计及功率预测误差的交直流混合微电网多时间尺度优化运行方法

华浩瑞，李鹏

(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)

计及功率预测误差的交直流混合微电网多时间尺度优化运行方法

华浩瑞，李鹏

(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)

为了提高交直流混合微电网优化运行的适用性，针对交直流混合微电网特殊的网架结构和电气特性，基于两层时间尺度建立了计及功率预测误差的交直流混合微电网多时间尺度优化运行模型。首先，在h级时段，利用日前风光出力、负荷水平预测数据来制定日前经济调度方案。然后，在实时15 min级时段，检测在日前h级调度方案下的不平衡功率偏差，制定不平衡功率调整计划，该计划能够最大程度降低调整费用或者提高调整收益。最后通过算例验证所提方法的有效性。

交直流混合微电网; 优化运行; 多时间尺度; 功率预测误差; 不平衡功率调整; 帝国竞争算法

0 引 言

微电网是一种由以可再生能源为主的分布式电源(distributed generation，DG)、储能系统(energy storage system，ESS)、负荷、变换器及监控保护等装置结合在一起的小型供用电自治系统[1-2]。微电网技术是一种新型能源网络化供应与管理技术，能给可再生能源系统接入提供便利，避免分布式电源对大电网的冲击，实现需求侧管理及现有能源的最大化利用[3-6]。

微电网的优化经济调度是一门重要课题，国内外学者对其进行了深入研究。文献[7]综合考虑经济成本、环境效益和网损等多个运行指标对微电网的优化运行进行数学建模。文献[8]针对微电网运行中各种不确定性因素的影响，提出了基于机会约束规划的微网系统动态经济调度模型，较好地应对了不确定性。文献[9]采用机会约束建立了反映可靠性和经济性风险置信水平的动态经济调度模型，模型中的经济性同时考虑了微电网中可控机组发电成本和不确定性因素导致的高估/低估风险费用。文献[10]建立了基于机会约束规划的经济优化模型，以一定置信水平下满足备用需求作为可靠性约束，基于峰谷分时电价优化一体化电站和燃料电池出力，并确定联络线交互功率。文献[11]提出了基于机会约束规划的储能优化控制方法，考虑了储能装置的功率出力和电量约束条件，以风光储总出力曲线与给定计划出力曲线的相似度最大为目标函数。文献[12]提出了一种高可再生能源渗透率下考虑预测误差的微电网经济调度模型，由日前计划和实时调度组成。以上文献研究的都是传统交流微网的优化运行模型，近年来，随着直流负荷的应用越来越广泛，交直流混合微电网开始成为备受关注的一种微电网形式[13]。但是目前还几乎没有文献对交直流混合微网的优化运行进行细致的研究。

交直流混合微电网集合了交流微网和直流微网各自的优点，方便直流负荷接入，能够节省众多换流装置从而减少换流损耗、降低线路损耗，起到了节能、环保的效果[14]。本文采用两层时间尺度建立计及功率预测误差的交直流混合微电网多时间尺度优化运行模型。在日前h级时段，利用日前风光出力、负荷水平预测数据来制定日前经济调度方案；在15 min级时段，以已制定的出力计划为基础，针对功率预测误差引起的不平衡功率进行不平衡功率调整以满足实时功率平衡，该策略能够最大化调整收益或者最小化调整成本。然后采用帝国竞争算法对模型进行求解。最后通过算例验证本文方法的有效性。

1 日前调度模型

1.1 交直流混合微电网结构

在一个典型交直流混合微网结构中，交流区接入风机(wind turbine，WT)、微型燃气轮机(micro-turbine，MT)；直流区接入光伏电池(photovoltaic cell，PV)、燃料电池(fuel cell，FC)和蓄电池(storage battery，SB)。为最大化利用可再生能源，PV和WT工作在最大功率跟踪模式，不参与调度。交流区通过并网处公共耦合点(point of common coupling，PCC)与大电网相连，可调度MT出力和向大电网购电。直流区通过交直流双向AC/DC功率变换器(interlinking converter，ILC)维持直流母线电压以控制功率平衡，可调度FC和SB出力。交流侧主要接入交流负荷，直流侧主要接入直流负荷，交直流混合微电网的重要优点之一就是方便直流负荷接入。

本文参考了浙江省某地交直流混合微电网示范工程，构建的交直流混合微电网简化结构如图1所示。该结构方便交流微电源和交流负荷接入交流区域，直流微电源和直流负荷接入直流区域。

图1 典型交直流混合微电网结构

1.2 日前调度方案的目标函数

利用日前风光出力、负荷水平预测数据来制定全时段的经济调度方案。交直流混合微电网日前经济调度模型中的目标函数针对的是所有时段的运行总成本，包含交流侧成本和直流侧成本，如式(1)所示：

f=CAC+CDC

(1)

式中：f为日前经济调度的目标函数；CAC和CDC分别为交流侧和直流侧的运行成本。

交流侧成本包括微燃机燃料成本、污染物排放成本、各设备运行维护成本、向外网购电成本以及负荷中断补偿费用，如式(2)所示：

(2)

直流侧的目标函数包括燃料电池燃料成本、污染物排放成本、各设备运行维护成本和负荷中断补偿费用，如式(3)所示：

(3)

1.3 约束条件

本文计及功率预测的交直流混合微电网优化运行模型中的约束条件分为交流侧约束和直流侧约束。

(1)交流侧功率平衡约束。交流侧功率平衡约束如式(4)所示，式中计及了交直流混合微电网中各个换流设备的效率特性以及各馈线网损情况，对任意整数都成立。

(4)

ηA(u)=100u/(0.004+1.002u+0.018u2)

(5)

式中u为输入功率与额定容量的比率[15]。

(2)交流侧其他约束。交流侧其他约束包含微燃机出力限制、蓄电池电量限制、与外网交换功率上下限、微燃机爬坡率约束以及负荷中断容量上限。交流侧约束如式(6)所示。

(6)

(3)直流侧功率平衡约束。直流侧功率平衡约束如式(7)所示，对任意t∈[1,24]的整数都成立。

(7)

ηB(u)=100u/(0.004+1.007u+0.007u2)

(8)

(4)直流侧其他约束。直流侧其他约束包含燃料电池出力限制、蓄电池电量限制、燃料电池爬坡率约束以及负荷中断容量上限，如式(9)所示。

(9)

(10)

(5)交直流双向功率变换器约束：

(11)

2 15 min级不平衡功率调整方案

尽管采用日前优化运行模型能够最大程度应对风光出力不确定性对方案制定的影响，然而由于预测误差的存在，在任一时段仍然会有不平衡功率。有必要建立模型来描述不平衡功率调整费用并制定不平衡功率调整方案。以15 min作为不平衡功率调整方案制定的时段，可以较好地协调调整效果和调整计算量、复杂性之间的矛盾。在更短的时间尺度内，可以采用较为简单的调整方案而对经济性没有太大影响。不平衡功率定义为风、光实际出力与实际负荷之差减去风、光预测出力与实际负荷之差[16]。

(1)高估费用。当不平衡功率Pδ小于0时，在任意k时段(每个时段为15 min)的调整费为式(12)—(13)所示规划问题的最小值，调整策略包含微燃机、燃料电池增大出力，增加向外网购电功率，增大负荷中断容量，约束考虑到各种调整方案的上限以及双向功率变换器传输容量限制。

(12)

(13)

(2)低估费用。当不平衡功率Pδ大于0时，在任意k时段的调整费用为式(14)—(15)所示规划问题的最小值。低估费用主要表现为功率浪费现象，低估费用可以为负，即为调整收益，调整收益来自于可控微电源燃料费用、向外网购电费用、中断负荷赔偿费用的减少。

(14)

(15)

在高估费用模型中，可控变量大于0表示增大操作；在低估费用模型中，可控变量大于0表示减小操作。

因此在本文交直流混合微网多时间尺度优化运行模型中，首先根据日前功率预测情况制定日前经济调度方案，并在次日按该方案运行；其次，在15 min级时间尺度内，检测由于日前预测误差导致的不平衡功率，如果是高估，则调用模型(12)—(13)进行求解不平衡功率调整方案；如果是低估，则调用模型(14)—(15)进行求解不平衡功率调整方案。

3 帝国竞争算法与算例求解

3.1 帝国竞争算法

帝国竞争算法(imperialist competitive algorithm，IAC)受人类历史上帝国之间争夺殖民地现象启发，是一种模拟政治社会演变现象的进化算法[17]。该算法首先初始化多个国家，每个国家由待决策变量构成，代表了一种决策方案。选取最强大的部分国家作为帝国，其余国家作为殖民地，在算法进化的过程中，表现为帝国之间相互争夺殖民地，而竞争过程取决于帝国的实力，即该帝国所代表决策方案的优劣性。当只剩下1个帝国时，该帝国即被认为是该优化问题的解，算法结束。本文对所建立的微电网日前优化运行模型和实时不平衡功率调整模型都采用帝国竞争算法求解。在日前优化运行模型中，基本帝国竞争算法可以分为以下几个阶段[18-19]：初始化、殖民地同化、帝国与殖民地交换位置、殖民竞争和帝国消亡。

在初始化过程中，首先在搜索空间里随机生成Npop个国家，在日前微电网优化运行模型中每个国家代表1种微电网运行方案，将其中势力最强的Nimp个国家定义为帝国，剩余的Ncol个国家定义为殖民地。假定本文的微电网优化问题中1个经济调度方案有h个决策变量组成，将第n个国家定义为Cn=[x1,x2,…,xh]，针对本文微电网优化问题，1个国家的目标函数为微电网运行成本f(Ci)，为最小值问题，因此目标函数越小，国家势力越大，对于最大值问题反之。本文交直流混合微电网优化运行问题中目标函数为运行成本，是最小值问题，因此定义第n个帝国或殖民地的相对势力Fn为

(16)

式中：fi为第i个国家所表示微电网优化运行方案下的总运行成本；Jimp为帝国集合；所有帝国相对势力之和为1。

另外，殖民地同化、帝国与殖民地交换位置、殖民竞争以及帝国消亡过程可以参考文献[17-19]。

对实时不平衡功率调整模型的求解也采用帝国竞争算法，算法原理完全一样，所不同的是：在实时不平衡功率调整模型中，每个国家或者殖民地代表1种不平衡功率调整方案；而每个国家的势力由该国家所表示不平衡功率调整方案下的调整成本或收益决定。

综上所述，本文采用帝国竞争算法对计及功率预测误差的交直流混合微电网多时间尺度优化运行方法进行求解的过程如下：

(1)初始化并评估日前优化运行模型中的国家；

(2)调用殖民地同化、帝国与殖民地交换位置、殖民竞争和帝国消亡过程，得到迭代后帝国与殖民地情况；

(3)判断收敛条件，若只剩下1个帝国，则得到该帝国所表示的微电网日前优化运行方案，如果不收敛，返回第(2)步；

(4)以第(3)步中得到的微电网日前优化运行方案为基础，划分不平衡功率调整时段，对第1个 15 min级时段调用帝国竞争算法，初始化并评估该时段不平衡功率调整方案的国家；

(5)调用殖民地同化、帝国与殖民地交换位置、殖民竞争和帝国消亡过程，得到迭代后帝国与殖民地情况；

(6)判断收敛条件，若只剩下1个帝国，则得到该帝国所表示的第1个15 min级时段的不平衡功率调整方案，并进入下一个15 min级时段，以同样原理求解其不平衡功率调整方案，否则返回步骤(5)；

(7)若已经求完全部15 min级时段，则算法结束，返回日前微电网优化运行方案和各个15 min级时段不平衡功率调整方案，以及综合调度方案。

3.2 算例设置

交直流混合微电网中微燃机、蓄电池和光伏发电系统的参数参考文献[7]，燃料电池和风机参数参考文献[20]。储能采用目前较为成熟的蓄电池储能，蓄电池容量为1 MW·h，最大充放电功率都为250 kW，为了提高蓄电池寿命，允许最小剩余电量为其容量的10%，储能充电效率和放电效率都为85%，自放电系数为10%。外网分时电价水平、可控微电源污染物排放成本的折算因子和排放因子参考文献[7]。

在交直流混合微电网运行中，换流器损耗是网损的主要形式，线损相对其来说可以忽略不计，因此，本文只需在功率平衡约束中计及各种换流器效率函数即可。交直流混合微电网处于并网运行状态，可以与外网进行功率交换，当售电时其收益按售电发生时段的外网分时电价水平来计。此外，在帝国竞争算法中，初始国家数设为200个，初始帝国数设为25个。

3.3 仿真结果

3.3.1 日前经济调度

图2为某天日前预测的交直流混合微电网内的交流区负荷预测曲线、直流区负荷预测曲线、风力发电和光伏发电预测曲线。对于日前风、光、荷预测，本文不涉及交直流混合微电网中不确定微电源和负荷的具体预测方法，而侧重于研究采用计及功率预测误差方法从而制定更加符合实际情况的交直流混合微电网优化运行方案。

图2 日前小时级风光荷预测曲线

本文算例中交直流混合微电网应用于某厂区，直流侧负荷为厂区大量使用的直流负荷，因此1天内负荷曲线较为平稳；交流侧接入厂区传统负荷，其峰谷特性较为明显。从图2中可以看出直流负荷在1天中变化相对比较平稳，交流区负荷在13:00及22:00左右出现负荷高峰，00:00—08:00负荷处于较低阶段，这一阶段负荷变化比较平稳。风力发电一直在较低水平平稳运行；光伏在09:00—16:00的出力较为可观，其中在10:00出现峰值，但仍然低于直流区负荷。

日前经济调度方案中，计划总运行成本为 6 152.03元，交直流混合微电网日前经济调度方案如图3所示。

图3 交直流混合微网日前经济调度方案

由图3可以看出：双向换流器传输功率与微电网向外网交换功率较为接近，因此，直流区负荷很大一部分功率是由双向换流器提供的。这是因为大部分时段光伏发电量都远远小于直流区负荷。在光伏发电高峰时段，微电网向外电网购电功率下降至最低水平，但是由于负荷始终大于各微电源出力总和，微电网需一直从外网购电。燃料电池运行成本较高，一直保持在较低功率阶段平稳运行；由于微燃机接在交流区，对交流负荷变化敏感，在交流区负荷处于较低水平时，微燃机出力较低，在交流区负荷高峰时期，微燃机出力较高。蓄电池在电价谷时段充电，在电价高峰时段放电，以此来降低交直流混合微电网运行成本。

3.3.2 实时不平衡功率调整结果

在15 min级的时间尺度内，风、光、荷预测误差服从贝塔分布[12]，因此本文采用贝塔分布来拟合生成满足一定误差要求的光伏发电功率和风力发电功率波动数据，作为15 min级调度层输入数据。在每个15 min时段末，交直流混合微电网通过最新的风、光、荷功率数据来预测下一个15 min时段的风光、荷、功率水平，并与日前预测结果作比较计算不平衡功率。事实上，文献[21]指出，超短期风、光、荷预测误差与预测时长的关系如图4所示，可见在15 min级时间尺度内，风、光、荷功率预测误差非常小，可以认为据此计算出的下一个15 min级时段的不平衡功率偏差与实际不平衡功率偏差相等，从而为提前制定下一个15 min级时段的实时经济调度方案提供了可能。

某一次模拟得到的15 min级风、光、荷实际功率曲线如图5所示。

根据图3所示的15 min级风光荷实际功率曲线，可以计算出每个15 min时段的交流区不平衡功率偏差和直流区不平衡功率偏差，进而调用不平衡功

图4 超短期风光荷预测误差与预测提前时长的关系

图5 实时15 min级风光荷实际功率曲线

率调整模型求解出不平衡功率调整计划，从而在原有日前经济调度计划的基础上给出交直流混合微电网实际运行方案，如图6所示。

图6 实时15 min级经济调度方案

通过对比图3与图6，可以发现图6中外网交换功率曲线与换流器交换功率曲线变化较大，微燃机出力略有改变。在微电网中，储能是最昂贵的投资设备之一，为了避免储能充放电转换频繁，严重影响储能使用寿命，本文规定在实时不平衡功率调整中储能出力没有变化。因此，图6相比于图3储能的15 min级出力计划仍然沿用日前制定的储能充放电计划。算例中通过10次完全相同的模拟得到实时经济调度结果，交直流混合微电网1天平均运行成本为 6 621.54元，该成本是在日前调度的成本上加上平均不平衡功率调整费用469.51元得到的。

3.3.3 多时间尺度优化运行结果比较

根据本文模型可知，交直流混合微电网日前经济调度方案下的运行成本通常不会是实际运行成本，这是由功率预测误差导致的。2种时间尺度下的各微电源燃料成本、环境成本、向外网购售电成本、实时功率调整成本的比较如表1所示。

表1 各时间尺度交直流混合微网运行成本比较

Table 1 Operation cost comparison of AC/DC hybrid microgrid at different time scales 元

可见由于本文算例中风、光渗透率较小，因此交直流混合微电网向外网购电成本占很大部分，可控微电源由于运行成本相对较大，只是起到了在负荷峰时段调峰作用。事实上，交直流混合微电网日前计划1天运行成本曲线、实时经济调度1天运行成本曲线和1天不平衡功率调整费用曲线如图7所示。

图7 多时间尺度运行成本曲线对比

由图7可以看出，实时经济调度1天运行成本曲线在日前计划1天运行成本曲线的基础上略微有调整。而1天不平衡功率调整费用曲线有正有负，在大部分15 min级时段为正，表示其实际产生费用，而在部分时段为负，表示其实际存在调整收益，这些时段通常为低估时段，此时通过降低交直流混合微电网中各种供电方式的费用可以节约成本，产生收益。尽管当存在不平衡功率时，可能存在调整费用也可能存在调整收益，这取决于实际净负荷功率的偏差，但是总体上调整费用要大于调整收益，这种差异主要是由可控微电源在功率调整过程中存在爬坡率限制导致的功率浪费现象造成的。

为了进一步验证本文采用帝国竞争算法对模型进行求解的优势，分别利用基本粒子群算法和本文帝国竞争算法在相同条件下求解问题10次，其统计结果如表2所示，可见相比于基本粒子群算法，帝国竞争算法在寻优能力和求解速度上都具有明显的优势。

表2 10次计算统计结果

Table 2 Statistical results of 10 calculations

4 结 论

本文首先针对交直流混合微电网特殊的网架结构和电气特性建立了交直流混合微电网优化运行模型，其次在此基础上提出了计及功率预测误差的交直流混合微电网多时间尺度优化运行模型。仿真结果表明，本文模型可以针对交直流混合微电网进行经济调度，多时间尺度模型能够较好地协调日前运行计划和实时经济调度之间的关系。h级的日前运行计划最优化交直流混合微电网优化运行成本，而15 min级的实时不平衡功率调整方案一方面能够保证微电网功率平衡，另一方面能够保证调整计划费用最小或者收益最大。交直流混合微电网能够给直流微源和直流负荷提供更加高效的接入平台，作为一种特殊的微电网形式开始得到越来越多的关注。

[1]LASSETER R H．Microgrids[C]//Proceedings of Power Engineering Society Winter Meeting. New York: IEEE，2002:2-6．

[2]LI J，QI W B． Towards optimal operation of internet data center microgrid[J]． IEEE Transactions on Smart Grid， 2016，PP(99)：1-1．

[3]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．

[4]李鹏，张玲，王伟，等．微网技术应用与分析[J]．电力系统自动化，2009，33(20)：109-115．

LI Peng，ZHANG Ling，WANG Wei，et al．Application and analysis of microgrid[J]．Automation of Electric Power Systems，2009，33(20)：109-115．

[5]赵岩，李博嵩，蒋传文． 售电侧开放条件下我国需求侧资源参与电力市场的运营机制建议[J]．电力建设，2016，37(3):112-116．

ZHAO Yan，LI Bohao，JIANG Chuanwen．Suggestion on electric market operation mechanism with demand side resource[J]．Electric Power Construction，2016，37(3):112-116．

[6]王成山，孙充勃，李鹏． 主动配电网优化技术研究现状及展望[J]． 电力建设，2015， 36(1):8-15．

WANG Chengshan，SUN Chongbo，LI Peng． Review and perspective on the optimization of active distribution network[J]． Electric Power Construction， 2015， 36(1) : 8-15．

[7]李鹏，徐伟娜，周泽远，等． 基于改进万有引力搜索算法的微网优化运行[J]． 中国电机工程学报，2014，34(19):3073-3079．

LI Peng，XU Weina，ZHOU Zeyuan，et al． Optimal operation of microgrid based on improved gravitational search algorithm [J]． Proceedings of the CSEE，2014，34(19)：3073-3079．

[8]刘小平，丁明，张颖媛，等． 微网系统的动态经济调度[J]． 中国电机工程学报，2011，31(31):77-84．

LIU Xiaoping, DING Ming, ZHANG Yingyuan， et al． Dynamic economic dispatch for microgrids [J]．Proceedings of the CSEE，2011，31(31)：77-84．

[9]童小娇，易国伟，周鹏，等． 考虑功率调整优先策略的微网动态经济调度[J]． 电网技术， 2015，39(8):2173-2179．

TONG Xiaojiao，YI Guowei，ZHOU Peng，et al．Dynamic economic dispatch in microgrid considering strategy of prior power regulation[J]． Power System Technology， 2015，39(8)：2173-2179．

[10]PARISIO A， RIKOS E， TZAMALIS G， et al．Use of model predictive control for experimental microgrid optimization[J]． Applied Energy， 2014， 115: 37-46．

[11]MOTEVASEL M， SEIFI A R． Expert energy management of a micro-grid considering wind energy uncertainty[J]． Energy Conversion and Management， 2014， 83: 58-72．

[12]赵波，薛美东，陈荣柱，等． 高可再生能源渗透率下考虑预测误差的微电网经济调度模型[J]．电力系统自动化，2014，38(7):1-8．

ZHAO Bo， XUE Meidong， CHEN Rongzhu， et al． An economic dispatch model for microgrid with high renewable energy resource penetration considering forecast errors[J]．Automation of Electric Power Systems， 2014，38(7)：1-8.

[13]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．

[14]陈和升，卫志农，孙国强，等． 考虑换流器控制特性的交直流混联微电网状态估计[J]．电力建设，2016，37(5):91-99．

CHEN Hesheng，WEI Zhinong，SUN Guoqiang，et al． State estimation of AC/DC hybrid microgrid considering control characteristics of converter[J]． Electric Power Construction， 2016，37(5):91-99．

[15]KAKIGANO H，MIURA Y，ISE T，et al．Basic sensitivity analysis of conversion losses in a DC microgrid[C]//Proceedings of International Conference on Renewable Energy Research and Applications. Nagasaki，Japan:IEEE，2012．77-83.

[16]杨毅，雷霞，叶涛，等． 考虑安全性与可靠性的微电网电能优化调度[J]． 中国电机工程学报，2014，34(19):3080-3088．

YANG Yi， LEI Xia， YE Tao， et al． Microgrid energy optimal dispatch considering the security and reliability[J]． Proceedings of the CSEE， 2014， 34(19)： 3080-3088.

[17]张金环，安海霞，王永春． 基于改进小生境帝国竞争算法的多目标电力系统无功优化[J]． 华北电力大学学报(自然科学版)，2014，41(04):41-47．

ZHANG Jinhuan，AN Haixia，WANG Yongchun．Multi-objective reactive power optimization based on improved empire competition algorithm[J]. Journal of North China Electric Power University(Science and Technology),2014，41(04):41-47．

[18]王帅群，敖日格乐，高尚策，等． 基于进出口贸易的帝国主义竞争算法[J]． 计算机科学，2015，42(5):14-18．

WANG Shuaiqun， AORI Gele， GAO Shangce，et al． Empire competition algorithm based on import and export trade[J]． Computer Science， 2015，42(5):14-18．

[19]翟云峰，易国伟，王亦，等． 基于改进帝国竞争算法的微网动态经济调度[J]． 电力科学与工程，2015，31(5):34-41．

ZHAI Yunfeng， YI Guowei， WANG Yi， et al． Dynamic economic dispatch in microgrid based on improved empire competition algorithm[J].Electric Power Science and Engineering , 2015，31(5):34-41．

[20]王成山，孙充勃，彭克，等． 微电网交直流混合潮流算法研究[J]． 中国电机工程学报，2013，33(4):8-15．

WANG Chengshan，SUN Chongbo，PENG Ke，et al． Study on AC-DC hybrid power flow algorithm for microgrid[J]． Proceedings of CSEE，2013，33( 4) : 8-15．

[21]AMJADY N， KEYNIA F， ZAREIPOUR H． Short-term load forecast of microgrids by a new bilevel prediction strategy[J]． IEEE Transactions on smart grid， 2010， 1(3): 286-294．

(编辑 张小飞)

Multiple Time Scale Optimal Operation Method of AC/DC Hybrid Microgrid Considering Power Prediction Error

HUA Haorui, LI Peng

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

According to the special grid structure and electrical characteristics of AC/DC hybrid microgrid, this paper proposes the multiple time scale optimal operation model of AC/DC hybrid microgrid with considering power prediction error based on two layers of time scale, in order to improve the applicability of the optimal operation of AC/DC hybrid microgrid. Firstly, in hour-period, the day ahead scheduling scheme is formulated through wind, photovoltaic and load prediction curve of next day. Then, in real time 15 minutes-period, an unbalanced power adjustment plan is developed by the detection of unbalanced power errors under the the day ahead scheme, which can maximize the adjustment costs or minimize the adjustment income. Finally, the effectiveness of the proposed method is verified through a numerical example.

AC/DC hybrid microgrid; optimal operation; multiple time scale; power prediction error; unbalanced power adjustment; imperialist competition algorithm

国家高技术研究发展计划项目(863计划)(2015AA050104); 国家自然科学基金项目(51577068)

TM 734

A

1000-7229(2016)12-0040-08

10.3969/j.issn.1000-7229.2016.12.005

2016-07-28

华浩瑞(1992)，男，硕士研究生，主要研究方向为新能源并网发电与微网技术等；

李鹏(1965)，男，博士，教授，IEEE Senior Member, 主要研究方向为新能源并网发电与微网技术、电能质量分析与控制、电力电子技术在电力系统中的应用等。

Project supported by National High Technology Research and Development of China (863 Program) (2015AA050104);National Natural Science Foundation of China(51577068)