台上开展以下研究和实验验证工作。
(1) 对于风电功率预测常用的BP神经网络预测方法和支持向量机预测方法进行了概述, 并分析了它们的优缺点。以BP神经网络理论为基础, 建立了基于单位置数值天气预报的BP神经网络短期风电功率模型, 并对未来一天的风电场功率进行了预测。在建立模型前, 需要对训练数据进行归一化处理和聚类预处理。采用模糊c均值聚类时, 需要知道分类数, 考虑对于数据的分类数没有先验信息, 所以采用模糊减法聚类来确定相应的分类数。
风电功率预测对NWP原始样本数据具有敏感依赖性, 要提高预测精度就应选取合适的样本作为模型的输入数据。历史NWP数据数据量很大, 为了获得对预测准确度影响最大的数据, 首先对历史数据进行聚类分析, 得到各类的聚类中心, 运用欧氏距离法查找与预测日各点数据最相似的点作为训练样本;再利用各类中的数据点训练对应的BP神经网络, 并保存各个权值阈值。以上节内容为基础, 本文设计的聚类分析方法主要应用在3层的BP神经网络结构实现风电场功率预测。算法运算流程如图1所示。
(2) 针对风电场预测模型训练用的历史数值天气预报数据和风电场历史实际功率缺失的问题, 采用了一种基于数值天气预报单点聚类的方法对其进行处理, 将处理后的数据运用在了BP神经网络模型训练中, 并用算例进行了功率预测仿真实验。
(3) 针对BP神经网络预测模型初始权值阈值难以确定的问题, 运用遗传算法对其进行优化, 建立了基于遗传算法优化的BP神经网络模型, 解决了其初值难以确定的问题;对于支持向量模型参数优化问题进行了研究, 分别运用粒子群算法、粒子群改进算法和人工鱼群算法对模型参数进行优化, 建立了基于粒子群算法优化的支持向量机模型、基于改进粒子群算法优化的支持向量机模型和基于人工鱼群算法优化的支持向量机模型, 并在仿真实验中进行了优化算法实验验证和各种算法的对比分析。
(4) 针对大型风电场中多位置、多高度的历史数值天气预报数据, 利用主成分分析对其进行降维处理, 得到的数据作为BP神经网络的训练数据, 得到基于多位置、多高度数值天气预报的BP神经网络模型, 实现了多维输入数据的利用。
4 结论
风电功率预测研究的关键是预测模型的搭建与准确的历史数据及天气预报数据的输入。模型搭建时常采用数值天气预报数据作为模型输入, 采用风电功率预测值作为模型输出。本文针对风电功率预测模型特点, 研究了BP神经网络与支持向量机的基本建模原理与建模方法, 两种建模方法的非线性、自学习性与容错性都很好的契合了风电功率预测建模特点, 但是常规的BP神经网络与支持向量机建模过程中都存在参数范围选取、初值难以确定等问题。
参考文献
[1]戴慧珠, 王伟胜, 迟永宁.风电场介入电力系统研究的新进展[J].电网技术, 2007, 31 (20) :16-23.
[2]王继强.中国风能现状分析及发展探索[J].甘肃科技, 2014, 30 (13) :1-2.
[3]全球风能理事会GWEC.2014年全球风电装机容量统计[J].风能, 2015, (2) .
[4]刘江平, 汪洪波.电网运行备用容量分析和控制策略的研究[J].华中电力, 2005, 18 (6) :22-26.
光伏发电最大功率跟踪方法的研究 篇5
太阳能是理想的清洁能源, 太阳能发电具有无污染、无噪声、无需燃料能源等优点, 现已广泛应用于各种蓄电池充电系统、家电、卫星等领域。但太阳能发电投资成本较高, 发电效率较低, 这是制约太阳能发电产业发展的主要瓶颈[1,2]。目前, 在工程实践中是通过对太阳能光伏发电最大功率点的跟踪来提高光伏发电系统的发电效率的。常用的最大功率点跟踪方法有恒压控制法、扰动观察法和电导增量法等[3]。
分析了光伏电池的工作机理和仿真模型, 在探讨恒压控制法、扰动观察法和电导增量法局限性的基础上, 提出了三种复合MPPT控制算法, 剖析了这些算法的优点及实现方案, 并进行了相关仿真实验
1光伏电池的仿真模型
光伏效应是指当物体吸收光能以后, 其内部载流子的分布状态和浓度发生变化, 由此产生电流和电动势的现象。光伏电池是利用光伏效应发电的, 当光伏电池的外部与负载连接成回路以后, 在太阳能的作用下就会产生电流, 电流方向是由外部流入电池的P区, 再经N区流出。光伏电池的等效电路模型如图1所示。
光伏电池等效于一个电流为Iph的恒流源与一个正向二级管并联。其中Rs为串联电阻, 理想情况下其值为0;Rsh为旁路分流电阻, 理想情况下其值为无穷大。根据图1, 可以求出单个太阳能电池的V-I特性方程:
I=Iph-ID-Ir (1)
式中:
所以
化简得:
式中I为负载电流, V为电池端电压, Iph为光生电流, S为光照强度 (W/m2) , T为电池温度 (K) , ID为流过二极管的电流, Rsh为分流电阻 (取Rsh=2000 Ω) , CT为温度补偿系数 (1.6 mA/K) , Eg为禁带宽度电压 (1.13e V) , k为玻尔兹曼常数, q为电子电量, CD为温度系数 (CD=10.0) , A为光伏电池中半导体器件的P-N结系数 (A=1.11) , Isc为当S=1000 W/m2、T=Tref时电池的短路电流 (设Isc=3 A) 。
通过一些近似和化简, 可以得出太阳能光伏阵列的单指数数学模型[4,5]:
其中
利用上述简化得到的单指数数学模型, 在Matlab中编程画图可以获得不同状态下的V-I、V-P特性曲线, 如图2和图3所示。
光伏电池的输出特性会随光照强度及温度的变化而变化, 当太阳辐射强度和电池温度不是标准光强和温度时, 应按下面式 (7) 来计算在不同太阳辐射强度和电池温度下对应的短路电流Isc、开路电压Voc、最大功率点电流Im 和最大功率点电压Vm等电气参数。
式 (7) 中, Tref和Sref为参考日照强度和结温, 分别取25和1 000;a、b和c是特定光伏阵列对应输出量随环境变化的系数, 在仿真时分别取a=1, b=0.1, c=1, e为自然对数, DT为温度系数, DS为日照系数。
根据式 (7) 的各个分解式, 利用Matlab/Simulink对太阳能电池阵列进行建模, 构建的光伏阵列模型如图4所示[6,7]。基于该模型仿真得到的V-I、V-P曲线如图5和图6所示。
2 传统MPPT控制算法分析
传统的MPPT控制算法有扰动观察法、恒电压控制法、电导增量法、滞环比较法、间歇扫描法、最优梯度法、神经网络预测法、功率回授法等, 其中前三种控制方式应用较广泛。
2.1 扰动观察法 (Perturb & Observe, P&O)
根据以上分析可知, 当光伏电池的输出工作点在最大功率点的左侧时, dP/dV>0;在右侧时, dP/dV<0;而在最大功率点时, dP/dV=0。根据该特点, P&O法的控制过程为:首先初设一个光伏电池工作电压, 然后通过调节功率管的占空比给光伏阵列列输出电压周期性的扰动, 例如使其增加, 然后比较扰动前后光伏电池的输出功率, 如果输出功率也因此增加, 即dP/dV>0, 则说明光伏电池工作于最大功率点的左侧, 则应在下一扰动周期继续保持当前的扰动方向, 增大光伏电池输出端电压;反之亦然。
扰动观察法控制简单、容易实现, 对参数检测精度要求不高, 但这种算法需要周期性的扰动, 且当扰动方向确定后, 只能在下一个扰动周期去影响输出电压, 这将导致光伏阵列的输出在最大功率点附近振荡, 从而减小了系统的输出效率, 而且当环境条件变化剧烈时有可能导致跟踪失败。
2.2 恒电压控制法 (Constant Voltage Tracking, CVT)
在最大功率点处对应的输出电压基本不变, 为Vm, 该值近似为电池开路电压的0.76倍。根据电池的这一特性, 只要知道电池的开路电压, 即可得到最大功率点对应的工作电压Vm。实际控制时, 只要以某一温度下最大功率输出对应的工作电压Vm*作为控制目标, 用实际电池输出电压Vm与之比较, 经PI调节后与三角波比较得到的PWM波去驱动功率管, 从而改变电池阵列的负载阻抗, 最后使其工作在最大功率点上。该算法的控制结构框图如图7所示。恒压控制法也称为固定参数法。
该算法控制简单, 可靠性和稳定性较高, 但受工作场合季节、早晚时间、天气情况及环境温度变化的影响较大。实际使用时一般在CVT算法的基础上采取一定的措施以补偿这些影响[8]。
2.3 电导增量法 (Incremental Conductance)
由太阳能电池的V-P曲线可知, 最大功率点Pm处的斜率为零, 即dP/dV=0, 所以有
也就是说, 当系统输出电导的变化量等于输出电导变化量的负值时, 光伏电池工作在最大功率点。与P&O法相比, 增量电导法控制精确、跟踪速度快。因其能较好地测定MPP, 因而基本可以消除P&O法中因扰动而产生的最大功率点附近的功率振荡现象。但该方法对硬件的要求较高, 特别是传感器的测量精度要求较高, 且系统的响应也应足够快才能满足其控制要求, 所以相应的硬件成本也将提高。
3 复合MPPT控制算法
传统的MPPT控制算法各自都存在一些不足之处, 为了改善最大功率点的跟踪效果, 可以将各种传统MPPT方法综合起来使用, 相互取长补短。把固定参数法、扰动观察法和电导增量法相结合得到的复合MPPT算法将具有更好的跟踪控制性能。
3.1 固定参数法与扰动观察法相结合的复合MPPT控制算法
在光照强度变化较大时采用固定参数法进行控制, 避免扰动观察法可能带来的跟踪失败, 而在最大功率点附近时, 进行扰动观察, 以达到较好的控制精度。具体实现方法如图8所示。
在B点附近, 输出电压和输出功率约为零, 光伏电池输出处于短路状态。随着输出电压的上升, 输出功率也随之上升, 在输出电压上升到A点以前, 光伏电池输出电流近似等于短路电流, 即电池表现为恒流特性。当电池工作点超过A点后, 输出电流迅速下降, 而电池输出电压与输出功率继续上升, 直到电池的最大功率点MP。然后, 随着输出电压的上升, 电池的输出功率与输出电流均迅速下降。因此, 在MP左侧并偏离MP一定距离的C点所测得电池的输出电流近似为光伏阵列的输出短路电流Isc。最大功率点的电流近似为短路电流Isc的90%, 即固定参数法所需要的目标参数, 以此为控制目标即可实现最大功率跟踪控制。该MPPT算法流程如下图9所示。
该算法的关键在于找出短路电流Isc, 得到固定参数法所需要的目标参数, 一般指定为0.9Isc。然后用测量值与目标参数比较, 所得差值通过PI调节, 得到调节参量, 找出近似的最大功率点。最后利用小扰动法向最大功率点逼近, 逼近程度由扰动步长决定。
3.2 固定参数法和电导增量法相结合的复合MPPT控制算法
应用固定参数法寻找到最大功率点附近, 而后采用电导增量法跟踪最大功率点, 由此可以获得比固定参数法与扰动观察法相结合的复合MPPT控制方法更好的跟踪性能。该算法不存在扰动引起震荡的问题, 解决了电导增量法中步长与程序运行时间之间的矛盾, 可以进一步缩小步长而程序不至太冗繁。该MPPT跟踪算法流程如图10所示。
该算法大大缩短了传统电导增量法的寻优过程, 传统的电导增量法如果步长太大, 最大功率点的逼近程度较差, 如果步长太小, 寻优时间太长。该复合算法是在寻求到最大功率点附近时, 利用小步长追踪准确的最大功率点。
3.3 高斯法与扰动观察法相结合的复合MPPT控制算法
由太阳能电池板的V-I和V-P特性曲线可知, 当电池阵列工作在恒流区时, V-P特性曲线的斜率近似为定值。此时, 设定一个参考功率, 如图11中的P1直线, 以图中工作点的斜率作直线, 与P1直线相交于A1点, 若dP/dV>0, 这时可以确定A2点在MPP附近。假如参考功率设得过大, 如图中P2直线, 相交的B1点已经偏过MPP, 在其右侧, dP/dV<0, 这时可以再次应用上面的方法, 找到B3点, 可以确定B3点应在MPP附近。要使用该算法, 应结合实际工程经验确定合适的参考功率, 参考功率的选择直接关系到跟踪性能。在实际工程中, 参考功率也是比较容易确定的。该MPPT跟踪算法流程如图12所示。
该算法的基本思想来源于V-P曲线的特殊形状。首先找到一个合适的参考功率P, 理想值应为 (1.2～1.4) Pm, 应用Matlab的mdlGetTimeofNextVarHit (采样下一点) 、mdlDerivatives (采样点导数) 命令追踪参考功率P, 得到调节电压, 从而调节负载, 使其工作于对应的输出电压 (最大功率点附近) , 再利用小扰动逼近最大功率点。
4 结论
采用简易高斯法来寻求光伏发电系统的最大功率点, 仿真时设定参数Tref=25, Sref=1 000, Isc=1.6, Im=1.43, Voc=22.5, Vm=17.5。仿真得到的P、V曲线如图13所示。
仿真结果表明, 高斯法可以较快地找到最大功率点。在实际工程中, 若要求具有较高的跟踪性能时, 可以采用上述固定参数法与扰动观察法相结合、固定参数法和电导增量法相结合、高斯法与扰动观察法相结合的复合MPPT控制算法。
参考文献
[1]王长贵.中国太阳光伏发电发展现状与未来展望.中国建设动态 (阳光能源) , 2004; (4) :72—75
[2]水天.迎接太阳能时代等.中国电力企业管理, 2005; (11) :18—19
[3]田忆凯, 陈荣, 朱世琴, 等.极具魅力的光伏发电.上海化工, 2005;30 (4) :1—4
[4]吴海涛, 孔娟, 夏东伟.基于MATLAB/Simulink的光伏电池建模与仿真.青岛大学学报, 2006;21 (4) :74—77
[5]Tse, KK, et al.Acomparative study of maximum-power-point tracker for photovoltaic panel using switching-frequency modulation scheme.IEEE Trans Ind Electron, 2004;51 (2) :410—418
[6]张兴, 张崇巍, 孙本新.采用电流寻优的MPPT光伏阵列并网逆变器的研究.太阳能学报, 2001;22 (3) :306—310
[7]Scapino F, Spertino F.Circuit simulation of photovoltaic systems for optimum interface between PV generator and grid.IEEE2002:1125—1129
比功率发电量 篇6
随着能源与环保问题日益突出,近年来风力发电在全球迅速发展。由于风能是一种间歇性、随机性和波动性很大的一次能源,大规模风力发电的接入对电力系统的规划与运行、调度与控制都带来了新问题。通常解决此问题所采用的方法是在原电力系统基本方法中加入风速或风力发电功率预测环节,因此对随机的、波动很大的、不可调度的风速或风力发电功率的预测方法成为研究的热点。
根据研究目的的不同,风速或风力发电功率预测可以分为3类:①以功率平衡控制为目的的风速、风向预测方法或模拟方法[1,2,3,4,5],主要用于风力发电控制系统、风力发电机组保护系统和控制器或风轮机机械部件设计等方面,预测所产生风速序列的时间间隔为秒级或分钟级;②以电力系统能量调度为目的的风速或风力发电功率预测方法[6,7,8,9,10,11,12,13,14,15,16,17,18],预测所产生风速序列的时间间隔为几分钟到数十分钟,预测各时段的平均风速和相应的平均风力发电功率;③用于中长期发电规划和备用发电容量计划的风速或风力发电功率预测方法[19,20,21,22,23],此类方法通常预测全年12个月代表日的小时平均风速或月平均风速,利用风速的概率分布函数和统计特征产生相应的模拟风速序列。本文研究主要涉及第2类。
以电力系统能量调度为目的的风速或风力发电功率预测方法可归为2类:①采用时间序列法或时间序列法与人工神经网络等智能方法相结合来预测平均风速,然后根据风力发电机组的功率特性计算得到相应的输出功率预测值[6,7,8,9,10];②采用人工神经网络法、模糊逻辑法、支持向量机法等人工智能算法,以平均风速、风向等气象数据作为输入量,直接预测风力发电机组输出功率[11,12,13,14,15,16,17,18]。前者把研究重点放在对风速的预测上,但是尽管风速预测精度非常高,但风力发电功率预测误差仍然很大[9,17]。后者用黑匣子原理直接将风速、风向等气象学预测的物理量与风力发电机组输出功率相关联,采用人工智能方法建立输入与输出间的映射关系,使功率预测精度能够满足能量调度的要求,但是这类方法不能给出输入与输出间关系的解析表达式,每次应用都需要大量的样本进行学习。
事实上,即使风速预测数据准确,基于现有风力发电机功率特性也不可能得到符合工程应用精度要求的风力发电功率预测值,其根本原因是电力系统能量调度所预测的风力发电功率是某时段的平均功率,而风力发电机功率特性描述的是发电机输出功率关于任意风速的变化关系。为此,本文提出基于等效平均风速的风力发电功率预测方法,主要用于10 min 级超短期风力发电功率预测,统计给出了等效平均风速与平均风速及最大风速的解析表达式。
1 等效平均风速
1.1 等效平均风速的概念与测量
风力发电机组的风速功率曲线表明,当实际风速小于切入风速或大于切出风速时,输出功率为0;当实际风速在切入风速与额定风速之间时,输出功率与风速间成三次函数曲线关系[24];当实际风速超过额定风速而小于切出风速时,输出功率近似为恒功率输出。
称电力系统能量调度最小时间间隔为统计时段,如果统计时段的平均风速低于风轮机的切入风速,由风力发电机组功率输出特性可得发电机输出功率为0。然而,事实上在此时段中瞬时风速可能大于切入风速而发电机输出功率并不为0,瞬时风速有可能是随机、大幅度地变化,采用其中任一瞬时风速来计算风力发电机组输出功率都不合适。因此,本文引入新的风速描述量——等效平均风速veq,其物理概念为:在统计时段内,当veq恒定时,风力发电机输出电能与该时段实际风速下风力发电机的输出电能相等,即有:
式中:P(·)为风力发电机组的功率特性函数;T为统计时段;v为瞬时风速。
等效平均风速veq不仅有明确的物理概念、数学表达式,而且可以实时测量计算得到:①测量统计时段风力发电机输出的平均功率P;②统计时段风力发电机输出的平均功率P在风速—功率特性曲线上对应的风速值为该时段实测veq。
风力发电机输出功率不仅与实际风速有关,而且与风向有关,由于目前的风力发电机组均可通过被动或电控主动追踪主导风向[25,26],因此本文假定风轮机始终处于迎风位置来计算veq。
1.2 等效平均风速函数
上述等效平均风速的实测值是通过测量风力发电机的输出功率得到的,只有建立它与统计时段实际风速物理量之间的关系才有实用意义。目前,风速仪测量记录的最小时间间隔为10 min[24],量测量为平均风速和最大风速。因此,本文假定电力系统能量调度的风力发电功率预测时间间隔为10 min。
为得到等效平均风速与实际风速物理量之间的关系,对北京密云风水光发电示范基地1台300 W定桨距永磁同步风力发电机组的发电功率和现场风速进行了为期1年的测量和记录。实测风力发电机组等效平均风速与平均风速间的关系见图1。
通过分析大量实验曲线发现,等效平均风速关于平均风速的变化具有明显的规律性,并且与实测最大风速和发电机切入风速、额定风速、切出风速等设计参数有关。由于风速是服从威布尔(Weibull)分布的随机变量,其分布函数可以由统计时段的最大风速和平均风速求得。也就是说,风速的统计特性可以用这2个物理量来描述,所以最大风速和平均风速能够在较大程度上反映某一时段内风速变化对风力发电机输出功率的影响。定义这种物理现象的数学描述为等效平均风速函数:
式中:vavg和vmax分别为实测平均风速和最大风速;vin,vout,vr分别为风力发电机组的切入风速、切出风速和额定风速;Ai,Bi,Ci(i=1,2,3)分别为等效平均风速函数的待定参数。
2 等效平均风速的参数估计方法
采用曲线拟合的数学方法即可求出式(2)中Ai,Bi,Ci(i=1,2,3)这9个参数的最佳估计值。
设{yj(vavg,j,vmax,j)|(j=1,2,…,n)}为等效平均风速分段函数任一段上的一组实测样本值,veq(vavg,j,vmax,j)为相应平均风速和最大风速下由式(2)计算得到的等效平均风速。求系数Ai,Bi,Ci的估计值使测量值与计算值之差的平方和最小,即
令
解代数方程组(4)即可得到函数veq(vavg,vmax)在该段表达式中3个系数的最佳估计值。
由式(3)和式(4)求得实验机组的等效平均风速函数的各段参数和平均相对误差列于表1。实测等效平均风速数据和拟合函数
值得指出的是,本文介绍的求取风力发电机等效平均风速函数的实验方法完全可以与现场运行相互独立,因为等效平均风速函数实际上描述的是风力发电机某时段输出的平均功率关于该时段风速变化的固有特性。
3 风力发电功率预测方法与步骤
基于等效平均风速的风力发电功率预测主要包括离线建模和实时风力发电功率预测2部分。
离线建模就是建立风力发电机组的等效平均风速函数。通过实测风力发电机输出功率获得等效平均风速样本集{yj(vavg,j,vmax,j)|(j=1,2,…,n)},按第2节所述参数估计方法,求取风力发电机组等效平均风速函数中的待定参数Ai,Bi,Ci(i=1,2,3)。
实时风力发电功率预测包括实时等效平均风速计算、等效平均风速预测和风力发电功率预测。本文采用基于AR(p)模型的时间序列法预测等效平均风速。实时预测计算步骤如下:
1)将平均风速和最大风速的实时测量数据代入等效平均风速函数,求得等效平均风速序列{veq,j(vavg,j,vmax,j)|(j=t,t-1,t-2,…,t-(p-1))}。其中,t为当前时刻,p为模型阶数(本文取p=3)。
2)由以下AR(p)时间序列模型[27]计算等效平均风速的预测值:
式中:
3)将等效平均风速预测值
4 算例分析
为了验证基于等效平均风速的风力发电功率预测方法的效果,对前述北京密云风水光发电示范基地300 W定桨距永磁同步风力发电机组,分别采用本文方法(以下简称为方法1)和基于平均风速的风力发电功率预测方法[8,9,10](以下简称为方法2)进行预测计算。方法2中采用了文献[9]提出的方法:经过数据的平稳化处理及自相关性分析,然后用ARIMA(2,1,1)模型预测平均风速。
离线计算该发电机组的等效平均风速函数参数如表1所示。现场实测某天的平均风速和最大风速曲线如图3所示。
采用方法1和方法2得到的风力发电功率预测曲线如图4所示,2种方法的预测功率与实测功率间的误差曲线如图5所示,风速预测的平均相对误差和风力发电功率预测的相对误差列于表2。由表2可见,基于等效平均风速的预测方法相比于基于平均风速的预测方法,风力发电功率预测的平均相对误差从37.10%降至5.21%,最大相对误差从150.00%降至29.27%。
为了分析等效平均风速模型对预测精度的影响,假定平均风速预测没有误差,采用平均风速模型预测风力发电功率的相对误差为表2中方法3对应的数据,由此可见,等效平均风速模型对提高风力发电功率预测精度效果显著。
5 结语
本文提出了等效平均风速的新概念和等效平均风速函数的数学模型。等效平均风速函数本质上描述了间歇性、随机性和波动性很大的风能与风力发电机在统计时段输出的平均功率的关系。本文的物理实验研究主要涉及风力发电机组的风力发电功率预测,由此来验证理论和方法的正确性及可行性,进一步通过风电场电功率物理实验获得风力发电机群输出电功率关于风速的特性,将不难将此方法扩展到风电场超短期功率预测。
比功率发电量 篇7
关键词：最大功率点跟踪,扰动观察法,新能源利用
0绪论
1) 光伏发电研究的意义
随着经济技术的快速发展, 人们对能源的需求也越来越大, 而现今运用最广泛的化石能源因其不可再生的特性使其总量在人类不断地开采下越来越少。寻找新能源成为了人类必须面对的现实。太阳能作为现今自然界中最为理想的新能源之一, 收到越来越普遍的重视。太阳能与其他绿色可再生新能源相比有储量丰富;分布范围广泛;能源清洁的特性。
太阳能光伏发电在可再生能源和新能源中占有很大的比例, 被全社会公认为当前世界最有发展潜力的新能源技术。太阳能光伏发电有如下优点:
(1) 光伏发电设备操作维护简单, 运行稳定可靠;
(2) 光伏发电污染小, 不排放有害气体, 不发出噪音;
(3) 太阳能资源丰富且便于获得;
(4) 太阳能电池组件结构简单, 体积小重量轻, 便于运输和安装。
2) 最大功率点跟踪控制的意义
为了使光伏电池板能够随着温度、光照强度变化始终运行于最大功率点处, 光伏发电系统常采用最大功率点跟踪 (Maximum Power PointtTracking, MPPT) 技术。它是提高光伏发电效率的重要措施。常用MPPT算法有电导增量法、恒定电压法和扰动观察法。由于算法自身特点, 上述算法均有其局限性和优越性。
本文对MPPT常见算法及其研究现状进行了归纳总结。特别是对扰动观察法的步长变化、扰动方向出错的局限性以及针对这些问题的现有改进方法进行了归纳分析。
1 光伏发电MPPT算法
1.1 MPPT原理
根据光伏电池的输出特性, 光伏电池在不同温度和光照强度下的输出功率-电压曲线P-U曲线分别如图1和图2所示。
由图1和图2可知, 在给定的光照强度和温度下, 输出的功率值存在一个最大值并且对应一个电压, 此点即最大功率点 (Maximum PowerrPoint, MPP) , 对应电压为最优电压。这个最大功率点会随着温度和光照的变化而变化。
因此, 光伏发电最大功率点跟踪的原理为, 跟随不同的光照和温度条件, 控制光伏电池的电压, 使其始终运行于最优电压下, 即可获得最大功率输出。
1.2 MPPT算法
1.2.1 电导增量法
电导增量法[1,2]是从光伏系统输出功率随输出电压变化率而变化的角度来实现最大功率跟踪。通过光伏阵列的d P/d U-U曲线可以得到式 (1) 所示的判据:
通过判断d P/d U的符号就可以判断光伏阵列是否工作在最大功率点。在最大功率点处有d P/d U=0, 此时保持电压不变;在最大功率点左侧d P/d U>0, 此时应增大输出电压;在最大功率点右侧d P/d U<0, 此时应减小输出电压。由于不便求得d P/d U的值, 所以直接判断存在困难。因此, 电导增量法在实际应用时采用如下判据:
光伏系统工作在最大功率点情况时, 系统输出功率为:
将式 (2) 两边对光伏阵列输出电压U求导, 故:
当d P/d U=0时, 光伏阵列的输出功率值最大, 可以推导出系统处于最大功率点时具有式 (4) 所示的关系:
在实际应用中, 可以通过判断 (d I/d U+I/U) 的符号来判定光伏系统是否处于最大功率点。当其为零时, 表明此时系统处于最大功率点处;当符号为正时, 表明系统此时处于最大功率点的左侧;当符号为负时, 表明系统此时处于最大功率点的右侧, 具体算法流程图如图3所示。图中C为扰动步长的调整系数。
1.2.2 恒定电压法
当温度不发生剧变, 辐照强度大于某一定值时, 从光伏阵列输出曲线上看, 最大功率点处的电压基本位于某一竖直直线两侧, 此处电压值约为 (0.7~0.9) Uoc, 其中Uoc为光伏电池板开路电压。恒定电压法[3,4]就是把最大功率点处电压默认在开路电压70%~90%, 从而计算出功率。即光伏阵列的最大功率点电压Umpp与光伏阵列的开路电压Uoc之间存在近似的线性关系, 如式 (5) 所示。
其中, K的值取决于光伏阵列的特性, 一般K的取值大约在0.7~0.9。
恒定电压法作为一种开环的MPPT控制, 算法简单, 硬件实施方便, 工程应用广泛。目前主要使用在对精度要求不高, 气温变化不剧烈的场所。在实际应用中, 恒定电压法一般作为前期粗略寻找的手段, 以求最快速度到达最大功率点附近。再结合其他复杂算法进一步精确。
1.2.3 扰动观察法
扰动观察法 (Perturbation and Observation, P&O) 也称为爬山法 (HilllClimbing, HC) , 其工作原理与电导增量法思路相近, 即测量当前阵列输出功率, 然后在原输出电压基础上增加一个小电压分量扰动后, 其输出功率会发生改变, 测量变化后的功率, 与变化前的功率进行比较, 即可获知功率变化的方向。如果功率增大就继续按原方向扰动电压, 如果功率减小则改变原扰动方向。通过反复扰动和观测最终使系统输出功率趋于最大[5,6], 其流程如图4所示。
2 扰动观察法存在问题及研究现状
2.1 扰动观察法存在问题
扰动观察法虽然实施简单, 参数测量较少, 传感器的精度要求不是特别高。但是同样存在问题[7,8,9]。
(1) 在即将到达最大功率点时, 该算法会产生功率振荡。其原因在于, 在最大功率点附近时, 扰动步长极有可能大于实际所需增加电压值, 从而越过了最大功率点到达右侧, 系统检测到功率值减少, 判断出扰动方向相反, 减小扰动电压回到之前左边的工作点, 重复上述过程, 系统始终无法恰好到达最大功率点, 最终工作点总是在实际最大功率点附近振荡, 产生了能量的损耗。
(2) 采用固定的搜索步长时存在的矛盾。搜索步长过长使得最大功率点附近的振荡幅度较大, 降低了跟踪精度, 而步长过短又会影响算法的搜索速度。
(3) 在特定的情况下会出现搜索方向误判的情况。当日照强度变化比较大时, 易发生最大功率点误判。
2.2 现有改进方法
2.2.1 变步长的扰动观察法
针对上述问题 (1) 和问题 (2) , 现有改进方法主要通过变步长设计来进行改善, 例如, 根据运行点距离最大功率点的远近不同, 可以设计不同的搜索步长, 在此方面, 典型的方法之一是设置门槛电压。以最大功率点为中心设置一个常数区间, 在此区间内, 采用小步长追踪, 而在此区间外可进行大步长追踪[10];另一种典型变步长算法是以△U=r× (d P/d U) 的形式获得动态变步长的搜索算法, 其中r为步长调整系数, d P/d U在恒定温度和光照强度时能够反映运行点与最大功率点的远近, 当接近最大功率点时, d P/d U趋近于0变步长的设计既提高了搜索的效率, 又减少了最大功率点处功率振荡的幅度[11]。
2.2.2 搜索方向的改进设计
针对扰动观察法存在的问题 (3) , 一般通过搜索方向的调整来避免。现有改进方法中对于搜索方向的调整具有较大差异。文献[12]提出当外界因素变化较大时, 太阳能电池的输出功率P也跟着有较大变化;当外界因素变化很小时, 太阳能电池的输出功率P也跟着只有很小的变化。利用这一输出特性, 改进方法是:先测得太阳能电池阵列的输出功率P (i) , 确定一个功率值范围△Pm, 对其工作点进行扰动, 测得扰动后太阳能电池阵列的输出功率P (i+1) , 计算△P=P (i+1) -P (i) 数值大小, 当△P>0时, 若△P>+△Pm, 继续原来扰动方向, 增加步长;若△P<+△Pm, 继续原来扰动方向, 减小步长;当△P<0时, 若△P>-△Pm, 往相反方向扰动, 减小步长;若△P<-△Pm, 往相反方向扰动, 增加步长。文献[13]提出光伏电池产生的电流和光照强度有一定的线性关系, 光照强度增加时, 输出电流增大;光照强度减小时, 输出电流减小。所以可以认为当光照强度变化时, 光伏电池输出电流和电压呈正向关系, 即d I/d U>0, 反之则d I/d U<0。而当d U=0时, d I≠0, 说明光照强度发生了变化。因此, 当光照强度发生变化时, 以微小步长△Umin进行扰动。待环境条件稳定后, 再以正常步长扰动跟踪, 从而有效提高光伏电池的效率。
3 结论
在科技快速发展的今天, 能源问题是人类现今乃至今后都要面临的重大问题。所以新能源开发是一直是科学界关注的主题, 而太阳能作为新能源的一个代表性个体也成为了人们关注的对象。从前人的资料中可知, 光电转换率的较低现状一直阻碍着光电事业的发展, 而要改善这个问题就要对光伏发电最大功率点进行追踪。本文总结了光伏发电最大功率点追踪技术的研究背景, 传统MPPT算法的基本原理。此外, 针对扰动观察法存在的问题, 对前人的研究成果进行了归纳总结, 以期为同行提供参考。
参考文献
[1]陈玉鸣, 张寅孩.光伏并网发电系统最大功率点跟踪方法研究[D].浙江理工大学, 2013.
[2]梁慧慧, 王明渝.独立光伏发电系统最大功率点跟踪的研究[D].重庆大学, 2014.
[3]陈晓君, 南余荣.基于Boost电路的MPPT光伏发电系统研究[D].浙江工业大学, 2014.
[4]王厦楠, 周洁敏.独立光伏发电系统及其MPPT的研究[D].南京航天航空大学, 2008.
[5]葛志春, 施云波.基于改进扰动观察法和太阳跟踪技术的智能光伏系统设计[D].哈尔滨理工大学, 2014.
比功率发电量 篇8
现代通信设备工作电压一般为24V或48V, 但通信设备内的数字逻辑电路却需要+5V和±12V的电源。二次电源模块提供直流低电压, 对一次电源 (24V/48V) 而言, 二次电源转换器表现出恒功率负载特性, 通常二次电源的输入电压可提升至65V以上, 以满足对电池组的均充或备用要求。此外, 整流模块在交流输入电压变化范围大 (180～270V) 时, 应能正常工作。
大多数情况下, 整流模块的工作电压为54V左右, 与电池的最优浮充电压相匹配, 并且输出为满负荷电流的一半左右, 以保证整流模块的冗余量和足够备用的充电电流。因此, 提高整流模块半载状态时的工作效率, 将带来长期的经济效益。
1 整流模块的输出结构
典型开关整流模块包括输入滤波器、完成功率因数校正的AC-DC升压电路、储能电容、隔离式DC-DC变换电路和输出滤波器, 如图1所示。
升压电路的输出电压恒定在420V, 直流输出电压的变化和恒功率输出特性仅与DC-DC变换电路有关。因此, 以下仅集中讨论整流模块的DC-DC变换电路。
2 DC-DC变换电路的电压变换方式
典型的DC-DC变换电路由DC-AC交流源、隔离变压器、AC电压变换电路和输出整流滤波器组成。图2是各环节的排列 (隔离变压器未标出) 。所列的DC-AC交流源阻抗和电压值是换算至隔离变压器次级的等效值, 变压器变比为6∶1。
有多种方式可以控制输出电压。下面分析比较采用串联变阻、串联谐振、脉宽调制、变比调节、谐振变比 (resonance tapped transformer-high frequency RTT-HF) 5种方式时, DC-AC交流源阻抗RS所产生的传导损耗 (假定恒定输出功率为2900W) 。
2.1 串联变阻方式
这种变换电路只用来说明负载电流如何影响传导损耗, 并不是实际应用的变换方法如图3所示。
通过改变串联电阻RC, 使输出电压变化。采用串联变阻方式时, 不同输出电压的交流源阻抗上的传导损耗如表1所列。
2.2 串联谐振方式
改变交流源的频率。改变串联谐振回路的阻抗。利用串联元件的电抗特性来改变输出电压。
串联谐振回路只允许高频开关电流的基波分量通过, 直流输出电压是正弦基波的平均值。但流过AC交流源内阻的是有效值电流, 因此传导损耗增加 (图4) 。
在串联谐振方式下, 不同输出电压时, 交流源内阻的传导损耗如表2所列。
2.3 脉宽调制方式
通过PWM的占空比来改变输出电压, DC缓冲电路可保证负载电流连续。交流源内阻的传导损耗反比于占空比 (实际电路中占空比控制是通过交流源的开关管完成的) (如图5) 。
在脉宽调制方式下, 不同输出电压时, 交流源内阻的传导损耗如表3所列。
2.4 变比调节方式
这种方式理论上能提供最佳效果, 但需要一个不切合实际的机械滑动触点。不管怎样, 这种变比调节方式是在提高输出电流的情况下, 不增加交流源内阻传导损耗的唯一方法 (图6) 。
在变比调节方式下不同输出电压时, 交流源内阻传导损耗值列于表4。
2.5 谐振变比方式
作为论证电路说明, 由于可通过谐振回路的正弦波平均电流小于AC交流源有效值电流, 损耗有所增加。但这种方式在低电压时, 传导损耗低于PWM方式 (图7) 。
采用谐振变比方式时, 不同输出电压时的交流源内阻的传导损耗值列于表5。
3 DC-DC变换方式对比
可以看出, 采用变比调节方式时在三个不同输出电压值时, 交流源内阻上的传导损耗最小 (表6) 。
尽管PWM方式在输出高中电压时传导损耗较低, 但它具有难以克服的开关损耗。PWM软开关技术在减少开关损耗时, 会提高传导损耗;PWM软开关方式与谐振变换方式具有相同的满功率效率。
4 电子变比的实现
变比调节是减少交流源的最佳方案, 但传统的变压器不能用来调节变比。以下介绍正弦波输入的、无机械滑动触点的电子变比的实现。
串联谐振电路在固有谐振频率时, 阻抗为零, 图8为电子变比电路。
三个谐振电路串联于AC交流源的输出端。中间的谐振电路谐振频率为f2, 上下两端的谐振电路谐振频率为f1。
如果AC交流源的频率设在f2, 那么中间的谐振电路为零阻抗, 变压器的两个初级线圈串联, 变压器的线圈变比为2n∶1。反之, 如果将AC交流源的频率设在f1, 上下两端的谐振电路为零阻抗, 变压器的两个初级线圈并联, 变压器的线圈变比为n∶1。
如果频率在f1与f2之间连续变化, 变压器的变比也将在n∶1和2n∶1间连续变化。这种电子变比方式已被正是命名为谐振变比。
上述元件值的选取, 主要取决于电压变换的要求。元件值经商业化选择后可实现零电压开关模式。
5 谐振变比技术的商业化
谐振变比技术现已应用于开关型整流模块的设计中, 包括48V和24V整流模块。全面测试的结果显示, 所有预期的先进指标与最佳特性都在新产品中得以实现。整流模块采用软控制方式, 输出电压在40～70V之间变化时, 效率接近92%。
图9为48V整流模块的输出特性曲线, 最高输出电压为70V, 最大输出电流为60A, 在规定的输出电压变化范围内, 模块保持2900W的恒功率输出。整流模块输出电压为58V时额定输出电流为50A。在电池充电状态下, 可提供60A的输出电流。
在恒定输出功率和输出电压下, 谐振变比技术的效率优势十分显著。2900W的恒功率模块在很宽输出电压范围内, 效率均在90%～92%之间。
模块在48V, 60A时, 效率高于90%, 热损耗不足320W, 这具有十分重要的实际意义。前一代产品在48V, 50A时, 效率仅为88%, 且具有相同的热损耗, 而谐振变比技术可在不增加散热片的情况下, 为电池充电提供额外的10A的电流, 只需增大变压器次级线圈、输出二极管、滤波器和接插件的电流设计指标。在典型的54V工作电压时, 谐振变比技术具有最佳的半载工作效率, 其它负载率的效率都略低于此。
参考文献
[1]赖后翔.高频开关电源DC-DC模块的研究[D].长沙:湖南大学, 2003.
[2]彭晓珊.大容量高频开关电源的研制[D].长沙:中南大学, 2004.
[3]陈雨霞.开关电源最优设计技术研究[D].杭州:浙江大学, 2004.
[4]邹怀安.宽输入电压高频开关电源的研究与实现[D].武汉:武汉理工大学, 2005.
[5]黄赞武.高频开关电源的设计[D].北京:中国农业大学, 2000.
【比功率发电量】相关文章：
柴油发电机组功率因数06-08
基于模糊控制的光伏发电最大功率点跟踪10-10
大型光伏电站发电功率预测及其作用和对电网的影响分析09-12
133-4财政部关於调整大功率风力发电机组及其关键零部件、原材料进口税收政策的通知04-10
有功功率和无功功率09-04
有功功率无功功率计算04-27
额定功率实际功率教案04-15
小功率04-19
功率特性05-08
功率效率05-12