CN103715707B - 考虑电池寿命和过放现象的风电场储能容量优化方法 - Google Patents

Abstract

本发明公开了考虑电池寿命和过放现象的风电场储能容量优化方法，包括以下步骤：步骤一：根据储能系统的工作原理，以运行成本、惩罚成本和固有成本三部分的综合经济成本最小为优化目标，建立储能容量优化的目标函数；步骤二：建立约束条件，具体包括：功率约束，容量约束和电池寿命约束；步骤三：根据建立的目标函数和约束条件，采用遗传算法进行求解，求解最优的储能容量。采用该方法求得的最优容量，既可以保证较小的经济成本，也可以将功率波动控制在较小范围内。此外，对运行成本、惩罚成本、固有成本的关系进行了分析，证明了引入运行成本的必要性。

Description

考虑电池寿命和过放现象的风电场储能容量优化方法

技术领域

本发明涉及一种考虑电池寿命和过放现象的风电场储能容量优化方法。

背景技术

截至2013年初，全国风电装机容量达到7532万千瓦，位居世界第一。风电接入量的增加及其波动特性和间歇特性给电网的安全稳定运行带来了挑战。在风力较大时，为避免风机所发的较大功率对电网造成冲击，需要部分弃风；在无风状态下，部分风机仍同电网连接，发电机从电网中吸收有功功率，造成负的有功功率。因此，平滑风电出力成为重要研究课题。

储能系统的引入可以在风功率较大时进行充电，在风功率不足时进行放电进而减小对电网的不利影响。随着储能技术的日益进步，对蓄电池的充放电特性的研究显得十分重要。合理配置风电场的储能容量可以使风电场输出功率最大程度的满足期望输出，减少风功率的波动，提高风能利用率。

现有技术中，或是对储能系统的控制策略进行研究，或是对储能容量的合理配置进行研究。在这些研究中，鲜有考虑储能设备在运行过程中的寿命损伤所造成的影响。对同等的放电电量，不同储能容量对应的放电深度（Depth of discharge DOD）不同，对储能设备寿命的损伤不同。且在实际运行中，储能设备放电到下限时仍能以较小功率继续放电，即为过放现象，这一现象也会对电池寿命造成损伤。储能设备容量的合理配置需充分考虑这些因素的影响。由于目前较为实用的储能设备为蓄电池，但其储能容量有限，且风电场的容量较大，因此满足风功率输出期望值所需的蓄电池数量庞大，经济成本较高。

发明内容

为解决现有技术存在的不足，本发明公开了一种考虑电池寿命和过放现象的风电场储能容量优化方法，本申请以蓄电池为研究载体，将放电深度和过放现象对电池寿命的损伤折合为运行经济成本，同时考虑惩罚成本及固有成本，在保证输出功率的波动性较小的前提下，以总经济成本最小为目标，以容量限制、功率限制、充放电次数限制为约束，对储能系统的容量进行优化，经算例分析，结果表明，该方法可以以较小的经济成本配置合理的储能容量，同时将波动控制在较小范围内。

为实现上述目的，本发明的具体方案如下：

步骤一：根据储能系统的工作原理，以运行成本、惩罚成本和固有成本三部分的综合经济成本最小为优化目标，建立储能容量优化的目标函数；

步骤二：建立约束条件，具体包括：功率约束，容量约束和电池寿命约束；

步骤三：根据建立的目标函数和约束条件，采用遗传算法进行求解，求解最优的储能容量。

所述步骤一中的储能系统的工作原理为：当风电输出功率大于期望输出时，蓄电池充电，且当蓄电池充满电即达到储能容量最大值Smax时，蓄电池停止充电；当风电输出功率小于期望输出时，蓄电池放电，且当蓄电池放电达到储能容量最小值Smin时，蓄电池停止放电。

所述步骤一中的运行成本：是指储能设备运行过程中的寿命损失所对应的成本，主要包括放电深度影响、过放现象影响；

放电深度是指电池放出的容量占其额定容量的百分比，放电深度越深，对电池寿命的影响越大。同样，过放现象发生在电池电量达到下限Smin之后，会对电池寿命造成损伤。这两部分折合的成本称为运行成本；

惩罚成本：是指当经过储能系统作用后的功率输出仍未达到期望输出时，这部分未满足的能量称为惩罚能量，其对应的经济成本称为惩罚成本，是对未达到期望输出的惩罚，惩罚能量包括两部分：一是当蓄电池电量达到Smax后，多余的风电无法继续存储到蓄电池内，需要弃风，此时损失的一部分能量；二是当蓄电池电量达到Smin后，蓄电池虽以较小的过放功率继续放电，但无法满足期望输出，此时损失的一部分能量；

固有成本：主要是指储能系统的安装成本，其与储能系统的容量有关。

所述储能容量优化的目标函数的建立：首先将电池运行时间分为n个间隔为△t的时间段，其中△t根据期望输出的变化而定，本申请定为1h，目标函数如式（1）：

$\begin{array}{c}\min f={\mathrm{\δ}}_d\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{E}_{\mathrm{depth}}\left(i\right)+{\mathrm{\δ}}_e\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{E}_{\mathrm{extra}}\left(i\right)+\\ {\mathrm{\δ}}_l\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{E}_{\mathrm{loss}}\left(i\right)+{\mathrm{\δ}}_m{\mathrm{\δ}}_{\max }\end{array}---\left(1\right)$

式（1）中f为经济成本；E_depth(i)、E_extra(i)、E_loss(i)分别为第i个时段的充放电能量、过放能量、惩罚能量，δ_d为放电深度成本系数，δ_e为过放损失成本系数，δ_l为惩罚成本系数，δ_m固有成本系数；min{}为取最小值函数，S_max为需要求解的蓄电池最优容量即蓄电池最大电量。

式（1）中，在第i个时间段内E_depth(i)、E_extra(i)、E_loss(i)的表达式分别为：

E_depth(i)＝S(i)-S(i-1)      （2）

$\begin{array}{c}{E}_{\mathrm{extra}}\left(i\right)=\max \{{\mathrm{\λ}}_5\left(i\right),{\mathrm{\λ}}_7\left(i\right)\}\·\\ \min \left\{K_P\right[\mathrm{\Δt}-\frac{S(i-1)-S_{\min }}{P_R\left(t\right)-P_W\left(t\right)}\left]\right[P_R\left(t\right)-P_W\left(t\right)],S_{\min }\}\end{array}---\left(3\right)$

$\begin{array}{c}{E}_{\mathrm{loss}}\left(i\right)=\stackrel{\‾}{\max \{{\mathrm{\λ}}_2\left(i\right),{\mathrm{\λ}}_6\left(i\right)\}}\underset{t=(i-1)\mathrm{\Δt}}{\overset{t=\mathrm{i\Δt}}{\∫}}|P_W\left(t\right)-P_R\left(t\right)|\mathrm{dt}-\\ \max \{{\mathrm{\λ}}_1\left(i\right),{\mathrm{\λ}}_3\left(i\right)\}[S_{\max }-S(i-1)]-{\mathrm{\λ}}_4\left(i\right)P_{\mathrm{cha}\max }\mathrm{\Δt}-\\ \max \{{\mathrm{\λ}}_5\left(i\right),{\mathrm{\λ}}_7\left(i\right)\}[S(i-1)-S_{\min }+E_{\mathrm{extra}}\left(i\right)]-\\ {\mathrm{\λ}}_8\left(i\right)P_{\mathrm{dis}\max }\mathrm{\Δt}\end{array}---\left(4\right)$

式（2）～（4）中，max{}为取最大值函数，S_max为需要求解的蓄电池最优容量即蓄电池最大电量，S_min为蓄电池规定的最小电量，S(i-1)为i时段的初始电量即i-1时段蓄电池的剩余电量，S(i)为i时段的剩余电量；P_W(t)为t时刻风机输出功率，P_R(t)为t时刻负荷参考值，P_chamax、P_dismax分别为蓄电池最大充、放电功率，K_p为过放功率折扣系数，＿＿＿为取反符号，λ₁(i)…λ₈(i)为充放电状态标志，△t为时间间隔。

根据功率限制及容量限制进行区分，因每个时段内只能有一种状态，所以λ₁(i)…λ₈(i)取值原则为：

$\left\{\begin{array}{c}{\mathrm{\λ}}_1\left(i\right),...,{\mathrm{\λ}}_8\left(i\right)\∈\left\{\mathrm{0,1}\right\}\\ 0\≤{\mathrm{\λ}}_1\left(i\right)+...+{\mathrm{\λ}}_8\left(i\right)\text{\≤1}\end{array}\right.---\left(6\right)$

其中，λ₁(i)…λ₄(i)为充电状态标志，当P_W(t)>P_R(t)时，蓄电池充电，在此前提下：

λ₅(i)…λ₈(i)为放电状态标志，当P_R(t)>P_W(t)时，蓄电池放电，在此前提下：

根据各时段充放电状态标志的不同，对应的惩罚能量由不同的部分组成。

所述步骤二中功率约束：-P_dismax＜P_bat(t)＜P_chamax，其中：P_bat为电池的充放电功率

$\begin{array}{c}{P}_{\mathrm{bat}}\left(t\right)=\max \{{\mathrm{\λ}}_1\left(i\right),{\mathrm{\λ}}_3\left(i\right)\}\·[S_{\max }-S(i-1)]/\mathrm{\Δt}+\\ \max \{{\mathrm{\λ}}_2\left(i\right),{\mathrm{\λ}}_4\left(i\right)\}\·\min \{P_{\mathrm{cha}\max },(P_W\left(t\right)-P_R\left(t\right))\}\\ -\max \{{\mathrm{\λ}}_5\left(i\right),{\mathrm{\λ}}_7\left(i\right)\}\·[S(i-1)-S_{\min }+E_{\mathrm{extra}}\left(i\right)]/\mathrm{\Δt}-\\ \max \{{\mathrm{\λ}}_6\left(i\right),{\mathrm{\λ}}_8\left(i\right)\}\·\min \{P_{\mathrm{dis}\max ,},(P_R-P_W)\}\end{array}---\left(9\right)$

容量约束：S_min＜S(i)＜S_max，其中：P_R为期望输出参考值，P_W为风功率原始输出。

$\begin{array}{c}S\left(i\right)=\max \{{\mathrm{\λ}}_1\left(i\right),{\mathrm{\λ}}_3\left(i\right)\}\·S_{\max }+\\ \max \{{\text{\λ}}_2\left(i\right),{\mathrm{\λ}}_4\left(i\right)\}\·[S(i-1)+{\mathrm{\η}}_{\mathrm{cha}}\·\min \{P_{\mathrm{cha}\max ,},(P_W\left(t\right)-P_R\left(t\right))\}\·\mathrm{\Δt}]\\ +\max \{{\mathrm{\λ}}_5\left(i\right),{\mathrm{\λ}}_7\left(i\right)\}\·[S_{\min }-E_{\mathrm{extra}}\left(i\right)]+\\ \max \{{\mathrm{\λ}}_6\left(i\right),{\mathrm{\λ}}_8\left(i\right)\}\·[S(s-1)-{\mathrm{\η}}_{\mathrm{dis}}\·\min \{P_{\mathrm{dis}\max ,},(P_R\left(t\right)-P_W\left(t\right))\}\·\mathrm{\Δt}]\end{array}---\left(10\right)$

式中η_cha、η_dis为电池充放电效率。

电池寿命约束：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\max \{L_{\mathrm{cha}}\left(i\right),L_{\mathrm{dis}}\left(i\right)\}\≤N_{\max }$

$L_{\mathrm{cha}}\left(i\right)=\left\{\begin{array}{cc}0,& \begin{array}{c}\max ({\mathrm{\λ}}_1\left(i\right),{\mathrm{\λ}}_2\left(i\right),{\mathrm{\λ}}_3\left(i\right),{\mathrm{\λ}}_4\left(i\right))=\\ \max ({\mathrm{\λ}}_1(i-1),{\mathrm{\λ}}_2(i-1),{\mathrm{\λ}}_3(i-1),{\mathrm{\λ}}_4(i-1))\end{array}\\ 1,& \mathrm{else}\end{array}\right.$

$L_{\mathrm{dis}}\left(i\right)=\left\{\begin{array}{cc}0,& \begin{array}{c}\max ({\mathrm{\λ}}_5\left(i\right),{\mathrm{\λ}}_6\left(i\right),{\mathrm{\λ}}_7\left(i\right),{\mathrm{\λ}}_8\left(i\right))=\\ \max ({\mathrm{\λ}}_5(i-1),{\mathrm{\λ}}_6(i-1),{\mathrm{\λ}}_7(i-1),{\mathrm{\λ}}_8(i-1))---\left(11\right)\end{array}\\ 1,& \mathrm{else}\end{array}\right.$

式中N_max为允许的充放电次数极限值。L_cha(i)、L_dis(i)分别为第i个时段的连充状态标志、连放状态标志，若连续两个时段均为充电，则说明连充，若连续两个时段均为放电，说明连放。

运行成本、惩罚成本、固有成本的关系：在实际运行中，对同一风电场，储能容量越大，同等的放电能量对应的放电深度越浅，过放现象也会相应减少，对寿命的损伤越小，其对应的运行成本越小，但由于储能容量增加，固有成本会增加。此外，储能容量增加，风电输出功率对期望输出的满足程度也会提高，即惩罚成本也会相应减小。因此，在同样的充放电条件下，从经济成本最优的角度，电池容量增加，固有成本增加，运行成本降低，惩罚成本降低，反之，亦然。

由上述分析可知，固有成本与运行成本、惩罚成本之间存在制约关系，因此文中在对目标函数的寻优过程中，考虑三者之间的关系，得到最经济的容量配置结果。

遗传算法是一种通过模拟自然进化过程搜索最优解的高效方法，它克服了一般迭代算法容易陷入局部最小的陷阱而出现死循环的现象。

所述步骤三中其具体求解步骤为：

步骤（3-1）导入风电场风机的输出功率，计算负荷参考值；

步骤（3-2）建立式（1）的目标函数，作为子程序，每一次迭代都需调用该函数；

步骤（3-3）设置算法初始条件，包括：初始种群大小popsize、最大代数Generationmax、交配概率pcrossover、变异概率pmutation并产生初始种群；

步骤（3-4）种群交叉：每两个父代将相异部分基因进行交叉，产生新的个体；

步骤（3-5）适应度评估：计算交叉产生的新个体的适应度，用来评判种群中个体的优劣；

步骤（3-6）种群选择：选择种群中适应度最大的个体进行下一代繁殖；

步骤（3-7）种群变异：随机选择个体，以设定的变异概率随机改变数据中某个基因的值；

步骤（3-8）步骤（3-4）-（3-7）循环，当在设定的代数内适应度达到最大时，程序停止，输出对应的电池容量及经济成本。

本发明的有益效果：

本专利通过引入储能系统使风功率输出最大程度满足期望输出，以减小风电不稳定特性造成的影响。将放电深度及过放现象等造成的寿命损伤折合为运行成本，将未满足期望输出部分的能量折合为惩罚成本，同时考虑储能设备的固有成本，以该三部分综合经济成本最小为优化目标，以功率约束、容量约束、电池寿命约束为约束条件，以遗传算法为求解方法，求解最优的储能容量。采用该方法求得的最优容量，既可以保证较小的经济成本，也可以将功率波动控制在较小范围内。此外，对运行成本、惩罚成本、固有成本的关系进行了分析，证明了引入运行成本的必要性。

附图说明

图1一年时间中某一天的储能效果图；

图2电池充放电功率图；

图3电池剩余电量图；

图4储能效果图；

图5SOC图。

具体实施方式：

下面结合附图对本发明进行详细说明：

本专利的具体实施例选取山东电力调度通信中心EMS系统统计的威海地区某风电场自2011年1月1日00:00至2011年12月31日24:00的风电运行数据，采样间隔为5min，总有效数据为100120个。

期望输出参考值的确定方法

为减小波动性，每隔特定时间段T求取一段期望输出参考值。T=N△t，N为T时间段内的点数，则在T时间内，P_R(t)应满足：

$P_R\left(t\right)=\frac{1}{N}\underset{t=t_1}{\overset{t_2}{\mathrm{\Σ}}}{P}_W\left(t\right),t\∈[t_1,t_2]---\left(11\right)$

其中t₁=t₀+(i-1)T，t₂=t₁+(N-1)△t，t₀为初始时刻，t1为T的起始值，t2为T的结束值。本文选取T=1h，△t=5min，因此N=12。参数选取

表1参数选取

实际中，δ_e、δ_p等的单位应为“￥/MW·h”，由于本专利所求目标函数f意为相对成本，因此取为“/MW·h”。

其中，由于放电深度的影响始终存在，因此文中将δ_d定为0.1；过放时电池损失较为明显，因此将δ_e定为0.2；δ_l取值为0.3表明该部分权重较大，即希望惩罚成本尽可能小，使得储能平抑后的风功率输出与期望输出尽可能一致；固有成本作为一次性投资成本，其占比较为恒定，因此δ_m取值较小。

风功率数据采用威海某风电场一年的数据，以电池运行一年的时间为限，经第二节的遗传算法求解，对式（1）中的目标函数进行求解，所得结果如表2。

表2储能容量优化结果

为分析该储能效果的优劣，从定性和定量两个方面进行分析。定性方面，本专利给出给出一年时间中某一天的储能效果图，如图1所示。

由图1可直观看出经过储能系统平抑后的的风功率输出基本与期望输出值一致，但有部分时段风功率输出与期望输出值不完全一致，有较明显的尖波，如5时的上尖波，8时的下尖波，是由于充放电功率及容量等限制导致的。

图2和图3为电池充放电功率图及电池剩余电量图，其中剩余电量用电池荷电状态SOC表示，见式（12）。

$\mathrm{SOC}\left(i\right)=\frac{S\left(i\right)}{S_{\max }}---\left(12\right)$

由图2可以看出，在选定的这一天中电池的充放电功率均在功率限制范围内，由图3可以看出，在该天内，电池的荷电状态在允许范围内。说明电池运行状态良好。

为定量分析平抑效果，本专利分别从波动性和经济性两个方面对储能效果进行分析，采用两个评价指标：有功功率偏差率及储能经济因子，前者用来评价储能系统对波动的平抑作用，见式（13），其值越小，说明平抑效果越好；后者用来评价储能系统的经济性，见式（14），其为储能实际提供的总能量与平抑所有波动所需的实际总能量之比，其值越接近1说明经济性越高。计算结果见表3。

$\mathrm{\α}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left\{\frac{[P\left(t\right)-P_R\left(t\right)]}{P_R\left(t\right)}\right\}}^2---\left(13\right)$

$\mathrm{\β}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{t=(i-1)\mathrm{\Δt}}{\overset{\mathrm{i\Δt}}{\∫}}|P_W\left(t\right)-P\left(t\right)|\mathrm{dt}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{t=(i-1)\mathrm{\Δt}}{\overset{\mathrm{i\Δt}}{\∫}}|P_W\left(t\right)-P_R\left(t\right)|\mathrm{dt}}---\left(14\right)$

式（13）、（14）中，α为有功功率偏差率，β为储能经济因子，P(t)为经过储能系统作用后的输出功率，其表达式为：

P(t)＝P_W(t)-P_bat(t)   （15）

表3储能效果评价

由表3可知，增加储能系统后，有功功率偏差率降低了66.23%，储能经济因子明显提高。说明由该方法求得的最优储能容量对风功率的输出具有较好的平抑作用，且其经济性较高。不考虑运行成本的结果分析

由于文中引入运行成本这一影响因素，为验证这一因素的影响效果，本节将对考虑运行成本和不考虑运行成本的结果进行对比分析。

对式（1）的目标函数，不考虑运行成本，仅保留第二部分和第三部分，即目标函数变为：

$\min f={\mathrm{\δ}}_e\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{E}_{\mathrm{extra}}\left(i\right)+{\mathrm{\δ}}_l\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{E}_{\mathrm{loss}}\left(i\right)+{\mathrm{\δ}}_m{S}_{\max }---\left(16\right)$

采用遗传算法对式（16）进行求解，得到蓄电池的最优容量1.083MW·h，成本f为1622。在实际中，由于运行成本的存在，实际的成本f应采用式（1）计算。将该结果与考虑运行成本的结果进行对比，见表4。

表4优化结果对比

由表4可知，不考虑运行成本时的总成本显著增加。图4、图5为此时的储能效果图、SOC图。表5为储能效果评价结果。

表5不考虑运行成本效果评价

对比图1和图4可看出，储能容量减小后，风电场的输出功率不符合期望输出的情况明显增加。对比图3和图5可看出，储能容量减小后，更容易达到电池容量的上限，也更容易发生过放现象，这对电池寿命的损伤也更为严重。由表5的定量分析可知，不考虑运行成本后的储能效果从波动性和经济性两个方面均变差。其中，有功功率偏差率增加了39.117%，说明对波动的平抑效果降低；储能经济因子降低34.5%，说明储能的经济性降低，由此可见，考虑运行成本的储能容量配置效果更好。

为削弱风功率输出的波动性，使输出功率最大程度的接近期望输出，本专利引入储能系统。考虑电池运行过程中的寿命损伤，提出了由放电深度及过放现象所造成的运行成本这一概念。具体可归纳为以下两方面：

（1）以运行成本、惩罚成本、固有成本的联合最优为目标，以功率限制、容量限制、充放电次数限制为约束条件，以遗传算法为工具，对储能系统的最有容量进行求解，所得结果表明该方法可以在保证输出功率整体波动较小的前提下，使经济成本最小。

（2）对运行成本、惩罚成本、固有成本的关系进行了分析，并对不考虑运行成本的情况进行算例验证，与考虑运行成本的情况进行对比，结果表明，不考虑运行成本时的储能容量虽然有所减小，但其运行成本增加，储能效果的波动性增强，经济性降低。充分说明引入运行成本的必要性。

Claims (4)

1.考虑电池寿命和过放现象的风电场储能容量优化方法，其特征是，包括以下步骤：

步骤一：根据储能系统的工作原理，以运行成本、惩罚成本和固有成本三部分的综合经济成本最小为优化目标，建立储能容量优化的目标函数；

步骤二：建立约束条件，具体包括：功率约束，容量约束和电池寿命约束；

步骤三：根据建立的目标函数和约束条件，采用遗传算法进行求解，求解最优的储能容量；

所述步骤二中电池寿命约束：

式中，N_max为允许的充放电次数极限值，L_cha(i)、L_dis(i)分别为第i个时段的连充状态标志、连放状态标志，若连续两个时段均为充电，则说明连充，若连续两个时段均为放电，说明连放，λ₁(i)…λ₈(i)为i时段充放电状态标志；

所述λ₁(i)…λ₈(i)取值原则为：

所述步骤一中储能容量优化的目标函数的建立：首先将电池运行时间分为n个间隔为△t的时间段，其中△t根据期望输出的变化而定，目标函数如式(1)：

式(1)中f为经济成本；E_depth(i)、E_extra(i)、E_loss(i)分别为第i个时段的充放电能量、过放能量、惩罚能量，δ_d为放电深度成本系数，δ_e为过放损失成本系数，δ_l为惩罚成本系数，δ_m固有成本系数；min{}为取最小值函数；

所述式(1)中，在第i个时间段内E_depth(i)、E_extra(i)、E_loss(i)的表达式分别为：

E_depth(i)＝S(i)-S(i-1)  (2) 

式(2)～(4)中，max{}为取最大值函数，S_max为需要求解的蓄电池最优容量即蓄电池最大电量，S_min为蓄电池规定的最小电量，S(i-1)为i时段的初始电量即i-1时段蓄电池的剩余电量，S(i)为i时段的剩余电量；P_W(t)为t时刻风机输出功率，P_R(t)为t时刻负荷参考值，P_chamax、P_dismax分别为蓄电池最大充、放电功率，K_p为过放功率折扣系数，——为取反符号，t时刻、Δt与i时段、i-1时段之间的关系是：t∈[(i-1)Δt,iΔt]；

λ₁(i)…λ₄(i)为充电状态标志，当P_W(t)>P_R(t)时，蓄电池充电，在此前提下：

λ₅(i)…λ₈(i)为放电状态标志，当P_R(t)>P_W(t)时，蓄电池放电，在此前提下：

2.如权利要求1所述的考虑电池寿命和过放现象的风电场储能容量优化方法，其特征是，所述步骤二中功率约束：-P_dismax＜P_bat(t)＜P_chamax，其中：

其中：P_bat(t)为电池的充放电功率。

3.如权利要求1所述的考虑电池寿命和过放现象的风电场储能容量优化方法，其特征是，所述步骤二中容量约束：S_min＜S(i)＜S_max，其中：

式中，η_cha、η_dis为电池充放电效率。

4.如权利要求1所述的考虑电池寿命和过放现象的风电场储能容量优化方法，其特征是，所述步骤三中其具体求解步骤为：

步骤(3-1)导入风电场风机的输出功率，计算负荷参考值；

步骤(3-2)建立式(1)的目标函数，作为子程序，每一次迭代都需调用该函数；

步骤(3-3)设置算法初始条件，包括：初始种群大小popsize、最大代数Generationmax、交配概率pcrossover、变异概率pmutation并产生初始种群；

步骤(3-4)种群交叉：每两个父代将相异部分基因进行交叉，产生新的个体；

步骤(3-5)适应度评估：计算交叉产生的新个体的适应度，用来评判种群中个体的优劣；

步骤(3-6)种群选择：选择种群中适应度最大的个体进行下一代繁殖；

步骤(3-7)种群变异：随机选择个体，以设定的变异概率随机改变数据中某个基因的值；

步骤(3-8)步骤(3-4)-(3-7)循环，当在设定的代数内适应度达到最大时，程序停止，输出对应的电池容量及经济成本。