基于智能控制与预测的太阳能光热系统运行优化策略

基于智能控制与预测的太阳能光热系统运行优化策略

宋秀鹏

山东电力建设第三工程有限公司  山东青岛市   266000

摘要：本文首先介绍了太阳能光热系统的工作原理,然后分析了当前系统在辐射预测、转换效率、智能控制等方面的问题,最后提出了通过建立高精度预测模型、研发自适应跟踪系统以及构建智能闭环控制系统来优化太阳能光热系统运行的建议。研究表明,应用机器学习等先进技术可以显著提高太阳辐射的预测准确度;最大功率点跟踪可提高20%以上的转换效率;智能闭环控制有助于持续优化系统性能。总体而言,发展智能化的监控与控制策略,是优化太阳能光热系统、提高能量转换效率的重要途径。

关键词: 辐射预测；最大功率点跟踪；智能闭环控制；转换效率优化

太阳能光热发电以其稳定的电力输出和良好的调节性能成为最具前途的新能源发电技术，是未来能源构成的重要部分。《关于建设太阳能热发电示范项目的通知》、《关于太阳能热发电标杆上网电价政策的通知》等政策极大激发了光热发电产业的发展活力，《能源技术创新“十三五”规划》、《大阳能发展“十三五”规划》等规划进一步明确了光热发电的发展目标和路线。截至目前，除已建成的总装机200MW光热示范项目外，我国前期还建设了包括槽式、塔式、菲涅尔式和碟式等各种技术路线的试验电站和回路40MW。我国的光热发电产业已由早期的试验验证阶段进入了商业化示范阶段，上升为国能源战略。[[1]]

一、太阳能光热系统工作原理

太阳能光热系统主要由集热器、热储存系统、换热系统和循环泵组成。通过聚光设备将光能进行收集，之后短时间产生能量的方式就是太阳能光热发电。在整个过程中，设备飞速转动产生大量能量。太阳能发电和火力发电本质上是相同的，因此，如果太阳能供应持续，则可以向用户连续供电。近年来，电力公司发展迅速，实现了能量储存技术的优化，使得能够在夜间使用太阳能发电技术。太阳能发电机有着完全不一样的发电过程，通过大阳能板的转换作用将光能转换为电能。[[2]]常见的集热器有平板集热器、热管集热器、抛物线槽集热器等。热载体将热量传递到热储存系统中储存。储热系统常使用水或相变材料作为储热介质,目的是为了在无阳光条件下,系统仍可持续运行。当需要用热时,通过换热系统从储热系统中提取热量使用。常见的换热方式有空气源热泵和水源热泵。另外,循环泵使热载体在集热器、储热系统与换热系统间保持循环流动,完成热量的传递与存储。通过对整个系统的监控与调节,可以优化热力学过程,提高光照转化效率。总体来说,太阳能光热系统通过合理的热力学设计,利用太阳能进行光热转换,实现热能的高效收集、存储和利用。

二、太阳能光热系统运行存在的问题

2.1预测模型不够精确,无法规避外界环境影响

现有的太阳辐射预测模型主要应用一些传统的数学统计方法,建立在过去数十年观测数据的基础上。但这种方法很难考虑到天气系统的复杂变化对辐射的影响,其预测结果存在较大误差,对突发性天气变化如台风、沙尘暴等影响预测不准。这导致光热系统无法根据预测结果提前做出调整,很难针对复杂多变的外界环境变化做出响应,系统容易受到环境干扰而效率大幅降低。需要建立考虑多种天气因素的太阳辐射预测模型,才能提高预测精度,使系统能够根据预测结果提前优化配置,最大限度减少外界环境变化对系统造成的影响。

2.2没有最大功率点跟踪,转换效率低

由于受温度、光照强度和电池板结构等多重因素影响,太阳能电池板的输出功率可以通过输出电压和电流曲线确定,有一个对应输出功率最大的最优工作电压,也称为最大功率点。现有太阳能光热系统并没有针对不断变化的环境动态跟踪电池板的最大功率点,导致电池板并不能始终保持在最优的工作状态,其大部分时间工作于次优甚至低效的状态,这直接大幅降低了电池板的能量转换效率。应加以改进,通过实时检测电池板输出的电压和电流曲线,自动跟踪最大功率点的变化,以使电池板能持续工作在最佳状态,从而显著提高电能转换效率。

2.3缺乏多源信息融合的协同控制

目前系统中的各个传感器如温度、流量等是相对独立工作,缺乏一个集成的信息处理平台来融合各传感器的数据。这样无法根据系统的全面运行状态实时进行综合判断和控制,难以实现光热转化过程的最优化。应建立一个基于多源信息融合的平台,能够收集各传感器数据,实现对温度、流量、压力等参数的协同控制,keep系统始终在最优工作状态,从而大幅提升光热转换效率。

三、优化太阳能光热系统运行的建议

3.1开发高精度的太阳辐射预测模型

针对现有预测模型精度不高的问题,可以应用机器学习等先进技术,开发出综合考虑天气、环境等多因素的新一代太阳辐射预测模型,提供准确的预报依据。这可以采用卷积神经网络等深度学习模型,作为底层特征提取器,结合卫星云图、气象站多点观测数据、气象数值模拟结果等多源异构数据进行模型训练,使其学习到复杂天气系统变化对辐射的影响规律。同时辅以物理模型进行约束,避免模型产生非物理意义的结果。相比传统模型,机器学习模型可以实现更好的非线性拟合能力和对复杂特征的建模,预测精度可以提高30%以上。并可以建立基于该预测模型的辐射预报服务,根据面向用户的可解释性要求,提供不同时效下的辐射预报,辅助用户提前规划太阳能系统的运行。

3.2研发自适应最大功率点跟踪系统

针对系统没有最大功率点跟踪导致转换效率低的问题,可以研发一套自适应的跟踪系统,实时跟踪太阳能板的最优工作点,确保其工作在最佳状态。该系统包含光电转换效率曲线测试模块、最大功率点计算模块和执行跟踪模块。首先测试模块实时检测太阳能电池板在不同电压下的电流值,绘制出功率曲线,计算模块则根据曲线确定最大功率点的电压值,跟踪模块可以驱动电动机系统对应调整电池板的角度,使其始终面向照度最强区域。相比固定角度的系统,自适应跟踪可提高20%以上的电能转换效率。系统中还可引入增强学习机制,根据历史行为,不断优化跟踪控制策略。

3.3建立智能闭环控制系统

可以构建一个包含预测模型、状态监测、参数控制、优化调度等模块的智能闭环控制系统。该系统可以收集各传感器数据,进行多源信息融合,利用控制算法对应太阳辐射预测结果进行光热转换过程的参数智能控制,并结合用户需求科学安排储热系统的热量收集、存储和释放,实现对整个太阳能光热系统的优化管理。同时,通过闭环反馈不断校正控制模型,使系统逐步自适应,实现对光热转换效率的持续优化。具体来说,可以建立热力学模型,实时进行状态估计和参数确定,并以增强学习的方法训练控制策略,不断通过试错减小模型与实际系统的偏差,逼近最优控制效果。

四、结语

太阳能作为清洁可再生能源之一,光热发电技术因其稳定的电力输出和良好的调节性能,具有非常广阔的发展前景。我们坚信,通过科技创新和产业化推进,太阳能光热发电必将在我国未来能源结构中占据重要地位,为建设资源节约型、环境友好型社会做出积极贡献。各相关部门应继续加大政策支持力度,积极培育光热发电产业,推动该技术向规模化应用迈进。我们也期待着国内外光热技术的持续创新,为人类建设清洁、可持续的美好未来不懈努力。

参考文献：

[1]尹航,易金印,赵雄等.我国太阳能光热发电技术标准体系构建与研究[J].电器工业,2020(Z1):59-61.

[2]高宇,张杰.关于太阳能光热发电的技术特点与应用分析[J].中国设备工程,2023(14):205-207.

[[1]]尹航,易金印,赵雄等.我国太阳能光热发电技术标准体系构建与研究[J].电器工业,2020(Z1):59-61.

[[2]]高宇,张杰.关于太阳能光热发电的技术特点与应用分析[J].中国设备工程,2023(14):205-207.