劉興杰，杜哲，嚴(yán)逍

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

獨(dú)立交直流混合微電網(wǎng)電源優(yōu)化配置

劉興杰，杜哲，嚴(yán)逍

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

對交直流混合微電網(wǎng)中電源進(jìn)行優(yōu)化配置能夠減少換流損耗，降低系統(tǒng)成本。針對獨(dú)立交直流混合微電網(wǎng)特有的結(jié)構(gòu)和能量流動方式，考慮能量傳輸效率，提出了改進(jìn)的能量管理策略。優(yōu)化配置模型以經(jīng)濟(jì)性最優(yōu)為目標(biāo)，綜合考慮環(huán)保性和供電可靠性，采用改進(jìn)的人工蜂群算法對模型進(jìn)行求解，得到獨(dú)立交直流混合微電網(wǎng)的分布式電源優(yōu)化配置結(jié)果。最后，通過算例進(jìn)行仿真驗證，結(jié)果表明，交直流混合微電網(wǎng)相對于純粹交流微電網(wǎng)和直流微電網(wǎng)能夠降低系統(tǒng)運(yùn)行成本，使用改進(jìn)后的能量管理策略能得到經(jīng)濟(jì)性更優(yōu)的微電網(wǎng)電源配置方案。

交直流混合微電網(wǎng)；能量管理策略；優(yōu)化配置；改進(jìn)人工蜂群算法

0 引 言

交直流混合微電網(wǎng)結(jié)合了交流微電網(wǎng)和直流微電網(wǎng)的優(yōu)勢，采用柔性直流技術(shù)和交直流混合配電網(wǎng)關(guān)鍵技術(shù)[1-2]，省略了許多換流環(huán)節(jié)和換流裝置[3-5]，降低了系統(tǒng)運(yùn)行損耗，使微電網(wǎng)控制更加靈活[6]。對其進(jìn)行合理配置有助于微電網(wǎng)穩(wěn)定可靠運(yùn)行，提高可再生能源發(fā)電利用率，減少投資和維護(hù)費(fèi)用。

目前，國內(nèi)外許多專家學(xué)者對微電網(wǎng)電源容量優(yōu)化配置展開過研究[7-11]。文獻(xiàn)[7-9]利用細(xì)菌覓食算法等人工智能算法，通過建立單目標(biāo)或者多目標(biāo)優(yōu)化模型，對離網(wǎng)型微電網(wǎng)電源容量優(yōu)化配置進(jìn)行了研究，但是都沒有考慮系統(tǒng)控制策略對優(yōu)化結(jié)果的影響；文獻(xiàn)[10]考慮了柴油發(fā)電機(jī)不同控制策略，對獨(dú)立型風(fēng)光柴儲微電網(wǎng)的電源容量優(yōu)化配置進(jìn)行了研究，但研究沒有考慮系統(tǒng)供電可靠性約束；文獻(xiàn)[11]全面考慮了經(jīng)濟(jì)性、可靠性和環(huán)保性要求，以及柴油發(fā)電機(jī)與儲能系統(tǒng)的控制策略，提出了離網(wǎng)型微電網(wǎng)風(fēng)光柴儲容量配置的多目標(biāo)優(yōu)化模型，并利用改進(jìn)的多目標(biāo)遺傳算法進(jìn)行求解。然而，由于交直流混合微電網(wǎng)的系統(tǒng)結(jié)構(gòu)和控制策略與單一的交流微電網(wǎng)和直流微電網(wǎng)存在較大差異，已有的微電網(wǎng)電源優(yōu)化配置方法無法直接應(yīng)用在交直流混合微電網(wǎng)中。

本文采用文獻(xiàn)[12]中含儲能系統(tǒng)的交直流混合微電網(wǎng)結(jié)構(gòu)，結(jié)合文獻(xiàn)[13-14]交直流混合微電網(wǎng)中能量流動的特點(diǎn)，對其電源優(yōu)化配置進(jìn)行研究。首先提出獨(dú)立交直流混合微電網(wǎng)能量管理策略。該策略充分考慮交直流混合微電網(wǎng)的結(jié)構(gòu)特點(diǎn)，盡量減少子網(wǎng)間的功率交換從而節(jié)約換流成本。同時，減少蓄電池充放電次數(shù)和柴油發(fā)電機(jī)關(guān)停和開啟的損耗。然后采用收斂精度高、收斂速度快的改進(jìn)的人工蜂群算法求取優(yōu)化配置模型最優(yōu)解。優(yōu)化目標(biāo)為年平均成本最低，將環(huán)保性因素折算到目標(biāo)函數(shù)中，可靠性指標(biāo)通過約束條件進(jìn)行考慮。并通過與交流微電網(wǎng)、直流微電網(wǎng)優(yōu)化配置結(jié)果進(jìn)行對比，驗證交直流混合微電網(wǎng)在降低成本和可再生能源利用方面的優(yōu)越性。最后，分析能量管理策略、可靠性以及優(yōu)化算法對優(yōu)化配置的影響，為獨(dú)立交直流混合微電網(wǎng)系統(tǒng)的電源規(guī)劃提供一定的參考。

1 獨(dú)立交直流混合微電網(wǎng)系統(tǒng)

1.1 獨(dú)立交直流混合微電網(wǎng)系統(tǒng)結(jié)構(gòu)

本文研究的獨(dú)立交直流混合微電網(wǎng)系統(tǒng)結(jié)構(gòu)[12]如圖1所示，分為交流子網(wǎng)、直流子網(wǎng)兩大部分。微電網(wǎng)中同時含有交流母線和直流母線，可直接向直流負(fù)荷和交流負(fù)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(xiàn)蓄電池與系統(tǒng)間能量的雙向流動和功率分配。AC/DC換流器實現(xiàn)子網(wǎng)間能量流動維持各子網(wǎng)內(nèi)功率平衡，是獨(dú)立交直流混合微電網(wǎng)中不可或缺的設(shè)備。

圖1 獨(dú)立交直流混合微電網(wǎng)系統(tǒng)結(jié)構(gòu)

1.2 獨(dú)立交直流混合微電網(wǎng)能量管理策略

對微電網(wǎng)進(jìn)行能量管理的目的是在滿足系統(tǒng)各約束條件下，確保微電網(wǎng)內(nèi)發(fā)電與負(fù)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(wǎng)的長期穩(wěn)定、經(jīng)濟(jì)運(yùn)行。已有關(guān)于交直流混合微電網(wǎng)能量控制策略的文獻(xiàn)，描述了能量在微電網(wǎng)中的流動方式[13-14]，但沒有確定電源各時刻出力大小。傳統(tǒng)微電網(wǎng)能量管理策略多優(yōu)先由儲能平抑不平衡功率，由于目前儲能系統(tǒng)投資和運(yùn)維成本較高，若直接應(yīng)用傳統(tǒng)的能量管理策略進(jìn)行交直流混合微電網(wǎng)容量優(yōu)化配置，不能得到經(jīng)濟(jì)性較為滿意的結(jié)果。

本文提出的獨(dú)立交直流混合微電網(wǎng)能量管理策略列于下文。

(1)監(jiān)測蓄電池荷電狀態(tài)(state of charge， SOC)。只有在SOC滿足充放電要求時，蓄電池才能參與調(diào)度。若儲能電池SOC尚未達(dá)到上限，在滿足直流微電網(wǎng)和交流微電網(wǎng)負(fù)荷需求的前提下，通過盈余的風(fēng)光出力或使發(fā)電機(jī)保持最大出力為儲能電池充電至SOC達(dá)到上限。

(2)優(yōu)先使用光伏和風(fēng)力發(fā)電對系統(tǒng)供電?？刂乒夥姵匕搴惋L(fēng)力發(fā)電機(jī)實現(xiàn)最大功率點(diǎn)跟蹤(maximum power point tracking， MPPT)。當(dāng)光伏和風(fēng)機(jī)發(fā)電功率之和超過了直流子網(wǎng)總負(fù)荷時，將剩余功率通過互連換流器傳輸?shù)浇涣髯泳W(wǎng)，調(diào)節(jié)柴油發(fā)電機(jī)組的發(fā)電功率，保持交流子網(wǎng)功率平衡。

(3)直流微電網(wǎng)的凈負(fù)荷優(yōu)先由交流微電網(wǎng)補(bǔ)充，減少對高成本蓄電池的調(diào)度，此時柴油發(fā)電機(jī)在平抑不平衡功率的同時為儲能系統(tǒng)充電。

該能量管理策略能夠提高清潔能源發(fā)電的利用率，延長蓄電池使用壽命，減少柴油發(fā)電機(jī)關(guān)停和開啟的損耗。同時體現(xiàn)了交直流混合微電網(wǎng)直流發(fā)電優(yōu)先供應(yīng)直流負(fù)荷、交流發(fā)電優(yōu)先供應(yīng)交流負(fù)荷的優(yōu)勢，相對于單一的交流微電網(wǎng)和直流微電網(wǎng)能夠減少分布式電源和負(fù)荷的換流過程，節(jié)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(fēng)力發(fā)電功率之和，P2表示單臺柴油發(fā)電機(jī)的發(fā)電功率，n表示啟動的柴油發(fā)電機(jī)的臺數(shù)，nmax表示總發(fā)電機(jī)臺數(shù)，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(wǎng)和交流子網(wǎng)的負(fù)荷功率，η1為流向直流微網(wǎng)的互聯(lián)換流器效率，η2為流向交流微網(wǎng)的互聯(lián)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(jìn)的獨(dú)立交直流混合微網(wǎng)能量管理策略

2 優(yōu)化配置模型

以經(jīng)濟(jì)性最優(yōu)作為優(yōu)化目標(biāo)，將環(huán)保性因素折算成經(jīng)濟(jì)性因素進(jìn)行考慮，可靠性指標(biāo)作為硬性約束條件?？紤]獨(dú)立交直流混合微電網(wǎng)能量管理策略，通過求解多約束的單目標(biāo)非線性整數(shù)規(guī)劃問題實現(xiàn)電源的優(yōu)化配置。

2.1 電源模型

微電網(wǎng)中風(fēng)機(jī)輸出功率與風(fēng)速和額定功率有關(guān)，光伏電池板輸出功率與輻照度、溫度和標(biāo)況下額定功率有關(guān)，具體的風(fēng)力發(fā)電、光伏發(fā)電功率輸出模型和蓄電池充放電特性此處不再贅述，詳細(xì)內(nèi)容可分別參見文獻(xiàn)[15-17]。

2.2 用電可靠性模型

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

(4)

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

2.3 經(jīng)濟(jì)性模型

以年度平均成本為目標(biāo)函數(shù)，將微電網(wǎng)中電源對環(huán)境的影響折算成費(fèi)用統(tǒng)計到經(jīng)濟(jì)性模型中，在保證供電可靠性的前提下使成本最低。

目標(biāo)函數(shù)中包括：第i種電源的等年值設(shè)備投資費(fèi)用CCPi、年運(yùn)行和維護(hù)費(fèi)用COMi、年燃料費(fèi)用CFCi、環(huán)保折算費(fèi)用CECi以及互連換流器的年化投資、運(yùn)行和維護(hù)費(fèi)用CIC。目標(biāo)函數(shù)構(gòu)建如下所示：

(5)

式中N為電源的類型數(shù)目，在本文提出的獨(dú)立交直流混合微電網(wǎng)中，有光伏電池組、風(fēng)力發(fā)電機(jī)組、柴油發(fā)電機(jī)組和蓄電池組共4種電源，故N=4。

2.3.1 等年值設(shè)備投資費(fèi)用

電源等年值設(shè)備投資費(fèi)與電源類型關(guān)系較小，可以認(rèn)為4種電源具有相同的等年值設(shè)備投資費(fèi)用，表達(dá)式為

(6)

式中：CCP為電源的等年值設(shè)備投資費(fèi)用；CTCP為裝機(jī)成本；m為項目全壽命周期年限；r為折現(xiàn)率。

2.3.2 運(yùn)行和維護(hù)費(fèi)用

第i種電源的運(yùn)行和維護(hù)費(fèi)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(shù)；CSUCi為第i種電源年機(jī)組啟停費(fèi)用。

對于柴油發(fā)電機(jī)組，CSUC取決于每臺柴油發(fā)電機(jī)的停運(yùn)時間，由文獻(xiàn)[19]得到其表達(dá)式為

(8)

式中：Nc為柴油電機(jī)總臺數(shù)；NSUCi為第i臺柴油發(fā)電機(jī)的啟停次數(shù)；γ為柴油發(fā)電機(jī)的熱啟動費(fèi)用；μ為柴油發(fā)電機(jī)的冷啟動費(fèi)用；Toff,i,j為第i臺柴油發(fā)電機(jī)在第j次啟動前的停運(yùn)時間；τ為柴油發(fā)電機(jī)冷啟動時間常數(shù)。

對于光伏電池組、風(fēng)力發(fā)電機(jī)組和蓄電池組，認(rèn)為其沒有啟停費(fèi)用，即：

CSUC=0

(9)

2.3.3 燃料費(fèi)用

柴油機(jī)組存在燃料費(fèi)用，可以簡單地認(rèn)為柴油發(fā)電機(jī)組燃料費(fèi)用CFC與年發(fā)電量Ec成正比。

CFC=KFCEc

(10)

式中KFC為柴油發(fā)電機(jī)組燃料費(fèi)用比例系數(shù)。

2.3.4 環(huán)保折算費(fèi)用

由于柴油發(fā)電機(jī)在發(fā)電時會排放各種大氣污染物，對環(huán)境造成影響，本文根據(jù)文獻(xiàn)[20]將柴油發(fā)電機(jī)組的環(huán)境影響折算成費(fèi)用：

CEC=Ec(V+V′)

(11)

式中：V為污染物的環(huán)境價值；V′為污染物所受罰款。

2.3.5 互連換流器年化費(fèi)用

互連換流器的年化費(fèi)用包括等年值設(shè)備投資費(fèi)用以及年運(yùn)行和維護(hù)費(fèi)用，為簡化分析，認(rèn)為互連換流器的年化費(fèi)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(tài)以及充放電功率均受限制，一般認(rèn)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(tǒng)規(guī)定的允許的負(fù)荷缺電概率。

2.5 優(yōu)化變量

為了簡化分析，各電源的單機(jī)型號確定，選擇獨(dú)立交直流混合微電網(wǎng)中的風(fēng)機(jī)臺數(shù)NWTG、光伏電池的數(shù)量NPV、蓄電池的數(shù)量NBAT和柴油發(fā)電機(jī)的臺數(shù)ND作為優(yōu)化變量。定義優(yōu)化變量為

X=[NWTG,NPV,NBAT,ND]

(17)

3 改進(jìn)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(yōu)化算法[21]。文獻(xiàn)[22]指出，相比于遺傳算法、粒子群算法、差分進(jìn)化算法等經(jīng)典的優(yōu)化算法，ABC算法具有控制參數(shù)少、搜索精度較高以及魯棒性較強(qiáng)等特點(diǎn)。

首先，隨機(jī)產(chǎn)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(yōu)化參數(shù)的個數(shù)。

引領(lǐng)蜂進(jìn)行循環(huán)搜索，產(chǎn)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(jī)選擇的下標(biāo)；φij為[-1,1]之間的隨機(jī)數(shù)。

蜜蜂將新舊位置的花蜜量(適應(yīng)度)進(jìn)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(yīng)度值。

放棄超過搜索次數(shù)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(jìn)化算法中的差分思想[23]，采用式(21)所示的改進(jìn)搜索方程：

vij=xbest,j+φij(xr1,j-xr2,j)

(21)

式中：xbest為上一次迭代最優(yōu)解；j為隨機(jī)選擇的下標(biāo)；r1和r2為不同于i的2個隨機(jī)個體。

與原搜索方程式(18)比較，在改進(jìn)的搜索方程中，通過在上一次迭代得到的最優(yōu)解附近開采新的搜索區(qū)域得到新的候選解，利用最優(yōu)解的信息指導(dǎo)解的搜索以提高其收斂速度，隨機(jī)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(dú)立交直流混合微電網(wǎng)的電源優(yōu)化配置采用改進(jìn)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(qū)年氣象數(shù)據(jù)包括風(fēng)速、光照強(qiáng)度和氣溫3個部分，如圖4所示。某地區(qū)1年中負(fù)荷情況如圖5所示，其中變頻交流負(fù)荷被歸入直流負(fù)荷。參照文獻(xiàn)[7]，本文所選用的風(fēng)力發(fā)電機(jī)為Bergey Windpower公司生產(chǎn)的Bergey Excel型風(fēng)機(jī)；光伏電池采用的是SOLAREX公司生產(chǎn)的MSX-83型光伏電池，并設(shè)定每100個為1組；蓄電池采用的是GEFC公司生產(chǎn)的125 V 200 A-VRB型釩電池堆；柴油發(fā)電機(jī)采用的是Perkins公司生產(chǎn)的1104C-44TAG1型柴油發(fā)電機(jī)。各電源的具體參數(shù)如表1所示。

圖3 改進(jìn)人工蜂群算法計算流程圖

圖4 微網(wǎng)所在地年氣象數(shù)據(jù)

圖5 微網(wǎng)所在地年負(fù)荷曲線

將微電網(wǎng)所在地的年氣象數(shù)據(jù)、年負(fù)荷曲線以及各電源的相關(guān)參數(shù)作為優(yōu)化配置的輸入數(shù)據(jù)，設(shè)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(xiàn)率r=6.7%。

4.2 供電可靠性對優(yōu)化配置影響分析

實際規(guī)劃設(shè)計微電網(wǎng)時，需要根據(jù)當(dāng)?shù)氐膶嶋H需求設(shè)定供電可靠性。因此，本文利用前文介紹的實例數(shù)據(jù)，在不同的可靠性約束下，根據(jù)提出的能量管理策略進(jìn)行獨(dú)立交直流混合微電網(wǎng)電源優(yōu)化配置，計算得到供電可靠性與微電網(wǎng)總年化費(fèi)用的關(guān)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(wǎng)的年化費(fèi)用呈線性增加，當(dāng)系統(tǒng)供電可靠性到達(dá)某一臨界點(diǎn)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(biāo)，能夠有效地減少微電網(wǎng)的冗余投資。下文中為研究微電網(wǎng)結(jié)構(gòu)以及能量管理策略對優(yōu)化配置結(jié)果的影響，微電網(wǎng)的供電可靠性設(shè)定為99.9%。從經(jīng)濟(jì)性的角度考慮，在設(shè)計規(guī)劃微電網(wǎng)時，應(yīng)根據(jù)微電網(wǎng)實際需求選取適當(dāng)?shù)目煽啃灾笜?biāo)，不必一味追求過高的供電可靠性。

表1 微電網(wǎng)電源單機(jī)容量及相關(guān)費(fèi)用

Table 1 Unit capacity and related costs of distributed energy

圖6 供電可靠性與總年化費(fèi)用關(guān)系

4.3 交直流混合微電網(wǎng)與傳統(tǒng)微電網(wǎng)優(yōu)化對比分析

在相同的負(fù)荷和氣象條件下，計算3種不同的建設(shè)方案：(1)獨(dú)立交流微電網(wǎng)(方案1)；(2)獨(dú)立直流微電網(wǎng)(方案2)；(3)獨(dú)立交直流混合微電網(wǎng)(方案3)。將前文提到的優(yōu)先使用風(fēng)光發(fā)電加入到交流微電網(wǎng)與直流微電網(wǎng)的能量管理策略之中。通過優(yōu)化計算，3種方案的電源優(yōu)化配置結(jié)果如表2所示。

表2 3種微電網(wǎng)電源優(yōu)化配置結(jié)果

Table 2 Optimal configuration results of three different microgrid construction schemes

由表2可知，總年化費(fèi)用和年換流損耗由高到低依次為交流微電網(wǎng)、直流微電網(wǎng)和交直流混合微電網(wǎng)。這符合直流微電網(wǎng)更便于清潔電源與蓄電池接入，以及系統(tǒng)中直流負(fù)荷比例較大的實際情況；在交流微電網(wǎng)中，風(fēng)光直流電源和直流負(fù)荷增加了換流設(shè)備的投資和換流損耗；在交直流混合微電網(wǎng)中，交直流負(fù)荷與電源能夠分別接入對應(yīng)的子網(wǎng)，降低了系統(tǒng)中的換流損耗，節(jié)省了微電網(wǎng)的運(yùn)行成本。交直流混合微電網(wǎng)優(yōu)化配置結(jié)果中柴油發(fā)電機(jī)的數(shù)量較少，但是由于儲能設(shè)備的增加，仍然可以保證系統(tǒng)的供電可靠性，同時也減少了柴油發(fā)電對環(huán)境的影響。

4.4 能量管理策略對優(yōu)化配置的影響

保持前文設(shè)定的參數(shù)不變，傳統(tǒng)能量管理策略下的交直流混合微電網(wǎng)電源優(yōu)化配置結(jié)果如表3所示。

表3 傳統(tǒng)能量管理策略下獨(dú)立交直流混合微網(wǎng)電源優(yōu)化配置結(jié)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(yōu)化結(jié)果可知，傳統(tǒng)策略下優(yōu)化配置結(jié)果的總年化費(fèi)用高于改進(jìn)能量管理策略下的，甚至比前文中交流微電網(wǎng)和直流微電網(wǎng)的優(yōu)化配置結(jié)果的總年化費(fèi)用還高。此外，風(fēng)力發(fā)電機(jī)的臺數(shù)為0，而蓄電池的數(shù)量則遠(yuǎn)遠(yuǎn)超出了表2中的優(yōu)化配置結(jié)果。這反映了傳統(tǒng)能量管理策略以下2個缺點(diǎn)：(1)對蓄電池SOC監(jiān)測不足，沒有盡量使儲能處于滿電狀態(tài)，當(dāng)不平衡功率較大時，對蓄電池需求量大；(2)傳統(tǒng)能量管理策略優(yōu)先使用儲能平抑不平衡功率，而風(fēng)力發(fā)電機(jī)的出力波動較大，需要大量的蓄電池才能保證系統(tǒng)的供電可靠性。由于蓄電池成本較高且目標(biāo)函數(shù)追求經(jīng)濟(jì)性最優(yōu)，從而使得優(yōu)化配置結(jié)果中風(fēng)力發(fā)電機(jī)的數(shù)量為0。

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

4.5 改進(jìn)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(jìn)ABC算法計算方案3的最優(yōu)解。由圖7中3種算法的收斂曲線可知改進(jìn)的ABC算法的收斂速度優(yōu)于遺傳算法和一般ABC算法。

圖7 一般ABC、遺傳算法和改進(jìn)ABC算法計算結(jié)果

5 結(jié) 論

本文對獨(dú)立交直流混合微網(wǎng)的電源優(yōu)化配置問題進(jìn)行研究，提出了優(yōu)先消納可再生能源的能量管理策略，以經(jīng)濟(jì)性最優(yōu)為優(yōu)化目標(biāo)，將環(huán)保性因素折算成經(jīng)濟(jì)性因素進(jìn)行考慮，將可靠性轉(zhuǎn)化為約束條件之一。模型求解采用改進(jìn)人工蜂群算法，通過算例分析驗證了優(yōu)化配置方法的可行性，并得到以下結(jié)論。

(1)交直流混合微電網(wǎng)相對于交流微電網(wǎng)和直流微電網(wǎng)，交直流電源優(yōu)先供應(yīng)子網(wǎng)中相應(yīng)的負(fù)荷，降低換流損耗，減少系統(tǒng)運(yùn)行成本。由優(yōu)化配置結(jié)果可知，交直流混合微電網(wǎng)中柴油發(fā)電機(jī)的數(shù)量較少，但由于儲能系統(tǒng)的增加仍可以保證系統(tǒng)的可靠運(yùn)行。

(2)能量管理策略優(yōu)先使用可再生能源發(fā)電對系統(tǒng)供電，能夠提高可再生能源的裝機(jī)水平和利用效率，提升環(huán)境效益；當(dāng)子網(wǎng)內(nèi)功率不能平衡時，優(yōu)先通過子網(wǎng)間互聯(lián)換流器傳輸功率使供需平衡，減少對儲能系統(tǒng)的調(diào)度。與傳統(tǒng)能量管理策略相比，在保證系統(tǒng)供電可靠性時，能夠得到總投資更少的電源優(yōu)化配置方案。

(3)相較于傳統(tǒng)的智能優(yōu)化算法，人工蜂群算法收斂精度高，而改進(jìn)的ABC算法提高了收斂速度，更適于求解非線性整數(shù)規(guī)劃問題。

[1]黃仁樂, 程林, 李洪濤. 交直流混合主動配電網(wǎng)關(guān)鍵技術(shù)研究[J]. 電力建設(shè), 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(wǎng)運(yùn)行控制策略[J]. 電力建設(shè), 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(wǎng)關(guān)鍵技術(shù)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(jìn)細(xì)菌覓食算法的風(fēng)/光/儲混合微電網(wǎng)電源優(yōu)化配置[J]. 中國電機(jī)工程學(xué)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(biāo)遺傳算法的微網(wǎng)系統(tǒng)容量優(yōu)化[J]. 電力系統(tǒng)保護(hù)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(dú)立風(fēng)光柴儲微網(wǎng)系統(tǒng)容量優(yōu)化配置[J]. 電網(wǎng)技術(shù), 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(dú)立型微電網(wǎng)優(yōu)化配置[J]. 電力系統(tǒng)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(dú)立微網(wǎng)系統(tǒng)的多目標(biāo)優(yōu)化規(guī)劃設(shè)計方法[J]. 中國電機(jī)工程學(xué)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(xué)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(jié)潭, 程浩忠, 胡澤春, 等. 含風(fēng)電場的電力系統(tǒng)隨機(jī)生產(chǎn)模擬[J]. 中國電機(jī)工程學(xué)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(wǎng)能量管理與多目標(biāo)優(yōu)化運(yùn)行的建模與仿真 [D]. 上海：上海交通大學(xué), 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(tǒng)電源優(yōu)化配置綜述[J]. 太陽能學(xué)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(fā)電的環(huán)境效益分析[J]. 中國電機(jī)工程學(xué)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(yōu)化算法案例分析與應(yīng)用：進(jìn)階篇[M]. 北京：清華大學(xué)出版社，2015：465-474.

嚴(yán)逍(1992) 男，研究生，研究方向為交直流混合配電網(wǎng)技術(shù)。

(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(xué)基金項目(51277075)；河北省自然科學(xué)基金項目(E2015502066)；中央高?；究蒲袠I(yè)務(wù)費(fèi)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(fā)電與并網(wǎng)技術(shù)、電力系統(tǒng)自動化技術(shù)等；

杜哲(1992)女，研究生，研究方向為微電網(wǎng)分布式發(fā)電與儲能優(yōu)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)