功率电子技术（精选12篇）
功率电子技术 篇1
0 引言
光伏发电已经成为继风力发电之后的可再生能源发电的新增长点。2005—2014 年全球光伏发电装机容量平均年增长率高于30%[1], 2014 年全球光伏发电总装机容量已达约186 GW, 欧洲光伏发电量占总发电量的峰值比例达7%[2]。
2009—2013 年中国光伏发电装机容量平均年增长率均超过了100% , 从2009 年的0. 3 GW增长至2014 年的28 GW[3], 仅次于德国 ( 38. 2 GW) , 居世界第二位。中国光伏发电的主要利用模式逐渐从早期分布式离网光伏系统模式发展成大型并网光伏电站模式, 截至2014 年底, 集中并网型光伏电站占光伏发电总装机容量的83. 35%[3]。
由于日照的昼夜周期性, 光伏电站只能白天发电, 是一种典型的间歇式电源; 光伏功率受气象、环境条件影响, 具有较大的波动性和随机性。这些特性使得大规模光伏发电并网对电网造成不良影响。若能及时、准确地预测光伏功率, 将对电网调度及光伏电站运行具有重要意义。
光伏功率预测即根据历史和当前数据对未来一定时段的光伏功率进行预测, 按预测时长可分为超短期光伏功率预测、短期光伏功率预测和中长期光伏功率预测。光伏功率预测精度强依赖于天气模态和气候条件等因素。美国加州地区的统计表明[4], 晴空条件下, 超短期光伏功率预测的方均根误差在8% 以内; 而非晴空条件下的方均根误差高于20% 。有研究表明, 超短期光伏功率预测的方均根误差最小可达到3. 9% , 短期预测的方均根误差可达4. 6%[5]。
国际上已有不少机构提供光伏功率预测和光资源评估的服务, 如AWS Truepower, Clean Power Research, Green Power Labs, Meteo Test瑞士公司开发的Meteonorm软件, 以及法国美迪公司的Meteo Dyn Solar。基于光伏功率预测可拓展开发光伏系统工程设计应用软件, 如瑞士日内瓦大学能源课题组开发的PVSYST软件; 国内如中国电力科学研究院电工所开发的针对光伏功率预测和光伏系统设计的软件。光伏功率预测已开始应用于电力系统运行, 国家电网智能电网调度控制系统 ( 简称D5000 系统) 的新能源监测与调度高级应用中包含了光伏功率预测功能模块。
总体来看, 国外的光伏发电产业较中国起步早, 已经积累了大量的技术成果、工程经验和运行数据;中国目前在光伏功率预测领域的研究稍滞后于欧美发达国家, 仍处于探索阶段。
本文对光伏功率预测的技术体系、研究热点进行了梳理, 以期为中国的光伏功率预测研究与应用提供借鉴和启发。
1 光伏功率预测原理和基本框架
光伏功率预测是以数值天气预报 ( numerical weather prediction, NWP) 数据或/ 和实测数据为基础, 结合光伏电站地理坐标及具体地域特点的参数化方案, 建立预测模型及算法, 实现对未来一定时间段内光伏电站输出功率的预测。
光伏发电从光到电能量的传递路线如图1 所示。
太阳辐照度是决定光伏功率的主要因素, 与光伏功率大致呈线性关系。本节将从光伏功率 ( 或辐照度) 的关键影响因素、光伏功率特性、预测方法、预测模式以及预测精度评价5 个方面对光伏功率预测原理和框架进行介绍。
1. 1 关键影响因素
影响光伏功率的因素众多, 相互耦合。按照太阳能传递和转化过程, 主要影响因素如图2 所示。
辐照度受到气候、气象、地理等因素的影响, 其预测精度直接影响光伏功率预测精度。
气候是某地区长时间尺度的大气一般状态和天气过程的综合表现, 是影响光资源水平的重要因素。
气象是指短时间尺度的大气物理现象, 如温度、云等。气象因素是影响光伏功率的重要因素, 可通过NWP ( 含全球和中尺度模式) 、地面天空成像仪、卫星测量、地面遥感测量等方式获取。不同方式获取的气象数据具有不同的时空分辨率和精度水平, NWP时空分辨率较低、时空尺度较大; 而地基云图对云层的预报时空分辨率较高, 但时空尺度较小。
地理因素如光伏电站的地理坐标、地域环境等, 这些因素对预报的影响较为稳定。
电气效率主要指光伏组件、电站其他电气设备的效率, 前者直接影响光转电环节的能量转换效率, 后者影响电能从光伏组件传送到电网的效率。
电站设计、人为因素也将对光伏功率产生影响。
1. 2 光伏功率特性
光资源和光伏功率具有以下4 个特点。
1) 较强的昼夜周期性和季节周期性。日照昼夜周期性和日—地相对位置周期性变化决定了光伏功率的这一特点, 而风功率则不具有类似特性。
2) 影响因素多、影响机理复杂。地面辐照度和光伏功率受到气候、气象、地理等多种因素影响, 且不同因素在不同环境下对其影响程度不同[6,7]。而风功率则主要取决于风速, 其他因素如风向、温度、气压等, 则影响较小。
3) 波动性和随机性强、变化频率快。电力负荷无法突变, 风功率的波动性强于电力负荷, 主要体现为小时级波动[8], 而光伏功率可在数分钟内实现从满功率到零功率变化, 具有更强的波动性。
4) 数据样本有限、数据条件较差。受限于测量设备和技术, 光伏数据量少、质差, 因此光伏功率预测要解决小样本预测难题。
1. 3 光伏功率预测方法分类
光伏功率预测方法的分类方式很多, 根据预测过程的不同, 可分为直接法和间接法; 根据建模方式的不同, 可分为物理方法和统计方法; 根据预测时间尺度不同, 可分为超短期 ( 0 ~ 6 h) 、短期 ( 6 h ~ 1 d) 和中长期 ( 1 月~ 1 年) 预测法; 根据预测的空间范围大小不同, 可分为单场预测和区域预测。
1. 3. 1 直接预测法和间接预测法
直接预测法是根据光伏功率历史数据直接进行预测; 间接预测法是首先预测地表或光伏电池板接收的太阳辐照度, 再预测光伏功率。两类预测方法的流程如图3 所示。
直接预测法的建模难度较大, 不同时间尺度和工作状态下映射关系的变化可能导致模型性能下降甚至失效。间接预测法在整个预测过程中可能需要建立多个预测模型, 较为复杂。
1. 3. 2 物理方法和统计预测方法
物理方法基于太阳辐照传递方程、光伏组件运行方程等物理方程进行预测, 需要光伏电站详细的地理信息以及气象和太阳辐照数据; 统计方法基于预测模型输入、输出因素之间的统计规律进行预测。
物理方法不需要大量历史数据, 适用于新建的光伏电站, 但需要光伏电站详细的地理信息和组件参数等数据[9], 建模过程复杂, 且难以模拟一些极端异常天气情况和环境及光伏组件参数随时间发生的缓慢变化, 模型抗干扰能力较差, 鲁棒性不强。
统计方法需要从大量的历史数据中获取预测需要的规律, 如光伏电站有功功率与气象数据、历史运行情况之间的规律, 对光伏电站的地理信息和测光资料要求不高。
1. 3. 3 超短期、短期和中长期预测
超短期光伏功率预测可提供功率瞬变信息; 短期预测可用于调度计划制定、负荷跟踪预测、电力市场等领域; 中长期光伏功率预测可用于光资源评估、新建光伏电站规划等领域。
超短期光伏功率预测可采用物理方法和统计预测方法。其中物理方法主要是对云图进行图像处理, 结合NWP或地面观测站数据, 进行光伏功率预测; 统计预测方法主要采用自回归滑动平均 ( ARMA) 算法、人工智能算法、持续预测法等进行预测。
相比之下, 短期功率预测需要气象数据的时空分辨率要求相对较低, 可利用精细化的NWP数据进行预测而不必采用云图数据。
中长期光伏功率预测主要是根据地区历史光资源数据等估计未来较长时间段内的光伏功率。
1. 3. 4 单场预测和区域预测
单场预测是指单个光伏电站的功率预测, 区域预测是指对某个区域范围内的多个光伏电站总出力的预测。
单场预测可为发电运营者提供光伏电站的功率预测信息, 主要应用于光伏电站发电的优化运行与控制; 区域预测可为电网运营商提供某一区域范围内的光伏出力值, 帮助电力调度部门预估光伏功率波动, 制定多种电源协调调度计划, 降低光伏电站接入对电网的不利影响。
区域光伏功率预测的精度往往高于单场功率预测精度[5]。通过区域光伏电站之间的随机误差相互抵消, 预测方均根误差可减少64%[10]。
1. 4 光伏功率预测典型模式
图4 是光伏功率预测的几种典型模式, 分别适用于不同的数据条件、预测时空尺度及精度要求。
1) 模式1
输入气象数据、辐照数据, 建立预测模型。该模式适用于气象、辐照数据可得的情况, 对光伏电站的历史运行数据要求不高。进行大空间尺度预测时, 采用NWP数据较合适;进行小范围局部预测时, 采用地面测量站数据更精确。这一模式多用于短期光伏功率预测, 随着NWP的时空分辨率上升, 模式1也逐渐在超短期光伏功率预测中使用。
2) 模式2
输入光伏电站历史发电量, 建立预测模型。该模式适用于缺少气象、辐照数据但历史运行数据可获得的情况, 可在超短期和短期光伏功率预测中使用。当光伏电站所处地区气候变化不明显时, 未来光伏功率与历史光伏功率具有较强相关性, 该模式可达到较高精度。
3) 模式3:
输入气象、辐照、光伏电站历史运行数据等, 建立预测模型。该模式对输入数据要求最高, 预测结果的精度也较高。
4) 模式4
基于持续预测模型和晴空预测模型的基础预测模式。针对天气预报数据较难获取或新建光伏电站历史数据较少的情况, 使用上述两个预测模型实现光伏功率粗略估计。基础模型算法简单、实现要求低, 但其预测精度较低、适用时空尺度较小, 常作为对照模型, 对比新预测模型的预测效果。
所有预测模式的关键都在于寻找已知变量和数据与未来光伏功率之间的映射规律, 如模式1 需寻找气象因素、地理因素与地面辐照度之间的规律, 模式2 需要寻找历史和未来发电量之间的规律。
1. 5 预测精度评价指标
统一有效的预测精度评价指标有利于不同研究结果之间的比较。假设X为实测值、为预测值、N为样本数据量, 则常用的预测评价指标如下[11]。
1) 方均根误差eRMSE:
2) 平均绝对误差eMAE:
3) 平均误差eMBE:
平均误差可以反映预测系统的系统性偏差。
4) 相关系数ρ:
式中: cov表示协方差; var表示方差。
5) 标准差eSDE:
且有
6) 技术得分 (skill score)
是将新模型与基准模型预测结果进行对比得到评价指标, 常用的基准参考模型有持续预测模型[5], 其计算方式如下:
式中: Mr, Mf, Mp分别为基准预测模型、新预测模型、无误差完美模型的某个预测误差指标。
2 光伏功率预测算法
2. 1 预测技术图谱
光伏功率预测的关键在于确定不同时空尺度下影响光伏功率的主要因素及其作用机理, 并选择恰当的算法建立预测模型。常见的预测技术方法总结如图5 所示。
图5 中: WRF为天气研究和预报模型; MM5 为第5 代中尺度预报模型; GFS为全球预报系统;ECMWF为欧洲中尺度天气预报中心。
图5 中的预测方法基本沿着两条思路展开技术研究。
1) 研究辐照度、光伏功率的关键影响因素, 这是物理方法的思路, 主要方法有基于云图 ( 超短期) 和NWP ( 短期、中长期) 的方法。
2) 学习辐照度、光伏功率历史规律, 这是统计方法的思路, 主要方法有神经网络等智能算法、时间序列法、基础预测法等。
本节按预测时间尺度分超短期和短期光伏功率预测进行方法评述, 中长期光伏功率预测目前研究较少, 此处不再进一步评述。
2. 2 超短期预测
适用于光伏功率超短期预测的方法有基础预测方法、基于云图的预测方法以及基于数据驱动的预测方法。目前NWP时空分辨率普遍较低, 暂不适用于超短期预测。
2. 2. 1 基础预测方法
持续预测方法假设预测时刻气象、辐照等条件与当前时刻一致, 从而采用数据外推方法预测辐照度和光伏功率。这是最简单的预测方法之一, 但精度也较低, 通常情况下, 持续预测在超过1 h的预测中仅作为基准预测方法而非实际应用的工程算法[12]。
晴空预测模型 ( clear sky model) 假定天空中无云, 基于大气辐射传输模型和大气要素进行辐照度或光伏功率预测, 其主要考虑的大气要素有臭氧含量、水汽含量、林顿浑浊度等[13], 主要的预测模型有Solis模型、ESRA模型、Bird and Hulstrom模型、Ineichen模型等[14]。晴空条件下光伏功率波动小, 能够最大限度地反映辐照度的发电效应, 因此常将晴空预测模型作为基本标定模型。
上述两种基础预测模型适用于光伏数据缺失或数据质量较差的情况, 但由于无法考虑辐照度和光伏功率的波动性和随机性, 其预测精度较低, 在天气状况变化剧烈或预测时间尺度较长时预测效果更差, 目前工程应用不多。
2. 2. 2 基于云图的超短期预测
云是影响地面辐照度的主要气象要素, 云层运动是地面辐照度和光伏功率波动性的主要原因[15], 因此, 基于云图的预测方法成为精细化光伏预测的重要技术方向之一。基于云图的超短期预测通过专用设备对云进行测量并完成图像采集, 利用在线图像分析技术分析云层运动情况, 预测云层对太阳光的遮挡情况, 实现地面辐照度和光伏功率预测。基于云图的光伏功率预测误差随着预测时间尺度增加而变大, 实时预测的方均根误差在5% 以内, 而10 min预测的方均根误差则可达20% 以上[16]。
常用的云图有地基云图和气象卫星云图。其基本原理都是在假定云团形状不发生改变、云团移动速度在短时间内保持不变的情况下, 通过连续图像分析得到天空云层的分布位置、云团大小、移动速度等信息。所有的云图都需要进行图像处理识别云团, 通过块匹配技术、交叉相关算法[17]等方法预测云团运动、形成云指数图、预测云团遮挡等操作。其中云指数的提取技术已经较为成熟, 常用于太阳资源研究[17,18]。图6 所示为通过分析气象卫星Mereosat-9 拍摄的云图形成的云层移动矢量图[18], 从中可以清晰地看到云层的运动方向和速度, 从而得到考虑云层遮挡效应后的辐照度数据并进一步预测光伏功率。表1 对基于卫星云图和地基云图的两种预测方法进行了对比。
虽然基于云图的方法为实现精细化预测提供了可能, 但受限于测量设备和方法局限, 仍然存在以下不足。
1) 由于在预测中默认假设短时间内云团的形态、速度保持不变, 因此在云团形态和移动速度剧烈变化时, 该方法无法获得准确预测结果。
2) 云层高度信息获取困难或缺少。云层对地面的遮挡与云层的高度有密切关系, 但云图无法给出云层高度信息, 将不同高度的云层统一处理, 会增加预测的误差。
3) 卫星云图空间分辨率较低, 图上一个像素点对应较大的地面面积, 无法判定小范围内云层情况。
4) 地面天空成像仪拍摄空间有限, 只能获取较小范围内云层信息, 当云层移动速度较快时, 预测时间尺度将大大缩减。
5) 云图图像处理分析需在极短的时间内完成, 对算法速度要求高, 需权衡速度与精度。
为弥补上述不足, 有研究尝试将云图与其他预测方法或数据来源相结合, 共同实现超短期辐照度或光伏功率预测, 如文献[19]将卫星云图的分析数据与地面遥测数据相结合, 共同作为预测模型的输入进行预测; 文献[20-21]利用卫星云图与NWP数据进行提前4 h的超短期光伏功率预测; 文献[19-22]分别将地基云图数据和卫星云图数据、NWP数据相结合进行预测。
国内对基于云图的预测方法研究及应用时间较短, 对云层信息预报能力有限, 仍处在探索阶段。国外在此方面的研究起步较早, 但受限于预测精度和时空尺度, 现阶段工程应用实例不多。
文献[23]介绍了安装在美国San Diego的地基云图分析系统, 在不同时间尺度、不同季节条件下对比基于地基云图的超短期辐照度预测与持续预测的精度, 基于地基云图的预测在30 s预测尺度下整体优于持续预测, 在5 min预测尺度下优势并不明显。
2. 2. 3 基于数据驱动的超短期预测的数学方法
超短期预测算法已被用于电力负荷和风功率预测中, 在光伏功率预测中也有着广泛的应用前景。根据算法原理的不同, 可以分为线性和非线性预测算法以及两种或多种预测算法组合形成的综合算法。
1) 线性预测算法
线性预测算法利用光伏电站的历史数据和外源性气象数据等, 进行多元回归, 预测光伏功率或地面辐照度, 常见的算法有ARMA、自回归积分滑动平均 ( ARIMA) 、外源自回归滑动平均 ( ARMAX) 等。
2) 非线性预测算法
光伏功率与其作用因素之间存在着较强的非线性关系, 单纯采用线性预测算法可能无法获得期望精度。非线性预测算法主要依据多因素与光伏功率之间的非线性统计规律, 实现预测。主要算法有: 神经网络算法[22,24]、支持向量机 ( SVM) 算法[9,25]、卡尔曼滤波算法[26,27]、马尔可夫链算法等。
3) 综合预测算法
综合预测算法是针对辐照度和光伏功率特性, 选择算法进行组合得到的。针对各因素对光伏功率的线性和非线性影响, 将线性和非线性预测算法相结合; 针对云对光伏功率的显著影响, 将云图与智能算法如神经网络算法相结合[24]; 针对光伏功率变化频率快, 文献[28]将AR回归模型和Lucheroni模型相结合, 建立CARDS综合模型, 利用Lucheroni模型处理高频数据; 针对光伏功率的波动性, 文献[29-30]分别将小波分析算法与智能预测算法相结合, 将光伏功率分解到不同频段 ( 能量段) 上分别进行预测; 针对光伏功率的周期性和规律性, 采用相似时段选择算法[25], 利用分类/聚类方法筛选与预测对象具有相同特征和规律的训练样本; 利用光资源的物理特性, 如空间相关性, 将目标光伏电站周边的光伏电站历史数据和目标电站历史数据作为预测模型的输入[31]。
采用综合预测算法时, 需要深度把握光伏发电及光资源特性方可得到恰当的算法组合, 否则可能无法提高预测精度。但目前研究还停留在不同算法间的机械组合, 尚未深入到依据特性组合算法层面。
2. 3 短期预测
2. 3. 1 基于NWP的预测
短期预测一般需要NWP。NWP可以提供光伏功率的关键气象因素及辐照度的预报。NWP模型由一组根据物理规律建立的、用于预测大气状态的微分方程组成, 最大预测时间尺度为10 d[5], 可同时给出风功率和光伏功率预测所需的风速和辐照度信息。根据预测时空分辨率不同, NWP可分为全球和中尺度NWP。全球NWP目前运行在大约15 个气象服务站[12], 如美国国家海洋和大气管理局 ( NOAA) 的GFS及ECMWF, 其空间分辨率一般为16 ~ 50 km, 时间分辨率一般为3 ~ 6 h。 中尺度NWP是基于全球天气预报的输出结果和地区特点进行的预报, 相比于全球NWP具有更高的时空分辨率, 其空间分辨率一般为5 ~ 20 km, 甚至可达1 km, 时间分辨率可达15 min ~ 1 h。中尺度NWP模型还可根据地域特点, 利用数据后处理技术对结果进行修正[12]。常用的NWP模型如表2 所示[13]。
通过NWP得到的辐照度可能存在较大误差, 主要误差来源有NWP模型内辐照转化模型 ( RTM model) 、云量预测模型及其他预报变量的误差[32], 一般误差在非晴空条件下比晴空条件下大。
改进NWP精度的常用方法有数据后处理技术, 通过模式输出统计 ( MOS) 方法可以对NWP的输出结果进行修正[12,32]; 时空平滑法, 采用多个网格预测平均值作为一个区域的预测值[10]。
注:GFS*表示GFS的升级;RUC为快速更新循环模型;RAP为快速刷新模型;NAM为北美中尺度预报模型;HRRR为高分辨率快速刷新模型。
现阶段, 很多国家提供了NWP公共服务。与国外先进水平 ( 如丹麦) 相比, 中国的NWP精度较低。
2. 3. 2 常用短期预测算法
用于短期辐照度和光伏功率预测的主要算法有如下几种。
1) 神经网络算法
神经网络算法具有良好的泛化能力和容错能力, 广泛运用于光伏功率预测[33,34]。目前不少研究在神经网络算法基础上, 通过建立组合模型、优化输入神经元结构、改进网络内部算法等来适应实际预测问题。
虽然神经网络算法可拟合复杂的非线性关系, 但高精度的神经网络预测模型需要高精度的输入数据。当样本复杂且分散时, 神经网络可能无法有效学习输入、输出之间的规律, 导致预测精度较低。
2) 分类回归算法
分类回归算法以光伏功率的周期性和规律性为基础, 建立特征指标体系, 划分数据样本, 获得相似日样本[9,35], 根据样本特点建立预测模型, 利用与预测目标时段具有高相似度的样本训练模型进行预测。采用分类回归算法可以有效学习目标时段规律, 提高预测效率和精度。常用的分类回归算法有SVR[36,37]和决策树 ( CART) 等。
分类特征指标体系的确立是这一类方法的关键, 目前这方面尚缺少深入研究。
3) 时间序列算法
用于短期与超短期光伏功率预测的时间序列算法原理相同, 主要有ARMAX[38]、外源自回归 ( ARX) [39]算法等。时间序列预测算法适用于对预测精度要求不高、天气变化不明显的情况。
4) 小波分析算法
小波分析具有多分辨率分析的特点, 在时域和频域都具有表征信号局部信息的能力。近年来, 国内外不少研究将小波分析用于分析和预测光伏功率[29,40], 对光伏功率进行不同频段的分解和预测, 以及异常数据点识别。
由于小波分析并不能直接实现光伏功率预测, 因此小波分析算法往往在组合模型中出现, 用于深入分析变量之间的关系和提高预测精度。
5) 随机森林算法
随机森林是一种统计学习理论, 通过重抽样方法抽取多个样本, 建立决策树, 组合多棵决策树预测最终结果, 其对异常值和噪声有较强的容忍度, 不易出现过拟合问题[41]。随机森林算法在光伏功率预测领域的运用较少, 仅有少量研究尝试建立有差异的回归树实现光伏功率预测[42]。
由于在不同天气模态下光伏数据特点不同, 预测适用的算法不同, 因此后续的研究中可以构建多预测模型森林, 针对实际情况自主选择预测结果的组合。
6) 概率预测算法
概率预测方法能给出下一时刻可能的光伏功率值及其出现的概率, 提供了较全面的预测信息[43]。
目前国内外对光伏功率的概率预测还处于研究起步阶段, 主要尝试将不同概率预测算法套用到光伏功率预测问题[44,45], 在建立适用于光伏功率预测问题的概率预测模型、建立误差评价标准等方面都需要进一步深入研究。
7) 综合预测算法
综合预测算法[46,47,48,49]的基本思想与超短期预测中综合法类似, 是研究热点之一, 但目前针对特定预测环境的组合模型分析较少, 组合模型对预测精度的提升效果有限。
3 提升预测精度方法
3. 1 提升预测精度概述
光伏功率预测强依赖于天气模态数据样本, 其精度在不同天气模态下差异较大。文献[5]指出光伏功率预测的方均根误差 ( 0 ~ 300% ) 与太阳高度角和天空晴朗程度相关, 如图7 所示。
提高预测精度是光伏功率预测的核心问题, 目前研究主要聚焦在通过数据预处理提升输入数据品质以及深度挖掘数据特性提高模型精确性两方面, 前者如坏数据剔除、缺失数据重构、数据归一化和去趋势化等; 后者如数据样本筛选和输入参数优选。
3. 2 光伏数据预处理
光伏数据质量参差不齐, 通信、测量环节的问题都可能导致坏数据产生及数据缺失; 不同类别的数据具有不同的量纲和数值范围, 因此, 对光伏数据进行预处理操作是高精度预测的必要环节。
1) 坏数据剔除
通常依据物理规律或数据采集质量控制要求剔除坏数据。但由于光伏数据本身具有较大的分散性, 对坏数据的定义是一个难点, 定义不准确会导致误判。目前这方面的相关研究不多。
2) 缺失数据处理
当要求数据具有连续性或者数据样本较小时, 剔除缺失数据段会给预测精度带来较大影响, 因而重构缺失数据很有必要。
插值法是最简单的数据重构方法之一, 如采用插值法提高NWP数据的时空分辨率。但由于光伏数据的波动性和随机性显著, 插值法可能无法较好地还原数据序列。文献[50]采用已知数据建立特征空间, 利用SVM分类模型实现历史缺失数据的恢复, 但对用于分类的特征空间分析和论证较少。
辐照度和气象因素都具有较强的空间连续性和相似性, 由此产生了基于空间相关性的数据还原技术。文献[51-52]采用空间相关性理论, 利用目标光伏电站周边光伏电站的数据和主成分分析法, 实现对目标光伏电站辐照度或功率缺失数据的重构。这种方法不仅能还原数据序列, 而且可用于光伏功率预测。但现阶段国内外对光资源空间相关性研究不多, 国外对空间相关性的研究较少考虑光伏电站之间的地理方位关系, 而国内光伏发展起步较晚, 区域光伏电站的数据积累不够, 相关方面的研究还处于探索阶段。
3) 数据归一化和去趋势化
对光伏数据实行归一化操作是为了避免不同数据的量纲和大小范围导致的预测结果不准确问题。
光伏数据序列具有较明显的季节、时间变化趋势, 而统计方法如ARMA等不能适应具有趋势的数据, 需要对光伏数据进行去趋势化操作。去趋势化常通过将辐照度数据标准化或转化为晴空指数进行[53]。
3. 3 数据样本分类筛选
光伏数据样本筛选的研究主要包括光伏数据分类/聚类和预测模型输入参数选择。分类/聚类方法研究是当前研究热点, 常采用“相似日”的概念[54]。光资源特性和光伏发电特性的研究是实现光伏数据样本筛选的基础, 可以用相关性分析和多元回归方法进行特性分析[55]。
3. 3. 1 样本分类筛选
所谓样本分类筛选, 即通过分类或聚类的方法寻找相似样本, 用于预测模型的训练, 不仅可以防止小容量样本的规律性被遮盖, 还可使预测模型对目标样本更有针对性。分类筛选研究可分为以下两类。
1) 将光伏数据按不同的天气类型划分。划分依据通常是季节与天气类型[50,56], 也可用辐照度和云量作为指标[57], 将光伏样本划分为如晴天、阴天、雨天等。此类划分指标选取简单、实现方便, 但划分结果粗糙, 不能给出精确的物理、数学解释。
2) 选择特征指标构造特征空间, 并通过Kmeans聚类、自组织神经网络 ( SOM ) [36,58], 以及SVM[37]和CART[59]等方法实现样本的分类/聚类。选择区分度显著的特征指标和有效的分类/聚类方法是这类研究的重点。特征指标的获取方式有:1直接从NWP中获取, 如温度、云量[58]等; 2提取直接可得参数序列的某个统计指标作为特征指标, 如晴空指数、辐照度三阶导数最大值、辐照度方差、辐照度与理论值偏差值[50,60]等; 3变换直接可得参数, 形成特征指标, 如采用主成分分析法将现有的相互相关的参数转换成互不相关的主成分[61]。
目前研究主要集中在对不同指标和聚类方法的选择上, 有以下两点不足。
1) 对特征空间构造的阐述不足。样本划分合理性的关键在于特征空间构造的正确性, 特征空间的构造需要联系光伏发电的内部物理规律, 选择与光伏功率最显著的变量进行构造。
2) 缺少对光伏数据时序特征的描述。光伏数据往往是一系列具有很强周期性和时序规律性的时序数据, 但现阶段的研究很少涉及时序特性的描述。
现阶段分类/聚类较粗糙, 实现精细化分类是提高光伏功率预测精度的关键, 也是后续研究的重点。
3. 3. 2 输入数据选择
输入数据选择是通过物理分析和数学方法, 选择目标预测条件下的主导因素。
在不同预测时空尺度、天气模态下, 对地面辐照度和光伏功率产生主要影响的因素不同, 直接辐照度、总辐照度、散射辐照度的主要影响因素也不同, 如在长预测时间尺度上气象要素的重要性比短预测尺度小[6]; 对地面直接辐照度影响最明显的因素是云层覆盖率、气溶胶光学厚度、对流层大气成分和平流层大气, 而对地面总辐照度影响最明显的因素是降雨量和太阳天顶角[7]。随着气象研究的发展和测量技术的升级, 还出现了一些与地面辐照度和光伏功率相关的新参量, 如液态水深[62]、空气质量系数[63]、气溶胶光学厚度[64]等。
输入数据选择的方法有多元线性回归法[65]、主成分分析法[66]、相关系数计算法[56,67]、灵敏度分析法、伽马测试 ( GT) 和遗传算法 ( GA) [7]等。
4 结语
中国已实现基本光伏功率预测功能, 建立了多个完整的光伏功率预测模型。但光伏功率与气象等因素作用关系复杂多变, 对其之间的规律性挖掘不够充分; NWP的预测时间尺度和精度尚未达到高精度光伏功率预测的要求, 同时受到光伏数据积累量和限电等原因导致的数据质量问题等制约, 预测精度与国际先进水平仍有一定差距。
光伏功率预测研究现集中在超短期和短期预测上。提高预测精度是当前研究热点, 数据预处理和样本分类筛选是提高精度的有效方法。
以提高中国光伏功率预测精度为目标, 对国内光伏功率预测研究提出以下建议。
1) 加强数据质量控制, 深入数据预处理研究。从测量、传输开始控制数据质量, 选择可靠的传输协议, 并通过数据预处理技术, 利用光伏数据特性, 如空间相关性, 剔除坏数据、还原残缺数据集, 增强数据的完整有效性。
2) 深度挖掘数据特性, 具体包括以下几点。1深入分析光资源和光伏发电特性。光伏功率具有较强时空相关性和多影响因素特性, 可结合地理方位和云层运动, 对区域光伏功率数据进行分析, 寻找空间相关性规律; 通过灵敏度分析等方式, 寻找不同天气模态下光伏功率的显著影响因素。2深入研究精细化光伏数据分类/聚类。结合光伏功率特性, 构建分类/聚类特征指标, 根据工程要求采用SOM等算法, 实现精细化光伏数据分类/聚类。3深入研究针对光伏功率特性的预测算法。光伏功率预测不具有普适性的预测算法, 需根据目标光伏电站的实际数据、环境情况, 结合光伏功率特性, 建立精确预测算法。
功率电子技术 篇2
摘要 介绍一种多分布传式MARX发生器能源计算机监控系统.详细叙述了系统的硬件构成,计算机与各能源系统之间的通讯原理和通讯协议,以及系统的软件实现，同时简要说明了系统抗干扰解决办法。
关键词 MARX发生器 程控电源 RS485总线 Visual Basic
1 引言
脉冲能源装置在加速器、自由电子激光研究、X光闪光照相和粒子聚变等脉冲功率技术研究领域广泛使用，通常使用数量较多，分布较广，同时周围电磁干扰较强，控制操作和参数测量都比较复杂，同时也需要较多的人力来维护。
随着计算机技术的发展，当今世界上基于PC的自动化方案已成为主流，PC在自动化领域的应用正迅速增长，通过将所有的功能集成于这个统一开放的平台上，通过人机界面可以使复杂的控制和数据处理变得更加简单化。
2控制系统硬件构成
整个系统有多台Marx需要控制，每台发生器由充电控制和触发两部分组成，需要控制的量有充电电压的起停控制、电压检测、接地装置的通断控制、触发以及开关上的气压检测等，通过一条总线将将系统中的各个被控量连接在一起，构成一分布式控制系统，这里采用工业上广泛使用的RS485总线，RS485总线是美国电子工业协会(EIA)制定的平衡发送、平衡接收的标准异步串行总线，具有传输距离远、通讯速率高，抗干扰能力强，软硬件支持丰富与现场仪表接口简单，易于实现和扩展等特点，接口总线上可连接32个设备，加中继器后最多可达255个设备，因此完全满足该能源控制要求。控制系统框图如下：
图1 控制系统结构图
该系统由一台主控上位机PC和一系列MARX发生器充电电源设备构成，由于环境电磁干扰较为严重，在选择通信介质时可优先采用光纤通信方式，通讯速率57.6kB/s，通讯距离可达1.2km，通过上位机(PC)发送参数及控制命令，给电容器充电到事先设定的电压值(0到100kV之间任意值)。在以上各子设备中，经常要用程控电源去控制MARX发生器的充电电压、充电速度。通过一台工控PC机灵活地控制多台充电电源，以达到控制各MARX发生器充电的目的。针对这一需要，采用带有RS485通信接口的具有线性升压功能的可编程交流电源，该电源内部自带单片机系统和看门狗定时器，每个电源赋予各自独立的地址码用以识别身份，同时它属于正弦波调压，可有效避免采用传统的采用可控硅调压方式时屡次损坏高压变压器的.情况，使操作者能够方便灵活地对其进行控制。
每路Marx发生器充电部分包括程控电源、双极性高压变压器，分压器和接地装置等三部分，见图2 所示，程控电源给高压变压器初级提供缓慢上升的电压，变压器高压侧经整流后给MARX发生器充电，电压检测是通过10000：1的高压分压器将分压后的信号送给程控电源内部A/D转换，经内部单片机处理，并与设定的电压值进行比较，比较后的结果用来实现自停控制，这样可有效防止通讯故障所造成失控现象。
图2 Marx发生器能源部分线路图
3 MARX发生器能源制过程
① 程控电源接通供电电源时的输出为0伏，开关量输出为假(开路)。
②首先上位机发出各种设置参数到指定地址程控电源。如,上升时间、上升速度、保持时间、充电电压等。
③程控电源收到电压回传命令后，将两路模拟量的值传送到上位机。
④上位机发出启动指令后，指定地址程控电源的输出开始从0伏慢慢线性上升到设定值，保持到指定的时间后关断
功率电子技术 篇3
【关键词】MOSFET；静态；动态；反向工作区
基金项目：本科教学建设与改革项目资助：面向电动车辆工程方向的自动化专业人才培养模式研究与探讨，项目编号：JX201603-1.
【分类号】G643；G254.97-4
1、基本结构
图1垂直导电结构MOSFET和电气图形符号
功率MOSFET通常采用平面结构和垂直导电结构，平面结构中MOSFET的三个电极在硅片的同一侧，这种结构存在导通电阻大和通过电流低等弱点；垂直导电结构种MOSFET的源极和栅极在一侧，而漏极则在芯片衬底一侧。
功率MOSFET是单极性器件，只有一种载流子导电，不管是N沟道型还是P沟道型MOSFET，载流子从源极出发，经漏极流出，由于P沟道的导通电阻较大，所以通常使用N沟道的MOSFET。
2、工作原理
从图1的结构可知，垂直导电结构的MOSFET中有两个PN结，分别是 和
截止：漏源极间加正电源，栅源极间电压为零。
P基区与N漂移区之间形成的PN结反偏，漏源极之间无电流流过。
导电：在栅源极间加正电压UGS
当 大于 时，P型半导体反型成N型而成为反型层，该反型层形成N沟道而使PN结消失，漏极和源极导电。
3、基本特性与工况分析
3.1 静态特性
1） 转移特性
2） 输出特性
a） 电阻性区域
在开关状态下，这里 的大小仅仅由外电路决定，而与输入信号无关，在该区域中，静态导通压降 。
b） 饱和区
当 仅略大于栅极开启电压时，此时漏极电流受栅源电压控制，这个区域成为饱和区，在饱和区中， 对 没有影响，当 一定时， 也近似恒定，只有通过改变 的大小才能改变 。
c） 电压击穿区
如果 太大，PN将发生雪崩击穿， 骤增而使得器件失效。
3.2 动态过程
该部分内容看参考文献[1]和[2]，这里不再赘述。
3.3 正偏和反偏分析
模式1：正栅压正向输出
此时导电沟道已经形成，当 的数值大小不一样的时，MOSFET经过主动区域和电阻性区域。
模式2：无栅压正向输出
此时导电沟道没有形成，当 的数值在MOSFET安全工作区时，MOSFET处于截止区域。
模式3：正栅压反向输出
由于栅源电压大于MOSFET的开启电压，导电沟道形成，虽然MOSFET漏极和源极之间施加反向电压，但是此时仍然是通过导电沟道通电，因此MOSFET的导通压降大大低于MOSFET寄生的二极管的导通压降。
模式4：无栅压反向输出
此时导电沟道没有形成，MOSFET漏极和源极之间施加的反向电压，MOSFET寄生的二极管导通，导通压降为二极管的压降。
4、MOSFET的选型与检测
4.1 重要参数
1） 漏极电压
该电压是MOSFET的电压定额，即Drain-to-Source Breakdown Voltage（ ），温度发生变化时该电压值发生改变，该指标为Breakdown Voltage Temp. Coefficient， 。温度越高，该电压值越大。
2） 漏极电流
对漏极电流的约束，有两个部分，一是源极电流，即Continuous Source Current（ ）和Pulsed Source Current（ ），该电流是MOSFET寄生的二极管能够通过的电流，二是漏极电流，即Continuous Drain Current（ ）和Pulsed Drain Current（ ），在不同的溫度下该电流的数值时不一样的，温度越高，该电流值越小。
3） 栅源电压
即MOSFET的Gate-to-Source Voltage（ ），该电压必须大于MOSFET的Gate Threshold Voltage（ ），同时该电压必须小于MOSFET栅源电压的最大值。该电压越高，MOSFET最大连续漏极电流越大，并且其稳态导通电阻越小，总等效的栅极电荷越大。
4） 导通电阻
即RDS（on），Static Drain-to-Source On-Resistance，该电阻有一个典型值和最大值，不同的漏极电流和栅源电压，此时MOSFET的导通电阻值时不一样的，由该阻值引起的损耗为： ，因此该电阻越大，静态损耗就越大。温度越高，导通电阻越大。
5） 栅极电荷
该电荷分成三个部分，分别是Total Gate Charge（ ）、Gate-to-Source Charge（ ）、Gate-to-Drain （"Miller"） Charge（ ），该电荷数值越大，损耗就越大，同时栅极驱动功率就越大。
4.2 用万用表检测
以N沟道功率MOSFET为例，使用万用表判断MOSFET是否正常：
1）万用表二极管档
红表笔接MOSFET管的源极S端，黑表笔接MOSFET管的漏极D端，不同的MOSFET寄生二极管的导通压降不一样，如果此时数字万用表显示的数值为0.2-0.7之间，可以认为这项指标合格；
2）万用表电阻档
首先红表笔接MOSFET管的栅极G端，黑表笔接MOSFET管的源极S端，此时电阻值较大，在几百KΩ以上；再次红表笔接MOSFET管的栅极G端，黑表笔接MOSFET管的漏极D端，此时电阻值较大，在几MΩ以上；最后红表笔接MOSFET管的漏极D端，黑表笔接MOSFET管的源极S端，此时电阻值较大，在几MΩ以上；如果以上三个数值都在范围之内，认为这项指标合格；
当（a）项、（b）项的指标都合格时，可以断定该MOSFET基本合格。在测试过程中需要注意的是，该测试方式是针对独立的MOSFET，没有任何外接电路，当MOSFET管焊接在电路板上时，此测试方法容易带来误差，主要是电路中其他的元器件工作不正常可能影响该MOSFET上述的测试结果。
4.3 用示波器检测
按照图1（b）所示，在MOSFET的栅极和源极之间施加一电压脉冲信号，脉冲信号的幅值在8V-15V之间，用示波器测量MOSFET的漏极和源极之间的波形，如果该波形如图1（c）所示，并且该波形的幅值小于1V，满足这一条件可以认为该MOSFET正常。
参考文献：
[1]王兆安，黄俊.电力电子技术[M].北京：机械工业出版社，2001.
[2]邢岩等.电力电子技术基础[M].北京：机械工业出版社，2009.
[3]郭荣祥，崔桂梅.电力电子应用技术[M].北京：高等教育出版社，2013.
风电功率预测技术 篇4
风电功率预测的主要功能是计算出风电场未来0-24小时的逐时刻发电功率, 为电网消纳风电, 降低调峰成本, 提高风电质量以及提高风电场营运维护效率提供可靠的依据。
风电在没有预测技术之前是不可预知的, 所以就要为此付出更多的调峰成本。当风很大时, 减少火电的发电;反之, 加大火电的输出;这样热备份电场就会相应的浪费许多能源。与之相反, 如果事先知道风电场的出力曲线, 可以安排调度任务, 在发电过程中自然的吸纳风电, 从而节约调峰成本, 同时保证了电网的稳定运行。则风电功率时大时小, 无从预知, 会对电网造成很大的冲击, 甚至导致不可预知的严重后果。
2 风电场功率预测算法
2.1 风电场功率预测技术概述
按照不同的标准, 可以对预测方法进行分类。根据预测的物理量可以分为两类, 第一类为对风速的预测, 然后根据风电机组或风电场的功率曲线得到风电场的功率输出;第二类为直接预测风电场的输出功率。
根据所采用的数学模型不同可分为持续预测法、ARMA模型、卡尔曼滤波法和智能方法等。持续预测方法是最简单的预测模型, 这种方法认为风速预测值等于最近几个风速值的滑动平均值。通常认为最近一点的风速值为下一点的风速预测值。该模型的预测误差较大, 且预测结果不稳定。改进的方法有ARMA模型法、卡尔曼滤波算法或时间序列法和卡尔曼滤波算法相结合。
根据预测系统输入数据也可以分为两类, 一类不采用数值天气预报的数据, 一类采用数值天气预报的数据。
根据预测的时间尺度可分为超短期预测和短期预测和中长期预测。
从建模的观点来看, 不同时间尺度是有本质区别的, 对于0～4h的预测, 因为其变化主要由大气条件的持续性决定, 因此不采用数值天气预报数据也可以得到较好的预测结果, 风电场输出功率预测都把数值天气预报数据作为一组重要输入数据。
考虑了地形、粗糙度等信息采用物理方程进行预测的方法称为物理方法, 根据历史数据进行统计分析, 找出其内在规律并用于预测的方法称之为统计方法。如果物理方法和统计方法都采用则称之为综合方法。
2.2 风电场功率预测算法
根据赤峰、通辽地区风电场所处地理位置的气候特征和风电场历史数据情况, 采用适当的预测模型进行特定风电场的功率预测, 根据预测时间尺度的不同和实际应用的具体需求, 宜采用多方法及模型, 形成最优预测策略。
从建模的观点看, 0-4小时的风电场功率变化主要由大气条件的持续性决定, 不采用数值天气预报数据也可以得到较好的预测结果, 因此系统中采用时间序列法进行建模。对于短期预测, 不考虑数值天气预报数据无法反映大气运动的本质, 所以数值天气预报数据是一组必需的输入数据, 根据赤峰、通辽地区风电场的数据情况, 采用统计或物理方法建立短期功率预测的模型。
1) 基于人工神经网络的统计方法:
统计法基于“学习算法”, 通过一种或多种算法建立NWP历史数据与测得的风电场历史输出功率数据之间的联系, 再根据该关系式, 由NWP数据对风电场输出功率进行预测。
BP网络除输入输出节点外, 还有一层或多层隐含节点, 同层节点中没有任何连接。输入信号从输入层节点依次传过各隐含节点, 然后传到输出节点, 每层节点的输出只影响下一节点的输出。BP网络整体算法成熟, 其信息处理能力来自于对简单非线性函数的多次复合方法。BP神经网络一般结构如图1所示。
采用BP神经网络进行训练是一种非线性拟和的方法, 经过训练的神经网络, 对于不在样本集附近的输入也能给出合适的输出。由于BP神经网络的强非线性拟和能力, 尤其对预测中各天气参数 (风速、风向、温度、气压、湿度、云层覆盖度等) 处理方便, 而且学习规则简单, 便于计算机实现。
2) 基于微观气象学理论的物理方法:
风电功率预测的物理方法主要基于大气边界层动力学与边界层气象理论, 将NWP系统输出的粗略的预测数据精细化为风电场实际地形、地貌条件下的预测值, 并将预测风速、风向转换为风电机组轮毂高度的风速、风向, 考虑风电机组间尾流影响后, 再将预测风速应用于风电机组的功率曲线, 由此得出风电机组的预测功率, 最后, 对所有风电机组的预测功率求和, 得到整个风电场的预测功率。
3) 时间序列方法:
时间序列分析建模最大的优点在于不必深究信号序列的产生背景, 序列本身所具有得时序性和自相关性已经为建模提供了足够得信息, 只需要有限的样本序列, 就可以建立起相当高精度的预测模型。时间序列模型主要包括稳定模型和非稳定模型。常用的稳定模型有自回归模型、滑动平均模型、自回归滑动平均模型几种。非稳定模型有整合自回归滑动平均模型等。
3 风电功率预测的误差
预测误差的来源主要有天气条件快速变化、测量数据损坏、风电机组停运、数值天气预报数据误差较大、预测模型不精确等。数值天气预报的准确度在一定程度上对功率预测系统的准确度也产生影响, 数值天气预报的来源和水平分辨率对于功率预测的精度产生影响。目前的水平分辨率是5KM×5KM, 还有待于进一步提高, 明确预测误差的定义有利于对预测方法的优劣性进行评价。
其中η为均方根误差与装机容量的比值。随着系统的不断完善, 经验和历史数据的积累, 预测误差会逐渐较小。即使是同一个预测系统, 由于其应用形式不同, 预测区域的大小和风电场的数量、预测的时间尺度和输入数据的精度等不同, 风电功率预测的误差也不同。
提高系统精度的方法:一是将水平分辨率达到1KM×1KM, 即预测区域越大, 预测的误差越小;二是系统运行一段时间后进行系统的模型再训练。三时间尺度越大, 预测误差越大, 时间尺度越短, 预测误差越小。四是采用多种天气预报模型组合、使用多种预测模型和更多的输入信息, 也有助于提高预测的精度。
4 风电功率预测技术优势
1) 边界层高精度数值气象预报:
风电场近地层高精度数值气象预报系统, 可以进一步为风电场提供精细风速、风向预报。
2) 人工智能数据挖掘与数据融合。
系统采用先进的人工智能算法, 对风电场的历史数据, 包括SCADA、EMS、测风数据, 以及NWP数据进行全面整合, 从而建立完整的风电场数据库。系统能够自适应地对海量数据进行筛选和挖掘, 找到内在规律, 为功率预报提供全面的数据和智能支持。
3) 能力预测与实发预测相结合。
实发预测:如果风电场处于满负荷运行状态, 系统直接给出风电场满负荷运转的未来功率预报;如果风电场处于限负荷运行状态, 系统会主动自适应的捕捉电场运行管理员的操作模式, 从而给出结合了现实运行情况和未来风资源情况的功率预报。
能力预测:风电场不论处于何种投运状态, 系统都会给出风机100%利用率情况下的潜在出力曲线。
5 结束语
随着风力发电装机容量的不断提升, 风电占所在电网的比例也在逐步增加。风电功率预测系统让风电场可以提供准确的天前发电功率曲线, 这使得电网调度可以有效利用风电资源, 提高风电发电上网小时数额。对促进风电的规模化发展起到非常重要的作用。
摘要：结合风电场输出功率预测系统中预测结果缺乏足够精度的原因展开分析和讨论, 提出了解决方案, 最后阐述了对提高风电功率预测精度还需要进一步做的工作。
关键词：风力发电,风电场,功率,预测,电力系统
参考文献
[1]谷兴凯, 范高锋, 王晓蓉等.风电功率预测技术综述[J].电网技术, 2007, (S2) .
[2]屠强.风电功率预测技术的应用现状及运行建议[J].电网与清洁能源, 2009, (10) .
[3]冯双磊, 王伟胜, 刘纯等.风电场功率预测物理方法研究[J].中国电机工程学报, 2010, (02) .
[4]彭怀午, 刘方锐, 杨晓峰.基于人工神经网络的风电功率短期预测研究[J].华东电力, 2009, (11) .
功率电子技术 篇5
摘要：本文综合了几种常用风力发电机的并网控制技术，分析比较了它们各自应用于风力发电上的优缺点，并指出风力发电技术今后的发展趋势为：无刷双馈发电机将在变速恒频风力发电系统中得到广泛应用，最后对在鄱阳湖风力发电机组中应用无刷双馈发电机的具体案例进行了分析。
关键词：风力发电并网技术无刷双馈电机
一．引言
近年来，全球化能源危机日趋严重，资源短缺和环境恶化，使各国开始重视开发和利用可再生、无污染的能源。风能，是当今可再生的、资源丰富的清洁能源。由于电力电子技术的飞速发展和广泛应用，使许多新的风力发电系统技术不断提出，如异步发电机、同步发电机、磁阻电机等，但由于这些系统成本比较高，在增加风能捕获能力的同时，要求系统增加更多成本，是的额外的捕获风能变得意义不大。目前，交流励磁变速恒频发电技术在理论上是最优化的一种调节技术。此方法通过在双馈发机转自侧施加三相交流电进行励磁，来调节励磁电流的幅值、频率和相位，使定子侧输出恒频恒压。这样不但可以大大提高能量转换效率，还能实现有功和无功功率的解耦控制，提高电力系统的调节能力和稳定性。因此，运用该技术进行风力发电系统的并网控制，具有非常重要的意义。
二．风力发电机组的并网控制技术
1.同步发电机组的并网
在并网发电系统中普遍应用的是同步发电机。它在运行中，既能输出有功功率，又能提供无功功率，输出的电能质量高，已被电力系统广泛应用。不过，把它移植到风力发电机组使用时，效果却不够理想，这是因为风速随机变化，作用在转子上的转矩很不稳定，使得并网时其调速性能达不到期望的精度，使得并网比较难。图1为其常见的原理图。
图1 同步发电机并网结构图
2.异步发电机的并网
异步发电机投入运行时，由于靠转差率来调整负荷，因此对机组的调速精度要求不高，只要转速接近同步转速就可并网，而且并网后不会产生震荡和失步，运行非常稳定。同时也存在一些问题，如直接并网时产生的过大冲击电流造成电压大幅度下降，对系统安全运行构成威胁；它本身不发无功功率，需要无功补偿等。图2为其总体发电结构图。
图2 异步电机并网结构图
3.无刷双馈发电机的并网
无刷双馈电机（BDFM）作为一种新型电机，结构与运行机理异于传统电机。它的定子上有两套级数不同的绕组。一个为功率绕组，直接接电网；另一个为控制绕组，通过双向变频器接电网。其转子结构为笼型结构，无需电刷和滑环，但流过定子励磁绕组的功率仅为无刷双馈电机总功率的一小部分。采用无刷双馈发电机的控制方案后，不仅可实现变速恒频控制，降低变频器的容量，还可在矢量控制策略下实现有功和无功的灵活控制，起到无功补偿的作用。无刷双馈发电机取消了电刷和滑环，结构简单，坚固可靠，适用于风力发电的工作环境，保障了并网后风力发电机组的安全运行。输出侧直接接电网而不经过变频器，使得并网后的电能质量更好。图
3为无刷双馈电机风力发电系统的原理图。
图3无刷双馈电机风力发电系统的原理图
如上图所示，无刷双馈发电机的变速恒频控制，就是根据风力机转速的变化相应的控制转子励磁电流的频率，使无刷双馈发电机输出的电压频率与电网保持一致。传统的风力发电机组多采用异步发电机，并网时对电网的冲击大，而无刷双馈发电机可通过对转子励磁电流的控制，实现软并网，避免并网时发生电流冲击和电压波动。在并网前用电压传感器分别检测出电网和发电机功率绕组的频率、幅值、相位和相序，并通过双向变流器调节控制绕组的励磁电流，使功率绕组输出的电压与电网相应电压频率、幅值和相位一致，这就满足了自动并网运行。
三．无刷双馈发电机在鄱阳湖风力发电机组中的应用
1.无刷双馈发电机的发电系统原理图
图4无刷双馈发电机的发电系统原理图
由图4可知，整个发电系统由风机、齿轮箱、无刷双馈发电机、变换器及其控制构成。其中无刷双馈发电机和变换器是发电系统的主要部分。
2.变换器电路的结构
图5为变换器的结构图。
图5变换器电路拓扑结构
3.发电系统的网侧变换器
图6为网侧变换器的结构图。
图6 变换器的结构图
由图可知，变流器结构包括6个电力电子开关器件组成的逆变环节、输出滤波器和其它辅助控制环节。
4.无刷双馈电机调速系统的仿真
（1）仿真模型的建立
图7为假想的鄱阳湖风力发电机组调速系统的仿真模型。由该图可知，本系统是双闭环串级调速系统，它由速度调节器、电流调节器、触发电路、速度变换等部分组成，其中整流器和逆变器是主要电能转换部分。
图7 无刷双馈电机的调速系统仿真模型
其中子系统为变流器和电机部分的仿真图。结构如图8所示。
图8变流器及电机的仿真模型
（2）仿真结果
参数设置：假定给定转速n=1500r/min,转矩T=15N*m,电压u=220v交流电。仿真结果如图9所示。从上到下为转速n和转子电流i的波形。由图可知，在1s时进行了调速，使转速n下降，转子电流i基本保持不变。
图9 仿真结果
四．结论
功率电子技术 篇6
创意电子的设计服务部门在先进65奈米与90奈米制程早已累积超过90件客户量产及试产经验。也因此很早便注意到客户在这些先进制程上，常苦于如何降低芯片功率的挑战。而早期相关的功率降低技术并不完整，实作上常只能满足客户部份的需求。同时也因相关设计及验证技术，需要考虑制程参数与整合系统软件控制，从而增加了芯片整合的困难度。
在本系统设计平台中，关键的低功率测试单芯片即整合了625MHz的高效能ARM1176核心、360MHz低功率DVFS ARM1176核心、智能型功率控制模块、制程与温度量测模块，及温度二极管检测器等关键组件。该芯片区分成6个电压供应区块(Voltage Domains)并支持8个功率模式，藉由内建的制程参数实时检测、温度检测与各相关系统韧体(Firmware)的驱动，成功的在省电模式中降低超过80%ARM核心的动态操作功率(Dynamic Power)、以及在睡眠模式节省超过99%的静态漏电功率(Static Leakage Power)。
功率电子技术 篇7
1 在电力系统中电子电力技术的应运现状
电力系统中电子电力技术应运广泛, 其应用在电力系统各个不同等级的电压中均有分布, 尤其半导体设备比较多, 可以应用在日常生活中, 比如家用电器的开关电源, 手机电池充电器, 还有在直流输电过程中的换流器以及变压器;也可以应用在工业生产中, 比如调压器、变频器、整流器等。
静止无功补偿器, 在用新型的固态开关, 其显著特点是晶闸管作为基本元件, 代替了机械开关的基础上, 用控制电容器和控制电抗器的方式改善输电系统的导纳功能, 具有周期短、速度快的特点。可控硅控制空芯电抗器型 (SVC) 作为静止无功补偿器主要四种形式其中的一种, 因其具有运行可靠、反应灵敏迅速、使用范围广、价格便宜等优良特性, 而得到工业发达国家的大力生产应用和推广, 成为发展的主流形式, 而且预计SVC不仅在工业生产方面, 更是在输电和配电领域将有更大的应用和发展。
高压直流电 (HVDC) 技术, 所有国家HVDC技术工程已多达50多个, 主要应用在远距离、大容量的输电工程, 因其具有一些交流电所没有的特点, 所以对远距离大容量的输电工程来说, 选择HVDC技术更合理, 更经济适用, 考虑我国地势具有的特点:地域辽阔、纵横地界宽广以及能源分布极不平衡的特点, 发展高压直流电技术就显得尤为重要。
用户电力技术 (CP) , 旨在配电系统中提高供电的质量和加强供电的可靠性, 成功的具有代表性的CP技术产品有:故障电流限制器、动态电压恢复器、电能质量调节器等。CP技术增大电力传输能力、增强交流输电系统可控性的核心与FACTS技术的核心思想一致, CP技术和FACTS技术具有许多想通之处, 比如二者的共同基础技术是电力电子技术, 二者各自的控制器的构造和功能基本一致等, 可见CP技术与FACTS技术融而为一是应对电子电力技术发展的必然趋势。
2 谐波的危害和无功功率的影响
电子电力技术中, 负载、电抗器以及变压器等电子电力装置由于采用相控方式, 在工作环境中, 不仅要消耗大量的无功功率, 还要产生谐波污染, 我们首先分析一下谐波污染带来的危害以及无功功率的影响。
2.1 谐波的危害
谐波危害大致可以分为四类, 产生附加谐波损耗, 谐波通过令电子电力设备产生额外的谐波损耗, 来达到降低供电设备和用电设备的使用效率的目的;影响设备正常工作, 谐波污染可以引起过电流或过电压, 从而使电子电力设备严重受热, 缩短设备的使用寿命;引起谐波放大, 谐波在引起公用的局部电网谐波变大, 甚至会产生串联谐振和并联谐振, 从而引起电子电力设备的损伤甚至发生安全事故;导致自动装置和继电保护的拒动作或误动作。谐波污染不仅会影响电子电力设备的正常运行, 缩短其使用寿命, 而且对电子电力系统附近的精密仪器, 如通讯工具、计算机设备造成影响, 降低仪器的精密度, 由此可见谐波污染影响面广, 影响力大, 我们必须对此采取措施加以控制。
2.2 无功功率的影响
关于无功功率的影响, 我们也可以大致分为四类, 电子电力设备以及电路损耗增大, 无功功率增大, 也就意味着总电流增大, 从而导致线路、设备的损耗;变压器压降增加, 导致电网电压上下波动变大, 可能会导致安全事故的发生;无功波动会引起电压波动, 如果无功负载具有冲击性将会导致电压剧烈性的波动;还有就是无功功率的增加将会导致电子电力设备以及测量仪表的规格变大。
无论是谐波污染还是无功功率, 都很大程度的影响电子电力设备的正常运行, 严重的还会危及人们的安全, 所以下面具有针对性探讨下关于对谐波的抑制方法, 还有对无功功率的补偿。
3 谐波抑制和无功功率补偿技术的现状
3.1 谐波抑制的现状
关于抑制谐波污染的方法主要有两种, 一种是通过增加变流器的相数等方法改善谐波源, 另一种是滤波, 可以用有源电力滤波器或者无源LC滤波器达到滤波的效果。
无源LC滤波器具有结构简单、可行性高、投资以及运行金额比较低的特点, 所以它在工业生产中应用较多, 是我国目前主要的谐波抑制的方案和补偿无功损失的主要手段。单调谐的LC滤波器作为最简易的无源LC滤波器, 主要是被用来抑制具有某种特征的次谐波, 谐振通过与滤波器支路串联形成低阻抗通路, 使谐波电流最小可能的流入电网, 进而达到抑制谐波的效果。
3.2 无功功率补偿的现状
在多数的工程供电系统中, 通常采用并联电容器的方法到达补偿无功功率、提高功率因数的目的, 并联电容器补偿按照安装位置的不同可以分为三种方式:一种是集中补偿, 就是把一组电容器集中安装在母线上, 提高功率因数, 减少无功损耗;一种是分区补偿, 就是将电容器组分别安装在对应的区域母线上, 虽然无功功率补偿效果明显, 但是较集中补偿, 分区补偿的补偿区域变小, 具有局限性;一种是就地补偿, 就是将电容器组安装在负载设备邻近处, 达到就近补偿的效果, 这种补偿方案虽然提高功率因数, 改善电压质量, 但是由于电容器分散安装, 导致维护工作量变大。
综合全文, 本文通过首先对电子电力的应用状况进行简单描述, 引出谐波污染的危害以及无功功率的影响, 进而通过阐述我国谐波抑制和无功功率补偿技术的现状, 表明对谐波抑制技术以及无功功率补偿所做的研究, 在保证电子电力技术带给人们便利的同时, 最大程度的降低谐波污染和无功功率给工业生产以及人类生活带来的不便, 更安全合理的使用电子电力技术。
摘要：随着时代的进步和科技的发展, 电力电子技术是一门新兴的综合性技术, 这门技术不断发展提升已经达到对电力系统进行调整控制的阶段, 而且可以高效率的对电能进行变换, 电子电力技术的应用不仅可以提高输电能力, 而且可以降低损耗。本文对电子电力技术的应运进行详细的阐述, 然后通过简单概括谐波的危害和无功功率的影响, 进而引出我国现如今抑制谐波以及无功功率补偿技术的现况。
关键词：电力电子,谐波抑制,无功功率
参考文献
[1]王明全.带谐波抑制的无功补偿理论分析及设计应用[J].建筑电气, 2013 (04) .
[2]高飞.油田电力系统无功功率补偿[J].油气田地面工程, 2012 (10) .
微功率无线智能抄表关键技术研究 篇8
关键词：无线智能抄表,MAC层优化,睡眠唤醒,可靠链路
1 研究现状
1.1 国内外发展现状与趋势
在能源日趋紧张、用电需求迅速增长、供电服务要求日益提高的形势下, 世界各国正在试图寻找更加环保、节约、低能耗的新型绿色能源经济管理模式。美国、英国、意大利、法国、西班牙、澳大利亚等发达国家, 以及印度等新兴发展中国家都在积极发展自动化表计系统或智能电表, 相继大规模开展了用电信息采集相关系统建设, 在电力用户用电信息的专业化应用和集成化应用方面均取得良好的应用效果。其中以德国、意大利、西班牙和葡萄牙等国家和欧盟对智能抄表方面的研究居多, 用到的技术也各种各样, 如zigbee、蓝牙、WIFI、无线宽带、PLC、总线和以太网方面的技术。
自20世纪90年代起, 国内电力系统逐步开展了负荷管理、集中抄表等用电信息采集系统的试点建设与应用, 通过智能化的用电服务手段, 加强用户与电网之间的信息集成共享和实时互动, 进一步改善电网运营方式和用户对电能的利用模式, 有效提高终端用户用能效率。国内的一些公司和高校也相继开展无线智能抄表的研究, 国家无线电委员会已将原来模拟电视使用的470MHz-510MHz频段释放用于民用计量, 这对无线抄表是一个很好的资源。
1.2 国内现有技术基础
北京新鸿基瑞程科技有限公司在基于国网标准下推出的DCJL22-RC2010采集器具有低功率发射、高抗干扰能力、低误码率、传输距离远、多信道、高可靠性、体积小、重量轻等优点, 主要服务于城市居民小区和村镇的无线抄表应用。成都千嘉科技有限公司推出的无线抄表系统, 针对小区应用场景, 设计出小区管理机、集中器、终端表具之间采用无线通讯方式的管理中心远程集抄方案, 从路由路径生成与管理、数据交互的主从双方流程、资源需求分析、协议等各方面进行优化, 一定程度上缓解了信号差、对环境要求高、电池电量容易耗尽、易受干扰、安装配置复杂等问题。然而, 由于现有抄表系统的特点和应用场景的复杂性, 进一步降低功耗、降低成本、提升链路质量可靠性, 还有待进一步的深入研究。
2 研究内容和方法
2.1 基于GB/T 15629-2010 (CWPAN) 技术规范的MAC层优化研究
(1) 信帧调度研究。密集型的电表安装方式, 势必形成复杂的电磁环境, 导致数据传递过程中相互干扰, 增加数据发送碰撞的概率, 因此, 若MAC层能有效的控制和调度, 则可避免上述情况, 信标帧调度则是控制节点收发数据的关键。 (2) 睡眠-唤醒机制研究。考虑到抄表系统是以每小时/每天/每月一次或几次地以周期性发送数据的方式, 或者是系统通知电表上传数据的这种以事件驱动方式的两种低频度通信, 对现有的MAC层的协议进行优化, 针对特定的应用场景, 提出相应的睡眠-唤醒机制, 让节点在数据交互之余可以最大限度的休眠。 (III) MAC层帧结构研究。MAC层数据帧最大有127字节, 其中帧头占25字节, 若加上安全使能则需要65字节作为帧头开销, 然而在抄表系统这种应用场景下, 数据载荷部分所占比例较小 (通常只有10-20字节) , 因此有必要将无线传感器网络MAC层帧结构进行精简、改进, 或者对保留的标志位赋予新的控制含义, 使MAC帧内有效数据的传输达到最大化。
2.2 基于470MHz物理信道的MAC层机制研究
智能抄表系统工作在室外, 对传感网通信质量的要求就比较高。但处于2.4GHz的节点在建筑环境中工作较差, 因此增加了470MHz的物理信道使用频率作为抄表系统选择频率之一。相对于2.4GHz来说, 处于470MHz的电磁波虽然穿透力没有2.4GHz强, 但对于一般住宅型的建筑来说已经够用, 并且470MHz的电磁波绕射性能更优, 适用于户外环境。其频段窄, 传播特性良好, 适宜广覆盖、容量不大的应用场景。
2.3 无线智能抄表系统跨层协议研究
在已有的传感网技术标准中, 对路由协议和MAC层协议都是各自独立研究的, 比如针对《传感器网络通信与信息交互第1部分:低速无线传感器网络网络层和应用支持子层技术规范》, 或者IEEE802.15.4c和IEEE802.15.4g标准等, 各层协议的独立性带来一些优势的同时也影响了系统的性能, 如若将第2层的一些状态参数信息作为路由依据, 将MAC层与路由层的功能进行一定程度的整合, 采用跨层次设计的思路能够使网络层了解到底层数据的传输情况, 从而做出更加切合实际的路由选择, 这样更适用于智能抄表系统。针对抄表系统这种应用场景来说, 一些已有的网络层的路由协议并不是非常有效。那么, 为了保证数据传输的可靠性, 应该参考MAC层协议, 设计多路径路由平衡网络负载, 缓解单路径路由时的网络震荡, 实现路由容错提高鲁棒性。
2.4 抄表系统应用层协议与传感网MAC层通信协议适配的研究
对于抄表系统来说, 不仅需要实时上传用电数据, 还要满足用户用电量查询、电表管理等更多的功能要求。从《电力用户用电信息采集系统通信协议:主站与采集终端通信协议》可以看出:电力行业对于抄表系统的应用层通信规约有自己的行业规范, 而且其应用层协议主要是基于传统的RS485和PLC底层通信协议, 对于短距离无线通信的物理层和MAC的兼容与适配问题, 以及适配的高效率问题, 有待于深入研究。
3 无线抄表的关键技术点
3.1 低功耗的睡眠-唤醒机制
据资料显示传感器节点通信模块的能耗占全部能耗的95%以上, 而节点在收发数据之余持续的监听状态对于周期性或者事件触发性的数据采集方式来说并不是必须的, 提出一种针对该应用场景的睡眠-唤醒机制, 既能从根本上降低节点的能耗, 且又能保证在突发事件产生时, 相关节点能快速地唤醒, 这需要高效的MAC层调度机制与网络层路由的精确配合。
3.2 高可靠的通信链路
集中式的电表安装方式决定了高密度的无线节点通信环境, 这对底层传输数据的可靠性产生很大的威胁, 增加通信过程中的误码率, 甚至于CRC校验时出现高错误率, 造成众多数据包重传、一次数据发送成功率大大降低的局面, 远达不到链路通信可靠性的要求。结合具体的拓扑结构, 进行分时分层分信道调度, 建立有效的MAC层调度机制能克服上述问题。
3.3 灵活组网方式下的MAC帧优化
无线智能抄表的应用场景形式多样, 目前主要有两种方式:直连模式和集中器模式, 国内大部分的抄表系统都是集中器的模式。提出有针对性的MAC帧优化方法, 在不破坏已有协议帧格式的前提下, 对帧格式的标志位进行精简、扩展、必要的填充, 保证MAC帧内有效数据的传输达到最大化。
4 结束语
改变用户用能方式, 促进节能减排, 服务“两型”社会建设、提高能源利用效率, 实现国家能源可持续发展的战略目标, 准确有效的抄表是一个重要环节。由于现有抄表系统的特点和应用场景的复杂性, 在低功耗、低成本、链路质量可靠性上得不到保障。无线智能抄表以其技术先进、易于安装和维护、可靠性高、成本低等优点, 必将成为未来发展的趋势。
参考文献
[1]许建安.电力系统通信技术[M].北京:中国水利水电出版社, 2007:97-112.[1]许建安.电力系统通信技术[M].北京:中国水利水电出版社, 2007:97-112.
小容量系统功率因数校正技术 篇9
由于Boost电路拓扑结构简单且具有较小的电磁干扰(EMI),通常选用Boost电路作为功率因数校正的拓扑,传统的功率因数校正(PFC)技术采用的电路拓扑是有桥Boost PFC电路,控制策略多采用平均电流法,需要设计的环节比较多,而且与输入频率有关,不仅增加了设计的难度,也使电路结构变得很复杂。同时,由于整流桥的损耗比较大,导致整机效率比较低,为了优化电路设计,提高整机效率,简化对电路的控制策略,采用单周期控制[7]无桥双Boost功率因数校正(2nd DBPFC)电路拓扑,进而提高输入电网电压频率变化时的功率因数。
1 无桥电路拓扑及单周期控制技术
1.1 无桥电路拓扑
图1(a)为有桥Boost PFC电路拓扑,当电路工作在低压大电流场合时,过高的导通损耗和开关损耗使得整机的效率不高,为了减小损耗,提高效率,考虑省去整流桥,引出无桥电路拓扑[7],见图1(b)。相比之下,无桥2nd DBPFC电路拓扑减小了整流桥的导通损耗,效率比较高,且2个开关管可以同时驱动,控制相对比较简单,而输入功率通过二极管VD3和VD4与输入母线直接相连,减小了共模干扰[8]。
为了更清晰地分析2种电路的损耗,建立功率器件的损耗分析模型,通过模型可以计算出输入功率Pin从100~500 W变化时2种电路拓扑的损耗,如图2所示。当Pin>400 W时,无桥2nd DBPFC电路拓扑的损耗Ploss明显比传统电路损耗小,进一步说明无桥电路拓扑具有更高的整机效率。
1.2 单周期控制技术
单周期控制技术[9,10]是由美国学者提出的一种新型大信号、非线性、不需要乘法器的控制方法,突出特点是无论稳态还是暂态,都能保持受控量的平均值恰好等于或正比于控制参考信号。该控制方案具有动态响应快、开关频率恒定和易于实现等优点。
根据单周期控制技术的概念,电路的输出信号y(t)可以表示为[11,12]
其中,Ts为开关周期,uref(t)为参考信号。通过调制参考信号值,可以实现在一个开关周期内瞬时地控制输出信号的平均值,达到动态调节的效果。
控制芯片IR1150S(1)[13]内部主要由电压误差放大器、电流放大器、复位积分器、触发器以及一些比较器组成,该芯片虽然体积小,但是功能非常齐全,在电路拓扑中采用IR1150S芯片,能够缩小装置的体积,且单周期技术与IR1150S芯片结合,具有结构简单、线性度高、动态响应快等优点[14]。
2 单周期控制在无桥电路拓扑中的应用
假设变换器工作在电感电流连续模式下,开关频率远大于线电压频率,PFC电路实现的目标是输入电流跟踪输入电压,即实现输入阻抗为纯阻性。
单周期控制Boost PFC变换器的控制方程[15]为
其中,ug为输入电压,um为调制电压,d为占空比,Rs为采样电阻,M(d)为DC/DC变换器的电压转换比。
若忽略电感电流纹波,则电感平均电流i軃L可近似认为等于电感瞬时电流iL,可表示为输入电流ig:
可得单周期控制无桥Boost变换器的控制方程:
其中,Um为调制电压um的有效值。
其中,输入阻抗Rs/(1-d)为定值,即实现了PFC电路输入阻抗为纯阻性的目标。
构造单周期下降沿调制方程如下:
由控制方程可知,采样电流与电压呈线性关系,即当输入电压的频率或幅值变化时,采样电流能动态跟踪电压相应地变化,因此,采样电流的频率随输入频率的变化而变化,实现变频功率因数动态校正。电路拓扑工作原理如图3所示。
由于每个电感分别工作在半个周期中,L1=L2,其工作模态可以分为2个阶段。
a.正半周(UP>UN)。L1、VT1和VD1组成Boos电路,L2被VD4短接,VT1导通时流过L1的电流增加,电感储能;VT1关断时电流经过VD1向负载供电。
b.负半周(UP
3 存在的问题及解决方案
首先分析单周期控制无桥2nd DBPFC电路拓扑的阻抗特性。
对式(3)移项可得:
假设电感之后的电压为UD,则
电感电压UL为
根据电压关系UL=Ug-UD,可知:
对式(10)进行拉斯变换可得:
由式(11)可以得出输入等效阻抗呈感性,即单周期控制无桥2nd DBPFC电路拓扑呈感性。整个电路可以等效为由一个阻抗为Re的电阻和一个感抗为XL的电感串联组成,可以在输入端加一个容抗为XC的电容来减小整个电路的感性。
调整电容的容抗大小满足下式,即等效输入阻抗的虚部为零,在一定程度上也可以减小输入电流和电压的相位差。
4 仿真分析及实验验证
根据图3所示原理图,在Saber软件中搭建仿真模型进行验证,输入电压频率从350~650 Hz变化,查看输入电压与输入电流的波形,选取400Hz和600 Hz的仿真波形,如图4所示。结果显示,在不同输入频率下,输入电流均能跟踪输入电压,相位差较小。
设计一台实验样机,样机性能要求如下:输出功率500W,输入电压80~150V,输出电压270V,开关频率100 k Hz,电感电流总谐波畸变率THD<5%,功率因数λ>0.95。主功率部分参数:高频滤波电容Cin=0.47μF,输入两分立电感L1=L2=360μH,输出滤波电容取1 m F,采样电阻Rs=0.1Ω,开关管选取CoolMOSTM系列的IPW60R099CP,二极管选用超快恢复二极管STTA806D。控制部分参数:Rsf=100Ω,Csf=100μF,Rfb1=Rfb2=499 kΩ,Rfb3=26.6 kΩ,Rovp1=Rovp2=499 kΩ,Rovp3=23.5 kΩ,补偿环节CZ=0.33μF,Rgm=66.6 kΩ,CP=120 p F。控制电路采用IR1150芯片,使用电流互感器检测输入电流。
根据设计的参数,搭建实验平台,进行实验验证。输入电压频率在350~650 Hz变化,测试负载为满载和轻载、频率为400 Hz和600 Hz时输入电流的THD和装置的功率因数,如表1所示。使用示波器查看不同条件下输入电压与输入电流的波形,如图5所示。
实验结果表明:在各种实验条件下,输入电流的THD均小于5%,功率因数均大于0.99,达到了实验样机的预期要求;无论是负载变化还是输入频率变化,输入电流均能够很好地跟踪输入电压,进一步验证了单周期控制无桥2nd DBPFC电路拓扑能够在变频和负载变化情况下动态校正功率因数。
5 结论
随着单周期控制技术的完善和发展,其在功率因数校正领域内应用越来越广泛。采用控制芯片IR1150,可简化控制电路,使整个电路拓扑设计简单;相对于全桥PFC电路,采用无桥2nd DBPFC电路拓扑,可有效提高整机效率。仿真和实验证明,采用该功率因数校正方案,在输入电压频率变化时,输入电流能够很好地跟踪输入电压,对远离电源的末端配电网,特别是备用电源投入使用时,系统电压和频率随负载变化较大的情况下,在实现动态功率因数校正、消除谐波污染方面具有很大的优势。
摘要：为了提高电力电子装置的功率因数,选用一种功率因数校正方案,在电路拓扑方面采用无桥双Boost功率因数校正(2nd DBPFC)电路,降低电路损耗,可提高装置的效率;在控制策略方面采用单周期控制技术,不需要乘法器及输入线电压采样和电压前馈,只需开关管电流峰值信号就能完成对输入电流的控制,控制电路的设计简单。对单周期控制无桥2nd DBPFC电路拓扑的可行性和阻抗性进行了分析,阐述了此方案在频率变化情况下进行功率因数校正的原理及优越性,并通过Saber软件仿真和样机试验验证理论分析的正确性。
无功功率补偿技术在企业的应用 篇10
1 无功补偿技术
1.1 无功补偿方式
配电网中常用的无功补偿方式可分3种:
(1)集中补偿。在高压区域变电所或企业供电进口处,集中安装一批电容器,以补偿本区域或企业所需的无功功率,但不能解决企业内部网损问题。
(2)分组补偿。根据企业各个负荷中心而进行的局部补偿,一般将电容器组安装在各车间配电盘的母线上,这样受电变压器以及变电所至车间的线路都可以降低损耗,提高功率因数。
(3)就地补偿,亦称为随机补偿。广泛应用于低压网络,将电容器直接安装在用电设备附近。
1.2 无功补偿容量的确定
无功补偿容量的确定有很多方法,可根据使用的目的来确定。
(1)以提高功率因数确定补偿容量,如果配电的最大负载月平均有功功率为Par,补偿前的功率因数为COSΦ2,补偿后的功率因数为COSΦ1,根据下述公式可求出无功补偿容量。
式中:QC为所需要补偿容量kVar;Pm为最大负载月平均有功功率kW。
(2)从降低线路损耗来确定补偿容量线路损耗是电网经济运行的一个重要指标,如果补偿前流经电网的电流为fl,其有功和无功分量为fl R和flx,则fl=fl R-flx。补偿后,流经电网的电流为f2,其有功和无功分量为f2R和f2x,则f2=f2R-f2x。加装电容后,不会改变原来的分量,则Il R=I2R。补偿容量与(l)式相同。
(3)根据运行电压来确定补偿容量,无功补偿前电网电压可用下式计算:
装设无功补偿后,电源电压U1不变,变电所母线电压由以上升到U’2,经推算则有:
式中U’2为投入电容后母线电压值kV;ΔU为投入电容后电压增量kV。
2 无功补偿的节电效益
2.1 降低系统电耗
按无功经济当量计算节电量。线路安装无功补偿后,补偿的无功容量QC值是电网输送无功功率减少值,因此减少的线路损耗可以用无功经济当量KQ计算:
式中ΔP为年节电量。kWh/a;H为年运行时间;KQ为无功经济当量,一般选取0.04～0.08 kW kVar。
根据线损计算节电量。按照电网中实际运行电流的减少量,计算线损的节约电量:
式中ΔP1、ΔP2为补偿前后的线路损耗kW,I1、I2为补偿前后的线路电流;H为年运行时间;R为线路电阻。
2.2 节约电费支出
目前企业的电费支出主要分为基本电费和调整电费两部分,基本电费是按规定单价和用电量计算的电费,调整电费是按照计算的功率因数,高于或低于规定标准时,在按规定电价计算出其电费后,再按“功率因数调整电费表”规定的百分数增减电费。由此可见,功率因数的提高对企业有着重要的经济意义。
2.3 提高供配电能力
当供配电设备输送的有功功率一定时,功率因数越低,需要提供的无功功率就越大。进行无功补偿后,负荷需要的无功部分由补偿电容器来提供,变压器和线路提供有功功率或少量的无功功率即可,变压器和线路的容量就可以满足更多的负荷需求,提高了供配电设备的供电能力。
3 企业工程应用
苏州高新区某公司有10台2 200 kVA的变压器,型号为OA油浸自冷式,入户电压等级为10 kV。公司有10座中频电炉,在使用时功率因数平均为0.8,由此造成了公司功率因数低,每月都会被供电部门罚款。为此公司在配电柜0.4 kV母线上安装了静电无功补偿装置,无功补偿容量为4.5 MVar。
功率电子技术 篇11
中国大陆和香港技术移民核准率低于平均水平
据移民律师李克伦(Richard Kurland)取自加拿大移民部2007 年全年各海外签证办事处移民申请核准率统计,虽然其全球技术移民核准率在过去3年明显提高,但是,香港与北京的技术移民核准率均明显低于全球平均。
统计指出,加拿大的技术移民核准率在2005年只有49%、2006年升至55%,2007年升至69%。2007年加拿大移民部总共核准45226宗技术移民申请,获发签证的共有110204人。
不过,李克伦亦分析,尽管全球平均核准率提高,但像香港、伦敦、马尼拉、新德里、西班牙港及罗马,均是几个反其道而行,核准率不增反降的海外签证办事处,其中又以新德里下降最多,在2005年时新德里技术移民核准率有62%,但2006年时下降至58%,2007年又更进一步下降为43%。
投资移民申请比技术移民快3年
在申请所需等待时间方面,2007年80%技术移民申请平均需65个月,约为5年半时间,在北京及香港的申请人需68个月,在新德里申请需73个月。相对起来,在台北的技术移民申请只需要33个月,韩国首尔31个月,均算是亚洲地区较快者。美国水牛城则只需要24个月。
在投资移民申请方面,香港及北京投资移民申请核准率高过或接近全球平均,去年全球平均为84%,北京为83%,香港则为91%,台北的投资移民申请核准率亦有89%,全球主要办事处的投资移民申请率,高低之间差别不大。
李克伦说,如果申请人有财力又想追求效率,应该选择投资移民而非技术移民,以香港为例,技术移民申请人需要等68个月,但投资移民只需要等30个月,两者相差38个月。
他表示,虽然移民部对全球技术移民申请的核准率明显提高,不过,要等5年半以上的时间,对于想移民加拿大的技术移民,并不公平,他批评道,加拿大在包括香港、北京、新德里及马尼拉等办事处,技术移民及投资移民申请时间相差3年左右,充分突显加拿大似乎为富有投资移民敞开大门,但对拥有技术的申请人,却不屑一顾,宁愿让他们久等。
背景链接:
移民加拿大的各种方式
1.联邦投资移民项目
作为一种程序简单直接、无语言及学历要求、移民后无经商压力也没有居住地限制的移民方式,联邦投资移民正在受到越来越多移民申请人的欢迎。其基本条件是申请人必须在过去的5年中拥有至少2年以上的成功经商经验或企业管理经验,积累至少80万加元(约480万元人民币)以上的个人净资产，批准后投资40万加币,政府会在5年零2个月后无息退还。主要面对对象为:成功企业家及企业高层管理人员。
2.联邦企业家移民项目
合格的申请者必须是企业拥有者,或是拥有“合格企业”的一定股份,并在过去的5年内至少拥有连续2年的成功企业管理经验;在个人的资产方面至少拥有加币30万元以上。另外必须符合加拿大政府对企业家申请者的其他要求,如年龄、教育、语言和适应能力等。很明显该项目主要面对的是企业拥有人。
3.安省提名移民项目
于2007年5月24日实施的安省提名移民项目,在第一年中将受理500个申请个案,450个名额给雇主类等,另外50个给跨国投资者类。这个项目致力于吸引经济投资和帮助雇主吸引和挽留有能力的劳工。
①雇主类雇主希望雇佣员工的职位必须符合安省提名移民项目的规定。这些职位通常属于长期缺乏劳动力的行业,包括健康、教育、制造业以及建筑业的20个职位。雇佣的员工可以是在加拿大或者海外的劳工。
②专业人士类职位包括:药剂师、专科医生、家庭医生、注册护士、医疗实验室技术人员、大学/大专教授等8个卫生保健行业职位和教育行业中的2个职位。
③技术工人职位包括:机械安装加工检查员、工业电工、建筑技工、木匠、砖匠等。主要面对对象为在制造业和建筑行业内10个职位的技术工人。
④国际学生定位在持与自身专业相关的工作应聘书的加拿大大专/大学的毕业生。这一类的主要对象为毕业于加拿大公立大学的毕业生(该类预计在今年5月实施,批准名额未定)。
⑤跨国投资者类此类由于名额较少、标准高,不太受移民者欢迎。
除以上移民项目外,还有自雇移民项目、家庭团聚移民、担保移民、难民和即将在今年夏季推出的加拿大经验移民项目等。
功率电子技术 篇12
近年来,随着无线通信技术的发展, 射频功率测量及其应用技术已经成为无线测试仪器的技术热点之一,收到了国内外许多专家和学者的关注,出现了不少的解决方案。在目前众多的RF功率测试应用中,RF功率测量除了用于控制它本身的输入和输出功率外,更多的应用中是面向研发和生产过程的功率测试,其测试方法主要是采用矢量信号分析机接收和处理信号,然后计算信号功率谱得到信号功率,如图1所示。
可见,如何实现低成本、简单快速的功率测量以便满足上述产品生产过程中的功率测试需求,是一个亟待解决的技术问题。
图1是典型RF功率测量的在仪器中应用框图,主要涵盖仪器本身的应用。 发射信号通道由三个连贯的单元组成:基带,射频(RF) 发射,功率放大器。在发射信号到达天线之前,其中发射信号的一部分被双向耦合器采样。将采样的RF功率送到功率检测器转换为直流电压。再将功率检测器的输出电压数字化并且送到数字信号处理器(DSP)或微控制器(MCU)。一旦得到数字化的功率测量值,就可根据测量的输出功率与要求的输出功率之间的关系来调整整个系统的功率输出。
2应用
功率对数检测器件在当下射频测量中的得到广泛的应用,这类器件具有动态范围大,频率范围广,精度高和温度稳定性好的特点。因此在本文的设计中,选用对数功率检测器AD8138,配合ADC和FPGA,实现无线测试仪器测量各种测试功能。
本方法中,采用对数功率测量器件作为功率测量的核心部件。通过对数功率测量器件和高速ADC的结合,实现了宽带射频功率测量。如图2, 可应用于GSM、 CDMA、LTE和W-LAN 802.11 ( 要求频率5GHz) 等测试系统,下文给出三种典型应用。
应用1 :调制信号功率测量。WIFI和LTE的终端设备,大量使用OFDM,QPSK等调制方式。WIFI待测物发射OFDM调制信号作为输入信号,输入信号经过耦合器和射频开关输送到AD8138的输入端,AD8138将功率包络转换成电压信号, ADC采样后把OFDM的电压信号送入FPGA处理,计算信号功率。在这种情况下,并不需要昂贵的VSA设备,只要相对简单的功率测量电路,便可以快速准确地测量OFDM信号的功率。对于生产线测试,这种方法在满足生产测试需求的前提下,大大降低了测试仪器的成本。
应用2 :待测物VSWR的测量。在生产测试中,如何快速判断待测物是否有物理损坏(比如是否被静电打坏, 是否有元件掉落等),有助于加快测试进程,降低测试成本。本例中(原理如图4所示),通过测量待测物的反射信号,能够快速测量待测物是否存在损坏的情况。若检测得到待测物本身已经发生了物理损害,相应器件可以把损坏的待测物从测试中及时挑出, 节省了射频测试的时间,提高了生产线效率。具体工作原理如图2所示,当该系统和外部待测物相连接时,VSG发射信号, 待测物接收VSG发出的射频信号。第一次,开关置于1位置,得到测量仪器VSG本身的输出功率为Pm F (d Bm)。第二次,开关置于2位置,测量由待测物反射回来的功率Pm R (d Bm). 根据公式1计算得到待测物的端口反射系数(其中RLm为端口反射系数,单位为d B)。在测试软件中设置反射系数RLm的门限,通过反射系数 Γ 和门限的比较,判断待测物是否已经损坏。同时可以通过VSWR测量,避免由于匹配恶化的情况导致系统损坏等情况的发生,以便于测试者及时作出调整。
应用3 : 调制信号包络判断。在LTE或者WIFI的link测试中,一些高档的信令测试仪可以实时控制输入和输出的信号调制类型。而在生产线的仪器中,通常没有这些功能。在实际测试中,需要对输入输出信号的调制类型进行判断。通过对数功率检测器和ADC的配合,实时获取输入输出信号的功率包络,配合FPGA或者DSP,实时通过对包络时长和功率特征的实时判断,检测输入或者输出信号的调制类型。