一种基于风光微网的储能优化配置系统及方法与流程

本发明涉及新能源发电系统优化配置技术领域，尤其涉及一种基于风光微网的储能优化配置系统及方法。

背景技术：

由于化石能源的枯竭和环境问题的恶化，大力推动了可再生能源在全球范围内的发展，其中光伏和风力发电作为相对成熟的技术已得到广泛应用。但由于风能资源存在不确定性等缺陷，风光功率会表现出不同程度的波动性。随着风光发电规模的逐年增大，其并网给电力系统带来的问题和挑战也在随之升级，包括出力波动对电能质量的影响以及给常规机组带来的调峰压力、低精度的风光预测给电力系统带来的调度难题等。而储能技术的出现和发展则为解决风光并网问题提供了有效途径，尤其是混合储能概念的引入不仅在技术提供有效保障，并且在经济上效果显著。此外为风光电厂配置合适类型和规模的储能电源，形成风光储联合发电系统，通过储能电源的快速功率吞吐作用和电量时移能力，改善风光出力特性，使其成为相对可控、可调的电源，提高其并网运行的稳定性。目前尽管很多国家对储能技术及其在风电领域的应用展开了众多研究，但大多集中在协调控制方面，而在储能的应用需求方面缺乏深入的研究，没有形成系统性的需求评估方法。

传统的储能容量配置方法众多，各具特点，如差额补充法、时间常数法、经济特优法等。从具体的分析角度和实现途径出发，可将这些配置方法归纳为以下两大类：1)数据理论分析法，如文献“抑制风电对电网影响的储能系统优化配置及控制研究”。2)控制运行分析法，如文献“利用储能系统平抑风电功率波动的仿真研究”。以上文献在储能容量配置方面的研究已有了一定的广度和深度，作为需求评估的核心内容这是必要的。但作为决策者，在储能规划阶段需要考虑的不仅仅只是容量配置的问题，还包括了针对具体应用场景的储能选型以及不同可行配置方案之间的优选评估等。而这些方面目前的研究都鲜有涉及或者浅尝辄止，没有形成系统性的方法。如何将这些环节有机地结合起来，从整体上形成一套完整、严谨、系统的储能需求评估方法，从而为储能决策者提供相对完善和科学的规划指导。

技术实现要素：

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于风光微网的储能优化配置系统及方法，本方法提高了系统的完整度，以及方案对多种场景和多需求的适应性。

为解决上述技术问题，本发明所采取的技术方案是：

一方面，本发明提供一种基于风光微网的储能优化配置系统，包括：微网状态信息采集模块、风光互补配置模块、混合储能优化配置模块、风光储微网优化配置方案制定模块；

所述微网状态信息采集模块，包括风场数据采集模块、微网负荷数据采集模块和数据信息存储模块；所述风场数据采集模块用于采集风场状态信息，风场状态信息包括风电机组运行数据、风场气象数据和地质水文数据；所述微网负荷数据采集模块用于采集微网负荷数据；所述数据信息存储模块用于将风场数据采集模块和微网负荷数据采集模块采集的数据信息进行储存，并供风光互补配置模块查询使用；

所述风光互补配置模块包括风光初始配置模块和风光互补配置方案制定模块；所述风光初始配置模块用于选取数据信息存储模块中的风场出力数据、微网负荷数据和预设光伏出力数据，并查询使用数据信息存储模块中的风场气象数据和地质水文数据计算光伏组件建设土地面积，求得光伏的出力范围，初始化配置方案；风光互补配置方案制定模块用于根据风光互补差异系数和场区最大外送功率修改配置方案，确定风光互补配置方案，并进行经济性分析；

所述混合储能优化配置模块包括典型场景划分模块、储能初始配置模块、多模式联合模拟运行储能单元优化配置模块；所述典型场景划分模块用于根据风光互补配置方案结合局部负荷情况制定多场景规划模型，求取典型场景的出力曲线；储能初始配置模块用于对储能系统进行经济性分析建模得到初始配置方案，并作为储能优化经济性评估标准；多模式联合模拟运行储能单元优化配置模块用于通过多模式模拟运行分析，确定混合储能系统中能量型单元和功率型单元的参考值，得到储能优化配置方案，并传输到风光储微网优化配置方案制定模块；

所述风光储微网优化配置方案制定模块用于结合风光互补配置方案和储能初始配置方案完成风光储优化配置方案的制定，并对储能系统进行寿命预估和经济性评价；

所述风场数据采集模块和微网负荷数据采集模块将采集到的数据传输至数据信息存储模块；所述风光初始配置模块的输入端与数据信息存储模块的输出端相连接，输出端与风光互补配置方案制定模块的输入端相连接；所述典型场景划分模块的输入端与风光互补配置方案制定模块的输出端相连接、输出端与储能初始配置模块的输入端相连接；所述多模式联合模拟运行储能单元优化配置模块的输入端与储能初始配置模块的输出端相连接、输出端与风光储微网优化配置方案制定模块连接；所述风光储微网优化配置方案制定模块的输入端与多模式联合模拟运行储能单元优化配置模块的输出端相连接。

另一方面，本发明提供的基于风光微网的储能优化配置方法，通过一种基于风光微网的储能优化配置系统实现，包括如下步骤：

步骤1：根据风场状态信息以及微网负荷数据，确定风光互补配置方案；包括如下子步骤：

步骤1.1：选取整年风电出力曲线pw(*)和整年微网负荷功率曲线pl(*)；查取预设光伏单元出力曲线ppv(*)，并计算所选光伏组件单位功率所占用面积为spv；

步骤1.2：初始配置方案制定；

步骤1.2.1：根据地质水文数据计算风场利用土地闲置面积s，随机选取每个季度典型日气象数据确定综合阴影覆盖率χ，得出有效面积sref，最终求得光伏出力ppv_ad范围；

sref＝(1-χ)·s

0≤ppv_ad≤sref/spv＝pmax

式中：pmax为光伏出力最大值；spv光伏组件单位功率所占用面积；

步骤1.2.2：初始化光伏配置，计算光伏出力ppv_ad；

ppv_ad＝τ·ppv(t)

式中：ppv_ad为光伏出力；τ为等效系数，其变化步长为θ；ppv(t)为预设光伏单元出力；

步骤1.2.3：根据原风场最大同时出力系数，确定场区光伏最大外送功率ppvmax，所以ppv_ad≤ppvmax，

式中：ppvmax为场区光伏最大外送功率；pwmax为最大风电出力；为最大同时出力系数；

步骤1.3：根据风光互补差异系数完成互补优化配置，其差异系数定义为：

其中：t为采样点个数；pw(t)为第t个采样点风电输出功率；ppv_ad(t)为第t个采样点光伏等效输出功率；pl(t)为第t个采样点负荷功率；λref为光伏出力为零时求得的差异系数；

步骤1.3.1：保存配置方案，按上述公式计算风光出力差异系数，判断是否满足要求；若满足执行步骤1.3.2，若不满足执行步骤1.3.5；

步骤1.3.2：判断上述配置方案是否满足最大外送功率要求，若满足执行步骤1.3.3；若不满足执行步骤1.3.5；

步骤1.3.3：判断上述配置方案是否满足土地面积要求，若满足执行步骤1.3.4；若不满足则将上述配置方案保存为最优方案，执行步骤1.4；

步骤1.3.4：以步长θ增大等效系数，使得相应增加光伏出力形成新的配置方案，执行步骤3.1；

步骤1.3.5：以步长θ增大等效系数，使得相应增加光伏出力形成新的配置方案，然后判断配置方案是否满足土地面积要求，若满足执行步骤1.3.1；若不满足则将以最大光伏出力的配置方案作为最优方案；

步骤1.4：将满足约束要求的配置方案进行经济分析，即求出风光互补配置带来的的直接收益bpv，最终确定风光互补配置方案；

其中收益定义为：bpv＝n·ppv_ad·cpv-ppv_ad·cin-cf，cpv为光伏电价，cin为光伏列阵成本，cf为辅助设备投入，n为光伏工作年限。

步骤2：根据步骤1确定的风光互补配置方案，结合局部负荷情况制定多场景规划模型，并根据系统传输到混合储能优化配置模块；

步骤2.1：根据风光出力的季节性差异，选取四季为4个典型场景；根据风光昼夜出力差异，选取白天黑夜两个典型互补出力场景；根据局部负荷分布情况，选取工作日和非工作日2类典型场景；

步骤2.2：结合风光出力以及局部负荷，考虑系统中长期需求制定出考虑季节性差异的方案1共个8场景，包括春季工作日、春季非工作日、夏季工作日、夏季非工作日、秋季工作日、秋季非工作日、冬季工作日、冬季非工作日；考虑系统日前出力需求制定出考虑互补性的方案2共4个场景，包括工作日白天、工作日夜晚、非工作日白天、非工作日夜晚；

步骤2.3：根据状态信息处理模块中局部负荷数据以及风光互补配置模块中的风光出力数据，确定每个典型场景的出力曲线，并根据系统传输到混合储能优化配置模块。

步骤3：建立考虑综合经济成本的储能初始配置模型；将求得的典型场景的出力曲线输入到考虑综合经济成本的储能初始配置模型中，求得储能初始配置方案；储能初始配置模型的数学模型如下：

c＝(cinv+com+closs+ccut)

式中，c为基于综合成本的储能优化配置数学模型的目标函数；cinv为储能投入成本；com为储能系统运行维护成本；closs为弃电惩罚成本；ccut为切负荷惩罚成本，各自计算式如下：

储能投入成本cinv：

cinv＝(cep·phess+cee·ehess)·ε

式中，cep，cee分别为储能单位功率和单位容量的投资成本；phess，ehess分别为储能单位功率和单位容量；ε为资金回收系数，其计算式为i0(1+i0)^y/[(1+i0)y-1]，i0为折现率，y为储能使用寿命；

储能系统运行维护成本com：

式中，com_p、com_e分别为储能单位功率和单位容量的运行维护成本；eh_c(t)、eh_d(t)分别为储能系统年充电量和年放电量；d为典型日个数；t为采样点个数；

弃电惩罚成本closs：

式中，pd_max(t)，pd(t)分别为第d个典型日的第t个采样点的风光最大出力和实际出力；αloss为单位弃电损失；

切负荷惩罚成本ccut：

式中，为第d个典型日的第t个采样点中第k个节点的切负荷功率。

步骤4：储能初始配置方案根据“平抑波动”和“削峰填谷”的多模式联合运行分析，通过混合储能优化配置模块进行优化配置，输出储能优化配置方案；具体步骤如下：

步骤4.1：根据决策者给定的削峰率μpc确定削峰后峰值p′p_max，在功率/时间坐标系下以削峰后峰值p′p_max作一条平行于时间轴的削峰线；按照最小电量pp_min确定平行于时间轴的填谷线，

p′p_max＝pp_max/μpc

式中：pp_max为削峰前峰值，即风光复合出力的峰值；p′p_max为削峰后峰值；μpc为削峰率；

步骤4.2：通过削峰线和填谷线的划分将风光出力曲线划分成削峰区、填谷区和辅助平抑波动区；所述削峰区为削峰线上方区域，所述填谷区为填谷线下方区域，所述辅助平抑波动区为削峰线与填谷线围成区域；

步骤4.3：通过面积积分法计算削峰区和填谷区所需的削峰电量qch和填谷电量qdis，并验证削峰所需能量型单元充电电量和填谷所需能量型单元放电电量是否相等，若充电电量较大则以固定步长δl上移填谷线；若放电量较大则以固定步长δl下移填谷线，其中δl由决策者给定，最终得到平均电量作为能量型单元储能容量参考值，其中面积积分公式为：

其中，a1和b1为削峰区上下限，a2和b2为填谷区上下限，qch为削峰量、qdis为填谷量，ppv_w(t)为风光混合出力；

步骤4.4：建立辅助平抑波动区运行优化配置策略；

步骤4.4.1：对辅助平抑波动区的风光出力数据进行处理，选取固定时间m分钟的窗口下的风光出力，其中m为整数，采样数据为x(t-1),x(t-2),x(t-3),···,x(t-m)，将窗口内的所有数值做算术平均值，将平均值y(t)作为该时间窗口的中心点的数值作为该窗口的并网分量，采用点距平移窗口，确定其他窗口并网分量，其中表达式如下：

x(t)＝ppv_ad(t)+pw(t)

y(t)＝(x(t-1)+x(t-2)+x(t-3)+···+x(t-m))/m

步骤4.4.2：初始化时间窗口m对并网分量进行处理，统计控制周期内各个时间窗口的中心值；

步骤4.4.3：验证各个并网分量是否满足1分钟并网标准，若满足执行步骤4.4.4；若不满足执行步骤4.4.5；

步骤4.4.4：验证各个并网分量是否满足10分钟并网标准，若满足执行步骤4.4.6；若不满足执行步骤4.4.5；

步骤4.4.5：将时间窗口宽度增加1，并重新执行步骤4.4.2；

步骤4.4.6：通过计算满足1分钟和10分钟并网标准的最小时间窗口下的并网分量，得到波动分量，并将波动分量输入到带有变时间常数的功率分配器中，采用传统小波分析方法将波动分量分解为低频部分和高频部分，低频部分作为能量型储能单元容量参考值，高频部分作为功率型储能单元容量参考值，并将并网分量作为能量型单元容量参考值；

步骤4.5：综合考虑削峰区、填谷区和辅助平抑波动区内所需储能容量情况，通过能量型储能单元容量参考值和功率型储能单元参考值得出储能优化配置方案。

步骤5：对储能优化配置方案进行寿命评估，采用已有的等效循环寿命评估方法验证循环寿命是否满足要求，若不满足则需要调整储能优化配置方案，如满足则将使用寿命代入综合经济成本模型得到经济性指标，完成风光储微网优化配置方案。

采用上述技术方案所产生的有益效果在于：本发明提供的一种基于风光微网的储能优化配置系统及方法，本方法考虑风光功率在时间和空间上的互补特性，首先固定风场状态，以最大经济收益为目标，以土地资源、输送线路和互补特性为约束条件，确定新增光伏电站优化配置方案；结合风光储微网典型场景建立以综合成本为约束的储能初始配置方案；结合实践工程中对储能装置的多功能需求建立混合储能单元优化配置方案，实现应对“平抑波动”、“削峰填谷”等功能的合理优化配置，最终通过预测寿命和经济性分析验证方案制定的合理性，文中各个环节有机地结合起来，从整体上形成一套完整、严谨、系统的储能需求评估方法，从而为储能决策者提供相对完善和科学的规划指导，提高了系统的完整度，以及方案对多种场景和多需求的适应性。

附图说明

图1为本发明实施例提供的一种基于风光微网的储能优化配置系统结构框图；

图2为本发明实施例提供的一种基于风光微网的储能优化配置方法流程图；

图3为本发明实施例提供的风光互补配置方法流程图；

图4为本发明实施例提供的“平抑波动”和“削峰填谷”的多模式联合运行优化配置策略流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例的方法如下所述。

一方面，本发明提供一种基于风光微网的储能优化配置系统，如图1所示，包括：微网状态信息采集模块、风光互补配置模块、混合储能优化配置模块、风光储微网优化配置方案制定模块；

所述微网状态信息采集模块，包括风场数据采集模块、微网负荷数据采集模块和数据信息存储模块；所述风场数据采集模块用于采集风场状态信息，风场状态信息包括风电机组运行数据、风场气象数据和地质水文数据；所述微网负荷数据采集模块用于采集微网负荷数据；所述数据信息存储模块用于将风场数据采集模块和微网负荷数据采集模块采集的数据信息进行储存，并供风光互补配置模块查询使用；

所述风光互补配置模块包括风光初始配置模块和风光互补配置方案制定模块；所述风光初始配置模块用于选取数据信息存储模块中的风场出力数据、微网负荷数据和预设光伏出力数据，并查询使用数据信息存储模块中的风场气象数据和地质水文数据计算光伏组件建设土地面积，求得光伏的出力范围，初始化配置方案；风光互补配置方案制定模块用于根据风光互补差异系数和场区最大外送功率修改配置方案，确定风光互补配置方案，并进行经济性分析；

所述混合储能优化配置模块包括典型场景划分模块、储能初始配置模块、多模式联合模拟运行储能单元优化配置模块；所述典型场景划分模块用于根据风光互补配置方案结合局部负荷情况制定多场景规划模型，求取典型场景的出力曲线；储能初始配置模块用于对储能系统进行经济性分析建模得到初始配置方案，并作为储能优化经济性评估标准；多模式联合模拟运行储能单元优化配置模块用于通过多模式模拟运行分析，确定混合储能系统中能量型单元和功率型单元的参考值，得到储能优化配置方案，并传输到风光储微网优化配置方案制定模块；

所述风光储微网优化配置方案制定模块用于结合风光互补配置方案和储能初始配置方案完成风光储优化配置方案的制定，并对储能系统进行寿命预估和经济性评价；

所述风场数据采集模块和微网负荷数据采集模块将采集到的数据传输至数据信息存储模块；所述风光初始配置模块的输入端与数据信息存储模块的输出端相连接，输出端与风光互补配置方案制定模块的输入端相连接；所述典型场景划分模块的输入端与风光互补配置方案制定模块的输出端相连接、输出端与储能初始配置模块的输入端相连接；所述多模式联合模拟运行储能单元优化配置模块的输入端与储能初始配置模块的输出端相连接、输出端与风光储微网优化配置方案制定模块连接；所述风光储微网优化配置方案制定模块的输入端与多模式联合模拟运行储能单元优化配置模块的输出端相连接。

另一方面，本发明提供一种基于风光微网的储能优化配置方法，通过一种基于风光微网的储能优化配置系统实现，如图2所示，包括如下步骤：

步骤1：根据风场状态信息以及微网负荷数据，确定风光互补配置方案；如图3所示，包括如下子步骤：

步骤1.1：选取整年风电出力曲线pw(*)和整年微网负荷功率曲线pl(*)；查取预设光伏单元出力曲线ppv(*)，并计算所选光伏组件单位功率所占用面积为spv；本实施例中，spv＝25m²/km。

步骤1.2：初始配置方案制定；

步骤1.2.1：根据地质水文数据计算风场利用土地闲置面积s，随机选取每个季度典型日气象数据确定综合阴影覆盖率χ，得出有效面积sref，最终求得光伏出力ppv_ad范围；

sref＝(1-χ)·s

0≤ppv_ad≤sref/spv＝pmax

式中：pmax为光伏出力最大值；spv光伏组件单位功率所占用面积；

步骤1.2.2：初始化光伏配置，计算光伏出力ppv_ad；

ppv_ad＝τ·ppv(t)

式中：ppv_ad为光伏出力；τ为等效系数，其变化步长为θ；ppv(t)为预设光伏单元出力；

步骤1.2.3：根据原风场最大同时出力系数，确定场区光伏最大外送功率ppvmax，所以ppv_ad≤ppvmax，

式中：ppvmax为场区光伏最大外送功率；pwmax为最大风电出力；为最大同时出力系数；

步骤1.3：根据风光互补差异系数完成互补优化配置，其差异系数定义为：

其中：t为采样点个数；pw(t)为第t个采样点风电输出功率；ppv_ad(t)为第t个采样点光伏等效输出功率；pl(t)为第t个采样点负荷功率；λref为光伏出力为零时求得的差异系数；

步骤1.3.1：保存配置方案，按差异系数公式计算风光出力差异系数，判断是否满足要求；若满足执行步骤1.3.2，若不满足执行步骤1.3.5；

步骤1.3.2：判断上述配置方案是否满足最大外送功率要求，若满足执行步骤1.3.3；若不满足执行步骤1.3.5；

步骤1.3.3：判断上述配置方案是否满足土地面积要求，若满足执行步骤1.3.4；若不满足则将上述配置方案保存为最优方案，执行步骤1.4；

步骤1.3.4：以步长θ增大等效系数，使得相应增加光伏出力形成新的配置方案，执行步骤3.1；

步骤1.3.5：以步长θ增大等效系数，使得相应增加光伏出力形成新的配置方案，然后判断配置方案是否满足土地面积要求，若满足执行步骤1.3.1；若不满足则将以最大光伏出力的配置方案作为最优方案；

步骤1.4：将满足约束要求的配置方案进行经济分析，即求出风光互补配置带来的的直接收益bpv，最终确定风光互补配置方案；

其中收益定义为：bpv＝n·ppv_ad·cpv-ppv_ad·cin-cf，cpv为光伏电价，cin为光伏列阵成本，cf为辅助设备投入，n为光伏工作年限。

本实施例中，计算风场土地资源闲置面积s＝2km²，随机选取每个季度典型日影响数据确定综合阴影覆盖率χ＝0.4，得出有效面积sref＝(1-χ)·s＝1.2km²，求得新增光伏的功率范围，其取值为0≤ppv_ad≤sref/spv＝pmax，并初始化光伏配置，计算增建光伏等效出力ppv_ad(t)＝τ·ppv(t)，等效系数τ初值为1，步长θ为0.5，根据原风场最大同时出力系数求得光伏电站最大出力所以ppv_ad≤ppvmax。

步骤2：根据步骤1确定的风光互补配置方案，结合局部负荷情况制定多场景规划模型，并根据系统传输到混合储能优化配置模块；；

步骤2.1：根据风光出力的季节性差异，选取四季为4个典型场景；根据风光昼夜出力差异，选取白天黑夜两个典型互补出力场景；根据局部负荷分布情况，选取工作日和非工作日2类典型场景；

步骤2.2：结合风光出力以及局部负荷，考虑系统中长期需求制定出考虑季节性差异的方案1共个8场景，包括春季工作日、春季非工作日、夏季工作日、夏季非工作日、秋季工作日、秋季非工作日、冬季工作日、冬季非工作日；考虑系统日前出力需求制定出考虑互补性的方案2共4个场景，包括工作日白天、工作日夜晚、非工作日白天、非工作日夜晚；

步骤2.3：根据状态信息处理模块中局部负荷数据以及风光互补配置模块中的风光出力数据，确定每个典型场景的出力曲线，并根据系统传输到混合储能优化配置模块。

步骤3：建立考虑综合经济成本的储能初始配置模型；将求得的典型场景的出力曲线输入到考虑综合经济成本的储能初始配置模型中，求得储能初始配置方案；储能初始配置模型的数学模型如下：

c＝(cinv+com+closs+ccut)

式中，c为基于综合成本的储能优化配置数学模型的目标函数；cinv为储能投入成本；com为储能系统运行维护成本；closs为弃电惩罚成本；ccut为切负荷惩罚成本，各自计算式如下：

储能投入成本cinv：

cinv＝(cep·phess+cee·ehess)·ε

式中，cep，cee分别为储能单位功率和单位容量的投资成本；phess，ehess分别为储能单位功率和单位容量；ε为资金回收系数，其计算式为i0(1+i0)^y/[(1+i0)^y-1]，i0为折现率，y为储能使用寿命；

储能系统运行维护成本com：

式中，com_p、com_e分别为储能单位功率和单位容量的运行维护成本；eh_c(t)、eh_d(t)分别为储能系统年充电量和年放电量；d为典型日个数；t为采样点个数；

弃电惩罚成本closs：

式中，pd_max(t)，pd(t)分别为第d个典型日的第t个采样点的风光最大出力和实际出力；αloss为单位弃电损失；

切负荷惩罚成本ccut：

式中，为第d个典型日的第t个采样点中第k个节点的切负荷功率。

步骤4：储能初始配置方案根据“平抑波动”和“削峰填谷”的多模式联合运行分析，通过混合储能优化配置模块进行优化配置，输出储能优化配置方案；如图4所示，具体步骤如下：

步骤4.1：根据决策者给定的削峰率μpc确定削峰后峰值p′p_max，在功率/时间坐标系下以削峰后峰值p′p_max作一条平行于时间轴的削峰线；按照最小电量pp_min确定平行于时间轴的填谷线，

p′p_max＝pp_max/μpc

式中：pp_max为削峰前峰值，即风光复合出力的峰值；p′p_max为削峰后峰值；μpc为削峰率；

步骤4.2：通过削峰线和填谷线的划分将风光出力曲线划分成削峰区、填谷区和辅助平抑波动区；所述削峰区为削峰线上方区域，所述填谷区为填谷线下方区域，所述辅助平抑波动区为削峰线与填谷线围成区域；

步骤4.3：通过面积积分法计算削峰区和填谷区所需的削峰电量qch和填谷电量qdis，并验证削峰所需能量型单元充电电量和填谷所需能量型单元放电电量是否相等，若充电电量较大则以固定步长δl上移填谷线；若放电量较大则以固定步长δl下移填谷线，其中δl由决策者给定，最终得到平均电量作为能量型单元储能容量参考值，其中面积积分公式为：

其中，a1和b1为削峰区上下限，a2和b2为填谷区上下限，qch为削峰量、qdis为填谷量，ppv_w(t)为风光混合出力；

步骤4.4：建立辅助平抑波动区运行优化配置策略；

步骤4.4.1：对辅助平抑波动区的风光出力数据进行处理，选取固定时间m分钟的窗口下的风光出力，其中m为整数，采样数据为x(t-1),x(t-2),x(t-3),···,x(t-m)，将窗口内的所有数值做算术平均值，将平均值y(t)作为该时间窗口的中心点的数值作为该窗口的并网分量，采用点距平移窗口，确定其他窗口并网分量，其中表达式如下：

x(t)＝ppv_ad(t)+pw(t)

y(t)＝(x(t-1)+x(t-2)+x(t-3)+···+x(t-m))/m

步骤4.4.2：初始化时间窗口m对并网分量进行处理，统计控制周期内各个时间窗口的中心值；

步骤4.4.3：验证各个并网分量是否满足1分钟并网标准，若满足执行步骤4.4.4；若不满足执行步骤4.4.5；

步骤4.4.4：验证各个并网分量是否满足10分钟并网标准，若满足执行步骤4.4.6；若不满足执行步骤4.4.5；

步骤4.4.5：将时间窗口宽度增加1，并重新执行步骤4.4.2；

步骤4.4.6：通过计算满足1分钟和10分钟并网标准的最小时间窗口下的并网分量，得到波动分量，并将波动分量输入到带有变时间常数的功率分配器中，采用传统小波分析方法将波动分量分解为低频部分和高频部分，低频部分作为能量型储能单元容量参考值，高频部分作为功率型储能单元容量参考值，并将并网分量作为能量型单元容量参考值；

步骤4.5：综合考虑削峰区、填谷区和辅助平抑波动区内所需储能容量情况，通过能量型储能单元容量参考值和功率型储能单元参考值得出储能优化配置方案。

步骤5：对储能优化配置方案进行寿命评估，采用已有的等效循环寿命评估方法验证循环寿命是否满足要求，若不满足则需要调整储能优化配置方案，如满足则将使用寿命代入综合经济成本模型得到经济性指标，完成风光储微网优化配置方案。

本实施例中，根据系统给定削峰率μpc＝0.8确定削峰后峰值p′p_max＝pmax/μpc，以削峰后峰值p′p_max作一条平行于时间轴的削峰线；按照最小电量pp_min确定平行于时间轴的填谷线。

通过削峰线和填谷线的划分将风光出力曲线划分成削峰区、填谷区和辅助平抑波动区，具体操作如下：将削峰线上方区域作为削峰区、将填谷线下方区域作为填谷区、将削峰线与填谷线围成区域作为辅助平抑波动区。

通过面积积分法计算削峰区和填谷区所需的削峰电量qch和填谷电量qdis，并验证削峰所需能量型单元充电电量和填谷所需能量型单元放电电量是否相等，若充电电量较大则以固定步长δl上移填谷线；若放电量较大则以固定步长δl下移填谷线，最终得到平均电量作为能量型单元储能容量参考值。

本实施例中，建立辅助平抑波动模式下的优化配置策略。

对风光出力数据进行处理，选取固定时间mmin的窗口下的风光出力，采样数据为x(t-1),x(t-2),x(t-3),···,x(t-m),将窗口内的所有数值做算术平均值，将平均值y(t)作为该时间窗口的中心点的数值作为该窗口的并网分量，采用点距平移窗口，重复进行。

对并网分量进行处理，统计控制周期内各个时间窗口的中心值，验证各个并网分量是否满足不同时间尺度下的最大功率波动规范要求，如不满足调整时间窗口大小重新计算，最终得到并网参考分量，该分量采用单一型能量型储能元件。

对波动分量进行处理，将波动分量输入到带有变时间常数的功率分配器，该分配其中充分考虑电池单元状态，并配置过充过放保护装置，最终通过该分配器得到功率型和能量型的功率配比，进而求出控制周期内的容量配比。

将并网分量所需储能单元容量和波动出力所需储能容量进行求和，最终得出功率型和能量型储能元件的优化配比方案，并出入到综合成本模型验证经济性。

验证实际循环寿命是否满足要求，如不满足则需要调整配置方案，如满足则代入综合成本模型求得经济性指标，完成对整个优化配置系统的评价，完成风光储微网优化配置方案。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。