CN117937412B - 光伏直流接入电解铝供电***整流机组稳流控制方法 - Google Patents
光伏直流接入电解铝供电***整流机组稳流控制方法 Download PDFInfo
- Publication number
- CN117937412B CN117937412B CN202311688363.4A CN202311688363A CN117937412B CN 117937412 B CN117937412 B CN 117937412B CN 202311688363 A CN202311688363 A CN 202311688363A CN 117937412 B CN117937412 B CN 117937412B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- rectifier unit
- sub
- electrolytic aluminum
- current
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 39
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 39
- 230000000087 stabilizing effect Effects 0.000 title claims abstract description 7
- 230000001105 regulatory effect Effects 0.000 claims abstract description 25
- 230000002787 reinforcement Effects 0.000 claims abstract description 14
- 230000009471 action Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 229920006395 saturated elastomer Polymers 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 8
- 230000003287 optical effect Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 2
- 229910052799 carbon Inorganic materials 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 abstract description 2
- 238000003912 environmental pollution Methods 0.000 abstract description 2
- 230000033228 biological regulation Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000013082 photovoltaic technology Methods 0.000 description 1
- 238000011160 research Methods 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
- 238000012546 transfer Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/10—Parallel operation of dc sources
- H02J1/102—Parallel operation of dc sources being switching converters
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C3/00—Electrolytic production, recovery or refining of metals by electrolysis of melts
- C25C3/06—Electrolytic production, recovery or refining of metals by electrolysis of melts of aluminium
- C25C3/08—Cell construction, e.g. bottoms, walls, cathodes
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C3/00—Electrolytic production, recovery or refining of metals by electrolysis of melts
- C25C3/06—Electrolytic production, recovery or refining of metals by electrolysis of melts of aluminium
- C25C3/16—Electric current supply devices, e.g. bus bars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F29/00—Variable transformers or inductances not covered by group H01F21/00
- H01F29/02—Variable transformers or inductances not covered by group H01F21/00 with tappings on coil or winding; with provision for rearrangement or interconnection of windings
-
- 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
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/10—Parallel operation of dc sources
- H02J1/12—Parallel operation of dc generators with converters, e.g. with mercury-arc rectifier
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
- H02M7/02—Conversion of ac power input into dc power output without possibility of reversal
- H02M7/04—Conversion of ac power input into dc power output without possibility of reversal by static converters
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P13/00—Arrangements for controlling transformers, reactors or choke coils, for the purpose of obtaining a desired output
- H02P13/06—Arrangements for controlling transformers, reactors or choke coils, for the purpose of obtaining a desired output by tap-changing; by rearranging interconnections of windings
-
- 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)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Physics & Mathematics (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Control Of Electrical Variables (AREA)
Abstract
本发明公开了一种光伏直流接入电解铝供电***整流机组稳流控制方法，所述整流机组包含：整流桥、有载调压变压器和饱和电抗器调节组件。本专利给出了总调和分调两种模式的实现方式，对总调模式下***闭环控制稳定性差的弊端进行改进；给出了光伏占主导地位时***的稳流控制方法，利用光功率预测***和基于人工神经网络的强化学***抑因电价波动带来的成本不确定性，提高电解铝企业的市场竞争力。
Description
技术领域
本发明涉及供电***整流机组稳流控制方法，尤其涉及光伏直流接入电解铝供电***整流机组稳流控制方法。
背景技术
铝是一种轻质金属，具有良好的强度和耐腐蚀性，广泛用于航空航天、汽车制造、铁路、建筑和包装等领域。中国是国际上最大的铝生产和消费国之一，政府出台了多种政策鼓励电解铝产业的发展。电解铝加工过程为：通过直流电源将氧化铝在阴极还原为铝，整个过程中需要消耗大量的电能，对电网的依赖程度较高。
近年来，分布式光伏技术的发展为电解铝产业提供了一种新的思路。分布式光伏***的兴起，不仅能为电解铝生产提供部分所需电力，还能在非生产时间将未使用的电能反馈给电网，实现了能源的高效利用。另外，光伏发电的利用大大减轻了电解铝产业对传统化石能源的依赖，降低了碳排放和环境污染，在一定程度上平抑因电价波动带来的成本不确定性，提高电解铝企业的市场竞争力。
调研发现，电解铝厂对供电***的稳定性要求很高。由于光伏发电具有较大的波动，输出功率非常容易受到环境因素的影响，工程技术人员需要采用整流***，解决光伏接入后电解铝负载的电流稳流控制问题。
目前，电解铝的整流***大多采用有载调压变压器+二极管整流+饱和电抗器调节的方式，有载调压变压器用于粗调，动作时间长达15-30秒，且不能频繁动作，饱和电抗器用于微调，但调节范围较小。整流***一般采用多台整流机组并联整流的方式，以提高可靠性。一般有总调和分调两种方式。总调方式下，稳流***对所有整流机组的总输出电流进行闭环控制，同步调节各整流机组的输出。分调方式下，各整流机组分别对其输出电流进行闭环控制，调节其自身的控制输出。总调方式操作相对简单，但操作人员自由度较低；分调方式下，操作人员可以根据不同整流机组的老化状态，给定不同的输出电流，因此很多铝厂采用分调方式。
目前市面上也存在一些光伏直流接入电解铝供电***整流机组稳流控制方法相关专利技术，例如：中国专利202310581963.4公开了一种基于光伏发电接入电解铝直流母线的供电***及方法，技术方案直接将光伏发电接入交流电网，具有***复杂、转化效率低等弊端，并且实施过程中会影响公共电网的状态；中国专利202210267727.0公开了一种分布式光伏发电用于电解铝厂供电整流***的方法，专利中直接测量光伏***输出电流，从稳流***的给定值中减除，然而该方案无法用于分调机组控制，并且当光伏***功率波动范围超出饱和电抗器调节范围时，***将无法工作。此外，光伏直流接入***一般在控制器中设置有输出电流闭环PI调节器，用于对其输出电流进行闭环控制。如果光伏***功率占比较大，整流机组的调节将会与光伏***的控制发生控制耦合，采集光伏***的实际输出电流在整流机组稳流控制中减除的方法可能导致***闭环控制失稳。
针对上述电解铝供电***中光伏直流接入方案的缺点，本专利提出了有效的方法，解决光伏直流接入后电解铝负载的稳流控制问题。
发明内容
针对上述问题，本发明提出一种光伏直流接入电解铝供电***整流机组稳流控制方法，所述整流机组由多个整流单元组成，每个整流单元包括有载调压变压器、整流桥和电抗器调节组件；
作为进一步的技术方案，整流机组稳流控制方法包含总调和分调两种模式，可以依据设置进行选择；
所述总调模式的控制方法为：从整流***的手动给定电流中，减除光伏***总输出电流给定值，作为整流***的实际给定值进行控制；
所述分调模式的控制方式为：首先，读取当前各分调机组的手动给定值，并求和得到总给定值；其次，将各分调机组的手动给定值除以总给定值得到该分调机组的功率占比；最后，将光伏***总输出电流给定值乘以各分调机组的功率占比作为该分调机组的实际给定值，由该分调机组执行分调控制。
作为进一步的技术方案，所述光伏***总输出电流给定值为：所有接入的光伏直流***，其输出电流闭环调节器给定值之和。
作为进一步的技术方案，根据整流机组当前运行工况，调节整流机组有载调压变压器分接头位置，即使释放整流机组调节范围，以便***不会过多地因整流机组调节范围不足而限制光伏的输出。
作为进一步的技术方案，设置光功率预测***，根据预测的光伏输出功率变化范围，调节整流机组有载调压变压器分接头位置，使整流机组具有与光伏输出功率变化范围匹配的调节范围。
作为进一步的技术方案，调节整流机组有载调压变压器分接头位置采用人工神经网络强化学习算法，根据历史控制误差训练人工神经网络，使***既不会过分频繁地调节有载调压变压器分接头，又不会过多地因整流机组调节范围不足而限制光伏的输出。
本发明与现有技术相比，具有如下的优点和有益效果：
1、改进了总调方式的稳流控制方法，用光伏***的输出电流给定值代替输出电流实测值进行稳流控制减除，改善了***的闭环控制稳定性；
2、给出了分调方式的稳流控制方法；
3、给出了适应光伏***功率占比较大的***的稳流控制方法。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定。
图1：光伏直流接入电解铝供电***的方案架构图。
图2：基于光功率预测算法的实施框架。
图3：人工神经网络强化学习算法的实施实例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施实例一
图1展示了光伏直流接入电解铝供电***整流机组的***组成，所述整流机组由多个整流单元组成，每个整流单元包括有载调压变压器、整流桥和电抗器调节组件；
整流机组稳流控制方法包含总调和分调两种模式，可以依据设置进行选择；
总调模式的控制方法为：从整流***的手动给定电流中，减除光伏***总输出电流给定值，作为整流***的实际给定值进行控制；
分调模式的控制方式为：
S1：读取当前各分调机组的手动给定值，并求和得到总给定值；
S2：将各分调机组的手动给定值除以总给定值得到该分调机组的功率占比；
S3：将光伏***总输出电流给定值乘以各分调机组的功率占比作为该分调机组的实际给定值，由该分调机组执行分调控制。
光伏***总输出电流给定值为：所有接入的光伏直流***，其输出电流闭环调节器给定值之和。
根据整流机组当前运行工况，调节整流机组有载调压变压器分接头位置，即使释放整流机组调节范围，以便***不会过多地因整流机组调节范围不足而限制光伏的输出。
实施实例二
图2展示了光功率预测模块的实施框架，整流机组能够基于光功率预测***，根据预测的光伏输出功率变化范围，调节整流机组有载调压变压器分接头位置，使整流机组具有与光伏输出功率变化范围匹配的调节范围。
光伏输出功率的预测方法有：基于统计特征的预测方法，时序分析方法，人工智能算法和基于物理模型的预测方法等。本实施实例中以人工神经网络（ANN）算法为例，展示光伏输出功率预测的详细过程，具体的实施步骤为：
S1：数据预处理：收集光伏***的历史运行数据，主要包含：光伏发电量、太阳辐射强度、温度、湿度等气象数据以及太阳能电池板的安装特征；
S2：数据预处理：将数据进行归一化处理，后续剔除异常值和错误数据，并且将数据集随机分为训练集、验证集和测试集三种；
S3：神经网络模型参数的选取：选择合适的神经网络结构，确定输入层神经元，隐藏层和神经元和输出层神经元的数量；本例中需要预测的量为光伏输出功率值，因此输出层神经元数量选为1；
S4：模型训练和验证：选择Adam优化器；
S5：算法在电解铝供电***整流机组端的部署；
S6：迭代优化，不断提高模型的预测准确率。
光伏发电功率预测算法能帮助企业预测未来一段时间内的发电量，从而能够提前做出决策，保证直流电网能够稳定运行，提高电解铝过程的安全性。
实施实例三
图3展示了人工神经网络强化学习算法的实施实例，调节整流机组有载调压变压器分接头位置采用人工神经网络强化学习算法，根据历史控制误差训练人工神经网络，使***既不会过分频繁地调节有载调压变压器分接头，又不会过多地因整流机组调节范围不足而限制光伏的输出。
强化学习(Reinforcement Learning) 是训练机器学习模型来做出一系列决策，强调的是在某一特定环境下智能体(Agent)采取适当的动作，可以使得期望奖励达到最大。在智能电网决策中，强化学习算法的具体实施步骤为：
S1：问题描述和环境定义：主要包括状态空间、动作空间和奖励信号；其中，状态空间主要表示电解铝生产过程涉及的状态参数，电压波动幅度等；动作空间主要表述调度指令、有载调压变压器分接头位置等；
S2：合适的强化学习算法：项目实施过程中采用Deep Q Networks（DQN）算法；
S3：模型训练：项目采用OpenAI Gym框架训练RL模型，后续不断注入数据集，不断调整学习率、奖励函数的设计规则，对强化学习算法进行迭代优化，不断提高算法的能力；
S4：验证与测试：对Gym模拟环境中学习到的策略进行验证，后续实际环境中进行测试，评估算法的性能；
S5：算法部署：获取满意的强化学习模型后，将成果部署到整理机组内，应用于光伏直流接入电解铝供电***。
实施实例四
采用深度强化学习算法优化有载调压变压器分接头位置时，具体的实施过程为：
1. 状态空间的确定：选择的参数有：
能量能源输出：每个节点的太阳能发电量，、、、 ；
负载：电解铝厂的实时负载需求；
有载调压变压器的输出电压；
2. 动作空间采用有载调压变压器分接头位置：分接头连接到次级绕组的不同匝数位置，可以产生不同的输出电压水平。较高位置的分接头通常对应于较高的输出电压，而较低位置的分接头通常对应于较低的输出电压。光伏直流接入电解铝供电***中使用强化学习算法时，有载调压变压器分接头位置作为动作空间，变化范围为0-1；其中，0：代表分接头连接到最低位置；1：代表分接头连接到最高位置。
3. 状态转移函数：建立数学模型，描述直流电网中太阳能输入功率、负载变化和有载调压变压器分接头位置的关系，最终从当前状态和动作获取下一个状态：
太阳能输入功率的表述：
其中，为太阳能辐射强度，为温度，为湿度，为安装位置的函数，功率
预测通过人工神经网络，具体参考示例二。
负载功率需求由实际电解铝厂提供。
***功率平衡方程为：
其中，表示由分接头位置 和有载变压器输出电压表示的***
损耗。
有载变压器输出电压和分接头位置的关系为:
其中，是有载变压器输入电压，其值等于光伏***的输出电压，是变压器特
性的函数。
奖励函数：结合实际运营经验，在设计奖励函数时候，引入了能源成本控制模型，尽量平滑电力***中的负荷峰值；引入了状态正则化，提高算法的稳定性。权重的动态调整：逐步调整奖励权重，平衡不同的学习目标。
以上所述的具体实施方法，对本发明的目的、技术方案和有益效果进行了详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种光伏直流接入电解铝供电***整流机组稳流控制方法，其特征在于：所述整流机组由多个整流单元组成，每个整流单元包括整流桥、有载调压变压器和饱和电抗器调节组件；整流机组稳流控制方法包含总调和分调两种模式，可以依据设置进行选择；
所述总调模式的控制方法为：从整流***的手动给定电流中，减除光伏***总输出电流给定值，作为整流***的实际给定值进行控制；
所述分调模式的控制方式为：首先读取当前各分调机组的手动给定值，并求和得到总给定值；其次将各分调机组的手动给定值除以总给定值得到该分调机组的功率占比；最后将光伏***总输出电流给定值乘以各分调机组的功率占比作为该分调机组的给定减除值，用该分调机组的给定值减去该给定减除值作为该分调机组的实际给定值，由该分调机组执行分调控制；
所述稳流控制方法采用深度强化学***衡方程：
所述太阳能输入功率为：
；
其中，为太阳能辐射强度，/>为温度，/>为湿度，/>为安装位置的函数，/>、、/> 为每个节点的太阳能发电量；
所述***平衡方程为：
；
其中，为电解铝厂的实时负载需求，/>为***损耗；/>为分接头位置，/>为有载调压变压器的输出电压。
2.根据权利要求1所述的光伏直流接入电解铝供电***整流机组稳流控制方法，其特征在于：所述光伏***总输出电流给定值为：所有接入的光伏直流***，其输出电流闭环调节器给定值之和。
3.根据权利要求1所述的光伏直流接入电解铝供电***整流机组稳流控制方法，其特征在于：还包括根据整流机组当前运行工况，调节整流机组有载调压变压器分接头位置，使***不会过多地因整流机组调节范围不足而限制光伏的输出。
4.根据权利要求1所述的光伏直流接入电解铝供电***整流机组稳流控制方法，其特征在于：还包括设置光功率预测***，根据预测的光伏输出功率变化范围，调节整流机组有载调压变压器分接头位置，使整流机组具有与光伏输出功率变化范围匹配的调节范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311688363.4A CN117937412B (zh) | 2023-12-11 | 2023-12-11 | 光伏直流接入电解铝供电***整流机组稳流控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311688363.4A CN117937412B (zh) | 2023-12-11 | 2023-12-11 | 光伏直流接入电解铝供电***整流机组稳流控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117937412A CN117937412A (zh) | 2024-04-26 |
| CN117937412B true CN117937412B (zh) | 2024-06-25 |
Family
ID=90761864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311688363.4A Active CN117937412B (zh) | 2023-12-11 | 2023-12-11 | 光伏直流接入电解铝供电***整流机组稳流控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117937412B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102944998A (zh) * | 2012-11-08 | 2013-02-27 | 国电南瑞科技股份有限公司 | 电解铝整流***的建模方法 |
| CN110535146A (zh) * | 2019-08-27 | 2019-12-03 | 哈尔滨工业大学 | 基于深度确定策略梯度强化学习的电力***无功优化方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2218806C3 (de) * | 1972-04-18 | 1975-02-27 | Siemens Ag, 1000 Berlin Und 8000 Muenchen | Gleichrichteranlage zur Speisung von Aluminium-Elektrolyseöfen |
| EP2311163A4 (en) * | 2008-07-01 | 2013-08-21 | Satcon Technology Corp | PHOTOVOLTAIC CONTINUOUS / CONTINUOUS MICROCONVERTER |
| US20140197736A1 (en) * | 2013-01-15 | 2014-07-17 | Osram Sylvania Inc. | Filament detection circuit |
| CN116231616A (zh) * | 2022-12-12 | 2023-06-06 | 国家电投集团云南国际电力投资有限公司 | 一种分布式光伏直流接入电解铝供电*** |
| CN116417986A (zh) * | 2023-05-23 | 2023-07-11 | 青海省投资集团有限公司 | 基于光伏发电接入电解铝直流母线的供电***及方法 |
-
2023
- 2023-12-11 CN CN202311688363.4A patent/CN117937412B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102944998A (zh) * | 2012-11-08 | 2013-02-27 | 国电南瑞科技股份有限公司 | 电解铝整流***的建模方法 |
| CN110535146A (zh) * | 2019-08-27 | 2019-12-03 | 哈尔滨工业大学 | 基于深度确定策略梯度强化学习的电力***无功优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117937412A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112232980B (zh) | 一种区域能源供热***热泵机组调控方法 | |
| CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
| CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和*** | |
| Yu et al. | Stochastic optimal relaxed automatic generation control in non-markov environment based on multi-step $ Q (\lambda) $ learning | |
| CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
| CN109765787B (zh) | 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法 | |
| Hong et al. | Optimal VAR planning considering intermittent wind power using Markov model and quantum evolutionary algorithm | |
| CN114243794A (zh) | 风光水多能互补***灵活性需求量化及协调优化方法 | |
| CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
| CN113536694B (zh) | 综合能源***鲁棒优化运行方法、***、装置及存储介质 | |
| CN106786702A (zh) | 用于混合储能***的全状态模型预测能量调度方法 | |
| CN117852927A (zh) | 一种源网荷储一体化规划生产模拟方法、***及存储介质 | |
| CN116722605B (zh) | 一种基于物联网的配电网调度优化方法 | |
| CN117937412B (zh) | 光伏直流接入电解铝供电***整流机组稳流控制方法 | |
| Yang et al. | Research on optimal allocation method of energy storage considering supply and demand flexibility and new energy consumption | |
| CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
| CN116154875A (zh) | 基于tcn和误差函数的光伏电站有功功率优化分配方法 | |
| CN115619153A (zh) | 动态聚合下考虑分布式资源运行特性的响应方法和装置 | |
| CN114218803A (zh) | 一种考虑源荷响应特性的分布式电源并网方法 | |
| CN114301062A (zh) | 一种分布式能源优化治理装置 | |
| CN117713211B (zh) | 基于环境分析的光伏并网智能调度方法及*** | |
| Zhang et al. | Optimal Scheduling Strategy for Power Systems Containing Offshore Wind Farms Considering Wind Power Uncertainty | |
| CN117974365B (zh) | 一种电热综合能源耦合***多目标运行优化方法及*** | |
| CN114881535A (zh) | 一种高比例新能源下的工业负荷需求响应调度方法 | |
| CN118410927A (zh) | 一种计及灵活性需求的电力资源结构优化方法及*** |
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 |