兆瓦级光伏系统关键设备配置方案研究.pdf

A Study on Key Equipment Configuration Schemeof Megawatt Photovoltaic SystemXU Xiao-long,ZHANG Shang-zhou,LIU Jun(School of Electronic Information and Electrical Engineering,Shangluo University,Shangluo726000,Shaanxi)Abstract:In order to achieve the goal of achieving the least cost and the highest power generationwhen designing a photovoltaic power generation system,a bi-objective programming model of minimumcost and maximum output power was established.The minimum number of photovoltaic modules,DC/ACinverters,and the boost converters required under the minimum system cost condition,first solved forthe mode using LINGO 11.0,and then sloved the design scheme which the maximum photovoltaicoutput power is highest power generation by using LINGO 11.0,realized the optimal configurationstrategy for photovoltaic system design.The compliance of Scheme one and two with the designindicators is 99.4%and 97%,respectively.Scheme one has a higher initial investment economy,whichcan ensure the minimum equipment cost to meet the design requirements and achieve maximumeconomic benefits,providing a reference for the design of megawattt-class l photovoltaic power generationsystems.Key words:photovoltaic power generation;cost reduction and efficiency increase;double objectiveoptimization;configure policy兆瓦级光伏系统关键设备配置方案研究徐晓龙，张商州，刘俊?摘 要：为了实现设计光伏发电系统时实现系统设计成本最低且系统发电量最高的目标，建立了最小费用和最大输出功率的双目标规划模型，使用LINGO11.0对模型求解出系 统 费 用 最 少 条 件 下 需 要 光 伏 组 件、逆 变 器、变 换 器 的 最 少 数 量 之 后，再 使 用LINGO11.0求解出光伏输出功率为最大的设计方案，实现光伏系统设计最优配置策略。方案1和方案2与设计指标符合度分别为99.4%和97%，且方案1初期投资经济性更高，能保证满足设计要求的最小设备花费，并取得最大经济效益，为兆瓦级光伏发电系统设计提供参考。关键词：光伏发电；降本增效；双目标优化；配置策略中图分类号：TM615文献标识码：文章编号：1674-0033(2023)04-0047-07引用格式：徐晓龙,张商州,刘俊.兆瓦级光伏系统关键设备配置方案研究J.商洛学院学报,2023,37(4):47-53.doi:10.13440/j.slxy.1674-0033.2023.04.008第 37 卷 第 4 期23 年 8 月商洛学院学报 Vol37 4Aug.23（商洛学院 电子信息与电气工程学院，陕西商洛 726000）收稿日期：2023-02-12基金项目：商洛学院科研基金项目（20SKY013）；商洛市科技局科研计划项目（2021-Z-0016）作者简介：徐晓龙，男，陕西绥德人，硕士，讲师随着能源危机的日趋严峻，光伏发电在诸多领域中获得了广泛的应用1。但是目前限制光伏发电推广的难点问题是降低成本和提高效率2。文献3-5研究了光伏产品容量优化配置问题，需要根据优化目标建立相应的协调控制优化模型，采用动态规划6、粒子群算法7、遗传算法8等优化算法进行求解。郑银燕等9依据设计光伏电站容量和已经招标的电池板的单体功率计算光伏组件数量。徐子亮等10提出了基于 LCOE 的光伏发电项目优化设计方法，主要研究组件倾角、阵列间距与输出功率的最佳匹配，与本文研究的光伏电池、逆变器配置策略无关。王怀斌等11选用组串式逆变器，用组件峰值功率与逆变器直流侧可过载10%进行组件和逆变器的匹配。杨敏12通过光伏电站设计容量进行光伏电池和逆变器配置计算，系统装机容量与设计指标尽管很接近，但系统只有单一规格的光伏电池和逆变器，未进行本文所研究的光伏系统设计最优配置策略。文献3-12都没有考虑追求光伏发电效率最大，系统设备成本最低双目标约束下，系统设备的优化选型，在光伏系统设计时，选择的光伏组件、DC/DC 变换器、逆变器的数量及组件的连接方式对系统建设成本影响很大，而光伏系统设计类研究很少涉及如何选择设备及配置方式。基于此，本研究以 2 MW 小型光伏系统设计为例，提出两种方案，并使用LINGO 进行建模分析。1兆瓦级光伏电站设计1.1兆瓦级光伏发电系统结构的设计所讨论的光伏电站参数为：光伏阵列直流输出峰值电压为 600 V，装机容量 2 MW，输出415 V 三相交流电并入电网，单个光伏组件峰值功率和峰值电压都较小，通常把若干光伏组件串并联形成光伏阵列。根据逆变器允许接入的工作电压范围，确定最大的光伏组件数即为一个光伏阵列最大串联组件数13。光伏阵列输出电压影响因素很多，受到光照、风速等自然因素的影响，具有波动性和不确定性14。为了保证逆变器输入电压在一个正常范围内及减少逆变器接线数量，在光伏阵列和逆变器之间加装 DC/DC变换器或汇流箱等设备。多个光伏阵列单元配备一台相应额定容量的逆变器15。光伏阵列布置设计如图 1 所示16。考虑到 2 MW 光伏并网电站具有较大的功率容量，受安装地点限制，所有光伏方阵很难具有统一的安装倾角和方向，所以本系统采用 mn 阵列经过 y 台变换器并联接 p 台逆变器输入端，多组并联的方案。本文研究内容需要确定图 1 中 m 和 n 的具体数值及变换器和逆变器数量。1.2系统方案具体设备参数根据招标的众多方案中初步选择两种供货方案供系统设计使用，各方案详细参数见表 1。本文从峰值功率、设备费用等方面研究两种方案，为方案的最终决策提供支撑。2系统设备配置模型建立2.1符号说明所建立的模型使用的符号及说明，见表 2。2.2模型建立多目标优化是在给定的约束范围内求多个目标的最优值。本研究包含两个目标函数：第一目标函数是系统设备购置费用最小以提高系统经济性。第二目标函数是在满足系统设备购置费用最小的前提下光伏组件的功率最大，以提高系统发电量。23 年 8 月商洛学院学报48图1光伏阵列结构组件 m组件 m组件 m12n组件 1组件 1组件 1组件 2组件 2组件 2DC/DC变换器DCAC电网 表2符号说明对于第一目标函数系统设备购置费用最小，即系统购置的光伏组件、变换器、逆变器的总费用最少，形式为：min=F（i）=2i=1移minipihi+2i=1移yiki+2i=1移pili(1)考虑每个光伏阵列输出直流电压最大为600 V 的限制，变换器、逆变器输入功率最大为2 MW 的限制，所有光伏阵列最大功率为 2 MW限制，列出第一目标函数的约束条件为：s.t.2i=1移aimi6002i=1移eiyi=20002i=1移fipi=20002i=1移ciminipi20002i=1移nigipi6002000?0(2)对于第二目标函数是在满足系统设备购置费用最小的前提下光伏组件的功率最大，即：maxG(i)=2i=1移minipicidi(3)徐晓龙，张商州，刘俊：兆瓦级光伏系统关键设备配置方案研究49第 4 期符号含义m每个光伏阵列串联组件数/个n每个光伏阵列并联支路数/个p光伏阵列数/个、逆变器数/台y变换器数/台k变换器价格/元h光伏组件价格/元i决策变量l逆变器价格/元a开路电压 U0c/Vd光伏组件转化率/%e变换器功率/kWf逆变器功率/kWg短路电流 Isc/Ac光伏组件峰值功率/kWl逆变器价格/元表1两种方案的详细参数最大功率 Pm/W?295.00330.00最大功率点电压Um/V?32.4034.03最大功率点电流Im/A?9.10?9.70开路电压 U0c/V?39.7041.37短路电流 Isc/A?9.6110.19转换率/%?18.02?20.20功率/kW?10.0020.00功率/kW?50.00100.00价格/元40 000.0080 000.00光伏组件DC/DC 变换器逆变器价格/元?1 800.002 400.00价格/元?800.001 000.00设备参数方案 1方案 2考虑的光伏阵列电池板的串联数和并联支路均为正数，列出第二目标函数的约束条件为：s.t.2i=1移aimi6002i=1移eiyi=20002i=1移fipi=2000(4)2i=1移ciminipi2000mi，ni0mi，ni取整数，i=1,?23系统设备配置模型求解3.1 LINGO多目标约束优化LINGO 通过设数组集合、数据赋值、目标函数和约束条件，结合内置函数使用完成对优化问题的建模。由于 LINGO 在求解多目标约束问题时，不能同时满足多种目标为最优，即在多目标优化中，目标函数一般是彼此冲突的，因此模型求解过程分两步进行，首先满足费用最小目标，再满足系统功率最大目标。3.2方案最小费用计算首先计算出两种方案变换器和逆变器的购买数量。使用 LINGO11.0 编写式(1)和式(2)的程序语句，如下所示。运行之后的结果如图 2所示。model:sets:gs/1.2/:m,n,p,y,k,h,l,a,c,d,e,f,g;endsetsdata:g=9.61 10.19;h=0.325 0.350;k=300 600;l=40000 80000;a=39.7 41.37;c=0.295 0.33;d=0.1802 0.202;e=10 20;f=50 100;enddatamin=sum(gs(i):m*n*p*h)+sum(gs(i):y*k)+sum(gs(i):p*l);for(gs(i):sum(gs(i):a*m)600);for(gs(i):sum(gs(i):e*y)=2000);for(gs(i):sum(gs(i):f*p)=2000);for(gs(i):sum(gs(i):c*m*n*p)=2000);for(gs(i):sum(gs(i):n*g*p*600)=2000);End从图 2 可以看出，在满足约束条件式(2)求得目标函数式(1)的最优值，p(1)=40，p(2)=20，y(1)=200，y(2)=100，表示所设计的系统采用方案 1 需要设置 40 个光伏阵列，200 台变换器，40 台逆变器。方案 2 需要设置 20 个光伏阵列，100 台变换器，20 台逆变器。3.3方案最大功率计算在满足最小费用的前提下，把变换器、逆变器、光伏阵列数当做已知条件再计算第二目标函数：即方案功率最大，计算出两种方案光伏组件块数，及 mn 方阵的具体布置方式。使用LINGO11.0 编写式(3)和式(4)的程序语句，如下所示。程序运行结果如图 3 所示。model:sets:gs/1.2/:m,n,p,y,k,h,l,a,c,d,e,f,g;endsetsdata:p=40 20;y=200 100;g=9.61 10.19;h=0.325 0.35;k=300 600;l=40000 80000;a=39.7 41.37;c=0.295 0.33;d=0.1802 0.202;e=10 20;f=50 100;enddatamax=sum(gs(i):m*n*p*c*d);for(gs(i):sum(gs(i):a*m)=600);for(gs(i):sum(gs(i):e*y)=2000);for(gs(i):sum(gs(i):f*p)=2000);for(gs(i):sum(gs(i):c*m*n*p)=2000);for(gs(i):gin(m);for(gs(i):gin(n);End23 年 8 月商洛学院学报50Solution Report-LINGO1Local opcimal solution found.objective value:3220000.Infeasibilities:0000000Extended solver steps:5Total solver iterations:20VariableValueReduced CostM(1)0.0000000.000000M(2)0.0000000.000000N(1)0.0000000.000000N(2)0.0000000.000000P(1)40.000000.000000P(2)20.000000.000000Y(1)200.00000.000000Y(2)100.00000.000000K(1)300.00000.000000K(2)600.00000.000000H(1)0.32500000.000000H(2)0.25000000.000000L(1)40000.000.000000L(2)80000000.000000A(1)39.700000.000000A(2)41.370000.000000C(1)0.29500000.000000C(2)0.33000000.000000D(1)0.18020000.000000D(2)0.20200000.000000E(1)10.000000.000000E(2)20.000000.000000F(1)50.000000.000000F(2)100.00000.000000G(1)9.6100000.000000G(2)10.190000.000000Row Slack or SurplusDual Price13320000.-1.2600.00000.320820000.40000000-30.50000000-30.60000000-800.70000000-800.82000000.92000000.2000000.2000000.图2方案最小费用运算结果从图 3 可以看出，在满足约束条件式(4)求出光伏阵列输出功率最大的目标函数时，m(1)=13，m(2)=14，n(1)=13，n(2)=21。对于方案 1 需要布置光伏子阵列1313，需要 40 个这样的方阵，共计光伏组件6 740 块。对于方案 2 需要布置光伏子阵列 1421，需要 20 个这样的方阵，共计光伏组件 5 880 块。徐晓龙，张商州，刘俊：兆瓦级光伏系统关键设备配置方案研究51第 4 期4方案的比较与评价根据模型式(1)和约束条件式(2)、式(3)使用LINGO11.0 软件求解两种方案的设备配置情况，如表 3 所示。通过表 3 对比两种方案的设备配置情况，可以看出方案 1 比方案 2 总费用少，方案 1 比方案 2在组件安装倾角相同，温度、太阳辐射强度等外界条件相同的情况下，阵列的峰值功率大，因此在相同时间内方案 1 比方案 2 发电量多，能带来更多的经济效益、环境效益。但是方案 1 比方案 2配置了更多的电池组件、变换器和逆变器，会更加占地，故障率也会较高，因此后期维护工作量也会更大。通过 LINGO11.0 计算的两种方案的峰值功率与系统设计的装机容量 2 MW 有一点差距，这是由于当最小费用这一个目标达到最佳值时，其它目标如峰值功率可能会远离它们的最优值，即不能找到绝对最优解，这种解集叫做帕累托（Pareto）解集。Pareto 解也称为有效解或非劣解17。目标转换为约束后增加了算法复杂度且求解质量不高，而 Pareto 解能很好地处理相悖目标之间的表达18。两个特征使该类问题有别于单最优解问题，可称之为多最优解组合优化问题。针对目前专门多最优解组合优化问题的研究较少的情形，本表3两种方案设备配置情况5结论本文针对光伏电站的设计问题，以 2 MW 光伏电站为例，初步选择了满足设计要求的两种配置方案进行研究，通过 LINGO11.0 对建立的双目标优化模型进行求解得出设计结果，首先以费用最少建立目标约束得出设备费用最少对应的设备数量，再把最少设备数当成已知条件，以光伏系统最大输出功率为目标函数，求解得出系统设计方案，通过分析两种方案，从经济性、装机容量指标、可靠性能指标对两种方案进行评价。对比其他设计方案如文献9根据设计容量，通过组件单体功率设计组件数量和逆变器数量，本研究得出的组件数量和逆变器数量更加精确，且满足输出功率为最大。研究思路符合目前光伏系统设计原则最低的投入，最高的收益。本研究对比项目方案 1方案 2阵列形式 mn13131421阵列数 p/个?40?20光伏组件总数/块?6 740?5 880变换器台数 y/台?200?100逆变器台数 p/台?40?20峰值功率/W1 988 3001 940 400设计指标匹配度/%?99.4?97光伏组件总费用/元5 392 0005 880 000变换器总费用/元?72 000?48 000逆变器总费用/元1 600 0001 600 000系统总费用/元7 064 0007 528 000文所研究的系统关键设备配置方案建模没有考虑光伏支架、光伏线缆，光伏汇流箱，安装等费用，考虑这些会使模型更加复杂，增大编程难度，也必然会影响方案总费用和精度。23 年 8 月商洛学院学报52图3方案最大功率运算结果Solution Report-LingolLocal opcimal solution found.objective value:7513156objective bound:7513156Infeasibilities:0000000Extended solver steps:7Total solver iterations:soVariableValueReduced CostM(1)13.00000-27.64268M(2)14.00000-27.99720N(1)13.00000-27.64268N(2)21.00000-18.66480P(1)40.000000.000000P(2)20.000000.000000Y(1)200.00000.000000Y(2)100.00000.000000K(1)600.00000.000000K(2)0.32500000.000000H(1)0.32500000.000000H(2)0.32500000.000000L(1)40000.000.000000L(2)80000000.000000A(1)39.700000.000000A(2)41.370000.000000C(1)0.29500000.000000C(2)0.33000000.000000D(1)0.18020000.000000D(2)0.20200000.000000E(1)10.000000.000000E(2)20.000000.000000F(1)50.000000.000000F(2)100.00000.000000G(1)9.6100000.000000G(2)10.190000.000000RowSlack or SurplusDual Price175131561.283900000.320820000.400000000.500000000.600000000.700000000.858000000.959600000.（责任编辑：刘宝盈）徐晓龙，张商州，刘俊：兆瓦级光伏系统关键设备配置方案研究53第 4 期文献19提出的利用光伏系数设计单价乘以装机容量来计算项目成本的方法更加精确。本研究的方案 1 比方案 2 成本更低且峰值功率更大，若场地足够大且考虑光伏发电效益最高可选方案 1，若安装设备场地受限可选方案 2。方案 1 和方案 2与设计指标匹配率分别为 99.4%和 97%。本研究为兆瓦级光伏电站设计提供参考。参考文献：1 李建国,陈永超,赖立海,等.基于 LabVIEW 和 RS485通信的光伏监测系统J.自动化与仪表,2014,29(4):16-19.2闫志浩.分布式光伏发电系统优化设计D.天津:天津商业大学,2017:22-31.3周坤,许云飞,崔昊杨,等基于预测控制的多种新能源互补电力系统动态调度模型J.现代电力,2021,38(3):248-257.4刘颖明,王瑛玮,王晓东,等.基于蚁狮算法的风电集群储能容量配置优化方法J.太阳能学报,2021,42(1):431-437.5赵紫嫣,崔双喜,樊小朝,等.考虑经济环保效益的微网群多目标协调优化J.可再生能源,2019,37(3):372-378.6徐林,阮新波,张步涵,等.风光蓄互补发电系统容量的改进优化配置方法J.中国电机工程学报,2012,32(25):88-98,14.7吴晨曦,文福拴,李梅.计及储能系统充放电策略的风混合发电系统容量优化J.华北电力大学学报(自然科学版),2014,41(4):22-29.8刘科研,盛万兴,马晓晨,等.基于多种群遗传算法的分布式光伏接入配电网规划研究J.太阳能学报,2021,42(6):146-155.9 郑银燕,胡桂廷,张正江,等.基于遗传算法和非线性规划求解信息交互的光伏阵列模型鲁棒参数辨识方法J.计算机测量与控制,2021,29(1):189-193.10 徐子亮,代巍.光伏发电工程设计概算影响因素研究J.价值工程,2022,41(20):92-95.11 王怀斌,胡芳,刘伊雯.基于 LCOE 的光伏发电工程优化设计J.水力发电,2022,48(8):105-110.12 杨敏.光伏电站光伏区电气系统设计研究J.节能与环保,2022(6):52-54.13 赵鹰,仲雅娟.光伏发电系统优化设计分析J.节能,2022,41(4):16-18.14 李永强.营口 50 MW 地面光伏电站设计方案D.沈阳:沈阳农业大学,2018:6-15.15 陈跃梅,储国良,张玉巧,等.考虑不确定性的风光储协同控制J.西安工业大学学报,2022,42(1)74-80,95.16 周志敏,纪爱华.太阳能光伏逆变器设计与工程应用M.北京:电子工业出版社,2013:217-220.17 王玉英.数学建模及其软件实现M.北京:清华大学出版社,2015:24-30.18 彭勇,肖云鹏,罗义娟.不确定环境下多式联运路径多目标优化J.重庆交通大学学报(自然科学版),2021,40(10):154-160,170.19 胡军英,江民华,熊明辉,等.户用分布式光伏发电系统设计研究J.江西化工,2022,38(3):4-9.6ZHOU K,HOU Q,WANG R,et al.Real-time kd-treeconstructionongraphicshardwareJ.ACMTransactions on Graphics(TOG),2008,27(5):1-11.7TANG C,WANG Y,DONG Z,et al.XIndex:Ascalable learned index for multicore data storageC/PPoPP20:25thACMSIGPLANSymposiumonPrinciplesandPracticeofParallelProgramming.ACM,2020:308-320.8ZHANG Z,JIN P Q,WANG X L,et al.COLIN:一种具有高读写性能的缓存感知的动态学习索引J.计算机科学技术学报,2021,36(4):721-740.9LI P,LU H,ZHENG Q,et al.LISA:A LearnedindexstructureforspatialdataC/The2020InternationalConferenceonManagementofData(Online):SIGMOD Conference 2020.Association forComputing Machinery,2020:2119-2133.10 彭永鑫.一种基于神经网络的范围查找算法J.商洛学院学报,2022,36(2):68-72,85.11 官嘉林,朱艳,吴庭亮,等.基于大页内存的学习索引内存分配策略J.华东师范大学学报(自然科学版),2023(2):73-81.（责任编辑：李堆淑）（上接第35页）