CN107229987A - 基于光储系统运行优化的混合储能配比计算方法 - Google Patents

Abstract

本发明公开了一种基于光储系统运行优化的混合储能配比计算方法，包括：S1、提取光伏电场运行数据时间窗口长度T，平抑目标分解并确定各自目标P_ΔL和P_ΔH；S2、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V_Opt.VRLA、V_Opt.UC数值；S3、判断是否满足充放电过程模型，并采取对应充放电策略；S4、计算各成本参量，并计算各粒子适应度值；S5、将各粒子适应度值与自身粒子极值及全局例子极值比较，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；S6、若满足收敛条件，若是则提取当前V_Opt.VRLA、V_Opt.UC即为最优容量数值。本发明可有效减少VRLA充放电次数，降低UC的容量比重，平抑功率偏移，降低总体成本投入。

Description

基于光储系统运行优化的混合储能配比计算方法

技术领域

本发明涉及混合储能技术领域，特别是涉及一种基于光储系统运行优化的混合储能配比计算方法。

背景技术

随着可再生能源渗透率的提升，其波动性给电网的安全可靠运行带来了巨大挑战。储能电站，因其对能量的充放特性，使其成为平滑可再生能源功率，克服其波动性的重要方式。光伏电站配置储能的关键问题之一在于，面对平滑效果与投入成本间的制约关系，如何协调确定储能容量，使有限容量同时满足储能系统运行的有效性和经济性。可见，储能电站的容量优化是光伏电站储能配置规划的重要内容。

现有技术中关于混合储能系统公开了以下技术方案：

建立基于光伏能量预测的微电网智能能量管理系统并提出了一种对微电网的储能容量进行合理配置的经济性优化方法；

分析光伏出力和负荷短期预测误差的随机性，并提出根据区间估计来进行分布式配置和集中式配置储能装置容量的方法；

通过建立概率密度函数来预测光伏出力间歇性，以减少线路损耗和最小化光伏出力波动为主要考虑因素，为光伏系统配置储能装置并对光伏系统和储能系统进行容量优化；

通过计算不同采样点的储能充放电功率对所对应的概率来优化储能容量；

研究微电网孤岛运行时储能容量的确定方法，根据储能系统不同时刻充放 电量累计值的概率密度曲线，提出一种概率性最优的储能容量优化方法，具有一定启发意义。

上述现有技术对于推进可再生能源的储能配置及运行研究具有重要意义，但随着研究的推进，但现有技术中尚未发现特性突出、综合能力显著的储能介质提出优势特性互补的混合储能对于提升储能系统的适应能力和运行可靠性具有重要作用，是未来平滑可再生能源波动性的重要发展方向。国家电网风光储示范工程同样采取了混合储能电站的设计思路，来有效实现储能电站的高效控制。但目前对于混合储能电站的研究更多的集中在能量管理、运行控制等方面，而光伏发电站中混合储能配比计算方法的研究并不多见。

发明内容

为克服现有技术的不足，本发明的目的在于提供一种基于光储系统运行优化的混合储能配比计算方法。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种基于光储系统运行优化的混合储能配比计算方法，所述方法包括：

S1、提取光伏电场运行数据时间窗口长度T，平抑目标分解并确定各自目标P_{Δ L}和P_{Δ H}；

S2、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V_Opt.VRLA、V_Opt.UC数值；

S3、判断是否满足充放电过程模型，并采取对应充放电策略；

S4、计算各成本参量，并计算各粒子适应度值；

S5、将各粒子适应度值与自身粒子极值及全局例子极值比较，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；

S6、判断当前计算是否满足收敛条件|Cⁿ-C^n-1|<σ_thresh，若是则提取当前V_Opt.VRLA、V_Opt.UC即为最优容量数值；若否则更新各粒子位置x及速度v，并重复步骤S3～S5，

其中，Cⁿ、C^n-1分比为当前和前一次循环计算的粒子适应度值，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。

作为本发明的进一步改进，所述光储系统包括能量型储能装置VRLA和功率型储能装置UC。

作为本发明的进一步改进，所述步骤S1具体为：

计算t时刻光伏发电机组输出功率P_W(t)与时段参考输出功率P_ref(t)的差值P(t)为：

P(t)＝P_W(t)-P_ref(t)；

利用小波变换将P(t)分解为高频分量P_h(t)和趋势分量P_l(t)，且满足：

P(t)＝P_{Δ H}(t)+P_{Δ L}(t)。

作为本发明的进一步改进，所述步骤S1还包括：

采用二进小波对尺度参量进行离散化，将分解滤波器系数Hn、Gn，重构滤波器系数Hn’、Gn’，通过对小波变换系数将P(t)分解为P_h(t)和P_l(t)，且满足：

P(t)＝P_{Δ H}(t)+P_{Δ L}(t)。

作为本发明的进一步改进，所述步骤S3中的充放电策略包括：

降低VRLA充放电次数；

及，减小UC容量。

作为本发明的进一步改进，所述步骤S3中减小UC容量的充放电过程模型 为：

P_d/c.UC＝P_{Δ H}·k，

P_d/c.VRLA＝P_{Δ L}+P_{Δ H}·(1-k)，

其中，k为功率缩减系数，为区间(0,1]的正数，为保证UC处于持续的充-放-充的循环平衡状态，需保证k>0；P_d/c.UC、P_d/c.VRLA分别表示UC、VRLA的充或放电功率。

作为本发明的进一步改进，所述步骤S4中计算各成本参量通过以下公式进行：

其中，ρ_VRLA、ρ_Uc分别为VRLA和UC单位容量建设成本；T为所提取运行数据的时窗长度；β为单位容量的弃光成本；α为未达到平抑目标所缺容量的单位惩罚成本；V_VRLA(t-1)，V_UC(t-1)为对应前一时刻容量取值；Δt为采样间隔；P_c.VRLA.max、P_c.UC.max分别为相应介质的最大充电功率；V_VRLA.min、V_UC.min分别为对应介质的最低放电容量，与SOC数值对应；P_d.VRLA.max、P_d.UC.max分为为对应最大放电功率。

作为本发明的进一步改进，所述步骤S4中的约束条件包括：

充放电功率约束：

-P_d.max<P(t)<P_c._max，

其中，P_c.max，P_d.max分别为相应介质对应的最大充放电功率；

充放电容量约束：

其中，容量V(t)的变化应限制在各介质最大容量V_max和最小容量V_min之间。

本发明具有以下有益效果：

本发明以典型功率型储能VRLA和能量型储能UC构建混合储能电站，利用其各自特性构建优势互补的充放电过程模型，实现混合储能系统各介质间协调有机运行；以储能电站运行成本和建设成本最小为目标建立容量规划模型，并考虑两种储能介质的充放电功率约束和容量对比约束，实现了最优化配置。

本发明可有效减少VRLA充放电次数，降低UC的容量比重，平抑功率偏移，降低总体成本投入，对混合储能电站容量规划有很重要的参考价值。

附图说明

图1为本发明基于光储系统运行优化的混合储能配比计算方法的流程示意图。

图2为本发明中采用小波变换提取高低频分量的原理图。

图3为本发明一具体实施例中平抑目标分解示意图，其中，图3a、3b、3c分别为偏移量P、P_{Δ H}、P_{Δ L}的曲线示意图。

图4为本发明一具体实施例中平抑效果示意图。

图5为本发明一具体实施例中分解目标充放电功率示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基 于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明以典型功率型和能量型介质构建混合储能电站，并依据各自优势，建立了优势互补的储能充放电模型。在此基础上，考虑两种储能介质的充放电功率约束和容量对比约束，通过粒子群算法(PSO)算法研究了不同储能介质的最优容量配置；以运行成本和建设成本最小为目标建立容量规划模型，实现了成本最优化。以实际光伏电场运行数据进行验证分析，表明该方法可以有效减少铅酸蓄电池(VRLA)的充放电次数，降低超级电容(UC)的容量比重，性能有效提高的同时进一步降低了总体成本投入，验证了该方法对混合储能电站容量规划的有效性和合理性。

参图1所示，本发明的一种基于光储系统运行优化的混合储能配比计算方法，包括：

S1、提取光伏电场运行数据时间窗口长度T，平抑目标分解并确定各自目标P_{Δ L}和P_{Δ H}；

S2、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V_Opt.VRLA、V_Opt.UC数值；

S3、判断是否满足充放电过程模型，并采取对应充放电策略；

S4、计算各成本参量，并计算各粒子适应度值；

S5、将各粒子适应度值与自身粒子极值及全局例子极值比较，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；

S6、判断当前计算是否满足收敛条件|Cⁿ-C^n-1|<σ_thresh，若是则提取当前V_Opt.VRLA、 ^V _Opt.UC即为最优容量数值；若否则更新各粒子位置x及速度v，并重复步骤S3～S5，

其中，Cⁿ、C^n-1分比为当前和前一次循环计算的粒子适应度值，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。

本发明对典型功率型和能量型介质构成的混合储能进行研究，并对其特性的互补优化进行分析。具体而言，UC属于功率型储能装置，具备频繁充放电切换响应能力、可充放电次数高等优势，适用于呈现频繁快速变化特性的随机分量的波动平抑；VRLA属于能量型储能装置，能量密度大、储能时间长，同时存在输出功率变化范围小，速度慢且充放电次数少等缺点，可用来补偿光功率中波动平缓、能量较大的趋势分量。目前UC成本要比VRLA昂贵的多，由此可见，混合储能电站的运行应发挥UC频繁充放特性，使其在小幅能量充放区间中发挥作用，同时限制其容量；对于VRLA应有效避免充放电状态频繁转换，并适当提升其相对容量，使其在大幅值能量的充放电区间中工作。由此来构建优势互补的混合储能电站，实现能量型和功率型储能设备协调，处于优化储能的工作状态。

t时刻光伏发电机组输出功率P_W(t)与时段参考输出功率P_ref(t)的差值P(t)为：

P(t)＝P_W(t)-P_ref(t) (1)

同时为了进一步发挥混合介质特性，如图2所示，利用小波变换将P(t)分解为高频分量P_h(t)和趋势分量P_l(t)，优选地，本发明采用二进小波对尺度参量进行了离散化，与连续小波变换相比大大降低了计算量；而平移参数仍保持连续变化，仍然具有时移共变性，这也是它与离散小波变换相比所具有的最大优点。选用二次样条二进小波，其分解滤波器系数Hn、Gn，重构滤波器系数Hn’、Gn’。通过对小波变换系数可将P(t)分解为P_h(t)和P_l(t)，且满足：

P(t)＝P_{Δ H}(t)+P_{Δ L}(t) (2)

若P_{Δ H}(t)>0,则t时刻储能电站UC处于充电状态；反之，则处于放电状态；同理，若P_{Δ L}(t)>0,则t时刻储能电站VRLA处于充电状态；反之，则处于放电状态。本发明充放电过程模型从运行目标分为如下情形：

(1)降低VRLA充放电次数

引入当前时刻未来30分钟的超短期光功率预测数值，该数值用于充放电状态的判定。对于以下情形VRLA的充放电状态将保持不变，此时平抑任务主要由UC完成。设f(t)为P_{Δ L}(t)与零值的关系标志位，且f(t)的正负号与P_{Δ L}(t)相同，当满足f(t-1)·f(t)<0时：

如果f(t)>0且Δt_f<Δt_thr，此时S_bat.VRLA＝-1，P_d.VRLA＝0；

式中f(t^-1)·f(t)<0表示P_{Δ L}(t)与零值关系发生改变；Δt_f为f保持当前状态持续时间；Δt_thr为持续时间阈值；P_d.VRLA表示放电功率且充放及浮充状态分别对应数值1，-1，0。

这种情况为：当前f(t)＞0对应为充电状态，f(t+1)＜0对应为放电状态，即由常规充电状态变为放电状态。为减少VRLA充放电次数，此时引入判断f(t)>0持续时间，若大于阈值Δt则S_bat.VRLA发生改变；否则S_bat.VRLA拒绝变化，等效P_d.VRLA为零值；

如果f(t)<0且Δt_f<Δt_thr，此时S_bat.VRLA＝1，P_c.VRLA＝0。

式中，P_c.VRLA表示充电功率且充放及浮充状态分别对应数值1，-1，0；S_bat.VRLA为充放电状态标志。对应f(t)由常规放电状态变为充电状态，结合阈值判断S_bat.VRLA的变化规则。

(2)充分减小UC容量

为减小UC容量，当VRLA与UC同为充放状态时，UC减功率充放而VRLA 倍功率充放；充放状态互异时，UC仍减功率运行，而VRLA相应协调充放功率；当SOC_VRLA临近阈值时，UC恢复充放电功率。具体而言，分别讨论S_bat.VRLA为1或-1，S_bat.UC为1或-1时充放电模型：

上述四种情况下，为减小UC容量，VRLA与UC充放模型为：

P_d/c.UC＝P_{Δ H}·k

P_d/c.VRLA＝P_{Δ L}+P_{Δ H}·(1-k) (3)

式中，k为功率缩减系数，为区间(0,1]的正数，为保证UC处于持续的充-放-充的循环平衡状态，需保证k>0；P_d/c.UC、P_d/c.VRLA分别表示UC、VRLA的充或放电功率。式(3)表明，UC减功率充放，而VRLA则以从属协调角色承担剩余总体目标的平抑任务。

储能电站容量优化模型以建设成本和运行成本总和最小构建优化目标函数，建设成本与混合容量成正比关系，而运行成本则在混合容量增大情况下呈下降趋势，因此本目标函数在于求取建设成本与运行成本权衡下的最佳容量。运行成本包含弃光成本和期望输出惩罚成本，其中弃光成本和期望输出惩罚成本均由两部分构成，其一为容量因素，因容量不足而造成满充弃光或者放电下行越限而无法有效平抑波动；其二为功率因素，虽各自平抑目标确实时已消除该因素影响，但因协调互补的充放电策略导致实际平抑波动过程中，仍有充放功率不足导致弃光和平抑功率不足的可能。相应计算如式(4)所示：

式中，ρ_VRLA、ρ_Uc分别为VRLA和UC单位容量建设成本；T为所提取运行数据的时窗长度；β为单位容量的弃光成本；α为未达到平抑目标所缺容量的单位惩罚成本；V_VRLA(t-1)，V_UC(t-1)为对应前一时刻容量取值；Δt为采样间隔； P_c.VRLA.max、P_c.UC.max分别为相应介质的最大充电功率；V_VRLA.min、V_UC.min分别为对应介质的最低放电容量，与SOC数值对应；P_d.VRLA.max、P_d.UC.max分为为对应最大放电功率。

约束条件主要包括充放电功率约束和容量约束。

充放电功率约束：

-P_d.max<P(t)<P_c.max (5)

式中，P_c.max，P_d.max分别为相应介质对应的最大充放电功率，一般与电池容量有关。

电池的寿命与充放电深度相关，过冲过放都会增加电池寿命损耗，所以对充放电容量进行约束：

式中，容量V(t)的变化应限制在各介质最大容量V_max和最小容量V_min之间。

本发明采用计算效率较高、收敛特性较好的粒子群优化算法(PSO)进行求解计算，具体算法及步骤如下：

1)提取光伏电场运行数据时间窗口长度T及其对应数据，平抑目标分解并确定各自目标P_{Δ L}和P_{Δ H}；

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V_Opt.VRLA、V_Opt.UC数值；

3)判断是否满足充放电过程模型，并采取对应充放电策略；

4)按式(4)计算各成本参量，并计算各粒子适应度值；

5)将各粒子适应度值与自身粒子极值及全局例子极值比较，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；

6)判断当前计算是否满足收敛条件，若是则提取当前V_Opt.VRLA、V_Opt.UC即为最优容量数值；若否则依据式5、6约束，按式(2)所示规则更新各粒子位置x及速度v，并重复步骤3-5，

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。

本发明一具体实施例中以现场光伏电场实际运行数据验证进行，依据本发明混合储能电站容量规划方法计算混合储能容量，该光伏电站装机容量为30MW，采样频率为5分钟，容量采用等效值，将UC容量等效为以VRLA为基准的容量，按下式计算等效总容量：

对年度运行数据，基于功率偏移量方差最小为目标自适应确定期望输出平抑目标及分解目标，如图3a～3c所示。

基于此，结合充放电策略和容量优化方法，依据求解算法和步骤计算最佳储能容量配置，计算结果如表1所示，其中本发明VRLA与UC的容量配比计算结果为4.3:1：

表1 计算结果

表格中功率偏移方差用来衡量平抑后输出功率与期望输出间的偏移程度；N为VRLA的充放电状态转换次数。依据本发明的计算方法，相比单一UC系统的最优容量，本发明混合储能系统最优等效容量降低了17.8％，目标函数值减少了3.1％。可以看出，从经济性角度，本发明混合储能系统所选择容量相比单一介质容量较低，且以总成本为目标函数的最优数值也相对较小，表明性能提升的同时混合储能系统的经济性得到了进一步的优化。

平抑效果方面，相比单一介质系统，混合储能系统功率偏移方差χ下降27.9％，其原因在于单一储能介质中其偏移量主要由其充放电功率越限而导致，而在混合系统中由于平抑目标的分解，其各自介质承担限值充放电功率相对降低，由此起总体平抑结果的χ呈现下降趋势；而在VRLA的充放电次数方面，混合储能系统具备显著降低N的能力，其降幅达64.8％，其原因在于混合储能系统的充放电策略优先考虑VRLA的短时充放电转换情况，对该情况采取UC辅助平抑的方法。为利于显示，提取一定时间截面的平抑效果，如图4所示，该平抑过程的充放电功率如图5所示。

由图4可以看出，所选定时间截面的平抑效果显著；由图5得该区间界面内充放电功率并未越限。综合上述仿真验证可得，本发明所提混合容量计算方法，在所构建的混合储能系统的充放电策略引导下，可实现不同介质储能的优化配置，并在保证波动平抑效果的前提下，储能平抑功率偏移量及VRLA充放电次数等方面具有明显的优化提升作用，同时总体成本有小幅降低。

由以上技术方案可以看出，本发明具有以下有益效果：

本发明以典型功率型储能VRLA和能量型储能UC构建混合储能电站，利用其各自特性构建优势互补的充放电过程模型，实现混合储能系统各介质间协调有机运行；以储能电站运行成本和建设成本最小为目标建立容量规划模型， 并考虑两种储能介质的充放电功率约束和容量对比约束，实现了最优化配置。

本发明可有效减少VRLA充放电次数，降低UC的容量比重，平抑功率偏移，降低总体成本投入，对混合储能电站容量规划有很重要的参考价值。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述方法包括：

S1、提取光伏电场运行数据时间窗口长度T，平抑目标分解并确定各自目标P_{Δ L}和P_{Δ H}；

S2、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V_Opt.VRLA、V_Opt.UC数值；

S3、判断是否满足充放电过程模型，并采取对应充放电策略；

S4、计算各成本参量，并计算各粒子适应度值；

S5、将各粒子适应度值与自身粒子极值及全局例子极值比较，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gbest；

S6、判断当前计算是否满足收敛条件|Cⁿ-C^n-1|<σ_thresh，若是则提取当前V_Opt.VRLA、 ^V _Opt.UC即为最优容量数值；若否则更新各粒子位置x及速度v，并重复步骤S3～S5，

其中，Cⁿ、C^n-1分比为当前和前一次循环计算的粒子适应度值，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。

2.根据权利要求1所述的基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述光储系统包括能量型储能装置VRLA和功率型储能装置UC。

3.根据权利要求1所述的基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述步骤S1具体为：

计算t时刻光伏发电机组输出功率P_W(t)与时段参考输出功率P_ref(t)的差值P(t)为：

P(t)＝P_W(t)-P_ref(t)；

利用小波变换将P(t)分解为高频分量P_h(t)和趋势分量P_l(t)，且满足：

P(t)＝P_{Δ H}(t)+P_{Δ L}(t)。

4.根据权利要求3所述的基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述步骤S1还包括：

采用二进小波对尺度参量进行离散化，将分解滤波器系数Hn、Gn，重构滤波器系数Hn’、Gn’，通过对小波变换系数将P(t)分解为P_h(t)和P_l(t)，且满足：

P(t)＝P_{Δ H}(t)+P_{Δ L}(t)。

5.根据权利要求4所述的基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述步骤S3中的充放电策略包括：

降低VRLA充放电次数；

及，减小UC容量。

6.根据权利要求5所述的基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述步骤S3中减小UC容量的充放电过程模型为：

P_d/c.UC＝P_{Δ H}·k，

P_d/c.VRLA＝P_{Δ L}+P_{Δ H}·(1-k)，

其中，k为功率缩减系数，为区间(0,1]的正数，为保证UC处于持续的充-放-充的循环平衡状态，需保证k>0；P_d/c.UC、P_d/c.VRLA分别表示UC、VRLA的充或放电功率。

7.根据权利要求2所述的基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述步骤S4中计算各成本参量通过以下公式进行：

其中，ρ_VRLA、ρ_Uc分别为VRLA和UC单位容量建设成本；T为所提取运行数据的时窗长度；β为单位容量的弃光成本；α为未达到平抑目标所缺容量的单位惩罚成本；V_VRLA(t-1)，V_UC(t-1)为对应前一时刻容量取值；Δt为采样间隔；P_c.VRLA.max、P_c.UC.max分别为相应介质的最大充电功率；V_VRLA.min、V_UC.min分别为对应介质的最低放电容量，与SOC数值对应；P_d.VRLA.max、P_d.UC.max分为为对应最大放电功率。

8.根据权利要求7所述的基于光储系统运行优化的混合储能配比计算方法，其特征在于，所述步骤S4中的约束条件包括：

充放电功率约束：

-P_d.max＜P(t)＜P_c.max，

其中，P_c.max，P_d.max分别为相应介质对应的最大充放电功率；

充放电容量约束：

其中，容量V(t)的变化应限制在各介质最大容量V_max和最小容量V_min之间。