CN105140942A - 考虑核电状态偏差的混合储能优化功率分配方法 - Google Patents

Abstract

本发明公开了考虑核电状态偏差的混合储能优化功率分配方法，包括以下步骤：平抑偏移量的计算：基于小波变换的多孔算法多尺度分解获取分离偏移量时序，通过功和能量型储能介质独立承担平抑偏移量的高频和低频分量；以锂电池LiB和超级电容Uc作为混合储能的构成介质，考虑影响HESS运行的荷电状态SOC主导因素，以荷电状态SOC偏移方差最小为目标函数构建优化模型；考虑充放电功率和容量限值约束，构建混合储能介质的充放电功率分配模式；以实际风电场运行数据进行算例分析，计算结果表明本申请所提方法可有效实现混合储能系统的高效控制，具有一定实际应用价值。

Description

考虑核电状态偏差的混合储能优化功率分配方法

技术领域

本发明涉及考虑核电状态偏差的混合储能优化功率分配方法。

背景技术

随着分布式可再生能源发电的快速发展，针对其间歇和随机性的固有属性，储能成为平抑功率波动的重要方式。随着研究推进，有学者对于上述文献中单一储能介质配置的不足进行了探讨，指出优势特性互补的复合储能是储能技术未来重要的发展方向。复合储能可根据所选介质特性，构建协调、合理的运行策略，弥补单一介质的不足，以利于提升储能系统的适应能力和运行可靠性。

目前已有国内外学者就风电场中混合储能的容量配置和控制问题展开了相关研究。文献在大规模风电配置超级电容(Ultracapacitor，Uc)和蓄电池构成的混合储能系统，并采用Uc优先响应和蓄电池适时调整Uc的SOC方式构建充放电策略；现有文献中利用模糊控制理论将功率平抑任务在混合储能介质中分配，当Uc电量充足时由其独立平抑功率波动，依此减少蓄电池充放电次数；还有文献中利用自学习的神经网络考虑储能系统特性参数与平滑效果间的关系，并基于储能系统参数-平滑度、成本特性建立长期数学模型，获取混合储能系统的最佳参数组合；还有文献中则结合平抑效果、剩余容量等因素，对功率型储能和能量型储能的进行平抑任务分配；现有文献中通过设定初级和次级滤波，并分别由Sc和锂电池(Li-ionBattery，LiB)承担短时间尺度和长时间尺度的波动平抑；还有文献中则提出了由蓄电池和Sc构成的混合储能系统的优化能量管理方案。

综上而言，上述研究对于促进储能系统与可再生能源发的有效融合具有重要推动作用。但同时，考虑到混合储能运行控制的实时性，上述模式的控制策略无法对未来风电场出力的极度复杂性均具备适应性，也无法实现混合储能在各介质之间的功率优化分配。

发明内容

为解决现有技术存在的不足，本发明公开了考虑核电状态偏差的混合储能优化功率分配方法，混合储能系统HybridEnergyStorageSystem(HESS)，本发明提出了一种HESS优化控制方法，并以具备一定应用和推广可行性的锂电池LiB和超级电容Uc作为混合储能的构成介质，考虑影响HESS运行的荷电状态SOC等主导因素，构建有效的充放电策略以及本区间的多目标优化控制模型，有效提升HESS的整体运行效果，并在SOC、充放电切换、平抑效果等方面均具有优化提升作用。

为实现上述目的，本发明的具体方案如下：

考虑核电状态偏差的混合储能优化功率分配方法，包括以下步骤：

平抑偏移量的计算：基于小波变换的多孔算法多尺度分解获取分离偏移量时序，通过功率型和能量型储能介质独立承担平抑偏移量的高频和低频分量；

以锂电池LiB和超级电容Uc作为混合储能的构成介质，考虑影响HESS运行的荷电状态SOC主导因素，以荷电状态SOC偏移方差最小为目标函数构建优化模型，并考虑充放电功率和容量限值约束进行功率分配。

其中，功率型储能可以快速的充放电状态转换，但能量密度较小，而平抑偏移量的高频分量波动频繁，能量较小，因此功率型储能适合平抑高频分量偏移量；同理，能量型储能受充放电状态转换限制，但能量密度较高，而偏移量的低频分量波动平缓，但能量较大，因此能量型储能适合低频分量的平抑。

进一步的，平抑偏移量的计算时采用的公式为：

P_total＝P_h-fre+P_l-fre(1)

其中，P_total为混合储能的平抑偏移量；P_h-fre为偏移量的高频分量；P_l-fre为偏移量的对应低频分量。

进一步的，平抑分量分解为高频和低频风量，HESS中两种储能(LiB和Uc)分别对其进行平抑。在平抑过程中，将以LiB和Uc的SOC偏移量方差最小作为目标函数构建优化模型，即式2.

优化模型对应的目标函数为：

$\begin{array}{c}\min F=\underset{i=1}{\overset{n}{\Σ}}\underset{t=t_{s-i}}{\overset{t_{e-i}}{\Σ}}\{{\left|{\mathrm{SOC}}_{LiB}\left(t\right)-{\mathrm{SOC}}_{opt-LiB}\right|}^2\\ +{\left|{\mathrm{SOC}}_{Uc}\left(t\right)-{\mathrm{SOC}}_{opt-Uc}\right|}^2\}\end{array}---\left(2\right)$

其中，n为递进步长内充放区间数；SOC_opt-LiB、SOC_opt-Uc分别为锂电池及超级电容最佳运行荷电状态SOC；SOC_LiB(t)、SOC_Uc(t)分别为本区间锂电池及超级电容的实时荷电状态SOC数值，t_s-i、t_e-i分别为第i个充放电区间的起始和停止时刻，F为优化目标函数值。

进一步的，SOC_LiB(t)、SOC_Uc(t)分别为SOC_int-LiB、SOC_int-Uc、P_LiB(t)、P_Uc(t)的函数：

SOC_LiB(t)＝f(SOC_int-LiB,P_LiB(t))(3)

SOC_Uc(t)＝f(SOC_int-Uc,P_Uc(t))(4)

式中，P_LiB(t)、P_Uc(t)分别为锂电池LiB和超级电容Uc的充放电功率瞬时值，SOC_int-LiB、SOC_int-Uc分别为锂电池LiB和超级电容Uc初始荷电状态。

进一步的，在该目标函数下，超级电容Uc优先动作模式中按既定充放电策略，锂电池LiB仅针对充放电功率越限部分能量；而锂电池LiB主要动作模式下，在锂电池LiB启动且其充放电功率及其变化率和荷电状态SOC均满足平抑条件时，将作为平抑能量主体，而超级电容Uc则在与锂电池LiB充放状态一致的前提下决定自身是否启动及其荷电状态SOC变化趋势。

进一步的，约束条件主要包括充放电功率约束、SOC约束。。

充放电功率约束：

P_{max-discha-LiB}<P(t)<P_max-cha-LiB(5)

P_{max-discha-Uc}<P(t)<P_max-cha-Uc(6)

其中，P_{max-discha-LiB}，P_max-cha-LiB分别为LiB的最大放电和充电功率；P_{max-discha-Uc}，P_max-cha-Uc分别为Uc的最大放电和充电功率。P(t)为充放电功率。

荷电状态SOC约束

SOC_min-LiB<SOC_LiB(t)<SOC_max-LiB(7)

SOC_min-Uc<SOC_Uc(t)<SOC_max-Uc(8)

其中，SOC_min-LiB，SOC_max-LiB分别为LiB的最小和最大SOC值；SOC_min-Uc，SOC_max-Uc分别为Uc的最小和最大SOC值。SOC_LiB(t)，SOC_Uc(t)分别为LiB及Uc的荷电状态SOC。

进一步的，对于优化模型的求解步骤为：

1)根据递进协调控制算法和本步长数据确定优化目标函数；

2)设置粒子群维数D，最大迭代次数M_max，收敛精度σ_thresh，同时初始化粒子群位置x和速度v，并给定初始SOC_int-LiB、SOC_int-Uc数值；

3)根据既定充放电策略和目标函数计算各粒子适应度值F；

4)将各粒子适应度值与自身粒子极值及全局粒子极值比较，若与其它粒子的适应度值相对较小，则更新各粒子个体极值e_best及全局例子适应度极值g_best；5)判断当前计算是否满足收敛条件，若是，则提取当前P_LiB、P_Uc即为最优充放电功率；若否，则更新各粒子位置x及速度v，并重复步骤3-5。

所述更新各粒子的位置x及速度v按照下式进行：

$\begin{array}{cc}{v}_i^{n+1}={\mathrm{wv}}_i^n+c_1{r}_1\left(e_{besti}^n-x_i^n\right)+c_2{r}_2\left(g_{best}-x_i^n\right)& x_i^{n+1}=x_i^n+{\mathrm{gv}}_i^{n+1}\end{array}---\left(14\right)$

其中，n为当前循环次数；c1、c2为粒子权重系数；w为惯性权重；r1、r2为(0,1)内均匀分布随机数；x_i、v_i为第i维粒子的位置与速度；x_i ⁿ、v_i ⁿ分别为当前循环x_i、v_i的数值；x_i ⁿ⁺¹、v_i ⁿ⁺¹分别为下次循环x_i、v_i的更新值；g为约束因子，e_besti为第i维粒子的个体极值，g_best为全局例子适应度极值。

本发明的有益效果：

混合储能可具备多种储能介质优质特性，对于平抑功率波动具有更好的技术优势。本发明分析影响混合储能系统运行效率的主导因素，并针对其构建高效的充放电控制策略；基于此，以荷电状态(SOC)偏移方差最小为目标函数构建优化模型，考虑充放电功率和容量限值约束，构建混合储能介质的充放电功率分配模式；最后，给出了求解算法和实现步骤。以实际风电场运行数据进行算例分析，计算结果表明本申请所提方法可有效实现混合储能系统的高效控制，具有一定实际应用价值。

附图说明

图1a统一偏移量时序图；

图1b分离偏移量时序-低频分量图；

图1c分离偏移量时序-高频分量图；

图2a锂电池优化充放电功率图；

图2b超级电容优化充放电功率图；

图3a锂电池优化SOC图；

图3b超级电容优化SOC图；

图4a锂电池优化充放电功率图；

图4b超级电容优化充放电功率图；

图5a锂电池优化SOC图；

图5b超级电容优化SOC图；

图6a锂电池优化充放电功率图；

图6b超级电容优化充放电功率图；

图7a锂电池优化SOC图；

图7b超级电容优化SOC图。

具体实施方式：

下面结合附图对本发明进行详细说明：

平抑偏移量的计算：基于小波变换的多孔算法多尺度分解：获取分离偏移量时序，如式(1)所示，通过功率型和能量型储能介质独立承担平抑偏移量的高频和低频分量。

P_total＝P_h-fre+P_l-fre(1)

其中，P_total为混合储能的平抑偏移量；P_h-fre为偏移量的高频分量；P_l-fre为偏移量的对应低频分量。

如图1a-图1c所示，分别为：具体的统一偏移量时序图及分离偏移量时序-低频分量图、分离偏移量时序-高频分量图。

混合储能充放电模型，其中，混合储能特性分析：

LiB处于轻充轻放状态将显著提升其寿命，过充尤其是过放将严重影响其运行状态。因此LiB运行需在限定SOC区间，尽量减少越限运行，而Uc因其特性不受SOC限制，且其SOC大幅波动有利于容量的充分利用；考虑寿命周期，LiB需避免频繁充放电切换，而Uc不受该因素制约。控制策略的构建基于平抑效果得到可靠保证的基础上，即平抑后的偏移量方差需限于平抑效果的评价区间，且其数值应尽量减小。

充放电控制：该充放电策略充分发挥能量型储能LiB大容量的特性，而Uc则具备快速的充放电能力，并且SOC可大范围变化特性，因此该策略应充分实现混合储能的特性互补。当LiB、Uc同时启动，需实现混合储能各介质间功率分配的优化，以此达到整个混合储能系统的高效运行。

递进控制步长区间内的HESS优化控制需同时考虑协调平抑的内外部因素，即HESS的运行状态和平抑效果，因此，递减控制的重点在于HESS运行状态的最优化。基于此，本申请构建以HESS的SOC最佳运行为目标的优化模型。

目标函数：已知递进控制步长区间的各介质初始SOC_int-LiB、SOC_int-Uc，基于充放电策略，使得本区间内各介质偏移最佳SOC的方差和最小。该目标函数主要解决本递进控制步长区间内充放能量在各介质间的协调分配问题。目标函数如式(2)所示。

$\begin{array}{c}\min F=\underset{i=1}{\overset{n}{\&Sigma;}}\underset{t=t_{s-i}}{\overset{t_{e-i}}{\&Sigma;}}\{{\left|{\mathrm{SOC}}_{LiB}\left(t\right)-{\mathrm{SOC}}_{opt-LiB}\right|}^2\\ +{\left|{\mathrm{SOC}}_{Uc}\left(t\right)-{\mathrm{SOC}}_{opt-Uc}\right|}^2\}\end{array}---\left(2\right)$

其中，n为递进步长内充放区间数；SOC_opt-LiB、SOC_opt-Uc分别为最佳运行SOC，本申请分别取0.6和0.5；SOC_LiB(t)、SOC_Uc(t)分别为本区间各介质的实时SOC数值，其数值基于充放电策略确定，并且为SOC_int-LiB、SOC_int-Uc、P_LiB(t)、P_Uc(t)的函数：

SOC_LiB(t)＝f(SOC_int-LiB,P_LiB(t))(3)

SOC_Uc(t)＝f(SOC_int-Uc,P_Uc(t))(4)

式中，P_LiB(t)、P_Uc(t)分别为LiB和Uc的充放电功率瞬时值。

该目标函数主要针对混合介质同时启动情况下的能量分配问题，同等的充放电能量对于不同额定容量的介质，其SOC变化程度不等。一般而言，HESS中LiB容量相对Uc较大，因此，在该目标函数下，Uc优先动作模式中按既定充放电策略，LiB仅针对充放电功率越限部分能量；而LiB主要动作模式下，在LiB启动且其充放电功率及其变化率和SOC均满足平抑条件时，将作为平抑能量主体，而Uc则在与LiB充放状态一致的前提下决定自身是否启动及其SOC变化趋势。

约束条件：约束条件主要包括充放电功率约束、SOC约束和充放电功率变化速率约束。

1)充放电功率约束

P_{max-discha-LiB}<P(t)<P_max-cha-LiB(5)

P_{max-discha-Uc}<P(t)<P_max-cha-Uc(6)

其中，P_{max-discha-LiB}，P_max-cha-LiB分别为LiB的最大放电和充电功率；P_{max-discha-Uc}，P_max-cha-Uc分别为Uc的最大放电和充电功率。

2)SOC约束

SOC_min-LiB<SOC_LiB(t)<SOC_max-LiB(7)

SOC_min-Uc<SOC_Uc(t)<SOC_max-Uc(8)

其中，SOC_min-LiB，SOC_max-LiB分别为LiB的最小和最大SOC值；SOC_min-Uc，SOC_max-Uc分别为Uc的最小和最大SOC值。

求解算法：本申请采用已被广泛应用于求解各类数值优化问题的粒子群算法，由于递进优化的区间计算量相对较小，利于发挥PSO搜索精度高和收敛效果好的优势。具体模型求解步骤为：

1)根据递进协调控制算法和本步长数据确定优化目标函数；

2)设置粒子群维数D，最大迭代次数M_max，收敛精度σ_thresh，同时初始化粒子群位置x和速度v，并给定初始SOC_int-LiB、SOC_int-Uc数值；

3)根据既定充放电策略和目标函数计算各粒子适应度值F；

4)将各粒子适应度值与自身粒子极值及全局粒子极值比较，若适应度值较小，则更新各粒子个体极值e_best及全局例子适应度极值g_best；

5)判断当前计算是否满足收敛条件，若是则提取当前P_LiB、P_Uc即为最优充放电功率；若否则更新各粒子位置x及速度v，并重复步骤3-5.

$\begin{array}{cc}{v}_i^{n+1}={\mathrm{wv}}_i^n+c_1{r}_1\left(e_{besti}^n-x_i^n\right)+c_2{r}_2\left(g_{best}-x_i^n\right)& x_i^{n+1}=x_i^n+{\mathrm{gv}}_i^{n+1}\end{array}---\left(14\right)$

其中n为当前循环次数；c₁、c₂为粒子权重系数；w为惯性权重；r₁、r₂为(0,1)内均匀分布随机数；x_i、v_i为第i维粒子的位置与速度；g为约束因子。

算例分析：为验证本申请方法有效性，基于风电场实际运行数据进行混合储能超前协调控制的效果分析。该风场装机容量100MW，混合储能系统中Lib额定容量配置为10.5MWh，Uc为6MWh，各采样点间隔为5min。由平抑后的功率偏移量方差χ、LiB充放电切换次数N、SOC运行区间及过程曲线构建控制效果评价指标系统，并与常规方法对比分析验证本申请方法的有效性和优越性。上述指标参数中，平抑后的功率偏移量方差χ是控制方法平抑效果的表征指标，LiB充放电切换次数N和SOC运行曲线则可代表HESS运行寿命的衡量参数。优化计算相关参数如表1所示：

表格1相关参数

1)算例1：提取该风电场某年度3月份运行数据，基于本申请所提方法，计算结果如表格2所示：

表格2计算结果

如表格2所示，本申请所提方法在相关评价指标上均有大幅改变，其中充放电启动因采用Uc独立承担弱能量区间的充放电任务，因此LiB的启动次数显著降低，相比减少75.1％，利于提升其有效运行寿命；而在平抑效果方面，由于LiB和Uc的协调配合，有效避免某一介质SOC或充放电功率的越限，使得平抑后的功率偏移量方差降低41.7％，保证了平抑效果；同时本申请协调LiB和Uc同时启动状态下充放电能量的分配策略，使得各介质SOC逼近最优运行状态，本申请目标函数数值F降低46.9％。

进一步考察本申请方法各介质的充放电功率和SOC的变化过程，为利于显示，选取一定时间截面区间P_LiB(t)、P_Uc(t)显示如图2a-2b所示,SOC_LiB(t)、SOC_Uc(t)如图7a-7b所示。

充放电功率方面，由图2a-2b可以看出，P_LiB(t)和P_Uc(t)的协调使得各自充放电功率越限概率极低，同时P_Uc(t)独立承担弱能量区间的充放电使P_LiB(t)有效减少充放电启动，而在两者同时充放启动的状况下，P_LiB(t)可承担更多的平抑任务。以1036点为例，该点平抑所需放电功率较大，因相同充放能量时LiB的SOC变化量较小，此时P_LiB(t)承担更多放电任务，同时结合图3a-图3b中SOC可以看出，其SOC_LiB变化较SOC_Uc要小，说明在两者同时启动状态下，各介质的充放电功率可在本申请优化目标函数下，可自动合理的解决充放电功率协调和能量分配问题。

SOC方面，LiB适合于浅充浅放，而Uc则可发挥其SOC可大范围变化的优势，既可实现其额定容量的充分利用，也可将其控制于限值范围内，图3a-图3b表明，本申请方法可有效实现上述目标。

2)算例2：提取该风电场某年度7月份运行数据，计算结果如表格3所示；选取一定时间截面区间P_LiB(t)、P_Uc(t)、SOC_LiB(t)、SOC_Uc(t)分别如图4a-4b、5a-5b所示。

表格3计算结果

表格3中相关评价指标同样均有较大幅度优化，其中LiB的启动次数相比减少78.3％，而平抑后的功率偏移量方差降低43.5％；同时本申请目标函数数值F降低50.8％。总体而言达到了本申请方法的目标。

在充放电功率和荷电状态方面，该算例同样较好的实现了本申请方法的优化目标。以5193点为例，该点同样放电平抑任务较重，需较大容量放电容量，此时两者同时启动，LiB承担较大放电容量，但其SOC接近下限，此时Uc承担起了剩余放电功率，虽然此时会增加其SOC偏移最佳运行点的程度，但该方法仍是平衡平抑效果、SOC非越限运行、各介质充放功率协调三者的最佳方式。

3)算例3：为进一步验证本申请方法，提取该风场11月份运行数据，计算结果如表格4所示；选取一定时间截面区间P_LiB(t)、P_Uc(t)、SOC_LiB(t)、SOC_Uc(t)分别如图6a-6b、图7a-7b所示。

表格4计算结果

表格4中相关评价指标同样均有较大幅度优化，其中LiB的启动次数相比减少74.4％，而平抑后的功率偏移量方差降低41.6％；同时本申请目标函数数值F降低51.8％。总体而言达到了本申请方法的目标。在充放电功率和荷电状态方面，该算例同样较好的实现了本申请方法的优化目标。

综合上述算例可以看出，本申请提出的混合储能超前协调控制策略通过递进区间优化有效实现了长时间运行状态的最优化。对于本申请重点探讨的各介质同时启动状态下的充放功率分配问题，所提方法可保证各介质SOC运行状态及平抑效果的前提下使其得到有效解决；同时本申请方法可以有效减小LiB的充放电转换次数，充分发挥Uc的介质特性，并在平抑效果、SOC运行状态方面均有明显改善提升。

该文构建混合储能控制的优化功率分配方案，并考虑实际条件约束，同时给出了实现算法和求解步骤。利用实际风电场运行数据进行验证，根据SOC运行区间等多个评价指标的分析结果，表明本申请控制方法高效可靠，具有一定的理论价值和实际应用价值。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.考虑核电状态偏差的混合储能优化功率分配方法，其特征是，包括以下步骤：

平抑偏移量的计算：基于小波变换的多孔算法多尺度分解获取分离偏移量时序，通过功率型和能量型储能介质独立承担平抑偏移量的高频和低频分量；

以锂电池LiB和超级电容Uc作为混合储能的构成介质，考虑影响HESS运行的荷电状态SOC主导因素，以荷电状态SOC偏移方差最小为目标函数构建优化模型；并考虑充放电功率和容量限值约束进行功率分配。

2.如权利要求1所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，平抑偏移量的计算时采用的公式为：

P_total＝P_h-fre+P_l-fre(1)

其中，P_total为混合储能的平抑偏移量；P_h-fre为偏移量的高频分量；P_l-fre为偏移量的对应低频分量。

3.如权利要求1所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，优化模型对应的目标函数为：

其中，n为递进步长内充放区间数；SOC_opt-LiB、SOC_opt-Uc分别为锂电池及超级电容最佳运行荷电状态SOC；SOC_LiB(t)、SOC_Uc(t)分别为本区间锂电池及超级电容的实时荷电状态SOC数值，t_s-i、t_e-i分别为第i个充放电区间的起始和停止时刻，F为优化目标函数值。

4.如权利要求3所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，SOC_LiB(t)、SOC_Uc(t)分别为SOC_int-LiB、SOC_int-Uc、P_LiB(t)、P_Uc(t)的函数：

SOC_LiB(t)＝f(SOC_int-LiB,P_LiB(t))(3)

SOC_Uc(t)＝f(SOC_int-Uc,P_Uc(t))(4)

式中，P_LiB(t)、P_Uc(t)分别为锂电池LiB和超级电容Uc的充放电功率瞬时值，SOC_int-LiB、SOC_int-Uc分别为锂电池LiB和超级电容Uc初始荷电状态。

5.如权利要求3所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，在该目标函数下，超级电容Uc优先动作模式中按既定充放电策略，锂电池LiB仅针对充放电功率越限部分能量；而锂电池LiB主要动作模式下，在锂电池LiB启动且其充放电功率及其变化率和荷电状态SOC均满足平抑条件时，将作为平抑能量主体，而超级电容Uc则在与锂电池LiB充放状态一致的前提下决定自身是否启动及其荷电状态SOC变化趋势。

6.如权利要求1所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，约束条件主要包括充放电功率约束及SOC约束。

7.如权利要求6所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，充放电功率约束：

P_{max-discha-LiB}<P(t)<P_max-cha-LiB(5)

P_{max-discha-Uc}<P(t)<P_max-cha-Uc(6)

其中，P_{max-discha-LiB}，P_max-cha-LiB分别为LiB的最大放电和充电功率；P_{max-discha-Uc，}P_max-cha-Uc分别为Uc的最大放电和充电功率，P(t)为充放电功率。

8.如权利要求6所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，荷电状态SOC约束

SOC_min-LiB<SOC_LiB(t)<SOC_max-LiB(7)

SOC_min-Uc<SOC_Uc(t)<SOC_max-Uc(8)

其中，SOC_min-LiB，SOC_max-LiB分别为LiB的最小和最大SOC值；SOC_min-Uc，SOC_max-Uc分别为Uc的最小和最大SOC值，SOC_LiB(t)，SOC_Uc(t)分别为LiB及Uc的荷电状态SOC。

9.如权利要求1所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，对于优化模型的求解步骤为：

1)根据递进协调控制算法和本步长数据确定优化目标函数；

2)设置粒子群维数D，最大迭代次数M_max，收敛精度σ_thresh，同时初始化粒子群位置x和速度v，并给定初始SOC_int-LiB、SOC_int-Uc数值；

3)根据既定充放电策略和目标函数计算各粒子适应度值F；

4)将各粒子适应度值与自身粒子极值及全局粒子极值比较，若适应度值相对较小，则更新各粒子个体极值e_best及全局例子适应度极值g_best；

5)判断当前计算是否满足收敛条件，若是，则提取当前P_LiB、P_Uc即为最优充放电功率；若否，则更新各粒子位置x及速度v，并重复步骤3-5。

10.如权利要求9所述的考虑核电状态偏差的混合储能优化功率分配方法，其特征是，所述更新各粒子的位置x及速度v按照下式进行：

其中，n为当前循环次数；c1、c2为粒子权重系数；w为惯性权重；r1、r2为(0,1)内均匀分布随机数；x_i、v_i为第i维粒子的位置与速度；x_i ⁿ、v_i ⁿ分别为当前循环x_i、v_i的数值；x_i ⁿ⁺¹、v_i ⁿ⁺¹分别为下次循环x_i、v_i的更新值_；g为约束因子，e_besti为第i维粒子的个体极值，g_best为全局例子适应度极值。