CN106230014B - 一种适用于光储型楼宇微网的应急能量管理策略 - Google Patents

Abstract

本发明属于电力系统控制技术领域中，具体涉及一种适用于光储型楼宇微网的应急能量管理策略，该策略涵盖计划停电与非计划停电两种情况。计划停电时，该策略由优化模型与滚动优化策略构成，优化模型兼顾减小停电给用户带来的损失及维持停电期间内对重要负荷的供电两方面，并引入权重因子以权衡二者的重要程度；滚动优化策略通过不断更新光伏实际出力值及其预测值，以减小预测误差对结果的影响。非计划停电时，以优先考虑对重要负荷的供电为原则制定了实时应急方案，通过判定某一时刻光伏预测值的大小动态决策该时刻的可控负荷投入量。本发明通过对可控负荷投入量进行及时调整，有效减小停电给用户带来的损失，维持停电期间内对重要负荷的供电。

Description

一种适用于光储型楼宇微网的应急能量管理策略

技术领域

本发明属于电力系统控制技术领域，尤其涉及一种适用于光储型楼宇微网的应急能量管理策略。

背景技术

微网作为解决电力系统众多问题的一种重要辅助手段，是未来智能配电网实现自愈、用户侧互动及需求响应、分布式电源接入电网的有效途径，它极大地改善了用户与配电系统的供电可靠性，增强了抵御自然灾害与应对突发故障的能力。在配电网停电后，光储型楼宇微网切换至孤岛运行状态，储能系统(energy storage system，ESS)可作为光储型楼宇微网的应急备用，电动汽车、温控类设备、次要照明设备等均可作为可控负荷接受光储型楼宇微网的统一调节。柴油发电机组具有可靠、稳定、灵活、敏捷等特性，尤其在太阳能与储能发电量不足时，可作为主电源供电，然而这也为一些未配备柴油发电机组的光储型楼宇微网的持续供电增加了难度。

发明内容

本发明提出一种配电网停电情况下，含有光储系统而不含柴油发电机组的楼宇型微网切换至孤岛运行状态后的应急能量管理(emergency energy management，EEM)策略，该策略考虑到计划停电与非计划停电两种情况。在配电网停电后，光储型楼宇微网通过EEM策略对可控负荷进行及时调整来减小停电给用户带来的损失、维持停电期间内对重要负荷的供电。

一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，包括下列步骤：

步骤1、判定配电网是否发生停电；如果配电网发生停电，则执行步骤2；否则，返回步骤1；

步骤2、实施应急能量管理EEM策略；确认停电类型，如果停电类型为计划停电，则执行步骤3；否则，执行步骤12；

步骤3、实施滚动优化策略；

步骤4、获取初始时刻t₀时的基础数据，包括x_c0、储能系统ESS的初始荷电状态SOC₀及光伏预测值；

步骤5、设定t_b为计划停电时长，n’为滚动优化策略执行的次数；设定T为计划停电时，相邻两次滚动优化策略的时间间隔；根据优化模型，获取停电t＝(n’-1)T至t_b时间段内的可控负荷投入量；

步骤6、若t_b≥n’T，则停电尚未恢复，在(n’-1)T到n’T时间段内，楼宇微网按照步骤5的结果实施优化方案，之后执行步骤7；若(n’-1)T≤t_b＜n’T，则停电已恢复，在(n’-1)T到t_b时间段内，光储型楼宇微网按照步骤5的结果实施优化方案，之后结束循环；

步骤7、计算t₀+T时刻ESS的剩余电量；

步骤8、判定t₀+T时，系统功率是否能保持功率平衡；若无法保持平衡，则结束循环；否则，执行步骤9；

步骤9、更新t₀值，使得t₀＝t₀+T；

步骤10、根据测量到的光伏在t₀-T到t₀时间段内的实际出力值更新光伏的实时数据，并计算光伏预测值；

步骤11、返回步骤4；

步骤12、启动实时应急方案；

步骤13、根据每个时刻的光伏预测值动态决策该时刻的可控负荷投入量。

所述判断配电网是否发生停电，其判断准则为当V≥0.88p.u.时，配电网正常运行；否则，配电网中发生了停电；其中，V为楼宇型微网并网点电压。

所述滚动优化策略减小光伏预测值所带来的误差对结果的影响，光伏具有波动性和随机性，通过不断更新光伏实际出力值来更新光伏预测值，以减小预测误差。

所述优化模型其优化目标兼顾减小停电给用户带来的损失及维持停电期间内对重要负荷的供电两方面；为权衡减小停电损失与维持供电时间的重要程度，引入了权重因子；约束条件考虑到功率平衡、可控负荷及ESS三方面；优化变量为停电期间内可控负荷投入量；由于光储型楼宇微网孤岛运行后，ESS作为主控单元，采用恒压恒频控制，根据光伏PV的出力大小与负荷的接入情况自动调整ESS的充放电功率。

所述优化模型其目标函数为：

minαf(x)+βg(x)

其中，x为列向量，表示可控负荷投入量；f(x)表示可控负荷的相对改变量，f(x)越小，停电期间内可控负荷投入量越接近初始值，停电给用户带来的损失越小，并用权重因子α表示其重要性；g(x)表示可供电时长与停电时长的相对差值，g(x)越小，可供电时长越接近停电时长，越能维持停电期间内对重要负荷的供电，并用权重因子β表示其重要性，权重因子α与β的和为1；i是优化次数，i＝1,2,…,n；x_ci是第i次优化时可控负荷的投入量；x_c0是停电发生时可控负荷的投入量；E_n是ESS的额定容量；SOC_i是第i次优化时ESS的SOC；SOC_min是ESS的SOC下限值；x_cri是第i次优化时重要负荷的投入量，是一个常数；pv_i是第i次优化时PV的预测值；t_b为计划停电时长；Δt是相邻两次优化的时间间隔。

优化模型的约束条件为：

1)功率平衡的约束

在光储型楼宇微网切换至孤岛运行后，ESS采用V/f控制，为维持系统的功率平衡，ESS的放电功率将满足pv_i+ps_di＝x_ci+x_cri；

其中，ps_di是ESS在第i次优化时的放电功率；由于PV预测值存在误差，在实时应急过程中，若该误差在ESS的允许调节范围内，即ESS的充放电功率不超过其限值，则由ESS平衡；否则，由可控负荷平衡；若可控负荷投入量为0时仍无法平衡，则需切掉部分重要负荷；

2)可控负荷的约束

可控负荷的约束条件为：

x_cmin≤x_ci≤x_cmax

x_cmin＝L_cvmin+L_ctmin+L_crmin

x_cmax＝L_cvmax+L_ctmax+L_crmax

式中：x_cmin和x_cmax分别是x_ci的下限与上限；L_cvmin是可控负荷EV的下限值，L_ctmin是温控设备的下限值，L_crmin是次要照明设备的下限值；L_cvmax可控负荷EV的上限值，L_ctmax温控设备的上限值与L_crmax是次要照明设备的上限值；

3)ESS的约束

为防止过充过放对ESS造成伤害，ESS的SOC的约束条件为：

SOC_min≤SOC_i≤SOC_max

SOC_min和SOC_max分别是SOC_i的下限与上限；

在第i次优化时ESS中储存的能量的约束条件为：

SOC₀是SOC的初始值，Δt是连续两次优化的时间间隔；

ESS的充放电功率的约束条件为：

ps_cmin≤ps_ci≤ps_cmax

ps_dmin≤ps_di≤ps_dmax

式中：ps_ci是第i次优化时ESS的充电功率；ps_cmax与ps_cmin分别是ESS充电功率的上下限；ps_dmax与ps_dmin分别是ESS放电功率的上下限。

所述步骤10中光伏预测值采用梯度法RBF神经网络计算得到。

所述实时应急方案其目的是延长对照明设备、控制模块、计算机设备这些重要负荷的供电时间；在非计划停电时，由于停电持续时间未知，且ESS的电量有限，应优先考虑对重要负荷的供电；通过判定某一时刻光伏预测值的大小，动态决策该时刻的可控负荷投入量；由于ESS采用V/f控制，自动调节ESS的充放电功率以维持系统功率平衡。

所述实时应急方案具体为

在第j个时刻，光伏预测值为pv_j，重要负荷为x_crj、可控负荷投入量为x_cj，可控负荷投入量最大值为x_cmax，ESS最大充电功率为为ps_cmax、ESS最大放电功率为为ps_dmax；

1)若pv_j≥x_crj+x_cmax+ps_cmax，则光伏功率过剩，可控负荷全部投入，光储型楼宇微网限制光伏出力为pv_j＝x_crj+x_cmax+ps_cmax；

2)若x_crj+ps_cmax≤pv_j＜x_crj+x_cmax+ps_cmax，则光伏功率全部消纳，可控负荷需部分切除，可控负荷投入量x_cj＝pv_j-x_crj-ps_cmax；

3)若x_crj-ps_dmax≤pv_j＜x_crj+ps_cmax，则光伏功率全部消纳，可控负荷投入量为0；

4)若pv_j＜x_crj-ps_dmax，则光伏功率全部消纳，可控负荷投入量为0，且需切除部分重要负荷以维持光储型楼宇微网功率平衡。

有益效果

本发明在配电网计划停电或非计划停电时，对光储型楼宇微网中的可控负荷投入量进行有效调节，从而减小停电给用户带来的损失、维持停电期间内对重要负荷的供电。在调节过程中不需要增加外部设备或新的资金投入，具有很好的经济性。

附图说明

图1是配电网停电情况下光储型楼宇微网的能量管理控制框图。

图2是EEM策略示意图。

图3是本发明策略流程图。

图4是实时应急方案示意图。

具体实施方式

本发明提出了一种适用于光储型楼宇微网的应急能量管理策略。

图1是配电网停电情况下光储型楼宇微网的能量管理控制框图。EEM策略的输入包含ESS的实时运行状态、可控负荷的可投入量、重要负荷的实时数据及光伏预测值等信息；EEM策略的输出为可控负荷最优投入量。ESS由于采用V/f控制，可自动调节其充放电功率。图2是EEM策略示意图，考虑到计划停电与非计划停电两种情况；在计划停电时，EEM策略包含优化模型和滚动优化策略两部分；在非计划停电时，执行实时应急方案。图3是本发明策略流程图。

配电网停电情况下光储型楼宇微网的EEM策略基本步骤是：

步骤1：判断配电网是否发生停电；如果配电网发生停电，则执行步骤2；否则，返回步骤1。配电网是否发生停电根据并网点电压水平V判断，当V<0.88p.u.时，配电网发生停电，执行步骤2；否则，配电网中未发生故障，返回步骤1，继续判断；

步骤2：实施EEM策略；确认停电类型，如果停电类型为计划停电，则执行步骤3；否则，执行步骤12；

步骤3：实施滚动优化策略；

滚动优化策略可随着时间的推移，不断更新光伏的实际出力值，进而更新光伏的预测值以减小预测误差对结果的影响。

步骤4：获取初始时刻t＝t₀时的基础数据，包括可控负荷的初始投入量x_c0，ESS的初始荷电状态(state of charge，SOC)SOC₀及光伏预测值；

步骤5：设定t_b为计划停电时长，n’为滚动优化策略执行的次数。设定T为计划停电时，相邻两次滚动优化策略的时间间隔。根据优化模型，获取停电t＝(n’-1)T至t＝t_b时间段内的可控负荷投入量；

优化模型含有权重因子，优化目标兼顾减小停电损失及维持供电时间两方面，约束条件考虑到功率平衡、可控负荷及ESS三方面，优化变量为停电期间内可控负荷投入量。

在配电网停电后，EEM策略的优化模型既要考虑减小停电给用户带来的损失，又要顾及维持停电期间内对重要负荷的供电，因此在优化目标中引入了权重因子以权衡减小损失、维持供电二者的重要程度。其目标函数可描述为：：

min αf(x)+βg(x) (1)

式中：x为列向量，表示可控负荷投入量；f(x)表示可控负荷的相对改变量，f(x)越小，停电期间内可控负荷投入量越接近初始值，停电给用户带来的损失越小，并用权重因子α表示其重要性；g(x)表示可供电时长与停电时长的相对差值，g(x)越小，可供电时长越接近停电时长，越能维持停电期间内对重要负荷的供电，并用权重因子β表示其重要性，权重因子α与β的和为1；i是优化次数；x_ci是第i次优化时可控负荷的投入量；x_c0是停电发生时可控负荷的投入量；E_n是ESS的额定容量；SOC_i是第i次优化时ESS的SOC；SOC_min是ESS的SOC下限值；x_cri是第i次优化时重要负荷的投入量，是一个常数；pv_i是第i次优化时PV的预测值；t_b为计划停电时长；Δt是相邻两次优化的时间间隔。

在优化过程中，应满足下述约束条件：

1)功率平衡的约束

在光储型楼宇微网切换至孤岛运行后，ESS采用V/f控制，为维持系统的功率平衡，ESS的放电功率将满足式(4)。

pv_i+ps_di＝x_ci+x_cri (4)

式中：ps_di是ESS在第i次优化时的放电功率。

优化时用的是光伏的预测值，但是在实际运行的时候光伏用的是实际值，预测值与实际值之间是有误差的。储能的充放电功率由上下限，如果这个时候光伏的实际出力比预测的要小，这时候就需要储能多放一点电，但是储能最大的放电功率是有限制的，只能在一定程度上去平衡，如果光伏的实际值小的太多，储能也就无法平衡了。若该误差在ESS的允许调节范围内，则由ESS平衡；否则，由可控负荷平衡；若可控负荷投入量为0时仍无法平衡，则需切掉部分重要负荷。

2)可控负荷的约束

可控负荷应在一定范围内调节，可表示为：

x_cmin≤x_ci≤x_cmax (5)

x_cmin＝L_cvmin+L_ctmin+L_crmin (6)

x_cmax＝L_cvmax+L_ctmax+L_crmax (7)

式中：x_cmin，x_cmax是x_ci的下限与上限；L_cvmin，L_ctmin与L_crmin是可控负荷EV、温控设备与次要照明设备的下限值；L_cvmax，L_ctmax与L_crmax是可控负荷EV、

温控设备与次要照明设备的上限值。

3)ESS的约束

为防止过充过放对ESS造成伤害，ESS的SOC应严格地控制在一定的范围内，可表示为：

SOC_min≤SOC_i≤SOC_max (8)式中：SOC_min，SOC_max是SOC_i的下限与上限。

在第i次优化时ESS中储存的能量也应在一定的范围内，可表示为：

式中：SOC₀是SOC的初始值，Δt是连续两次优化的时间间隔。

此外，ESS的充放电功率也有范围限制，可表示为：

ps_cmin≤ps_ci≤ps_cmax (10)

ps_dmin≤ps_di≤ps_dmax (11)

式中：ps_ci是第i次优化时ESS的充电功率；ps_cmax与ps_cmin是ESS充电功率的上下限；ps_dmax与ps_dmin是ESS放电功率的上下限。

步骤6：若t_b≥n’T，则停电尚未恢复，在t＝(n’-1)T到t＝n’T时间段内，光储型楼宇微网按照步骤5的结果实施优化方案；若(n’-1)T≤t_b＜n’T，则停电已恢复，在t＝(n’-1)T到t＝t_b时间段内，光储型楼宇微网按照步骤5的结果实施优化方案，之后跳出循环；

步骤7：计算t＝t₀+T时ESS的剩余电量；

步骤8：判定t＝t₀+T时，系统功率是否可保持功率平衡；若无法保持平衡，则跳出循环；否则，执行步骤9；

步骤9：更新t₀值，使得t₀＝t₀+T；

步骤10：补充光伏在t＝t₀-T到t＝t₀时间段内的实际出力值以更新光伏的实时数据，并计算光伏预测值；

步骤11：返回步骤4；

步骤12：启动实时应急方案；

在非计划停电时，由于停电持续时间未知，且ESS电量有限，应优先考虑对重要负荷的供电，并以此为原则制定实时应急方案。

步骤13：根据每个时刻的光伏预测值动态决策该时刻的可控负荷投入量。

图4是实时应急方案示意图，设定在第j个时刻，光伏预测值、重要负荷、可控负荷投入量分别为pv_j、x_crj、x_cj，可控负荷投入量最大值为x_cmax，ESS最大充放电功率为分别为ps_cmax、ps_dmax。具体方案如下：

1)若pv_j≥x_crj+x_cmax+ps_cmax，则光伏功率过剩，可控负荷全部投入，光储型楼宇微网限制光伏出力为pv_j＝x_crj+x_cmax+ps_cmax。

2)若x_crj+ps_cmax≤pv_j＜x_crj+x_cmax+ps_cmax，则光伏功率可全部消纳，可控负荷需部分切除，可控负荷投入量x_cj＝pv_j-x_crj-ps_cmax。

3)若x_crj-ps_dmax≤pv_j＜x_crj+ps_cmax，则光伏功率可全部消纳，可控负荷投入量为0。

4)若pv_j＜x_crj-ps_dmax，则光伏功率可全部消纳，可控负荷投入量为0，且需切除部分重要负荷以维持光储型楼宇微网功率平衡，这将影响系统的正常运行。

本发明适用于各种不含柴油发电机组，而含有光储系统的光储型楼宇微网。本发明提出的配电网停电情况下的EEM策略涵盖计划停电与非计划停电两种情况，在调节过程中充分考虑到光伏与负荷的波动性，不需额外的投资，思路清晰，可通过有效调节可控负荷投入量以减小停电给用户带来的损失、维持停电期间内对重要负荷的供电。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，包括下列步骤：

步骤1、判定配电网是否发生停电；如果配电网发生停电，则执行步骤2；否则，返回步骤1；

步骤2、实施应急能量管理EEM策略，确认停电类型；如果停电类型为计划停电，则执行步骤3；否则，执行步骤12；

步骤3、实施滚动优化策略；

步骤4、获取初始时刻t₀时的基础数据，包括停电发生时可控负荷的投入量x_c0、储能系统ESS的初始荷电状态SOC₀及光伏预测值；

步骤5、设定t_b为计划停电时长，n’为滚动优化策略执行的次数；设定T为计划停电时，相邻两次滚动优化策略的时间间隔；根据优化模型，获取停电t＝(n’-1)T至t_b时间段内的可控负荷投入量；

步骤6、若t_b≥n’T，则停电尚未恢复，在(n’-1)T到n’T时间段内，光储型楼宇微网按照步骤5的结果实施优化方案，之后执行步骤7；若(n’-1)T≤t_b＜n’T，则停电已恢复，在(n’-1)T到t_b时间段内，光储型楼宇微网按照步骤5的结果实施优化方案，之后结束循环；

步骤7、计算t₀+T时刻ESS的剩余电量；

步骤8、判定t₀+T时，系统功率是否能保持功率平衡；若无法保持平衡，则结束循环；否则，执行步骤9；

步骤9、更新t₀值，使得t₀＝t₀+T；

步骤10、根据测量到的光伏在t₀-T到t₀时间段内的实际出力值更新光伏的实时数据，并计算光伏预测值；

步骤11、返回步骤4；

步骤12、启动实时应急方案；

步骤13、根据每个时刻的光伏预测值动态决策该时刻的可控负荷投入量；

所述优化模型其优化目标兼顾减小停电给用户带来的损失及维持停电期间内对重要负荷的供电两方面；为权衡减小停电损失与维持供电时间的重要程度，引入了权重因子；

所述优化模型的约束条件考虑到功率平衡、可控负荷及ESS三方面；优化变量为停电期间内可控负荷投入量；由于光储型楼宇微网孤岛运行后，ESS作为主控单元，采用恒压恒频控制，根据光伏PV的出力大小与负荷的接入情况自动调整ESS的充放电功率；

所述优化模型其目标函数为：

minαf(x)+βg(x)

其中，x为列向量，表示可控负荷投入量；f(x)表示可控负荷的相对改变量，f(x)越小，停电期间内可控负荷投入量越接近初始值，停电给用户带来的损失越小，并用权重因子α表示其重要性；g(x)表示可供电时长与停电时长的相对差值，g(x)越小，可供电时长越接近停电时长，越能维持停电期间内对重要负荷的供电，并用权重因子β表示其重要性，权重因子α与β的和为1；i是优化次数，i＝1,2,...,n；x_ci是第i次优化时可控负荷的投入量；x_c0是停电发生时可控负荷的投入量；E_n是ESS的额定容量；SOC_i是第i次优化时ESS的SOC；SOC_min是ESS的SOC下限值；x_cri是第i次优化时重要负荷的投入量，是一个常数；pv_i是第i次优化时PV的预测值；t_b为计划停电时长；Δt是相邻两次优化的时间间隔。

2.根据权利要求1所述的一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，所述判断配电网是否发生停电，其判断准则为当V≥0.88p.u.时，配电网正常运行；否则，配电网中发生了停电；其中，V为楼宇型微网并网点电压。

3.根据权利要求1所述的一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，所述滚动优化策略减小光伏预测值所带来的误差对结果的影响，光伏具有波动性和随机性，通过不断更新光伏实际出力值来更新光伏预测值，以减小预测误差。

4.根据权利要求1所述的一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，所述优化模型的约束条件具体为：

1)功率平衡的约束

在光储型楼宇微网切换至孤岛运行后，ESS采用V/f控制，为维持系统的功率平衡，ESS的放电功率将满足pv_i+ps_di＝x_ci+x_cri；

其中，ps_di是ESS在第i次优化时的放电功率；由于PV预测值存在误差，在实时应急过程中，若该误差在ESS的允许调节范围内，即ESS的充放电功率不超过其限值，则由ESS平衡；否则，由可控负荷平衡；若可控负荷投入量为0时仍无法平衡，则需切掉部分重要负荷；

2)可控负荷的约束

可控负荷的约束条件为：

x_cmin≤x_ci≤x_cmax

x_cmin＝L_cvmin+L_ctmin+L_crmin

x_cmax＝L_cvmax+L_ctmax+L_crmax

式中：x_cmin和x_cmax分别是x_ci的下限与上限；L_cvmin是可控负荷EV的下限值，L_ctmin是温控设备的下限值，L_crmin是次要照明设备的下限值；L_cvmax可控负荷EV的上限值，L_ctmax温控设备的上限值与L_crmax是次要照明设备的上限值；

3)ESS的约束

为防止过充过放对ESS造成伤害，ESS的SOC的约束条件为：

SOC_min≤SOC_i≤SOC_max

SOC_min和SOC_max分别是SOC_i的下限与上限；

在第i次优化时ESS中储存的能量的约束条件为：

SOC₀是SOC的初始值，Δt是连续两次优化的时间间隔；

ESS的充放电功率的约束条件为：

ps_cmin≤ps_ci≤ps_cmax

ps_dmin≤ps_di≤ps_dmax

式中：ps_ci是第i次优化时ESS的充电功率；ps_cmax与ps_cmin分别是ESS充电功率的上下限；ps_dmax与ps_dmin分别是ESS放电功率的上下限。

5.根据权利要求1所述的一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，所述步骤10中光伏预测值采用梯度法RBF神经网络计算得到。

6.根据权利要求1所述的一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，所述实时应急方案其目的是延长对照明设备、控制模块、计算机设备的供电时间；在非计划停电时，由于停电持续时间未知，且ESS的电量有限，应优先考虑对重要负荷的供电；通过判定某一时刻光伏预测值的大小，动态决策该时刻的可控负荷投入量；由于ESS采用V/f控制，自动调节ESS的充放电功率以维持系统功率平衡。

7.根据权利要求1所述的一种适用于光储型楼宇微网的应急能量管理策略，其特征在于，所述实时应急方案具体为

在第j个时刻，光伏预测值为pv_j，重要负荷为x_crj、可控负荷投入量为x_cj，可控负荷投入量最大值为x_cmax，ESS最大充电功率为为ps_cmax、ESS最大放电功率为为ps_dmax；

1)若pv_j≥x_crj+x_cmax+ps_cmax，则光伏功率过剩，可控负荷全部投入，光储型楼宇微网限制光伏出力为pv_j＝x_crj+x_cmax+ps_cmax；

2)若x_crj+ps_cmax≤pv_j＜x_crj+x_cmax+ps_cmax，则光伏功率全部消纳，可控负荷需部分切除，可控负荷投入量x_cj＝pv_j-x_crj-ps_cmax；

3)若x_crj-ps_dmax≤pv_j＜x_crj+ps_cmax，则光伏功率全部消纳，可控负荷投入量为0；

4)若pv_j＜x_crj-ps_dmax，则光伏功率全部消纳，可控负荷投入量为0，且需切除部分重要负荷以维持光储型楼宇微网功率平衡。