基于期望场景集性能的微电网鲁棒经济调度

针对孤岛型微电网受可再生能源和负荷不确定性影响的特点，提出基于梯次偏离不确定集的孤岛型微电网鲁棒经济调度算法。根据微电网的结构特点进行建模，利用微电网的不确定集生成梯次偏离的不确定集。在日前计划阶段，以所有场景可行，期望场景集内性能最优优化出微电网的各设备出力，得到日前计划方案。日内调度阶段，保持日前计划调度阶段优选出的储能系统出力，利用新能源以及负荷的实时数据，对微型燃气轮机、新能源弃风弃光、可平移负荷功率的日前阶段优化解进行二次优化调整，提高微电网运行的经济性。结果表明：该方法取得了更优异的控制性能，提高微电网调度的经济性。最终，通过仿真案例验证了该方法的有效性。     

促进凉山州风电光伏产业健康发展的对策建议

为保证凉山州风光电产业的健康发展,在发展风光电产业的同时如何最大限度地保护和恢复生态,更好地改善当地基础设施建设,造福当地住民,并争取到地方财政利益最大化,实现企业、地方和老百姓三赢是值得认真研究的课题。通过实地走访调研,分析了目前凉山州风电光伏产业存在缺乏统一的规划和指导性的意见,实施光伏扶贫工程土地指标、年度开发配额和送出通道地方利益难于保证,民生改善不明显区域生态安全面临严峻挑战等问题,从科学编制有关规划、加快实施光伏发电扶贫工程试点,建立生态修复补偿和助民脱困机制等方面提出具体的政策建议。     

碳中和目标下我国光伏发电发展路径规划研究

能源绿色低碳转型背景下，光伏发电已经成为我国发展最快且最有潜力的可再生能源。本研究基于历史数据构建了反映光伏发电单位投资成本下降趋势的学习曲线模型，建立了技术扩散模型估计光伏发电每年装机潜力，并在政策发展目标、投资水平、光伏发电量最低占比、电网消纳能力等约束下，以规划期内光伏发电总成本最小化为目标，构建了光伏发电发展路径规划模型，计算2023~2060年光伏发电每年的最优装机容量。结果显示，该模型能够综合平衡退役与新增装机规模，以及学习效应导致的光伏电站倾向前期少建而后期大量建设与阶段发展目标要求之间的冲突关系，该模型可为碳中和目标下光伏产业规划和政策制定提供方法支撑。     

光伏光热?热泵系统供热水箱与蓄热水箱匹配研究

为了研究光伏光热−热泵系统供热水箱与蓄热水箱大小匹配的问题，利用TRNSYS软件建立了光伏光热−热泵系统的仿真模型。利用实测数据对仿真模型进行了验证，结果表明误差均在合理值范围内，认为构建的仿真模型具有准确性和可靠性。针对100，200，300 L这3种不同容量的供热水箱，分别选取了30，60，90 L/m²的蓄热水箱来匹配各容量的供热水箱。对系统仿真模型进行了全年运行性能模拟，并选用全年?损作为评价指标对系统进行评价，模拟结果表明，对于3种不同容量的供热水箱，蓄热水箱容量皆为60 L/m²时系统全年?损值最小，推荐匹配各容量供热水箱的蓄热水箱大小为60 L/m²。     

计及源/网不确定性的区域电网有功不平衡度评估

区域电网互联可提高供电可靠性和新能源消纳能力，现有调度研究多关注全网功率平衡和联络线功率优化，忽略区域有功平衡能力。评估区域有功不平衡度，需要考虑长期运行中的不确定性因素，不能基于单个时间断面。计及风/光出力不确定性和电网随机故障，提出区域有功不平衡度指标和评估算法。首先改进K-means算法聚类风光出力场景。其次定义描述区域不平衡度的两个指标：电力不平衡度和供电能力不平衡度。考虑源/网不确定性，采用状态枚举和概率加权方法计算上述指标。将不平衡度指标分别纳入目标函数和约束条件，提出计及不平衡度的发电再调度模型。最后建立目标函数对不平衡度约束的灵敏度模型，估计放宽不平衡度约束对优化目标的影响。结果表明：所提算法以切负荷量增加为代价，可减小区域电网有功不平衡度。在不同出力/故障场景下，各区域综合不平衡度变化趋势基本一致。放松电力不平衡度约束，可减小综合优化目标。     

考虑光伏发电不确定性的日前火电-光伏经济调度

针对光伏发电受季节天气因素影响产生的不确定性和随机性的问题，建立了考虑光伏发电不确定性的日前火电-光伏经济调度的数学模型。以传统火电机组的运行成本、光伏发电成本、旋转备用成本，以及受到季节天气因素影响的光伏发电预测误差成本为经济目标函数；以火电机组的二氧化硫排放为环保目标函数。为提高光伏出力预测的准确性，采用加入季节天气因素的长短时记忆神经网络对于光伏发电进行预测，通过Cplex对所构建的模型进行求解，结果表明了所提模型的有效性和可行性。     

基于主成分分析的光伏热斑红外图像混合噪声去噪方法

为了解决光伏板热斑故障检测时受噪声影响的红外图像分辨率低而导致热斑区域难以识别的问题,提出一 种基于主成分分析的红外图像混合噪声自适应去噪方法。 该方法通过自适应窗口预处理算法将获取的热斑红外 图像进行初步去噪,滤除图像中的低密度椒盐噪声,减小噪声信号对后续选取降噪训练集时所造成的影响;然后, 采用基于块匹配的主成分分析法对预处理后的图像信息进行降维处理,提取信号的主要特征,降低噪声滤除时的 计算复杂度;最后,使用线性最小均方误差估计对图像进行二次去噪处理,滤除残余噪声;此外,在二次去噪之前重 新计算图像噪声水平,使最终的去噪图片获得了更好的视觉效果。 实验结果表明:该方法能够有效去除光伏热斑 红外图像中的混合噪声,客观评价指标显示噪声较小时,图像结构相似性可保持在 0. 9,在高密度噪声影响下,峰值 信噪比相较于修正的阿尔法均值滤波算法平均提高 2 dB,实际视觉效果中保留了图像细节特征,可以明显观测到 热斑区域。     

天气影响下基于风险评估的电动汽车光伏充电站需求响应

在“碳达峰、碳中和”背景下，新能源发电逐渐占主导地位，电动汽车数量增长显著，电动汽车光伏充电站将在需求响应方面有重要作用。该文提出一种天气影响下基于风险评估的电动汽车光伏充电站的需求响应方案，根据构建的“预测—预防—响应”三阶段流程图，结合电网及天气的地理信息系统(geographic information system, GIS)数据进行多层时空数据整合分析，作出风险地图；并据此进行天气对用户影响的风险评估，对装备有光伏发电的电动汽车充电站的运行成本进行建模，优化充电站资源在日前储备市场的参与方案；在用户参与下分别进行需求侧管理(demand side management, DSM)和停电应急管理(outage management, OM)，并进行案例研究。该文研究能有效预测天气对电力用户影响并将其可视化，并验证了带有光伏发电的电动汽车充电站，有助于减轻天气对电力供应造成负面影响的作用。     

考虑光伏机理与数据驱动结合的短期功率预测

精确的光伏功率预测对电网的可靠与稳定运行至关重要。现有研究大多数都是将天气条件直接作为数据驱动的输入，未深入分析天气条件与光伏输出功率直接耦合关系，因此本文将机理模型与数据驱动方法相结合，提出一种新型的光伏功率预测方法。首先，建立光伏系统物理模型，依据建立的物理模型得到不同的辐照度分量以及光伏电池温度。其次，将这些关键的天气特征重新构建数据驱动的输入，实现光伏机理与数据驱动结合的短期功率预测。最后，进行误差修正然后得到最终的光伏功率预测结果。根据光伏系统实测数据集进行仿真分析，结果表明因为从物理模型得到了关键天气特征，考虑了天气条件与天气因素的耦合关系，预测精度有了明显提升，验证了所提方法的有效性。