独立交直流混合微电网电源优化配置

刘兴杰，杜哲，严逍

(新能源电力系统国家重点实验室(华北电力大学)，河北省保定市 071003)

独立交直流混合微电网电源优化配置

刘兴杰，杜哲，严逍

(新能源电力系统国家重点实验室(华北电力大学)，河北省保定市 071003)

对交直流混合微电网中电源进行优化配置能够减少换流损耗，降低系统成本。针对独立交直流混合微电网特有的结构和能量流动方式，考虑能量传输效率，提出了改进的能量管理策略。优化配置模型以经济性最优为目标，综合考虑环保性和供电可靠性，采用改进的人工蜂群算法对模型进行求解，得到独立交直流混合微电网的分布式电源优化配置结果。最后，通过算例进行仿真验证，结果表明，交直流混合微电网相对于纯粹交流微电网和直流微电网能够降低系统运行成本，使用改进后的能量管理策略能得到经济性更优的微电网电源配置方案。

交直流混合微电网；能量管理策略；优化配置；改进人工蜂群算法

0 引 言

交直流混合微电网结合了交流微电网和直流微电网的优势，采用柔性直流技术和交直流混合配电网关键技术[1-2]，省略了许多换流环节和换流装置[3-5]，降低了系统运行损耗，使微电网控制更加灵活[6]。对其进行合理配置有助于微电网稳定可靠运行，提高可再生能源发电利用率，减少投资和维护费用。

目前，国内外许多专家学者对微电网电源容量优化配置展开过研究[7-11]。文献[7-9]利用细菌觅食算法等人工智能算法，通过建立单目标或者多目标优化模型，对离网型微电网电源容量优化配置进行了研究，但是都没有考虑系统控制策略对优化结果的影响；文献[10]考虑了柴油发电机不同控制策略，对独立型风光柴储微电网的电源容量优化配置进行了研究，但研究没有考虑系统供电可靠性约束；文献[11]全面考虑了经济性、可靠性和环保性要求，以及柴油发电机与储能系统的控制策略，提出了离网型微电网风光柴储容量配置的多目标优化模型，并利用改进的多目标遗传算法进行求解。然而，由于交直流混合微电网的系统结构和控制策略与单一的交流微电网和直流微电网存在较大差异，已有的微电网电源优化配置方法无法直接应用在交直流混合微电网中。

本文采用文献[12]中含储能系统的交直流混合微电网结构，结合文献[13-14]交直流混合微电网中能量流动的特点，对其电源优化配置进行研究。首先提出独立交直流混合微电网能量管理策略。该策略充分考虑交直流混合微电网的结构特点，尽量减少子网间的功率交换从而节约换流成本。同时，减少蓄电池充放电次数和柴油发电机关停和开启的损耗。然后采用收敛精度高、收敛速度快的改进的人工蜂群算法求取优化配置模型最优解。优化目标为年平均成本最低，将环保性因素折算到目标函数中，可靠性指标通过约束条件进行考虑。并通过与交流微电网、直流微电网优化配置结果进行对比，验证交直流混合微电网在降低成本和可再生能源利用方面的优越性。最后，分析能量管理策略、可靠性以及优化算法对优化配置的影响，为独立交直流混合微电网系统的电源规划提供一定的参考。

1 独立交直流混合微电网系统

1.1 独立交直流混合微电网系统结构

本文研究的独立交直流混合微电网系统结构[12]如图1所示，分为交流子网、直流子网两大部分。微电网中同时含有交流母线和直流母线，可直接向直流负荷和交流负荷供电。蓄电池组通过双向DC/DC变换器与直流母线相连，控制直流母线电压的同时，实现蓄电池与系统间能量的双向流动和功率分配。AC/DC换流器实现子网间能量流动维持各子网内功率平衡，是独立交直流混合微电网中不可或缺的设备。

图1 独立交直流混合微电网系统结构

1.2 独立交直流混合微电网能量管理策略

对微电网进行能量管理的目的是在满足系统各约束条件下，确保微电网内发电与负荷需求的功率平衡，通过处理各分布式电源的有功功率分配，保证微电网的长期稳定、经济运行。已有关于交直流混合微电网能量控制策略的文献，描述了能量在微电网中的流动方式[13-14]，但没有确定电源各时刻出力大小。传统微电网能量管理策略多优先由储能平抑不平衡功率，由于目前储能系统投资和运维成本较高，若直接应用传统的能量管理策略进行交直流混合微电网容量优化配置，不能得到经济性较为满意的结果。

本文提出的独立交直流混合微电网能量管理策略列于下文。

(1)监测蓄电池荷电状态(state of charge， SOC)。只有在SOC满足充放电要求时，蓄电池才能参与调度。若储能电池SOC尚未达到上限，在满足直流微电网和交流微电网负荷需求的前提下，通过盈余的风光出力或使发电机保持最大出力为储能电池充电至SOC达到上限。

(2)优先使用光伏和风力发电对系统供电。控制光伏电池板和风力发电机实现最大功率点跟踪(maximum power point tracking， MPPT)。当光伏和风机发电功率之和超过了直流子网总负荷时，将剩余功率通过互连换流器传输到交流子网，调节柴油发电机组的发电功率，保持交流子网功率平衡。

(3)直流微电网的净负荷优先由交流微电网补充，减少对高成本蓄电池的调度，此时柴油发电机在平抑不平衡功率的同时为储能系统充电。

该能量管理策略能够提高清洁能源发电的利用率，延长蓄电池使用寿命，减少柴油发电机关停和开启的损耗。同时体现了交直流混合微电网直流发电优先供应直流负荷、交流发电优先供应交流负荷的优势，相对于单一的交流微电网和直流微电网能够减少分布式电源和负荷的换流过程，节约换流成本。具体能量管理策略流程如图2所示。

图2中，P1表示光伏与风力发电功率之和，P2表示单台柴油发电机的发电功率，n表示启动的柴油发电机的台数，nmax表示总发电机台数，P3和P4分别表示蓄电池组充电功率和放电功率，Pdc和Pac分别为直流子网和交流子网的负荷功率，η1为流向直流微网的互联换流器效率，η2为流向交流微网的互联换流器效率，ηB为流向蓄电池的DC/DC变换器效率。

考虑能量传输效率问题，则：

η1=1/ηac_dc

(1)

η2=1/ηdc_ac

(2)

ηB=1/ηdc_dc

(3)

式中：ηdc_dc为双向DC/DC变换器效率；ηdc_ac为互连换流器中DC/AC级的逆变效率；ηac_dc为互连换流器中AC/DC级的整流效率。

图2 改进的独立交直流混合微网能量管理策略

2 优化配置模型

以经济性最优作为优化目标，将环保性因素折算成经济性因素进行考虑，可靠性指标作为硬性约束条件。考虑独立交直流混合微电网能量管理策略，通过求解多约束的单目标非线性整数规划问题实现电源的优化配置。

2.1 电源模型

微电网中风机输出功率与风速和额定功率有关，光伏电池板输出功率与辐照度、温度和标况下额定功率有关，具体的风力发电、光伏发电功率输出模型和蓄电池充放电特性此处不再赘述，详细内容可分别参见文献[15-17]。

2.2 用电可靠性模型

可靠性衡量指标是负荷缺电概率(loss of power supply probability, LPSP)，指在独立微电网中负荷功率缺失的概率[18]。

(4)

式中：PLOAD(t)为t时刻微电网中总负荷功率；PLOSS(t)为t时刻微电网中负荷缺失功率；时间长度取全年 8 760 h。

2.3 经济性模型

以年度平均成本为目标函数，将微电网中电源对环境的影响折算成费用统计到经济性模型中，在保证供电可靠性的前提下使成本最低。

目标函数中包括：第i种电源的等年值设备投资费用CCPi、年运行和维护费用COMi、年燃料费用CFCi、环保折算费用CECi以及互连换流器的年化投资、运行和维护费用CIC。目标函数构建如下所示：

(5)

式中N为电源的类型数目，在本文提出的独立交直流混合微电网中，有光伏电池组、风力发电机组、柴油发电机组和蓄电池组共4种电源，故N=4。

2.3.1 等年值设备投资费用

电源等年值设备投资费与电源类型关系较小，可以认为4种电源具有相同的等年值设备投资费用，表达式为

(6)

式中：CCP为电源的等年值设备投资费用；CTCP为装机成本；m为项目全寿命周期年限；r为折现率。

2.3.2 运行和维护费用

第i种电源的运行和维护费用COM为

COM=PiKOMi+CSUCi

(7)

式中：Pi为第i种电源的出力；KOMi为第i种电源的比例系数；CSUCi为第i种电源年机组启停费用。

对于柴油发电机组，CSUC取决于每台柴油发电机的停运时间，由文献[19]得到其表达式为

(8)

式中：Nc为柴油电机总台数；NSUCi为第i台柴油发电机的启停次数；γ为柴油发电机的热启动费用；μ为柴油发电机的冷启动费用；Toff,i,j为第i台柴油发电机在第j次启动前的停运时间；τ为柴油发电机冷启动时间常数。

对于光伏电池组、风力发电机组和蓄电池组，认为其没有启停费用，即：

CSUC=0

(9)

2.3.3 燃料费用

柴油机组存在燃料费用，可以简单地认为柴油发电机组燃料费用CFC与年发电量Ec成正比。

CFC=KFCEc

(10)

式中KFC为柴油发电机组燃料费用比例系数。

2.3.4 环保折算费用

由于柴油发电机在发电时会排放各种大气污染物，对环境造成影响，本文根据文献[20]将柴油发电机组的环境影响折算成费用：

CEC=Ec(V+V′)

(11)

式中：V为污染物的环境价值；V′为污染物所受罚款。

2.3.5 互连换流器年化费用

互连换流器的年化费用包括等年值设备投资费用以及年运行和维护费用，为简化分析，认为互连换流器的年化费用与互连换流器的容量成正比，并将其分为DC/DC级和AC/DC级2部分来考虑。

(12)

2.4 模型约束条件

(13)

(2)蓄电池组约束。蓄电池组的荷电状态以及充放电功率均受限制，一般认为每小时的充放电容量不能超过其最大容量的20%。

SOCmin≤SOC≤SOCmax

(14)

(15)

式中:Pc和Pd分别表示蓄电池组充放电功率；Ebat为蓄电池组容量；Δt取1 h。

(3)可靠性约束:

PLPSP≤PSET

(16)

式中PSET为系统规定的允许的负荷缺电概率。

2.5 优化变量

为了简化分析，各电源的单机型号确定，选择独立交直流混合微电网中的风机台数NWTG、光伏电池的数量NPV、蓄电池的数量NBAT和柴油发电机的台数ND作为优化变量。定义优化变量为

X=[NWTG,NPV,NBAT,ND]

(17)

3 改进的人工蜂群算法

人工蜂群( artificial bee colony，ABC)算法是一种模拟蜂群采蜜行为的群集智能优化算法[21]。文献[22]指出，相比于遗传算法、粒子群算法、差分进化算法等经典的优化算法，ABC算法具有控制参数少、搜索精度较高以及鲁棒性较强等特点。

首先，随机产生SN个初始解，每个解xi(i=1，2，…，SN)是一个D维的向量，D为优化参数的个数。

引领蜂进行循环搜索，产生一个新的位置：

vij=xij+φij(xij-xkj)

(18)

式中：k为不同于i的蜜源(可行解)；j为随机选择的下标；φij为[-1,1]之间的随机数。

蜜蜂将新旧位置的花蜜量(适应度)进行对比选择，记忆较为丰富的蜜源位置。选择概率pi为

(19)

式中fiti为解xi的适应度值。

放弃超过搜索次数而没有更新的蜜源，此时侦察蜂搜索新蜜源的操作如下：

(20)

参考差分进化算法中的差分思想[23]，采用式(21)所示的改进搜索方程：

vij=xbest,j+φij(xr1,j-xr2,j)

(21)

式中：xbest为上一次迭代最优解；j为随机选择的下标；r1和r2为不同于i的2个随机个体。

与原搜索方程式(18)比较，在改进的搜索方程中，通过在上一次迭代得到的最优解附近开采新的搜索区域得到新的候选解，利用最优解的信息指导解的搜索以提高其收敛速度，随机选取2个个体做差分是为了保留算法的全局搜索能力。

本文针对独立交直流混合微电网的电源优化配置采用改进人工蜂群算法的求解流程，如图3所示。

4 算例分析

4.1 算例介绍

该地区年气象数据包括风速、光照强度和气温3个部分，如图4所示。某地区1年中负荷情况如图5所示，其中变频交流负荷被归入直流负荷。参照文献[7]，本文所选用的风力发电机为Bergey Windpower公司生产的Bergey Excel型风机；光伏电池采用的是SOLAREX公司生产的MSX-83型光伏电池，并设定每100个为1组；蓄电池采用的是GEFC公司生产的125 V 200 A-VRB型钒电池堆；柴油发电机采用的是Perkins公司生产的1104C-44TAG1型柴油发电机。各电源的具体参数如表1所示。

图3 改进人工蜂群算法计算流程图

图4 微网所在地年气象数据

图5 微网所在地年负荷曲线

将微电网所在地的年气象数据、年负荷曲线以及各电源的相关参数作为优化配置的输入数据，设置仿真时间T=1 a，仿真步长为1 h，选取工程寿命周期为13 a，折现率r=6.7%。

4.2 供电可靠性对优化配置影响分析

实际规划设计微电网时，需要根据当地的实际需求设定供电可靠性。因此，本文利用前文介绍的实例数据，在不同的可靠性约束下，根据提出的能量管理策略进行独立交直流混合微电网电源优化配置，计算得到供电可靠性与微电网总年化费用的关系如图6所示。

由图6可知，随着供电可靠性要求的提高，微电网的年化费用呈线性增加，当系统供电可靠性到达某一临界点时，提高一个档次的供电可靠性需要投入更多的资金。因此，选取合理的供电可靠性指标，能够有效地减少微电网的冗余投资。下文中为研究微电网结构以及能量管理策略对优化配置结果的影响，微电网的供电可靠性设定为99.9%。从经济性的角度考虑，在设计规划微电网时，应根据微电网实际需求选取适当的可靠性指标，不必一味追求过高的供电可靠性。

表1 微电网电源单机容量及相关费用

Table 1 Unit capacity and related costs of distributed energy

图6 供电可靠性与总年化费用关系

4.3 交直流混合微电网与传统微电网优化对比分析

在相同的负荷和气象条件下，计算3种不同的建设方案：(1)独立交流微电网(方案1)；(2)独立直流微电网(方案2)；(3)独立交直流混合微电网(方案3)。将前文提到的优先使用风光发电加入到交流微电网与直流微电网的能量管理策略之中。通过优化计算，3种方案的电源优化配置结果如表2所示。

表2 3种微电网电源优化配置结果

Table 2 Optimal configuration results of three different microgrid construction schemes

由表2可知，总年化费用和年换流损耗由高到低依次为交流微电网、直流微电网和交直流混合微电网。这符合直流微电网更便于清洁电源与蓄电池接入，以及系统中直流负荷比例较大的实际情况；在交流微电网中，风光直流电源和直流负荷增加了换流设备的投资和换流损耗；在交直流混合微电网中，交直流负荷与电源能够分别接入对应的子网，降低了系统中的换流损耗，节省了微电网的运行成本。交直流混合微电网优化配置结果中柴油发电机的数量较少，但是由于储能设备的增加，仍然可以保证系统的供电可靠性，同时也减少了柴油发电对环境的影响。

4.4 能量管理策略对优化配置的影响

保持前文设定的参数不变，传统能量管理策略下的交直流混合微电网电源优化配置结果如表3所示。

表3 传统能量管理策略下独立交直流混合微网电源优化配置结果

Table 3 Optimal allocation result of AC/DC hybrid stand-alone microgrid under traditional energy management strategy

对比表3和表2中的优化结果可知，传统策略下优化配置结果的总年化费用高于改进能量管理策略下的，甚至比前文中交流微电网和直流微电网的优化配置结果的总年化费用还高。此外，风力发电机的台数为0，而蓄电池的数量则远远超出了表2中的优化配置结果。这反映了传统能量管理策略以下2个缺点：(1)对蓄电池SOC监测不足，没有尽量使储能处于满电状态，当不平衡功率较大时，对蓄电池需求量大；(2)传统能量管理策略优先使用储能平抑不平衡功率，而风力发电机的出力波动较大，需要大量的蓄电池才能保证系统的供电可靠性。由于蓄电池成本较高且目标函数追求经济性最优，从而使得优化配置结果中风力发电机的数量为0。

以上分析可以说明，本文提出的独立交直流混合微电网能量管理策略，能够在系统供电可靠性一定的情况下得到总投资更少的电源优化配置方案。

4.5 改进人工蜂群算法与其他算法的对比分析

分别采用一般ABC算法、遗传算法和改进ABC算法计算方案3的最优解。由图7中3种算法的收敛曲线可知改进的ABC算法的收敛速度优于遗传算法和一般ABC算法。

图7 一般ABC、遗传算法和改进ABC算法计算结果

5 结 论

本文对独立交直流混合微网的电源优化配置问题进行研究，提出了优先消纳可再生能源的能量管理策略，以经济性最优为优化目标，将环保性因素折算成经济性因素进行考虑，将可靠性转化为约束条件之一。模型求解采用改进人工蜂群算法，通过算例分析验证了优化配置方法的可行性，并得到以下结论。

(1)交直流混合微电网相对于交流微电网和直流微电网，交直流电源优先供应子网中相应的负荷，降低换流损耗，减少系统运行成本。由优化配置结果可知，交直流混合微电网中柴油发电机的数量较少，但由于储能系统的增加仍可以保证系统的可靠运行。

(2)能量管理策略优先使用可再生能源发电对系统供电，能够提高可再生能源的装机水平和利用效率，提升环境效益；当子网内功率不能平衡时，优先通过子网间互联换流器传输功率使供需平衡，减少对储能系统的调度。与传统能量管理策略相比，在保证系统供电可靠性时，能够得到总投资更少的电源优化配置方案。

(3)相较于传统的智能优化算法，人工蜂群算法收敛精度高，而改进的ABC算法提高了收敛速度，更适于求解非线性整数规划问题。

[1]黄仁乐, 程林, 李洪涛. 交直流混合主动配电网关键技术研究[J]. 电力建设, 2015，36 (1): 46-51. HUANG Renle, CHENG Lin, LI Hongtao. Research on key technology of AC/DC hybrid active distribution network[J]. Electric Power Construction, 2015,36(1): 46-51.

[2] 董雷, 明捷, 于汀, 等. 分布式电源高渗透率交直流主动配电网运行控制策略[J]. 电力建设, 2016, 37(5):57-62. DONG Lei, MING Jie, YU Ting, et al. AC/DC active power distribution network operation control strategy of distributed generation with high permeability[J]. Electric Power Construction, 2016,37(5): 57-62.

[3] LIU X, WANG P, LOH P C. A hybrid AC/DC microgrid and its coordination control[J]. IEEE Transactions on Smart Grid, 2011, 2(2): 278-286.

[4] GUERRERO J M, VASQUEZ J C, MATAS J, et al. Hierarchical control of droop-controlled AC and DC microgrids：a general approach toward standardization[J]. IEEE Transactions on Industrial Electronics, 2011, 58(1): 158-172.

[5] JIN C, LOH P C, WANG P, et al. Autonomous operation of hybrid AC-DC microgrids[C]//Sustainable Energy Technologies (SET), 2010 IEEE International Conference on. Shanghai: IEEE, 2010: 1-7.

[6] 殷晓刚, 戴冬云, 韩云, 等. 交直流混合微网关键技术研究[J]. 高压电器, 2012, 48(9): 43-46. YIN Xiaogang, DAI Dongyun, HAN Yun, et al. Discussion on key technologies of AC/DC hybrid microgrid[J]. High Voltage Apparatus, 2012, 48(9): 43-46.

[7] 马溪原, 吴耀文, 方华亮, 等. 采用改进细菌觅食算法的风/光/储混合微电网电源优化配置[J]. 中国电机工程学报, 2011, 31(25): 17-25. MA Xiyuan, WU Yaowen, FANG Hualiang, et al. Optimal sizing of hybrid solar-wind distributed generation in an islanded microgrid using improved bacterial foraging algorithm[J]. Proceedings of the CSEE,2011, 31(25): 17-25.

[8] 王瑞琪, 李珂, 张承慧. 基于混沌多目标遗传算法的微网系统容量优化[J]. 电力系统保护与控制, 2011, 39(22): 16-22. WANG Ruiqi, LI Ke, ZHANG Chenghui. Optimization allocation of microgrid capacity based on chaotic multi-objective genetic algorithm[J]. Power System Protection and Control, 2011, 39(22): 16-22.

[9] 丁明, 王波, 赵波, 等. 独立风光柴储微网系统容量优化配置[J]. 电网技术, 2013, 37(3): 575-581. DING Ming, WANG Bo, ZHAO Bo, et al. Configuration optimization of capacity of standalone PV-wind-diesel-battery hybrid microgrid[J]. Power System Technology, 2013, 37(3): 575-581.

[10] 陈健, 王成山, 赵波, 等. 考虑不同控制策略的独立型微电网优化配置[J]. 电力系统自动化, 2013, 37(11):1-6. CHEN Jian, WANG Chengshan, ZHAO Bo, et al. Optimal sizing for stand-alone microgrid considering different control strategies[J]. Automation of Electric Power Systems, 2013, 37(11):1-6.

[11] 郭力, 刘文建, 焦冰琦, 等. 独立微网系统的多目标优化规划设计方法[J]. 中国电机工程学报, 2014, 34(4): 524-536. GUO Li, LIU Wenjian, JIAO Bingqi, et al. Multi-objective optimal planning design method for stand-alone microgrid system[J]. Proceedings of the CSEE, 2014, 34(4): 524-536.

[12]LOH P C, LI D J, CHAI Y K, et al. Hybrid AC-DC microgrids with energy storages and progressive energy flow tuning[J]. IEEE Transactions on Power Electronics, 2013, 28(4): 1533-1543.

[13]LOH P C, LI D, CHAI Y K, et al. Autonomous control of interlinking converter with energy storage in hybrid AC-DC microgrid[J]. IEEE Transactions on Industry Applications, 2013, 49(3): 1374-1382.

[14]WANG P, JIN C, ZHU D, et al. Distributed control for autonomous operation of a three-port AC/DC/DS hybrid microgrid[J]. IEEE Transactions on Industrial Electronics, 2015, 62(2): 1279-1290.

[15]宁玉宝, 郑建勇, 夏俪萌, 等. 光伏电站综合出力特性研究与分析[J]. 太阳能学报, 2015, 36(5): 1197-1205. NING Yubao, ZHENG Jianyong, XIA Limeng, et al. Research and analysis on comprehensive output characteristics of photovoltaic power stations[J]. Acta Energiae Solaris Sinica, 2015, 36(5):1197-1205.

[16] 张节潭, 程浩忠, 胡泽春, 等. 含风电场的电力系统随机生产模拟[J]. 中国电机工程学报, 2009, 29(28): 34-39. ZHANG Jietan, CHEN Haozhong, HU Zechun, et al. Power system probabilistic production simulation including wind farms[J]. Proceedings of the CSEE, 2009, 29(28): 34-39.

[17]邢龙. 微网能量管理与多目标优化运行的建模与仿真 [D]. 上海：上海交通大学, 2013. XING Long. Modeling and simulation of Multi-objective optimal operation and energy management for microgrid[D]. Shanghai: Shanghai Jiao Tong University, 2013.

[18]钱一晨, 金晶. 可再生能源混合系统电源优化配置综述[J]. 太阳能学报, 2012 (S1): 98-102. QIAN Yichen, JIN Jing. Summary of optimal allocation of renewable energy hybrid system power[J]. Acta Energiae Solaris Sinica, 2012(S1):98-102.

[19] MOHAMED F A, KOIVO H N. System modelling and online optimal management of microgrid using mesh adaptive direct search[J]. International Journal of Electrical Power & Energy Systems, 2010, 32(5): 398-407.

[20] 钱科军, 袁越, 石晓丹, 等. 分布式发电的环境效益分析[J]. 中国电机工程学报, 2008, 28(29): 11-15. QIAN Kejun, YUAN Yue, SHI Xiaodan, et al. Environmental benefits analysis of distributed generation[J]. Proceedings of the CSEE, 2008, 28(29): 11-15.

[21]KARABOGA D, AKAY B. A comparative study of artificial bee colony algorithm[J]. Applied Mathematics and Computation, 2009, 214(1): 108-132.

[22]KARABOGA D, BASTURK B. On the performance of artificial bee colony (ABC) algorithm[J]. Applied Soft Computing, 2008, 8(1): 687-697.

[23] 余胜威. MATLAB优化算法案例分析与应用：进阶篇[M]. 北京：清华大学出版社，2015：465-474.

严逍(1992) 男，研究生，研究方向为交直流混合配电网技术。

(编辑 张小飞)

Optimal Allocation of Power Supply in AC/DC Hybrid Stand-Alone Microgrid

LIU Xingjie，DU Zhe，YAN Xiao

(State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, Hebei Province, China)

The optimal allocation of power supply in AC/DC hybrid microgrid can reduce the converter loss and system cost. According to the unique structure and energy flow pattern of AC/DC hybrid stand-alone microgrid, this paper proposes the specific energy management strategy with considering the power transmission efficiency. The optimal allocation model aimes at the optimal economy, and comprehensive consides environmental protection and power supply reliability. This paper adopts modified artificial bee colony algorithm to solve the model, which can obtain the optimal allocation result of distribution generation in AC/DC hybrid stand-alone microgrid. Finally, through the comparison and analysis of examples, it shows that AC/DC hybrid microgrid can save the operation costs of the system compared with AC microgrid or DC microgrid, and the application of improved energy management strategy can obtain the allocation scheme of power supply in microgrid with better economy.

AC/DC hybrid microgrid; energy management strategy; optimal configuration; modified artificial bee colony algorithm

国家自然科学基金项目(51277075)；河北省自然科学基金项目(E2015502066)；中央高校基本科研业务费专项资金资助项目(2015MS86)

TM 727

A

1000-7229(2016)10-0016-08

10.3969/j.issn.1000-7229.2016.10.003

2016-07-11

刘兴杰(1979)，男，博士，讲师，研究方向为新能源发电与并网技术、电力系统自动化技术等；

杜哲(1992)女，研究生，研究方向为微电网分布式发电与储能优化配置；

Project supported by the National Natural Science Foundation of China(51277075)； the Natural Science Foundation of Hebei Province(E2015502066); the Fundamental Research Funds for the Central Universities(2015MS86)