国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

新能源光伏發(fā)電站大規(guī)模并網(wǎng)頻率主動控制研究

2023-10-16 08:50:48李福白
中國新技術(shù)新產(chǎn)品 2023年17期
關(guān)鍵詞:發(fā)電站遺傳算法公式

李福白

(中國電建集團爐霍新能源開發(fā)有限公司貢唐崗光伏電站,四川 甘孜州 626500)

新能源光伏發(fā)電站的電力輸出與天氣、時間等外界因素的變化密切相關(guān),其電力輸出波動會給電網(wǎng)帶來負面影響,影響電網(wǎng)的穩(wěn)定性和安全性。為了平穩(wěn)地將光伏發(fā)電站的電力輸出并入電網(wǎng),需要對其進行頻率主動控制,相關(guān)領(lǐng)域研究已有一定規(guī)模。祁曉笑等[1]通過模式分析法探究同步調(diào)相機抑制電力系統(tǒng)次同步振蕩方法。金欣茹等[2]提出了一種求解分布式光伏并網(wǎng)優(yōu)化模型的啟發(fā)式算法。任萱等[3]優(yōu)化了光儲協(xié)調(diào)并網(wǎng)的模型預測控制策略。顏湘武等[4]探討了高滲透率光伏并網(wǎng)對系統(tǒng)暫態(tài)頻率穩(wěn)定性影響的量化評估。李學慶等[5]設(shè)計了一種三相級聯(lián)H 橋光伏并網(wǎng)系統(tǒng)參與電網(wǎng)頻率支撐的控制策略。艾永樂等[6]論述了變論域模糊PID 控制器實現(xiàn)快速電力系統(tǒng)頻率控制的策略。宋紹劍等[7]提出了一種考慮頻率耦合的組串式光伏逆變并網(wǎng)系統(tǒng)阻抗建模方法。湯代斌等[8]設(shè)計并實現(xiàn)了光伏并網(wǎng)逆變器頻率跟蹤調(diào)節(jié)和主動支撐。張健等[9]運用智能負載控制策略平抑光伏并網(wǎng)的電壓和頻率波動。丁明等[10]提出了一種基于采樣點相角差預測捕捉合閘點的差頻并網(wǎng)算法。

1 新能源光伏發(fā)電站發(fā)電機組并網(wǎng)頻率控制需求分析

在新能源光伏發(fā)電站并入電網(wǎng)的過程中,其電力輸出波動會影響電網(wǎng)的穩(wěn)定性,與之相對的是電網(wǎng)中用電需求自身持續(xù)變化。大規(guī)模電網(wǎng)中的用電需求變化自身有一定隨機性因素的彼此補償,較小規(guī)模電網(wǎng)中的用電需求變化則更可能引發(fā)安全隱患。

頻率主動控制是指通過控制發(fā)電站的功率輸出來調(diào)節(jié)電網(wǎng)的頻率,以達到電網(wǎng)穩(wěn)定運行的目的。當電網(wǎng)頻率變化較大時,控制系統(tǒng)會通過減少或增加發(fā)電站的功率輸出來控制發(fā)電站的電力輸出波動。具體來說,當電網(wǎng)頻率比標準頻率高時,控制系統(tǒng)會自動減少發(fā)電站的輸出功率,以降低電網(wǎng)的頻率;當電網(wǎng)頻率比標準頻率低時,控制系統(tǒng)會自動增加發(fā)電站的輸出功率,以提高電網(wǎng)的頻率。此外,通過優(yōu)化光伏發(fā)電站的電路結(jié)構(gòu)和系統(tǒng)控制策略可以有效提高其電流穩(wěn)定性,減少電能供給波動,減少光伏并網(wǎng)對電網(wǎng)整體穩(wěn)定性的影響。

2 模型分析

2.1 模型概述

光伏發(fā)電作為新能源電力的重要來源之一,其波動性和不可控性對電力系統(tǒng)頻率穩(wěn)定性的影響不容忽視。光伏發(fā)電站的功率控制是指通過調(diào)節(jié)發(fā)電系統(tǒng)的電壓和電流來達到預設(shè)的功率值。在實際應用中,功率控制通常分為2 種方式,即最大功率跟蹤和功率限制控制。其中,最大功率跟蹤是指通過調(diào)節(jié)直流輸入電壓來保持發(fā)電系統(tǒng)的最大功率輸出,功率限制控制是指通過限制功率來保證發(fā)電系統(tǒng)穩(wěn)定地運行,從而避免過載和損壞設(shè)備。

在功率控制的過程中,電流和電壓取決于發(fā)電系統(tǒng)內(nèi)的電路結(jié)構(gòu)和參數(shù)。因此,為了實現(xiàn)定向控制,需要對發(fā)電系統(tǒng)進行建模。光伏發(fā)電系統(tǒng)的模型通常采用MATLAB等軟件進行建模,通過輸入模型參數(shù)和控制策略來預測和調(diào)節(jié)系統(tǒng)的輸出功率。

2.2 拓撲結(jié)構(gòu)分析

在建立模型前,需要確定模型的基本結(jié)構(gòu)和參數(shù)。模型的結(jié)構(gòu)由各個子模塊組成,包括光伏發(fā)電模塊、逆變器模塊、雙向變流器模塊、交流濾波器模塊和負載模塊等。這些子模塊共同組成了光伏發(fā)電系統(tǒng)的電路和控制部分。

因此,在確定參數(shù)前,需要對發(fā)電系統(tǒng)進行拓撲分析和檢測,以明確系統(tǒng)中各種元件的數(shù)量、連接方式和工作狀態(tài)等基本信息。

該拓撲結(jié)構(gòu)包括光伏發(fā)電模塊、逆變器模塊、雙向變流器模塊、交流濾波器模塊和負載模塊等結(jié)構(gòu),能確保系統(tǒng)的基本功能和控制需求。在該拓撲圖中,光伏發(fā)電模塊通過直流輸入與逆變器模塊連接,將直流信號轉(zhuǎn)換為交流信號;逆變器模塊則與雙向變流器模塊相連,當正常工作時,將生成的交流信號供應給負載模塊。同時,雙向變流器模塊還可以使系統(tǒng)實現(xiàn)功率反饋和調(diào)節(jié),實現(xiàn)快速響應和更高效的運行狀態(tài)。最終,交流濾波器模塊對輸出信號進行過濾和整流處理,以提高交流信號的質(zhì)量和穩(wěn)定性。

2.3 算例設(shè)置

基于上述模型,設(shè)置系統(tǒng)包括6 組輸入直流電,經(jīng)過逆變器處理后輸出3 組交流電信號。根據(jù)經(jīng)驗,取其中任意1 組直流端口作為樣本數(shù)據(jù)集,隨機選取100 條記錄作為訓練集,20 條記錄作為測試集。同時,當選擇模型參數(shù)時,也需要考慮典型的外界因素對系統(tǒng)的影響,例如天氣狀況、氣溫、風力、日照強度和負荷情況等因素。在保持其他條件不變的情況下,將這些因素都設(shè)置為10%的波動范圍。根據(jù)以上條件,選擇的參數(shù)見表1。

表1 參數(shù)設(shè)置

3 模型構(gòu)建

3.1 符號設(shè)置

將電路分為電源、負載和連接段3 個部分,分別衡量電壓、電流2 項變量(其構(gòu)成主要變量),如公式(1)、公式(2)所示。

式中:VT、Vp和Vl分別為電路電壓、電源電壓和負載電壓;IT、Ic分別為電路、連接段的電流。

根據(jù)電路基本理論,電路中的電壓和電流之間存在一定的關(guān)系。具體來說,可以通過電源電壓和中間電路中的電流來計算負載的電壓,如公式(3)所示。

相應的電流如公式(4)所示。

式中:Rc為電路中的電阻。

接下來,可以將Ic代入公式(5)。

將公式(5)拆分為公式(6)。

對公式(6)進行求導,如公式(7)、公式(8)所示。

此時得到公式(10)。

將V1代回公式(6),如公式(11)所示。

根據(jù)公式(11)得到公式(12)。

并聯(lián)電路后,電阻如公式(13)所示。

式中:Rcn為第n個并聯(lián)電路的電阻;Vln為第n個并聯(lián)電路的電壓。

該電阻又受到環(huán)境溫度的直接影響,即隨溫度上升其指數(shù)增長的系統(tǒng)電阻水平。

溫度既表現(xiàn)為外部環(huán)境中調(diào)控光電場站發(fā)電能力的重要影響因素,又表現(xiàn)為作用于系統(tǒng)內(nèi)部輸配電網(wǎng)絡(luò)中電路要素的機制,該文構(gòu)建的模型也以此為因變量來衡量模型對其的反饋優(yōu)化能力。

3.2 算法概述

針對光伏發(fā)電站大規(guī)模并網(wǎng)頻率主動控制的研究需要考慮多個因素的復雜交互作用,例如負載變化、溫度調(diào)節(jié)等。而傳統(tǒng)的優(yōu)化方法往往會受局部最優(yōu)解的影響,不利于提高現(xiàn)有設(shè)備設(shè)施的利用性能。與傳統(tǒng)的優(yōu)化方法相比,遺傳算法是一種基于生物進化原理的全局搜索和優(yōu)化方法,適用于非線性問題和高維空間的參數(shù)設(shè)置。與其他早期工程中使用的參數(shù)尋優(yōu)方法相比,遺傳算法可以處理較大問題空間,并嘗試優(yōu)化多目標函數(shù)而非單獨一項指標。它是一種基于生物進化過程的啟發(fā)式算法,通過模擬自然進化的原理,將可能的最優(yōu)解的不同量子編碼成“個體”,然后通過交叉、變異等操作讓它們在群落中不斷繁衍進化,以獲得新一代更接近最優(yōu)解的“個體”。

與其他常見優(yōu)化算法(例如梯度下降算法)相比,遺傳算法的特點就是不依賴于輸入的初始信息,也不受特定局部極值的限制,從而平衡了局部最優(yōu)與全局最優(yōu)的關(guān)系。同時,與某些深度學習程序相比,遺傳算法的迭代速度相對較慢,無方向性的學習過程影響了模型的優(yōu)化性能。但是考慮并網(wǎng)頻率主動控制分析的實際需求,首選遺傳算法的主要原因是其能夠創(chuàng)造更穩(wěn)定且適用于多規(guī)模數(shù)據(jù)集訓練的解決方案。

3.3 算法應用

在案例中,主動控制方法可以通過遺傳算法來控制光伏發(fā)電系統(tǒng)的功率。具體步驟如下:1)初始化種群。隨機生成1 組個體的初始種群。每個個體都是1 組參數(shù)的集合,代表光伏發(fā)電站的主動控制參數(shù)。2)評估適應度。將每個個體代入控制模型中進行仿真,計算每個個體對應的目標函數(shù)值。目標函數(shù)值反映了該個體的結(jié)果優(yōu)良程度,對應個體在種群中的適應度。3)選擇。根據(jù)個體的適應度,按照一定的選擇概率來選擇一部分優(yōu)秀的個體作為父代,在父代中進行交叉、變異等操作,產(chǎn)生新的個體群體,即下一代種群。模型維持1 000 個體的總種群規(guī)模,其中交叉概率設(shè)置為0.7,變異概率設(shè)置為0.1。4)結(jié)束條件判斷。判斷是否滿足結(jié)束條件即迭代次數(shù)限制,該文構(gòu)建的模型的迭代次數(shù)為1 000 次。如果沒有達到1 000 次,就回到評估適應度;如果已完成迭代,就輸出結(jié)果。5)輸出結(jié)果。最終得到的個體所具有的數(shù)據(jù)特征就是參數(shù)的最優(yōu)解。

通過以上步驟,可以利用遺傳算法快速尋找最優(yōu)的光伏發(fā)電系統(tǒng)控制參數(shù),從而實現(xiàn)對電力系統(tǒng)頻率主動控制的應用。此外,還可以通過其他監(jiān)測手段和算法模型來預測天氣狀況、負荷變化等外界因素對光伏發(fā)電系統(tǒng)的影響,并根據(jù)預測結(jié)果相應地調(diào)整控制策略,提高系統(tǒng)的穩(wěn)定性和效率。

4 試驗結(jié)果與分析

為了驗證該文提出的頻率主動控制算法的有效性,采用MATLAB2019,基于上述算例設(shè)置條件、模型構(gòu)建遺傳算法對其進行算例分析。

基于遺傳算法的模型優(yōu)化結(jié)果如圖1所示。由圖1 可知,基于遺傳算法的模型求解在前期就獲得了顯著優(yōu)化,適應度水平在幾次迭代內(nèi)即得到優(yōu)化,此后優(yōu)化水平顯著不足,直至800 代~900 代,種群中出現(xiàn)適應度更高的個體,改善了特定局部最優(yōu)困境,模型優(yōu)化水平進一步提高?,F(xiàn)有模型迭代結(jié)果反映其優(yōu)化速率相對較低,收斂速度較低,因此需要調(diào)整現(xiàn)有參數(shù)設(shè)置。一方面,增加交叉和變異概率會使搜索過程更隨機,可能幫助算法逃離困境并找到新的解。嘗試增加種群規(guī)模能夠保證更多的個體參與搜索過程,有利于發(fā)現(xiàn)更多的潛在解。另一方面,現(xiàn)有較高的交叉概率可能影響模型的收斂速度,從而制約遺傳算法持續(xù)尋優(yōu)過程中穩(wěn)定在更優(yōu)解的能力,進而影響整體迭代后優(yōu)化效果的性能表現(xiàn)。

圖1 迭代次數(shù)與優(yōu)化結(jié)果

針對最終優(yōu)化結(jié)果,整理其種群中各個體的適應度水平分布情況,如圖2所示。由圖2 可知,模型中多數(shù)個體的優(yōu)化結(jié)果顯著較低,少量數(shù)值超過20,極少數(shù)值達到100。結(jié)合迭代次數(shù)較長而收斂緩慢等問題,其反映種群總量較少、優(yōu)化樣本規(guī)模較小而改進空間顯著,提示現(xiàn)有模型變異與交叉仍有所不足。考慮模型優(yōu)化,提高或降低交叉與變異概率是常見的算法參數(shù)調(diào)節(jié)方式,在實踐中也會對模型的表現(xiàn)產(chǎn)生影響。種群大小的設(shè)定直接決定了搜索過程的質(zhì)量和時間成本,在保證有效率的情況下,調(diào)整大小能夠提高算法的全局尋優(yōu)和演化動態(tài)性。因此,在現(xiàn)有變異系數(shù)較高、樣本規(guī)模較大的基礎(chǔ)上,已經(jīng)難以進一步優(yōu)化模型,提示充分計算資源的必要性。

圖2 優(yōu)化后種群目標函數(shù)結(jié)果分布情況

5 結(jié)語

綜上所述,試驗結(jié)果說明模型的反饋優(yōu)化依賴長期迭代中的少量樣本突變及突變個體的雜交擴散,從而能夠在現(xiàn)有算例中對局部最優(yōu)進行進一步優(yōu)化,驗證了其在實踐層面的應用價值。

猜你喜歡
發(fā)電站遺傳算法公式
快看!“空氣發(fā)電站”來啦
軍事文摘(2022年18期)2022-10-28 14:44:21
組合數(shù)與組合數(shù)公式
排列數(shù)與排列數(shù)公式
等差數(shù)列前2n-1及2n項和公式與應用
例說:二倍角公式的巧用
光伏發(fā)電站消防設(shè)計研究
基于自適應遺傳算法的CSAMT一維反演
一種基于遺傳算法的聚類分析方法在DNA序列比較中的應用
基于遺傳算法和LS-SVM的財務(wù)危機預測
探討高寒地區(qū)獨立光伏發(fā)電站的設(shè)計
西藏科技(2016年5期)2016-09-26 12:16:43
辰溪县| 九寨沟县| 德格县| 社会| 兴文县| 随州市| 晋宁县| 黄冈市| 嘉荫县| 蓝田县| 兴业县| 德清县| 盐池县| 邵阳市| 扎囊县| 成安县| 松滋市| 通城县| 罗山县| 当阳市| 德州市| 新田县| 平利县| 澄江县| 广昌县| 海林市| 伊宁县| 榆社县| 南皮县| 博客| 邓州市| 扶余县| 荔波县| 樟树市| 子洲县| 青州市| 同仁县| 休宁县| 洪泽县| 分宜县| 清流县|