獨立交直流混合微電網電源優化配置

劉興杰，杜哲，嚴逍

(新能源電力系統國家重點實驗室(華北電力大學)，河北省保定市 071003)

獨立交直流混合微電網電源優化配置

劉興杰，杜哲，嚴逍

(新能源電力系統國家重點實驗室(華北電力大學)，河北省保定市 071003)

對交直流混合微電網中電源進行優化配置能夠減少換流損耗，降低系統成本。針對獨立交直流混合微電網特有的結構和能量流動方式，考慮能量傳輸效率，提出了改進的能量管理策略。優化配置模型以經濟性最優為目標，綜合考慮環保性和供電可靠性，采用改進的人工蜂群算法對模型進行求解，得到獨立交直流混合微電網的分布式電源優化配置結果。最后，通過算例進行仿真驗證，結果表明，交直流混合微電網相對于純粹交流微電網和直流微電網能夠降低系統運行成本，使用改進后的能量管理策略能得到經濟性更優的微電網電源配置方案。

交直流混合微電網；能量管理策略；優化配置；改進人工蜂群算法

0 引 言

交直流混合微電網結合了交流微電網和直流微電網的優勢，采用柔性直流技術和交直流混合配電網關鍵技術[1-2]，省略了許多換流環節和換流裝置[3-5]，降低了系統運行損耗，使微電網控制更加靈活[6]。對其進行合理配置有助于微電網穩定可靠運行，提高可再生能源發電利用率，減少投資和維護費用。

目前，國內外許多專家學者對微電網電源容量優化配置展開過研究[7-11]。文獻[7-9]利用細菌覓食算法等人工智能算法，通過建立單目標或者多目標優化模型，對離網型微電網電源容量優化配置進行了研究，但是都沒有考慮系統控制策略對優化結果的影響；文獻[10]考慮了柴油發電機不同控制策略，對獨立型風光柴儲微電網的電源容量優化配置進行了研究，但研究沒有考慮系統供電可靠性約束；文獻[11]全面考慮了經濟性、可靠性和環保性要求，以及柴油發電機與儲能系統的控制策略，提出了離網型微電網風光柴儲容量配置的多目標優化模型，并利用改進的多目標遺傳算法進行求解。然而，由于交直流混合微電網的系統結構和控制策略與單一的交流微電網和直流微電網存在較大差異，已有的微電網電源優化配置方法無法直接應用在交直流混合微電網中。

本文采用文獻[12]中含儲能系統的交直流混合微電網結構，結合文獻[13-14]交直流混合微電網中能量流動的特點，對其電源優化配置進行研究。首先提出獨立交直流混合微電網能量管理策略。該策略充分考慮交直流混合微電網的結構特點，盡量減少子網間的功率交換從而節約換流成本。同時，減少蓄電池充放電次數和柴油發電機關停和開啟的損耗。然后采用收斂精度高、收斂速度快的改進的人工蜂群算法求取優化配置模型最優解。優化目標為年平均成本最低，將環保性因素折算到目標函數中，可靠性指標通過約束條件進行考慮。并通過與交流微電網、直流微電網優化配置結果進行對比，驗證交直流混合微電網在降低成本和可再生能源利用方面的優越性。最后，分析能量管理策略、可靠性以及優化算法對優化配置的影響，為獨立交直流混合微電網系統的電源規劃提供一定的參考。

1 獨立交直流混合微電網系統

1.1 獨立交直流混合微電網系統結構

本文研究的獨立交直流混合微電網系統結構[12]如圖1所示，分為交流子網、直流子網兩大部分。微電網中同時含有交流母線和直流母線，可直接向直流負荷和交流負荷供電。蓄電池組通過雙向DC/DC變換器與直流母線相連，控制直流母線電壓的同時，實現蓄電池與系統間能量的雙向流動和功率分配。AC/DC換流器實現子網間能量流動維持各子網內功率平衡，是獨立交直流混合微電網中不可或缺的設備。

圖1 獨立交直流混合微電網系統結構

1.2 獨立交直流混合微電網能量管理策略

對微電網進行能量管理的目的是在滿足系統各約束條件下，確保微電網內發電與負荷需求的功率平衡，通過處理各分布式電源的有功功率分配，保證微電網的長期穩定、經濟運行。已有關于交直流混合微電網能量控制策略的文獻，描述了能量在微電網中的流動方式[13-14]，但沒有確定電源各時刻出力大小。傳統微電網能量管理策略多優先由儲能平抑不平衡功率，由于目前儲能系統投資和運維成本較高，若直接應用傳統的能量管理策略進行交直流混合微電網容量優化配置，不能得到經濟性較為滿意的結果。

本文提出的獨立交直流混合微電網能量管理策略列于下文。

(1)監測蓄電池荷電狀態(state of charge， SOC)。只有在SOC滿足充放電要求時，蓄電池才能參與調度。若儲能電池SOC尚未達到上限，在滿足直流微電網和交流微電網負荷需求的前提下，通過盈余的風光出力或使發電機保持最大出力為儲能電池充電至SOC達到上限。

(2)優先使用光伏和風力發電對系統供電?？刂乒夥姵匕搴惋L力發電機實現最大功率點跟蹤(maximum power point tracking， MPPT)。當光伏和風機發電功率之和超過了直流子網總負荷時，將剩余功率通過互連換流器傳輸到交流子網，調節柴油發電機組的發電功率，保持交流子網功率平衡。

(3)直流微電網的凈負荷優先由交流微電網補充，減少對高成本蓄電池的調度，此時柴油發電機在平抑不平衡功率的同時為儲能系統充電。

該能量管理策略能夠提高清潔能源發電的利用率，延長蓄電池使用壽命，減少柴油發電機關停和開啟的損耗。同時體現了交直流混合微電網直流發電優先供應直流負荷、交流發電優先供應交流負荷的優勢，相對于單一的交流微電網和直流微電網能夠減少分布式電源和負荷的換流過程，節約換流成本。具體能量管理策略流程如圖2所示。

圖2中，P1表示光伏與風力發電功率之和，P2表示單臺柴油發電機的發電功率，n表示啟動的柴油發電機的臺數，nmax表示總發電機臺數，P3和P4分別表示蓄電池組充電功率和放電功率，Pdc和Pac分別為直流子網和交流子網的負荷功率，η1為流向直流微網的互聯換流器效率，η2為流向交流微網的互聯換流器效率，ηB為流向蓄電池的DC/DC變換器效率。

考慮能量傳輸效率問題，則：

η1=1/ηac_dc

(1)

η2=1/ηdc_ac

(2)

ηB=1/ηdc_dc

(3)

式中：ηdc_dc為雙向DC/DC變換器效率；ηdc_ac為互連換流器中DC/AC級的逆變效率；ηac_dc為互連換流器中AC/DC級的整流效率。

圖2 改進的獨立交直流混合微網能量管理策略

2 優化配置模型

以經濟性最優作為優化目標，將環保性因素折算成經濟性因素進行考慮，可靠性指標作為硬性約束條件?？紤]獨立交直流混合微電網能量管理策略，通過求解多約束的單目標非線性整數規劃問題實現電源的優化配置。

2.1 電源模型

微電網中風機輸出功率與風速和額定功率有關，光伏電池板輸出功率與輻照度、溫度和標況下額定功率有關，具體的風力發電、光伏發電功率輸出模型和蓄電池充放電特性此處不再贅述，詳細內容可分別參見文獻[15-17]。

2.2 用電可靠性模型

可靠性衡量指標是負荷缺電概率(loss of power supply probability, LPSP)，指在獨立微電網中負荷功率缺失的概率[18]。

(4)

式中：PLOAD(t)為t時刻微電網中總負荷功率；PLOSS(t)為t時刻微電網中負荷缺失功率；時間長度取全年 8 760 h。

2.3 經濟性模型

以年度平均成本為目標函數，將微電網中電源對環境的影響折算成費用統計到經濟性模型中，在保證供電可靠性的前提下使成本最低。

目標函數中包括：第i種電源的等年值設備投資費用CCPi、年運行和維護費用COMi、年燃料費用CFCi、環保折算費用CECi以及互連換流器的年化投資、運行和維護費用CIC。目標函數構建如下所示：

(5)

式中N為電源的類型數目，在本文提出的獨立交直流混合微電網中，有光伏電池組、風力發電機組、柴油發電機組和蓄電池組共4種電源，故N=4。

2.3.1 等年值設備投資費用

電源等年值設備投資費與電源類型關系較小，可以認為4種電源具有相同的等年值設備投資費用，表達式為

(6)

式中：CCP為電源的等年值設備投資費用；CTCP為裝機成本；m為項目全壽命周期年限；r為折現率。

2.3.2 運行和維護費用

第i種電源的運行和維護費用COM為

COM=PiKOMi+CSUCi

(7)

式中：Pi為第i種電源的出力；KOMi為第i種電源的比例系數；CSUCi為第i種電源年機組啟停費用。

對于柴油發電機組，CSUC取決于每臺柴油發電機的停運時間，由文獻[19]得到其表達式為

(8)

式中：Nc為柴油電機總臺數；NSUCi為第i臺柴油發電機的啟停次數；γ為柴油發電機的熱啟動費用；μ為柴油發電機的冷啟動費用；Toff,i,j為第i臺柴油發電機在第j次啟動前的停運時間；τ為柴油發電機冷啟動時間常數。

對于光伏電池組、風力發電機組和蓄電池組，認為其沒有啟停費用，即：

CSUC=0

(9)

2.3.3 燃料費用

柴油機組存在燃料費用，可以簡單地認為柴油發電機組燃料費用CFC與年發電量Ec成正比。

CFC=KFCEc

(10)

式中KFC為柴油發電機組燃料費用比例系數。

2.3.4 環保折算費用

由于柴油發電機在發電時會排放各種大氣污染物，對環境造成影響，本文根據文獻[20]將柴油發電機組的環境影響折算成費用：

CEC=Ec(V+V′)

(11)

式中：V為污染物的環境價值；V′為污染物所受罰款。

2.3.5 互連換流器年化費用

互連換流器的年化費用包括等年值設備投資費用以及年運行和維護費用，為簡化分析，認為互連換流器的年化費用與互連換流器的容量成正比，并將其分為DC/DC級和AC/DC級2部分來考慮。

(12)

2.4 模型約束條件

(13)

(2)蓄電池組約束。蓄電池組的荷電狀態以及充放電功率均受限制，一般認為每小時的充放電容量不能超過其最大容量的20%。

SOCmin≤SOC≤SOCmax

(14)

(15)

式中:Pc和Pd分別表示蓄電池組充放電功率；Ebat為蓄電池組容量；Δt取1 h。

(3)可靠性約束:

PLPSP≤PSET

(16)

式中PSET為系統規定的允許的負荷缺電概率。

2.5 優化變量

為了簡化分析，各電源的單機型號確定，選擇獨立交直流混合微電網中的風機臺數NWTG、光伏電池的數量NPV、蓄電池的數量NBAT和柴油發電機的臺數ND作為優化變量。定義優化變量為

X=[NWTG,NPV,NBAT,ND]

(17)

3 改進的人工蜂群算法

人工蜂群( artificial bee colony，ABC)算法是一種模擬蜂群采蜜行為的群集智能優化算法[21]。文獻[22]指出，相比于遺傳算法、粒子群算法、差分進化算法等經典的優化算法，ABC算法具有控制參數少、搜索精度較高以及魯棒性較強等特點。

首先，隨機產生SN個初始解，每個解xi(i=1，2，…，SN)是一個D維的向量，D為優化參數的個數。

引領蜂進行循環搜索，產生一個新的位置：

vij=xij+φij(xij-xkj)

(18)

式中：k為不同于i的蜜源(可行解)；j為隨機選擇的下標；φij為[-1,1]之間的隨機數。

蜜蜂將新舊位置的花蜜量(適應度)進行對比選擇，記憶較為豐富的蜜源位置。選擇概率pi為

(19)

式中fiti為解xi的適應度值。

放棄超過搜索次數而沒有更新的蜜源，此時偵察蜂搜索新蜜源的操作如下：

(20)

參考差分進化算法中的差分思想[23]，采用式(21)所示的改進搜索方程：

vij=xbest,j+φij(xr1,j-xr2,j)

(21)

式中：xbest為上一次迭代最優解；j為隨機選擇的下標；r1和r2為不同于i的2個隨機個體。

與原搜索方程式(18)比較，在改進的搜索方程中，通過在上一次迭代得到的最優解附近開采新的搜索區域得到新的候選解，利用最優解的信息指導解的搜索以提高其收斂速度，隨機選取2個個體做差分是為了保留算法的全局搜索能力。

本文針對獨立交直流混合微電網的電源優化配置采用改進人工蜂群算法的求解流程，如圖3所示。

4 算例分析

4.1 算例介紹

該地區年氣象數據包括風速、光照強度和氣溫3個部分，如圖4所示。某地區1年中負荷情況如圖5所示，其中變頻交流負荷被歸入直流負荷。參照文獻[7]，本文所選用的風力發電機為Bergey Windpower公司生產的Bergey Excel型風機；光伏電池采用的是SOLAREX公司生產的MSX-83型光伏電池，并設定每100個為1組；蓄電池采用的是GEFC公司生產的125 V 200 A-VRB型釩電池堆；柴油發電機采用的是Perkins公司生產的1104C-44TAG1型柴油發電機。各電源的具體參數如表1所示。

圖3 改進人工蜂群算法計算流程圖

圖4 微網所在地年氣象數據

圖5 微網所在地年負荷曲線

將微電網所在地的年氣象數據、年負荷曲線以及各電源的相關參數作為優化配置的輸入數據，設置仿真時間T=1 a，仿真步長為1 h，選取工程壽命周期為13 a，折現率r=6.7%。

4.2 供電可靠性對優化配置影響分析

實際規劃設計微電網時，需要根據當地的實際需求設定供電可靠性。因此，本文利用前文介紹的實例數據，在不同的可靠性約束下，根據提出的能量管理策略進行獨立交直流混合微電網電源優化配置，計算得到供電可靠性與微電網總年化費用的關系如圖6所示。

由圖6可知，隨著供電可靠性要求的提高，微電網的年化費用呈線性增加，當系統供電可靠性到達某一臨界點時，提高一個檔次的供電可靠性需要投入更多的資金。因此，選取合理的供電可靠性指標，能夠有效地減少微電網的冗余投資。下文中為研究微電網結構以及能量管理策略對優化配置結果的影響，微電網的供電可靠性設定為99.9%。從經濟性的角度考慮，在設計規劃微電網時，應根據微電網實際需求選取適當的可靠性指標，不必一味追求過高的供電可靠性。

表1 微電網電源單機容量及相關費用

Table 1 Unit capacity and related costs of distributed energy

圖6 供電可靠性與總年化費用關系

4.3 交直流混合微電網與傳統微電網優化對比分析

在相同的負荷和氣象條件下，計算3種不同的建設方案：(1)獨立交流微電網(方案1)；(2)獨立直流微電網(方案2)；(3)獨立交直流混合微電網(方案3)。將前文提到的優先使用風光發電加入到交流微電網與直流微電網的能量管理策略之中。通過優化計算，3種方案的電源優化配置結果如表2所示。

表2 3種微電網電源優化配置結果

Table 2 Optimal configuration results of three different microgrid construction schemes

由表2可知，總年化費用和年換流損耗由高到低依次為交流微電網、直流微電網和交直流混合微電網。這符合直流微電網更便于清潔電源與蓄電池接入，以及系統中直流負荷比例較大的實際情況；在交流微電網中，風光直流電源和直流負荷增加了換流設備的投資和換流損耗；在交直流混合微電網中，交直流負荷與電源能夠分別接入對應的子網，降低了系統中的換流損耗，節省了微電網的運行成本。交直流混合微電網優化配置結果中柴油發電機的數量較少，但是由于儲能設備的增加，仍然可以保證系統的供電可靠性，同時也減少了柴油發電對環境的影響。

4.4 能量管理策略對優化配置的影響

保持前文設定的參數不變，傳統能量管理策略下的交直流混合微電網電源優化配置結果如表3所示。

表3 傳統能量管理策略下獨立交直流混合微網電源優化配置結果

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

對比表3和表2中的優化結果可知，傳統策略下優化配置結果的總年化費用高于改進能量管理策略下的，甚至比前文中交流微電網和直流微電網的優化配置結果的總年化費用還高。此外，風力發電機的臺數為0，而蓄電池的數量則遠遠超出了表2中的優化配置結果。這反映了傳統能量管理策略以下2個缺點：(1)對蓄電池SOC監測不足，沒有盡量使儲能處于滿電狀態，當不平衡功率較大時，對蓄電池需求量大；(2)傳統能量管理策略優先使用儲能平抑不平衡功率，而風力發電機的出力波動較大，需要大量的蓄電池才能保證系統的供電可靠性。由于蓄電池成本較高且目標函數追求經濟性最優，從而使得優化配置結果中風力發電機的數量為0。

以上分析可以說明，本文提出的獨立交直流混合微電網能量管理策略，能夠在系統供電可靠性一定的情況下得到總投資更少的電源優化配置方案。

4.5 改進人工蜂群算法與其他算法的對比分析

分別采用一般ABC算法、遺傳算法和改進ABC算法計算方案3的最優解。由圖7中3種算法的收斂曲線可知改進的ABC算法的收斂速度優于遺傳算法和一般ABC算法。

圖7 一般ABC、遺傳算法和改進ABC算法計算結果

5 結 論

本文對獨立交直流混合微網的電源優化配置問題進行研究，提出了優先消納可再生能源的能量管理策略，以經濟性最優為優化目標，將環保性因素折算成經濟性因素進行考慮，將可靠性轉化為約束條件之一。模型求解采用改進人工蜂群算法，通過算例分析驗證了優化配置方法的可行性，并得到以下結論。

(1)交直流混合微電網相對于交流微電網和直流微電網，交直流電源優先供應子網中相應的負荷，降低換流損耗，減少系統運行成本。由優化配置結果可知，交直流混合微電網中柴油發電機的數量較少，但由于儲能系統的增加仍可以保證系統的可靠運行。

(2)能量管理策略優先使用可再生能源發電對系統供電，能夠提高可再生能源的裝機水平和利用效率，提升環境效益；當子網內功率不能平衡時，優先通過子網間互聯換流器傳輸功率使供需平衡，減少對儲能系統的調度。與傳統能量管理策略相比，在保證系統供電可靠性時，能夠得到總投資更少的電源優化配置方案。

(3)相較于傳統的智能優化算法，人工蜂群算法收斂精度高，而改進的ABC算法提高了收斂速度，更適于求解非線性整數規劃問題。

[1]黃仁樂, 程林, 李洪濤. 交直流混合主動配電網關鍵技術研究[J]. 電力建設, 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. 分布式電源高滲透率交直流主動配電網運行控制策略[J]. 電力建設, 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] 殷曉剛, 戴冬云, 韓云, 等. 交直流混合微網關鍵技術研究[J]. 高壓電器, 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] 馬溪原, 吳耀文, 方華亮, 等. 采用改進細菌覓食算法的風/光/儲混合微電網電源優化配置[J]. 中國電機工程學報, 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, 張承慧. 基于混沌多目標遺傳算法的微網系統容量優化[J]. 電力系統保護與控制, 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, 趙波, 等. 獨立風光柴儲微網系統容量優化配置[J]. 電網技術, 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] 陳健, 王成山, 趙波, 等. 考慮不同控制策略的獨立型微電網優化配置[J]. 電力系統自動化, 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, 劉文建, 焦冰琦, 等. 獨立微網系統的多目標優化規劃設計方法[J]. 中國電機工程學報, 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]寧玉寶, 鄭建勇, 夏儷萌, 等. 光伏電站綜合出力特性研究與分析[J]. 太陽能學報, 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] 張節潭, 程浩忠, 胡澤春, 等. 含風電場的電力系統隨機生產模擬[J]. 中國電機工程學報, 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]邢龍. 微網能量管理與多目標優化運行的建模與仿真 [D]. 上海：上海交通大學, 2013. XING Long. Modeling and simulation of Multi-objective optimal operation and energy management for microgrid[D]. Shanghai: Shanghai Jiao Tong University, 2013.

[18]錢一晨, 金晶. 可再生能源混合系統電源優化配置綜述[J]. 太陽能學報, 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] 錢科軍, 袁越, 石曉丹, 等. 分布式發電的環境效益分析[J]. 中國電機工程學報, 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] 余勝威. MATLAB優化算法案例分析與應用：進階篇[M]. 北京：清華大學出版社，2015：465-474.

嚴逍(1992) 男，研究生，研究方向為交直流混合配電網技術。

(編輯 張小飛)

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

國家自然科學基金項目(51277075)；河北省自然科學基金項目(E2015502066)；中央高校基本科研業務費專項資金資助項目(2015MS86)

TM 727

A

1000-7229(2016)10-0016-08

10.3969/j.issn.1000-7229.2016.10.003

2016-07-11

劉興杰(1979)，男，博士，講師，研究方向為新能源發電與并網技術、電力系統自動化技術等；

杜哲(1992)女，研究生，研究方向為微電網分布式發電與儲能優化配置；

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)