CN116131347B - 基于智能控制的光伏并网逆变器及光伏并网*** - Google Patents

基于智能控制的光伏并网逆变器及光伏并网*** Download PDF

Info

Publication number
CN116131347B
CN116131347B CN202310388693.5A CN202310388693A CN116131347B CN 116131347 B CN116131347 B CN 116131347B CN 202310388693 A CN202310388693 A CN 202310388693A CN 116131347 B CN116131347 B CN 116131347B
Authority
CN
China
Prior art keywords
direct current
alternating current
photovoltaic
next moment
photovoltaic grid
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.)
Active
Application number
CN202310388693.5A
Other languages
English (en)
Other versions
CN116131347A (zh
Inventor
吕仁鹏
窦鑫
刘晓宁
吴强
马蕾娜
金昆
李淑花
王晓燕
宗玉芹
李鑫
崔文杰
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.)
Pingdu Power Supply Company Shandong Electric Power Company Sgcc
Original Assignee
Pingdu Power Supply Company Shandong Electric Power Company Sgcc
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 Pingdu Power Supply Company Shandong Electric Power Company Sgcc filed Critical Pingdu Power Supply Company Shandong Electric Power Company Sgcc
Priority to CN202310388693.5A priority Critical patent/CN116131347B/zh
Publication of CN116131347A publication Critical patent/CN116131347A/zh
Application granted granted Critical
Publication of CN116131347B publication Critical patent/CN116131347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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)
  • Power Engineering (AREA)
  • Control Of Electrical Variables (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Inverter Devices (AREA)

Abstract

本发明涉及一种基于智能控制的光伏并网逆变器及光伏并网***，涉及一般的控制或调节***领域，所述逆变器包括：光伏并网逆变设备，用于将来自汇流箱的直流电转换为交流电，汇流箱与多个光伏电板连接；升压控制设备，用于在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对光伏并网逆变设备输出的交流电的交流电压进行升压处理，并将交流变压器输出的交流电接入供电电网。本发明能够基于确定的具体电压分析是否需要执行现场升压处理，以及在分析需要时选择具体的执行升压的交流变压器类型。

Description

基于智能控制的光伏并网逆变器及光伏并网***
技术领域
本发明涉及一般的控制或调节***领域，尤其涉及一种基于智能控制的光伏并网逆变器及光伏并网***。
背景技术
光伏发电***主要是直流***，即将基于接收的太阳能转换后的电能给蓄电池充电，随后蓄电池直接给电网中的各个用电负载供电，例如中国西北地区使用较多的太阳能用户照明***以及远离电网的微波站供电***均为直流***。
光伏发电***中，光伏并网逆变器将直流电转化为交流电，若直流电压较低，则需要通过交流变压器升压，即得到标准交流电压和频率。虽然光伏并网逆变器能够对各种直流电压进行逆变以获得220V的标准电压，然而，如果直流电压过低，则逆变会影响转换效率。例如，如果光伏并网逆变器接收到的直流电压较高，如36V以上，光伏并网逆变器的交流输出端在不影响转换效率的情况下，不需要变压器升压即能达到220V，然而在光伏并网逆变器接收到的直流电压较低时，如12V、24V，就必须设计基于变压器的升压电路。
示例地，中国发明专利公开号CN101577434A提出的一种抑制光伏并网逆变器输出直流分量的控制方法，属于逆变并网控制技术领域，该发明是在抑制光伏并网逆变器输出电流直流分量中，解决采用大容量隔直电容***成本高，采用工频变压器存在体积大、功耗大、价格高的问题而提出的。该发明方法采样并网电流，获取其含有的电流直流分量，分两部分进行抑制，第一部分：将采样误差引起的直流分量以负反馈的形式引入到并网电流给定中，第二部分：获取前一工频周期中每个开关周期调制信号的平均直流分量，并经PI调节后形成脉宽不平衡引起的直流分量，将其以负反馈的形式引入到初步调制信号中。经过上述两部分，最终形成抑制直流分量调制信号，获得用于驱动光伏并网逆变器四个开关管的PWM驱动信号。
示例地，中国发明专利公开号CN101699696A提出的一种光伏并网***的最大功率追踪方法，该方法包括如下步骤，第一步，通过交流电流传感器对并网逆变器的输出交流电流进行采样；第二步，将采样结果按相应的市电频率计算出半个周期的平均值；第三步，将计算好的交流电流平均值换算成输出的电流有效值；第四步，利用并网逆变器的转化效率的变化不大，直接从输出的交流电流有效值折算成太阳能电池板陈列输入的直流电流值，再利用常见的爬山法来追踪最大功率点。通过对并网逆变器的合理控制，充分利用好电池板的发电量，使电池板的输出功率达到最大，即实现最大功率点追踪。
然而，上述现有技术都因为无法提前预知设定光伏供电***未来某一时刻输入到光伏并网逆变器的供电直流电的具体电压，无法判断所述具体电压是否因为过小而逆变到标准电压会影响转换效率，使得每一时刻的逆变模式都是跟随供电直流电的具体电压而发生改变，这种改变具有严重的滞后性，更关键的是，在一些具体电压过小的情况下强行逆变到标准电压会严重影响转换效率。
发明内容
为了解决现有技术中的上述问题，本发明提供了一种基于智能控制的光伏并网逆变器及光伏并网***，能够提前确定设定光伏供电***未来某一时刻输入到光伏并网逆变器的供电直流电的具体电压，并基于所述确定的具体电压分析是否需要执行现场升压处理，以及在分析需要时选择具体的执行升压的交流变压器类型，从而避免陷入过于滞后的逆变处理过程，以及避免因为强行逆变到标准电压会严重影响到电网功率的转换效率。
根据本发明的第一方面，提供了一种基于智能控制的光伏并网逆变器，所述光伏并网逆变器包括：
光伏并网逆变设备，用于与汇流箱连接，并将来自所述汇流箱的直流电转换为交流电，所述汇流箱与多个光伏电板连接且所述多个光伏电板处于同一地区且所述多个光伏电板的最大输出功率相同；
升压控制设备，与所述光伏并网逆变设备连接，用于在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电，并将交流变压器输出的交流电接入供电电网；
预测处理设备，用于基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压，下一时刻之前多个时刻与下一时刻在时间轴上两两间距相等且构成一个完整的持续时长；
定制训练设备，与所述预测处理设备连接，用于将完成预设训练总数的多次训练后的循环神经网络发送给所述预测处理设备使用；
其中，所述升压控制设备还用于在预测的下一时刻对应的汇流箱的直流电的直流电压等于或者高于设定电压阈值时，在下一时刻到来时禁用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电，直接将所述光伏并网逆变设备输出的交流电接入供电电网；
其中，基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压还包括：采用循环神经网络以基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压。
根据本发明的第二方面，提供了一种光伏并网***，所述光伏并网***包括汇流箱、多个光伏电板以及如本发明的第一方面所述的基于智能控制的光伏并网逆变器。
相比较于现有技术，本发明至少需要具备以下四处重要的发明构思及技术效果：
首先，为光伏并网逆变设备引入智能预测机制，基于供电的多个光伏电板处于的同一地区的当前季节的平均日照时长、光伏电板的最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压；
其次，在预测的下一时刻对应的汇流箱的直流电的直流电压过低时，选择与直流电压匹配的交流变压器以对光伏并网逆变设备输出的交流电的交流电压进行升压处理，从而在不影响转换效率的同时获得到标准的并网电压；
再次，使用的智能预测机制基于完成预设训练总数的多次训练后的循环神经网络，且预设训练总数的取值与多个光伏电板处于的同一地区的当前季节的平均日照时长成单调正向关联关系，从而保证了智能预测机制的可靠性和针对性；
最后，使用的智能预测机制的输入内容中，选择的下一时刻之前多个时刻的数量与汇流箱连接的多个光伏电板的数量成正比，从而完成不同光伏供电场景下的智能预测机制的定制。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明的基于智能控制的光伏并网逆变器及光伏并网***的技术流程图。
图2为根据本发明的实施例1示出的基于智能控制的光伏并网逆变器的结构示意图。
图3为根据本发明的实施例2示出的基于智能控制的光伏并网逆变器的结构示意图。
图4为根据本发明的实施例3示出的基于智能控制的光伏并网逆变器的结构示意图。
图5为根据本发明的实施例4示出的基于智能控制的光伏并网逆变器的结构示意图。
图6为根据本发明的实施例5示出的基于智能控制的光伏并网逆变器的结构示意图。
图7为根据本发明的实施例6示出的光伏并网***的结构示意图。
具体实施方式
如图1所示，给出了根据本发明示出的基于智能控制的光伏并网逆变器及光伏并网***的技术流程图。
如图1所示，本发明的具体的技术流程如下：
第一步，搭建具有设定结构的光伏并网***的硬件基础，所述光伏并网***包括多个光伏电板、汇流箱、光伏并网逆变设备以及可能需要的交流变压器，所述光伏并网***用于为被供电的电网的多个负载提供交流电力供应，所述设定结构基于光伏电板的数量、多个光伏电板所在地区的平均日照时长以及每一光伏电板的最大输出功率；
示例地，如图1所示，所述多个光伏电板分别为光伏电板1、光伏电板2…光伏电板N，其中N为大于1的自然数；
第二步，针对设定结构的光伏并网***，建立对应的智能预测模型，所述智能预测模型的各项输入为供电的多个光伏电板处于的同一地区的当前季节的平均日照时长、光伏电板的最大输出功率以及未来某一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压，所述智能预测模型的输出为未来某一时刻对应的汇流箱的直流电的直流电压以作为预测数据；
第三步，基于上述预测数据确定是否需要执行现场升压处理，以及在分析需要时选择具体的执行升压的交流变压器类型，从而提升了逆变处理过程的实时性，以及保证了电网功率的转换效率。
本发明的关键点在于：不同设定结构的光伏并网***分别对应的不同智能预测模型的搭建，以及基于搭建的智能预测模型执行未来某一时刻对应的汇流箱的直流电的直流电压的预测，从而为后续的交流变压策略提供重要的参考信息。
下面，将对本发明的基于智能控制的光伏并网逆变器及光伏并网***以实施例的方式进行具体说明。
实施例1
图2为根据本发明的实施例1示出的基于智能控制的光伏并网逆变器的结构示意图。
如图2所示，所述基于智能控制的光伏并网逆变器包括以下部件：
光伏并网逆变设备，用于与汇流箱连接，并将来自所述汇流箱的直流电转换为交流电，所述汇流箱与多个光伏电板连接且所述多个光伏电板处于同一地区且所述多个光伏电板的最大输出功率相同；
例如，所述多个光伏电板可以为同一型号的光伏电板，以保证所述多个光伏电板的最大输出功率相同；
同时，所述多个光伏电板可以均匀分布在同一地区内，以保证所述多个光伏电板的平均日照时长每天相同；
升压控制设备，与所述光伏并网逆变设备连接，用于在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电，并将交流变压器输出的交流电接入供电电网；
其中，对于光伏并网逆变设备来说，各种数值的直流电压都能进行逆变转换以输出等于标准交流电压的交流电，但是，过低数值的直流电压转换成标准交流电压的交流电，会严重影响转换效率，导致浪费大量的电网功率，因此，需要将低于设定电压阈值的较低的直流电压通过光伏并网逆变设备进行逆变转换，获得一个低于标准交流电压的交流电，然后采用相应类型的交流变压器对获得的交流电进行升压，以获得等于标准交流电压的交流电并用于电网供电；
示例地，相应类型的交流变压器主要表现在，不同类型的交流变压器具有不同匝数比的主线圈和副线圈；
显然，如果光伏并网逆变设备在某一时刻接收到的是较高数值的直流电压，就不需要在进行后续的升压操作，不需要后续的交流变压器，直接由光伏并网逆变设备将直流电压转换为标准交流电压；
预测处理设备，用于基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压，下一时刻之前多个时刻与下一时刻在时间轴上两两间距相等且构成一个完整的持续时长；
示例地，下一时刻之前多个时刻与下一时刻在时间轴上两两间距为2分钟；
定制训练设备，与所述预测处理设备连接，用于将完成预设训练总数的多次训练后的循环神经网络发送给所述预测处理设备使用；
其中，所述升压控制设备还用于在预测的下一时刻对应的汇流箱的直流电的直流电压等于或者高于设定电压阈值时，在下一时刻到来时禁用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电，直接将所述光伏并网逆变设备输出的交流电接入供电电网；
其中，基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压还包括：采用循环神经网络以基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压；
其中，基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压包括：选择的下一时刻之前多个时刻的数量与所述汇流箱连接的多个光伏电板的数量成正比；
示例地，选择的下一时刻之前多个时刻的数量与所述汇流箱连接的多个光伏电板的数量成正比包括：所述汇流箱连接的多个光伏电板的数量为100时，选择的下一时刻之前多个时刻的数量为10，所述汇流箱连接的多个光伏电板的数量为200时，选择的下一时刻之前多个时刻的数量为20，所述汇流箱连接的多个光伏电板的数量为400时，选择的下一时刻之前多个时刻的数量为40，以及所述汇流箱连接的多个光伏电板的数量为800时，选择的下一时刻之前多个时刻的数量为80。
实施例2
图3为根据本发明的实施例2示出的基于智能控制的光伏并网逆变器的结构示意图。
如图3所示，与图2中的实施例不同，所述基于智能控制的光伏并网逆变器还包括以下部件：
信息存储设备，与所述定制训练设备连接，用于存储完成预设训练总数的多次训练后的循环神经网络的各项网络参数；
其中，所述各项网络参数用于表征对应的完成预设训练总数的多次训练后的循环神经网络。
实施例3
图4为根据本发明的实施例3示出的基于智能控制的光伏并网逆变器的结构示意图。
如图4所示，与图2中的实施例不同，所述基于智能控制的光伏并网逆变器还包括以下部件：
交流变压器阵列，包括多种交流变压器，每一种交流变压器具有不同匝数比的主线圈和副线圈；
其中，所述交流变压器阵列与所述升压控制设备连接，用于为所述升压控制设备提供启用的交流变压器。
实施例4
图5为根据本发明的实施例4示出的基于智能控制的光伏并网逆变器的结构示意图。
如图5所示，与图2中的实施例不同，所述基于智能控制的光伏并网逆变器还包括以下部件：
内容显示器件，与所述升压控制设备连接，用于实时显示所述升压控制设备启用的交流变压器的种类信息；
示例地，所述内容显示器件为LED显示阵列、LCD显示阵列或者液晶显示屏幕。
实施例5
图6为根据本发明的实施例5示出的基于智能控制的光伏并网逆变器的结构示意图。
如图6所示，与图2中的实施例不同，所述基于智能控制的光伏并网逆变器还包括以下部件：
交流控制柜，用于容置所述光伏并网逆变设备、所述升压控制设备、所述预测处理设备以及所述定制训练设备；
其中，所述交流控制柜内设置有供电电源，用于为所述光伏并网逆变设备、所述升压控制设备、所述预测处理设备以及所述定制训练设备分别提供电力供应操作；
其中，所述交流控制柜内还可以设置有故障记录机构，用于为所述光伏并网逆变设备、所述升压控制设备、所述预测处理设备以及所述定制训练设备分别提供故障记录操作。
在根据本发明的任一实施例的基于智能控制的光伏并网逆变器中：
采用循环神经网络以基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压包括：将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为所述循环神经网络的各个输入数据，并运行所述循环神经网络，以获得所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压；
其中，将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为所述循环神经网络的各个输入数据，并运行所述循环神经网络，以获得所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压包括：在将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为各个输入数据输入到所述循环神经网络之前，对所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压分别执行二进制数值转换；
其中，将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为所述循环神经网络的各个输入数据，并运行所述循环神经网络，以获得所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压还包括：获得的所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压为二进制数值的表示模式。
以及在根据本发明的任一实施例的基于智能控制的光伏并网逆变器中：
在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电包括：所述标准交流电压为220伏；
其中，在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电还包括：所述设定电压阈值的取值为36伏；
其中，在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电还包括：在预测的下一时刻对应的汇流箱的直流电的直流电压小于36伏时，在下一时刻到来时启用主线圈和副线圈的匝数比小于9比55的交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电；
示例地，设定电压阈值的取值为36伏、标准交流电压为220伏，在光伏并网逆变设备接收到的直流电压小于36伏时，在保证电网功率的转换效率的情况下，光伏并网逆变设备逆变后的交流电压小于36伏且需要引入交流变压器，这时选择启用主线圈和副线圈的匝数比小于9比55的交流变压器设置在光伏并网逆变设备和电网之间，从而在保证供电功率转换效率的同时，完成标准交流电压的供电操作。
实施例6
图7为根据本发明的实施例6示出的光伏并网***的结构示意图。
如图7所述，根据本发明的实施例6示出的光伏并网***包括汇流箱、多个光伏电板以及根据本发明的任一实施例的基于智能控制的光伏并网逆变器。
示例地，在图7中，本发明的实施例6示出的光伏并网***包括汇流箱、N个光伏电板以及根据本发明的任一实施例的基于智能控制的光伏并网逆变器；
其中，所述N个光伏电板在同一地区且最大输出功率相同，N为大于等于2的自然数。
另外，本发明还可以引用以下技术内容以突出本发明的显著性技术进步：
在本发明中，将完成预设训练总数的多次训练后的循环神经网络发送给所述预测处理设备使用包括：所述预设训练总数的取值与所述多个光伏电板处于的同一地区的当前季节的平均日照时长成单调正向关联关系；
以及在本发明中，所述预设训练总数的取值与所述多个光伏电板处于的同一地区的当前季节的平均日照时长成单调正向关联关系包括：采用非线性数值函数表述所述预设训练总数的取值与所述多个光伏电板处于的同一地区的当前季节的平均日照时长之间的单调正向关联关系；
其中，采用非线性数值函数表述所述预设训练总数的取值与所述多个光伏电板处于的同一地区的当前季节的平均日照时长之间的单调正向关联关系包括：所述多个光伏电板处于的同一地区的当前季节的平均日照时长越长，所述预设训练总数的取值越小。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (9)

1.一种基于智能控制的光伏并网逆变器，其特征在于，所述逆变器包括：
光伏并网逆变设备，用于与汇流箱连接，并将来自汇流箱的直流电转换为交流电，汇流箱与多个光伏电板连接且多个光伏电板处于同一地区且多个光伏电板的最大输出功率相同；
升压控制设备，与光伏并网逆变设备连接，用于在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电，并将交流变压器输出的交流电接入供电电网；
预测处理设备，用于基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压，下一时刻之前多个时刻与下一时刻在时间轴上两两间距相等且构成一个完整的持续时长；
定制训练设备，与预测处理设备连接，用于将完成预设训练总数的多次训练后的循环神经网络发送给所述预测处理设备使用；
其中，采用循环神经网络执行所述智能预测；
其中，所述升压控制设备还用于在预测的下一时刻对应的汇流箱的直流电的直流电压等于或者高于设定电压阈值时，在下一时刻到来时禁用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电，直接将所述光伏并网逆变设备输出的交流电接入供电电网；
其中，基于所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压智能预测下一时刻对应的汇流箱的直流电的直流电压包括：选择的下一时刻之前多个时刻的数量与所述汇流箱连接的多个光伏电板的数量成正比。
2.如权利要求1所述的基于智能控制的光伏并网逆变器，其特征在于，所述逆变器还包括：
信息存储设备，与所述定制训练设备连接，用于存储完成预设训练总数的多次训练后的循环神经网络的各项网络参数。
3.如权利要求1所述的基于智能控制的光伏并网逆变器，其特征在于，所述逆变器还包括：
交流变压器阵列，包括多种交流变压器，每一种交流变压器具有不同匝数比的主线圈和副线圈；
其中，所述交流变压器阵列与所述升压控制设备连接，用于为所述升压控制设备提供启用的交流变压器。
4.如权利要求1所述的基于智能控制的光伏并网逆变器，其特征在于，所述逆变器还包括：
内容显示器件，与所述升压控制设备连接，用于实时显示所述升压控制设备启用的交流变压器的种类信息。
5.如权利要求1所述的基于智能控制的光伏并网逆变器，其特征在于，所述逆变器还包括：
交流控制柜，用于容置所述光伏并网逆变设备、所述升压控制设备、所述预测处理设备以及所述定制训练设备；
其中，所述交流控制柜内设置有供电电源，用于为所述光伏并网逆变设备、所述升压控制设备、所述预测处理设备以及所述定制训练设备分别提供电力供应操作。
6.如权利要求1-5任一所述的基于智能控制的光伏并网逆变器，其特征在于：
采用循环神经网络执行所述智能预测包括：将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为所述循环神经网络的各个输入数据，并运行所述循环神经网络，以获得所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压。
7.如权利要求6所述的基于智能控制的光伏并网逆变器，其特征在于：
将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为所述循环神经网络的各个输入数据，并运行所述循环神经网络，以获得所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压包括：在将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为各个输入数据输入到所述循环神经网络之前，对所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压分别执行二进制数值转换；
其中，将所述多个光伏电板处于的同一地区的当前季节的平均日照时长、所述最大输出功率以及下一时刻之前多个时刻分别对应的汇流箱的直流电的多个直流电压作为所述循环神经网络的各个输入数据，并运行所述循环神经网络，以获得所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压还包括：获得的所述循环神经网络输出的下一时刻对应的汇流箱的直流电的直流电压为二进制数值的表示模式。
8.如权利要求1-5任一所述的基于智能控制的光伏并网逆变器，其特征在于：
在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电包括：所述标准交流电压为220伏；
其中，在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电还包括：所述设定电压阈值的取值为36伏；
其中，在预测的下一时刻对应的汇流箱的直流电的直流电压低于设定电压阈值时，在下一时刻到来时启用交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电还包括：在预测的下一时刻对应的汇流箱的直流电的直流电压小于36伏时，在下一时刻到来时启用主线圈和副线圈的匝数比小于9比55的交流变压器以对所述光伏并网逆变设备输出的交流电的交流电压进行升压处理以获得并输出等于标准交流电压的交流电。
9.一种光伏并网***，所述光伏并网***包括汇流箱、多个光伏电板以及如权利要求1-8任一所述的基于智能控制的光伏并网逆变器。
CN202310388693.5A 2023-04-13 2023-04-13 基于智能控制的光伏并网逆变器及光伏并网*** Active CN116131347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310388693.5A CN116131347B (zh) 2023-04-13 2023-04-13 基于智能控制的光伏并网逆变器及光伏并网***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310388693.5A CN116131347B (zh) 2023-04-13 2023-04-13 基于智能控制的光伏并网逆变器及光伏并网***

Publications (2)

Publication Number Publication Date
CN116131347A CN116131347A (zh) 2023-05-16
CN116131347B true CN116131347B (zh) 2023-07-07

Family

ID=86297742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310388693.5A Active CN116131347B (zh) 2023-04-13 2023-04-13 基于智能控制的光伏并网逆变器及光伏并网***

Country Status (1)

Country Link
CN (1) CN116131347B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116885775B (zh) * 2023-07-10 2024-02-27 郭栋 基于并网光伏发电***对电网电能质量影响的分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102142693A (zh) * 2011-03-10 2011-08-03 西安交通大学 基于fpga的太阳能光伏并网逆变控制***
CN102916442A (zh) * 2012-10-17 2013-02-06 北京科诺伟业科技有限公司 一种建筑光伏并网***
KR20130050108A (ko) * 2011-11-07 2013-05-15 엘지전자 주식회사 태양광 발전 장치 연계형 전력 공급 장치 및 전력 공급 시스템

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8531055B2 (en) * 2006-12-06 2013-09-10 Solaredge Ltd. Safety mechanisms, wake up and shutdown methods in distributed power installations
US9583946B2 (en) * 2010-05-27 2017-02-28 Enphase Energy, Inc. Method and apparatus for power converter input voltage regulation
CN104578138A (zh) * 2013-10-28 2015-04-29 西安中科麦特电子技术设备有限公司 一种分布式光伏并网发电***
CN105610195A (zh) * 2014-11-22 2016-05-25 西安银河网电智能电气有限公司 一种光伏发电并网保护装置
CN108258718B (zh) * 2016-12-29 2021-01-26 北京天诚同创电气有限公司 逆变器、集散式汇流箱、限功率控制***和方法
CN109272134A (zh) * 2017-07-17 2019-01-25 国网青海省电力公司经济技术研究院 一种考虑***损耗的区域光伏电站并网功率预测方法
CN107346899B (zh) * 2017-08-28 2020-08-11 国网江西省电力公司电力科学研究院 一种光伏电站***稳定性评估方法及***
CN110311404B (zh) * 2018-11-29 2023-09-05 湖北工业大学 一种单相并网光伏逆变器的电流预测控制方法
CN109934423B (zh) * 2019-04-25 2020-04-21 山东大学 基于并网逆变器运行数据的光伏电站功率预测方法及***
CN112583351A (zh) * 2019-09-29 2021-03-30 华为技术有限公司 一种逆变器、汇流箱以及光伏***
CN113177652A (zh) * 2020-10-16 2021-07-27 上海交通大学 一种光伏出力预测方法
KR102573144B1 (ko) * 2021-03-15 2023-09-01 전북대학교산학협력단 다층 신경망 고장 진단 모델을 이용한 태양광 인버터 구동 방법 및 시스템
KR102471609B1 (ko) * 2021-12-31 2022-11-28 엔라이튼 주식회사 전력발전량 예측시스템
CN115276002B (zh) * 2022-08-12 2023-04-07 国网安徽省电力有限公司营销服务中心 基于电力负荷曲线的配电性质智能研判方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102142693A (zh) * 2011-03-10 2011-08-03 西安交通大学 基于fpga的太阳能光伏并网逆变控制***
KR20130050108A (ko) * 2011-11-07 2013-05-15 엘지전자 주식회사 태양광 발전 장치 연계형 전력 공급 장치 및 전력 공급 시스템
CN102916442A (zh) * 2012-10-17 2013-02-06 北京科诺伟业科技有限公司 一种建筑光伏并网***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Y. Li ; et al..A local-central combined voltage control method of PV inverters in distribution networks.《CSAA/IET International Conference on Aircraft Utility Systems (AUS 2022)》.2023,全文. *

Also Published As

Publication number Publication date
CN116131347A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
Benlahbib et al. Experimental investigation of power management and control of a PV/wind/fuel cell/battery hybrid energy system microgrid
Alramlawi et al. Optimal operation of hybrid PV-battery system considering grid scheduled blackouts and battery lifetime
CN116131347B (zh) 基于智能控制的光伏并网逆变器及光伏并网***
US8699237B2 (en) Soft-switching inverter utilizing high step up ratio circuit with active clamping
Fathabadi Novel fast and high accuracy maximum power point tracking method for hybrid photovoltaic/fuel cell energy conversion systems
CN105164909A (zh) Dc-ac转换方法
Fernandes et al. State feedback control for DC-photovoltaic systems
Zulkifli et al. Simple control scheme buck-boost DC-DC converter for stand alone PV application system
Kim et al. Dual‐mode flyback inverters in grid‐connected photovoltaic systems
Akhtar et al. Design and implementation of model predictive control for microgrid energy system with power quality improvement features
Şahin et al. PV powered hybrid energy storage system control using bidirectional and boost converters
Gajanayake et al. Simple modulation and control method for new extended boost quasi Z-source
EP3622365B1 (en) Power conversion system and method
Abdelsalam et al. A new strategy for selection of switching instant to reduce transformer inrush current in a single-phase grid-connected photovoltaic system
CN114723278B (zh) 一种考虑光伏储能的社区微电网调度方法及***
Li et al. Design of degradation-conscious optimal dispatch strategy for home energy management system with rooftop PV and lithium-ion batteries
CN103986181B (zh) 光伏发电***及其控制方法、控制装置和光伏并网逆变器
Atik et al. Implementation of Fuzzy Logic MPPT in high-efficiency Double Boost DC-DC Converter Dedicated to Photovoltaic Sources.
CN109347120A (zh) 一种面向电网频率响应的决策方法和***
Widyantoro et al. MPPT system using incremental conductance for solar cell in normal and partial shading conditions
Bogado et al. Optimal sizing of a PV and battery storage system using a detailed model of the microgrid for stand-alone applications
Anita et al. Proposed modified solar based dc-dc quadratic boost converter for modern irrigation system
Balahewa et al. A Novel Hybrid Control Strategy with Gain Scheduling for Photovoltaic Emulators
Itagi et al. Effect of load sharing on the efficiency of the system for Identical Line resistances
Beichter et al. Towards a Real-World Dispatchable Feeder

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
GR01 Patent grant
GR01 Patent grant