摘 要：本文研究了光伏逆變器建模和光伏發(fā)電系統(tǒng)動態(tài)特性仿真問題，旨在提高光伏系統(tǒng)的運行效率。詳細(xì)探討了光伏逆變器的工作原理和在變化光照條件下的動態(tài)響應(yīng)?；谒@得的理論基礎(chǔ)，采用MATLAB/Simulink軟件對典型光伏逆變器進行建模仿真，仿真結(jié)果顯示，本文提出的模型能夠準(zhǔn)確預(yù)測光伏發(fā)電系統(tǒng)在各種工作條件下的動態(tài)響應(yīng)特性，有效評估了逆變器對電網(wǎng)質(zhì)量的影響，為光伏發(fā)電系統(tǒng)的設(shè)計優(yōu)化提供了理論基礎(chǔ)，為未來光伏發(fā)電技術(shù)的發(fā)展提供了重要參考。

關(guān)鍵詞：光伏逆變器；光伏發(fā)電系統(tǒng)；動態(tài)特性

中圖分類號：TM 464" " " " " 文獻標(biāo)志碼：A

光伏發(fā)電系統(tǒng)的關(guān)鍵組件之一是光伏逆變器，可將光伏電池陣列產(chǎn)生的直流電轉(zhuǎn)換為可供電網(wǎng)使用，并直接驅(qū)動交流電負(fù)載的交流電。光伏逆變器建模的關(guān)鍵在于準(zhǔn)確捕獲其復(fù)雜的電氣特性和動態(tài)響應(yīng)，需要綜合考慮電路拓?fù)洹⒖刂撇呗砸约案鞣N外部環(huán)境條件對逆變器性能的影響。

1 光伏逆變器的建模

1.1 建模方法選擇

光伏發(fā)電技術(shù)普及和數(shù)據(jù)采集技術(shù)進步有助于更便捷地獲取并處理電力網(wǎng)絡(luò)實際運行數(shù)據(jù)。這些數(shù)據(jù)包括電流、電壓和功率輸出等光伏逆變器在不同工作條件下的詳細(xì)運行信息[1]。本文采用數(shù)據(jù)驅(qū)動模型，對數(shù)據(jù)進行分析和學(xué)習(xí)，從中提取有用的特征和模式，建立更準(zhǔn)確的數(shù)學(xué)模型（如圖1所示）。

1.2 逆變器建模技術(shù)和算法

本文基于數(shù)據(jù)驅(qū)動模型進行光伏逆變器建模，處理逆變器復(fù)雜的動態(tài)特性和日常運行過程中出現(xiàn)的各種非線性行為。本文光伏逆變器建模采用支持向量機執(zhí)行回歸任務(wù)，預(yù)測逆變器的輸出電流、電壓或功率等連續(xù)值參數(shù)。從實際運行的光伏逆變器系統(tǒng)中獲取大量光照強度、溫度、電池電壓以及逆變器本身的輸出電流、電壓等歷史運行數(shù)據(jù)[2]。在具體實踐中，本文利用高斯核函數(shù)和懲罰因子C參數(shù)構(gòu)建逆變器的回歸模型，檢索最優(yōu)超平面，以最大化預(yù)測輸出與實際輸出間的邊界。其中，高斯核函數(shù)K（xi，xj）如公式（1）所示。

K（xi，xj）=exp（-γ|xi-xj|2） （1）

式中：xi、xj為輸入特征空間中的2個樣本點；|?|為歐式距離；γ為控制高斯核寬度的超參數(shù)。

懲罰因子C主要用于控制模型的復(fù)雜度和泛化能力，在最大化分類間隔的同時對誤分類的懲罰程度進行權(quán)衡，其計算過程如公式（2）所示。

（2）

式中：minw，b，ξ為誤分類的懲罰程度，其中w、b和ξ分別為影響懲罰程度的3個因子； |w|2為模型的復(fù)雜度；ξi為樣本i的誤分類程度；P為正則化參數(shù)；b為樣本的偏置項；n為樣本的數(shù)量。

本文收集了某地光伏逆變器輸入特征、目標(biāo)輸出數(shù)據(jù)。當(dāng)輸入特征（x）分別為1.0、2.0、3.0、4.0和5.0時，相應(yīng)的目標(biāo)輸出（y）分別為0.5、0.8、0.2、0.6和0.3。這些數(shù)據(jù)集反映了在不同輸入條件下系統(tǒng)的響應(yīng)情況，用于分析和驗證模型在實際應(yīng)用中的表現(xiàn)和預(yù)測能力。對這些數(shù)據(jù)進行建模和仿真，可以更好地理解輸入特征（x）對目標(biāo)輸出（y）的影響機制。

本文使用支持向量機建立預(yù)測模型，預(yù)測逆變器的輸出（y）。設(shè)定γ和懲罰因子C的初步值，將數(shù)據(jù)集分為訓(xùn)練集和測試集。假設(shè)以前3個樣本作為訓(xùn)練集，后2個樣本作為測試集，使用選定的高斯核函數(shù)和參數(shù)來擬合SVM模型，以預(yù)測輸出（y），其運行代碼如下所示。

fromsklearn.svmimportSVR

importnumpyasnp

#假設(shè)數(shù)據(jù)

X_train=np.array（[[1.0]，[2.0]，[3.0]]）

y_train=np.array（[0.5，0.8，0.2]）

X_test=np.array（[[4.0]，[5.0]]）

#創(chuàng)建SVR模型

svr=SVR（kernel='rbf'，gamma=0.1，C=1.0）

#擬合模型

svr.fit（X_train，y_train）

#預(yù)測

y_pred=svr.predict（X_test）

print（“預(yù)測結(jié)果：\"，y_pred）

其中“SVR（kernel='rbf'，gamma=0.1，C=1.0）”表示使用高斯核函數(shù)，即kernel='rbf'，并指定了參數(shù)γ=0.1，C=1.0。利用經(jīng)過充分訓(xùn)練的機器學(xué)習(xí)模型，可以對一組預(yù)先選定的測試數(shù)據(jù)集進行預(yù)測分析，觀察并記錄模型生成的預(yù)測值與測試集中實際存在的真實值間的差異。為了全面評估模型性能，本文不僅局限于單一的評估指標(biāo)，而是采用多種不同的衡量標(biāo)準(zhǔn)。這些標(biāo)準(zhǔn)包括均方誤差（MSE）等，它能夠量化預(yù)測值與實際值間差異的平方的平均值，從而反映模型在預(yù)測過程中可能存在的誤差的大小。此外，本文還會參考決定系數(shù)（R2），該指標(biāo)能夠描述模型解釋數(shù)據(jù)變異性的比例，從而提供模型擬合優(yōu)度的一個直觀度量。綜合這些評估指標(biāo)能夠全面驗證模型的準(zhǔn)確性和泛化能力，保證模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)良好，并在未知數(shù)據(jù)上也能夠保持穩(wěn)定和可靠的預(yù)測性能。

1.3 光伏逆變器模型參數(shù)化

為保證逆變器能夠有效、可靠地將太陽能轉(zhuǎn)換到電網(wǎng)中，本文對電能光伏逆變器模型進行了參數(shù)化處理[3]。以某光伏發(fā)電機組中的SolarTech5000光伏逆變器作為研究對象，對其功率和額定參數(shù)進行標(biāo)稱（見表1）。

該設(shè)備Vdc，rated為1 000 V，是該設(shè)備能夠安全處理的最大直流輸入電壓數(shù)值。Vac，rated為230 V，代表逆變器的輸出交流頻率。Prated為5 kW，代表逆變器能夠提供的最大輸出功率。溫度變化系數(shù)Toperating=-20℃～50℃，并且溫度每上升1℃，逆變器的效率會下降0.25%。

2 光伏發(fā)電系統(tǒng)的動態(tài)特性

通過分析光伏陣列的實際電流-電壓和功率-電壓特性曲線，本文得以深入了解其在不同工作條件下的實際工作狀態(tài)及其效率。從微觀層面來看，光伏陣列動態(tài)響應(yīng)模型的輸入?yún)?shù)包括光照強度G（t）、環(huán)境溫度Tambient（t）以及陰影模式S（t） 。其中，光照強度G（t）表示光伏陣列在不同時間點接收的太陽光照強度數(shù)據(jù)，該數(shù)值隨日出和日落而變化。環(huán)境溫度Tambient（t）描述了光伏陣列周圍環(huán)境的溫度變化，對光伏板的工作效率有顯著影響[4]。陰影模式S（t） 主要用于描述陰影對光伏陣列的部分遮擋或云層移動等的影響，此類影響將會導(dǎo)致系統(tǒng)輸出功率的波動。綜合考慮上述3種輸入?yún)?shù)，光伏陣列動態(tài)響應(yīng)模型能夠精確模擬并預(yù)測系統(tǒng)在不同光照、溫度和陰影條件下的電能輸出。

本文在構(gòu)建光伏陣列動態(tài)響應(yīng)模型過程中引入了光伏板表面溫度Tpanel（t）的計算公式，如公式（3）所示。

（3）

式中：Gref為參考光照強度；TNOCT為光伏板的標(biāo)稱操作溫度；TSTC為標(biāo)準(zhǔn)測試條件下的溫度。

基于公式（3）計算光伏陣列的實際輸出電流Ipv（t）和電壓Vpv（t），分別如公式（4）、公式（5）所示。

（4）

Vpv（t）=Voc（1+βV?（Tpanel（t）-TSTC））-Rs?Ipv（t） （5）

式中：Isc為短路電流；Voc為開路電壓；αI與βV均為溫度系數(shù)；Rs為串聯(lián)電阻。

本文以第1.3節(jié)的SolarTech500光伏逆變器作為研究對象，調(diào)取該設(shè)備所在地區(qū)的光照強度、環(huán)境溫度等氣象實施數(shù)據(jù)，分析MPPT控制器作用下光伏陣列的動態(tài)響應(yīng)參數(shù)。光伏陣列的響應(yīng)受多種因素影響，其中光照強度Gref=1 000 W/m2，

環(huán)境溫度變化TNOCT=48 ℃、TSTC=25 ℃，光電性能指標(biāo)例如短路電流Isc=8 A、開路電壓Voc=40 V。此外，溫度對電流αI=0.05 %/℃、電壓βV=-0.2 %/℃的溫度系數(shù)的影響也是重要考慮因素。串聯(lián)電阻Rs=0.5 Ω會影響電流-電壓特性的斜率，進而影響系統(tǒng)的工作效率。

3 仿真試驗

3.1 仿真模型建立和驗證流程

本文采用MATLAB/Simulink仿真軟件進行相關(guān)模擬試驗，并對光伏系統(tǒng)進行深入的動態(tài)特性模擬。詳細(xì)地觀察和分析光伏系統(tǒng)在不同工作條件、不同環(huán)境下的表現(xiàn)，從而更好地理解其動態(tài)行為和特性（如圖2所示）。

在正式開始仿真試驗前，需要在仿真軟件中輸入以下3項參數(shù)。1） 光伏陣列參數(shù)。假設(shè)使用一塊標(biāo)準(zhǔn)的多晶硅光伏板，其短路電流Isc≈9 A，開路電壓Voc≈40 V，最大功率點電壓Vmpp≈32 V，最大功率點電流Impp≈8.5 A，溫度系數(shù)α≈-0.2 %/℃，額定溫度Tref≈25 ℃。2） 光照強度模型。假設(shè)一天中的典型光照變化（例如清晨到正午）逐漸增加，直至日落時逐漸減少，其具體數(shù)據(jù)為清晨G（t）≈

200 W/m2，正午G（t）≈1 000 W/m2，日落時G（t）≈300 W/m2。3） 環(huán)境溫度模型。假設(shè)環(huán)境溫度從早晨的Tambient（t）=

20 ℃變化到正午的Tambient（t）=35 ℃，然后再降至日落時的Tambient（t）=25 ℃。

本文使用Simulink建立光伏陣列模型，分析光伏系統(tǒng)的性能。在建立模型過程中，根據(jù)光照、溫度數(shù)據(jù)計算實時光伏板輸出電流Ipv（t）和電壓Ipv（t）。這2項數(shù)據(jù)可以通過傳感器采集，并在Simulink中用作輸入?yún)?shù)。在此基礎(chǔ)上，研究人員在Simulink中選擇數(shù)據(jù)驅(qū)動模型，搭配預(yù)測控制（MPC）作為本次仿真試驗的控制策略，該控制策略通過優(yōu)化算法來預(yù)測未來一段時間內(nèi)的系統(tǒng)行為，并據(jù)此調(diào)節(jié)逆變器的輸出[5]。此外，本文還引入了MPPT算法，以保證光伏系統(tǒng)始終運行在最大功率點附近。在仿真設(shè)置方面，本文將仿真時間設(shè)置為1 d，步長設(shè)置為1 min。在該參數(shù)條件下，Simulink可以對光照和溫度變化的動態(tài)特性進行精確模擬，從而為后續(xù)分析提供可靠的數(shù)據(jù)支撐。在仿真過程中，本文詳細(xì)記錄了輸出功率、電壓和電流等性能指標(biāo)，與實際數(shù)據(jù)進行比較，驗證模型的準(zhǔn)確性，并根據(jù)需要對模型進行優(yōu)化。

3.2 數(shù)據(jù)輸入與輸出處理

仿真試驗數(shù)據(jù)見表4。分析表4可以發(fā)現(xiàn)，在靜態(tài)對比方面，在條件A下（標(biāo)準(zhǔn)條件），光伏板輸出電流為8.5A，電壓為32.0V，逆變器輸出功率為272.0W。在條件B下（光照變化），光伏板輸出電流略有下降，為7.9A，電壓也略有下降，為31.8V，逆變器輸出功率為250.2W。在條件C下（陰影影響），光伏板受部分陰影影響，輸出電流顯著下降，為4.2A，電壓微降，為31.5V，逆變器輸出功率大幅降至120.5W。由此可以得出結(jié)論，當(dāng)光照條件變化時（條件B），光伏板的輸出電流和電壓均略有下降，導(dǎo)致逆變器的輸出功率也有所減少。特別是在陰影影響下（條件C），光伏板的輸出電流顯著降低，電壓也有所降低，進而導(dǎo)致逆變器輸出功率大幅下降。而在逆變器輸出功率方面，在標(biāo)準(zhǔn)條件（條件A）下，逆變器的輸出功率最高，為272.0W。光照變化（條件B）和陰影影響（條件C）會導(dǎo)致逆變器輸出功率分別降至250.2W、120.5W，證明光照條件會影響光伏系統(tǒng)整體性能。在動態(tài)對比方面，在條件A下，MPPT算法的效率為98.5%，系統(tǒng)響應(yīng)時間為50ms。在條件B下（光照變化），MPPT算法效率略微下降，為97.2%，系統(tǒng)響應(yīng)時間增至65ms。在條件C下（陰影影響），MPPT算法效率降至94.0%，系統(tǒng)響應(yīng)時間進一步增至80ms。進一步分析可以發(fā)現(xiàn)，MPPT算法在標(biāo)準(zhǔn)條件下的效率最高，為98.5%。光照變化和陰影影響會顯著降低MPPT算法的效率，使其分別降至97.2%、94.0%，說明光照條件變化會影響系統(tǒng)實時跟蹤最大功率點的能力。在系統(tǒng)響應(yīng)時間方面，在標(biāo)準(zhǔn)條件下，系統(tǒng)的響應(yīng)時間為50ms，表明系統(tǒng)能夠快速響應(yīng)光照條件的變化。光照變化和陰影影響會增加系統(tǒng)響應(yīng)時間，分別增至65ms、80ms，說明該系統(tǒng)面對光照條件快速變化時的動態(tài)響應(yīng)能力受到影響。

4 結(jié)語

在進行光伏逆變器建模和光伏發(fā)電系統(tǒng)動態(tài)特性仿真過程中，本文通過MATLAB/Simulink軟件詳細(xì)分析了光照變化和陰影條件對系統(tǒng)性能的影響，并得出以下2個結(jié)論。1） 光照條件的重要性。光照條件是直接影響光伏系統(tǒng)輸出功率的關(guān)鍵因素，由仿真分析可知，光照強度的變化會導(dǎo)致光伏板輸出電流與電壓出現(xiàn)波動，進而影響逆變器的輸出功率。特別是在陰影條件下，即使局部遮擋也會顯著減少系統(tǒng)的總體輸出，在設(shè)計和布置光伏陣列過程中需要特別注意。2） 系統(tǒng)動態(tài)響應(yīng)與穩(wěn)定性評估。動態(tài)響應(yīng)與穩(wěn)定性是衡量光伏系統(tǒng)設(shè)計優(yōu)劣的重要依據(jù)之一。仿真試驗表明，系統(tǒng)對光照變化的反応時間與穩(wěn)定性直接決定其在實際環(huán)境中的性能表現(xiàn)，更快的響應(yīng)速度和更穩(wěn)定的輸出有助于提升系統(tǒng)的可靠性和持續(xù)發(fā)電能力。

參考文獻

[1]葛曉露，潘尚智，黨興華，等.模塊化三相光伏逆變器及其分布式自適應(yīng)升壓控制策略[J].太陽能學(xué)報，2024，45（3）：533-541.

[2]劉淇偉，曾江，馮健磊，等.基于鏡像虛擬電阻技術(shù)的三相光伏逆變器直流電壓波動抑制策略[J].太陽能學(xué)報，2024，45（3）：555-564.

[3]王鍵，錢瞳，唐文虎，等.基于動態(tài)調(diào)節(jié)下垂曲線的光伏逆變器兩階段協(xié)調(diào)控制策略[J].廣東電力，2024，37（2）：33-46.

[4]楊晗露，馬海嘯，蔣天健，等.一種帶飛跨電容的單相光伏逆變器[J].電源技術(shù)，2024，48（1）：156-160.

[5]鄒文斌，韓松，榮娜，等.基于分布式共識協(xié)同的光伏逆變器電壓控制策略研究[J].電力系統(tǒng)保護與控制，2024，52（1）：166-173.