CN108092290B - 一种联合储能容量配置与优化运行的微网能量配置方法 - Google Patents

Abstract

一种联合储能投资与运行的微网能量管理策略，该策略实现储能装置在微网建设中的合理投资和运行。首先，考虑到储能容量在微网投资与运行问题中是一个耦合变量，以储能年投资和微网日运行的两个时间尺度，作为两阶段优化问题求解；其次，考虑到Operator与用户间存在电价与负载消耗的信息交互关系，提出一个两层的分布式迭代算法，优化求解最优的实时电价和最优用户消耗；最后，根据所求的微网运行成本解耦求解储能单元的最优整数解，从而实现储能装置的最优投资与微网运行的经济性，且同样适用于微网中其他分布式单元的投资与运行优化问题。

Description

一种联合储能容量配置与优化运行的微网能量配置方法

技术领域

本发明涉及微网社区建设中一种对分布式单元的优化运行配置方法，尤其针对含有随机性发电单元的微网系统，提高储能装置在微网运行中的使用效率和使用寿命，以及减少微网社区不必要的初始容量投资。

背景技术

微网主要为小型的本地社区提供必要的电能，是一个由模块化的分布式发电单元(新能源发电、燃料电池等)和各类用户负荷组成的可控发电系统。微网系统中各分布式发电单元的发电特性各不相同，加上需求侧各类用电负荷的不同供电电能质量要求，如何实时协调各类分布式电源的功率输出和实现各类用户负荷的调度，以及实现微网社区的长期稳定、经济可靠运行，其中微网能量管理技术是关键。因此，探究新型的控制方法和调度模式对提高微网系统内部的能量管理和微网在现代电力系统中应用及推广是十分迫切和有意义的。

新能源发电的波动性和随机性在一定程度上限制了微网系统对新能源的大规模消纳。储能装置的充放电惯性较小，既可以通过充电的形式储存多余的新能源，又可以通过放电的形式缓解用电高峰期的供电压力，同时，储能利用供电时间差实现套利。因此，储能装置的接入可以很好的解决新能源大规模接入微网的问题。但是，高昂的成本阻碍了储能在微网系统中的使用，这促使了很多学者研究微网系统中的储能容量投资和经济运行。目前针对储能的研究主要集中于两个方面：一是优化储能的充放电模型和充放电方法，以便于协调新能源功率输出；二是优化储能容量，减少微网的投资建设成本。以上研究一定程度上提高了微网运行的经济性，却也忽略了储能容量与微网运行之间的耦合关系，储能容量直接影响了微网的投资成本，但是储能容量的大小又间接影响了微网的运行成本的多少，因此有必要提出一套理论框架联合优化储能运行与投资的组合问题。

由于微网系统中接入了智能用户，根据用户负荷的不同供电特性，采用需求侧响应机制降低需求侧的用电成本。需求侧响应常用的方法：一方面通过电价的激励，提高用户参与微网能量管理的积极性，另一方面对用户负荷供电要求进行建模，提高供电负荷的供电满意度。另外，微网中不同类型的用户对电能的供电质量要求、电能支付能力也不相同，因此，各类用户对需求侧响应的应激性也不尽相同，这点需要在微网能量调度的策略上有所体现。

因此，开发一种服务于微网社区的经济优化运行方法，对减少微网系统对储能设备的投资、提高新能源的利用率、降低分布式单元的发电成本，以及降低多类智能用户的供电成本具有重要的理论和实践意义。

发明内容

本发明提供了一种以Operator为优化决策者的两层模型，按储能的长期容量投资与短期运行两个时间尺度，分别优化决策储能最优容量配置、最优的实时电价和最优的用户负荷消耗，目的是提高微网运行的经济性和可靠性。在下层优化问题中，提出了一种分布式迭代算法，Operator实时更新电价以激励用户改变原有的负载消耗，降低了微网的日常发电成本和用户的用电成本。在上层优化问题中，Operator根据下层的最优运行结果，在年投资时间尺度上决策出储能的最优容量，使得微网的联合投资与运行成本最低。从而实现联合储能容量配置与优化运行的微能量配置方法。

本发明的具体技术方案是；

1.一种联合储能容量配置与优化运行的微能量配置方法，其特征在于所述方法包括以下步骤：

①初始化微网系统容量配置与优化运行的技术参数：储能装置的投资年限、单位成本价格、充放电效率、充放电成本系数、荷电状态信息、电网发电机组的发电成本系数，以及两类用户的不舒适度成本系数、切负荷补偿成本系数和供电区间的划分；

②初始化分布式迭代算法参数：初始化迭代次数、迭代步长和收敛准则等，以及初始的电价和用户负荷消耗信息；

③建立上层Operator优化目标和下层用户优化目标，其中上层优化目标中Operator需要优化储能的最优容量配置和微网最优运行：

P2:

P1:minδC_I(α_es)+(1-δ)365HE_ω∈Ω[f(α_es,ω)]

其中，

下层优化两类用户的最优用电成本：

p_ui:

p_uj:

④根据微网社区中Operator与用户具有一致性目标，提出了一种分布式迭代算法联合求解上层微网最优运行和下层的用户最低负载消耗；

⑤Operator根据第二阶段P2的微网最优日运行计划，决策出第一阶段P1的最优整数储能容量配置。

进一步的，上述步骤①中储能充放电成本的设置，避免了储能的频繁充放电和储能的深度充放电所造成的设备损耗，并且充放电成本中优化变量只有充放电功率两个变量，不再需要充放电的0-1变量，简化了优化难度；根据两类用户的用电习惯，对用户负荷的工作时段划时段调度，增加了用户负载调度的科学性。

进一步的，上述步骤②中假设用户可以选择不接受Operator的强制调度，但可以在最优用电成本的驱动下调整自身的用电计划，所以初始的负荷值设置为用户负荷的预测值(按照用户以往的用电习惯进行预测)。

进一步的，上述步骤③中的上层优化目标函数按照储能的年投资和日运行两个时间尺度，将上层中的储能容量配置与优化运行问题按两阶段进行求解，其中储能容量是两阶段问题中的耦合变量；另外，上层Operator决策中心与下层用户之间通过智能电表传递电价信息和负载功率消耗信息，保证了用户供电的隐私性(不需要了解用户的具体用电行为)。进一步的，上述步骤④中微网社区中Operator应服务于所有用户负荷，因此其保证微网最优运行的情况下也会兼顾用户的最小用电成本，又因为用户分布在微网社区中，根据Operator与用户之间的电价和负载消耗的信息传递，提出了一种分布式迭代算法联合求解上下层问题；其中上层微网运行问题中的电网购电功率为

将购电功率改写为下式：

此时上层优化目标函数是一个凸优化问题，采用标准的内点法进行求解；联合下层的用户用电成本函数，采用KKT条件求出Operator与用户间传递的电价信息；用户接受到Operator发送的电价信息之后，根据更新规则(参照迭代算法设计，迭代算法是由次梯度投影理论设计)调整用电计划，直到上层优化目标函数与下层优化目标迭代次数达到最大值，或者迭代过程中满足算法的收敛条件，其中收敛停止条件采用电价信息p^t(k)-p^t(k-1)≤ε，当电价不在变化时，即最优电价，对应的负载消耗也是最优的，说明Operator达到最优运行，同时用户的用电成本也最低。

进一步的，上述步骤⑤中的第一阶段P1优化问题包括储能的一次投资和微网的最优运行，储能容量与投资成本是线性增长的，而储能容量的增长与微网的运行成本是非线性下降的。因此，在第二阶段P2微网最优运行条件下，可以将储能的整数约束松弛为连续约束，然后重新求解问题P1，此时只需要比较最优解

的相邻整数解

即可。

进一步的，本发明中：

用户负荷模型

根据负荷供电的时段性特点，居民用户和商业用户负荷模型分别如下式(1)和(2)：

其中，l表示负荷供电模型，(e,s)表示负荷的供电区间，即从第s个供电时段开始到第e个供电时段结束，y^t表示Operator依据用户在t时段上的用电习惯对弹性负荷的日前预测，r^t表示弹性负荷的实时调度值。D_min和D_max分别表示弹性在供电区间上的最小和最大供电量。b^t表示用户中的非弹性负荷设备(不可调度量)，d_min和d_max是用户进线线路的限制。

负荷经调度后可能偏离预测曲线值，给用户用电体验上造成一定的不舒适感，不舒适度成本描述为下式：

其中，β表示用户不舒适度成本系数，为了区分不同类型的用户在负荷调度中响应，β_i,β_j取值不同。除了考虑负荷的可转移性，负荷也可以根据需要进行甩负荷操作，如娱乐性设备：游戏机、电视等。为弥补负荷被切除后造成的损失，定义一个切负荷补偿成本：

其中，β_c表示用户切负荷补偿成本系数，同样β_c1,β_c2分别表示普通居民负荷和商业用户对切负荷操作所造的损失响应大小。

为平衡负荷需求，用户需要向operator实时购电：

因此，下层的优化目标主要由不舒适度成本、切负荷补偿成本和购电成本三部分组成：

Operator优化模型

假设微网中的已安装太阳能和风能两类新能源发电机组，分别用

和

表示光伏发电和风机发电。新能源发电机组满足如下约束：

其中，新能源供电功率

应不超过新能源的t时段最大可用发电功率

为了平滑新能源供电的波动性，Operator计划安装储能设备吸收微网中过剩的新能源，通过放电缓解新能源供电不及时的问题。另外，储能可以充分利用电价的峰谷差实现套利，在电网电价较低时储能提前充电，在电价较高时储能进行供电。然而，由于制造工艺水平的限制，储能装置的单位成本依然很高，因此，Operator需要均衡储能的投资成本和前面提到的好处。

本发明提出的储能投资与运行优化模型是一个两阶段决策过程。在第一阶段，Operator决策出储能的最优容量α_es，优化时长为H，则储能的一次投资成本函数为：

C_I(α_es)＝c_esα_es (8)

其中，c_es是储能的单位成本价格。另外，储能的投资成本不应超过Operator的投资预算，则储能容量满足如下约束：

其中，B为投资预算。

在第二阶段，Operator管理着储能的运行、发电单元的供电和需求侧响应。首先我们考虑储能的充电

和放电

储能的充放电约束如下：

soc(0)＝soc(T) (12)

其中，

是储能的剩余功率，式(10)描述了储能充放电的动态过程，η_c∈[0,1]和η_d∈[0,1]分别表示储能充放电效率。式(11)描述了储能荷电状态的边界约束，soc^t是储能的荷电状态，soc_min和soc_max分别表示储能荷电状态的最大值和最小值。为了保持储能日常运行的独立性，严格限制储能的末了时刻的荷电状态等于其初始状态，如式(12)所示。式(13)和(14)分别描述了储能的充放电功率约束，

分别表示储能的最大充电功率和最大放电功率。

储能的充放电次数以及储能的充放电深度都会影响储能的使用寿命，为了避免储能的频繁充放电，提高其使用寿命，本发明定义了储能的充放电成本：

其中，β_es是储能的充放电成本系数。

微网中的新能源并不是一直能满足用户需求，这部分的功率缺额由Operator向电网购电进行弥补，电网购电成本描述为下式：

其中，

是Operator向电网的购电功率，β_o1,β_o2,β_o3是电网发电机组的发电系数。另外，购电功率还需满足进线线路容量约束：

Operator在第二阶段除了完成对发电单元的功率输出、储能的充放电功率以及用户负载消耗的调度，还需要平衡发电方和供电的供需平衡：

新能源发电利用的是光能和风能，是一种清洁能源，其发电成本可忽略不计，所以微网系统应该尽可能多充分利用新能源，所以式(18)改写为下式：

考虑到储能的投资与运行的优化时间尺度(年和小时)不同，所以该优化问题可以分为两阶段进行优化：1)第一阶段完成储能的容量配置；2)第二阶段完成发电单元及储能的调度。注意到两阶段优化问题存在耦合关系，因为储能容量的配置影响了后续的运行成本，同时储能最优容量投资也需要综合考虑微网的运行成本，所以本发明首先优化第二阶段的微网运行成本。微网社区作为一种非盈利性机构，Operator不仅需要管理分布式电源和储能的运行状态，而且需要服务于各类用户。微网的日运行目标函数P2如下：

其中，优化问题P2中包括Operator及用户的决策变量：

和

通常Operator不直接控制用户的功率消耗，用户可以自己决定用电行为而不必向Operator汇报，从而保护了用户用电的隐私性，所以在接下来的章节中本发明设计了一种分布式求解算法。

假设Operator已事先知道新能源的日前预测值，采用一个场景集合对新能源发电的分布作数值模拟，其中的场景对应新能源一天的发电情况及概率分布。例如，使用一年的历史数据建立数值模型，将得到365个场景，每个场景的概率为1/365。为了减少计算的复杂度，利用场景缩减技术对场景进行采样，采样得到的子集Ω尽可能逼近原有的场景集合。在给定的场景下ω∈Ω，微网最低运行成本函数为：

Operator长期优化目标是最小微网系统的整体成本：投资成本和所有场景下的微网期望运行成本。此时，Operator第一阶段优化目标函数如下所示：

其中，δ是储能投资成本和投资年限下微网运行期望成本的权重系数。微网的期望运行成本描述为下式：

其中，ξ_ω场景ω下的场景概率。

基于储能最优容量与运行的两阶段分层优化算法

由图2中微网能量管理的两阶段分层优化模型可知，上层优化模型中按照年和日两个时间尺度求解问题P1和P2，再由前面的分析可知，微网的投资决策需要权衡储能的投资费用和微网日常的运行收益，即问题P1的解包含了问题P2的最优解，所以先对微网运行问题P1求解，然后再对问题P2的储能容量进行决策。针对下层模型中用户的最低用电成本函数，利用Operator与用户之间的电价和负载消耗信息，设计了一种分布式迭代算法。

本发明实施步骤包括以下步骤：

步骤一：求解微网最优运行P2

在微网日常运行中，微网负责储能的运行以及协调发电侧和供电侧的功率平衡，然而，用户都是一个独立的个体且分布在微网社区中，因此，Operator实际上不能够直接控制所有用户的用电行为，但利用Operator与用户之间的信息交互，Operator通过电价激励间接影响用户的用电行为。由用户最小用电成本函数(P_i,P_j)可知，购电成本与Operator发布的实时电价和负载消耗相关，因此，Operator通过调整价格来激励用户的需求侧响应，同样，用户负载的消耗会影响微网的运行成本。基于这种电价和负载信息交互的思想，本发明设计了一种分布式迭代算法联合求解上层的微网运行成本P2和下层的用户用电成本P_ui,P_uj。为了求解算法中最优电价，经由KKT条件计算可得，当Operator发布一个最优的实时电价p^t，如式(24)所示，用户将反馈一个全局最优的实时负载消耗

其中，

为

的所有时段集合。具体的分布式迭代算法如下：

算法1：分布式迭代算法

算法1中主要包含两个的过程：1)Operator根据式(24)计算实时电价并广播给所有用户；2)所有用户一旦接受到Operator发布的电价，按照负荷功率消耗规则更新自身负载消耗并报告给Operator，Operator与用户重复这一过程，直到算法收敛。

步骤二：求解微网最优储能容量P1

问题P1是一个混合整数规划问题，考虑到该目标函数只有一个整数变量，可以采用穷举的方式将储能容量代入优化目标中寻到最优的整数解。然而这种算法不但计算耗时，而且缺乏理论计算意义。优化目标P1由投资成本和运行成本两部分组成，投资成本与储能容量α_es是一种单调递增的线性关系，所以本专利的研究重点是储能容量α_es与运行成本之间的关系。储能容量的增大会增加目标函数的可行域，使得优化目标的值至少是不增的，即运行成本函数是下降的。所以，不再需要搜索所有的可行的整数解，只需将储能容量的整数约束松弛为连续约束，接着求解对凸优化问题P1连续的最优解

然后重新求解原目标函数P1的整数解，此时只需比较最优解

的相邻整数

目标函数值即可。

技术效果

本发明提供的联合储能容量配置与优化运行的微能量配置方法，是从Operator的角度提出了一种为微网系统配置最优容量与最优运行方法。该方法解决了两个不同时间尺度上的耦合问题：年投资和日运行。本发明也提出了一种分布式迭代算法求解微网最优运行与用户最小用电成本问题，很好的保证了用户用电的隐私权益，同时，也考虑了不同类型用户在不同储能容量下的负荷侧管理的影响。

附图说明

图1是微网能量管理系统结构示意图。

图2是微网能量管理的两阶段分层优化模型图。

图3是微网中各分布式单元的供电顺序。

图4是联合储能容量配置与优化运行的微网系统总体流程图。

附图符号说明

图1中，微网的年投资时间周期H＝{1,...,D}，日运行时间周期T＝{1,...,T}，其中D为投资年限，T为日运行周期时长，每个供电时段满足t∈T。用户类型分为普通居民用户和商业用户，分别用N＝{1,...,N}表示居民用户户数，其中变量i表示居民用户；M＝{1,...,M}表示商铺数量，其中变量j表示商业用户。各类电器设备分为弹性负载

和非弹性负载两类

这里的弹性负荷指的是其工作状态在给定的工作区间上可能因电价激励而发生变化，如电动汽车、洗衣机等，非弹性负荷指的是在给定供电区间上其工作状态是确定的，如照明、电梯等。

图2中，优化模型分为上下两层，Operator是微网的调度决策者。上层的优化目标最小化微网的投资与运行成本，主要由两部分组成：其一在年投资年限上优化最优的储能容量投资，其二对微网的日运行成本进行优化。其中，储能容量作为一个耦合变量，一方面直接影响了储能的投资成本，另一方面储能容量的大小间接影响了微网的运行成本。下层的优化目标是最小化用户的用电成本。另外，考虑到智能用户都安装了智能电表，Operator通过电表实时了解用户负载消耗

用户又可以通过电表的示数了解实时电价

并改变原有的用电计划。因此，Operator与用户之间仅通过智能电表传输的少量信息实现对用户负荷的调度，保证了用户供电的隐私性。

图3中，净负荷的计算方式：1)Operator首先收集各类用户的总供电需求；2)收集t时段内光伏发电和风机发电的总预测值；3)净负荷等于总用电需求与新能源总供电量的差值。

具体实施方式

以下结合附图并通过实例对本发明进一步说明。

如图1、图2所示，本发明所采用的微网系统包括一台光伏发电设备、一台风力发电机组和一台储能设备。储能的投资决策年限为8年，储能设备的单位成本价格为1600￥/kWh，储能的其他技术参数如下：充电效率η_c＝0.96，放电效率η_d＝1，最大荷电状态和最小荷电状态分别是soc_min＝0.1,soc_max＝0.9。电网的发电成本系数β₁＝0.00245,β₂＝0.05。另外，微网社区中包括普通居民用户和商业用户各95户，其中，假定2/3的负载是弹性负荷，其余是非弹性负荷。为了简化优化过程，假设所有居民用户每个时段的负载消耗都相同，同样商业用户也是如此。对于普通居民来说，不舒适度成本系数为β_i＝0.06，切负荷补偿成本系数为β_c1＝0.1。考虑到普通居民更倾向于节约用电成本，而商家则倾向于舒适度，所以两类用户的技术参数有所区别，商家的不舒适度成本系数为β_j＝0.08，切负荷补偿成本系数为β_c2＝0.15。

最小的调度时间间隔设为一小时，如00:00～00:59视为第一供电时段，其他供电时段依次类推，因此，一天可以划分为24个供电时段，并且假设在每个供电时段内，分布式单元的功率输出及与用户负荷需求保持不变。根据居民的用电习惯，普通居民用户供电周期划分为三个子区间([1,8],[9,18],[19,24])，第一供电区间为夜间休息时间，此时用户的用电行为较单一；第二供电区间是白天工作时间，只有老人和小孩在家使用电器设备；最后一个供电区间是晚上时间，此时全家人都在使用各种电器设备。同样商铺根据营业状态，其供电周期同样划分为三个字区间([1,10],[11,17],[18,24])，第一供电区间店铺处于歇业状态，供电需求极少；第二、第三供电区间店铺都处于营业状态，但是第二供电区间商业并不繁忙，供电需求一般；最后一个供电区间商业活动达到最大值，供电需求也是最大的。

经场景缩减算法处理后，总的数目为10个。

下面给出联合储能容量配置与优化运行的微网系统总体流程，如图4所示：

1.初始化微网系统投资与运行的技术参数：储能设备的投资年限，储能单位容量价格、充放电效率、充放电成本系数、荷电状态、电网发机组的发电系数，以及两类用户的不舒适度成本系数、切负荷补偿成本系数和供电区间的划分等；

2.初始化分布式迭代算法参数：初始迭代次数、迭代步长和迭代停止准则等，以及初始的电价和负载信息；

3.Operator通过智能电表实时收集用户用电信息，并根据用户的用电需求制定发电计划，如图3所示(优化新能源的功率输出、储能的充放电策略、向电网的购电功率)，以及计算实时电价并发布给所有用户；

4.用户根据接受到的电价信息修改用电计划，在最优用电成本的驱动下求解最优负荷消耗，并通过智能电表将负载信息发送给Operator；

5.判断在求解用户最低用电成本与Operator最优运行两层目标过程中，是否满足分布式迭代算法的停止收敛准则p^t(k)-p^t(k-1)≤ε，或者达到算法的最大迭代次数，若满足收敛条件转第7步，否则转第6步；

6.更新迭代步数k＝k+1和迭代步长α_k＝1/(k+1)，并返回；

7.Operator根据最优日运行计划，优化储能的最优整数投资容量，并结束算法。

下面给出微网中各分布式单元的供电顺序流程图，如图3所示：

1.Operator收集微网社区中所有用户的用电需求以及新能源的发电信息，并计算系统的净负荷值；

2.判断系统净负荷值，若大于转第3步，否则转第4步；

3.检查储能的荷电状态，若荷电状态满足soc＞soc_min，则储能通过放电补充净负荷值，否则按照发电计划向电网购电；

4.检查储能的荷电状态，若荷电状态满足soc＜soc_max，则储能通过充电吸收微网中多余的新能源，否则进行弃风弃光操作，减少新能源发电机组的功率输出。

综上所述仅为发明的较佳实例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应该为本发明的技术范畴。

Claims (5)

1.一种联合储能容量配置与优化运行的微能量配置方法，其特征在于所述方法包括以下步骤：

①初始化微网系统容量配置与优化运行的技术参数：储能装置的投资年限、单位成本价格、充放电效率、充放电成本系数、荷电状态信息、电网发电机组的发电成本系数，以及两类用户的不舒适度成本系数、切负荷补偿成本系数和供电区间的划分；

②初始化分布式迭代算法参数：初始化迭代次数、迭代步长和收敛准则，以及初始的电价和用户负荷消耗信息；

③建立上层Operator优化目标和下层用户优化目标，其中上层优化目标中Operator需要优化储能的最优容量配置和微网最优运行：

P2:

P1:minδC_I(α_es)+(1-δ)365HE_ω∈Ω[f(α_es,ω)]

其中，

下层优化两类用户的最优用电成本：

p_ui:

p_uj:

储能的一次投资成本函数C_I(α_es)＝c_esα_es，其中α_es为operator决策出的最优容量；

④根据微网社区中Operator与用户具有一致性目标，提出了一种分布式迭代算法联合求解上层微网最优运行和下层的用户最低负载消耗；

利用operator与用户之间的电价和负载消耗的信息交互，提出分布式迭代算法联合求解上层微网最优运行和下层的用户最低负载消耗；其中微网运行问题中的电网购电功率为

将购电功率改写为下式：

采用标准的内点法进行求解；联合下层的用户用电成本函数，采用KKT条件求出operator与用户间传递的电价信息；用户接收到operator发送的电价信息之后，根据更新规则调整用电计划，直到上层优化目标函数与下层优化目标迭代次数达到最大值，或者迭代过程中满足算法的收敛条件，其中收敛停止条件采用电价信息

p^t(k)-p^t(k-1)≤ε；

当电价不在变化时，即最优电价，对应的负载消耗也是最优的，说明operator达到最优运行，同时用户的用电成本也是最低；

⑤Operator根据第二阶段P2的微网最优日运行计划，决策出第一阶段P1的最优整数储能容量配置。

2.根据权利要求1所述的一种联合储能容量配置与优化运行的微能量配置方法，其特征是：所述的步骤①中荷电状态信息是对用户负荷的工作时段划时段调度。

3.根据权利要求1所述的一种联合储能容量配置与优化运行的微能量配置方法，其特征是：所述步骤②中假设用户可以选择不接受Operator的强制调度，但可以在最优用电成本的驱动下调整自身的用电计划，所以初始的负荷值设置为用户负荷的预测值。

4.根据权利要求1所述的一种联合储能容量配置与优化运行的微能量配置方法，其特征是：所述步骤③中的上层优化目标函数按照储能的年投资和日运行两个时间尺度，将上层中的储能容量配置与优化运行问题按两阶段进行求解，其中储能容量是两阶段问题中的耦合变量；另外，上层Operator决策中心与下层用户之间通过智能电表传递电价信息和负载功率消耗信息。

5.根据权利要求1所述的一种联合储能容量配置与优化运行的微能量配置方法，其特征是：所述步骤⑤中的第一阶段P1优化问题包括储能的一次投资和微网的最优运行，储能容量与投资成本是线性增长的，而储能容量的增长与微网的运行成本是非线性下降的；在第二阶段P2微网最优运行条件下，将储能的整数约束松弛为连续约束，然后重新求解问题P1，此时只需要比较最优解

的相邻整数解

即可。

Images