“分布式电源与配电网”特约专栏寄语

特约专栏副主编简介

杨洋：硕士研究生，高级工程师，云南电网有限责任公司电力科学研究院三级拔尖级技术专家。主要从分布式能源控制、自动化方面研究工作。近5年来主持和云南电网公司项目研究10 余项。相关成果获省部级奖励3 项，厅局级奖励8 项。作为负责人完成科技成果转化2 项，产生经济效益超200 万元。参与编制国家标准1 项，发表论文4 篇，其中SCI 检索1 篇。获国家发明专利授权30 余项。

特约专栏寄语

今年以来，在光伏上游材料价格下行、“整县光伏推进”政策以及企业跨界进入光伏行业的影响下，截止2023 年6 月，全国累计并网的分布式光伏容量达到1.98 亿千瓦，占光伏发电容量的42%。配电网的物理结构正随着分布式光伏的接入发生改变。在云南等西部地区，分布式光伏的高增速与负荷的增速不匹配，供需关系在时空上出现矛盾，给电力系统运行带来了风险。为高质量推进新型电力系统建设，确保分布式电源科学、有序的接入配电网，降其对配网的负面影响。本专栏向广大读者展示近期关于分布式电源优化配置、对电压的影响、光伏侧储能控制等方面的研究成果。

特约专栏文章摘要

文章一摘要：随着碳中和与净零战略的提出，光伏（photovoltaic, PV）发电产业迎来了新的发展机遇。但在实际应用中，大规模的PV阵列通常会受到周围建筑物、云影、灰尘等造成的部分阴影条件（partial shading condition，PSC）的影响，会给PV系统带来发电效率低、PV电池结构被破坏、P-V和I-V曲线多峰现象等许多问题。为了缓解PSC引起的多模态问题，PV重构技术得到了发展。本文构建了单一的PV阵列并采用遗传算法（Genetic Algorithm, GA）研究阴影条件下的20×30的PV系统动态重构问题，旨在解决PV系统因PSC而导致的功率损失，提高PV系统的输出功率。并用粒子群优化算法（particle swarm optimization, PSO）与之对比。与重构前相比，GA将最大功率值提高了30.95%。

文章二摘要：在可再生能源发电系统中，储能功率调节系统（Power Conditioning System, PCS）将光伏发电系统产生的电能进行调节、转换和储存，以满足用户用电需求。储能PCS的光伏侧直接关系到母线电压，其控制效果直接影响光伏系统的性能和稳定性。故合理的光伏侧控制策略设计对于维护平稳母线电压有重要的意义。为了优化储能PCS的光伏侧控制策略，本文提出了一种恒功率的最大功率点跟踪方法。该方法利用恒功率控制和电导增量法等技术，对光伏系统进行建模和优化。通过对实际光伏系统的数据进行分析和仿真，证明了该方法在提高光伏系统效率和稳定性方面的有效性。

文章三摘要：在分布式光伏接入配电网后，随着分布式光伏功率的注入会导致配电网潮流发生变化，进而引发节点电压变化的问题。为了便于工程计算配电网不同节点电压及分布式光伏接入对配电网节点电压影响的大小，本文基于配电网潮流分析，首先采用因素拆分和效果叠加的方法，通过拆分系统电源和分布式光伏电源对配电网不同节点电压的影响；然后将两者产生的影响效果进行叠加求和，形成光伏接入下配电网节点电压变化模型；同时为了贴合工程应用，考虑配电网的运行条件及拓扑结构，在忽略了线路电抗及无功功率的情况下，构建了节点电压变化的简化分析模型。最后采用IEEE33节点系统对模型进行仿真验证，验证结果说明了模型能够更快速且较为准确的计算出节点电压，具有较高的实用性和可靠性。同时也仿真得出了不同光伏接入情况下配电网节点电压变化趋势。

文章四摘要：随着各种可再生能源发电技术逐渐成熟，将多类型分布式电源（Dis tr ibu ted Generation, DG）接入配电网（Distribution Network, DN）是促进电力系统能源转型的快捷方式。但是，大量的DG接入DN会导致DN运行稳定性下降，迫切寻找到解决方法。为此本文考虑了PV（Photovoltaic, PV）、风力发电（Wind Power Generation, WPG）和燃料电池（Fuel Cell, FC）三种DG，并以DG的经济性指标、电压偏差、电压波动以及网络损耗作为优化目标，采用多目标粒子优化算法（Multi-objective Particle Swarm Optimization, MOPSO）确定了三种DG接入DN的最优位置已经最佳容量，并与多目标蝗虫优化算法（Multi-objective Grasshopper Optimization Algorithm,MOGOA）进行了比较。基于IEEE-33节点仿真测试算例表明与未配置DG相比，通过MOPSO算法配置DG后，平均电压波动降低了0.055p.u. （5.01%），网络损耗减少了646.65 kW（15.92%）。并且，MOPSO配置成本更低，具有更好经济性。

文章五摘要：为了保证光伏系统的正常运行，需要有完备的光伏组件故障检测方法，为此本文提出了一种基于变分模态分解（VMD）和长短期记忆网络（LSTM）结合的太阳能光伏组件故障检测方法。首先分析了不同运行工况条件下的特性曲线并采集正常与故障时的电压、电流信号，利用VMD对所采集的信号进行自适应分解为K个IMF分量。然后把IMF分量输入训练好的LSTM神经网络进行故障检测。最后，在PSCAD/EMTDC中建立仿真模型并验证本方法的可行性与准确性，结果表明该方法可以用于光伏组件的故障检测，并且准确率高。