【《光伏发电功率预测的影响因素分析》4400字】

光伏发电功率预测的影响因素分析目录TOC\o"1-3"\h\u30175光伏发电功率预测的影响因素分析 182071.1光伏发电基本原理 1189941.1.2光伏发电系统 1313301.1.3光伏电池等效电路 292081.2光伏并网系统发电功率特性分析 3263561.1.1光照强度的影响 3215571.1.2天气类型的影响 4188221.1.3温度的影响 5213201.1.4湿度的影响 6220321.1.5其他影响因素 656281.3主成分分析 7174431.4小结 71.1光伏发电基本原理太阳光照射在电池板上时，里面的半导体元件可以将太阳能转化为电能，该过程也被称为光生伏特效应。晶硅类电池：如下图所示。当下市场上多为单晶硅，多晶硅，以及非晶硅电池。晶硅类电池光电转换效率更佳，多用于实际工业生产。图2-1阳光照射在半导体材料的p-n结上，生成新的空穴电子对。在p-n结的内置电场的作用下，空穴从n区流向p区，电子从p区流向n区，从而产生电流。1.1.2光伏发电系统根据与电网的关系，光伏发电系统有两种形式:独立系统和并网系统，前者只对自身的负载负责，电量不会入网，如太阳能汽车，太阳能路灯系统等。由于单个光伏发电系统的发电基于目标供电负载，因此无需提前预测和分析发电量，也不容易对电网造成不利影响，因此无需赘述。并网光伏发电系统是现阶段全球光伏发电系统的一种流行应用方法。由于系统转换的电能将被传输到电网系统，因此其频率和振幅值的偶然性将破坏电网系统本身的平衡。对光伏发电输出功率进行预测和分析的技术科学研究致力于电网型光伏发电系统失衡的处理和起伏。太阳能电池板输出的直流电通过逆变器电源在与电网相同的循环时间转换为交流电流，然后根据变压器将电流转换为并网所需的工作电压和幅值，最终由电力调度人员分发。为各个地区的日常生活生产和制造提供动力工程。另外，并网光伏发电系统还具有很高的协调能力：当用电高峰时，将太阳能发电电源添加到电网中，与其他发电方式配合为用户供电。电力：等待深夜的电力消耗。在低电量时段，太阳能系统连接到抽水蓄能电站，以存储不必要的电力。在相互填充的整个过程中，从太阳能电池组件到高压电的电流连续流过：汇流箱、直流柜、逆变器电源、低压和升压变压器、高压交流柜，以上最终构成光伏并网系统，该系统如下图所示。图2-2根据发电量的大小，并网太阳能发电系统可以分为：中小型分布式系统和大规模并网系统。中小型分布式系统并网系统的关键是使用住宅和其他中小型区域作为基本供电系统，这意味着它是民用住宅并网太阳能发电系统，可以直接为客户的住宅系统供电，而无需通过电网。当电容量不足或过剩时，将由电网系统调配。系统容量通常在几千瓦到几百千瓦的范围内，这是电网系统产生的供需之间的平衡关系，并在小规模用电高峰期合理降低了电网的工作压力。大规模集中式并网太阳能系统的关键是大中型光伏电站，其目的是为电力工程系统提供动力。大型系统具有较高的太阳能发电利用率和输出功率。电力消耗从几百千瓦到一万千瓦不等。电力消耗连接到电网后，生产调度单元进行调整并将其分配给电力消耗客户。大中型系统的缺点是很高的基本建设成本。因此，我国政府部门的项目资金分配配合现行有关政策的出台，充分协助光伏电站的基础建设，促进了我国电力能源再生的战略定位。尽可能多地要求各个领域的功耗。1.1.3光伏电池等效电路以光伏发电的等效电路代替其本身，可更直接的说明影响光伏发电功率的因素，等效电路如图所示图2-3忽略电容，该模型中电流与电压之间关系为 I=IpvIpv为光生电流，I0为反向饱和漏电流，K为波尔兹曼常数，A为二极管因子，T为电池温度，Rsh为等效并联电阻由上式得，电池板得发电功率和电池温度，光照强度等多种因素有关。分析影响光伏发电功率受相关因素得影响程度至关重要。1.2光伏并网系统发电功率特性分析根据光伏电池等效电路公式的计算，有许多复杂的因素会损害太阳能发电的功率，并且其变化的特性大大增加了分析的难度。综合考虑，这些因素引起的原因可以分为两种类型。一是光伏电站的内部特性，如电气设备零件的脆化，基本参数，内部磨损和安装角度误差等；另一个是光伏电站造成的。发电厂的外部环境是由各种天气条件引起的，例如照度，温度，风和季节特性。充分考虑光伏电站运行的具体条件。所有光伏板均已在原始工厂中进行了检查。电厂基本建设过程中光伏面板的安装角度和使用寿命也按照国家规定执行。主要参数和转换高度效率差异不大，不会对光伏电站的发电造成很大的危害。因此，将内部因素视为可控变量定义就足够了。因此，环境因素被认为是损害发电规模的关键原因。本文以黑龙江某电厂2017年3月1日至2018年2月28日一年的历史数据，搜集中国气象网与美国国家航空航天局（NASA）相关光照强度，地面温度，环境湿度，晴天指数值等气候因素，分析了几种影响太阳能发电的关键现状。1.1.1光照强度的影响太阳能发电的关键能量是太阳能发电，因此阳光的抗压强度是这项科学研究中必须考虑的关键因素。光照强度是指太阳光照射到地球大气层时每单位时间的总输出量，有部分能量被地球的大气层阻挡，最终照射到光伏面板上，产生光电效应，从而导致电流量增加。光伏电池面板的输出功率与光强度的关系为 P=ηSG_r(1−βT) （2-2）在公式中，ηr是面板的光电转换率，S是太阳能面板的总面积（m2），G是光强度（kW/m2）。T是面板温度（°C）。根据公式计算，当光伏面板的工作温度固定时，发电的输出功率与光强度有关。抗压强度越大，光伏面板输出的能量越大。数据信息样本库文件中随机选取数据三天的发电数据信息与光照强度的输出曲线图对比图如下图2-4由该图分析表明，光照强度幅值的大小与发电功率变化趋势基本相同。功率曲线包含一天中随时间变化的光强度的信息内容，并且两者之间存在高度线性相关。因此，在本文中，当设置并输入模板时，光照强度对发电的危害可以通过发电数据信息立即指示出来。1.1.2天气类型的影响天气类型由气候要素的每个指标值反映，两者密切相关。天气类型也将损害太阳能发电站的输出功率。在电厂的历史模板中，选择四种不同的天气类型中的每一种：晴天，多云，阴天和雨天，并确保四天在同一季度。做出历史四天发电功率评估以输出折线统计图，将它们的变化进行比较，如图所示。图2-5根据分析比较，我们可以得出天气类型对发电厂的功率输出有很大的危害。其中，发电高峰在晴天该值最大，并且上图显示烈的周期性；尽管多云天气下的发电量波动不大，但总体发电量明显少于晴天时的发电量：连续阴雨天气中的发电量主要表现相对较弱。是非常不稳定的，并且总发电量少于前两个天气标准。1.1.3温度的影响根据太阳能发电等效电路公式计算，发电的功率也遭受温度变化的危害。光伏板特定温度受自然环境温度及其自身工作温度的影响。自然环境温度越高，通常意味着天空晴朗，太阳充足，并且光伏面板的发电量通常越大。但是，由于电池面板内部的各种电子部件的加热效果，因此，在运转中温度达到一定的标准值时，电池面板的高转换效率将逐渐降低，进而功率降低。因此，有必要综合考虑自然环境温度和工作温度对太阳能发电的危害。随机选择发电厂的三天评估功率和市气象局进行曲线图数据分析，如图。图2-6可以看出，自然环境温度与发电量之间存在显著的正相关关系。当光伏面板的特定温度在20到100℃的范围的中间时，光伏电池的输出功率每升高1℃温度就降低0.35％。总而言之，电池板的特定温度与一定范围内的功耗并没有太大的比例关系。当电池面板的温度过高时，会损害其工作效率并降低发电量。在特定的过程中，太阳能电池板内部的温度通常略高于工作温度，这取决于某些因素：例如日光照射的水平，风速的大小以及季节的变化，未来很难准确测量特定的工作温度。因此，为了更好地防止整个过程中的冗余计算，本文只考虑了气象局给出的预报和分析工作温度。1.1.4湿度的影响湿度是描述气体湿气水平的标量。漂浮在空气中的水蒸气会阻挡自然光照射到土壤层，影响光伏面板吸收的动能。此外，潮湿的气体还会损害太阳能电池板组件的散热，降低了光伏面板的工作效率。因此，可以推断出，气体湿度的增加会将太阳能发电厂的发电量降低到一定水平。随机选择持续三天的湿度样本数据信息，并将其与发电厂评估的功率输出趋势图进行比较，以观察湿度对太阳能发电的危害。图2-7上图显示了2018年1月15日至2018年1月18日该电厂的相对湿度与实际功率之间的关系。分析表明，白天有很多风和日光，空气中的水分非常容易挥发，所以气体湿度低，夜间湿度高。相对湿度也与实际功率成反比。1.1.5其他影响因素除了以上几种因素对光伏发电的功率有很大影响外，还有许多其他气象因素。如：风速的增加可以加快太阳能电池板周围的气体流动性，提高太阳能电池板的散热能力，阻挡浮沙上的风沙，并提高透光率：泄漏点超过周围温度越多，冷凝水的可能性越大。这意味着更容易凝结固化云，这会影响天空上的云量和云的厚度，从而间接影响光伏发电。综上所述，为了保证物理模型预测和分析的准确性，在太阳能发电模型的全过程中充分考虑气象因素的影响应该更加重要。但是，许多气象因素可能对光伏发电产生不同的影响。一些因素之间具有一定程度的耦合，而其他因素则彼此无关。在对某个因素与光伏发电功率的独立分析中，整个过程中很可能存在该因素的隐含使用价值信息的过失。其次，如果将太多影响力较小的因素输入到实体模型中，则会增加不必要的信息，不利于预测分析结果。因此，使用PCA来解决重要因素独立变量，不仅可以获取数据信息中最有用的信息，可以保证预测分析的准确性，还可以降低输入自变量的水平。1.3主成分分析主成分分析（PCA）751也称为主成分分析，在统计中被广泛使用。目的取决于应用的维度，是对原始数据所属的室内空间的平面坐标进行旋转和平移变换，以便新的平面坐标可以用较少的维度坐标表示此数据信息。每个主分量表示旋转之后新的坐标轴。对于新的坐标轴，贡献率低的主成分表示坐标轴包含的信息较少，因此已放弃。类似地，选择具有最大贡献率的前p个主成分作为信息量最大的p个坐标轴，并尽可能保留原始数据的每个点在空间中的位置信息。将某个m维空间中的元素组投影到p维空间（p<m）上，尽可能多地包含原始数据信息，并将这些元素组合在一起以形成越来越少的主成分数据的新层次信息。通过相关系数矩阵R的特征方程计算出m个特征根(λ1≥λ2≥…≥λm>0)和它的单位特征向量e1e2…em设置累计贡献率的阈值大于某一百分比数值a时，前p个成分为分析得到的主成分. R−λIp j=1pλ将初始样本序列投影到特征向量构成的新序列中 yij=必须强调的是，总贡献率阈值a的选择应取决于原始数据尺寸测试精度的要求。数据信息流失矩阵必须同时包含原始数据。通常选择总贡献率在85％