光伏并网发电系统中电能质量监测与优化技术探讨

杨 桃，许新华，汤 磊

（1.华电（宁夏）能源有限公司新能源分公司，宁夏 银川 750000；2.华电（宁夏）能源有限公司，宁夏 银川 750000）

0 引 言

随着清洁能源的发展和应用，光伏并网发电系统作为一种重要的电力供应方式，得到广泛关注。然而，受天气等外部因素的影响，光伏发电系统存在一系列电能质量问题，如电压波动、谐波污染等，这些问题直接影响着电网的安全稳定运行。因此，监测和优化光伏并网发电系统中的电能质量尤为重要。

1 光伏并网发电系统概述

1.1 光伏发电原理

光伏发电主要基于光生伏打效应实现，当太阳光照射到太阳能电池表面时，光子能量会激发材料中的电子从价带跃迁到导带，生成电子-空穴对，如图1 所示。这些自由载流子在电场作用下，沿着半导体材料中的电场方向运动，从而产生电流。在太阳能电池内部，P 型半导体与N 型半导体之间形成PN 结，从而形成内建电场。当光生电子-空穴对被电场分离时，电子向N 型区域移动，空穴向P 型区域移动，导致PN 结两侧产生电势差，即光生电压。将多个太阳能电池组合成光伏电池组，并将它们连接到电网，可以构建光伏并网发电系统。

图1 光伏发电原理

1.2 并网发电系统组成与工作原理

光伏并网发电系统是一种将太阳能电池阵列产生的直流电转换为交流电，并与公共电网连接的系统。光伏并网发电系统的组成如图2 所示，主要包括太阳能电池阵列、汇流箱、电表、直流配电柜、交流配电柜、直流/交流（Direct Current/Alternating Current，DC/AC）并网逆变器、控制器（光伏系统的管理和监控控制器）、电网连接装置以及监测系统等。太阳能电池阵列将太阳能转换为直流电，DC/AC 并网逆变器将直流电转换为符合市电电网要求的交流电，并通过电网连接装置将交流电与公共电网连接。当太阳能电池阵列输出功率不足时，系统从公共电网获取电能，以满足负载需求；当太阳能电池阵列产生的电能超过负载需求时，剩余电能则通过电网连接装置输送至公共电网，实现供电与售电功能[1]。并网发电系统的工作原理主要是通过逆变器实现直流与交流的转换，并通过电网连接装置与公共电网进行双向能量交换，从而实现光伏发电系统与电网的互联互通。

图2 光伏并网发电系统组成

2 电能质量监测技术

2.1 电能质量指标及其定义

电能质量指电力系统供电过程中电能的各种物理参数（电压、电流、频率等）的稳定性、纯度和准确性，电能质量指标主要分为3 种。一是电压稳定性指标，反映电网中电压波动的情况，如瞬时电压变化、电压波动、电压闪变等。其中，电压波动指标包括瞬时电压变化、电压波动和电压闪变，它们分别描述电压瞬时值的变化情况、电压波动频率以及电压变化快慢程度。二是电流谐波指标，用于评价电流谐波对电网的影响程度，主要包括谐波含量和谐波畸变率等。谐波含量是电流中谐波成分所占的比例，谐波畸变率则是描述谐波波形失真程度的指标。三是频率稳定性指标，反映电力系统的频率稳定程度，通常用频率漂移和频率偏差等参数进行描述[2]。频率漂移指频率随时间的变化情况，频率偏差则是电网频率与额定频率之间的偏离程度。

2.2 光伏发电系统中的电能质量监测技术

光伏发电系统的电能质量监测技术是确保系统稳定运行和电能输出质量的重要手段。其监测流程主要包括数据采集、信号处理、故障诊断以及结果分析等，如图3 所示。数据采集是电能质量监测的基础，通过在光伏发电系统中布置合适的监测设备，如电能质量分析仪、功率分析仪等，实时采集电压、电流、功率因数以及谐波等关键参数，通过传感器和数据采集器将监测数据传输至监测系统。对采集到的原始数据进行信号处理，提取出有用的信息并滤除噪声，主要包括数据滤波、时域分析及频域分析等处理步骤，以确保监测数据的准确性和可靠性。在监测过程中，通过设定预警阈值和故障诊断算法，监测系统能够进行故障诊断，自动识别电能质量异常问题，并向运维人员发出警报。故障诊断通常基于专业的故障模型和规则库，结合监测数据进行判断，能够快速准确地定位问题[3]。监测结果分析是评估电能质量的关键步骤，通过分析监测数据，可以评估系统的稳定性和可靠性，发现潜在问题并提出改进建议。监测结果分析通常包括对各项电能质量指标的统计分析、趋势分析以及异常事件的原因分析等内容，为系统的优化和运维提供重要参考。

图3 光伏发电系统中的电能质量监测流程

3 电能质量优化技术

3.1 电能质量优化目标和指标

电能质量优化的目标主要包括3 个方面：一是稳定电压、频率和电流波形，减少谐波含量；二是降低电压闪变和电流不对称度，提高电能传输效率，减少电能损耗，保障供电可靠性；三是改善电力系统的功率因数，减少对环境的电磁干扰等。这些目标旨在提升电网的稳定性、可靠性和经济性，满足用户对电能质量不断增长的需求。

电能质量优化的指标包括各种电能质量参数，如电压波形畸变率、频率偏差、电压闪变、谐波含量以及功率因数等[4]。这些指标能够全面反映电力系统的运行状态和电能质量水平，为系统的优化提供量化的评估标准。通过监测和分析这些指标的变化趋势，可以及时发现电力系统中存在的问题，并采取相应的措施进行调整和优化，从而提高系统的运行效率和供电质量。

3.2 基于智能算法的电能质量优化技术

基于支持向量机（Support Vector Machine，SVM）的电能质量优化是一种基于机器学习的智能算法，主要利用非线性分类器将监测数据映射到高维特征空间，并在该空间中构建一个最优的超平面，以分类和预测数据。SVM 的数学模型为

式中：w是特征空间的权重向量；x是输入样本的特征向量；b是偏置项；sign(·)是符号函数。SVM 的目标是寻找一个超平面，这个超平面不仅能有效分离正负样本，还能最大化距离超平面最近的样本点的距离，从而确保分类的准确性和健壮性。

在电能质量优化中，SVM 算法主要用于分类和诊断电能质量问题。通过采集大量的监测数据，并提取出关键的特征参数，构建特征空间。利用SVM 算法分类和预测特征空间中的数据，识别不同类型的电能质量问题，如电压波动、谐波扰动等[5]。SVM 算法的优势在于其非线性分类能力和泛化性能较强，能够处理高维数据和复杂的分类问题。同时，SVM 具有良好的健壮性和稳定性，在处理小样本和非线性数据时表现出色。

4 案例分析

4.1 案例概况

以我国某经济发达地区的某大型工业园区为例，该园区近年来积极应用可再生能源，其中光伏并网发电系统占据重要地位。然而，在实际运行过程中，园区管理者发现电能质量存在显著问题。光伏系统的并网引入大量非线性负载，导致电压波动频繁，甚至出现谐波扰动等现象。这些问题不仅影响园区内敏感生产设备的正常运行，还会导致部分设备损坏，进而引起生产效率大幅下降。工业园区本身的电网负荷已经较重，光伏系统的波动性和不稳定性，进一步加剧了电能质量的波动问题。为解决这些电能质量问题，确保电网和生产设备的安全高效运行，需要调节园区的电能质量。

4.2 监测与优化效果分析

监测工业园区光伏并网发电系统的多项电能质量指标，得到电压波动范围、谐波含量、功率因数、频率偏差以及生产效率下降率等数据。根据这些数据，针对电能质量存在的问题，采取基于SVM 的电能质量优化技术，以提升系统的稳定性和可靠性。在优化完成后，再次监测以上电能质量指标。电能质量优化前后效果如表1 所示。由表1 可知，在采取电能质量优化措施后，各项指标均得到明显的改善。例如，电压波动范围由优化前的5%～10%降低至1%～3%，降低效果明显；谐波含量从5.50%降低至2.50%，降低3 个百分点；功率因数由0.90 提升至0.95；频率偏差由±0.2 Hz 降低至±0.1 Hz，降低50%；同时，生产效率下降率由5.0%降低至1.5%，降低3.5 个百分点。从上述数据可以看出，通过应用基于SVM的电能质量优化技术，可以有效改善系统的稳定性、谐波水平、功率因数、频率稳定性以及生产效率，为系统的正常运行和生产效率的提升提供有力支持。

表1 电能质量优化效果

5 结 论

在光伏并网发电系统中，电能质量的监测与优化是确保系统可靠运行和电能输出稳定的关键环节。文章提出基于智能算法的电能质量优化技术，通过该技术的应用，为该领域的发展提供有益参考和借鉴。未来，随着科技的不断进步和应用需求的不断提升，电能质量监测与优化技术将迎来更加广阔的发展前景和应用空间。