CN103078340A - 用于优化微网联络线功率的混合储能容量优化方法 - Google Patents

Abstract

本发明公开了一种用于优化微网联络线功率的混合储能容量优化方法，通过混合储能容量优化模型构造遗传算法的适应度函数，并获取混合储能总充放电功率的样本数据；对频率范围进行二进制编码，产生第一代分界频率f_P种群；根据混合储能容量优化模型对第一代种群中的任一个体分别计算蓄电池和超级电容器的有功功率P_BESS和P_SC；通过蓄电池和超级电容器的有功功率P_BESS和P_SC分别计算蓄电池和超级电容器的额定容量；根据蓄电池和超级电容器的额定容量、蓄电池和超级电容器的有功功率获取混合储能***工程期净现值、蓄电池寿命和超级电容器寿命；最后一代中适应度最高的个体即为最优个体，同时获取最优混合储能容量组合。获取到的容量结果精确；实现了对储能设备寿命的评估。

Description

用于优化微网联络线功率的混合储能容量优化方法

技术领域

本发明涉及微网内混合储能***容量优化的方法，尤其涉及一种用于优化微网联络线功率的混合储能容量优化方法。

背景技术

微网中，风电和太阳能光伏等分布式电源的输出功率具有间歇性和随机性的特点，负荷变化往往也体现出一定的波动性，这给微网的稳定运行带来了较大挑战，引入储能***可解决这一问题。储能设备分为功率型储能和能量型储能两种。以平滑分布式电源功率输出为目标的储能***要求响应速度快、循环充放电寿命长，适合使用以超级电容器为代表的功率型储能；以削峰填谷为目标的储能***要求具有较高的能量容量、储能时间长，适合使用以蓄电池为代表的能量型储能。微网在并网运行时，负荷的峰谷差特性以及分布式电源的波动性常常是并存的。混合储能比单一储能更有优势，更适合同时进行平滑输出和削峰填谷，达到微网并网联络线功率的优化。同时，将超级电容器和蓄电池并联，还可以减少蓄电池的充放电次数，提高寿命^[1]。

现有混合储能容量优化方法一般以一次投资和年运行维护成本为优化目标。

在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

(1)没有详细考虑储能充放电效率和SOC（荷电状态）的约束，导致容量偏小；

(2)缺乏对储能设备寿命的评估，实际运行结果可能因为某种储能设备需要多次更新而大大影响经济性。所以当前混合储能容量优化方法还不够深入，没有达到实用化程度。

发明内容

本发明提供了一种用于优化微网联络线功率的混合储能容量优化方法，本方法考虑了储能充放电效率和SOC的约束，获取到的容量结果精确；实现了对储能设备寿命的评估，详见下文描述：

一种用于优化微网联络线功率的混合储能容量优化方法，所述方法包括以下步骤：

（1）以混合储能***净现值最大为优化目标，建立应用于微网***的蓄电池和超级电容器的混合储能容量优化模型；

（2）通过混合储能容量优化模型构造遗传算法的适应度函数，并获取混合储能总充放电功率的样本数据；对频率范围进行二进制编码，产生第一代分界频率fP种群；

（3）根据混合储能容量优化模型对第一代种群中的任一个体分别计算蓄电池和超级电容器的有功功率P_BESS和P_SC；

（4）通过蓄电池和超级电容器的有功功率P_BESS和P_SC分别计算蓄电池和超级电容器的额定容量；

（5）根据蓄电池和超级电容器的额定容量、蓄电池和超级电容器的有功功率获取混合储能***工程期净现值、蓄电池寿命和超级电容器寿命；

（6）最后一代中适应度最高的个体即为最优个体，同时获取最优混合储能容量组合；

其中，混合储能容量优化模型具体为：

f=min(-NPV)                  (1)

P_HESS=P_BESS+P_SC=P_Agr-P_Net    (2)

P_Net＝P_Load-P_DG              (3)

${\mathrm{\η}}_d={\mathrm{\η}}_c=\sqrt{\mathrm{\η}}---\left(4\right)$

0<f_P<1/2T_S                   (5)

SOC_Min≤SOC[n]≤SOC_Max       (6)

n＝1,2...,N_S

式（1）中，NPV指混合储能***在工程期内的净现值；f表示目标函数；

式（2）到式（3）为微网内部及联络线的功率平衡方程；P_DG为分布式电源发出的总有功功率；P_Load为本地负荷有功功率；P_HESS为混合储能***的总有功功率；P_BESS和P_SC分别为蓄电池和超级电容器的有功功率；P_Grid为微网***与电网的交换功率；P_Agr为联络线协议功率；

式（4）中，η_d，η_c和η分别为储能***的放电效率、充电效率和一个充放电周期的综合效率；

式（5）f_P为两种储能补偿频段的分界频率，T_S为样本数据的采样周期；

式（6）中N_S为样本数据的采样点个数。

所述根据混合储能容量优化模型对第一代种群中的任一个体分别计算蓄电池和超级电容器的有功功率P_BESS和P_SC具体为：

$\left\{\begin{array}{c}{P}_{\mathrm{SC}}=P_{\mathrm{HESS}}*\frac{T_{\mathrm{HP}}*s}{T_{\mathrm{HP}}*s+1}\\ P_{\mathrm{BESS}}=P_{\mathrm{HESS}}-P_{\mathrm{SC}}\end{array}\right.---\left(7\right)$

式中s为拉普拉斯变换的复变量；T_HP为高通滤波器的时间常数；

$T_{\mathrm{HP}}=\frac{1}{2\mathrm{\&pi;}{f}_P}---\left(8\right).$

所述通过蓄电池和超级电容器的有功功率P_BESS和P_SC分别计算蓄电池和超级电容器的额定容量具体为：

以P_ESS,0[n]代表某种储能的充放电功率来介绍容量计算方法；

$P_{\mathrm{ESS}}\left[n\right]=\left\{\begin{array}{cc}{P}_{\mathrm{ESS},0}\left[n\right]/{\mathrm{\&eta;}}_d& P_{\mathrm{ESS},0}\left[n\right]>0\\ P_{\mathrm{ESS},0}\left[n\right]*{\mathrm{\&eta;}}_c& P_{\mathrm{ESS},0}\left[n\right]<0\end{array}\right.---\left(9\right)$

其中，P_ESS[n]以放电为正，η_d和η_c分别为储能***的放电效率和充电效率；

$E_{\mathrm{ESS}}\left[n\right]=\underset{1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_{\mathrm{ESS}}\left[n\right]*T_S,n=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N_S---\left(10\right)$

一天内储能***累计最大、最小能量分别记为E_ESS,Max和E_ESS，Min，额定容量

$E_{\mathrm{ESS}}^R=\frac{E_{\mathrm{ESS},\mathrm{Max}}-E_{\mathrm{ESS},\mathrm{Min}}}{{\mathrm{SOC}}_{\mathrm{Max}}-{\mathrm{SOC}}_{\mathrm{Min}}}---\left(11\right)$

式中，SOC_Max和SOC_Min分别代表储能***SOC的上下限约束。

本发明提供的技术方案的有益效果是：该方法以混合储能***净现值最大为优化目标，利用遗传算法确定能量型储能和功率型储能的分界频率，再进一步计算混合储能的最优容量。该方法中的蓄电池和超级电容器模型考虑了储能***的充放电效率以及SOC约束，容量结果更为精确；其经济模型综合考虑项目工程期、不同类型储能寿命，更贴近实际工程应用，其结果优于现有方法。

附图说明

图1为微网***以及与外部电网连接图；

图2为分布式电源、负荷和净负荷功率；

图3为净负荷以及联络线协议功率；

图4为遗传算法寻优过程；

图5为混合储能***充放电功率；

图6为混合储能容量优化方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

101：以混合储能***净现值最大为优化目标，建立应用于微网***的蓄电池和超级电容器的混合储能容量优化模型；

其中，微网***内部包括光伏和/或风机等分布式电源、超级电容器和蓄电池混合储能***以及本地负荷，微网通过一条联络线与外部公共电网连接，如附图1所示。图1中，分布式电源发出的总有功功率为P_DG，本地负荷有功功率为P_Load，混合储能***的总有功功率为P_HESS，其中蓄电池和超级电容器的有功功率分别为P_BESS和P_SC，微网***与电网的交换功率为P_Grid，即为微网联络线功率。

由于分布式电源具有间歇性和波动性，微网本地负荷功率又常具有较大的峰谷差特性，导致微网并网联络线存在较大功率波动。因此电网调度部门一般预先设定1天内微网与电网联络线的功率和方向，即确定微网的联络线协议功率P_Agr ^[2]。P_Agr通常取无储能时微网***的净负荷功率P_Net的小时级平均值，并根据联络线传输功率上限和是否允许功率倒送进行修正。混合储能***的控制目标即为将微网联络线功率P_Grid由引入储能前微网***的净负荷功率P_Net补偿为预先设定的协议功率P_Agr。

为了将微网联络线功率P_Grid补偿为预设协议功率P_Agr，本方法以混合储能***净现值最大为优化目标，综合考虑微网及联络线的功率平衡以及储能***的效率、SOC特性，建立蓄电池和超级电容器的混合储能容量优化模型如下：

f=min(-NPV)                 (1)

P_HESS=P_BESS+P_SC=P_Agr-P_Net   (2)

P_Net＝P_Load-P_DG             (3)

${\mathrm{\&eta;}}_d={\mathrm{\&eta;}}_c=\sqrt{\mathrm{\&eta;}}---\left(4\right)$

0<f_P<1/2T_S                  (5)

SOC_Min≤SOC[n]≤SOC_Max      (6)

n=1,2...,N_S

式（1）中，NPV指混合储能***在工程期内的净现值；f表示目标函数。

式（2）到式（3）为微网内部及联络线的功率平衡方程。

式（4）中，η_d，η_c和η分别为储能***的放电效率、充电效率和一个充放电周期的综合效率。

式（5）从频域角度采用分频的方法对混合储能进行功率分配，f_P为两种储能补偿频段的分界频率，T_S为样本数据的采样周期，1/2T_S为奈奎斯特采样频率。

式（6）为在仿真过程中，储能的SOC不能越限，N_S为样本数据的采样点个数。

本方法选择分界频率f_P为优化变量，即以f_P为界，高频部分波动由超级电容器补偿，低频部分由蓄电池补偿。f_P决定了混合储能的功率分配、容量需求以及经济性指标，从而决定了整个混合储能容量方案。相对于直接选择两种储能容量进行优化，其优势在于能更好地进行功率曲线波动频率与不同类型储能设备性能的匹配。

该模型的样本数据选取典型日的分布式电源、负荷有功功率数据，采样周期以1分钟到10分钟为宜，容量计算时间尺度固定为1天。仿真过程中，认为年内每天均与该典型日完全相同。实际应用中，以某一天的微网运行数据进行容量优化，常常难以适用于全年的规划。可选取多个月典型日或季度典型日数据，重复进行多次容量优化。在所有结果中，根据实际需求可选择最大值、平均值或其他多数典型日内足够的容量值^[3]。

102：通过混合储能容量优化模型构造遗传算法的适应度函数，并获取混合储能总充放电功率的样本数据；对频率范围进行二进制编码，产生第一代分界频率f_P种群；

具体实现时，由于该模型具有很强的非线性，本方法采用遗传算法进行求解，总体求解流程见图2。由式（2）获取混合储能总充放电功率的样本数据。式（1）中的目标函数即为遗传算法的适应度函数。之后对式（5）所示的频率范围进行二进制编码，并产生第一代分界频率f_P种群的全部个体。

103：根据混合储能容量优化模型对第一代种群中的任一个体分别计算蓄电池和超级电容器的有功功率P_BESS和P_SC；

蓄电池储能容量大，但需要尽量避免频繁充放电来延长寿命；超级电容器储能容量小，但允许充放电次数高，充放电速率快。二者不同的特性决定了蓄电池和超级电容器应分别补偿混合储能总功率指令的低频和高频部分。依照该原则，采用高通滤波器进行混合储能功率分配，计算方法如下：

$\left\{\begin{array}{c}{P}_{\mathrm{SC}}=P_{\mathrm{HESS}}*\frac{T_{\mathrm{HP}}*s}{T_{\mathrm{HP}}*s+1}\\ P_{\mathrm{BESS}}=P_{\mathrm{HESS}}-P_{\mathrm{SC}}\end{array}\right.---\left(7\right)$

式中s为拉普拉斯变换的复变量；T_HP为高通滤波器的时间常数，该时间常数由分界频率f_P按式（8）计算得到：

$T_{\mathrm{HP}}=\frac{1}{2\mathrm{\&pi;}{f}_P}---\left(8\right)$

f_P与T_HP在数值上是一一对应的，它相对于T_HP的优势在于可以更直观地从频域角度确定混合储能各自补偿范围。在总有功功率P_HESS的频谱分析结果中，由蓄电池补偿0～f_p的频率分量，超级电容器补偿f_P～1/2T_S的频率分量。

假定风机、光伏、负荷的功率数据采样周期为T_S，单位为秒，一天内共有N_S个采样点。混合储能的总有功功率为P_HESS[n]，n＝1,2,…,N_S。由式（8）可计算得到超级电容器的有功功率P_SC[n]以及相应的蓄电池有功功率P_BESS[n]。

104：通过蓄电池和超级电容器的有功功率P_BESS和P_SC分别计算蓄电池和超级电容器的额定容量；

两种储能的容量计算方法是通用的，以下仅以P_ESS，0[n]代表某种储能的充放电功率来介绍容量计算方法^[3]。由于实际的储能***工作过程中会有一定的损耗，储能***实际充放电功率P_ESS[n]可由下式计算：

$P_{\mathrm{ESS}}\left[n\right]=\left\{\begin{array}{cc}{P}_{\mathrm{ESS},0}\left[n\right]/{\mathrm{\&eta;}}_d& P_{\mathrm{ESS},0}\left[n\right]>0\\ P_{\mathrm{ESS},0}\left[n\right]*{\mathrm{\&eta;}}_c& P_{\mathrm{ESS},0}\left[n\right]<0\end{array}\right.---\left(9\right)$

其中，P_ESS[n]以放电为正，η_d和η_c分别为储能***的放电效率和充电效率。

在整个样本数据周期内，储能实际充放电功率P_ESS[n]绝对值的最大值即为储能***所应具备的最大充放电功率，即额定功率。

获得储能***实际充放电功率P_ESS[n]后，可计算得到一天内各采样点的储能***累计充放电能量E_ESS[n]：

$E_{\mathrm{ESS}}\left[n\right]=\underset{1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_{\mathrm{ESS}}\left[n\right]*T_S,n=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N_S---\left(10\right)$

一天内储能***累计最大、最小能量分别记为E_ESS，Max和E_ESS，Min。考虑储能***的荷电状态约束，可获得储能***的额定容量

$E_{\mathrm{ESS}}^R=\frac{E_{\mathrm{ESS},\mathrm{Max}}-E_{\mathrm{ESS},\mathrm{Min}}}{{\mathrm{SOC}}_{\mathrm{Max}}-{\mathrm{SOC}}_{\mathrm{Min}}}---\left(11\right)$

式中，SOC_Max和SOC_Min分别代表储能***SOC的上下限约束。

该容量考虑了实际运行中储能的循环效率和不能满充满放的情况，是能够达到预期补偿目标所需的最小容量。

105：根据蓄电池和超级电容器的额定容量、蓄电池和超级电容器的有功功率获取混合储能***工程期净现值、蓄电池寿命和超级电容器寿命；

在混合储能容量优化方法中，不同的储能容量方案和充放电策略将导致不同的寿命，寿命过短引起的储能设备更换也将直接影响储能***的经济性。为解决这一问题，本方法采用净现值经济评价模型，并建立了储能的寿命计算模型来计算储能的更换时间和次数。混合储能***工程期净现值的计算分为三个步骤：

1）计算工程期内的现金流量序列

在工程期N_p年内，假定某种储能设备的寿命为L_ESS年，建设单价和更新单价分别为C_ESS和R_ESS，单位为元/kWh，运行维护单价为OM_ESS，单位为元/(kWh*年)。以收入为正，则储能设备的初建成本现金流序列为：

$\mathrm{Cap}\left[i\right]=\left\{\begin{array}{cc}-C_{\mathrm{ESS}}*E_{\mathrm{ESS}}^R& i=0\\ 0& i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N_P\end{array}\right.---\left(12\right)$

工程期N_p年内，寿命为L_ESS年的储能设备共经历k次更新，有

k=N_p/L_ESS         (13)

则储能设备更新成本现金流序列为

$\mathrm{Rep}\left[i\right]=\left\{\begin{array}{cc}-R_{\mathrm{ESS}}*E_{\mathrm{ESS}}^R& i=(\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,k)*L_{\mathrm{ESS}}\\ 0& i\&NotEqual;(\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,k)*L_{\mathrm{ESS}}\end{array}\right.---\left(14\right)$

储能设备运行维护成本和残值序列分别为：

$\mathrm{OM}\left[i\right]=\left\{\begin{array}{cc}-{\mathrm{OM}}_{\mathrm{ESS}}*E_{\mathrm{ESS}}^R& i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N_P\\ 0& i=0\end{array}\right.---\left(15\right)$

$\mathrm{Sal}\left[i\right]=\left\{\begin{array}{cc}{R}_{\mathrm{ESS}}*E_{\mathrm{ESS}}^R*\frac{N_P-k{L}_{\mathrm{ESS}}}{L_{\mathrm{ESS}}}& i=N_P\\ 0& i\&NotEqual;N_P\end{array}\right.---\left(16\right)$

则储能设备的现金流量序列可由下式计算

NCT_ESS[i]=Cap[i]+Rep[i]+OM[i]+Sal[i] (17)

i=0,1,…,N_p

设蓄电池和超级电容器的现金流量序列分别为NCF_BESS[i]和NCF_SC[i]，微网***购电成本现金流量序列为NCF_Grid[i]。则混合储能***的现金流量序列为

NCF[i]=NCF_BESS[i]+NCF_SC[i]+NCF_Grid[i] (18)

i=0,1,…,N_p

2)考虑资本的时间价值（贴现率），计算折算现金流量序列

DCF[i]=NCF[i]*(1+F_Dis)^-i     (19)

i＝0,1,…,N_p

式中，F_Dis为贴现率。

3)根据折算现金流序列，计算混合储能***工程期净现值

$\mathrm{NPV}=\underset{0}{\overset{N_P}{\mathrm{\&Sigma;}}}\mathrm{DCF}\left[i\right]---\left(20\right)$

采用经济评价模型的式（13）、（14），需要分别计算蓄电池和超级电容器的寿命，方法如下：

1）蓄电池寿命计算

采用雨流计数法计算蓄电池寿命。一个循环定义为放电到某一深度值后开始下次充电，则某个放电深度下储能设备的允许循环次数为

$C_{F,i}=a_1+a_2{e}^{a_3{\mathrm{DOD}}_i}+a_4{e}^{a_5{\mathrm{DOD}}_i}---\left(21\right)$

式中，C_F，i为循环次数，参数[a₁，...,a₅]由不同放电深度下对应的储能设备循环次数确定，无单位，DOD为放电深度。经历多个放电深度所总共消耗的储能设备寿命为

$D=\underset{i=1}{\overset{N_{\mathrm{CD}}}{\mathrm{\&Sigma;}}}{C_{F,i}}^{-1}---\left(22\right)$

N_CD代表不同的放电深度个数。则蓄电池寿命

$L_{\mathrm{BESS}}=\frac{1}{D\&times;(8760\&times;3600/T_S)}---\left(23\right)$

2）超级电容器寿命计算公式如下：

L_SC=N_Total/N_PY       (24)

式中N_Total为超级电容器允许充放电循环次数，N_PY为年循环次数，可由仿真得到。

具体实现时，对第一代种群中的其他个体重复执行步骤103-步骤105，获取相应的数值，直到第一代中的所有个体都计算完毕，再经过优选、遗传和变异产生后代种群，重复上述计算，迭代终止于预定代数。

106：最后一代中适应度最高的个体即为最优个体，同时获取最优混合储能容量组合。

实际应用中，依据上述计算出的最优混合储能容量组合能够使储能工作在良好的工作状态，延长能量型储能的寿命，避免储能设备的频繁更新。

下面以具体的实例来说明本发明实施例提供的一种用于优化微网联络线功率的混合储能容量优化方法的可行性：

以天津生态城一微网***冬季典型日实际运行数据验证本方法。该微网***主要包括：单晶和多晶光伏，共30kW；照明和充电桩负荷，共15kW。配备锂离子电池和超级电容器来优化实现微网联络线的协议功率。

光伏功率、负荷功率数据采样周期均为5min。根据分布式电源和负荷功率计算净负荷，即在无储能时的联络线功率，如图2所示。

从附图2看出，净负荷功率P_Net大致在-5kW到15kW范围内，波动较大，净负荷高峰和低谷分别出现在16：00～22：00和9:00～14:00。设定微网不允许向上级电网倒送功率，联络线传输功率最大值为10kW，即可认为微网本地净负荷下限和上限门槛值为0kW和10kW。混合储能的补偿目标为平抑联络线小时级的功率波动，同时对超过净负荷门槛值的功率进行削峰填谷，使得经储能补偿后的净负荷功率P_Net为联络线协议功率P_Agr。净负荷功率P_Net和联络线协议功率P_Agr如附图3所示。从附图3可看出，联络线协议功率P_Agr相当于在两个时间段对净负荷功率P_Net削峰填谷。

认为全年每天的分布式电源发出的总有功功率P_DG、负荷有功功率P_Load、联络线协议功率P_Agr以及储能充放电情况均与该典型日完全相同。每kWh电价为：高峰1.1648元，低谷0.3778元，平时0.7603元。超级电容器和锂电池的价格如表1所示

表1 储能经济性数据

式（21）和式（24）中储能寿命参数见表2

表2 储能寿命参数

为了延长储能寿命，设定锂电池和超级电容器的SOC上下限分别为100%和40%。储能***综合效率为88%。用于经济评价的储能***工程期设为20年。

采样周期T_S为5min，由式（5）可知混合储能总的补偿频率范围为0～0.00167Hz。下一步将确定分界频率f_p，以下是采用遗传算法确定f_p的过程。

设定遗传算法初值如下：染色体长度为16，最大代数为50，种群大小为20。根据附图6所示容量优化流程进行计算，得到遗传过程如附图4所示。

由附图4可知，经遗传寻优可得***最大净现值为-35.68万元。此时对应的混合储能分界频率为0.00006Hz。即锂电池补偿0～0.00006Hz的低频分量，由超级电容器补偿0.00006～0.00167Hz的高频分量时，储能***经济性最优。

由式（11）可计算得到锂电池容量为6.48kW和50.38kWh，超级电容器容量为5.27kW和5.35kWh。由式（23）和式（24）可计算出锂电池和超级电容器的寿命分别为23.76年和14.42年。

混合储能***在该典型日的充放电功率如附图5所示。由附图5可见，由于超级电容器补偿了需求功率的高频分量，锂电池每天只有1次深度充放电，可以很好地延长其使用寿命。

参考文献

[1]陈伟，石晶，任丽.微网中的多元混合储能技术[J].电力***自动化，2011，34（1）：112-115.

[2]丁明，徐宁舟，毕锐.负荷侧新型电池储能电站动态性能的研究[J].电力自动化设备，2011，31(5)：1-7.

[3]王成山，于波，肖峻，郭力.平滑可再生能源发电***输出波动的储能***容量优化方法[J].中国电机工程学报，2012，32(16)：1-8.

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种用于优化微网联络线功率的混合储能容量优化方法，其特征在于，所述方法包括以下步骤：

（1）以混合储能***净现值最大为优化目标，建立应用于微网***的蓄电池和超级电容器的混合储能容量优化模型；

（2）通过混合储能容量优化模型构造遗传算法的适应度函数，并获取混合储能总充放电功率的样本数据；对频率范围进行二进制编码，产生第一代分界频率f_P种群；

（3）根据混合储能容量优化模型对第一代种群中的任一个体分别计算蓄电池和超级电容器的有功功率P_BESS和P_SC；

（4）通过蓄电池和超级电容器的有功功率P_BESS和P_SC分别计算蓄电池和超级电容器的额定容量；

（5）根据蓄电池和超级电容器的额定容量、蓄电池和超级电容器的有功功率获取混合储能***工程期净现值、蓄电池寿命和超级电容器寿命；

（6）最后一代中适应度最高的个体即为最优个体，同时获取最优混合储能容量组合；

其中，混合储能容量优化模型具体为：

f=min(-NPV)                  (1)

P_HESS=P_BESS+P_SC=P_Agr-P_Net    (2)

P_Net＝P_Load-P_DG              (3)

${\mathrm{\&eta;}}_d={\mathrm{\&eta;}}_c=\sqrt{\mathrm{\&eta;}}---\left(4\right)$

0<f_P<1/2T_S                   (5)

SOC_Min≤SOC[n]≤SOC_Max       (6)

n=1,2...,N_S

式（1）中，NPV指混合储能***在工程期内的净现值；f表示目标函数；

式（2）到式（3）为微网内部及联络线的功率平衡方程；P_DG为分布式电源发出的总有功功率；P_Load为本地负荷有功功率；P_HESS为混合储能***的总有功功率；P_BESS和P_SC分别为蓄电池和超级电容器的有功功率；P_Grid为微网***与电网的交换功率；P_Agr为联络线协议功率；

式（4）中，η_d，η_c和η分别为储能***的放电效率、充电效率和一个充放电周期的综合效率；

式（5）f_P为两种储能补偿频段的分界频率，T_S为样本数据的采样周期；

式（6）中N_S为样本数据的采样点个数。

2.根据权利要求1所述的一种用于优化微网联络线功率的混合储能容量优化方法，其特征在于，所述根据混合储能容量优化模型对第一代种群中的任一个体分别计算蓄电池和超级电容器的有功功率P_BESS和P_SC具体为：

$\left\{\begin{array}{c}{P}_{\mathrm{SC}}=P_{\mathrm{HESS}}*\frac{T_{\mathrm{HP}}*s}{T_{\mathrm{HP}}*s+1}\\ P_{\mathrm{BESS}}=P_{\mathrm{HESS}}-P_{\mathrm{SC}}\end{array}\right.---\left(7\right)$

式中s为拉普拉斯变换的复变量；T_HP为高通滤波器的时间常数；

$T_{\mathrm{HP}}=\frac{1}{2\mathrm{\&pi;}{f}_P}---\left(8\right).$

3.根据权利要求1所述的一种用于优化微网联络线功率的混合储能容量优化方法，其特征在于，所述通过蓄电池和超级电容器的有功功率P_BESS和P_SC分别计算蓄电池和超级电容器的额定容量具体为：

以P_ESS,0[n]代表某种储能的充放电功率来介绍容量计算方法；

$P_{\mathrm{ESS}}\left[n\right]=\left\{\begin{array}{cc}{P}_{\mathrm{ESS},0}\left[n\right]/{\mathrm{\&eta;}}_d& P_{\mathrm{ESS},0}\left[n\right]>0\\ P_{\mathrm{ESS},0}\left[n\right]*{\mathrm{\&eta;}}_c& P_{\mathrm{ESS},0}\left[n\right]<0\end{array}\right.---\left(9\right)$

其中，P_ESS[n]以放电为正，η_d和η_c分别为储能***的放电效率和充电效率；

$E_{\mathrm{ESS}}\left[n\right]=\underset{1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_{\mathrm{ESS}}\left[n\right]*T_S,n=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N_S---\left(10\right)$

一天内储能***累计最大、最小能量分别记为E_ESS,Max和E_ESS，Min，额定容量

$E_{\mathrm{ESS}}^R=\frac{E_{\mathrm{ESS},\mathrm{Max}}-E_{\mathrm{ESS},\mathrm{Min}}}{{\mathrm{SOC}}_{\mathrm{Max}}-{\mathrm{SOC}}_{\mathrm{Min}}}---\left(11\right)$

式中，SOC_Max和SOC_Min分别代表储能***SOC的上下限约束。

Images