最大功率输出范文（精选7篇）
最大功率输出 第1篇
HID灯的工作模式可分为暂态和稳态,从开始建立点火电压激发灯管点亮,当灯管进入稳定工作前的时间段称为暂态;当灯光进入稳定弧光放电阶段称为稳态。灯从启动到进入稳态经过六个阶段:上电、点火、过渡、预热、升压和稳定。本文将对稳态阶段的功率控制进行分析和研究[1,2]。
HID灯进入稳态后,灯管等效电阻会因使用条件不同而有所差异,所以灯镇流器所供应的电源需符合灯管电阻变化的特性。传统的稳态控制方法有恒电压、恒电流和恒功率三种。恒电压控制是反馈灯管电压,并将其控制在一定范围之内,但随着灯管使用时间增加,灯管功率将小于额定功率值,会造成灯管输出流明数不足,灯的输出功率减小;恒电流控制是对灯管进行电流控制,同样随着灯管的老化,灯管自身消耗热量增加,而发光亮度减小。恒功率控制是同时检测灯管电压和电流,将灯管功率消耗控制在一定值。但是随着时间的推移,恒流和恒压控制将使灯的发光度减小,恒功率控制也存在当灯管老化,电阻增加时,灯管的发热增加,同时也造成灯管的发光度降低。针对传统控制方法存在的不足,本文提出用最大功率跟踪的控制方法控制灯的稳态运行,最大功率跟踪控制能确保HID灯始终发出最大的亮度[3~6]。
1 HID灯输出功率特性曲线分析
下面对HID灯输出功率和电压进行理论分析。图1电路是目前应用比较广泛的一种恒功率控制实现方式,TI公司生产的HID灯专用控制芯片恒功率控制电路。我们对该电路进行分析。在图1中,Ki I0是电流采样反馈信号,KvU0是电压采样反馈信号,Ki和Kv分别是比例系数。
由图1可得:
因此,流过R1、R2的电流I1、I2分别为:
因此有:
输出功率为:
这是一条以P0(W)为纵轴,U0(V)为横轴的抛物线,如图2所示。在抛物线顶点始终有:
从图2中可以看出,电压在V1→V2区间,只要控制输出电压的大小,将会使灯输出近似恒定的功率。金卤灯的额定工作电压一般在85V左右,如果选择适合的参考值α,就可以使灯正常工作时位于抛物线顶点附近。可以认为,输出电压在该区域内变化时,输出功率近似为恒定。该技术有很好的瞬态响应性能,但是它要求灯管等效阻抗恒定,而实际上,灯管在工作一段时间后会逐渐老化,极间距离增大而引起等效阻抗增大,若采用该种控制方法,镇流器输出功率将发生偏差,不能输出最大的恒定功率。另外,灯启动过程的控制也非常复杂,需要另外设计控制电路。显然传统的控制方存在一定的局限性。
2 一种新型的最大功率恒定控制方法
从以上分析可知,传统的控制方法存在功率输出偏差,在灯管老化后,灯阻值发生变化时,如果用恒定的电压值控制其输出功率,将始终使灯的功率输出降低,为了克服灯的阻值发生变化时影响灯的输出功率。我们提出了图3的控制思想,其控制方法是:当灯点火成功后,取灯的端电压和电流,并计算出功率Pn-1,然后再增加开关管的占空比ΔD1计算出当前功率Pn。比较Pn-1和Pn的大小可以判断当前的功率是不是最大功率,如果不是最大功率将判断当前功率比上次功率大还是小,将按照图3继续比较,最终将确保开关管在一定的占空比时输出最大的功率,该控制方法与灯管的老化无关,始终将确保HID灯输出恒定的最大功率。该数字控制方法简单和可靠。
根据图3的最大恒功率控制思想,按照图4控制电路原理图进行仿真分析,我们的仿真思路是:由于HID灯的阻值随着时间推移在一定时间段发生变化时,灯的工作特性曲线将发生变化,通过图3的控制方法能否确保HID灯输出恒定的最大功率。在图4中[7],我们假设灯的阻值在(0~10)h、(10~25)h、(25~30)h时间内发生变化,图6是其输出功率的仿真波形。从图6的仿真结果可知,灯的输出最大功率能跟踪其阻值的变化。因此,按照图3的控制思想能克服由于灯管阻值老化,灯的阻值变大造成其输出功率减小问题。
3 实验验证
根据图3的最大恒功率控制思想,对图4HID灯电路进行实验验证,为了实现图3的控制算法,选用DSP(TMS320F2812)作为算法处理,并控制主电路的开关管PWM驱动信号[8]。图3中灯的额定功率为354W、额定电压为65V,开关管选用MOSFET(IRF4905),开关管频率f=20KHz,全桥逆变电路上桥臂采用P-MOSFET(IRF4905),下桥臂采用N-MOSFET(IRF3710),图7为最大恒功率测试波形。从图7中可知,灯光的两端电压和电流是恒定的,没有出现抖动现象。
4 结束语
本文主要分析了HID灯传统的恒功率控制存在的问题,提出了一种新型最大恒功率控制方法。该控制方法不随灯管老化以及外界因素的变化而变化。始终输出最大的功率。通过理论分析和试验验证了该方法的可行性。本文的控制思想将为HID灯恒功率最大输出提供一定的指导作用。
参考文献
[1]许建炳.低频方波HID灯电子镇流器关键技术研究[D].浙江大学.2003.
[2]张菡.汽车前照氙灯电子镇流器研究与设计[D].西南交通大学,2008.
[3]Garcia-Garcia J,Cardesin J,Ribas J,Calleja A J,Corominas E L,Rico-Secades M,Alonso J M.New ControlStrategy in a Square-Wave Inverter for Low Wattage MetalHalide Lamp Supply to Avoid Acoustic Resonances.IEEETransactions on Power Electronics,2006,21(1):243-253.
[4]Jun Zhao,Miaosen Shen,Min Chen,and Zhaoming Qian.A Novel Low Frequency Square Wave Electronic Ballastfor Low-Wattage HID Lamps.Proceeding of IEEE IAS,2003:321-324.
[5]陈传虞.电子节能灯与电子镇流器设计与制造[M].人民邮电出版社,2009.
[6]路秋生.高频交流电子镇流器技术与应用[M].人民邮电出版社,2004.
[7]路秋生.常用电子镇流器电路及应用[M].人民邮电出版社,2006.
高频手术设备输出功率测试 第2篇
高频手术设备的输出功率是高频手术设备检测中的重要参数之一,输出功率的准确性关乎手术的成败及病人的愈后效果,使用中不可盲目增大电刀的输出功率,以刚好保证手术效果为限。本文旨在对高频手术设备输出功率的检测方法进行研究,以保证临床使用安全。
1 工作原理
高频手术设备是通过有效电极尖端产生的高频高压电流与肌体接触时对组织进行加热,实现对肌体组织的分离和凝固,从而起到切割和止血的目的。根据医用物理学的原理,当高频电流通过人体组织时,由于每一振荡的电脉冲时间极短,离子很难引起迁移,仅仅在富有粘滞性的体液中振动,因摩擦而生热。高频电刀就是利用高频电流通过肌体的这种“集肤效应”原理而研制的。高频电刀切割时高频电流只经人体皮肤流动,而不会流过人体内脏器官,并利用刀头高密度电流产生的高频电火花将表面组织快速融化,电极下的组织分裂成一个不出血的、窄而平坦的、深几毫米的切口,而且还可以使血管中的血液凝固到一定的深度,代替结扎完成切口止血工作[1]。
高频手术设备由主机和电极(电刀笔、敷肌板)两部分组成。主机由振荡器、调制器、功率放大器、单片机控制等电路组成。振荡器频率一般采用500 k Hz正弦波,调制频率采用25 k Hz方波,有25%~50% 的占空比。功率放大器采用VMOS场效应功率管,由单片机控制输出功率的大小,并有按键选择及数码管显示输出功率的大小,具有安全保护功能[2]。高频手术设备工作原理,见图1。
2 要求标准
大部分高频手术设备允许使用者控制输出功率,以作为手术效应深度和速度的控制手段。输出电压和电流可随功率设定和高频手术设备所加负载而改变。
高频手术设备的输出功率的测试项目和要求依据:GB9706.4-2009《医用电气设备第2-2 部分:高频手术设备安全专用要求》。要求规定了对于超过额定输出功率的10% 的输出功率,作为负载电阻和输出控制设定函数的实际输出功率,与所规定的输出功率图示值偏差不应超出 ±20%[3]。
3 检测方法
3.1 单极测试
高频手术设备的输出功率的单极测试要求在100、200、500、1000、2000 Ω 额定负载或至少有5 个特定负载电阻上进行,测量值作为输出控制设定函数的输出功率。要求使用与高频手术设备提供的手术附件和中性电极,或者使用3 m长绝缘导线来连接负载电阻[4]。测试布局,见图2。
注:①网电源;②绝缘材料制作的台板;③高频手术设备;④手术电极;⑤中性电极(金属或与金属箔接触的同尺寸金属);⑨接地的导电平面;负载电阻,可带高频功率测量装置。
3.2 双极测试
双极高频手术模式的测试要求在10、50、200、500、1000 Ω 额定负载或至少5 个特定负载电阻值上进行,测量值作为输出控制设定函数的输出功率。要求使用与高频手术设备一起提供的双极电极电缆,或者使用额定电压≥ 600 V的3 m长双导体绝缘电缆来连接负载电阻[4]。测试布局,见图3。
注:①网电源;②绝缘材料制作的台板;③高频手术设备;⑨接地的导电平面;⑩启动的双极电极;11负载电阻,可带高频功率测量装置。
4 输出功率的测试
4.1 被测设备
被测高频手术设备工作频率为450 k Hz,包括单极模式和双极模式。单极模式包括纯切、混切、电灼、电凝,每种模式又分为全设定和半设定[5,6]。纯切全设定、半设定和双极电凝全设定、半设定功率曲线图,见图4。
注:深色线为全设定,浅色线为半设定。
4.2 测试电路连接方法
检测工具选用美国Fluke公司的QA-ES型高频电刀质量检测仪,对高频手术设备进行性能评估和质量控制[7]。环境温度要求在15~35 ℃,相对湿度≤ 80%,大气压力86~106 k Pa。测试电路连接[8],见图5。
单极纯切模式:额定功率为300 W,额定负载为300 Ω ;双极电凝模式:额定功率为70 W,额定负载为100 Ω。测试结果见表1。
由表1 可以计算得出,单极模式实测值与图示值误差为14.0%,双极模式实测值与图示值误差为14.8%,误差值均未超过20%,符合GB9706.4-2009 标准要求。
在这里需要注意的有两点:① 测试时如果需要指揿开关操作,可用≤ 100 mm的绝缘跨接线来进行模拟启动;② 本试验不仅考察超过额定功率10% 的功率值,超过额定功率-10% 的功率值也在考察范围内。
5 测试环境对测试结果的影响
高频手术设备的检测通常是在常温、常湿无干扰的条件下进行的,测试环境对测试结果的准确性有一定影响。为了考察测试环境对测试结果的影响,本文模拟了温湿度,振动干扰和电磁干扰环境。被试高频手术设备输出功率分别设定为9、57、101、186、263 W(此数据从表1 测试数据中选取)。
5.1 温湿度模拟环境
为了考察温湿度对高频手术设备输出功率的影响,本文模拟了3 种温湿度条件,分别为低温常湿条件:5 ℃,48% ;高温常湿条件:40 ℃,48% ;湿热条件:40 ℃,(80±3)%。试验发现在5 个功率值下,温湿度对结果的影响都不大,与正常温度25 ℃,湿度48% 的试验结果相比,误差接近0。
5.2 振动干扰模拟环境
在距离高频手术设备0.5 m处放置一台振动仪,模拟GB14710-2009 中环境试验Ⅰ组的环境条件,频率循环范围在5~20~5 Hz,振幅值为0.15 mm,扫描循环次数10 次,扫描速率≤ 1 倍频程/min ;模拟环境试验Ⅱ组的环境条件,频率循环范围在5~35~5 Hz,振幅值0.35 mm,扫描循环次数15 次,扫描速率≤ 1 倍频程/min,观察高频手术设备检测仪上的读数值变化情况,并作好记录。结果,Ⅱ组的测试结果误差> Ⅰ组测试结果误差。
5.3 电磁干扰模拟环境
高频手术设备为大功率电器,单极输出功率在300 W以上,启动瞬间功率则更大。当其与其他医用电气设备尤其是监护仪同时使用时,电刀产生较强的电磁辐射。由于电磁感应,监测仪传感器及主机因感应信号的产生而致传感器处理误差,控制系统失灵,计算机工作紊乱。因此,用高频手术设备作为电磁干扰源也是一个不错的选择。
由于实验室条件有限, 本文采用手机(iphone4)、WIFI信号、射频信号源,高频手术设备作为干扰源。在距离被试设备0.5 m处分别放置干扰源,其中高频手术设备(工作频率为470 k Hz,输出功率设定为10 W),射频信号源(频率设定为200 k Hz,功率10 W)。对4 种干扰源进行比较,干扰由强到弱依次为高频手术设备、射频信号源、手机、WIFI信号。这就不难想象为什么高频手术设备被称为手术室中的干扰大户了,它不仅对其他设备有干扰,对同类设备也有不小的影响。
5.4 测试结果的比较
不同干扰对测试结果的影响,见图6(图中振动测试条件为Ⅱ组,电磁干扰源为高频手术设备,工作频率470 k Hz,输出功率10 W)。由于温湿度对测试结果基本无影响,图中仅对无干扰、振动干扰、电磁干扰进行比较。从图中可以明显的看出,不同的测试环境直接影响到测试结果的准确性。振动干扰对测试结果影响小一些,但电磁干扰影响非常大,会导致出现错误的检验结论。
注:a线为电磁干扰,b线为振动干扰,c线为无干扰。
在检测过程中会遇到各种各样的干扰,本文只模拟了3 种状态,温湿度、振动干扰和电磁干扰。GB9706.4-2009《医用电气设备第2-2 部分:高频手术设备安全专用要求》中对输出功率的检测方法有明确的规定,但对测试环境并没有要求。电磁干扰是所有干扰中最常见的,本文仅模拟了小功率信号的电磁干扰,在以后的研究中,还要考察大功率信号对高频手术设备输出功率的影响。随着科技的不断发展,医疗器械的新产品不断涌现出来,随之带来了更多的干扰种类,有的我们现在还没有发现。在实际应用中要尽量避免环境存在的各种干扰,保证检测结果的可靠性。
参考文献
[1]李志刚,刑帅.医用高频电刀的工作原理及使用安全[J].哈尔滨医药,2010,30(4):59.
[2]张红远,张祖进,李辉,等.浅谈高频电刀原理及及其安全防护[J].医疗卫生装备,2009,30(1):105-106.
[3]GB 9706,4-2009/IEC 60601-2-4:2006,医用电气设备第2-2部分:高频手术设备安全专用要求[S].北京:中国标准出版社,2009.
[4]赵鹏,李长兴,赵正男,等.电刀质量控制疑难点解析[J].中国医疗设备,2014,29(6):88-90.
[5]熊钰忠.医用高频电刀的性能测试与质量控制[D].南昌:南昌大学,2012.
[6]王尧君.高频电刀功率检测系统的研制[D].衡阳市:南华大学,2013.
[7]何敏,方伟,宁博.高频电刀的质量控制及其检测方法[J].中国医疗设备,2013,28(11):59-60.
光伏发电系统输出功率预测分析 第3篇
1建立模型
1.1模型分析
一般对光伏阵列某一天输出功率进行预测, 其做法是进行双建模, 即建立光伏系统逆变模型以及太阳辐射模型。直接辐射、球体辐射以及扩散辐射是光伏发电系统中电池接收到的辐射的主要组成。
而文章所利用的马尔科夫链预测方式, 主要利用马尔科夫链的特性。特殊性是马尔科夫链的特性, 其是马尔科夫随机过程中的某一形式, 状态具有离散性, 参数也同样具有离散性。在该分析预测方式中, 时间作为主要参数。分析随机过程中的主要对象为直接正常辐射同扩散水平辐射的交叉点。目前时刻状态是下意识可状态的唯一关联因素, 以前时刻状态同下意识时刻状态无关。为了方便分析, 将笛卡尔空间分为多组矩形区域, 在同一区域中的状态便是马尔科夫链相同状态。通过该种方式进行建模能够将太阳能辐射的时段性状态预测出来, 并且在预测后能够生成逆变模型。通过该模型便可以预测出光伏发电系统的后期输出功率。
1.2在整个电力系统中, 马尔可夫光伏功率预测主要关注的内容为功率、点亮, 通过辐射-功率特性, 可以直接对系统的出力进行预测。因此, 文章针对已存在的历史输出功率数据对未来某一时刻的输出功率进行预测。前提是未来预测点的各项环境参数相对稳定, 变化不大。
2算法概述
在统计转移过程中最小的时间跨度即预测过程中的时间精度。而同一转移矩阵所需要的时间段即单位时间, 而预测所需要的整个时间跨度即研究时段。
实现马尔可夫光伏功率预测的方式主要通过建模的方式, 其具体的方法包括:若天琪状态相同, 某一光伏系统的出力统计主要包括时间精度的研究以及时间段的研究;对输出功率进行均匀的区间区分, 并确定系统状态, 该状态为落在某一区间的功率;统计该状态下输出功率的状态转移多少次, 从而得到一步转移矩阵。
3实际案例分析
文章以某一意境投入使用的光伏发电系统作为实际案例进行分析, 并选取该系统某一时间段的实际运行情况进行论述, 该时间段的天琪晴朗, 气温波动相对较大 (12℃~22℃) , 针对该环境下光伏发电系统的运行状况予以统计, 以5min作为时间精度, 单位为1h, 将研究对象划分为11个状态。以分析结果作为研究对象, 可以统计到10个单位时间的数据, 以此建立转移矩阵, 并以其中第三个单位作为具体案例进行状态修正的讨论。
可以分析出, 由于前2个单位时间内随机游走的最终状态 (第2个单位时间内末时刻功率期望) 是作为第3个单位时间的初始状态, 而实际情况中第2个单位时间末的期望功率也有可能处在状态0~2。又因为状态0~2的转移情况未加以描述, 那么就会导致第2个时段状态有可能不发生转移。另外, 单位时间的细分及统计量的不足也会导致状态空间不完整。所以要对转移矩阵进行修正, 保证相应状态空间为闭集。修正的方法有两种: (1) 加大样本容量, 即统计量。 (2) 依据相邻几个单位时间光伏系统实际出力的总变化趋势, 补入因单位时间细分缺失的状态转移次数。
针对某一时间的温度进行功率的实测, 可以看出该时间中的平均温度可以达到17℃, 该时间段的气温范围在15℃~20℃, 天气为晴朗。
针对该时间段的系统功率进行预测可以分析出, 整个研究过程中的预测结果误差相对较大, 其原因在于该时间段所处气候为春季, 天气变化相对较大, 且气温波动较大, 即便是晴天, 空中的云量以及地表的蒸汽含量也相对波动较大, 不具有稳定性。这会直接影响光伏发电设备对太阳辐射的吸收效率。因而同时节、同样天气的状态下, 通过样本统计的方式无法真正准确的体现光伏发电系统的输出功率。并且, 春季到夏季太阳辐射的强度逐步的增大, 所以根据实际的观测状况可以分析出, 用作试验分析的时间段天气晴朗无云, 因此预测结果相对较低。通过观测分析结果可以看出, 该时间段的预测结果也会受到日升日落太阳辐射量变化的影响, 因而系统功率具有较大的波动。
预测精度因单位时间的缩小而有一定提高, 整个研究时段的预测误差从21.23492%降为19.19397%。而首尾时段的预测偏差也有所下降, 如06:59的预测误差降低为72%。此外, 在时间精度不变的情况下, 由于单位时间的缩小, 每单位时间内状态转移的统计量相应减半, 这带来了一定误差。若增加样本容量或缩小时间精度, 即增加单位时间内的统计量, 预测精度会进一步提高。最后, 状态的划分也会带来一定误差。很明显, 在同样的光伏系统出力范围内, 状态划分越多, 精度越高。但1阶转移矩阵的阶数也会随之增多, 统计量也会增大。
结语
本文以马尔科夫链座位基础, 针对目前发电系统的新技术——光伏发电技术的功率输出预测进行分析。该方式以建模的方式, 依照光伏电站的历史数据对电站出力进行直接预测, 该方式避免了相关数据的采集以及转换, 并且也省略了具体建模环节, 因而在保证结果精准的基础上, 提高了预测效率。通过实际的算例结果, 证实该方式具有较高的可行性。在一定的时间精度下, 通过时间单位的增加可以有效提高预测的精确性。
摘要：本文主要提出了建立在马尔科夫链基础之上的光伏发电系统输出功率预测的方式, 通过数据建模的方式, 将光伏电站的出力进行直接预测。通过理论推测, 从而证实该方式在预测光伏发电系统输出具有可行性。以某光伏中心电站作为案例进行建模预测, 从而证实该方式的有效性, 并对模型参数进行调整, 从而提高结果的精确性。
关键词：预测,光伏发电系统,输出功率,马尔可夫链
参考文献
[1]许洪华.中国光伏发电技术发展研究[J].电网技术, 2007, 31 (20) :7-11.
中国成最大留学生输出国 第4篇
现代教育报消息, 日前, 中国与全球化研究中心与腾讯网教育频道联合发布《新世纪·新留学·新趋势——中国留学发展报告 (2012) 》。报告显示, 自改革开放以来, 中国累计送出留学生224.51万人, 中国已成为世界最大留学生来源国, 成为美国、澳大利亚等主要留学热门国家的最大留学生来源国。同期留学回国人员总数达到81.84万人, 回归率为36.5%, 超六成留学生滞留海外。中国与全球化研究中心秘书长赵涓如介绍, 随着中国经济的发展以及科学研究的国际化发展, 留学也逐渐从精英教育演变成大众化教育, 最典型的体现是自费留学的规模日益扩大和工薪阶层留学人数的增加, 自费留学比例达90%左右。调查显示, 自费留学中的工薪家庭比例日益增加。与此同时, 在华留学生仅有29.26万人。与庞大的海外留学数量形成对比。过去, 中国的年轻人习惯大学毕业后出国深造, 现在, 更多的人开始从高中甚至是初中开始就选择出国留学, 留学低龄化成为新特点。据介绍, 留学低龄化主要体现在以下三个方面:一是高中毕业直接出国读本科的人数骤增。二是出国读中学的人数大幅增长。三是高考弃考人数增加。据教育部统计, 2009年高考弃考人数达到84万, 2010年接近100万人, 其中因出国留学而选择弃考者达21.1%。2010年以来, 北京、上海、南京等城市中放弃高考选择出国留学的学生以每年20%左右的速度递增。赵娟如指出, 海外留学生目前主要存在五大挑战:文化冲突、生存压力、经济压力、安全隐患、教育模式等。留学生对中国也起着十分重要的影响, 成为促进科技创新, 建设创新型国家的主力军, 推动新兴产业的发展;加快中国全球化进程, 推动企业国际化;促进民主政治发展, 改善科教体制, 提升中国软实力等。
最大功率输出 第5篇
1太阳能光伏发电技术的原理及运行方式
对于太阳能光伏发电中太阳能是主要能源, 通过运用光伏电池将太阳能进行有效的吸收, 对于太阳能光伏发电系统主要就是通过简单的光伏特效应, 在接触到太阳光线的时候, 对于光伏电池也就会自动吸收光能, 也就是将光能转化为电子。在对电场的控制过程中, 空穴与光生电子发生隔离, 采用电荷累积到一定的程度后也就会聚集成光生电压, 这也就是所谓的光生伏特效应, 在对电场建设的时候通过电场接受负载后也就会导致汇聚成光生电压, 成功将太阳能转化为电能。同时对于太阳能光伏发电系统也就是将太阳能装换为电能的主要装置, 这也装置也被称为太阳能发电系统, 一般我们将地面太阳能转换为电能, 可以分为联网运行方式和离网运行方式两个方面。所谓的离网太阳能光伏发电系统也就是指在没有公共电网相接的光伏发电系统, 他是一种相对的光伏发电过程, 很多时候都是运用在农村和公共电网很难覆盖的偏远地区, 对于一些牧区及海岛照明也通常会选用这一独立的太阳能光伏发电系统。同时对于这种情况还有很多时候运用在一些特殊气象台的中转继电中心, 离网太阳能发电系统主要就是就是对特殊地区的用电提供方便。联网太阳能光伏发电系统也就是与公共电网相连接的光伏发电系统, 通过并网光伏发电的方式将太阳能装换为交流电, 它与电网电压同频同相, 在与电网相连的过程中实现电能的输送。太阳能光伏发电技术涉及到太阳能电池技术、光伏阵列最大功率跟踪技术、孤岛效应检测技术以及聚光光伏技术等。商业化发电阶段有着显著的规模化特征, 无论是联网运行还是离网运行都构成了电力工业的重要组成部分, 它们势必将成为太阳能光伏发电领域的核心技术格局。
2光伏发电系统输出功率预测设计
2.1光伏独立发电系统
对于相对独立的光伏发电系统广泛运用于偏远山区、无电区、海岛、通讯基站和路灯等运用场所。系统通常由太阳电池组件构成的光伏方阵、太阳能充放电控制器、蓄电池组、离网型逆变器、直流负载和沟通负载等构成。光伏方阵在有光照的情况下将太阳能转换为电能, 通过太阳能充放电控制器给负载供电, 一起给蓄电池组充电;在无光照时, 通过太阳能充放电控制器由蓄电池组给直流负载供电, 一起蓄电池还要直接给独立逆变器供电, 通过独立逆变器逆变成沟通电, 给沟通负载供电。
2.2光伏并网发电系统
光伏并网发电系统主要是由太阳能电池组和直/沟通逆变器构成。既可以将由太阳能所转换成的电能在逆变器效果下变为沟通负载供用户直接运用, 又可以将所发生的电传输到沟通电网上。光伏并网发电作为如今开展最敏捷的高技能太阳能光伏发电运用方法之一, 与独立的光伏发电系统比较, 光伏并网发电是太阳能发电往后的开展趋势。并网发电系统的优势主要有以下优势。并网方法灵敏, 分布式和集中型并网相结合, 既可就地耗费发电, 将剩下电力并入电网获得收益, 又可将所发电直接并入电网卖电获得收益。对光伏电池可以更快、更准确的进行追寻, 最大限度的将电能输入到电网, 来对功率损耗进行下降。中间环节的简化, 可以减少在蓄电池充放电中所损耗的电能, 对中间环节所形成的维护和运转本钱进行了下降, 一起也下降了收回废旧电池进程中所形成的环境污染疑问。
3光伏发电系统输出功率短期预测技术分析
对于光伏发电机在对电流输出的过程中, 对于输出的电流的总量和输出的效率都是通过阳光的强度和环境的温度以及电力负荷等多方面影响, 只有在一定条件的温度和光照强度才能实现电压的稳定性, 当光伏电池工作的时候在达到一定的特殊电压的时候, 可以对输出的功率进行短期预测, 在对输出功率达到最大值的时候, 这也就需要对输出功率进行预测, 有效的提高光伏发电系统的有效性。因此在对光伏发电的过程重要就是提高发电机的整体效率, 其中主要就是通过对光伏电池的工作点进行全时间段的调整, 保证光伏发电系统的工作状态, 满足生活的需要, 在这工作过程中是光伏发电的最大功率, 因此目前的光伏发电系统的成本较低, 在对发电系统的整体投资也就有效的节约了成本。光伏发电系统在进行工作的时候产生的电压主要就是由于光照强度和环境温度的变化不断的变化, 在对光伏发电功率短时间预测技术的运用中, 也就要做好整个过程的调试工作, 其中对于输出功率短期预测主要就是在对输出功率最大的时候在对光伏发电机的实际工作电压升高, 在对输出功率进行短期预测。当电功率最大的时候也就会降低光伏发电系统的总体电压, 从而实现逐渐靠紧的原理, 在对工作能够对其发电系统中寻找最优化的输出电功率的工作过程, 通过光伏发电系统矩阵检测最佳的电压组合, 以此得到最佳的排列功率输出从而和之前的功率进行比较, 这样反复进行比对, 知道找出该组的最大功率点。在找出最大功率点之后记录好周围和环境因素, 如气温、气压等同时做好相关记录, 做出该最大功率点对应的实际情况, 在日后进行光伏电池组装的过程中进行合理的利用, 在遇到情况和记录情况相似或相同时就直接采用记录的情况进行设置, 从而实现最大功率的输出, 提高光伏电池的输出效率, 降低光电生产的中体成本。
4结束语
在进行光伏发电系统安装过程中, 要严格施工标注, 规范施工, 同时要注意施工的安全性, 如此, 才能够让光伏发电这项新技术更好的服务于社会主义建设。
参考文献
[1]李木一.电池储能提高电网接纳光伏发电能力的建模仿真研究[D].中国电力科学研究院, 2014.
[2]陈海飞.高倍聚光光伏光热综合利用系统的理论和实验研究[D].中国科学技术大学, 2014.
[3]柴亚盼.光伏发电系统发电效率研究[D].北京交通大学, 2014.
最大功率输出 第6篇
在能源和环境的压力下,人们对于新的、清洁的、可再生的能源形式越来越重视。太阳能作为其中的一种重要的能源形式,受到了广泛的关注。光伏发电是利用太阳能的一种最重要也是最主要的形式,虽然具有环境友好与可持续的优点,也因为严重依赖于所处的自然环境致使产出具有随机性。因此,光伏发电产生的电能很不稳定,如果装机容量非常大,那么并网后会对电网产生较大的影响,对电网的安全运行、电力部门的调度分配存在潜在的威胁。为了消除它这方面的恶劣影响,对光伏发电系统功率预测的研究吸引了很多科研人员。按照预测时间的远近和间隔,可将功率预测分为长期、短期、超短期等几种[1,2],其中短期功率预测在可行性、发展成熟度和预测的作用等综合评估指标中尤为突出,因为长期功率预测主要是为电站投资作参考,而超短期功率预测的研究目前还具有很大的缺陷和不足。因此,本文主要是研究光伏发电的短期预测。
一般地,短期功率预测是指预测未来一天或几天内各时刻的光伏电站输出功率。目前主要有两种方式,一种是通过气象学中的光照强度和光伏电站数学模型[3]预报,另一种是通过数据挖掘仅仅基于历史数据和简单的气象预报[4,5,6,7,8]。前者需要气象学上的研究做支撑,在欧洲,这种方法很流行,因为那里有比较多的光照强度测量站,为光照预测提供了基础,但是光照强度的预报存在比较大的误差,有文献称误差高达百分之三十[9],所以很多研究是在如何对预报数据进行处理得到更精确预测这个方向上努力。后者的原理是要求给定地点的给定光伏电站,一年四季的光照强度大致情况不会改变,而电站中的器件的衰老程度也不是很剧烈,如果有给定电站的发电历史数据,那么历史数据中就隐藏着这些信息,依据历史数据进行建模,去繁就简之后的变量就是具体的某天的天气,那么就可以根据发电的历史数据和待预测日的简单天气预报,推断出待预测日的功率输出曲线[11,12,13]。这种方法在缺少光照强度预报的情况下可充分弥补预报信息的不足,在国内研究较多。当然这种方法的误差也非常大,尽管有很多研究都在尝试用各种各样的方法去改进[11,12,13],但收效甚微。因为给定的输入信息不是很完备,或者说是历史数据的纯度不足以直接当作模型的输入。本文将使用有效的神经网络模型作为预测模型的基础,从历史数据中提炼出对模型更友好的输入信息,最后经过评估验证这种思路的有效性。
1 预测模型的建立
为了建立光伏发电短期功率的预测模型,本文通过对一个时间段内的发电功率、发电站历史数据的研究和分析找出其中所暗含的规律。通过了解影响发电功率的因素,以及一些相似天气条件的发电功率情况,利用神经网络的方法建立短期功率变化的预测模型。
1.1 项目背景简介
本文中短期功率预测课题来源于小功率光伏发电试验系统这个实际项目,这个项目由某供电公司主持,在某两地分别搭建了容量为10KW的小功率光伏电站,电站主要由光伏发电核心组件和环境监测组件组成,前者中配有计量装置,会记录下光伏电站的实时运行情况,同时后者会记录下同时段的环境情况,监测系统会将所记录下的数据通过网络发送到服务器保存起来,表1所示为其中的一个片段。
1.2 数据记录与分析
本文中的研究对象是布置在九江湖口的一个光伏电站,其装机容量为10KW,按20分钟一次的频率记录温度、光照和电站的输出功率等数据,如果将这些20分钟一次的点连成每天的输出功率曲线,可看出形状是大致相同的,即中间高两边低大的钟形曲线,这是因为光伏电站的输出严重依赖于光照强度,中午的光照强度一般最强,电站的输出功率最大,而早上和下午的光照较弱,电站出力也相对较小,而夜间电站不往外输出电力。此外,环境温度也对光伏电站的输出功率有重要影响,致使夏季和冬季光伏电站的出力情况有较大的差异。
从理论上讲,光伏阵列的输出功率[13]
式中:ηpv为光伏阵列的光电转换效率,S为光伏阵列的受光面积,I为光照强度,t0为环境温度。针对一个固定电站进行短期功率预测的研究,可认为光电转换效率和光伏阵列受光面积是恒定的,影响光伏阵列输出功率的因素主要是光照强度和环境温度。
1.3 相似日的选取
在本文中确定预测模型的输入和输出,不同以往的文献中直接以前一日的发电数据序列作为输入,而是以待预测日之前一个月内,天气情况最相近的一天的发电数据序列作为输入。这样的好处是很明显的,因为天气情况最相近的两天的发电数据序列之间存在着更多的潜在的相似关系,以这种方式可以避免待预测日前后两天天气变化剧烈引发的大误差情况[11]。
为了叙述方便称待预测日为B,天气情况最相近的那一天为A。如果用原始数据作为模型的输入,那么输入将至少72×3个数据,其中有A日的温度和光照及出力数据,这会大大增加模型的复杂度,同时也会对模型的泛化能力有减弱,模型的训练速度减慢。所以需要对这些数据进行简化,简化的方式有多种,比如等间隔采样,或者是提取出特征数据,本文使用后者。因为对于前者,如果采样间隔太大,会使数据的本身特征会丧失太多,以致失真,而每天的气象数据是有大致规律存在的,所以可以用提取出的特征数据代替原始数据。这里使用的特征数据为:光照的最大值、最小值和温度的最大值、最小值归一化处理后的值,这四个值组成的向量称之为某一天的天气特征数据。由于夜里的光照数据和出力数据全部为0,所以没有什么意义,为了更进一步简化,上述的四个数据仅仅根据白天6时一18时这12个小时的数据提取出来。
由于从天气预报得来的预报数据是抽象的,为了根据B确定A,需要对天气预报做个映射,使抽象的阴晴多云等天气描述信息,转变为模型可用的数值信息,即光照的两个特征数据。这个转变过程是个重要的过程,当然不能凭空假设,最简单的方法是建表。根据历史数据,建立一个天气描述信息到可用特征数据的转换表,然后仅仅通过查表即可完成转换,然后计算出待预测日B与其之前30天的天气相似度,然后挑选出相似度最大的那一天为A。但这种方法有个很大的缺陷,就是仅仅从天气预报抽象的描述出发,而忽略了天气变化的连续性。另外,我们还可以充分利用待预测日B之前的若干天采集的实时数据。因为B之前的若干天和要确定的A之前的若干天之间同样有着相似的关系。用数学语言描述的话就是,待预测日B的天气特征数据为x0,B之前的30天的特征数据分别描述为:xi={xi1,xi2,xi3,xi4}
x=1,2,3…,30表示两个向量的范数也称为距离,那么A日与B日的相似度可定义为:
式中:k不可太大,即确定A时考虑A之前(包括A)k天与B之前(包括B)k天的相似情况。
1.4 数学模型的选取
相似日选取之后,就可以使用相似日的实际发电序列作为模型的输入计算结果,即相似日每小时的发电量共12个数据是模型的输入,但仅这些数据是不够的。因为使用相似日的实际发电序列预测发电量的原理是每天光照强度和温度分布是相似的,所以每天的实际发电序列的形状是相似的,都是钟形曲线。这是相似日和待预测日的共同点,而反映这两天区别的参数也应作为模型的输入,正是这些参数使各条钟形曲线表现不同,这些参数就是反映光伏电站环境的光照强度和环境温度参数。假设待预测日的天气特征数据为x0,与待预测日最相似的天气特征数据为xi,那么它们的差值也应当作预测模型的输入Δx=xi-x0。综上所述,预测模型的输入共有12+4=16个,而预测模型的输出为待预测日每小时的发电量共12个数据。
神经网络输入层节点对应于预测模型的输入变量,在本文中选取与预测日天气特征最类似的一个相似日与预测日天气特征数据的差值,和相似日12个小时的实际发电量共16个输入量,所以输入层节点个数为16。而由于RBF神经网络是单隐含层结构,其隐层节点个数是动态的,根据训练实际情况增减。输出层节点对应于预测模型的输出变量,即光伏电站预测日12个小时的发电序列,所以输出层节点个数为12。
2 预测模型的判断预估计
多进短期功率的神经网络模型建立以后,要利用样本数据对所建立的模型进行训练,使模型能够学习数据中的一些对应关系,这样模型才能准确的预测发电功率。然后,把预测模型产生的预测数据与实践的数值进行比较,验证模型的准确性。
2.1 实际运行数据
神经网络预测模型的结构确定后,需要使用样本数据对模型进行训练,使模型从中学习映射。在本文中,使用某10KW光伏电站的实际生产数据,将原始数据进行预处理后生成样本数据。
如前所述,训练模型的样本数据由相似日和预测日的天气特征数据的差值、相似日和预测日两天的历史发电数据构成。生成样本的过程为:根据整体的历史气象数据,确定当地的各气象数据范围,以此为基础,对原始气象数据进行归一化处理;针对每一天,根据第二节描述的方法选取相似日,构建样本的一个实例,即模型的输入输出对。
2.2 训练与预测过程
为了既能根据前一日数据预测未来一日的发电量,又能实时地根据当前气象数据走势对当前日后续时间的预测数据进行调整,在这里添加了一个调整的过程。具体描述为:在由上述的神经网络模型及16个输入变量预测出后一日的每小时发电量共12个输出变量后,再充分考虑最近一段时间(设为两个小时)的大气温度、光照强度、发电量等数据,对未来短时间内的预测数据进行微调。微调过程为:从数据库找寻与最近两小时大气温度、光照强度同时段最相似的那一天,设当前日最近两个小时的大气温度为:(X01X02…X0N),光照强度为:(Y01Y02…Y0N),历史数据中的某天同时段对应数据为:
记
则J即为与当日同时段历史最相似的那一天,以那一天后续时间的历史数据为依据对由神经网络计算出的预测值进行调整,简单的方式即为历史数据与预测数据取平均值作为最终的预测数据。
完整的预测过程描述为:
1)根据历史数据整理出足量的样本数据(相似日和预测日共两天的气温、光照强度、发电量作为一个样本),用这些样本数训练出神经网络模型,根据此模型得到预测值;
2)修正过程,找寻数据库中与最近两个小时温度光照同时段最相近的历史情况,并根据同时段历史最相似那天的历史数据对预测值进行调整,得到最终预测值。
2.3 预测结果和误差分析
预测模型的评估。对神经网络发电预测模型的评估有很多方法,但最常用的还是最小平方差MSE,回归系数R。
式中,N为数据总数,为预测值,为真实值,i为数据序号。
如图1所示,可以从模型的误差分布看出,预测模型的误差相对较小,模型具有一定的准确度。回归系数R衡量模型输出与期望输出之间的相关性,在[0,1]之间,越大说明相关性越大,意味着模型越准确,否则相关性越小模型的准确度越低。如图2所示,可以看出训练数据、验证数据和测试数据三组数据通过此模型得出的预测值与实际值的回归系数都在0.96以上,表明模型有一定的准确度。
通过误差和线性回归分析,可以看出神经网络预测模型准确度较高,对于光伏发电的短期功率预测效果较好。如图3所示,在相当长的时间内,预测功率和实际功率的变化曲线之间的重合度很高,误差很小,这就说明本文建立的神经网络预测模型有很好的预测效果。
3 总结
基于神经网络,建立了光伏电站的功率预测模型。以往的预测方法大多是在模型方法上进行改进,比如用神经网络或支持向量机等智能算法,虽然模型的训练学习速度有所提升,但预测的精度并没有多少提升。因此,本文重点放在对历史数据的处理上,通过对历史数据的分析确定出与待预测日天气情况最接近的那一天,并以那一天的发电序列数据和这两天的天气特征数据作为模型的输入。
(点画线表示实际功率输出曲线,实线表示预测功率输出曲线)
(Dotted line represents the actual power output curve,Solid line represents the prediction power output curve)
此外本文使用的神经网络类型为RBF神经网络,在训练速度和函数拟合能力等方面的性能均优于常用的BP神经网络,并用Matlab实现了这个预测模型,并分析评估了这个模型的性能,通过实际数据和模型数据的对比分析,验证了所提模型和算法的有效性。
摘要：随着光伏发电的装机容量的不断扩大,由于光伏发电的随机性,它的输出电能对于电力系统的影响越来越大。为了减轻它对于电力系统的影响,光伏发电短期功率预测变得相当重要。基于自行设计与开发的光伏电站的实际运行数据,本文对光伏发电系统的短期输出功率预测进行了探索研究。分析了天气类型、大气温度和太阳辐射强度等因素对预测结果的影响,分析了数据之间的相关性,基于现有预测模型成果,提出了一种改进预测方法,并通过评估分析了这种预测方法的效果和意义。
最大功率输出 第7篇
本文介绍了一次主机柴油机故障现象及排除该故障的经过, 能够作为船用柴油机管理的典型案例, 对于在一般柴油机管理具有一定的指导意义。
1 故障现象及经过
1.1 故障现象
在航行状态下, 主机转速接近600 rpm时, 排气温度达到最高允许温度580℃ (该主机为8L20/27型四冲程柴油机, 额定转速为1000rpm) , 且排气烟色浓黑。
1.2 故障经过
某船在航行途中, 推进器被渔网缠绕, 轮机值更员发现柴油主机负荷突增, 排气总管温度过高, 增压器前排气温度超过580℃允许极限值, 主机出现敲缸声。考虑到在当时风浪较大的海况下停机清除缠绕物没有安全保障, 该船采取降速措施, 继续航行约20小时到达目的港后, 清除推进器缠绕物, 之后进行码头系泊试车时, 发现主机空车时 (试验转速从420至980rpm) , 运转基本正常, 排气烟色正常, 但带浆运行时, 当转速逐渐增加至480rpm时, 总管排气温度达到580℃, 排气烟色持续浓黑且排气压力明显不足。进行海上试航时, 当主机转速接近600rpm时, 总管排气温度达到580℃, 排气烟色浓黑且排气压力不足。再增加柴油机供油量, 转速增加不明显, 柴油机不能达到应有的转速, 输出功率也明显不足。
2 故障分析与排除
该柴油带浆工作达不到应有的转速, 且排气冒黑烟, 可见, 柴油在气缸内燃烧条件变差, 燃烧不完善。造成这种情况的因素, 除了超负荷外, 通常主要有两大方面:进排气系统方面的原因和燃油系统方面的原因。由于推进器的缠绕物已清除且主机盘车检查并无异常, 潜水员在清除推进器的缠绕物的同时, 也检查了舷外水线下船体情况, 海生附着物在船壳上滋生并不严重, 由此可推断, 柴油机的故障现象不是由超负荷引起的。为此, 应重点从燃油系统及进排气系统方面进行检查。
2.1 燃油系统
2.1.1 在带负荷情况下检查各缸供油量:
在系泊转速为480rpm及航行状态下转速为600rpm时, 各缸排气温度相差不大, 爆炸压力相差也不明显, 从检爆阀查看燃烧情况, 都有一定程度的燃烧不完善情况。各缸供油量直观上相差不明显。
2.1.2 检查供油提前角, 发现八个缸全部在正常范围之内。
2.1.3 拆检全部八个缸喷油器, 在喷油器试验台上检查, 喷油器状态正常, 没有发现喷咀有滴油或雾化不良现象。
从上面几个检查内容来分析, 初步判断, 燃油系统方面的因素不是柴油机故障的决定性因素。
2.2 进排气系统
2.2.1 检查增压器吸气滤网, 比较清洁。
2.2.2 拆检中冷器, 没有脏堵现象。冷却水系统工作也正常。
2.2.3 检查增压器。
试车时, 无异常振动及声响;停车拆检, 发现废气涡轮喷咀处积碳不多, 盘动增压器转子, 运转平稳, 惯性正常, 无异常卡滞感。
2.2.4 考虑到柴油机曾在推进器被渔网缠绕且大风浪航行
的情况下工作了近20小时, 在这种极易超负荷的工况下运行, 容易对燃烧室组件产生不利的影响, 组织轮机人员对主机再进行一次试车, 经反复检查, 发现第三缸存在疑似气阀漏气的声音。经拆缸盖检查, 发现该缸排气阀座有烧痕。
更换该缸排气阀座并研磨达到密封要求后, 回装气缸盖, 试车, 主机恢复正常。
3 一点体会
通常, 多缸柴油机如果仅有一个缸燃烧不良, 会造成柴油机排气冒黑烟, 但冒黑烟一般是周期性的 (四冲程柴油机通常每转两圈会出现一次冒黑烟) , 整台柴油机的输出功率会有一定程度的下降, 但不应出现像本案例中的输出功率大幅下降。在本故障案例中, 由于柴油机第三缸排气阀关不严, 除了引起该缸进气不足、排气不尽、压缩压力不足, 燃烧不良从而导致单缸输出功率不足之外, 更关键的是, 由于该缸不按配气定时的排气漏泄, 干扰了其它气缸的正常排气, 对增压器的运行也造成了干扰, 致使增压器吸入新鲜空气量减少, 从而影响到其它各缸的进气量, 造成整机燃烧不良, 导致整机的性能大幅下降。在外观上也就出现了带负荷工作时大量持续的排气冒黑烟、各缸都出现燃烧不良的情况。
对于柴油机空车运行时外观基本正常的原因, 笔者认为, 在空车运行时, 由于负荷轻, 供油量小, 气缸内压力小, 因而第三缸漏泄也相对较轻, 对其它缸的影响出相对较小, 所以主机能加速到较高转速, 排气烟色也基本正常。