揭子路，申俊杰，卢胜，丁平忠

（湖北省电力勘测设计院，湖北武汉，430040）

光伏电站设计智能优化

揭子路，申俊杰，卢胜，丁平忠

（湖北省电力勘测设计院，湖北武汉，430040）

由于目前光伏电站设计目前没有相应的标准，因此以个人经验为指导的情况，无法保证电站建设的成本最优，鉴于此问题，本文提出了一种光伏电站优化设计方法，基于模拟退火算法，通过对光伏区域中的组件进行最优分组来实现两级电缆成本的最优。并通过实际项目对该算法进行检验，达到比较理想效果。

光伏电站；优化；逻辑退火；电缆

0 前言

随着全球经济的高速发展，全球环境与气候变得越来越恶劣。如何进行经济与社会的可持续性发展成为全人类面临的重要课题。而能源问题是最为重要的问题之一，社会要发展，离不开能源，然而目前人类社会的能源主要依赖于化石能源，包括石油、煤炭、天然气等等，这些原料在抓换为各种能源（电能、热能等）的过程中会产生大量的粉尘、二氧化碳、硫化物、氮化物等污染环境的物质，导致气候与环境的恶化。另一方面，化石能源成形周期长，储量有限，在可预计的不久的未来消耗殆尽，因此人类迫切寻求各种新型的、无污染的、充足的能源来支持人类社会的可持续性发展。

故太阳能、风能、潮汐能和生物质能等可再生能源越来越受到人们的青睐。太阳能以取之不尽、用之不竭、随处可得、就近供电、运行成本低、不易损坏、维护简单、物污染、建设周期短等优点，使其开发与利用日趋受到各国的普遍重视，已经成为新能源领域中技术相对成熟、开发利用水平较高、具有商业化发展条件的新型能源之一。

我国太阳能资源非常丰富， 理论储量每年达1 700 亿吨标准煤.多数地区的年平均日辐射量在每平方米4千瓦时以上，年日照时数大于2000小时.与同纬度的其他国家相比，与美国相近， 比欧洲各国、日本优越得多， 因而有巨大的开发潜能 .

现有较成熟的、规模化太阳能发电有光伏发电和太阳能热发电（塔式、碟式或槽式）两种方式。其中光伏发电直接将光能转换层电能，发电过程中不产生任何污染物或废弃物，是太阳能利用的有效方法。

目前我国正在大力鼓励太阳能的使用与转化，各种太阳能电站项目纷纷开始建设。在光伏电站建设项目中，目前并没有明确的标准指导项目设计与建设，这也导致光伏电站设计中，人为因素影响较大，不同的设计人员对同一光伏电站进行设计时，成本也可能存在较大差异。

因此，本文针对光伏电站设计，找到影响光伏电站建设成本的主要因素，并提出一种光伏电站的优化设计方法，指导光伏电站进行成本最优设计。

1 光伏电站构成

在光伏电站设计中，光伏组件的固定式布置形式对太阳能辐射量分析、系统发电量预测计算，占地范围、成本估算等方面都有较大影响。现今，对光伏系统的研究较多，尤其是光伏组件最佳倾角及阵列间距等方面，而对光伏组件布置的研究较少。为了提高光伏系统的运行效率，进一步降低成本、增加效益，对光伏组件布置形式进行研究光伏电站的基本结构如图1所示，太阳能通过光伏电池板转化为直流输出，汇流至逆变器逆变为低压交流，再通过变压器升压至中压，经过中压集电线路传输至升压站通过主变压器升压至高压传输至电网。

在实际的光伏电站建设中，一旦电站的地形区域划定，那边基本上光伏电站的容量就得以确定，光伏电站的设备总量也基本确定，而唯一无法确定的是各级汇流过程中的电缆使用量。由于一级汇流箱、逆变器、升压站位置理论上在某些约束条件下（出线方向等）可以随意放置（1MWp分区光伏阵列分布图如下所示），即可产生无数种方案。各设备放置位置对于施工成本基本无影响，施工成本很大一部分是由设备间连接电缆的总价决定的。

目前光伏电站建设中，多级汇流电缆的连接设计并没有明确的指导标准，对于汇流区的划定纯粹通过个人经验进行，因此存在以下问题。

图1　.光伏电站结构图

1）光伏电站地形随意。光伏电站区域往往很随意，成不规整多边形结构。一般而言，光伏电站区域会根据容量按照1兆瓦容量进行划分为多个分区，每个分区就是一个二级汇流区，都是有多块光伏阵列组成，多个阵列组成一个一级汇流区。每个二级汇流区中的一级汇流区的划分、一级汇流区的汇流箱的位置一级二级汇流的逆变器的位置直接影响着电缆长度。

2）光伏电站多级汇流电缆成本不同。光伏电站是多级汇流结构，每一级汇流电缆以及监控电缆的成本均不相同。

因此设计人员很难确定如何进行汇流区划分能够保证建设成本最优，因此本文提出一种光伏电站优化设计算法，来指导人员进行光伏电站设计，实现建设成本最优。

2 光伏电站优化设计系统框架

光伏电站设计中，将整个光伏电站划分为多个一个1兆瓦光伏发电区，每个1兆瓦区域就是一个一级汇流区。1兆瓦区域被分为多个分组，每个分组包含一个汇流箱，组内的光伏板通过一级电缆接入到汇流箱，然后汇流箱通过二级电缆接入到逆变器。

由于光伏区域形状的随机性，一级分组的不确定性，会导致电缆的铺设长度不确定。因此本文提出一种优化算法，对1兆瓦区域中的组件进行自动分组，一级逆变器位置的自动设定，实现一级电缆与二级电缆的总成本最优。

光伏优化设计的系统架构如图2所示，其中包括：光伏组件分组、电缆优化布置、数据建模以及数据接口四个部分。

图2　.光伏电站优化设计系统框架

1） 光伏组件分组。对于任意1兆瓦区域，进行光伏组件自动分组。

2）电缆优化布置。找到最优分组，实现两级电缆成本最优。

3）数据建模。导入1兆瓦区域地形图后，进行数据建模，转换为光伏组件自动分组的初始输入数据。

4）数据交换接口。1兆瓦区域地形图导入，一级优化布置后的最终设计图输出。

3 光伏电站优化设计算法

光伏电站优化设计的核心是如何优化两级电缆成本，因此光伏电站优化设计算法框架如图3所示。

图3　. 光伏电站优化设计算法框架

3.1自动分组算法

根据逆变室定位规则，确定区域内所有可能放置逆变室的位置。

针对每一个逆变室的位置都进行一次区域划分。 具体算法如算法1所示。

3.2电缆优化布置算法

电缆的优化问题可以转换为模拟退火算法，它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降，结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。

电缆优化算法如算法2所示。

基于光伏电站优化设计算法，给出一个1兆瓦的初始分区如图4所示，要求光伏组件按照8个一串，每串一个汇流箱，进行设计。

图4　.1兆瓦初始光伏区域图

将初始光伏区域输入后，进行优化设计后的输出结果如图5所示，

图5　.1兆瓦光伏区域优化设计图

4 结论

由于目前光伏电站设计目前没有相应的标准，因此以个人经验为指导的情况，无法保证电站建设的成本最优，鉴于此问题，本文提出了一种光伏电站优化设计方法，基于模拟退火算法，通过对光伏区域中的组件进行最优分组来实现两级电缆成本的最优。

本文算法经过实际项目进行检验，基于湖北省武威光伏电站项目进行对比研究。湖北省武威光伏电站容量为40兆瓦，分为40个1兆瓦区，对这些区域进行优化设计后，将优化结果与该项目人工实际设计结果进行比较分析发现，优化算法整体优化率达到了4.58%（如图6所示）。

图6　.光伏电站优化设计方法在武威项目中的比较分析

［1］ 中国可再生能源发展项目办公室.中国光伏发电市场发展概况［M］.

［2］ 王敏，丁明.分布式发电及其效益［J］.合肥工业大学学报，2004， 7（4）： 354-358.

［3］ 邹胜.我国太阳能光伏发电的现状及展望［J］.重工与起重技术，2007（1）：32.

［4］ 王连贵.太阳能光伏发电在北京的应用［J］.农村电气化，2007（11） ： 6.

［5］ 谢建，马勇刚，廖华，等.太阳电池及其应用技术讲座（五）光伏发电系统［J］.可再生能时性源，2007（5）：120.

［6］ 日本太阳能协会.太阳能光伏发电系统的设计与施工［M］. 北京：科学出版社，2006：181~183.

揭子路，男，工程师，1985年生，2011年毕业于华中科技大学电气工程及其自动化专业。现供职于湖北省电力勘测设计院，主要研究应用仿真算法提高光伏发电系统效率。

Intelligent Optimization of Photovoltaic Plant Design

Jie Zilu，Shen Junjie，Lu Sheng，Ding Pingzhong
（Hubei Provincial Electric Power Survey and Design Institute，Hubei Wuhan，430040）

Because there is not any standard for the design of photovoltaic plant，the construction of the photovoltaic plant is based on the personal experience which cannot insure the optimal cost.So，a intelligent optimization method of photovoltaic plant design is proposed which is base on the simulated annealing algorithm.Reduce the cost of the cable according to grouping the photovoltaic module optimally. This method is proved by the actual project.

Photovoltaic Plant；Optimization；simulated annealing；cable