本发明提出了一种面向含分布式发电和负荷用电管理的储能方法，属于储能充放电调度领域，包括如下步骤：步骤1：以社区负荷为研究对象，构建涉及电池储能在三种不同情况下的充放电优化原则，确定不同时刻的储能充放电状态；步骤2：基于储能充放电状态，同时考虑用户从电网的购电费用，用户将多余的光伏发电回馈给电网的收益，以及储能的寿命，建立储能设备优化调度模型，使得储能充放电优化之后的收益最大化；步骤3：采用改进的粒子群算法求解储能设备优化调度模型，分析仿真结果。本发明能够有效控制用户的用电费用，同时促进分布式光伏的就地消纳，充分证实了储能在用户侧和分布式发电中应用的必要性和重要意义。
1.一种面向含分布式发电和负荷用电管理的储能方法，其特征在于，包括如下步骤：步骤1：以社区负荷为研究对象，构建涉及电池储能在不同情况下的充放电优化原则，确定不同时刻的储能充放电状态；
步骤2：基于储能充放电状态，同时考虑用户从电网的购电费用，用户将多余的光伏发电回馈给电网的收益，以及储能的寿命，建立储能设备优化调度模型，使得储能充放电优化之后的收益最大化；
步骤3：采用改进的粒子群算法求解储能设备优化调度模型，分析仿真结果；
步骤1中构建涉及电池储能在不同情况下的充放电优化原则包括：(1)不计及社区负荷随分时电价和屋顶光伏的用电优化；
(2)计及社区负荷随分时电价的用电优化，但不计及随屋顶光伏的用电优化；
(3)同时计及社区负荷随分时电价和屋顶光伏的用电优化；
同时，步骤1为确保储能的经济价值更高，在对储能确定各个时刻的功率大小之前，确定不同时刻储能的充放电状态，具体包括以下步骤：步骤1‑1：判断当前i时刻的电价运行模式：
pr(i)＝{min price，max price} (1)式中：pr(i)表示i时刻的电价；min price和max price分别表示为谷时电价和峰时电价；
式中：pE(i)表示i时刻储能的充放电功率，当储能i时刻的荷电状态Soc(i)小于最大荷电状态Smax时，如果i时刻光伏功率Pv(i)大于家庭所有设备此时消耗的功率总和 且处于谷时电价时段，则储能进行充电消纳光伏余电，即pE(i)>0，反之，pE(i)<0,储能放电获取收益，其中，a∈A表示家庭用电设备a属于家庭所有用电设备的集合A，Pa(i)表示家庭用电设备a在i时刻消耗的功率，∪代表两侧条件同时成立；
进一步，储能充放电优化过程涉及两个方面：(1)低储高发；(2)动态调节分布式电源的供电量，步骤2具体包括以下步骤：步骤2‑1：建立的储能设备优化运行目标为：
min C＝k1CG2H‑k2CH2G+k3CB (3)式中，min代表最小函数，C表示储能设备总成本，CG2H为用户从电网的购电费用，CH2G为用户向电网的卖电收入，CB为蓄电池的寿命损耗，其中，k1，k2，k3是模型系数，(1)k1,k2,k3∈{1,1,1},表示两种储能充放电优化原则，一种是不计及社区负荷随分时电价和屋顶光伏的用电优化，即用户随机安排负荷的工作时段，需要用时就随时用，不采用优化算法，直接进行理论计算；另一种是同时计及社区负荷随分时电价和屋顶光伏的用电优化，采用改进的粒子群算法进行优化计算；(2)k1,k2,k3∈{1,0,1}，表示只考虑社区负荷随分时电价的用电优化；
式中，PLG2H(i)表示用户i时刻的买电功率，pr(i)为i时刻的电价，Δt为购电时长，PL(i)表示i时刻的净负荷，式中，PLH2G(i)表示用户i时刻出售给电网的功率，prv为储能放电上网的价格,sa(i)表示设备a在i时刻的启停状态，当sa(i)＝0时，用电设备为停止状态；当sa(i)＝1时，用电设备以开启状态；
式中，l表示蓄电池充放电转换的时刻，k表示一天之中蓄电池充放电转换次数，Rl为充放电深度，Lf(Rl)表示最大循环充放电次数与放电深度的拟合函数。
2.根据权利要求1所述的一种面向含分布式发电和负荷用电管理的储能方法，其特征在于,最大循环充放电次数与放电深度的拟合函数为：
Lf(Rl)＝5112‑14122Rl+12823Rl‑5Rl‑3278Rl (10)。
3.根据权利要求2所述的一种面向含分布式发电和负荷用电管理的储能方法，其特征在于,储能设备优化调度模型的约束包括：(1)储能充放电优化过程中的约束：
式中， 表示i时刻家庭所有用电负荷的用电功率值；pE(i)为i时刻蓄电池充放电功率值，充电为正，放电为负，蓄电池充电时pE(i)>0，可以把蓄电池当做用电负荷，蓄电池放电时pE(i)<0，可以把蓄电池当做分布式电源对用电负荷进行供电；
‑Pmax D(i)≤pE(i)≤Pmax C(i) (12)N N
式中：PmaxC(i)和PmaxD(i)分别为i时刻蓄电池的最大充电功率和放电功率，PC ,PD分别为蓄电池的额定充电功率和额定放电功率，E(i‑1)表示电池储能在i‑1时刻的剩余容量；
Emin,Emax表示电池储能剩余电量的上下限，ηC,ηD表示充放电效率，pE(i)为i时刻的功率，式(15)表示在家用负荷需要从电网购电时，蓄电池放电功率不能够大于净负荷功率，即不允许储能系统把剩余的电量回馈给电网；
Smin≤Soc(i)≤Smax (16)式中，Soc(i)为电池的荷电状态，Smin，Smax分别为蓄电池荷电状态的上下限。
4.根据权利要求3所述的一种面向含分布式发电和负荷用电管理的储能方法，其特征在于：将传统蓄电池充放电调度周期的初始荷电状态和最终荷电状态相等，调整为要求蓄电池初始荷电状态和最终荷电状态差值在一定范围内，既保证了第二天有足够的剩余容量或者足够的电量，同时使得蓄电池充放电具有相对的柔性，其表达式为：|Soc(0)‑Soc(n)|≤ΔS (17)式中，Soc(0)和Soc(n)分别表示一天内第一个荷电状态采样点和最后一个荷电状态采样点，△S分别为蓄电池荷电状态的上下限为设定的常数值。
5.根据权利要求4所述的一种面向含分布式发电和负荷用电管理的储能方法，其特征在于，步骤2‑5中，蓄电池的荷电状态约束为0.1≤Soc(i)≤1，蓄电池的初始荷电状态和最终的荷电状态约束为：|Soc(0)‑Soc(n)|≤0.1。
6.根据权利要求5所述的一种面向含分布式发电和负荷用电管理的储能方法，其特征在于，步骤3具体步骤如下：步骤3‑1：确定初始参数；
步骤3‑4：寻找个体最佳得到全局最优，从而计算得到最优适应度，计算粒子适应度；
步骤3‑5：使用遗传算法进行选择、交叉和变异操作；
步骤3‑7：更新粒子适应度，计算达到最大迭代次数的最优解；
7.根据权利要求6所述的一种面向含分布式发电和负荷用电管理的储能方法，其特征(t+1)在于，粒子i在t+1时刻的速度更新公式vid 为：式中，r1，r2为均匀分布在区间(0，1)的随机数；c1，c2称为学习因子，d为粒子维度，1≤dt t≤D，D是粒子维度的最大值；xid表示t时刻粒子的最优位置；pid 表示t时刻个体最优位置；
式中，ω1和ω2分别为初始惯性权重和终止惯性权重，Mmax为最大迭代次数，M为当前状态下的迭代次数；
粒子i在t+1时刻的位置更新公式xid 由速度公式计算可得：
一种面向含分布式发电和负荷用电管理的储能方法
技术领域
[0001] 本发明涉及储能充放电调度领域，具体是一种面向含分布式发电和负荷用电管理的储能方法。
背景技术
[0002] 从2013年开始，全球用户侧的分布式储能明显加快了增长步伐，近三年累计装机规模的年复合增长率达到了24％。以用户侧储能为代表的分布式储能规模的逐步扩大，导致系统运营者开始思考如何充分发挥分布式储能的作用和效益，特别是屋顶光伏的发电量在不同时刻具有波动性、随机性与间歇性，直接调用当前时刻的电量为负荷提供电能存在一定的局限性。原因在于：一方面分布式光伏供电充足时会使得大量多余的电能无法得到充分利用；另一方面分布式光伏供电不足时则需要借助于电网电能使得用电设备能够正常工作。
[0003] 因此，给多个用户共同增设储能装置并进行合理的充放电，一方面能够将多余的分布式电能存储起来从而转移到电能不足或者电价较高的时刻，另一方面储能装置能够利用自身存储电能这一特性实现低储高发的作用，也就是在电价较低的时候进行充电，在电价较高的时刻进行放电从而能够减少用户的电费开支。在已有研究的报道中，储能只是用于将白天多余的光伏发电储存起来用于其他时刻的负荷用电，储能只起到了最大化利用光伏发电的作用，并没有起到低储高发套利的作用，在合理的调度策略下倘若储能既可以完成光伏的最大化利用，又能够低储高发套利，其经济价值将会更高。
发明内容
[0004] 为解决上述问题，本发明提供一种面向含分布式发电和负荷用电管理的储能方法，首先以社区负荷为研究对象构建了涉及电池储能在不同情况下的充放电优化原则；然后确定不同时刻的储能充放电状态，使得储能装置能够将多余的分布式电能存储起来从而转移到电能不足或者电价较高的时刻，并且利用自身存储电能这一特性实现低储高发的作用，进而建立包含用户收益以及电池寿命的储能设备优化调度模型，在储能充放电优化过程中考虑有功功率平衡、蓄电池功率、蓄电池荷电状态在内的约束条件，最后，基于MATLAB软件，采用改进的粒子群优化算法对蓄电池储能充放电进行优化，然后对不同情况下用户用电费用的支出情况进行对比分析，可以得到基于分布式发电和分时电价进行负荷用电优化，并配置一定容量的储能时，用户用电费用最小，且分布式光伏的就地利用率最高，以解决上述背景技术中提出的问题。
[0005] 本发明以社区负荷为研究对象，涉及电池储能在三种不同情况下的充放电优化原则，建立了储能充放电优化模型，同时考虑电池储能的寿命损耗。基于MATLAB软件，采用改进的粒子群算法求得各个电池储能各个时段的功率值。仿真结果表明，基于分布式发电和分时电价进行负荷用电优化，并配置一定容量的储能时，用户用电费用最小，且分布式光伏的就地利用率最高。因此，本发明提供了一种经济性较好的储能充放电功率调度方法。
[0006] 为解决上述技术问题，本发明采用的技术方案为：
[0007] 一种面向含分布式发电和负荷用电管理的储能方法，包括如下步骤：
[0008] 步骤1：以社区负荷为研究对象，构建涉及电池储能在三种不同情况下的充放电优化原则，确定不同时刻的储能充放电状态；
[0009] 步骤2：基于储能充放电状态，同时考虑用户从电网的购电费用，用户将多余的光伏发电回馈给电网的收益，以及储能的寿命，建立储能设备优化调度模型，使得储能充放电优化之后的收益最大化；
[0010] 步骤3：采用改进的粒子群算法求解储能设备优化调度模型，分析仿真结果。
[0011] 优选的，步骤1中构建涉及电池储能在三种不同情况下的充放电优化原则包括：
[0012] (1)不计及社区负荷随分时电价和屋顶光伏的用电优化；
[0013] (2)计及社区负荷随分时电价的用电优化，但不计及随屋顶光伏的用电优化；
[0014] (3)同时计及社区负荷随分时电价和屋顶光伏的用电优化。
[0015] 进一步的，步骤1为确保储能的经济价值更高，在对储能确定各个时刻的功率大小之前，确定不同时刻储能的充放电状态，具体包括以下步骤：
[0016] 步骤1‑1：判断当前i时刻的电价运行模式
[0017] pr(i)＝{min price，max price} (1)
[0018] 式中：pr(i)表示i时刻的电价；min price和max price分别表示为谷时电价和峰时电价；
[0019] 步骤1‑2：确定i时刻储能的充放电状态
[0020]
[0021] 式中：pE(i)表示i时刻储能的充放电功率，当储能i时刻的荷电状态Soc(i)小于最大荷电状态Smax时，如果光伏功率Pv(i)大于家庭所有设备此时消耗的功率总和 且处于谷时电价时段，则储能进行充电消纳光伏余电，即pE(i)＞0，反之，pE(i)＜0，储能放电获取收益，其中，a∈A表示家庭用电设备a属于家庭所有用电设备的集合A。
[0022] 进一步的，储能充放电优化过程涉及两个方面：(1)低储高发；(2)动态调节分布式电源的供电量，步骤2具体包括以下步骤：
[0023] 步骤2‑1：建立的储能设备优化运行目标为：
[0024] min C＝k1CG2H‑k2CH2G+k3CB (3)
[0025] 式中，CG2H为用户从电网的购电费用，CH2G为用户向电网的卖电收入，CB为蓄电池的寿命损耗，
[0026] 其中，k1，k2，k3是模型系数，(1)k1，k2，k3∈{1，1，1}，表示两种储能充放电优化原则，一种是不计及社区负荷随分时电价和屋顶光伏的用电优化，即用户随机安排负荷的工作时段，需要用时就随时用，不采用优化算法，直接进行理论计算；另一种是同时计及社区负荷随分时电价和屋顶光伏的用电优化，采用改进的粒子群算法进行优化计算；(2)k1，k2，k3∈{1，0，1}，表示只考虑社区负荷随分时电价的用电优化；
[0027]
[0028]
[0029] 式中，PLG2H(i)表示用户i时刻的买电功率，pr(i)为i时刻的电价，Δt为购电时长，PL(i)表示i时刻的净负荷，
[0030]
[0031]
[0032]
[0033] 式中，PLH2G(i)表示用户i时刻出售给电网的功率，prv为储能放电上网的价格，sa(i)表示的是用电设备的用电状态，当sa(i)＝0时，用电设备为停止状态；当sa(i)＝1时，用电设备以开启状态；
[0034]
[0035] 式中，1表示蓄电池充放电转换的时刻，k表示一天之中蓄电池充放电转换次数，R1为充放电深度，Lf(R1)表示最大循环充放电次数与放电深度的拟合函数。
[0036] 优选的，最大循环充放电次数与放电深度的拟合函数为：
[0037] Lf(Rl)＝5112‑14122Rl+12823Rl2‑5Rl3‑3278Rl4 (10)
[0038] 进一步的，储能设备优化调度模型的约束包括：
[0039] (1)储能充放电优化过程中的约束
[0040]
[0041] 式中，sa(i)表示设备a在i时刻的启停状态， 表示i时刻家庭所有用电负荷的用电功率值；pE(i)为i时刻蓄电池充放电功率值，充电为正，放电为负，蓄电池充电时pE(i)＞0，可以把蓄电池当做用电负荷，蓄电池放电时pE(i)＜0，可以把蓄电池当做分布式电源对用电负荷进行供电；
[0042] (2)蓄电池功率约束
[0043] ‑Pmax D(i)≤pE(i)≤Pmax c(i) (12)
[0044]
[0045]
[0046]
[0047] 式中：PmaxC(i)和PmaxD(i)分别i时刻为蓄电池的最大充电功率和放电功率，pCN，PDN分别为蓄电池的额定充电功率和额定放电功率，E(i‑1)表示电池储能在i‑1时刻的剩余容量；Emin，Emax表示电池储能剩余电量的上下限，ηC，ηD表示充放电效率，pE(i)为i时刻的功率，式(15)表示在家用负荷需要从电网购电时，蓄电池放电功率不能够大于净负荷功率，即不允许储能系统把剩余的电量回馈给电网；
[0048] (3)蓄电池荷电状态约束
[0049] Smin≤Soc(i)≤Smax (16)
[0050] 式中，Soc(i)为电池的荷电状态，Smin，Smax分别为蓄电池荷电状态的上下限。
[0051] 进一步的，将传统蓄电池充放电调度周期的初始荷电状态和最终荷电状态相等，调整为要求蓄电池初始荷电状态和最终荷电状态差值在一定范围内，既保证了第二天有足够的剩余容量或者足够的电量，同时使得蓄电池充放电具有相对的柔性，其表达式为：
[0052] |Soc(0)‑Soc(n)|≤ΔS (17)
[0053] 式中，Soc(0)和Soc(n)分别表示一天内第一个荷电状态采样点和最后一个荷电状态采样点，ΔS分别为蓄电池荷电状态的上下限为设定的常数值。
[0054] 优选的，步骤2‑5中，蓄电池的荷电状态约束为0.1≤Soc(i)≤1，蓄电池的初始荷电状态和最终的荷电状态约束为：|Soc(0)‑Soc(n)|≤0.1。
[0055] 进一步的，步骤3具体步骤如下：
[0056] 步骤3‑1：确定初始参数；
[0057] 步骤3‑2：随机产生初始种群；
[0058] 步骤3‑3：根据约束条件对种群的粒子加以约束；
[0059] 步骤3‑4：寻找个体最佳得到全局最优，从而计算得到最优适应度，计算粒子适应度；
[0060] 步骤3‑5：使用遗传算法进行选择、交叉和变异操作；
[0061] 步骤3‑6：更新粒子速度和位置；
[0062] 步骤3‑7：更新粒子适应度，计算达到最大迭代次数的最优解；
[0063] 步骤3‑8：输出最优解。
[0064] 进一步的，粒子i在t+1时刻的速度更新公式Vid(t+1)为：
[0065]
[0066] 式中，r1，r2为均匀分布在区间(0，1)的随机数；c1，c2称为学习因子，d为粒子维度，t t t1≤d≤D；xid 表示t时刻粒子的最优位置；pid 表示t时刻个体最优位置；pgd 表示t时刻群体最优位置，ω为惯性权重；
[0067] ω的计算公式为：
[0068]
[0069] 式中，ω1和ω2分别为初始惯性权重和终止惯性权重，Mmax为最大迭代次数，M为当前状态下的迭代次数。
[0070] 进一步的，粒子i在t+1时刻的位置更新公式xid(t+1)由速度公式计算可得：
[0071]
[0072] 与现有技术相比，本发明的有益效果：本专利提出了一种面向含分布式发电和负荷用电管理的储能方法，该方法有以下优点：
[0073] 一是以社区负荷为研究对象构建了涉及电池储能在三种不同情况下的充放电优化原则；然后确定不同时刻的储能充放电状态，使得储能装置能够将多余的分布式电能存储起来从而转移到电能不足或者电价较高的时刻，并且利用自身存储电能这一特性实现低储高发的作用；
[0074] 二是，建立包含用户收益以及电池寿命的储能设备优化调度模型，模型不仅考虑了用户从电网的购电费用，而且考虑了用户将多余的光伏发电回馈给电网的收益，同时考虑了储能的寿命，使得储能充放电优化之后的收益最大化。
[0075] 三是，在以往大多数研究中，蓄电池充放电都会有一个约束就是每个调度周期的初始荷电状态和最终荷电状态要相等，但是这一约束就限制了储能在一个调度周期的充放电优化。因此，本发明要求初始荷电状态和最终荷电状态差值只要保证在一定范围内，既保证了第二天有足够的剩余容量或者足够的电量，同时使得蓄电池充放电具有相对的柔性。
[0076] 四是，基于MATLAB软件，采用改进的粒子群优化算法对蓄电池储能充放电进行优化，然后对三种不同情况下用户用电费用的支出情况进行对比分析，可以得到基于分布式发电和分时电价进行负荷用电优化，并配置一定容量的储能时，用户用电费用最小，且分布式光伏的就地利用率最高。
附图说明
[0077] 图1为本发明一种面向含分布式发电和负荷用电管理的储能方法步骤图；
[0078] 图2为本发明一种面向含分布式发电和负荷用电管理的储能方法框图；
[0079] 图3为本发明储能充放电状态判断流程图；
[0080] 图4为本发明仿真结果对比图。
具体实施方式
[0081] 下面结合附图以及具体实施方法对本发明一种面向含分布式发电和负荷用电管理的储能方法作进一步详细说明。
[0082] 本发明提出了一种面向含分布式发电和负荷用电管理的规模化储能优化运行策略，首先以社区负荷为研究对象构建了涉及电池储能在三种不同情况下的充放电优化原则；然后确定不同时刻的储能充放电状态，使得储能装置能够将多余的分布式电能存储起来从而转移到电能不足或者电价较高的时刻，并且利用自身存储电能这一特性实现低储高发的作用，进而建立包含用户收益以及电池寿命的储能设备优化调度模型，在储能充放电优化过程中考虑有功功率平衡、蓄电池功率、蓄电池荷电状态在内的约束条件，最后，基于MATLAB软件，采用改进的粒子群优化算法对蓄电池充放电进行优化，然后对三种不同情况下用户用电费用的支出情况进行对比分析可以得到，同时计及社区负荷随分时电价和屋顶光伏的用电优化，并配置一定容量的储能时，用户用电费用最小，且分布式光伏的就地利用率最高。本发明能够有效控制用户的用电费用，同时促进分布式光伏的就地消纳，充分证实了储能在用户侧和分布式发电中应用的必要性和重要意义。
[0083] 具体的，如图1‑图3所示，给出了本发明的策略框图，一种面向含分布式发电和负荷用电管理的储能方法，具体包括以下步骤：
[0084] 步骤1确定不同时刻储能的充放电状态，包括以下主要步骤：
[0085] 步骤1‑1：判断当前i时刻的电价运行模式
[0086] pr(i)＝{min price，max price} (1)
[0087] 式中：pr(i)表示i时刻的电价；min price和max price分别表示为谷时电价和峰时电价。
[0088] 步骤1‑2：确定i时刻储能的充放电状态
[0089]
[0090] 式中：pE(i)表示i时刻储能的充放电功率，当储能i时刻的荷电状态Soc(i)小于最大荷电状态Smax时，如果光伏功率Pv(i)大于家庭所有设备此时消耗的功率总和 且处于谷时电价时段，则储能进行充电消纳光伏余电，即pE(i)＞0，反之，pE(i)＜0，储能放电获取收益，其中，a∈A表示家庭用电设备a属于家庭所有用电设备的集合A。
[0091] 步骤2不仅考虑了用户从电网的购电费用，而且考虑了用户将多余的光伏发电回馈给电网的收益，同时考虑了储能的寿命，使得储能充放电优化之后的收益最大化，建立储能设备优化调度模型，主要包括以下步骤：
[0092] 步骤2‑1：建立的储能设备优化运行目标为：
[0093] min C＝k1CG2H‑k2CH2G+k3CB (3)
[0094] 式中，CG2H为用户从电网的购电费用，CH2G为用户向电网的卖电收入，主要来源为光伏的过剩电量给储能充电再放电利用电价差套利的收益，CB为蓄电池的寿命损耗，其中，k1，k2，k3∈{1，1，1}，表示两种储能充放电优化原则，一种是不计及社区负荷随分时电价和屋顶光伏的用电优化，即用户随机安排负荷的工作时段，需要用时就随时用，不采用优化算法，直接进行理论计算，另一种情况是同时计及社区负荷随分时电价和屋顶光伏的用电优化，采用改进的粒子群算法进行优化计算；k1，k2，k3∈{1，1，1}，表示只考虑社区负荷随分时电价的用电优化。
[0095]
[0096]
[0097] 式中，PLG2H(i)表示用户i时刻的买电功率，pr(i)为i时刻的电价，Δt为购电时长，PL(i)表示i时刻的净负荷。
[0098]
[0099]
[0100]
[0101] 式中，PLH2G(i)表示用户i时刻出售给电网的功率，prv为储能放电上网的价格，sa(i)表示的是用电设备的用电状态，当sa(i)＝0时，用电设备为停止状态；当sa(i)＝1时，用电设备以开启状态。
[0102]
[0103] 式中，1表示蓄电池充放电转换的时刻，k表示一天之中蓄电池充放电转换次数，R1为充放电深度， 为每半个周期的电池寿命损耗，Lf(R1)表示最大循环充放电次数与放电深度的拟合函数，如式10所示。
[0104] Lf(Rl)＝5112‑14122Rl+12823Rl2‑5Rl3‑3278Rl4(10)
[0105] 步骤2‑2：储能充放电优化过程中的约束
[0106]
[0107] 式中，sa(i)表示设备a在i时刻的启停状态， 表示i时刻家庭所有用电负荷的用电功率值；pE(i)为i时刻蓄电池充放电功率值，充电为正，放电为负，蓄电池充电时pE(i)>0，可以把蓄电池当做用电负荷，蓄电池放电时pE(i)＜0，可以把蓄电池当做分布式电源对用电负荷进行供电。
[0108] 步骤2‑3：蓄电池功率约束
[0109] ‑Pmax D(i)≤pE(i)≤Pmax C(i) (12)
[0110]
[0111]
[0112]
[0113] 式中：PmaxC(i)和PmaxD(i)分别为蓄电池的最大充电功率和放电功率，PCN，PDN分别为蓄电池的额定充电功率和额定放电功率，E(i‑1)表示电池储能在i‑1时刻的剩余容量；Emin，Emax表示电池储能剩余电量的上下限，ηC，ηD表示充放电效率，pE(i)为i时刻的功率，式(15)表示在家用负荷需要从电网购电时，蓄电池放电功率不能够大于净负荷功率，即不允许储能系统把剩余的电量回馈给电网；
[0114] 步骤2‑4：蓄电池荷电状态约束
[0115] Smin≤Soc(i)≤Smax (16)
[0116] 式中，Soc(i)为电池的荷电状态，Smin，Smax分别为蓄电池荷电状态的上下限。
[0117] 步骤2‑5：以往的研究中，蓄电池充放电调度周期的初始荷电状态和最终荷电状态相等，但是这一约束就限制了储能在一个调度周期的充放电优化。因此，要求蓄电池初始荷电状态和最终荷电状态差值只要保证在一定范围内，既保证了第二天有足够的剩余容量或者足够的电量，同时使得蓄电池充放电具有相对的柔性，其表达式为：
[0118] |Soc(0)‑Soc(n)|≤ΔS (17)
[0119] 式中，Soc(0)和Soc(n)分别表示一天内第一个荷电状态采样点和最后一个荷电状态采样点，ΔS分别为蓄电池荷电状态的上下限为设定的常数值。
[0120] 步骤2‑5中，蓄电池的荷电状态约束为0.1≤Soc(i)≤1，蓄电池的初始荷电状态和最终的荷电状态约束为：|Soc(0)‑Soc(n)|≤0.1。
[0121] 步骤3依据分布式发电量和负荷用电量确定蓄电池的功率和容量，包括以下主要步骤：
[0122] 步骤3‑1：确定学习因子、迭代次数、种群规模等初始参数；
[0123] 步骤3‑2：随机产生初始种群；
[0124] 步骤3‑3：根据约束条件对种群的粒子加以约束；
[0125] 步骤3‑4：寻找个体最佳得到全局最优，从而计算得到最优适应度，计算粒子适应度；
[0126] 步骤3‑5：使用遗传算法进行选择、交叉和变异操作；
[0127] 步骤3‑6：更新粒子速度和位置，粒子i在t+1时刻的速度更新公式vid(t+1)为：
[0128]
[0129] 式中，r1，r2为均匀分布在区间(0，1)的随机数；c1，c2称为学习因子，d为粒子维度，t t t1≤d≤D；xid 表示t时刻粒子的最优位置；pid 表示t时刻个体最优位置；pgd 表示t时刻群体最优位置，ω称之为惯性权重；ω的计算公式如19式所示。
[0130]
[0131] 式中，ω1和ω2分别为初始惯性权重和终止惯性权重，Mmax为最大迭代次数，M为当前状态下的迭代次数。
[0132] 粒子i在t+1时刻的位置更新公式xid(t+1)由速度公式计算可得，如式20所示。
[0133]
[0134] 步骤3‑7：更新粒子适应度，计算达到最大迭代次数的最优解；
[0135] 步骤3‑8：输出最优解，分析仿真结果，得出结论，如图4所示，从上而下依次为案例Ⅰ，Ⅱ，Ⅲ。
[0136] 步骤3‑1中的初始参数设置：种群规模为100，迭代次数200，交叉概率0.7，突变概率0.3，ω∈[0.4，0.9]，储能的额定功率为Pvmax＝1.45MW，额定容量EN＝4.1MWh，储能系统的充放电转换效率设定为ηC＝ηD＝0.95。
[0137] 本发明基于MATLAB软件，所有的仿真决策以半小时为时间间歇，将一天划分为48个时段，采用改进的粒子群算法对建立的考虑蓄电池损耗的储能充放电模型进行优化，对三种不同情况下用户用电费用的支出情况进行对比分析，得到为用户负荷配置一定容量的储能系统能够实现低储高发套利和促进分布式电源的就地消纳，直接的减少了用户的用电费用支出，最后得出最优方案。
[0138] 本发明涉及电池储能在三种不同情况下的充放电优化原则，不同情况下的充放电模型系数设置如表1所示：
[0139] 表1不同情况下的模型系数设置
[0140] 案例 模型系数 求解方法I k1，k2，k3∈{1，1，1} 随机安排负荷的工作时段，需要用时就随时用，不采用优化算法II k1，k2，k3∈{1，0，1} 采用改进的粒子群优化算法求解
III k1，k2，k3∈{1，1，1} 采用改进的粒子群优化算法求解
[0141] 为了更加可视化不同模式下的用电费用支出、余电上网收益以及储能收益情况，对三种不同情况下的储能充放电过程分别优化，得到仿真结果，如表2所示。
[0142] 表2用户用电费用支出情况表
[0143]
[0144] 通过对比考虑储能充放电前后用户用电费用支出和余电上网收益的数据可以看出当用户配置储能之后减少了用电费用的支出，余电上网收益减少了也反映出分布式电源的就地消纳能力提高。在所有的案例中可以看出案例III最后的用户用电支出费用最低，分布式电源发电的余电上网收益最低也就是分布式发电的利用率最高。
[0145] 本发明从储能不仅可以完成光伏的最大化利用，而且起到了低储高发套利的作用出发，使得储能的经济价值更高，首先以社区负荷为研究对象构建了涉及电池储能在三种不同情况下的充放电优化原则；然后确定不同时刻的储能充放电状态，使得储能装置能够将多余的分布式电能存储起来从而转移到电能不足或者电价较高的时刻，并且利用自身存储电能这一特性实现低储高发的作用，进而建立包含用户收益以及电池寿命的储能设备优化调度模型，在储能充放电优化过程中考虑有功功率平衡、蓄电池功率、蓄电池荷电状态在内的约束条件，最后，基于MATLAB软件，采用改进的粒子群优化算法对蓄电池储能充放电进行优化，然后对三种不同情况下用户用电费用的支出情况进行对比分析，可以得到基于分布式发电和分时电价进行负荷用电优化，并配置一定容量的储能时，用户用电费用最小，且分布式光伏的就地利用率最高。
[0146] 以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
