光伏电站并网有功功率控制研究
发布时间：2022-12-08 19:29
目前世界的能源和环境保护之间的平衡存在着很大的问题,所以可持续发展这一理念得到了人们的关注。随着全世界各国的科技飞速发展,光伏发电的价值与应用逐渐被人们发掘。电池板作为光伏发电最重要的元件,承载着能源转换的作用,晶体硅的光生伏打效应可以实现光能和电能的转换。虽然太阳能具有廉价、清洁、高效的优势,但是随着太阳能发电站越来越多,占发电系统中的比例也越来越大,而且太阳能发电的效率受天气影响较大,导致并网功率变化较大,不利于电网系统平稳运行。所以非常有必要在电站端采取相应的措施,对其并网有功功率进行合理控制,来满足调度要求,维持电网安全稳定运行。通过大量阅读相关国内外文献,确定本文从以下几个方面进行研究:在并网功率预测这一环节上,首先进行BP神经网络预测方法的研究,在此基础上引入小波神经网络预测方法。通过对比两种预测方法,确定小波神经网络在本文的预测应用上具有优势性。建立与待测日天气类型相同的相似日样本集,利用吉林省洮南市某光伏电站的历史发电数据作为输入数据,对所选的晴天、多云、阴雨天等天气类型时的光伏电站整点时刻并网有功功率进行预测,得到光伏电站短期并网有功功率预测值,供电网制定调度计划和光...
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 论文研究背景
1.2 国内外光伏行业发展现状
1.2.1 国外光伏行业发展现状
1.2.2 国内光伏行业发展现状
1.3 光伏电站并网有功功率控制研究现状
1.3.1 光功率预测
1.3.2 电站功率控制系统
1.4 论文的主要研究内容
第2章 光伏发电的原理与功率影响因子
2.1 光伏发电系统的组成和分类
2.1.1 光伏发电的组成
2.1.2 光伏发电系统的分类
2.2 光伏电池介绍
2.2.1 光伏电池的原理
2.2.2 光伏电池等效电路的数学模型分析
2.3 光伏发电站并网有功功率特性
2.3.1 辐照强度
2.3.2 太阳能电池板的温度
2.3.3 天气因素影响
2.3.4 光伏电池板的工作效率和表面清洁度
2.4 本章小结
第三章 基于相似日的小波神经网络光功率预测
3.1 BP神经网络
3.1.1 神经网络系统概述
3.1.2 BP神经网络的基本结构与预测运算过程
3.2 小波神经网络
3.2.1 小被神经网络的特点
3.2.2 小被分析基本理论
3.2.3 小被神经网络结构与预测运算过程
3.3 基于相似日的小波神经网络短期功率的预测
3.3.1 天气类型划分
3.3.2 基于相似日和小波神经网络光伏功率预测模型的建立
3.4 预测结果分析
3.4.1 晴天下的预测结果
3.4.2 多云天气的预测结果
3.4.3 阴雨天的预测结果
3.5 本章总结
第4章 光伏电站并网有功功率控制及仿真分析
4.1 光伏电站的功率特性
4.1.1 间歇性
4.1.2 随机波动性
4.2 光伏电站并网要求
4.2.1 光伏电站并网规范与要求
4.2.2 光伏电站有功功率变化要求
4.2.3 紧急运行控制
4.3 光伏电站有功控制场景分析
4.3.1 系统正常状态下功率控制分析
4.3.2 系统非正常状态下功率控制分析
4.4 光伏电站并网运行模式
4.5 光伏电站有功功率优化分配算法
4.5.1 平均分配策略
4.5.2 等比例分配策略
4.5.3 基于预测数据的经济优化方法
4.6 光伏电站有功功率优化分配算法
4.7 仿真验证
4.7.1 升功率分配算法仿真验证
4.7.2 降功率分配算法仿真
4.8 三种控制方法的对比与分析
4.9 本章小结
第5章 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考安献
作者简介
攻读硕士学位期间研究成果
【参考文献】：
期刊论文
[1]基于回归分析法的光伏发电功率预测模型研究[J]. 姚宁,周力民,陈城. 机械工程师. 2020(02)
[2]光伏发电预测及并网分析[J]. 张强,邹晗,孙子元. 中国设备工程. 2019(16)
[3]分布式光伏电源并入配电网的故障分析及保护研究[J]. 李文才,彭程. 机电工程技术. 2019(06)
[4]新能源光伏发电SPWM逆变器及安装调试的信息化教学模式探索[J]. 徐锋益. 职业. 2019(16)
[5]大型并网光伏电站有功功率控制策略与试验分析[J]. 唐一铭,顾文,莫菲,徐妍,季洁. 科学技术与工程. 2019(11)
[6]大型光伏电站有功功率控制策略研究[J]. 朱宏毅,沈渭程,董开松. 电气技术. 2019(04)
[7]新能源光伏发电系统的应用途径[J]. 钱黄骏,邵杰. 绿色环保建材. 2019(01)
[8]光伏电站有功功率控制相关关键技术研究[J]. 闫晶,姜纪良,徐文倩. 山东工业技术. 2018(11)
[9]光伏电站接入系统有功功率控制和无功电压调节系统分析技术[J]. 余泳,田云飞,徐昊亮,张中丹,杨昌海,王仕俊,张海生,孙亚璐. 现代工业经济和信息化. 2016(24)
[10]基于小波分析与神经网络的光伏电站功率预测方法[J]. 朱红路,李旭,姚建曦,张凡. 太阳能学报. 2015(11)
博士论文
[1]2030年我国新能源发展优先序列研究[D]. 邢万里.中国地质大学(北京) 2015
[2]可再生能源发展政策影响的分析模型及实证研究[D]. 李璐.华北电力大学 2015
[3]中国新能源发展研究[D]. 张海龙.吉林大学 2014
硕士论文
[1]基于改进神经网络的光伏发电功率短期预测研究[D]. 高正.长春工业大学 2019
[2]基于GA-BP神经网络的光伏电站短期发电功率预测[D]. 韦航宇.广西大学 2019
[3]风光储互补系统并网优化调度研究[D]. 徐晓坤.华北水利水电大学 2019
[4]基于深度学习的新能源电站发电功率预测方法研究[D]. 胡然.华北电力大学(北京) 2019
[5]光伏电站光功率预测及逆变器的研究[D]. 李亚飞.沈阳理工大学 2019
[6]基于改进神经网络的光伏电站短期出力预测[D]. 任家铭.西安理工大学 2018
[7]光伏电站的功率预测及其有功控制研究[D]. 于德水.华北电力大学 2018
[8]光伏电站有功功率控制系统设计[D]. 关健.电子科技大学 2016
[9]太阳能发电技术的综合评价及应用前景研究[D]. 辛培裕.华北电力大学 2015
[10]太阳能光伏电站输出功率预测研究[D]. 杨蕾.兰州交通大学 2014
本文编号：3713996
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 论文研究背景
1.2 国内外光伏行业发展现状
1.2.1 国外光伏行业发展现状
1.2.2 国内光伏行业发展现状
1.3 光伏电站并网有功功率控制研究现状
1.3.1 光功率预测
1.3.2 电站功率控制系统
1.4 论文的主要研究内容
第2章 光伏发电的原理与功率影响因子
2.1 光伏发电系统的组成和分类
2.1.1 光伏发电的组成
2.1.2 光伏发电系统的分类
2.2 光伏电池介绍
2.2.1 光伏电池的原理
2.2.2 光伏电池等效电路的数学模型分析
2.3 光伏发电站并网有功功率特性
2.3.1 辐照强度
2.3.2 太阳能电池板的温度
2.3.3 天气因素影响
2.3.4 光伏电池板的工作效率和表面清洁度
2.4 本章小结
第三章 基于相似日的小波神经网络光功率预测
3.1 BP神经网络
3.1.1 神经网络系统概述
3.1.2 BP神经网络的基本结构与预测运算过程
3.2 小波神经网络
3.2.1 小被神经网络的特点
3.2.2 小被分析基本理论
3.2.3 小被神经网络结构与预测运算过程
3.3 基于相似日的小波神经网络短期功率的预测
3.3.1 天气类型划分
3.3.2 基于相似日和小波神经网络光伏功率预测模型的建立
3.4 预测结果分析
3.4.1 晴天下的预测结果
3.4.2 多云天气的预测结果
3.4.3 阴雨天的预测结果
3.5 本章总结
第4章 光伏电站并网有功功率控制及仿真分析
4.1 光伏电站的功率特性
4.1.1 间歇性
4.1.2 随机波动性
4.2 光伏电站并网要求
4.2.1 光伏电站并网规范与要求
4.2.2 光伏电站有功功率变化要求
4.2.3 紧急运行控制
4.3 光伏电站有功控制场景分析
4.3.1 系统正常状态下功率控制分析
4.3.2 系统非正常状态下功率控制分析
4.4 光伏电站并网运行模式
4.5 光伏电站有功功率优化分配算法
4.5.1 平均分配策略
4.5.2 等比例分配策略
4.5.3 基于预测数据的经济优化方法
4.6 光伏电站有功功率优化分配算法
4.7 仿真验证
4.7.1 升功率分配算法仿真验证
4.7.2 降功率分配算法仿真
4.8 三种控制方法的对比与分析
4.9 本章小结
第5章 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考安献
作者简介
攻读硕士学位期间研究成果
【参考文献】：
期刊论文
[1]基于回归分析法的光伏发电功率预测模型研究[J]. 姚宁,周力民,陈城. 机械工程师. 2020(02)
[2]光伏发电预测及并网分析[J]. 张强,邹晗,孙子元. 中国设备工程. 2019(16)
[3]分布式光伏电源并入配电网的故障分析及保护研究[J]. 李文才,彭程. 机电工程技术. 2019(06)
[4]新能源光伏发电SPWM逆变器及安装调试的信息化教学模式探索[J]. 徐锋益. 职业. 2019(16)
[5]大型并网光伏电站有功功率控制策略与试验分析[J]. 唐一铭,顾文,莫菲,徐妍,季洁. 科学技术与工程. 2019(11)
[6]大型光伏电站有功功率控制策略研究[J]. 朱宏毅,沈渭程,董开松. 电气技术. 2019(04)
[7]新能源光伏发电系统的应用途径[J]. 钱黄骏,邵杰. 绿色环保建材. 2019(01)
[8]光伏电站有功功率控制相关关键技术研究[J]. 闫晶,姜纪良,徐文倩. 山东工业技术. 2018(11)
[9]光伏电站接入系统有功功率控制和无功电压调节系统分析技术[J]. 余泳,田云飞,徐昊亮,张中丹,杨昌海,王仕俊,张海生,孙亚璐. 现代工业经济和信息化. 2016(24)
[10]基于小波分析与神经网络的光伏电站功率预测方法[J]. 朱红路,李旭,姚建曦,张凡. 太阳能学报. 2015(11)
博士论文
[1]2030年我国新能源发展优先序列研究[D]. 邢万里.中国地质大学(北京) 2015
[2]可再生能源发展政策影响的分析模型及实证研究[D]. 李璐.华北电力大学 2015
[3]中国新能源发展研究[D]. 张海龙.吉林大学 2014
硕士论文
[1]基于改进神经网络的光伏发电功率短期预测研究[D]. 高正.长春工业大学 2019
[2]基于GA-BP神经网络的光伏电站短期发电功率预测[D]. 韦航宇.广西大学 2019
[3]风光储互补系统并网优化调度研究[D]. 徐晓坤.华北水利水电大学 2019
[4]基于深度学习的新能源电站发电功率预测方法研究[D]. 胡然.华北电力大学(北京) 2019
[5]光伏电站光功率预测及逆变器的研究[D]. 李亚飞.沈阳理工大学 2019
[6]基于改进神经网络的光伏电站短期出力预测[D]. 任家铭.西安理工大学 2018
[7]光伏电站的功率预测及其有功控制研究[D]. 于德水.华北电力大学 2018
[8]光伏电站有功功率控制系统设计[D]. 关健.电子科技大学 2016
[9]太阳能发电技术的综合评价及应用前景研究[D]. 辛培裕.华北电力大学 2015
[10]太阳能光伏电站输出功率预测研究[D]. 杨蕾.兰州交通大学 2014
本文编号：3713996
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3713996.html
