CN106410824B - 计及温控设备的社区微电网储能容量优化配置方法 - Google Patents

Abstract

本发明公开了一种计及温控设备的社区微电网储能容量优化配置方法，包括以下步骤：S1：统计社区级微电网年度负荷、风速数据、环境温度数据和各微电源参数，计算风力发电机组输出功率；S2：为增大新能源消纳，制定社区级孤岛微电网的运行策略；S3：基于运行策略建立含温控设备的社区级微电网储能容量优化配置模型；S4：根据步骤S1的数据，采用遗传算法对优化配置模型进行求解。有益效果：建立的模型更加全面，考虑的因素也更加符合实际含温控设备的微电网规划的需求，算法简单，便于工程人员学习使用，通用性较好，可广泛应用于含温控设备的微电网储能设备容量规划分析。

Description

计及温控设备的社区微电网储能容量优化配置方法

技术领域

本发明涉及电力系统规划领域，具体的说是一种计及温控设备的社区微电网储能容量优化配置方法。

背景技术

随着能源结构的调整，为了充分开发和利用可再生能源，提高终端能源消费的清洁水平，微电网应运而生。微电网中含有各种分布式电源、负荷、储能设备和控制设备等。由于风机和光伏等可再生能源出力具有间歇性、不确定性和随机性等特点，随着新能源的渗透率的不断增加，新能源消纳和平抑功率波动问题成为研究的热点。储能设备凭借其快速响应，操控性强等特点，成为新能源消纳和平抑功率波动的有效手段。但是，储能设备价格昂贵，为权衡经济性和可靠性，储能设备的容量配置问题具有重要的研究意义。

随着微电网的逐步推广，广大学者对微电网中储能容量配置进行了积极探索。目前已有许多针对微电网中储能设备容量优化配置的研究。但是，对于含有大量温控设备的社区级微电网中，少有文献考虑温控设备的储能特性的影响。而人们生活常常用到温控设备，特别是在北方的供暖设备，导致了温控设备的资源浪费。

发明内容

针对上述问题，本发明提供了一种计及温控设备的社区微电网储能容量优化配置方法，计及温控设备对社区级微电网储能设备容量进行优化。

为达到上述目的，本发明采用的具体技术方案如下：

一种计及温控设备的社区微电网储能容量优化配置方法，其关键在于包括以下步骤：

S1：统计社区级微电网年度负荷、风速数据和环境温度数据；

S2：为了增大新能源消纳，制定社区级孤岛微电网的运行策略；

S3：以含温控设备的社区级孤岛微电网为研究对象，以一年内储能设备综合成本最小为目标函数，基于步骤S2建立的运行策略建立含温控设备的社区级微电网储能容量优化配置模型；

S4：根据步骤S1得到的数据，采用遗传算法对步骤S3建立的优化配置模型进行求解。

通过上述设计，以含温控设备的社区级孤岛微电网为研究对象，以一年内储能设备综合成本最小为目标函数，建立了含温控设备的社区级微电网储能容量优化配置模型，建模过程中，考虑了对微电网储能设备容量优化配置的影响因素，建立的模型更加全面，考虑的因素也更加符合实际含温控设备的微电网规划的需求，可靠性高；算法简单，便于工程人员学习使用；并且通用性较好，可广泛应用于含温控设备的微电网储能设备容量规划分析。

进一步描述步骤S1中，计算风力发电机组输出功率的具体内容为：

风力发电机组输出功率P_t ^w与风速v v_t之间的关系可近似描述为分段函数：

式中，v_ci为切入风速，v_co为切出风速，v_r为额定风速，P_r ^w为风电机组额定输出功率。当风速介于切入风速v_ci和额定风速v_r之间，风力发电机组输出功率可以表示为风速的近似线性函数P(v)，即：

再进一步描述，步骤S2中制定社区级孤岛微电网的运行策略的原则为：

第一原则：首先满足除去温控设备以外的必要设备电负荷需求，所述必要设备电负荷包括风力发电机组负荷、常规发电机组负荷和储能设备，且微电源供电顺序依次为风力发电机组负荷、常规发电机组负荷、储能设备；

第二原则：若不能满足必要设备电负荷需求，则供电能力不足，需要削减负荷；

第三原则：若满足必要设备电负荷需求后，给温控设备负荷供电。

再进一步描述，步骤S2中制定社区级孤岛微电网的运行策略具体为：

若风力发电机组的出力大于风力发电机组、常规发电机组和储能设备负荷需求，则读取室内温度；若此时室内温度未超越室内设置温度上限或未低于室内设置温度下限，则开启温控设备，供给居民用户电负荷，实现温控设备储能；若此时室内温度已经超越室内设置温度的上下限范围，则不开启温控设备，将多余的风力发电机组出力在储能设备中存储，若储能设备储存量已经达到储能设备最大容量，则弃风；

若风力发电机组的出力小于风力发电机组、常规发电机组和储能设备负荷需求，读取室内温度；若此时室内温度处于室内设置温度的上下限范围内时，则不开启温控设备；否则，开启温控设备，调节室内温度，由常规发电机组和储能设备提供电能；

若读取室内温度处于室内设置温度的上下限范围之外，且常规机组和储能设备均不能供给电能，则供电能力不足，需要削减负荷，同时温度越限，不能满足居民用户的温度设置限制要求。

再进一步描述，所述原边金属板、原边线圈、副边线圈和副边金属板四者同轴设置。

再进一步描述，步骤S3中建立含温控设备的社区级微电网储能容量优化配置模型的具体内容为：

确定一年内储能设备综合成本最小为目标函数，其中目标函数为：

minF＝C_inv+C_M+C_ploss+C_Tloss+C_cut

目标函数中，C_inv为储能设备的投资费用；C_M为储能设备的运维费用；C_ploss为年缺供电费用；C_Tloss为温度越限费用，C_cut为弃风惩罚费用；

其中，储能设备的投资费用为其寿命周期内的投资成本等年值，储能设备投资成本的等年值费用为：

式中，r为折现率，取为10％；n为储能设备寿命，单位为年。C_ess为储能设备单位容量投资成本；S_ess为储能设备容量；

储能设备的运维费用为储能设备投资成本等年值费用的0.04倍，即：

C_M＝0.04×C_inv

式中，C_inv为储能设备的投资费用；

年缺供电费用为单位停电损失与年缺供电量的乘积，即：

C_ploss＝λ_EENS×E_EENS

式中，λ_EENS为单位停电损失，$/kWh，E_EENS为年缺供电量；

温度越限费用为年温度越限时段数与单时段温度越限惩罚费用的乘积，即：

C_Tloss＝λ_T×N_T

式中，λ_T为单时段温度越限惩罚费用，$/时段；N_T为年温度越限时段数；

弃风惩罚费用为单位弃风惩罚费用与年弃风量的乘积，即：

C_cut＝λ_cut×E_cut

式中，λ_cut为单位弃风惩罚费用，$/kWh；E_cut为年弃风量；

约束条件：

功率平衡约束

P_t ^w+P_G+P_dis-P_ch＝P_l+P_hp

式中：P_t ^w为风力发电机组输出功率；P_G为常规发电机组发电功率；P_dis为储能设备放电功率；P_ch为储能设备充电功率；P_l为一般电负荷功率；P_hp为温控设备负荷功率；

储能设备约束

储能设备的SOC(荷电状态)约束：

Soc_min≤Soc(t)≤Soc_max

充电功率限制：

P_ch,min≤P_ch≤P_ch,max

放电功率限制：

P_dis,min≤P_dis≤P_dis,max

式中，Soc_min和Soc_max分别为储能设备荷电状态的最小值和最大值；P_ch,min和P_ch,max分别为储能设备的充电功率最小值和最大值；P_dis,min和P_dis,max分别为储能设备放电功率的最小值和最大值；

允许调节温度范围

T_set-δ≤T_t≤T_set+δ

式中，T_set为温度设定值；δ为温度调节范围；

供电可靠性约束

LOLP≤LOLP_max

式中，LOLP为微电网缺供电概率；LOLP_max为规划时微电网允许的最大缺供电概率。

再进一步描述，供电可靠性约束条件中，微电网缺供电概率LOLP的具体计算公式为：

式中，N为时序蒙特卡洛模拟所设定的模拟年数，D_di为第i个停运状态的持续时间(h)，M_dn为模拟时间跨度内系统失效状态出现的次数。

再进一步描述，所述温控设备的等效热力学模型为：

当温控设备关断时：

当温控设备开启时：

式中，为仿真时刻t+1时的室内温度；为仿真时刻t时的室内温度；C为等值热电容；R为等值热电阻；Q为热功率；为仿真时刻t+1时的室外环境温度；t为仿真时刻；Δt为仿真步长。

再进一步描述，步骤S4所述的采用遗传算法对优化配置模型进行求解的具体步骤为：

S41：输入各设备电负荷数据、室内设置温度、风速数据、各微电源参数和设置遗传算法的种群数量和迭代次数；

S42：计算风力发电机组输出功率；

S43：使用随机数方法产生遗传算法初始种群，采用二进制对染色体编码；

S44：对染色体进行解码，检查种群是否满足约束条件，并种群进行调整，使其满足约束条件；

S45：根据运行策略，对储能设备容量、储能设备的投资费用、、运维费用、弃风惩罚费用、年缺供电费用、温度越限惩罚费用进行计算；

S46：计算当前种群内个体对应的系统LOLP，并计算个体适应度；

S47：通过算子对当前种群中的染色体进行选择、交叉、变异操作，得到下一代群体；

S48：判断否达到最大迭代次数，达到最大迭代次数则结束计算，输出优化后的结果，即输出储能设备配置容量；否则，返回步骤S43。

本发明的有益效果：本发明以含温控设备的社区级孤岛微电网为研究对象，以一年内储能设备综合成本最小为目标函数，建立了含温控设备的社区级微电网储能容量优化配置模型，研究了温控设备的储能特性对社区级微电网电储能容量优化配置的影响，考虑了弃风惩罚费用、可靠性约束、温度允许变化范围等对微电网储能设备容量优化配置的影响，建立的模型更加全面，考虑的因素也更加符合实际含温控设备的微电网规划的需求，整个方法算法简单，便于工程人员学习使用，并且通用性较好，可广泛应用于含温控设备的微电网储能设备容量规划分析。

附图说明

图1是本发明计及温控设备的社区微电网储能容量优化配置方法流程图；

图2是本发明温控设备储能特性分析示意框图；

图3是本发明遗传算法流程图；

图4是本发明社区级微电网年度负荷数据统计图；

图5是本发明社区级微电网年度风速数据统计图；

图6是本发明社区级微电网年度环境温度数据统计图

图7是本发明三种情形下储能设备容量对比示意图；

图8是本发明Case1充放电示意图；

图9是本发明Case2充放电示意图；

图10是本发明Case3充放电示意图。

具体实施方式

下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。

从图1可以看出，一种计及温控设备的社区微电网储能容量优化配置方法，包括以下步骤：

S1：统计社区级微电网年度负荷、风速数据和环境温度数据，并计算风力发电机组输出功率；

其中，计算风力发电机组输出功率的具体内容为：

风力发电机组输出功率P_t ^w与风速v_t之间的关系可近似描述为分段函数：

式中，v_ci为切入风速，v_co为切出风速，v_r为额定风速，P_r ^w为风电机组额定输出功率。当风速介于切入风速v_ci和额定风速v_r之间，风力发电机组输出功率可以表示为风速的近似线性函数P(v)，即：

S2：为了增大新能源消纳，制定社区级孤岛微电网的运行策略；

其中，制定社区级孤岛微电网的运行策略的原则为：

第一原则：首先满足除去温控设备以外的必要设备电负荷需求，所述必要设备电负荷包括风力发电机组负荷、常规发电机组负荷和储能设备，且微电源供电顺序依次为风力发电机组负荷、常规发电机组负荷、储能设备；

第二原则：若不能满足必要设备电负荷需求，则供电能力不足，需要削减负荷；

第三原则：若满足必要设备电负荷需求后，给温控设备负荷供电。

制定社区级孤岛微电网的运行策略具体为：

若风力发电机组的出力大于风力发电机组、常规发电机组和储能设备负荷需求，则读取室内温度；若此时室内温度未超越室内设置温度上限或未低于室内设置温度下限，则开启温控设备，供给居民用户电负荷，实现温控设备储能；若此时室内温度已经超越室内设置温度的上下限范围，则不开启温控设备，将多余的风力发电机组出力在储能设备中存储，若储能设备储存量已经达到储能设备最大容量，则弃风；

若风力发电机组的出力小于风力发电机组、常规发电机组和储能设备负荷需求，读取室内温度；若此时室内温度处于室内设置温度的上下限范围内时，则不开启温控设备；否则，开启温控设备，调节室内温度，由常规发电机组和储能设备提供电能；

若读取室内温度处于室内设置温度的上下限范围之外，且常规机组和储能设备均不能供给电能，则供电能力不足，需要削减负荷，同时温度越限，不能满足居民用户的温度设置限制要求。

所述温控设备的等效热力学模型为：

当温控设备关断时：

当温控设备开启时：

式中，为仿真时刻t+1时的室内温度；为仿真时刻t时的室内温度；C为等值热电容；R为等值热电阻；Q为热功率；为仿真时刻t+1时的室外环境温度；t为仿真时刻；Δt为仿真步长。

在微电网中，温控设备对室内温度的改变范围可以弹性改变功率消耗量。对于含新能源比例较大的微电网中，当新能源过剩时，为了增加新能源消纳，需要对过剩的新能源进行储存，此时，对于温控设备来说，其调节后的温度如果未超过温度允许调节范围时，温控设备可以开启，消耗过剩新能源，调节室内设置温度，使室内温度上升或者下降，这个过程相当于电储能设备的充电过程。当随后的时间段内，新能源全部消纳，室内温度因为之前时间段的调整，在不开启温控设备情况下，根据自然变化室内温度下降或上升后，仍然处于温度允许调节范围内，满足相应要求，则温控设备不开启，减少了电能的消耗，此时也就是将之前消耗新能源获得的热能释放出来，这个过程相当于电储能设备的放电过程。综上所述，温控设备具有储能特性，可以实现“广义储能”的作用。从以上分析可以得出，温控设备通过温度调节可以消纳过剩新能源，同时在新能源消纳完全时，可以释放之前存储的热能，达到了储能的作用，因此可以对电储能进行部分替代，进而影响储能设备容量的配置，其中具体温控设备储能特性分析示意框图详见图2。

S3：以含温控设备的社区级孤岛微电网为研究对象，以一年内储能设备综合成本最小为目标函数，基于步骤S2建立的运行策略建立含温控设备的社区级微电网储能容量优化配置模型；

建立含温控设备的社区级微电网储能容量优化配置模型的具体内容为：最小化一年内系统综合成本，考虑储能设备的投资费用、运维费用、弃风惩罚费用、缺供电费用、温度越限费用等。

确定一年内储能设备综合成本最小为目标函数，其中目标函数为：

minF＝C_inv+C_M+C_ploss+C_Tloss+C_cut

目标函数中，C_inv为储能设备的投资费用；C_M为储能设备的运维费用；C_ploss为缺供电费用；C_Tloss为温度越限费用，C_cut为弃风惩罚费用；

其中，由于储能设备的生命周期较长，储能设备的投资费用为其寿命周期内的投资成本等年值，储能设备投资成本的等年值费用为：

式中，r为折现率，取为10％；n为储能设备寿命，单位为年。C_ess为储能设备单位容量投资成本；S_ess为储能设备容量，容量单位为kWh；

储能设备的运维费用为储能设备投资成本等年值费用的0.04倍，即：

C_M＝0.04×C_inv

式中，C_inv为储能设备的投资费用，单位为$/kWh；

年缺供电费用为单位停电损失与年缺供电量的乘积，即：

C_ploss＝λ_EENS×E_EENS

式中，λ_EENS为单位停电损失，$/kWh，E_EENS为年缺供电量，kWh；

考虑居民用户对温度的要求，即温度舒适度的约束，当温度超过约束时需要对其越限进行相应费用计算。温度越限费用为年温度越限时段数与单时段温度越限惩罚费用的乘积，即：

C_Tloss＝λ_T×N_T

式中，λ_T为单时段温度越罚费用，$/时段；N_T为年温度越限时段数；

弃风惩罚费用为单位弃风惩罚费用与年弃风量的乘积，即：

C_cut＝λ_cut×E_cut

式中，λ_cut为单位弃风惩罚费用，$/kWh；E_cut为年弃风量，kWh；

约束条件：

功率平衡约束

P_t ^w+P_G+P_dis-P_ch＝P_l+P_hp

式中：P_t ^w为风力发电机组输出功率；P_G为常规发电机组发电功率；P_dis为储能设备放电功率；P_ch为储能设备充电功率；P_l为一般电负荷功率；P_hp为温控设备负荷功率；

储能设备约束

储能设备的SOC(荷电状态)约束：

Soc_min≤Soc(t)≤Soc_max

充电功率限制：

P_ch,min≤P_ch≤P_ch,max

放电功率限制：

P_dis,min≤P_dis≤P_dis,max

式中，Soc_min和Soc_max分别为储能设备荷电状态的最小值和最大值；P_ch,min和P_ch,max分别为储能设备的充电功率最小值和最大值；P_dis,min和P_dis,max分别为储能设备放电功率的最小值和最大值；

允许调节温度范围

T_set-δ≤T_t≤T_set+δ

式中，T_set为温度设定值；δ为温度调节范围；

供电可靠性约束

LOLP≤LOLP_max

式中，LOLP为微电网缺供电概率；LOLP_max为规划时微电网允许的最大缺供电概率。

微电网缺供电概率LOLP的具体计算公式为：

式中，N为时序蒙特卡洛模拟所设定的模拟年数，D_di为第i个停运状态的持续时间(h)，M_dn为模拟时间跨度内系统失效状态出现的次数。

S4：根据步骤S1得到的数据，采用遗传算法对步骤S3建立的优化配置模型进行求解。

结合图3可以看出，采用遗传算法对优化配置模型进行求解的具体流程为：

S41：输入各设备电负荷数据、室内设置温度、风速数据、各微电源参数和设置遗传算法的种群数量和迭代次数；

S42：计算风力发电机组输出功率；

S43：使用随机数方法产生遗传算法初始种群，采用二进制对染色体编码；

S44：对染色体进行解码，检查种群是否满足约束条件，并种群进行调整，使其满足约束条件；

S45：根据运行策略，对储能设备容量、储能设备的投资费用、运维费用、弃风惩罚费用、年缺供电费用、温度越限惩罚费用进行计算；

S46：计算当前种群内个体对应的系统LOLP，并计算个体适应度；

S47：通过算子对当前种群中的染色体进行选择、交叉、变异操作，得到下一代群体；

S48：判断否达到最大迭代次数，达到最大迭代次数则结束计算，输出优化后的结果，即输出储能设备配置容量；否则，返回步骤S43。

在本实施例中，为验证本发明所提模型的有效性，对某一含温控设备的社区级微电网储能容量优化配置。该社区单位弃风惩罚费用为2$/kWh，系统的峰值负荷取为1MW，微电网中，温控设备包括30台电热泵设备，室内设置温度为24℃；其中电热泵的等值热电阻R、等值热电容C和热功率Q分别取0.1208℃/W、3599.3J/W和400W；电热泵的额定功率为6kW；单位缺供电量惩罚费用为10$/kWh；单时段温度越限惩罚费用为1$/时段；可靠性约束要求为：LOLP≤0.001。

具体的社区级微电网年度负荷数据统计图见图4，社区级微电网年度风速数据统计图详见图5，社区级微电网年度环境温度数据统计图见图6。

在本实施例中，微电源参数包括风力发电机组参数和铅酸蓄电池组参数，其中微电源的风力发电机组见表1：

表1风力发电机组参数

风机	切入风速v<sub>ci</sub>(m/s)	切出风速v<sub>co</sub>(m/s)	额定风速v<sub>r</sub>(m/s)	额定功率P<sub>r</sub><sup>w</sup>(kW)
					WT	5	25	15	50

微电源储能设备铅酸蓄电池组的参数见表2：

表2铅酸蓄电池组参数

以含温控设备的社区级孤岛微电网为研究对象，以一年内储能设备综合成本最小为目标函数，基于建立的运行策略建立含温控设备的社区级微电网储能容量优化配置模型；

在本实施例中，假设建筑内要求一年四季恒温控制，将被控室内温度设定为24℃，在此基础上进行温度调节，考虑了三种情形下的储能优化配置问题：

Case1：允许调节温度范围为23℃-25℃(±1℃)；

Case2：允许调节温度范围为22℃-26℃(±2℃)；

Case3：允许调节温度范围为20℃-28℃(±4℃)。

得到三种情形下的的储能设备容量优化配置结果，具体见表3：

表3储能设备容量优化配置结果

从表3可以看出，随着温控设备温度调节范围的增大，电储能配置容量逐渐下降，变化趋势如下图所示。当允许调节温度范围分别为±1℃、±2℃和±4℃时，储能设备容量从2009kWh下降为1644kWh和918kWh，下降幅度分别为18.17％和54.3％。

另外，随着允许调节温度范围的增加，弃风惩罚费用逐渐降低，下降幅度分别为4.2％和9.9％，即弃风量逐渐减小，这主要是因为随着允许调节温度范围的增大，温控设备作为“广义储能设备”的调节能力增大，可以提高新能源的消纳率，减少弃风量。其中，储能设备容量对比图详见图7。

基于本发明制定的运行策略，统计储能设备容量最优配置结果下，不同情况下储能设备一年的充放电次数，如表4所示。

表4三种情况下储能设备充放电次数统计

	Case1	Case2	Case3
				充放电次数	213	207	182

和表4对应的充放电示意图见图8、9、10，图中当功率为负值时，表示储能设充电；当功率为正值时，储能设备放电。

从表4中可以看出，Case1、Case2和Case3的储能设备充放电次数分别为213次、207次和182次，相比于Case1，Case2和Case3分别降低了2.8％和14.6％。这是因为，随着温度的变化，热泵将电能“广义”储存起来之后，使得电储能设备储存的电能减少，对应的充放电次数也相应减少。

同时，随着允许调节温度范围的增大，充放电次数减少，储能的充放电深度也明显减小。由于储能设备的寿命与储能充放电次数和充放电深度紧密相关，减少了充放电次数和充放电深度，可以延长储能设备的使用寿命，降低系统运行成本。

Claims (7)

1.一种计及温控设备的社区微电网储能容量优化配置方法，其特征在于包括以下步骤：

S1：统计社区级微电网年度负荷、风速数据、环境温度数据和微电源参数，并计算风力发电机组输出功率；

S2：为了增大新能源消纳，制定社区级孤岛微电网的运行策略；

步骤S2中制定社区级孤岛微电网的运行策略具体为：

若风力发电机组的出力大于风力发电机组、常规发电机组和储能设备负荷需求，则读取室内温度；若此时室内温度未超越室内设置温度上限或未低于室内设置温度下限，则开启温控设备，供给居民用户电负荷，实现温控设备储能；若此时室内温度已经超越室内设置温度的上下限范围，则不开启温控设备，将多余的风力发电机组出力在储能设备中存储，若储能设备储存量已经达到储能设备最大容量，则弃风；

若风力发电机组的出力小于风力发电机组、常规发电机组和储能设备负荷需求，读取室内温度；若此时室内温度处于室内设置温度的上下限范围内时，则不开启温控设备；否则，开启温控设备，调节室内温度，由常规发电机组和储能设备提供电能；

若读取室内温度处于室内设置温度的上下限范围之外，且常规机组和储能设备均不能供给电能，则供电能力不足，需要削减负荷，同时温度越限，不能满足居民用户的温度设置限制要求；

S3：以含温控设备的社区级孤岛微电网为研究对象，以一年内储能设备综合成本最小为目标函数，基于步骤S2建立的运行策略建立含温控设备的社区级微电网储能容量优化配置模型；

S4：根据步骤S1得到的数据，采用遗传算法对步骤S3建立的优化配置模型进行求解。

2.根据权利要求1所述的计及温控设备的社区微电网储能容量优化配置方法，其特征在于步骤S1中，计算风力发电机组输出功率的具体内容为：

风力发电机组输出功率P_t ^w与风速v_t之间的关系可近似描述为分段函数：

式中，v_ci为切入风速，v_co为切出风速，v_r为额定风速，P_r ^w为风电机组额定输出功率，当风速介于切入风速v_ci和额定风速v_r之间，风力发电机组输出功率可以表示为风速的近似线性函数P(v)，即：

3.根据权利要求1所述的计及温控设备的社区微电网储能容量优化配置方法，其特征在于步骤S2中制定社区级孤岛微电网的运行策略的原则为：

第一原则：首先满足除去温控设备以外的必要设备电负荷需求，所述必要设备电负荷包括风力发电机组负荷、常规发电机组负荷和储能设备，且微电源供电顺序依次为风力发电机组负荷、常规发电机组负荷、储能设备；

第二原则：若不能满足必要设备电负荷需求，则供电能力不足，需要削减负荷；

第三原则：若满足必要设备电负荷需求后，给温控设备负荷供电。

4.根据权利要求1所述的计及温控设备的社区微电网储能容量优化配置方法，其特征在于所述步骤S3中建立含温控设备的社区级微电网储能容量优化配置模型的具体内容为：

确定一年内储能设备综合成本最小为目标函数，其中目标函数为：

minF＝C_inv+C_M+C_ploss+C_Tloss+C_cut

目标函数中，C_inv为储能设备的投资费用；C_M为储能设备的运维费用；C_ploss为年缺供电费用；C_Tloss为温度越限费用，C_cut为弃风惩罚费用；

其中，储能设备的投资费用为其寿命周期内的投资成本等年值，储能设备投资成本的等年值费用为：

式中，r为折现率，取为10％；n为储能设备寿命，单位为年；C_ess为储能设备单位容量投资成本；S_ess为储能设备容量；

储能设备的运维费用为储能设备投资成本等年值费用的0.04倍，即：

C_M＝0.04×C_inv

式中，C_inv为储能设备的投资费用；

年缺供电费用为单位停电损失与年缺供电量的乘积，即：

C_ploss＝λ_EENS×E_EENS

式中，λ_EENS为单位停电损失，$/kWh，E_EENS为年缺供电量；

温度越限费用为年温度越限时段数与单时段温度越限惩罚费用的乘积，即：

C_Tloss＝λ_T×N_T

式中，λ_T为单时段温度越限惩罚费用，$/时段；N_T为年温度越限时段数；

弃风惩罚费用为单位弃风惩罚费用与年弃风量的乘积，即：

C_cut＝λ_cut×E_cut

式中，λ_cut为单位弃风惩罚费用，$/kWh；E_cut为年弃风量；

约束条件：

功率平衡约束

P_t ^w+P_G+P_dis-P_ch＝P_l+P_hp

式中：P_t ^w为风力发电机组输出功率；P_G为常规发电机组发电功率；P_dis为储能设备放电功率；P_ch为储能设备充电功率；P_l为一般电负荷功率；P_hp为温控设备负荷功率；

储能设备约束

储能设备的SOC约束：

Soc_min≤Soc(t)≤Soc_max

充电功率限制：

P_ch,min≤P_ch≤P_ch,max

放电功率限制：

P_dis,min≤P_dis≤P_dis,max

式中，Soc_min和Soc_max分别为储能设备荷电状态的最小值和最大值；P_ch,min和P_ch,max分别为储能设备的充电功率最小值和最大值；P_dis,min和P_dis,max分别为储能设备放电功率的最小值和最大值；

允许调节温度范围

T_set-δ≤T_t≤T_set+δ

式中，T_set为温度设定值；δ为温度调节范围；

供电可靠性约束

LOLP≤LOLP_max

式中，LOLP为微电网缺供电概率；LOLP_max为规划时微电网允许的最大缺供电概率。

5.根据权利要求4所述的计及温控设备的社区微电网储能容量优化配置方法，其特征在于供电可靠性约束条件中，微电网缺供电概率LOLP的具体计算公式为：

式中，N为时序蒙特卡洛模拟所设定的模拟年数，D_di为第i个停运状态的持续时间，M_dn为模拟时间跨度内系统失效状态出现的次数。

6.根据权利要求1所述的计及温控设备的社区微电网储能容量优化配置方法，其特征在于所述温控设备的等效热力学模型为：

当温控设备关断时：

当温控设备开启时：

式中，为仿真时刻t+1时的室内温度；为仿真时刻t时的室内温度；C为等值热电容；R为等值热电阻；Q为热功率；为仿真时刻t+1时的室外环境温度；t为仿真时刻；Δt为仿真步长。

7.根据权利要求5所述的计及温控设备的社区微电网储能容量优化配置方法，其特征在于步骤S4所述的采用遗传算法对优化配置模型进行求解的具体步骤为：

S41：输入各设备电负荷数据、室内设置温度、风速数据、各微电源参数和设置遗传算法的种群数量和迭代次数；

S42：计算风力发电机组输出功率；

S43：使用随机数方法产生遗传算法初始种群，采用二进制对染色体编码；

S44：对染色体进行解码，检查种群是否满足约束条件，并对种群满足的约束条件进行调整，使其满足约束条件；

S45：根据运行策略，对储能设备容量、储能设备的投资费用、运维费用、弃风惩罚费用、年缺供电费用、温度越限惩罚费用进行计算；

S46：计算当前种群内个体对应的系统LOLP，并计算个体适应度；

S47：通过算子对当前种群中的染色体进行选择、交叉、变异操作，得到下一代群体；

S48：判断否达到最大迭代次数，达到最大迭代次数则结束计算，输出优化后的结果，即输出储能设备配置容量；否则，返回步骤S43。