其他
【精彩论文】光伏串列信道噪声特性研究与建模
观点凝练
摘要：为实现对每块光伏组件的工作状态进行监测，可运用以光伏组件串列为介质的载波通信技术实现，因此有必要掌握光伏串列的信道噪声特性。以某光伏电站实测的光伏串列信道噪声为对象，提出了一种粒子群优化BP神经网络的光伏串列信道噪声建模方法。实验与仿真结果表明：粒子群优化BP神经网络模型的预测输出和测试原噪声在功率谱密度及时域波形上有着一致的变化趋势，证明了该模型的有效性。相比较于小波神经网络和遗传算法优化的BP神经网络，粒子群优化的BP神经网络的预测均方根误差更小、精度更高。
结论：研究光伏串列的信道噪声特性是利用光伏组件实现载波通信，向电力系统大数据中心提供光伏组件运行动态数据的前提之一。本文的主要工作及结论如下。
（1）测量了光伏串列信道噪声，并分析了逆变器工作并网发电时其在光伏组件串列内产生的共模和差模干扰。光伏串列信道噪声主要由光伏组件本身和逆变器开关器件产生，出现较高幅度的尖峰脉冲噪声，并有幅度较小、频率较高的噪声叠加在脉冲噪声上。
（2）建立了基于粒子群算法优化BP神经网络的光伏串列信道噪声预测模型，该模型预测输出噪声和测试噪声的时域波形及功率谱密度拟合度很高，完成了对光伏串列信道噪声的精准预测。
（3）针对BP神经网络算法预测精度不够、收敛慢的缺点，采用粒子群算法对BP神经网络的初始权值和阈值进行优化，修正后，BP神经网络算法的平均预测相对误差降低到2.5%。
（4）均方根误差方面，比较了WNN算法、BP算法、GA_BP算法和PSO_BP算法共4种算法建模前后噪声时域波形点的均方根误差，PSO_BP算法的均方根误差仅有0.060 1 V左右，远小于其他3种算法。
（5）综合众多因素考虑，本文提出的粒子群优化BP神经网络模型对光伏串列信道噪声预测具有很强的适用性。
引文信息
孙凤杰, 赵晨凯. 光伏串列信道噪声特性研究与建模[J]. 中国电力, 2019, 52(6): 147-153.SUN Fengjie, ZHAO Chenkai. Research and modeling on noise characteristics of photovoltaic serial channel[J]. Electric Power, 2019, 52(6): 147-153.往期回顾
◀【精彩论文】±1 100 kV换流站交流滤波器场的工频电场仿真
◀【征稿启事】“基于电力电子装备的配电网运行控制与形态演变”专题征稿启事
编辑：杨彪
审核：蒋东方
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。