CN106849151A - 一种光伏电站接入电网点电压闪变评估检测方法 - Google Patents
一种光伏电站接入电网点电压闪变评估检测方法 Download PDFInfo
- Publication number
- CN106849151A CN106849151A CN201510875302.8A CN201510875302A CN106849151A CN 106849151 A CN106849151 A CN 106849151A CN 201510875302 A CN201510875302 A CN 201510875302A CN 106849151 A CN106849151 A CN 106849151A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- model
- photovoltaic plant
- power network
- voltage flicker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 49
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 28
- 238000005286 illumination Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012067 mathematical method Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 8
- 230000006698 induction Effects 0.000 claims description 5
- 230000003446 memory effect Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 210000003792 cranial nerve Anatomy 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 230000007423 decrease Effects 0.000 abstract description 6
- 239000003595 mist Substances 0.000 abstract description 5
- 230000032683 aging Effects 0.000 abstract description 4
- 239000012634 fragment Substances 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000008439 repair process Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004870 electrical engineering Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 241001269238 Data Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H02J3/383—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于光伏电站接入电网点电压闪变评估检测方法,包括对环境数据进行采集,建立大型光伏电站接入点电压闪变的综合环境因素模型;基于PSCAD对光伏电站进行建模;建立电网侧模型;建立电压闪变的评估与检测模型。本发明对大型光伏基地由于阴影、碎片、电池板老化短路、断路、云雾遮盖或其他因素,而引起的太阳能组件效率会突然下降,电站接入电网点电压闪变进行评估检测,有助于光伏发电系统的安全、经济运行和检修维护,并且光伏出力的预测结果可辅助电网调度运行控制决策,提高光伏发电电网的稳定性。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及一种光伏电站接入电网点电压闪变评估检测。
背景技术
以太阳能为代表的新能源(又称清洁能源)装机呈爆发性增长,成为国家电力供应的重要组成部分。截至2013年底,国内累计光伏装机达1800万千瓦,到2020年,光伏发电装机1亿千瓦以上。
太阳能光伏发电系统是由一系列太阳能组件电池串并联而成的。在运行过程中,由于阴影、碎片、电池板老化短路、断路、云雾遮盖或其他因素,太阳能组件效率会突然下降,而单个组件效率下降或损坏会带来系统整体的效率大幅下降,会使整个电站送出功率骤降的情况,因此对于大规模光伏电站并网运行送出功率大幅波动,可能对电网电压波动造成很大的影响。由此,对光伏电站电压的闪变进行实时不间断监控是十分有必要的,可以及时采取措施避免更大事故的发生。
从上世纪80年代,世界上相关领域的学者就开始研究电源引起的电压波动和闪变问题,在实地测量、实验和建模仿真等研究领域取得了丰硕的成果,并在电压闪变的评价方法上形成了一系列新标准,常用的电压闪变计算及评价标准有:国际电工标准IEC61000-3-7。国际电工标准IEC61000-4-15和国际电工标准正C61400-21"国际电工标准IEC6l000-3-7提供了估算中,高压电网所允许的闪变和电压变化最大限值的方法;国际电工标准IEC61000-4-15提供的闪变值仿真算法计算短时间闪变值。国际电工标准IEC61400-21是关于并网风电机组电能质量测量与评估的标准等一系列标准。
大型光伏发电分布面积广、数量多,远离监控中心,在运行过程中,受到外界因素的影响较明显,电压闪变发生的时间极短,对电网的冲击较大。如电池板老化突然一起的短路、断路;天气变化云雾遮盖或其他因素,太阳能组件效率会突然下降,而单个组件效率下降或损坏会带来系统整体的效率大幅下降,会使整个电站送出功率骤降的情况,因此对于大规模光伏电站并网运行送出功率大幅波动,可能对电网电压波动造成很大的影响。由此,对光伏电站电压的闪变进行评估十分有必要的,可以及时采取措施避免更大事故的发生。
PSCAD/EMTDC是世界上广泛使用的电磁暂态仿真软件,EMTDC是其仿真计算核心,PSCAD是EMTDC的前处理程序,用户在面板上可以构造电气连接图, 输入各元件的参数值,运行时则通过FORTRAN编译器进行编译、连接,运行的结果可以随着程序运行的进度在PLOT中实时生成曲线,以检验运算结果是否合理,并能与MATLAB接口。EMTDC/PSCAD主要功能是进行电力系统时域和频域计算仿真。
目前还没有专门现场设备对光伏电站电压的闪变进行实时不间断监控。主要的难点如下:
(1)由于阴影、云雾遮盖、风沙等环境因素对光伏电厂的输出特性影响的量化出力方法;
(2)基于PSCAD的光伏电站接入电网点电压闪变模型的建立;
(3)基于PSCAD电压闪变的测量评估模型的建立。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种基于光伏电站接入电网点电压闪变评估检测方法,对大型光伏基地由于阴影、碎片、电池板老化短路、断路、云雾遮盖或其他因素,而引起的太阳能组件效率会突然下降,电站接入电网点电压闪变进行评估检测。
为实现上述目的,本发明提供了一种光伏电站接入电网点电压闪变评估检测方法,其特征在于,包括如下步骤:
步骤1,对环境数据进行采集,建立大型光伏电站接入点电压闪变的综合环境因素模型;
步骤2,基于PSCAD对光伏电站进行建模;
步骤3,建立电网侧模型;
步骤4,建立电压闪变的评估与检测模型。
较佳地,所述步骤1中所述环境模型建立步骤如下:
采集光伏电站中孤立点的环境数据,加入对应的地理坐标信息;
通过数学方法处理,得到理想状态环境模型和考虑光照突变等因素的环境模型;
对比所述两种环境模型的区别;
根据参数修改平台参数修改情况,得到最终的环境模型。
较佳地,所述环境模型为二维模型,包括环境节点和光伏电池板,所述环境模型根据所述环境节点的光照强度数据和稳定数据估计出所述光伏电池板处的光照强度和稳定数据。
较佳地,所述环境节点为测光站或Zigbee模块节点。
较佳地,基于MATLAB搭建所述环境模型,通过所述光伏电池板在整体环境模型中的地理位置,并通过一些数学方法得到所述各个光伏电池板对应的地理位置处的光照强度和稳定数据。
较佳地,所述数学方法为二元函数的拉格朗日插值方法。
较佳地,所述综合环境因素模型还包括光伏阵列模型,将采集到的环境温度转换为光伏组的温度,所述光伏组件温度预测通过马尔科夫链模型得到,所述马尔科夫链的模型为:
Ti+1=f(Ti,G,Te)
其中Ti为第i时刻的光伏组件的温度,G为i时刻的光照强度,Te为环境的温度。
较佳地,所述步骤2中,所述光伏电站建模在PSCAD/EMTD平台上进行,建立的模型有光伏电池的模型、光伏电站的主体结构模型和光伏控制器,所述光伏电站的主体结构模型包括逆变器、滤波器和变压器模型。
较佳地,所述步骤3中的电网侧模型在PSCAD/EMTD平台上建立,所述电网侧模型用感应电动机的动态模型作为负荷动态模型的基础,配之以相应的恒定阻抗负荷或按静态特性模拟的负荷,由所述动态负荷与所述静态负荷两部分并联组成综合负荷。
较佳地,所述电压闪变的评估与检测模型的电压闪变测试方法基于IEC闪变仪原理,具体步骤如下:
将输入的被检测电压适配成合适仪器的电压数值,并能发生标准的调幅波电压作仪器自检信号;
用平方检测方法从工频电压波动中解调出反映电压波动的调幅波;
由带通滤波器和加权滤波器构成,用于模拟人眼的频率选择特性;
用平方器和一阶低通滤波器模拟人脑神经的视觉反映和记忆效应;
录波作统计分析,计算短时闪变值。
综上,本发明的一种基于光伏电站接入电网点电压闪变评估检测方法,对大规模光伏基地电压接入点闪变监测和预测,有助于光伏发电系统的安全、经济运行和检修维护,并且光伏出力的预测结果可辅助电网调度运行控制决策,提高光伏发电电网的稳定性。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的基于光伏电站接入电网点电压闪变评估检测方法流程示意图。
图2是本发明的一个较佳实施例的环境模型建立流程示意图。
图3是本发明的一个较佳实施例的光电站环境构架示意图。
图4是本发明的一个较佳实施例在MATLAB中绘制的环境模型示意图。
图5是本发明的一个较佳实施例的光伏电池模型示意图。
图6是本发明的一个较佳实施例的逆变主体的模型示意图。
图7是本发明的一个较佳实施例的逆变控制回路的模型示意图。
图8是本发明的一个较佳实施例的MPPT模块示意图。
图9是本发明的一个较佳实施例的电网侧模型示意图。
图10是本发明的一个较佳实施例的压闪变测试方法流程示意图。
具体实施方式
如图1所示,一种基于光伏电站接入电网点电压闪变评估检测方法,对光伏电站电压的闪变进行评估和检测,包括如下步骤:
步骤1,对环境数据进行采集,建立大型光伏电站接入点电压闪变的综合环境因素模型。
为了最大限度地利用太阳能这类可再生清洁能源,光伏电站的选址一般都是很有考虑的。这类新能源发电站一般都建在太阳能充沛且比较空旷的区域,减少了许多环境因素对光伏发电的效率的影响。正是因为这个原因光伏电站的整体环境比较简单,在整体环境模型中只有电池板和环境节点,其它环境影响因素因为选址而可以忽略不计。同时,电池板地理位置处的高度数据对光伏电站的发电效率几乎没有影响,整个环境模型可以近似建立为一个二维模型。
环境模型的建立流程如图2所示,具体步骤如下:
采集光伏电站中孤立点的环境数据,加入对应的地理坐标信息;
通过数学方法处理,得到理想状态环境模型和考虑光照突变等因素的环境模型;
对比所述两种环境模型的区别;
根据参数修改平台参数修改情况,得到最终的环境模型。
环境模型中根据环境节点的光照强度数据和稳定数据估计出光伏电池板处的光照强度和稳定数据。整个光电站的环境架构如图3所示,其中大的圆形为测光塔或Zigbee模块节点,小的圆形为电池板,线段为电池板串并联连接线。
图3所示构架图可以看作是根据环境节点坐标位置、光伏电池板坐标位置和电池板实际串并联关系得到的环境拓扑图,电池板处的光照强度和温度值由已知的环境节点数据在插值的基础上得到。其中比较关键的地方为环境节点本身的出力数学模型(可变)和其输入输出参数的设定;光伏电池板本身的出力数学模型(可变)和其输入输出参数的设定;负责节点数据参数的传递的关联线;在具体的插值计算时,每一个环境节点都有自身比较重要的影响范围。
在实际的光伏电站管理中,因为光伏电站的光伏电池板数量十分巨大,对每个电池板位置处的光照强度和温度等环境数据均进行采集显然是不现实的。 但是在实际对光伏电站的电能出力以及电压闪变分析中,每一块光伏电池板的电能出力数据都不能少,这样便需要使用环境节点的环境数据来近似分析得到各个光伏电池板位置处的环境数据。使用这种插值的方法,光伏电站的整体环境模型便十分重要。环境节点主要完成了光伏电站环境数据的采集,作为接下来的二维插值和数据转换从而得到整个光伏电站各个位置的光照强度和温度的基础。
光伏电池板是光伏电站中将太阳能转换为电能的器件,因为其单个电能出力比较小,为了满足发电的要求,一般都需要先将多块光伏电池板串联后再与其它串联后的电池组汇流。基于此,环境模型中需要明确光伏电站中光伏电池板的串并联关系。
整体分析模型中光伏电池板模型的建立需要同时使用到MATLAB和PSCAD/EMTDC软件,并通过两个软件的连接使用实现光电场电能出力和电压闪变的正确研究。在MATLAB中的环境模型中,主要使用的是光伏电池板在整体环境模型中的地理位置,并通过一些数学方法(插值等)来得到各个光伏电池板对应的地理位置处的光照强度和稳定数据;在PSCAD/EMTDC的电力仿真模型中,主要是根据MATLAB中分析得到的数据得出所有光伏电池板的整体电能出力,重点关注的是其的串并联关系。
因为整个光伏电站的面积较大且光伏电池板的数量较大,为了更好地显示环境模型的内部联系,在此只显示部分区域的模型。假定光伏电站的大小为1000×100m,在MATLAB中绘制的环境模型图如图4所示,其中,圆圈代表环境节点,*号代表光伏电池板,线段显示了光伏电池板的连接方式。图4中只显示了部分的光伏电池板,实际中光伏电池板的数量非常大且距离较近;同时,具体的环境节点以及光伏电池板的数量和坐标位置根据实际光伏电站中的安装而定,本实施例只是自定的一些理想数据。
上述采集得到的数据是电站内典型环境下的孤立点的环境数据以及对应的地理坐标信息,需要通过数学的手段处理,得到整个电站任意点的数据。
通过测光站采集回来的数据,在协调器上进行汇总后通过串口发送至PC端。PC端对接收到的数据进行数学处理,最基本的处理方法是插值处理,插值处理可以模拟得出每个地理位置上的电池板的环境数据。
根据测光站数据、地形数据、天气数据等环境因素,利用二维插值数值分析等手段,对酒泉大型新能源基地整体辐照度场进行模拟分析,构建环境因素在光伏电池板位置点二维插值模型。
设实值函数f(x,y)定义在矩形区域:
D={a<x<b,c<y<d}
插值节点集:
Z={(xi,yj)|a<x0<x1<…<xn<…<b,c<y0<y1<…<ym<…<d}
取在Z上线性无关的函数组
其中,是次数关于x不高于n次、关于y不高于m次的二元多项式。
在函数空间:
上寻找二元插值多项式:
使其满足插值条件pmn(xi,yj)=f(xi,yj)其中i=0,1…n;j=0,1…m.如同一元的情况,满足插值条件的二元插值函数是唯一存在的。此问题就是二元函数的代数插值问题。
数学上,常用的插值方法有拉格朗日插值法、牛顿插值法、哈米特差值法、分段多项式插值及样条插值。本实施例采用二元函数的拉格朗日插值方法。该方法比较简单,比较适合于一般的差值计算。二元拉格朗日插值法的插值基函数如下
其中,
本实施例应用插值算法计算每个位置的光照和温度信息。
通过上述的环境数据采集和处理操作,可以得到该区域内典型天气环境下的气候模型,比如雨雪、晴天、多云等等天气。得到的电站典型气象模型是后面仿真可靠性的基础。
实际的光伏电站中,可以得到环境节点的光照强度和温度数据,利用这些数据和插值方法可以得到整个光伏电站中光伏电池板的光照强度和温度数据。在不考虑云层遮挡时,此时整个光伏电站各个环境节点处的环境数据差别不是很大。但是当光伏电站的一部分受到云层遮挡时,会导致光伏电站被遮挡部分的光照强度剧烈下降,从而导致输出电压的闪边。云层的遮挡使得被遮挡的区域的光张强度大小迅速下降,从而导致其整个一组串联的电池板的输出电能迅速减小,从而导致整个光伏电站的电压闪边。
同理,温度对光伏电池板的太阳能转电能的能力也有一定的影响,所以在MATLAB中还需要对整个光伏电站的温度数据进行插值分析。温度相对于光照强度来说受到云层遮挡等干扰的影响较小,同时,其相应的反应速度也是比较 慢的。
温度的转化是指根据采集到的环境温度转换为光伏组件的温度。对于建成的光伏电站当然不存在这个步骤,因为组件的温度可以通过测量直接得到,但是对于筹备中的光伏电站,无法通过测量的方法得到光伏电池板的组件温度。太阳辐射、环境温度等对光伏阵列的输出功率有很大影响。而太阳辐射和环境温度受季节与地理位置变化的影响,具有显著的日变化和季节变化周期,这使得光伏阵列的输出功率具有很强的不确定性。为了研究光伏发电系统的输出与气候环境因素之间的关系,需要对光伏阵列进行建模仿真,但绝大多数仿真没有考虑光伏组件在使用过程中的温升因素,而是直接采用环境温度作为光伏组件的工作温度,大大影响了光伏系统建模的正确性。所以需要采用一定的手段将环境的温度转化光伏组件的温度。
光伏组件在光照的情况下,吸收了太阳光的辐射能量,将其中的一部分转换为电能输送至电网中,一部分反射进大气中,剩余的转化为热量。电池板吸收的热量会引起温度的增高,与环境温度形成一定的温度差,形成的温度差会引起电池板的散热,当电池板的散热和吸收热量相等时,温度也将达到稳定。所以我们分析得出:光伏组件的温度与环境温度和光照强度有关,同时与累计的热量有关,及与上一时间段的温度和光照强度也有关。
本实施例建立了光伏组件温度预测的马尔可夫链模型。马尔可夫链是具有马尔可夫性质的随机变量的一个数列,马尔可夫链模型以系统状态转移规律为研究基础,分析事物的发展趋势,推导出事物在未来最可能出现的状态。此方法因安德烈·马尔可夫得名,是数学中具有马尔可夫性质的离散时间随机过程。马尔可夫链描述了一种状态序列,其每个状态值取决于前面有限个状态。这些变量的范围,即它们所有可能取值的集合,被称为“状态空间”,而的值则是在时间n的状态。如果对于过去状态的条件概率分布仅是的一个函数,则该过程中,在给定当前知识或信息的情况下,过去(即当期以前的历史状态)对于猜测将来(即当期以后的未来状态)是无关的。马尔可夫链是满足下面两个假设的一种随机过程:
1、t+1时刻系统状态的概率分布只与t时刻的状态有关,与t时刻以前的状态无关;
2、从t时刻到t+l时刻的状态转移与t的值无关。一个马尔可夫链模型可表示为=(S,P,Q),其中各元的含义如下:S是系统所有可能的状态所组成的非空的状态集,有时也称之为系统的状态空间,它可以是有限的、可列的集合或任意非空集。本实施例中假定S是可数集(即有限或可列)。用小写字母i,j(或Si,Sj)等来表示状态。p是系统的状态转移概率矩阵,其中Pij表示系统在时刻 t处于状态i,在下一时刻t+l处于状态i的概率,N是系统所有可能的状态的个数。对于任意i∈s,有。q是系统的初始概率分布,qi是系统在初始时刻处于状态i的概率。
基于以上的分析,建立一个类似马尔科夫链的模型
Ti+1=f(Ti,G,Te)
其中Ti为第i时刻的光伏组件的温度,G为i时刻的光照强度,Te为环境的温度。我们可以借助次模型较为准确地预测任意时间点的光伏电池的温度值。
经过上面对环境数据的采集和处理,可以得到光伏电站的任何一个组件在任意时刻温度值和光辐照度的大小。
步骤2,基于PSCAD对光伏电站进行建模。
考虑到光伏电站的特点,本实施例选用了PSCAD/EMTDC仿真作为光伏电站建模的主要软件。在这个软件平台上,需要建立模型主要有光伏电池的模型、光伏电站的主体结构模型(逆变器、滤波器及变压器模型,)光伏控制器、电网侧负载模型等。这个建模可以较好的模拟将光能转换为电能,并进一步将直流电转化为可以并入电网使用的交流电的整个过程。此模型除了能够较为精确地模拟光伏发电的整个过程,还能够提供电压接入点处的电压波形,通过一定的计算处理就可以很方便得到电压接入点的电压和电能情况。
在光伏电站中光伏电池的两端电压受到逆变器和电网的钳制,所以一个典型的电池板的输入有光强温度和电压三个变量。建成的光伏模型如图5示,其中T、G、V分别为环境温度,光照强度,电池板两端电压,I、P分别为输出电流和功率。再由I控制一个电流源就可以等效为整块电池板。
逆变器是将直流电转换为交流电的装置,在光伏电站中,逆变器将光伏电池组发出的直流电转化为工频的交流电送至电网。逆变器结构比较复杂,主要由逆变桥、逆变控制器、滤波电路等。逆变桥一般采用由IGBT或者晶闸管组成的三相全桥构成,通过电力器件的开关实现电流的换相,从而实现直流到交流的转化。逆变控制器是逆变器中最灵活的部分,对逆变器性能的影响也是最大的,它不仅要实现光伏发电的最大功率跟踪,还要实现对输出的有功和无功功率的有效控制。通常的MPPT采用导纳法,功率控制采用电流内环法,最后采用SVPWM技术对逆变桥的控制。滤波电路的任务是尽可能抑制输出的高次谐波,提高电压的质量。
如图6逆变主体的模型,图7是逆变控制回路的模型。
光伏阵列的开路电压和短路电流在很大程度上受日照强度和温度的影响,系统工作点也会因此飘忽不定,这必然导致系统效率的降低。为此,光伏阵列必须实现最大功率点跟踪控制。
本实施例选择采用导纳增量法,因为该方法在光照强度发生变化时,光伏 阵列输出电压能以平稳的方式跟踪其变化,而且在最大功率点的振荡幅度也比其他两种方法小,功率损失也相对较少。利用PSCAD/EMTDC软件,得到MPPT控制元件如图8示。其中Idc和Edc是光伏逆变器输入端的直流电流和电压值,Eo是经过导纳增量法运算后的期望获得的电压值。
步骤3,建立电网侧模型。
因为感应电动机在动态负荷中占有很大比重,所以很多情况下用感应电动机的动态模型作为负荷动态模型的基础,再配之以相应的恒定阻抗负荷或按静态特性模拟的负荷。所谓的综合负荷,即由动态负荷与静态负荷两部分并联组成。静态负荷部分用恒定阻抗负荷或者按静特性模拟的负荷等值;动态部分用一台感应电动机等值,所用模型为三阶机电暂态模型。电网侧模型示意图如图9所示。
步骤4,建立电压闪变的评估与检测模型
根据IEC闪变仪原理,在PSCAD/EMTDC环境下建立的电压闪变测试方法流程如图10所示,具体步骤如下:
将输入的被检测电压适配成合适仪器的电压数值,并能发生标准的调幅波电压作仪器自检信号;
用平方检测方法从工频电压波动中解调出反映电压波动的调幅波。
由带通滤波器和加权滤波器构成,用于模拟人眼的频率选择特性。用带通滤波器滤去直流分量和工频及以上的频率分量,其实质是用传递函数K(s)逼近觉察率为50%的视感度曲线。闪变仪要求在相对电压变动为5%的范围内最灵敏,解调调幅波的幅值变动必须不小于1%的范围,因此对2倍工频l00Hz的衰减必须在90dB以上,这个衰减作用由带通滤波器和视感度加权滤波器完成,其中6阶巴特沃斯(Butterworth)低通滤波器的截止频率为35Hz,截止频率为0.05Hz的一阶高通滤波器来抑制直流分量。
用平方器和一阶低通滤波器模拟人脑神经的视觉反映和记忆效应。为反映光照度暂态变化的能见度,增加开方滤波功能。闪变信号的开方,模拟非线性的眼-脑觉察过程。闪变信号的平滑平均,模拟人脑的记忆效应,其积分功能由时间常数为300ms的一阶RC低通滤波器来实现。
录波作统计分析,计算短时闪变值。将输出S(t)恒速采样,按分级计时作统计评定。采样频率要求不小于50Hz,要远高于闪变的停闪频率,最后计算短时闪变值。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种光伏电站接入电网点电压闪变评估检测方法,其特征在于,包括如下步骤:
步骤1,对环境数据进行采集,建立大型光伏电站接入点电压闪变的综合环境因素模型;
步骤2,基于PSCAD对光伏电站进行建模;
步骤3,建立电网侧模型;
步骤4,建立电压闪变的评估与检测模型。
2.如权利要求1所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述步骤1中所述环境模型建立步骤如下:
采集光伏电站中孤立点的环境数据,加入对应的地理坐标信息;
通过数学方法处理,得到理想状态环境模型和考虑光照突变等因素的环境模型;
对比所述两种环境模型的区别;
根据参数修改平台参数修改情况,得到最终的环境模型。
3.如权利要求2所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述环境模型为二维模型,包括环境节点和光伏电池板,所述环境模型根据所述环境节点的光照强度数据和稳定数据估计出所述光伏电池板处的光照强度和稳定数据。
4.如权利要求3所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述环境节点为测光站或Zigbee模块节点。
5.如权利要求3所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,基于MATLAB搭建所述环境模型,通过所述光伏电池板在整体环境模型中的地理位置,并通过一些数学方法得到所述各个光伏电池板对应的地理位置处的光照强度和稳定数据。
6.如权利要求5所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述数学方法为二元函数的拉格朗日插值方法。
7.如权利要求1所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述综合环境因素模型还包括光伏阵列模型,将采集到的环境温度转换为光伏组的温度,所述光伏组件温度预测通过马尔科夫链模型得到,所述马尔科夫链的模型为:
Ti+1=f(Ti,G,Te)
其中Ti为第i时刻的光伏组件的温度,G为i时刻的光照强度,Te为环境的温度。
8.如权利要求1所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述步骤2中,所述光伏电站建模在PSCAD/EMTD平台上进行,建立的模型有光伏电池的模型、光伏电站的主体结构模型和光伏控制器,所述光伏电站的主体结构模型包括逆变器、滤波器和变压器模型。
9.如权利要求1所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述步骤3中的电网侧模型在PSCAD/EMTD平台上建立,所述电网侧模型用感应电动机的动态模型作为负荷动态模型的基础,配之以相应的恒定阻抗负荷或按静态特性模拟的负荷,由所述动态负荷与所述静态负荷两部分并联组成综合负荷。
10.如权利要求1所述的光伏电站接入电网点电压闪变评估检测方法,其特征在于,所述电压闪变的评估与检测模型的电压闪变测试方法基于IEC闪变仪原理,具体步骤如下:
将输入的被检测电压适配成合适仪器的电压数值,并能发生标准的调幅波电压作仪器自检信号;
用平方检测方法从工频电压波动中解调出反映电压波动的调幅波;
由带通滤波器和加权滤波器构成,用于模拟人眼的频率选择特性;
用平方器和一阶低通滤波器模拟人脑神经的视觉反映和记忆效应;
录波作统计分析,计算短时闪变值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510875302.8A CN106849151A (zh) | 2015-12-03 | 2015-12-03 | 一种光伏电站接入电网点电压闪变评估检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510875302.8A CN106849151A (zh) | 2015-12-03 | 2015-12-03 | 一种光伏电站接入电网点电压闪变评估检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106849151A true CN106849151A (zh) | 2017-06-13 |
Family
ID=59148765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510875302.8A Pending CN106849151A (zh) | 2015-12-03 | 2015-12-03 | 一种光伏电站接入电网点电压闪变评估检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106849151A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921223A (zh) * | 2018-07-05 | 2018-11-30 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种服务器冷却系统及控制方法、计算机程序、计算机 |
CN110807531A (zh) * | 2018-07-20 | 2020-02-18 | 华北电力大学(保定) | 基于元件-系统分级优化的光伏电站维护策略 |
CN111505377A (zh) * | 2020-05-16 | 2020-08-07 | 国网甘肃省电力公司兰州供电公司 | 一种电压闪变实时监测与预警系统及方法 |
CN114817847A (zh) * | 2022-06-30 | 2022-07-29 | 广州兆和电力技术有限公司 | 一种基于多层前馈神经网络的储能电站智能监测方法 |
CN117131790A (zh) * | 2023-10-27 | 2023-11-28 | 西南石油大学 | 概率编译码架构下光伏组件清洁周期预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795059A (zh) * | 2014-02-24 | 2014-05-14 | 国家电网公司 | 分布式光伏发电综合控制系统 |
-
2015
- 2015-12-03 CN CN201510875302.8A patent/CN106849151A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795059A (zh) * | 2014-02-24 | 2014-05-14 | 国家电网公司 | 分布式光伏发电综合控制系统 |
Non-Patent Citations (1)
Title |
---|
钱军等: "《光伏电站接入电网对电力系统电压闪变的影响》", 《低压电器》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921223A (zh) * | 2018-07-05 | 2018-11-30 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种服务器冷却系统及控制方法、计算机程序、计算机 |
CN108921223B (zh) * | 2018-07-05 | 2021-12-10 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种服务器冷却系统及控制方法、计算机程序、计算机 |
CN110807531A (zh) * | 2018-07-20 | 2020-02-18 | 华北电力大学(保定) | 基于元件-系统分级优化的光伏电站维护策略 |
CN110807531B (zh) * | 2018-07-20 | 2022-11-18 | 华北电力大学(保定) | 基于元件-系统分级优化的光伏电站维护策略 |
CN111505377A (zh) * | 2020-05-16 | 2020-08-07 | 国网甘肃省电力公司兰州供电公司 | 一种电压闪变实时监测与预警系统及方法 |
CN114817847A (zh) * | 2022-06-30 | 2022-07-29 | 广州兆和电力技术有限公司 | 一种基于多层前馈神经网络的储能电站智能监测方法 |
CN114817847B (zh) * | 2022-06-30 | 2023-02-07 | 广州兆和电力技术有限公司 | 一种基于多层前馈神经网络的储能电站智能监测方法 |
CN117131790A (zh) * | 2023-10-27 | 2023-11-28 | 西南石油大学 | 概率编译码架构下光伏组件清洁周期预测方法 |
CN117131790B (zh) * | 2023-10-27 | 2024-01-23 | 西南石油大学 | 概率编译码架构下光伏组件清洁周期预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680424B (zh) | 大型光伏电站的电压电能情况预估方法 | |
CN112531694B (zh) | 基于数字孪生技术的交直流混合电网全域实时模拟方法 | |
CN106849151A (zh) | 一种光伏电站接入电网点电压闪变评估检测方法 | |
CN102684220B (zh) | 船用光伏发电并网实验平台 | |
CN103944507B (zh) | 基于逆变器型式试验的光伏电站低电压穿越性能评价方法 | |
CN103973203B (zh) | 一种适用于安全稳定分析的大型光伏电站在线等值建模方法 | |
CN103258103B (zh) | 基于偏最小二乘回归的戴维南等值参数辨识方法 | |
CN105137242A (zh) | 单相光伏逆变器在线状态监测与剩余寿命预测方法 | |
CN102013700A (zh) | 大中型光伏电站并网特性研究与电能质量评估方法 | |
CN106384186A (zh) | 一种分布式新能源并网电能质量监控方法及系统 | |
CN104638671B (zh) | 基于引入粒子群算法及相位扰动的孤岛检测方法 | |
Rouibah et al. | IoT‐based low‐cost prototype for online monitoring of maximum output power of domestic photovoltaic systems | |
CN109272134A (zh) | 一种考虑系统损耗的区域光伏电站并网功率预测方法 | |
CN102930408B (zh) | 一种基于信息融合的750kV电网二次设备状态评估方法 | |
CN102222438B (zh) | 一种用于直流输电系统动态特性研究的动模实验装置 | |
CN106846161A (zh) | 一种大型光伏电站的电压电能情况预估方法 | |
CN105048507A (zh) | 光伏微网发电系统的自动投切控制装置 | |
CN106126934A (zh) | 一种光伏发电相关性指标获取方法 | |
CN105514975A (zh) | 一种光伏发电系统的能效预测方法 | |
CN202817905U (zh) | 光伏发电系统电能质量在线分析监控装置 | |
CN202677179U (zh) | 太阳能光伏电站并网发电能效监控系统 | |
Pecen et al. | Design and implementation of a 12 kW wind-solar distributed power and instrumentation system as an educational testbed for Electrical Engineering Technology students | |
Graditi et al. | Performance estimation of a thin-film photovoltaic plant based on an artificial neural network model | |
CN208369314U (zh) | 一种太阳能光伏并网发电采集与控制装置 | |
Cale et al. | High-penetration PV deployment in the Arizona Public Service system, Phase 2 results and update on Phase 3 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170613 |
|
WD01 | Invention patent application deemed withdrawn after publication |