武汉大学潮流能发电并网创新技术方案推动绿色能源革命
武汉大学潮流能发电并网创新技术方案推动绿色能源革命
随着全球能源结构转型的不断深入，新能源的开发与利用已经成为推动社会可持续发展的根本立足点。潮流能作为一种新兴的海洋能源不仅能够有效缓解传统能源资源的匮乏，还能够为全球绿色能源转型提供强有力的支持。然而，受潮流能波动性的影响，潮流能发电在并网过程中仍面临较多技术挑战。为解决上述问题，武汉大学电气与自动化学院孙建军教授团队通过创新性的技术方案，成功研发出基于潮流能发电预测的潮流能柔性并网解决方案，为潮流能发电的高效利用提供了突破性的技术支持，推动了绿色能源革命的进一步发展。
图一 潮流能发电示意图
研发背景
资源背景
潮流能作为海洋可再生能源的重要形式，蕴含巨大的开发利用潜力。我国潮流能理论储量位居世界前列。据相关统计数据显示，我国近海海洋能资源蕴藏量约6.97亿kW，潮流能蕴藏量约833万kW，潮流能资源开发潜力充足。
近年来，全球潮流能资源开发迅猛发展，已进入商业化应用前期阶段，全球总装机已超1万kW。英国“梅根”潮流能商业化发电项目首期4台1500千瓦机组于2016年11月并网发电，总装机规模39.8万千瓦，年并网发电量超1200万千瓦时，接近海上风电水平。同时，我国也已成为国际上少数几个具备开展潮流能兆瓦级并网项目开发能力的国家。浙江林东潮流能项目首期机组于2016年8月在舟山并网发电，电站连续运行时间超过60个月，累计发电量超600万度。2022年2月24日，我国首台兆瓦级潮流能发电机组“奋进号”在项目二期平台成功下水，我国潮流能发展进入“兆瓦时代”。截至目前，新机组并网发电已超过310万度，创我国单机纪录。
技术背景
近年来，柔性并网技术逐渐成为解决可再生能源发电并网问题的重要方向，在光伏发电和风力发电等领域得到了广泛研究与应用。该种技术能够有效应对分布式可再生能源输出功率的间歇性和波动性，通过实时调控实现电能质量提升与电网稳定性增强。
然而，与光伏、风力发电相比，潮流能发电因其独特的资源特性和输出特性，对现有柔性并网技术提出了更高要求。一方面，潮流能的波动具有显著的周期性，其功率输出受天文潮流变化的控制，波动频率高且幅度大，表现出不同于光伏和风力发电的动态特性；另一方面，由于潮流能周期内的输出峰谷变化更加剧烈，传统的调控算法和并网设备难以直接适配，需要针对潮流能的特点开发定制化的柔性并网方案。然而，现有针对潮流能发电的柔性并网技术的研究相对较少，多数研究仍停留在理论分析阶段，尚未形成具有广泛适用性的技术体系和解决方案。这种技术空白已成为制约潮流能发电规模化发展的主要瓶颈之一。
图三 柔性并网技术在新能源发电领域的相关研究成果
政策背景
近年来，我国潮流能的开发与应用还面临着复杂的外部环境和多重挑战。在能源政策层面，《国家海洋经济发展“十四五”规划》和《能源技术革命创新行动计划（2021—2035年）》等政策文件明确提出，要加强潮流能等海洋可再生能源的开发力度，推动关键技术创新和产业化发展。然而，从技术应用层面来看，潮流能动能发电的成本相对较高，尤其在并网调控和能量管理环节，仍存在效率偏低、运行不稳定等问题。此外，随着分布式发电和多能互补系统的发展，如何在一个多能源并存的系统中优化潮流能与其他能源的协同利用，也是当前亟须解决的课题。
综合来看，研究并开发针对潮流能特性的柔性并网技术，不仅是推动潮流能规模化应用的核心路径，同时也是提升我国能源结构优化、实现海洋能源高效开发的重要技术支撑。这一研究对于保障能源安全、应对气候变化以及推动我国在全球能源技术领域占据领先地位，均具有深远的现实意义和战略价值。
技术方案
武汉大学电气与自动化学院孙建军教授团队所提出的创新方案结合了潮流能发电预测技术与柔性并网技术，利用先进的智能化调控手段，实现了潮流能发电的高效并网。方案的核心思想是通过精确预测潮流能发电的输出，并结合电网需求，灵活调节潮流能的输出，确保电网的稳定运行。具体方案逻辑如下：
潮流数据的采集与处理
潮流数据的采集与处理是本研究的基础。研究中通过潮流观测站和潮流能发电站的实时监测系统，采集与潮流发电相关的多种数据，包括潮流高度、流速、潮流能强度、发电功率以及风速、气压和天气状况等环境数据。受设备故障或环境干扰引起偏差等采样条件的限制，采集所得数据可能存在异常值，研究将采用多种技术提升数据质量。在信号去噪环节，结合小波变换和低通滤波技术有效剔除高频噪声，同时使用卡尔曼滤波平滑数据波动以提高准确性。对于缺失数据，采用线性插值、样条插值和拉格朗日插值进行补充，以适应不同场景下的波动特性并保障数据的连续性和完整性。随后，采用时间序列分析方法对潮流数据进行预处理，解决潮流数据在时间轴上表现出的非线性和非平稳性问题。最终，通过频谱分析和统计分析方法提取数据中的关键特征，包括周期性变化规律、波动的幅度范围，以及可能出现的突发异常，如潮流暴涨或暴落等，为后续模型的建立和预测提供高质量的数据支持。
经验与预测模型的构建
在对潮流数据进行充分分析的基础上，构建适合潮流发电特性的经验与预测模型。首先，通过数学建模的方法建立潮流周期规律的经验模型，该模型主要依赖于潮流的半日潮和全日潮等自然周期性特征，通过正弦函数等工具对其长期趋势进行描述。上述经验模型计算简单，适用于描述发电功率的基本变化趋势。其次，针对潮流功率短期波动的复杂性和不确定性，采用深度学习算法，如长短时记忆网络LSTM和Transformer等建立时间序列预测模型。LSTM能够捕捉数据的时间依赖特性，适合处理具有周期性和突发性波动的数据；而Transformer模型由于具备自注意力机制，可以有效处理长时间跨度的数据，提高短期预测精度。最后，将经验模型和机器学习模型进行加权融合，构成混合模型，结合两者的优势，进一步提升预测的实时性和精度。模型的性能通过实测数据进行验证，采用交叉验证技术，将数据划分为训练集和验证集轮流验证，实现对于模型参数的优化，使其具备在不同潮流场景中的泛化适应能力。
柔性并网预响应机制构建
根据预测模型的输出结果，设计柔性并网预响应机制，实现对潮流能功率波动的主动调控。针对潮流能发电的柔性并网技术的核心在于通过预测的发电功率曲线提前制定调控计划，从而避免因功率波动对电网造成冲击。具体而言，研究提出了分层储能优化策略，将不同类型的储能设备按响应速度与储能容量分为短时储能与长时储能。短时储能设备如超级电容器等具有响应速度快等特点，适用于处理随机波动或突发事件；长时储能设备如液流电池等容量较大，主要用于长时间跨度下的平滑潮流周期性波动。两类储能设备之间的切换机制以响应时间阈值为依据，当波动持续时间小于时，由短时储能响应；超过时，切换至长时储能处理，阈值根据历史数据和系统特性动态调整。此外，为应对预测到的潜在突发事件如极端潮流或设备故障等，系统设计了备用功率储备机制，储备容量的计算基于预测功率峰值的一定百分比（如10%～20%），结合潮流场站的历史功率数据优化配置，在确保电网稳定运行的同时避免储能设备的过度配置。通过预测功率曲线提前制定调控计划，该预响应机制能够显著降低潮流能功率波动对电网的冲击，同时提高柔性并网技术的响应效率和稳定性。
智能调控平台开发
为实现潮流能发电的柔性并网调控，本研究将开发一套集数据处理、预测、控制和监测于一体的智能调控平台。平台由三大模块组成：数据分析模块负责实时接收潮流监测和预测数据，并动态更新模型输出；控制优化模块根据预测结果生成最优的功率分配和储能调度策略，同时实现对并网点输出的动态调节；可视化界面则通过直观的图表展示潮流数据、预测结果及实时调控状态，方便运维人员监测电站运行情况并进行必要的干预。
主要创新及技术优势
主动调控实现柔性并网的优化升级
本方案通过高精度潮流数据采集与智能分析，结合经验模型和深度学习算法，提前预测潮流能发电功率与可能的波动趋势，并据此制定预响应计划。方案中构建的混合预测模型利用半日潮、全日潮的周期性规律与LSTM、Transformer的非线性预测能力，将长短期波动精准结合，大幅提高功率预测的精度与实时性。通过提前计划，该技术可有效规避功率波动对电网运行的冲击，显著提升并网系统的稳定性与适应能力；
分层储能机制优化能量波动管理
本方案创新性地提出了分层储能机制，通过将储能设备按响应速度与容量进行优化分配，实现短时和长时波动的分级管理。超级电容器凭借其快速响应能力，用于处理短时高频波动，确保系统在秒级时间内完成功率调节；液流电池则以其高储能容量，负责应对长时周期性波动，实现能量的平滑输出。两类储能设备之间的动态切换以历史数据和系统特性为依据，结合响应时间阈值的调整，确保储能系统能够高效应对复杂的潮流能发电场景；
多维环境建模支持发电策略优化
本技术方案通过构建多维度潮流能发电量预测模型，将地理位置、洋流、风力、地质条件及温度等关键因素纳入考量，为能量调度策略提供了全面的数据支持。同时，本方案通过对潮流数据的频谱分析与时间序列建模，提取周期性变化和突发异常的核心特征，再结合深度学习技术，捕捉复杂环境因素与发电量之间的非线性关联。该种多维建模方法在提升预测精度的同时也为发电策略调整提供了可靠参考。
未来展望
未来，随着全球能源转型的深入与发展，传统的化石能源将逐渐被可再生能源所替代，而潮流能作为一种具有巨大潜力的海洋能源，必将会在未来的能源结构中占据一席之地。武汉大学孙建军教授团队的基于潮流能发电预测的潮流能柔性并网创新性解决方案，不仅有效地解决了潮流能发电并网的关键技术难题，更为全球能源转型提供了可行的技术路径。
未来，相关技术团队将继续在该领域进行深入研究和技术优化，不断提升潮流能发电预测模型的精确度与能量调度系统的智能化水平，推动潮流能发电技术在全球范围内的快速发展与应用。