CN103248065B - 一种风电场中电池储能系统的充放电控制方法 - Google Patents

Abstract

本发明涉及一种风电场中电池储能系统的充放电控制方法，属于电力系统最优化计算技术领域。本发明方法针对风电削峰填谷、功率平滑、跟踪曲线三种模式下风电场中BESS的充放电控制模型，采用基于现代内点法的两阶段计算方法求解模型，从而快速、有效地求解充放电控制模型，得到控制时间内每个时间段电池储能系统输出的有功功率值。本发明方法具有良好的收敛性；限制一个周期内BESS充放电能量，有助于延长电池寿命。通过对风电场有功功率预测数据进行插值，可减小BESS的有功功率调整间隔，从而对不同时间尺度上的风电场有功功率波动进行限制。

Description

一种风电场中电池储能系统的充放电控制方法

技术领域

本发明涉及一种风电场中电池储能系统的充放电控制方法，属于电力系统最优化计算技术领域。

背景技术

近年来以风力发电技术为代表的可再生能源技术迅速发展，然而，由于风能具有随机性、间歇性、不稳定性等特点，大型风电场在并网时会对电网的稳定性、电能质量、电网调度等诸多方面造成负面影响。因此，减小风电场输出功率的波动十分必要，可以通过静止无功补偿器、静止同步补偿器、储能系统等来改善风电并网时带来的影响。上述措施中，电池储能系统（Battery Energy Storage System，以下简称BESS）由于具有最大的控制灵活性而得到广泛研究。

目前广泛采用的电池储能系统削峰填谷日前优化模型中，基于分时电价理论，以获得最大的经济效益为目标，一个小时对应一个负荷点，一天一共24个点。这样的模型优化出的结果过于粗糙，电池充放电起止时刻不精确，无法平抑分钟级时间尺度上的负荷功率波动。另外，电池的非线性物理约束使得优化模型难以求解。平滑算法的一个重点是如何考虑储能系统电池寿命和功率、能量约束的限制，算法定位在短时风电场有功功率平滑，缺乏对长时间尺度下平滑效果最优的考虑。基于动态规划算法的针对风电场有功功率平滑及跟踪指定发电有功功率曲线两种目标的充放电策略，然而对电池充放电状态的离散化使得得到的优化策略和离散程度相关，且随着离散化程度的提高，计算时间会大大上升，不利于实时控制。

发明内容

本发明的目的是提出一种风电场中电池储能系统的充放电控制方法，针对风电功率的削峰填谷、平滑及跟踪指定有功功率曲线三种应用模式，建立包含风储系统功率波动限制约束并考虑电池寿命的优化模型，并采用基于现代内点法的风电场中BESS充放电控制方法，根据风电场有功功率预测结果对BESS的充放电进行控制。

本发明提出的风电场中电池储能系统的充放电控制方法，包括以下步骤：

（1）建立风电场中电池储能系统的充放电控制模型：

$\begin{array}{cc}\underset{S}{\min }& f\end{array}$

s.t.

$\frac{T}{N}{P}_{\mathrm{ch}\arg e}\≤S_i-S_{i+1}\≤\frac{T}{N}{P}_{\mathrm{disch}\arg e},i=\mathrm{0,1},L,N-1$

S_low≤S_i≤S_high,i=0,1,L,N

$\frac{T}{N}(-P_{\mathrm{mpc}}+W_i-W_{i+1})\≤{2S}_{i+1}-S_i-S_{i+2}$

$\≤\frac{T}{N}(P_{\mathrm{mpc}}+W_i-W_{i+1}),i=\mathrm{0,1},L,N-2$

$0\≤\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{z}_i(S_i-S_{i+1})\≤k\·S_N$

$0\&le;(z_i-\frac{1}{2})(S_i-S_{i+1})<\&infin;,i=\mathrm{0,1},L,N-1$

$z_i=\begin{array}{}\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array}\right.\end{array}$

其中，T为对风电场中电池储能系统的控制时间长度，N为控制时间长度内的有功功率预测点数，W₀,W₁,L,W_N-1为预测得到的风电场有功功率，W_i为i～(i+1)时间内的风电场有功功率，i=0,1,L,N-1，S_i为i时刻电池储能系统的剩余能量，初始时刻的剩余能量为S₀，S_high为电池储能系统的最大剩余能量，S_low为电池储能系统的最小剩余能量，S_N为电池储能系统的额定能量；d(S)为电池储能系统在控制时间内的总放电能量；P_discharge为电池储能系统的最大放电功率，P_charge为电池储能系统的最大充电功率，P_mpc为控制时间内相邻时段间风电场输出的有功功率最大变化值，k为在控制时间内的电池储能系统的最大放电能量与电池储能系统的额定能量的比值；

（2）为风电场中电池储能系统的充放电控制设定目标函数如下：

（2-1）削峰填谷的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}[(W_i+B_i)-\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}(W_i+B_i){]}^2$

B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1；

（2-2）有功功率平滑的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-2}{\mathrm{\&Sigma;}}}[(W_{i+1}+B_{i+1})-(W_i+B_i){]}^2$

B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1；

（2-3）跟踪曲线的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}[(W_i+B_i)-P_i{]}^2$

B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1；

（3）设定风电场中电池储能系统的充放电控制模型的约束条件如下：

（3-1）风电场中电池储能系统的功率和能量约束条件如下：

P_charge≤B_i≤P_discharge,  i=0,1,L,N-1

S_low≤S_i≤S_high,  i=1,2,L,N

其中：B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1，设定电池储能系统放电时的有功功率B为正，充电时有功功率B为负，S_i为i时刻电池储能系统的剩余能量，初始时刻的剩余能量为S₀，S_high为电池储能系统的最大剩余能量，S_low为电池储能系统的最小剩余能量，P_discharge为电池储能系统的最大放电功率，P_charge为电池储能系统的最大充电功率；

（3-2）风电场功率变化约束：

设定控制时间内相邻两个时间段的风电场有功功率之间的差值的约束条件如下：

|(B_i+1+W_i+1)-(B_i+W_i)|≤P_mpc,i=0,1,L,N-2

P_mpc为控制时间内相邻时段间风电场输出的有功功率最大变化值；

（3-3）电池储能系统放电能量约束条件如下：

$d\left(S\right)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_i(S_i-S_{i+1})\&le;k{S}_N$

$(z_i-\frac{1}{2})(S_i-S_{i+1})\&GreaterEqual;0,i=\mathrm{0,1},L,N-1$

$z_i=\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array}\right.,i=\mathrm{0,1},L,N-1$

（4）采用两阶段现代内点法，求解步骤（1）-（3）中所建立的控制模型，包括以下步骤：

（4-1）从风电场监控系统中读取风电场有功功率预测值W₀,W₁,L,W_N-1、电池储能系统的当前剩余能量S₀、电池储能系统的最大剩余能量S_high、电池储能系统的最小剩余能量S_low、电池储能系统的额定能量S_N、电池储能系统的最大放电功率P_discharge、电池储能系统的最大充电功率P_charge、控制时间内相邻时段间风电场输出的有功功率最大变化值P_mpc以及控制时间内的电池储能系统的最大放电能量与电池储能系统的额定能量的比值k；

（4-2）设定控制模型计算所采用的现代内点法的迭代求解次数阈值，将控制模型中的z_i作为变量，根据读取的步骤（4-1）的参数，用现代内点法对控制模型进行求解，若计算结果满足上述各约束条件，且计算结果使得风电场中电池储能系统的充放电控制目标函数f的值最小，则结束计算，得到控制时间内每个时间段电池储能系统输出的有功功率值；若计算结果不满足所有上述各约束条件中任何一条，则对重复次数进行判断，若重复次数小于迭代求解次数阈值，则重复本步骤，直到计算结果使得风电场中电池储能系统的充放电控制目标函数f的值最小，若重复次数大于迭代求解次数阈值，则进入步骤（4-2）；

（4-3）修改步骤（4-2）求解中未满足的约束条件，若为风电场有功功率最大变化约束未得到满足，则根据步骤（4-2）的风电场有功功率最大变化值，修改控制时间内相邻两个时间段的风电场有功功率之间的差值P_mpc，进行计算，若为电池储能系统放电能量未满足约束条件，则根据步骤（4-2）的计算结果，计算z_i的值， $z_i=\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array}\right.,$ i=0,1,L,N-1，将该z_i的值代入步骤（1）的控制模型，进行计算，得到控制时间内每个时间段电池储能系统输出的有功功率值。

本发明提出的风电场中电池储能系统的充放电控制方法，其优点是，本方法针对风电削峰填谷、功率平滑、跟踪曲线三种模式下风电场中BESS的充放电要求，提出了基于现代内点法的两阶段优化算法，能够快速、有效地实现对风电场中电池储能系统的充放电控制，而且具有良好的收敛性和优化效果。本发明方法中，限制一个周期内BESS充放电能量，有助于延长电池寿命。通过对风电场有功功率预测数据进行插值，可减小BESS的有功功率调整间隔，从而对不同时间尺度上的风电场有功功率波动进行限制。本发明方法提出的控制方法，具有多项式时间复杂性，因此当增加数据点数量时，计算时间依然较短，而增加数据点可以减小储能系统控制策略的调整周期，有利于实现对风电场中电池储能系统充放电的在线实时控制。

具体实施方式

本发明提出的风电场中电池储能系统的充放电控制方法，包括以下步骤：

（1）建立风电场中电池储能系统的充放电控制模型：

$\begin{array}{cc}\underset{S}{\min }& f\end{array}$

s.t.

$\frac{T}{N}{P}_{\mathrm{ch}\arg e}\&le;S_i-S_{i+1}\&le;\frac{T}{N}{P}_{\mathrm{disch}\arg e},i=\mathrm{0,1},L,N-1$

S_low≤S_i≤S_high,i=0,1,L,N

$\frac{T}{N}(-P_{\mathrm{mpc}}+W_i-W_{i+1})\&le;{2S}_{i+1}-S_i-S_{i+2}$

$\&le;\frac{T}{N}(P_{\mathrm{mpc}}+W_i-W_{i+1}),i=\mathrm{0,1},L,N-2$

$0\&le;\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_i(S_i-S_{i+1})\&le;k\&CenterDot;S_N$

$0\&le;(z_i-\frac{1}{2})(S_i-S_{i+1})<\&infin;,i=\mathrm{0,1},L,N-1$

$z_i=\begin{array}{c}\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array}\right.\end{array}$

其中，T为对风电场中电池储能系统的控制时间长度，N为控制时间长度内的有功功率预测点数，W₀,W₁,L,W_N-1为预测得到的风电场有功功率，W_i为i～(i+1)时间内的风电场有功功率，i=0,1,L,N-1，S_i为i时刻电池储能系统的剩余能量，初始时刻的剩余能量为S₀，S_high为电池储能系统的最大剩余能量，S_low为电池储能系统的最小剩余能量，S_N为电池储能系统的额定能量；d(S)为电池储能系统在控制时间内的总放电能量；P_discharge为电池储能系统的最大放电功率，P_charge为电池储能系统的最大充电功率，P_mpc为控制时间内相邻时段间风电场输出的有功功率最大变化值，k为在控制时间内的电池储能系统的最大放电能量与电池储能系统的额定能量的比值。

（2）为风电场中电池储能系统的充放电控制设定目标函数如下：

（2-1）对风电场有功功率进行削峰填谷的目标是使得一个完整周期内风电场输出的有功功率尽可能的平滑，为便于优化模型的求解，可用有功输出曲线上各个点与平均输出功率的方差尽可能小来表示，削峰填谷的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}[(W_i+B_i)-\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}(W_i+B_i){]}^2$

B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1，上式的值越小，风电场在一个控制周期内输出的有功功率波动越小，峰谷差越小。

（2-2）对风电场有功功率进行平滑的目标是使得风电场有功功率的波动尽可能小，可用有功输出曲线上相邻两个点的之差的平方和尽可能小来表示，有功功率平滑的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-2}{\mathrm{\&Sigma;}}}[(W_{i+1}+B_{i+1})-(W_i+B_i){]}^2$

B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1，上式的值越小，短时间内风电场有功功率波动越小，即越平滑。

（2-3）跟踪计划曲线的目标是使得风电场输出的有功功率与上报给电网公司的计划曲线尽可能的接近，跟踪曲线的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}[(W_i+B_i)-P_i{]}^2$

B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1，上式的值越小，两条曲线就越接近。

（3）设定风电场中电池储能系统的充放电控制模型的约束条件如下：

（3-1）风电场中电池储能系统的电池能量和功率约束：

风电场中电池储能系统的充放电控制模型还需满足电池储能系统的功率和能量等物理限制。电池储能系统的功率和能量约束条件如下：

P_charge≤B_i≤P_discharge,  i=0,1,L,N-1

S_low≤S_i≤S_high,  i=1,2,L,N

其中：B₀,B₁,L,B_N-1为电池储能系统输出的有功功率，为i～(i+1)时间内电池储能系统输出的有功功率，i=0,1,L,N-1，设定电池储能系统放电时的有功功率B为正，充电时有功功率B为负，S_i为i时刻电池储能系统的剩余能量，初始时刻的剩余能量为S₀，S_high为电池储能系统的最大剩余能量，S_low为电池储能系统的最小剩余能量，P_discharge为电池储能系统的最大放电功率，P_charge为电池储能系统的最大充电功率；

为了确保电池储能系统能在新的周期开始时拥有同样的调节能力，可使其在N时刻的剩余能量和0时刻的相同。

（3-2）风电场功率变化约束：

设定控制时间内相邻两个时间段的风电场有功功率之间的差值的约束条件如下：

|(B_i+1+W_i+1)-(B_i+W_i)|≤P_mpc,i=0,1,L,N-2

P_mpc为控制时间内相邻时段间风电场输出的有功功率最大变化值；

（3-3）电池储能系统放电能量约束

电池的使用寿命与它的放电周期相关，一个完整的放电周期意味着电池的累计放电能量达到电池的额定容量。若要延长电池的使用时间，可以限制一天内电池的放电能量，也即限制一天内电池储能系统用于调节的容量。当电池储能系统放电能量d(S)达到电池储能系统额定能量时，即完成了一次完整放电，由于放能量来自于电池，所以完成一次完整放电的时候必然对应有一次完整的充电过程。

电池储能系统放电能量约束条件如下：

$d\left(S\right)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_i(S_i-S_{i+1})\&le;k{S}_N$

$(z_i-\frac{1}{2})(S_i-S_{i+1})\&GreaterEqual;0,i=\mathrm{0,1},L,N-1$

$z_i=\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array}\right.,i=\mathrm{0,1},L,N-1$

（4）采用两阶段现代内点法，求解步骤（1）-（3）中所建立的控制模型，包括以下步骤：

由于现代内点法需要提供约束的雅克比矩阵，而模型中关于电池充放电能量的约束其表达式不定，决定于具体的充放电策略，因而此约束无法得到其确定的导数。约束随着不同的充放电策略而变化，提供的导数信息不明确，获取的下降方向是在前次计算下的结果，未必能反映下次计算中的下降趋势，因而当电池充放电能量约束成为起作用约束时，迭代结果可能在可行域边界振荡，从而使得问题不收敛，解在可行域边界振荡。此外，由于电池储能系统的功率和容量有限，当风电场有功功率最大变化约束无法满足时，也可能出现算法不收敛现象。

因此将问题划分为两阶段进行求解，两个阶段中对未得到满足的约束（电池充放电能量或风电场有功功率最大变化约束）进行不同处理。

（4-1）从风电场监控系统中读取风电场有功功率预测值W₀,W₁,L,W_N-1、电池储能系统的当前剩余能量S₀、电池储能系统的最大剩余能量S_high、电池储能系统的最小剩余能量S_low、电池储能系统的额定能量S_N、电池储能系统的最大放电功率P_discharge、电池储能系统的最大充电功率P_charge、控制时间内相邻时段间风电场输出的有功功率最大变化值P_mpc以及控制时间内的电池储能系统的最大放电能量与电池储能系统的额定能量的比值k，

（4-2）设定控制模型计算所采用的现代内点法的迭代求解次数阈值，将控制模型中的z_i作为变量，根据读取的步骤（4-1）的参数，用现代内点法对控制模型进行求解，若计算结果满足上述各约束条件，且计算结果使得风电场中电池储能系统的充放电控制目标函数f的值最小，则结束计算，得到控制时间内每个时间段电池储能系统输出的有功功率值；若计算结果不满足所有上述各约束条件中任何一条，则对重复次数进行判断，若重复次数小于迭代求解次数阈值，则重复本步骤，直到计算结果使得风电场中电池储能系统的充放电控制目标函数f的值最小，若重复次数大于迭代求解次数阈值，则进入步骤（4-2）；

（4-3）修改步骤（4-2）求解中未满足的约束条件，若为风电场有功功率最大变化约束未得到满足，则根据步骤（4-2）的风电场有功功率最大变化值，修改控制时间内相邻两个时间段的风电场有功功率之间的差值P_mpc，进行计算，若为电池储能系统放电能量未满足约束条件，则根据步骤（4-2）的计算结果，计算z_i的值， $z_i=\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array}\right.,$ i=0,1,L,N-1，将该z_i的值代入步骤（1）的控制模型，进行计算，得到控制时间内每个时间段电池储能系统输出的有功功率值。

由于第一阶段计算的后期结果的振荡都在充放电能量上限值附近，因而限定zi值时得到的解仍然十分接近最优解，能够满足工程需要。

Claims (1)

1.一种风电场中电池储能系统的充放电控制方法，其特征在于该方法包括以下步骤：

(1)建立风电场中电池储能系统的充放电控制模型：

$\begin{array}{cc}\underset{s}{\min }& f\end{array}$

s.t.

$\frac{T}{N}{P}_{\mathrm{ch}\arg e}\&le;S_i-S_{i+1}\&le;\frac{T}{N}{P}_{\mathrm{disch}\arg e},i=\mathrm{0,1},...,N-1$

S_low≤S_i≤S_high,i＝0,1,…,N

$\begin{array}{c}\frac{T}{N}(-P_{\mathrm{mpc}}+W_i-W_{i+1})\&le;2S_{i+1}-S_i-S_{i+2}\\ \&le;\frac{T}{N}(P_{\mathrm{mpc}}+W_i-W_{i+1}),i=\mathrm{0,1},...,N-2\end{array}$

$0\&le;\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_i(S_i-S_{i+1})\&le;k\&CenterDot;S_N$

$0\&le;(z_i-\frac{1}{2})(S_i-S_{i+1})<\&infin;,i=\mathrm{0,1},...,N-1$

$z_i=\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array}\right.$

其中，T为对风电场中电池储能系统的控制时间长度，N为控制时间长度内的有功功率预测点数，W₀,W₁,…,W_N-1为预测得到的风电场有功功率，W_i为i～i+1时间内的风电场有功功率，i＝0,1,…,N-1，S_i为i时刻电池储能系统的剩余能量，初始时刻的剩余能量为S₀，S_high为电池储能系统的最大剩余能量，S_low为电池储能系统的最小剩余能量，S_N为电池储能系统的额定能量；d(S)为电池储能系统在控制时间内的总放电能量；P_discharge为电池储能系统的最大放电功率，P_charge为电池储能系统的最大充电功率，P_mpc为控制时间内相邻时段间风电场输出的有功功率最大变化值，k为在控制时间内的电池储能系统的最大放电能量与电池储能系统的额定能量的比值；

(2)为风电场中电池储能系统的充放电控制设定目标函数如下：

(2-1)削峰填谷的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{[(W_i+B_i)-\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}(W_i+B_i)]}^2$

B₀,B₁,…,B_N-1为电池储能系统输出的有功功率，为i～i+1时间内电池储能系统输出的有功功率，i＝0,1,…,N-1；

(2-2)有功功率平滑的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-2}{\mathrm{\&Sigma;}}}{[(W_{i+1}+B_{i+1})-(W_i+B_i)]}^2$

B₀,B₁,…,B_N-1为电池储能系统输出的有功功率，为i～i+1时间内电池储能系统输出的有功功率，i＝0,1,…,N-1；

(2‐3)跟踪曲线的目标函数表示为：

$f=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{[(W_i+B_i)-P_i]}^2$

B₀,B₁,…,B_N-1为电池储能系统输出的有功功率，为i～i+1时间内电池储能系统输出的有功功率，i＝0,1,…,N-1；

(3)设定风电场中电池储能系统的充放电控制模型的约束条件如下：

(3‐1)风电场中电池储能系统的功率和能量约束条件如下：

P_charge≤B_i≤P_discharge,i＝0,1,…,N-1

S_low≤S_i≤S_high,i＝1,2,…,N

其中：B₀,B₁,…,B_N-1为电池储能系统输出的有功功率，为i～i+1时间内电池储能系统输出的有功功率，i＝0,1,…,N-1，设定电池储能系统放电时的有功功率B为正，充电时有功功率B为负，S_i为i时刻电池储能系统的剩余能量，初始时刻的剩余能量为S₀，S_high为电池储能系统的最大剩余能量，S_low为电池储能系统的最小剩余能量，P_discharge为电池储能系统的最大放电功率，P_charge为电池储能系统的最大充电功率；

(3‐2)风电场功率变化约束：

设定控制时间内相邻两个时间段的风电场有功功率之间的差值的约束条件如下：

|(B_i+1+W_i+1)-(B_i+W_i)|≤P_mpc,i＝0,1,…,N-2

P_mpc为控制时间内相邻时段间风电场输出的有功功率最大变化值；

(3‐3)电池储能系统放电能量约束条件如下：

$d\left(S\right)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_i(S_i-S_{i+1})\&le;k{S}_N$

$(z_i-\frac{1}{2})(S_i-S_{i+1})\&GreaterEqual;0,i=\mathrm{0,1},...,N-1$

$z_i=\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array},\right.$ i＝0,1,…,N-1

(4)采用两阶段现代内点法，求解步骤(1)‐(3)中所建立的控制模型，包括以下步骤：

(4-1)从风电场监控系统中读取风电场有功功率预测值W₀,W₁,…,W_N-1、电池储能系统的当前剩余能量S_i、电池储能系统的最大剩余能量S_high、电池储能系统的最小剩余能量S_low、电池储能系统的额定能量S_N、电池储能系统的最大放电功率P_discharge、电池储能系统的最大充电功率P_charge、控制时间内相邻时段间风电场输出的有功功率最大变化值P_mpc以及控制时间内的电池储能系统的最大放电能量与电池储能系统的额定能量的比值k；

(4-2)设定控制模型计算所采用的现代内点法的迭代求解次数阈值，将控制模型中的z_i作为变量，根据读取的步骤(4-1)的参数，用现代内点法对控制模型进行求解，若计算结果满足上述各约束条件，且计算结果使得风电场中电池储能系统的充放电控制目标函数f的值最小，则结束计算，得到控制时间内每个时间段电池储能系统输出的有功功率值；若计算结果不满足所有上述各约束条件中任何一条，则对重复次数进行判断，若重复次数小于迭代求解次数阈值，则重复本步骤，直到计算结果使得风电场中电池储能系统的充放电控制目标函数f的值最小，若重复次数大于迭代求解次数阈值，则进入步骤(4-2)；

(4-3)修改步骤(4-2)求解中未满足的约束条件，若为风电场有功功率最大变化约束未得到满足，则根据步骤(4-2)的风电场有功功率最大变化值，修改控制时间内相邻两个时间段的风电场有功功率之间的差值P_mpc，进行计算，若为电池储能系统放电能量未满足约束条件，则根据步骤(4-2)的计算结果，计算z_i的值， $z_i=\left\{\begin{array}{c}0,S_i-S_{i+1}\&le;0\\ 1,S_i-S_{i+1}>0\end{array},\right.$ i＝0,1,…,N-1，将该z_i的值代入步骤(1)的控制模型，进行计算，得到控制时间内每个时间段电池储能系统输出的有功功率值。