CN105391400B - 一种光伏阵列运行状态预测方法 - Google Patents

一种光伏阵列运行状态预测方法 Download PDF

Info

Publication number
CN105391400B
CN105391400B CN201510807405.0A CN201510807405A CN105391400B CN 105391400 B CN105391400 B CN 105391400B CN 201510807405 A CN201510807405 A CN 201510807405A CN 105391400 B CN105391400 B CN 105391400B
Authority
CN
China
Prior art keywords
photovoltaic array
node
1mwp
power
branch
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.)
Expired - Fee Related
Application number
CN201510807405.0A
Other languages
English (en)
Other versions
CN105391400A (zh
Inventor
焦东东
霍富强
卞正峰
孔波
朱云霞
谢红伟
郑鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Xuji Group Co Ltd
Original Assignee
State Grid Corp of China SGCC
Xuji Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Xuji Group Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201510807405.0A priority Critical patent/CN105391400B/zh
Publication of CN105391400A publication Critical patent/CN105391400A/zh
Application granted granted Critical
Publication of CN105391400B publication Critical patent/CN105391400B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明涉及一种光伏阵列运行状态预测方法，该方法包括：1)以1MWp为基本单位进行光伏阵列区域划分，建立1MWp光伏阵列的节点支路矩阵；2)测得各个1MWp光伏阵列首端电压、末端功率及环境参数，根据分层前推回代算法，计算各个1MWp光伏阵列首端功率及末端电压；3)根据实时检测得到的末端电流，计算各个1MWp光伏阵列发电效率和功率因数；4)计算整体光伏阵列发电效率和功率因数的概率密度和分布函数，判断光伏阵列整体运行状态。该方法减少了光伏发电***中电压、电流测量装置的安装数量，降低了光伏阵列状态监测***的复杂度和发电成本，且降低了环境对监测***的影响度，提高了光伏阵列运行状态判断的准确性和可靠性。

Description

一种光伏阵列运行状态预测方法
技术领域
本发明属于光伏发电领域，具体涉及一种光伏阵列运行状态预测方法。
背景技术
随着世界光伏发电规模的日益扩大，太阳能电站中光伏阵列的状态监控和故障诊断与定位变得日益重要。目前，光伏***故障诊断方法有在线诊断和离线诊断两大类。比较有代表性的在线诊断法有红外图像检测法和多传感器法等。红外图像检测法利用光伏模块在正常和故障两种状态时具有明显温差的特点，通过红外摄像仪拍摄光伏模块的红外图像并加以分析，就可以判断出光伏模块的故障类型和故障位置。多传感器法的原理是为一个或数个光伏模块安装电压和电流传感器，分析采集到的电压和电流数据就可以判断光伏阵列的故障类型和故障位置。对于大规模的光伏发电***而言，采用这两种方法需要安装数量不小的红外摄像仪和传感器，这会增加光伏发电***的发电成本。同时由于光伏阵列通常安装在环境恶劣的地方，对红外摄像仪和传感器的正常工作也会有一定的影响，这在某种程度上也会增加光伏阵列故障诊断的复杂性和影响故障诊断的精确性。
发明内容
本发明提供了一种光伏阵列运行状态预测方法，旨在解决现有的光伏阵列状态监测方法由于需要安装较多的测量装置，增加光伏***发电成本且测量结果容易受到环境影响的问题。
为解决上述技术问题，本发明的光伏阵列运行状态预测方法包括：
1)以1MWp为基本单位进行光伏阵列区域划分，建立1MWp光伏阵列的节点支路矩阵；
2)测得各个1MWp光伏阵列电气网络首端电压、末端功率及环境参数，针对1MWp光伏阵列的节点支路矩阵，根据分层前推回代算法和多叉数遍历搜索法，计算各个1MWp光伏阵列电气网络首端功率及末端电压；
3)根据实时检测得到的各个1MWp光伏阵列电气网络的末端电流，结合步骤2)计算得到的各个1MWp光伏阵列电气网络首端功率及末端电压，计算各个1MWp光伏阵列发电效率和功率因数；
4)根据计算得到的各个1MWp光伏阵列发电效率和功率因数数据，采用概率统计方法计算整体光伏阵列发电效率和功率因数的概率密度和分布函数；
5)根据发电效率和功率因数的概率密度和分布函数的统计规律判断光伏阵列整体运行状态。
所述1MWp光伏阵列电气网络分为3层，第一层为逆变层包括支路1，第二层为汇流层包括支路2～17，第三层为组串层包括支路19～273。
所述前推回代算法中计算首端功率的公式为：
其中，k为迭代次数，rij和ΔSij分别为节点i和j对应支路的电阻和功率损耗，Pj和Psum,j分别为节点j有功功率和节点j所有支路总功率，Sij为节点j流向节点i的功率，Vj为节点j的电压，是第k次迭代时节点j所有支路总功率。
所述前推回代算法中计算末端电压的公式为：
其中，k为迭代次数，ΔVj为节点纵向电压分量，Pi为节点j流向节点i的功率，Vj为节点j的电压。
所述光伏阵列发电效率或功率因数的概率分布函数的计算公式为：
其中，F(x)为发电效率或功率因数的概率分布函数，x为发电效率或功率因数的计算值，α和β是发电效率或功率因数的上、下限值。
所述环境参数包括辐照度、温度、湿度和风向。
本发明的光伏阵列运行状态预测方法对单个光伏阵列建立节点支路矩阵，利用前推回代方法，计算出单个光伏阵列电气网络首端功率和末端电压，计算出光伏阵列的发电功率和功率因数，采用概率统计方法预测整个光伏阵列的运行状态。由于对于各节点功率及各支路功率及电压的获取时通过计算得到的，减少了光伏发电***中电压、电流测量装置的安装数量，降低了光伏阵列状态监测***的复杂度和发电成本，并且降低了环境对监测***的影响程度，提高了光伏阵列运行状态判断的准确性和可靠性。
本发明将前推回代法运用到光伏阵列运行状态评估，该方法具有收敛性好、计算速度快、数值稳定性高等优势，有效避免了现有光伏阵列故障检测方法中存在的难题，
附图说明
图1是单个光伏阵列并联运行电气网络结构图；
图2是前推回代计算简化电路图；
图3是前推回代法算法计算流程图；
图4是光伏阵列运行状态评估流程图；
图5是5个光伏阵列功率因数以及发电效率计算结果；
图6是5MWp阵列运行状态评估数据概率分布区图；
图7是光伏阵列运行状态评估结果概率分布图。
具体实施方式
下面结合附图，对本发明的技术方案做进一步详细说明。
本实施例的光伏阵列运行状态预测方法包括如下步骤：
1)以1MWp为基本单位进行光伏阵列区域划分，建立1MWp光伏阵列的节点支路矩阵；
2)测得各个1MWp光伏阵列电气网络首端电压、末端功率及环境参数，针对1MWp光伏阵列的节点支路矩阵，根据分层前推回代算法和多叉数遍历搜索法，计算各个1MWp光伏阵列电气网络首端功率及末端电压；
3)根据实时检测得到的各个1MWp光伏阵列电气网络的末端电流，结合步骤2)计算得到的各个1MWp光伏阵列电气网络首端功率及末端电压，计算各个1MWp光伏阵列发电效率和功率因数；
4)根据计算得到的各个1MWp光伏阵列发电效率和功率因数数据，采用概率统计方法计算整体光伏阵列发电效率和功率因数的概率密度和分布函数；
5)根据发电效率和功率因数的概率密度和分布函数的统计规律判断光伏阵列整体运行状态。
下面详细介绍上述步骤：
单个光伏阵列(1MWP)电气网络结果如图1所示，共3层、274个节点、273条支路，支路1属于L1层(逆变层)，支路2至17属于L2层(汇流层)，支路18至273属于L3层(组串层)，同一层不同支路功率损耗和电压损耗，彼此不相关，可以并行计算；每层支路及支路的送端和受端节点相互独立，可以分层计算。
前推回代评估算法主要内容包括节点支路矩阵、前推回代算法和运行评估方法。建立节点支路矩阵，定位参与计算的支路和节点；根据已知支路和节点电气参数及网络结构***参数，计算评估运行状态的指标参数；根据指标评估标准，综合评估光伏阵列运行状态。
(1)节点支路矩阵
在节点支路矩阵中，行表示节点号，列表示支路号；矩阵元素为1，则节点i和支路j相连；若元素为0，则不相连；每列有2个元素1，行号分别为支路的2个节点。1MWp光伏阵列节点支路矩阵A是1个274X273矩阵，如式2；基于矩阵A，查询参与计算的节点和支路，以元素为例，展开矩阵如式2，从节点2出发，即矩阵A第2行出发，各列均有元素1，表示该节点与1-12支路均相连；各列非零元素表示该支路两端节点，上节点为送端节点，下节点为受端节点，如第3列送端节点是2，受端节点是4。沿着既定路径依次查找，可以定位整个网络的支路和送端及受端情况。
(2)前推回代算法
功率前推算法：已知网络结构末端功率且节点电压不变，根据支路参数、节点电压和节点支路矩阵计算顺序，逐段计算支路功率，简化电路如图2所示，支路功率计算公式如式3和4。
其中，k为迭代次数，rij和ΔSij分别为节点i和j对应支路的电阻和功率损耗，Pj和Psum,j分别为节点j有功功率和节点j所有支路总功率，Sij为节点j流向节点i的功率，Vj为节点j的电压,是第k次迭代时节点j所有支路总功率。
电压回代：已知首端电压且支路功率不变，由首端向末端逐段计算支路节点电压和电压损耗，逐段计算末端电压，简化电路如图2所示。光伏发电阵列无功功率和感抗近乎于0，只需计算纵向电压，电压计算如式3和4。
其中，k为迭代次数，ΔVj为节点纵向电压分量，Pi为节点j流向节点i的功率，Vj为节点j的电压。
(3)运行状态评估
针对单个光伏阵列运行状态的前推回代评估流程如图4所示，具体步骤如下：
(1)以1MWp为基本单位进行光伏阵列区域划分，建立1MWp阵列的节点支路矩阵。
(2)读取1MWp光伏阵列模型和辐照度、温度、湿度和风向等环境参数，并测得各个1MWp光伏阵列电气网络首端电压和末端功率。
(3)采用分层前推回代算法和多叉树遍历搜索法，计算1MWp阵列首端功率和末端电压，如果满足收敛条件，输出该参数；否则，继续迭代计算。
该过程中的多叉树遍历搜索法为现有技术中的常规搜算算法，这里不再详细介绍。
(4)根据实时检测到的各个1MWp光伏阵列电气网络的末端电流，计算1MWp光伏阵列发电效率和功率因数。
(5)采用概率统计方法计算出整体阵列功率因数和发电效率的概率密度和分布函数，将概率分布区间量化为“优良”、“合格”、“注意”，以概率分布或分布函数形式展示光伏阵列不同运行状态。所述光伏阵列发电效率或功率因数的概率分布函数的计算公式为：
其中，F(x)为发电效率或功率因数的概率分布函数，x为发电效率或功率因数的计算值，α和β是发电效率或功率因数的上、下限值。
利用MATLAB7.0对基于分区分层前推回代算法的光伏阵列运行状态评估方法进行仿真验证，选定新疆某新建20MWp光伏电站新清洗的5MWp光伏阵列，以1MWp为基本单位划分为PV1、PV2、PV3、PV4和PV5，1MWp电气网络结构如图2所示，环境参数选用2014年10月19日11：00至10月20日11：00数据。5个1MWp光伏阵列部分评估数据(500次迭代计算)如图5所示，5MWp光伏阵列评估数据概率分布区和评估结果概率分布如图6和图7所示。由图5知，5MWp阵列综合发电效率和功率因数基本分布在0.8至0.9区间，表明每个阵列运行优良。由图6知，5MWp阵列综合发电效率和功率因数基本分布在0.8至0.9区间，由图7中实曲线知，5MWp阵列最大发电容量约4.4MWp的概率密度分布在0.94，仿真表明：5MWp光伏阵列综合运行状态优良，评估结果和阵列(新清洗)实际运行一致。由图7知，1500次迭代的前推回代和500次迭代的分区分层前推回代算法计算出的阵列运行状态概率密度基本一致，显然，分区分层前推回代法可以准确计算阵列运行状态的概率密度，该方法迭代次数少，收敛速度快，计算效率高。
以上给出了具体的实施方式，但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案，对本领域普通技术人员而言，根据本发明的教导，设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。

Claims (6)

1.一种光伏阵列运行状态预测方法，其特征在于，该方法包括如下步骤：
1)以1MWp为基本单位进行光伏阵列区域划分，建立1MWp光伏阵列的节点支路矩阵；
2)测得各个1MWp光伏阵列电气网络首端电压、末端功率及环境参数，针对1MWp光伏阵列的节点支路矩阵，根据分层前推回代算法和多叉数遍历搜索法，计算各个1MWp光伏阵列电气网络首端功率及末端电压；
3)根据实时检测得到的各个1MWp光伏阵列电气网络的末端电流，结合步骤2)计算得到的各个1MWp光伏阵列电气网络首端功率及末端电压，计算各个1MWp光伏阵列发电效率和功率因数；
4)根据计算得到的各个1MWp光伏阵列发电效率和功率因数数据，采用概率统计方法计算整体光伏阵列发电效率和功率因数的概率密度和分布函数；
5)根据发电效率和功率因数的概率密度和分布函数的统计规律判断光伏阵列整体运行状态。
2.根据权利要求1所述光伏阵列运行状态预测方法，其特征在于，所述1MWp光伏阵列电气网络分为3层，第一层为逆变层包括支路1，第二层为汇流层包括支路2～17，第三层为组串层包括支路19～273。
3.根据权利要求1所述光伏阵列运行状态预测方法，其特征在于，所述前推回代算法中计算首端功率的公式为：
其中，k为迭代次数，rij和ΔSij分别为节点i和j对应支路的电阻和功率损耗，Pj和Psum,j分别为节点j有功功率和节点j所有支路总功率，Sij为节点j流向节点i的功率，Vj为节点j的电压，是第k次迭代时节点j所有支路总功率。
4.根据权利要求1所述光伏阵列运行状态预测方法，其特征在于，所述前推回代算法中计算末端电压的公式为：
其中，k为迭代次数，ΔVj为节点纵向电压分量，Pi为节点j流向节点i的功率，Vj为节点j的电压；rij为节点i和j对应支路的电阻。
5.根据权利要求1所述光伏阵列运行状态预测方法，其特征在于，所述光伏阵列发电效率或功率因数的概率分布函数的计算公式为：
其中，F(x)为发电效率或功率因数的概率分布函数，x为发电效率或功率因数的计算值，α和β是发电效率或功率因数的上、下限值。
6.根据权利要求1所述光伏阵列运行状态预测方法，其特征在于，所述环境参数包括辐照度、温度、湿度和风向。
CN201510807405.0A 2015-11-19 2015-11-19 一种光伏阵列运行状态预测方法 Expired - Fee Related CN105391400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510807405.0A CN105391400B (zh) 2015-11-19 2015-11-19 一种光伏阵列运行状态预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510807405.0A CN105391400B (zh) 2015-11-19 2015-11-19 一种光伏阵列运行状态预测方法

Publications (2)

Publication Number Publication Date
CN105391400A CN105391400A (zh) 2016-03-09
CN105391400B true CN105391400B (zh) 2019-05-21

Family

ID=55423301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510807405.0A Expired - Fee Related CN105391400B (zh) 2015-11-19 2015-11-19 一种光伏阵列运行状态预测方法

Country Status (1)

Country Link
CN (1) CN105391400B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596194B (zh) * 2023-06-27 2024-01-23 中国大唐集团技术经济研究院有限责任公司 光伏阵列运行状态划分方法、***及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012135105A (ja) * 2010-12-21 2012-07-12 Sony Corp 発電制御装置および発電制御方法、並びに発電システム
CN103928925A (zh) * 2014-04-17 2014-07-16 国家电网公司 基于前推回代的配电网潮流计算方法
WO2014163044A1 (ja) * 2013-04-05 2014-10-09 株式会社日立製作所 水素製造手段を備えた太陽光発電システム
KR20150054921A (ko) * 2012-10-16 2015-05-20 가부시끼가이샤 도시바 전원 제어 시스템, 제어 장치 및 제어 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012135105A (ja) * 2010-12-21 2012-07-12 Sony Corp 発電制御装置および発電制御方法、並びに発電システム
KR20150054921A (ko) * 2012-10-16 2015-05-20 가부시끼가이샤 도시바 전원 제어 시스템, 제어 장치 및 제어 방법
WO2014163044A1 (ja) * 2013-04-05 2014-10-09 株式会社日立製作所 水素製造手段を備えた太陽光発電システム
CN103928925A (zh) * 2014-04-17 2014-07-16 国家电网公司 基于前推回代的配电网潮流计算方法

Also Published As

Publication number Publication date
CN105391400A (zh) 2016-03-09

Similar Documents

Publication Publication Date Title
US11114977B2 (en) Photovoltaic array fault diagnosis method based on random forest algorithm
US11408924B2 (en) Method for fault location to multi-terminal traveling wave in direct current distribution line
CN109557422A (zh) 一种智能配电网短路故障定位方法及***
CN106330095B (zh) 一种大型光伏电站汇集***故障定位方法
CN109039281A (zh) 一种基于改进随机森林算法的光伏阵列故障诊断方法
CN103576053A (zh) 一种基于有限电能质量监测点的电压暂降源定位方法
CN108805256A (zh) 基于布谷鸟算法与bp神经网络的光伏组件故障诊断方法
CN103258103A (zh) 基于偏最小二乘回归的戴维南等值参数辨识方法
CN103093097A (zh) 基于规范切的电力***脆弱断面识别方法
CN109100614A (zh) 一种基于pmu装置的输电线路故障定位***及方法
Djalab et al. Robust method for diagnosis and detection of faults in photovoltaic systems using artificial neural networks
CN110363334A (zh) 基于灰色神经网络模型的光伏并网的电网线损预测方法
CN103324858A (zh) 配电网三相潮流状态估计方法
CN106372440B (zh) 一种并行计算的配电网自适应抗差状态估计方法及装置
Bolognani et al. Grid topology identification via distributed statistical hypothesis testing
CN110412417B (zh) 基于智能电力监测仪表的微电网数据故障诊断方法
CN105391400B (zh) 一种光伏阵列运行状态预测方法
CN103107536B (zh) 一种海上油田群电网的状态估计方法
CN105160166B (zh) 一种光伏阵列状态判断方法
CN107462810A (zh) 一种适用于有源配电网的故障区段定位方法
CN113595132A (zh) 基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法
CN110022130A (zh) 一种光伏阵列故障检测设备和方法
CN107069710A (zh) 计及新能源时空相关性的电力***状态估计方法
Anderson et al. A minimum cover algorithm for PMU placement in power system networks under line observability constraints
Benninger et al. Anomaly detection by comparing photovoltaic systems with machine learning methods

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190521