“分布式電源與配電網”特約專欄寄語

特約專欄副主編簡介

楊洋：碩士研究生，高級工程師，云南電網有限責任公司電力科學研究院三級拔尖級技術專家。主要從分布式能源控制、自動化方面研究工作。近5年來主持和云南電網公司項目研究10 余項。相關成果獲省部級獎勵3 項，廳局級獎勵8 項。作為負責人完成科技成果轉化2 項，產生經濟效益超200 萬元。參與編制國家標準1 項，發表論文4 篇，其中SCI 檢索1 篇。獲國家發明專利授權30 余項。

特約專欄寄語

今年以來，在光伏上游材料價格下行、“整縣光伏推進”政策以及企業跨界進入光伏行業的影響下，截止2023 年6 月，全國累計并網的分布式光伏容量達到1.98 億千瓦，占光伏發電容量的42%。配電網的物理結構正隨著分布式光伏的接入發生改變。在云南等西部地區，分布式光伏的高增速與負荷的增速不匹配，供需關系在時空上出現矛盾，給電力系統運行帶來了風險。為高質量推進新型電力系統建設，確保分布式電源科學、有序的接入配電網，降其對配網的負面影響。本專欄向廣大讀者展示近期關于分布式電源優化配置、對電壓的影響、光伏側儲能控制等方面的研究成果。

特約專欄文章摘要

文章一摘要：隨著碳中和與凈零戰略的提出，光伏（photovoltaic, PV）發電產業迎來了新的發展機遇。但在實際應用中，大規模的PV陣列通常會受到周圍建筑物、云影、灰塵等造成的部分陰影條件（partial shading condition，PSC）的影響，會給PV系統帶來發電效率低、PV電池結構被破壞、P-V和I-V曲線多峰現象等許多問題。為了緩解PSC引起的多模態問題，PV重構技術得到了發展。本文構建了單一的PV陣列并采用遺傳算法（Genetic Algorithm, GA）研究陰影條件下的20×30的PV系統動態重構問題，旨在解決PV系統因PSC而導致的功率損失，提高PV系統的輸出功率。并用粒子群優化算法（particle swarm optimization, PSO）與之對比。與重構前相比，GA將最大功率值提高了30.95%。

文章二摘要：在可再生能源發電系統中，儲能功率調節系統（Power Conditioning System, PCS）將光伏發電系統產生的電能進行調節、轉換和儲存，以滿足用戶用電需求。儲能PCS的光伏側直接關系到母線電壓，其控制效果直接影響光伏系統的性能和穩定性。故合理的光伏側控制策略設計對于維護平穩母線電壓有重要的意義。為了優化儲能PCS的光伏側控制策略，本文提出了一種恒功率的最大功率點跟蹤方法。該方法利用恒功率控制和電導增量法等技術，對光伏系統進行建模和優化。通過對實際光伏系統的數據進行分析和仿真，證明了該方法在提高光伏系統效率和穩定性方面的有效性。

文章三摘要：在分布式光伏接入配電網后，隨著分布式光伏功率的注入會導致配電網潮流發生變化，進而引發節點電壓變化的問題。為了便于工程計算配電網不同節點電壓及分布式光伏接入對配電網節點電壓影響的大小，本文基于配電網潮流分析，首先采用因素拆分和效果疊加的方法，通過拆分系統電源和分布式光伏電源對配電網不同節點電壓的影響；然后將兩者產生的影響效果進行疊加求和，形成光伏接入下配電網節點電壓變化模型；同時為了貼合工程應用，考慮配電網的運行條件及拓撲結構，在忽略了線路電抗及無功功率的情況下，構建了節點電壓變化的簡化分析模型。最后采用IEEE33節點系統對模型進行仿真驗證，驗證結果說明了模型能夠更快速且較為準確的計算出節點電壓，具有較高的實用性和可靠性。同時也仿真得出了不同光伏接入情況下配電網節點電壓變化趨勢。

文章四摘要：隨著各種可再生能源發電技術逐漸成熟，將多類型分布式電源（Dis tr ibu ted Generation, DG）接入配電網（Distribution Network, DN）是促進電力系統能源轉型的快捷方式。但是，大量的DG接入DN會導致DN運行穩定性下降，迫切尋找到解決方法。為此本文考慮了PV（Photovoltaic, PV）、風力發電（Wind Power Generation, WPG）和燃料電池（Fuel Cell, FC）三種DG，并以DG的經濟性指標、電壓偏差、電壓波動以及網絡損耗作為優化目標，采用多目標粒子優化算法（Multi-objective Particle Swarm Optimization, MOPSO）確定了三種DG接入DN的最優位置已經最佳容量，并與多目標蝗蟲優化算法（Multi-objective Grasshopper Optimization Algorithm,MOGOA）進行了比較?；贗EEE-33節點仿真測試算例表明與未配置DG相比，通過MOPSO算法配置DG后，平均電壓波動降低了0.055p.u. （5.01%），網絡損耗減少了646.65 kW（15.92%）。并且，MOPSO配置成本更低，具有更好經濟性。

文章五摘要：為了保證光伏系統的正常運行，需要有完備的光伏組件故障檢測方法，為此本文提出了一種基于變分模態分解（VMD）和長短期記憶網絡（LSTM）結合的太陽能光伏組件故障檢測方法。首先分析了不同運行工況條件下的特性曲線并采集正常與故障時的電壓、電流信號，利用VMD對所采集的信號進行自適應分解為K個IMF分量。然后把IMF分量輸入訓練好的LSTM神經網絡進行故障檢測。最后，在PSCAD/EMTDC中建立仿真模型并驗證本方法的可行性與準確性，結果表明該方法可以用于光伏組件的故障檢測，并且準確率高。