中節能(臨沂)光伏農業科技有限公司 羅春亮 王周龍
在“雙碳”戰略的驅動下,我國能源結構逐步優化,在此期間光伏發電量在全國總發電量中的占比逐年增加,使光伏發電備受關注。新時代背景下,為最大限度發揮出光伏發電的優勢,電力產業推行光伏并網,并結合地方實際情況構建了大型光伏并網電站,但從本質上看,大型光伏并網電站的建設對地方原有的電力系統造成了沖擊,在大型光伏并網電站發展期間,應立足于實際做好大型光伏并網電站的運行優化與維護。
為增強該次大型光伏并網電站運行與維護技術研究的現實意義,本文選取某光伏電站為實例進行具體分析。某電站屬于大型光伏并網電站,地處丘陵、山地地區,從光伏并網角度來看,共設置20個廠區,裝機規模與裝機容量分別為500MWP、517.21MW。某電站在生產經營期間以因地制宜為原則,于光伏廠區中心設置升壓站(220kV),主變容量250MWA。為保障當地電力供給,某電站計劃在區域范圍內新建20回集電線路(35kV),長度為105.23km,集電線路接入升壓站。綜合考慮不同電源間同時系數,在某電站中,光伏發電、風力發電的同時率分別為0.73、0.71,此外并網類型電源的同時系數如下:風電、光伏、火力分別為85%開機、75%開機、95%開機。
各輸電通路在電網體系中均具有固定阻抗特性,當電網內產生電能流通時,則會帶動電勢變化,受到該變化影響導致電網導線兩端會形成電勢差。在此情況下,當電網線路無功功率出現穩步提升現象時,則會進一步促進有功功率在線路中的傳輸,而受到電流變化影響將出現電能功率不穩的問題,繼而影響電網供電質量,引發電壓震蕩情況。
輸電線路于地區電網內運行時,主要受調度指令管控而轉變運行模式,使電能可基于電力傳輸需求而產生相對應的變化,這就導致電網能夠根據因素變化而始終處于動態平衡狀態。若無功功率在流向、功率方面產生的變化較大,將會帶動電壓偏差變化,導致電網內部分節點電壓難以滿足實際運行需求,繼而干擾供電穩定性。此外,電站實現光伏并網后,大型光伏并網電站運行期間,若光伏發電所產生的電能出現流向變化,則會影響電網節點電能,致使區域內局部節點出現電壓波動的情況。受到光伏電站并網的影響,某電站電能出電變化頻率、出力狀態發生轉變,在光伏并網結構內,通常采用設置無功優化裝置的方式調節電壓。
對某電站實現光伏并網后的電網運行狀況進行總結如下:光伏占比與光伏出力之間存在正比關系,即光伏發電在整個電網運行中的占比增大,同時會帶動光伏出力的增多,光伏并網點位的電壓變化情況呈現為“先升后降”,當有功功率達到閾值時,若持續增大會造成較為明顯的電壓偏差,這就意味著光伏并網運行電壓出現較大波動。對產生該現象的原因加以分析,發現大型光伏電站并網對地區無功功率的影響主要是因為太陽能具有不可控性,光伏發電量不穩定。
結合上述分析可知,某電站實現光伏并網之后,發現受到光伏發電不穩定性的影響而對電網整體運行狀況產生了一定影響,對電站調度水平提出了一定要求,在該情況下,某光伏并網電站引入算法方式進行無功運行優化。
2.1.1 優化目標
光伏并網之后,某電站具備了多種電源形式,為保障供電穩定性,控制電力成本,優化用戶用電感知,某電站將該次無功運行優化的目標設置為無須新增設施設備即可使系統潮流、節點電壓、并網點電壓均可符合電網運行要求。在光伏并網電站中,多將無功、電壓是否存在越界現象視為衡量電能質量的依據,因此,某電站結合光伏并網背景進行無功運行優化時,主要從兩個角度確定優化目標,搭建目標函數[1]。
其一,將控制有功網損作為運行優化目標,用于優化整個光伏并網電站運行環境,保障電網運行效果,基于該思路設置目標函數,借助該目標函數而改善某電站能源結構,調節火電、光電之間的聯動關系,既能夠保障電廠運行經濟效益,還可兼顧電站環保性。在構建目標函數時,綜合考慮光伏并網電站越限狀況,結合某電站實際情況來看,可將該目標函數設計為:
式(1)~(3)中:Ploss代表有功網損,Ui為i節點電壓值,Uj為j節點電壓值,ΔUi為i節點電壓的差值,Uimin為i節點最小電壓值,Uimax為i節點最大電壓值,θ為夾角,θij則代表i節點與j節點之間存在的交接,λ代表懲罰系數。
其二,將電壓偏移量控制作為運行優化目標,該目標直接影響本光伏并網電站無功優化設施的性能及規模要求,站在某電站角度上看,可基于電壓偏移量優化目標而減少在無功優化設施方面的投入,繼而實現對電能質量、工程造價產生控制。基于該角度構建目標函數,如下式所示:
式(4)中:minΔU代表最小電壓差值,Uset、Usetmax分別代表i節點額定電壓、電壓最大允許偏移量。
2.1.2 粒子群算法
PSO粒子群算法是指個體基于自身所認定的正確線路不斷前進,同時在前進過程中橫向對比參考,采用該方式而確保所有個體均可確認正確線路。在該PSO粒子群算法體系中,個體擁有自身智能,具有自我學習、自我積累、水平進化的能力,且可通過橫向學習而逐步完成正確線路的優化。
某光伏并網電站在運行優化期間,在引入了粒子群算法,待算法開始運行計算時,則會自動生成粒子,結合本光伏電站實際情況對算法參數予以調整,在此基礎上設定表征理想狀態,規劃基準序列,結合所搭建的目標函數而自動確認目標序列,對基準序列、目標序列之間的關聯度進行計算,將計算所得結果尚未粒子群適應函數,并基于目標函數及粒子適應值而定位最佳位置。算法程序完成上述運行步驟后,則運用粒子迭代方程對粒子位置、粒子速度進行更新,限制越限變量,結合當前實際情況對粒子適應值重新計算,繼而得出最新的粒子位置,完成粒子更新后分析是否已達最大迭代目標,若已符合則結束算法,若未符合則重新進入算法程序。
在光伏并網電站運行期間,光伏所產生電能路徑存在一定不確定性,將其運用到某電站中可能在特殊情況下難以充分發揮出良好作用,因此須基于某電站光伏并網結構而對粒子群算法加以改進[2]。
2.1.3 算法改進優化
某電站改進粒子群算法時,將決定算法慣性速度的慣性因子ω由固定值變化為動態遞減形態,基于動態遞減的慣性因子而良好改進算法求解效率,使慣性因子可在一定范圍內實現慣性遞減,改進后的粒子群算法如下:
式(5)中:w為慣性因子,wstart、wend分別代表開始時與結束時的粒子個體慣性因子,T為粒子個體運動次數,T為粒子個體運動次數的最大值。
在粒子群算法中,粒子個體在不斷運動過程中還會通過自我學習而優化運動狀態,如運動路徑、運動方向等,某電站運用粒子群算法對光伏并網電網體系進行優化時,按照原有的粒子群算法程序而引入了G1、G2兩個自我學習線性調整因子,當某電站改進后的粒子群算法進入運行狀態后,則會按照G1、G2兩個自我學習線性調整因子對自身運行狀況加以調整。在某電站算法迭代計算之下,得出了符合本光伏并網電站需求的G1、G2兩個自我學習線性調整因子數值區間,分別為1.25~2.75、0.50~2.25。
2.1.4 某電站優化效果
本次所提出的優化方案現已在本光伏并網電站中實現了運用,對各個并網節點位置的電壓波動狀況進行采集,發現在粒子群算法程序的優化運行下,并網電壓差值進入規范區間內,某電站的光伏并網電網體系現已滿足穩定供電要求。此外,對光伏并網運行狀況進行觀察,發現運行期間未出現諧波污染現象,運用效果較好[3]。
2.2.1 落實巡檢維護
從運行角度來看,為確保粒子群算法可在本光伏并網電站中實現運行,需要通過預防性檢修的方式,來最大限度降低故障事故的出現頻率與事故造成的經濟損失,為電站基本功能的呈現提供可靠的支持與保障。相關工作人員在實施設施檢修期間,一方面要做好作為光伏并網電站核心設施的逆變器檢修工作,另一方面還要完成對光伏陣列的全方位檢測維護。由于大容量并網逆變器的生產廠家數量偏多,無法逐一對相關產品的質量進行深度檢查,導致某電站所使用的逆變器品質存在明顯參差不齊狀況,再加上某電站前期在選取配備設施期間,缺少科學合理的分析與評估,從而導致逆變器無法以最佳狀態來持續運行,必然會對其內在電子元器件造成不同程度的磨損。
2.2.2 實施設施檢修
在檢查逆變器的過程中,需要分別從工作承載量、輸出諧波分量、電纜連線穩定性、內部連線可靠性、電路板元器件受損情況、濾網清潔狀況以及應用冷卻效果等方面,參考行業逆變器檢測維護標準來做好結構優化,促進逆變器實際工作效率與電網系統輸出功率獲得顯著提升[4]。此外,光伏陣列通常使用年限在25年以上,出現意外情況的概率相對較小,但容易在環境或雷擊等問題的影響下出現部件受損情況。在日常維護期間需要定期做好清洗工作,確保其表面干凈整潔,在檢修時要分別從組件板連線溫度、匯流箱連線穩定性、光伏組件的受損情況,以及方針支架連接性和防雷接地裝置的可靠性等方面來展開全方位評估與測定,為某電站的正常運行提供可靠支持與保障。
2.2.3 設施更新維護
結合上述巡檢維護情況來看,發現逆變器存在一定問題,須長期采用維護手段調整其性能,本光伏發電站為杜絕該現象,按照上述無功功率優化要求及算法函數運行程序,對逆變器設施進行更新,更新后的逆變器參數見表1,現已能夠良好滿足本光伏并網電站的運行要求[5]。

表1 更新后的逆變器參數
大型光伏并網電站在實際運行期間,不可避免地會對當地電力系統產生影響,改變原有的電力結構,為切實保障大型光伏并網電站的實際運行效益,應合理確定電站優化目標,引入粒子群算法,并對粒子群算法進行改進與優化,以此實現對大型光伏并網電站運行結構的有效優化,此外還應從落實巡檢維護、核實設施檢修、設施更新維護三個角度出發提高大型光伏并網電站維護質量,使大型光伏并網電站能夠在“雙減”戰略背景下切實發揮出自身的積極作用。