光伏電站設計智能優化

揭子路，申俊杰，盧勝，丁平忠

（湖北省電力勘測設計院，湖北武漢，430040）

光伏電站設計智能優化

揭子路，申俊杰，盧勝，丁平忠

（湖北省電力勘測設計院，湖北武漢，430040）

由于目前光伏電站設計目前沒有相應的標準，因此以個人經驗為指導的情況，無法保證電站建設的成本最優，鑒于此問題，本文提出了一種光伏電站優化設計方法，基于模擬退火算法，通過對光伏區域中的組件進行最優分組來實現兩級電纜成本的最優。并通過實際項目對該算法進行檢驗，達到比較理想效果。

光伏電站；優化；邏輯退火；電纜

0 前言

隨著全球經濟的高速發展，全球環境與氣候變得越來越惡劣。如何進行經濟與社會的可持續性發展成為全人類面臨的重要課題。而能源問題是最為重要的問題之一，社會要發展，離不開能源，然而目前人類社會的能源主要依賴于化石能源，包括石油、煤炭、天然氣等等，這些原料在抓換為各種能源（電能、熱能等）的過程中會產生大量的粉塵、二氧化碳、硫化物、氮化物等污染環境的物質，導致氣候與環境的惡化。另一方面，化石能源成形周期長，儲量有限，在可預計的不久的未來消耗殆盡，因此人類迫切尋求各種新型的、無污染的、充足的能源來支持人類社會的可持續性發展。

故太陽能、風能、潮汐能和生物質能等可再生能源越來越受到人們的青睞。太陽能以取之不盡、用之不竭、隨處可得、就近供電、運行成本低、不易損壞、維護簡單、物污染、建設周期短等優點，使其開發與利用日趨受到各國的普遍重視，已經成為新能源領域中技術相對成熟、開發利用水平較高、具有商業化發展條件的新型能源之一。

我國太陽能資源非常豐富， 理論儲量每年達1 700 億噸標準煤.多數地區的年平均日輻射量在每平方米4千瓦時以上，年日照時數大于2000小時.與同緯度的其他國家相比，與美國相近， 比歐洲各國、日本優越得多， 因而有巨大的開發潛能 .

現有較成熟的、規模化太陽能發電有光伏發電和太陽能熱發電（塔式、碟式或槽式）兩種方式。其中光伏發電直接將光能轉換層電能，發電過程中不產生任何污染物或廢棄物，是太陽能利用的有效方法。

目前我國正在大力鼓勵太陽能的使用與轉化，各種太陽能電站項目紛紛開始建設。在光伏電站建設項目中，目前并沒有明確的標準指導項目設計與建設，這也導致光伏電站設計中，人為因素影響較大，不同的設計人員對同一光伏電站進行設計時，成本也可能存在較大差異。

因此，本文針對光伏電站設計，找到影響光伏電站建設成本的主要因素，并提出一種光伏電站的優化設計方法，指導光伏電站進行成本最優設計。

1 光伏電站構成

在光伏電站設計中，光伏組件的固定式布置形式對太陽能輻射量分析、系統發電量預測計算，占地范圍、成本估算等方面都有較大影響。現今，對光伏系統的研究較多，尤其是光伏組件最佳傾角及陣列間距等方面，而對光伏組件布置的研究較少。為了提高光伏系統的運行效率，進一步降低成本、增加效益，對光伏組件布置形式進行研究光伏電站的基本結構如圖1所示，太陽能通過光伏電池板轉化為直流輸出，匯流至逆變器逆變為低壓交流，再通過變壓器升壓至中壓，經過中壓集電線路傳輸至升壓站通過主變壓器升壓至高壓傳輸至電網。

在實際的光伏電站建設中，一旦電站的地形區域劃定，那邊基本上光伏電站的容量就得以確定，光伏電站的設備總量也基本確定，而唯一無法確定的是各級匯流過程中的電纜使用量。由于一級匯流箱、逆變器、升壓站位置理論上在某些約束條件下（出線方向等）可以隨意放置（1MWp分區光伏陣列分布圖如下所示），即可產生無數種方案。各設備放置位置對于施工成本基本無影響，施工成本很大一部分是由設備間連接電纜的總價決定的。

目前光伏電站建設中，多級匯流電纜的連接設計并沒有明確的指導標準，對于匯流區的劃定純粹通過個人經驗進行，因此存在以下問題。

圖1　.光伏電站結構圖

1）光伏電站地形隨意。光伏電站區域往往很隨意，成不規整多邊形結構。一般而言，光伏電站區域會根據容量按照1兆瓦容量進行劃分為多個分區，每個分區就是一個二級匯流區，都是有多塊光伏陣列組成，多個陣列組成一個一級匯流區。每個二級匯流區中的一級匯流區的劃分、一級匯流區的匯流箱的位置一級二級匯流的逆變器的位置直接影響著電纜長度。

2）光伏電站多級匯流電纜成本不同。光伏電站是多級匯流結構，每一級匯流電纜以及監控電纜的成本均不相同。

因此設計人員很難確定如何進行匯流區劃分能夠保證建設成本最優，因此本文提出一種光伏電站優化設計算法，來指導人員進行光伏電站設計，實現建設成本最優。

2 光伏電站優化設計系統框架

光伏電站設計中，將整個光伏電站劃分為多個一個1兆瓦光伏發電區，每個1兆瓦區域就是一個一級匯流區。1兆瓦區域被分為多個分組，每個分組包含一個匯流箱，組內的光伏板通過一級電纜接入到匯流箱，然后匯流箱通過二級電纜接入到逆變器。

由于光伏區域形狀的隨機性，一級分組的不確定性，會導致電纜的鋪設長度不確定。因此本文提出一種優化算法，對1兆瓦區域中的組件進行自動分組，一級逆變器位置的自動設定，實現一級電纜與二級電纜的總成本最優。

光伏優化設計的系統架構如圖2所示，其中包括：光伏組件分組、電纜優化布置、數據建模以及數據接口四個部分。

圖2　.光伏電站優化設計系統框架

1） 光伏組件分組。對于任意1兆瓦區域，進行光伏組件自動分組。

2）電纜優化布置。找到最優分組，實現兩級電纜成本最優。

3）數據建模。導入1兆瓦區域地形圖后，進行數據建模，轉換為光伏組件自動分組的初始輸入數據。

4）數據交換接口。1兆瓦區域地形圖導入，一級優化布置后的最終設計圖輸出。

3 光伏電站優化設計算法

光伏電站優化設計的核心是如何優化兩級電纜成本，因此光伏電站優化設計算法框架如圖3所示。

圖3　. 光伏電站優化設計算法框架

3.1自動分組算法

根據逆變室定位規則，確定區域內所有可能放置逆變室的位置。

針對每一個逆變室的位置都進行一次區域劃分。 具體算法如算法1所示。

3.2電纜優化布置算法

電纜的優化問題可以轉換為模擬退火算法，它是基于Monte-Carlo迭代求解策略的一種隨機尋優算法，其出發點是基于物理中固體物質的退火過程與一般組合優化問題之間的相似性。模擬退火算法從某一較高初溫出發，伴隨溫度參數的不斷下降，結合概率突跳特性在解空間中隨機尋找目標函數的全局最優解，即在局部最優解能概率性地跳出并最終趨于全局最優。

電纜優化算法如算法2所示。

基于光伏電站優化設計算法，給出一個1兆瓦的初始分區如圖4所示，要求光伏組件按照8個一串，每串一個匯流箱，進行設計。

圖4　.1兆瓦初始光伏區域圖

將初始光伏區域輸入后，進行優化設計后的輸出結果如圖5所示，

圖5　.1兆瓦光伏區域優化設計圖

4 結論

由于目前光伏電站設計目前沒有相應的標準，因此以個人經驗為指導的情況，無法保證電站建設的成本最優，鑒于此問題，本文提出了一種光伏電站優化設計方法，基于模擬退火算法，通過對光伏區域中的組件進行最優分組來實現兩級電纜成本的最優。

本文算法經過實際項目進行檢驗，基于湖北省武威光伏電站項目進行對比研究。湖北省武威光伏電站容量為40兆瓦，分為40個1兆瓦區，對這些區域進行優化設計后，將優化結果與該項目人工實際設計結果進行比較分析發現，優化算法整體優化率達到了4.58%（如圖6所示）。

圖6　.光伏電站優化設計方法在武威項目中的比較分析

［1］ 中國可再生能源發展項目辦公室.中國光伏發電市場發展概況［M］.

［2］ 王敏，丁明.分布式發電及其效益［J］.合肥工業大學學報，2004， 7（4）： 354-358.

［3］ 鄒勝.我國太陽能光伏發電的現狀及展望［J］.重工與起重技術，2007（1）：32.

［4］ 王連貴.太陽能光伏發電在北京的應用［J］.農村電氣化，2007（11） ： 6.

［5］ 謝建，馬勇剛，廖華，等.太陽電池及其應用技術講座（五）光伏發電系統［J］.可再生能時性源，2007（5）：120.

［6］ 日本太陽能協會.太陽能光伏發電系統的設計與施工［M］. 北京：科學出版社，2006：181~183.

揭子路，男，工程師，1985年生，2011年畢業于華中科技大學電氣工程及其自動化專業?，F供職于湖北省電力勘測設計院，主要研究應用仿真算法提高光伏發電系統效率。

Intelligent Optimization of Photovoltaic Plant Design

Jie Zilu，Shen Junjie，Lu Sheng，Ding Pingzhong
（Hubei Provincial Electric Power Survey and Design Institute，Hubei Wuhan，430040）

Because there is not any standard for the design of photovoltaic plant，the construction of the photovoltaic plant is based on the personal experience which cannot insure the optimal cost.So，a intelligent optimization method of photovoltaic plant design is proposed which is base on the simulated annealing algorithm.Reduce the cost of the cable according to grouping the photovoltaic module optimally. This method is proved by the actual project.

Photovoltaic Plant；Optimization；simulated annealing；cable