CN109149567A - 含混合储能的独立型微电网的多时间尺度协调控制方法 - Google Patents

Abstract

本发明公开了一种含混合储能的独立型微电网改进多时间尺度协调控制方法，该方法由日前计划决策模型、基于模型预测控制的日内滚动优化模型、基于综合判据的准实时协调控制模型以及实时协调控制模型构成：首先日前计划决策模型以运行经济性为优化目标，以分布式电源的运行限制、系统安全稳定为约束条件；然后在日内滚动优化模型中引入可控机组启停计划偏差及负荷投切计划偏差作为软约束，允许修正日前机组启停计划和负荷投切计划；其次在准实时协调控制中引入综合判据以决策分布式电源的调节优先级；最后，在实时协调控制中，混合储能系统采用改进一阶低通滤波算法自适应地补偿秒级的不平衡功率。

Description

含混合储能的独立型微电网的多时间尺度协调控制方法

技术领域

本发明涉及微电网协调控制技术领域，尤其是一种含混合储能的独立型微电网的多时间尺度协调控制方法。

背景技术

微电网由分布式发电、储能系统、用电负荷、监控、保护和自动化装置等组成的一个能够基本实现内部电力电量平衡的小型供用电系统，可通过公共连接点接入配网并网运行，作为可灵活吞吐能量的“等效可控负荷”，或脱离配网独立为微网内负荷提供电能。对于在偏远地区、海岛等配电网无法触及的特殊场合，微电网只能独立自治运行。目前，微电网中通常以蓄电池等能量型储能作为主要的储能设备，能量型储能具有能量密度大、功率密度小、循环充放电寿命低、功率响应时间较慢等特点，因此无法经济地平抑微电网系统的高频扰动。以超级电容为代表的功率型储能具有功率密度大、能量密度小、循环寿命高、功率响应时间快等特点。因此现阶段将功率型储能和能量型储能组成混合储能系统是较好的解决方案。

制定科学、有效的协调控制策略是保证独立型微电网系统安全稳定、经济运行的重要环节。随着微电网内可再生能源渗透率的不断提高，其出力的随机性和间歇性导致常规可控机组的调节压力不断增大，微电网运行风险增加，同时运行经济性也难以得到改善。

经对现有技术的文献检索发现，《Hierarchical Energy Management ofMicrogrids including Storage and Demand Response》([10]Fan S,Ai Q,Piao L,etal.Hierarchical Energy Management of Microgrids including Storage and DemandResponse[J].Energies,2018,11(5):1111)提出一种考虑负荷需求侧响应的微电网多时间尺度能量管理框架与调度方法，时间尺度涉及天、小时与分钟。可控机组启停计划在日前计划中决策且不允许更改，当日前预测误差较大可能会导致现有机组无法平衡实际的负荷功率。《多时间尺度协调控制的独立微网能量管理策略》(郭思琪,袁越,张新松,鲍薇,刘纯,曹阳,王海潜.多时间尺度协调控制的独立微网能量管理策略[J].电工技术学报,2014,29(02):122-129)提出从日前和日内两个时间尺度对微电网进行协调控制，同时优化模型运行成本中考虑了储能寿命损耗成本。但上述论文均未将混合储能系统作为协调控制的元素纳入讨论，适用性有限。

发明内容

本发明的目是解决上述现有技术中存在的不足之处，提供一种含混合储能的独立型微电网的多时间尺度协调控制方法；解决可适配独立型微电网对供电可靠性的需求，同时具有求解速度快，鲁棒性强，并且在功率预测误差较大的场景同样适用。

为实现上述的目的，本发明的技术方案为：一种含混合储能的独立型微电网的多时间尺度协调控制方法，该方法由日前计划决策模型、基于模型预测控制的日内滚动优化模型、基于综合判据的准实时协调控制模型以及实时协调控制模型构成：首先，执行日前计划决策模型，日前计划决策模型以运行经济性为优化目标，以分布式电源的运行限制、系统安全稳定为约束条件；然后在日内滚动优化模型中引入可控机组启停计划偏差及负荷投切计划偏差作为软约束，允许修正日前机组启停计划和负荷投切计划；其次，在准实时协调控制中引入综合判据以决策分布式电源的调节优先级；最后在实时协调控制中，混合储能系统采用改进一阶低通滤波算法自适应地补偿秒级的不平衡功率。

所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其中，所述的日前计划决策模型包括以下步骤：

步骤一：微电网能量管理系统获取独立型微电网次日的电价、燃料成本、各个分布式电源机组的运行模型及参数、可再生能源短期功率预测结果以及用户负荷短期功率预测结果；

步骤二：建立日前计划决策模型，其优化目标函数由柴油发电系统运行成本、能量型储能系统运行成本、可再生能源发电系统运行成本、负荷收益组成，同时引入弃风弃光惩罚项和负荷缺失惩罚项作为模型的软约束，并且还进行系统平衡约束、能量型储能电量平衡约束、备用容量约束以及各类分布式电源的运行约束；

步骤三：将步骤一获取的数据输入至日前计划决策模型中，获得次日每小时的微电网内各类分布式电源(不包括功率型储能系统)的出力计划曲线、负荷的投切方案。

所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其中，所述的优化目标函数为：

y(P,u)＝F_load(u_load)-F_ba(P_ba,u_ba)-F_de(P_de,u_de)-F_re(P_pv,P_wt)+P_dep(P_pv,P_wt)+P_lpsp(u_load)；

约束条件为：

s.t.

Soc_ba,min,j≤Soc_ba,j(t)≤Soc_ba,max,j

Soc_ba,j(1)-ΔSoc_balance≤Soc_ba,j(T₁)≤Soc_ba,j(1)+ΔSoc_balance

β_de,i,minP_de,n,i≤P_de,i(t)≤P_de,n,i

-ΔP_de,down,i≤P_de,i(t)-P_de,i(t-1)≤ΔP_de,up,i

其中，n_de、n_ba、n_pv、n_wt、n_sdload、n_ctload分别表示微电网内柴油发电机组、能量型储能系统、光伏发电系统、风力发电系统、次要负荷、参与需求侧响应可中断负荷的数量；P_de、P_ba、P_pv、P_wt分别表示柴油发电机组、能量型储能系统、光伏发电系统、风力发电系统的出力计划矩阵；u_de、u_ba分别表示柴油发电机组、能量型储能系统的运行状态矩阵，0表示停运，1表示运行；u_sdload、u_ctload分别表示次要负荷、参与需求侧响应可中断负荷的投切计划矩阵，0表示切除，1表示投入；P_de,i表示第i台柴油发电机组未来24小时的发电计划曲线；P_ba,j表示第j台能量型储能未来24小时的充放电计划曲线；P_pv,l表示第j台光伏发电系统未来24小时的出力计划；P_wt,m表示第m台风力发电系统未来24小时的出力计划；u_de,i表示第i台柴油发电机组未来24小时的启停计划；u_ba,j表示第j台能量型储能未来24小时的启停计划；u_sdload,k表示第k个次要负荷未来24小时的投切计划；u_ctload,p表示第p个参与需求侧响应可中断负荷的投切计划。F_de(t)为柴油发电系统在调度期T₁的运行成本；T₁为日前优化调度时长，T₁＝24h；n_de为柴油发电机组数量；ΔT为每个时间段的时间间隔，ΔT＝1h；s_de,start,i(t)、s_de,down,i(t)分别为柴油发电机组i在第t个时段的启停切换变量，s_de,start,i(t)＝1表示柴油发电机组i在第t个时段由停机状态转换为开机状态，s_de,down,i(t)＝1表示柴油发电机组i在第t个时段由开机状态转换为停机状态；u_de,i(t)为柴油发电机组i在第t个时段的启停状态，u_de,i(t)＝1表示柴油发电机组i在第t个时段处于开机运行状态，u_de,i(t)＝0表示柴油发电机组i在第t个时段处于停机状态；f_de,start、f_de,down分别为柴油发电机组的启动成本和停机成本；f_diesel(·)表示柴油发电系统燃料成本计算函数；g_diesel(·)表示柴油发电系统的环保折算成本计算函数；F_ba为能量型储能系统在调度期T₁的运行成本；n_ba为能量型储能系统的数量；u_ba,j(t)为第j个能量型储能在第t时刻的启停状态，u_ba,j(t)＝1表示第j个能量型储能处于运行状态，反之u_ba,j(t)＝0表示第j个能量型储能处于停机状态；f_ba,oper为能量型储能的运行成本系数，单位为元/千瓦；P_ba,j(t)为第j个能量型储能系在第t时刻的功率；f_ba,inv为能量型储能初始投资成本；D_ba,cyc为在优化调度时长T₁内寿命折损比例，D_ba,cyc的估算采用吞吐量法进行估算；f_wt,oper、f_pv,oper分别为风力发电系统、光伏发电系统的运行成本系数；F_load为负荷在调度期T₁的收益；n_load为微电网内的负荷数量；f_load,sale为微电网的售电电价；f_load,cut为可中断负荷的赔偿系数；P_load,k(t)为第k个负荷在第t时刻的功率；ΔP_cutload,k(t)为第k个负荷在第t时刻的可中断负荷削减量； 分别为光伏、风电的短期预测功率；β_dep、β_lpsp分别为弃风弃光惩罚项和负荷缺电惩罚项的惩罚系数。n_ipload为系统重要负荷的个数；P_ipload,s(t)为第s个重要负荷第t时刻的功率；分别为第j个能量型储能系统逆变的额定充电功率和额定放电功率；Soc_ba,max,j、Soc_ba,min,j分别为第j个能量型储能系统的荷电状态上下限；Soc_ba,j(1)、Soc_ba,j(T₁)分别为第j个能量型储能在一个日前调度周期始末时刻的荷电状态值，ΔSoc_balance为能量型储能周期电量平衡的允许误差值；P_de,n,i表示第i台柴油发电机组的额定功率；β_de,i,min表示第i台柴油发电机组的最小运行功率系数；ΔP_de,down,i、ΔP_de,up,i分别表示第i台柴油发电机组的最大向下爬坡率和最大向上爬坡率。E_ba,n,j为第j个能量型储能的额定容量；η_ba,dis为能量型储能的放电效率；R_s(t)为微电网的备用容量需求。

所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其中，所述的基于模型预测控制的日内滚动优化模型包括以下步骤：

A：每隔15分钟微电网能量管理系统调用一次日内滚动优化模型，获取精度更高的可再生能源超短期功率预测数据和负荷超短期功率预测数据；

B：建立时间窗口为4小时的日内滚动优化模型，其优化目标函数由柴油发电系统运行成本、能量型储能系统运行成本、可再生能源发电系统运行成本、负荷收益组成，同时引入能量型储能荷电状态偏差修正惩罚项、弃风弃光惩罚项、负荷投切计划修正惩罚项、柴发启停计划修正惩罚项；

C：将步骤A获取的数据输入至日内滚动优化模型中，获取时间窗口4小时的微电网内各类分布式电源(不包括功率型储能系统)的出力计划修正曲线、柴油发电机启停修正计划、负荷投切修正计划，取第一个15分钟的结果作为决策指令下发至微电网中央控制器。

所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其中，所述的准实时协调控制模型包括以下步骤：

a：每隔1分钟微电网中央控制器执行一次基于综合判据的准实时修正策略；实时采集微电网系统的负荷功率、可再生能源发电功率、能量型储能系统的充放电功率以及能量型储能系统的荷电状态；同时获取滚动优化模型得到的能量型储能功率指令以及荷电状态计划值、可再生能源超短期功率预测数据和负荷超短期功率预测数据；

b：根据实时采集微电网系统的负荷功率、可再生能源发电功率、可再生能源超短期功率预测数据和负荷超短期功率预测数据，计算微电网的不平衡功率；

c：根据步骤a获取采集的数据，和步骤b获得的不平衡功率，建立准实时协调控制判据体系；

以下为准实时协调控制判据体系的表格：

式中，为准实时不平衡功率测量值；为滚动优化能量型储能功率指令值；为准时能量型储能荷电状态测量值；为滚动优化能量型储能荷电状态计划值；

d：根据步骤c得到的准实时协调控制判据体系，决策分布式电源的调节优先级，如下所示：

1)当同时满足①③⑤时，优先调节能量型储能，增加其放电功率，增量主要由能量型储能Soc偏差以及额定容量计算得到，如下式所示：

式中，ΔT_rest为距离下一次滚动优化决策的时间差；

2)满足①③⑥时，优先调节柴油发电机组，增加其出力，增量需考虑柴油发电机组的额定功率和柴发旋转备用裕度，如下式所示：

式中，为柴油发电机组滚动优化指令；R_de(t)为柴油发电机组旋转备用容量裕度；

3)满足①④⑤时，优先调节能量型储能，减少其充电功率，计算公式如下式所示：

4)满足①④⑥时，优先调节柴油发电机组，增加其出力，与策略(2)一致；

5)满足②③⑤时，优先调节柴油发电机组，减少其出力，增量需考虑柴油发电机组的允许最小负载率约束，如下式所示：

6)满足②③⑥时，优先调节能量型储能，减少其放电功率，计算公式如下式所示：

7)满足②④⑤时，优先调节柴油发电机组，减少其出力，与策略(5)一致；；

8)满足②④⑥时，优先调节能量型储能，增加其充电功率，计算公式如下式所示：

所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其中，所述的实时协调控制模型包括以下步骤：

e：微电网中央控制器每5秒调用一次实时协调控制模型，实时采集微电网系统的负荷功率、可再生能源发电功率、能量型储能系统的充放电功率以及能量型储能系统的荷电状态；

f：与准实时协调控制模型下发的指令作比对，计算实时不平衡功率；

g：采用成熟的一阶低通滤波算法来计算功率型储能的功率指令，计算公式如下：

式中，分别为当前时刻以及上一时刻不平衡功率低频部分的时域值；为当前时刻不平衡功率时域值；Δt为数据采集间隔，也就是实时协调控制的时间尺度，Δt＝5s；

h：当功率型储能荷电状态过高或过低时，无法兼顾正高频不平衡功率和负高频不平衡功率，需闭锁功率型储能的充电功能或放电功能；其校准方式为：若功率型储能荷电状态过低，只允许其补偿负高频不平衡功率，正高频不平衡功率优先由柴油发电机组承担；若功率型储能荷电状态过低，只允许其补偿正高频不平衡功率，负高频不平衡功率同样优先由柴油发电机组承担；当功率型储能荷电状态返回中间值附近时，再解锁功率型储能系统的充放电功能。

所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其中，所述的实时协调控制模型一阶低通滤波时间常数能够自适应变化，使能量型储能功率在补偿不平衡功率低频部分的同时，其荷电状态向滚动优化结果靠拢，一阶低通滤波时间常数计算公式如下；

其中，

式中，为一阶低通滤波参考时间常数；为实时采集的能量型储能荷电状态；λ(t)为一阶低通滤波时间常数的调整系数；为参考调整系数；sign(·)为符号函数，符号为正时函数值为1，符号为负时函数值为-1，符号为零时函数值为0。

本发明的有益效果：本发明所提的协调控制模型可适配独立型微电网对供电可靠性的需求，同时求解速度快，鲁棒性强，在功率预测误差较大的场景同样适用。相比于传统协调控制策略，本发明所提改进协调控制模型具有鲁棒性好、求解速度快等优势，为含混合储能的独立型微电网稳定和经济运行智能化解决方案提供一定指导意义。

附图说明

图1是含混合储能的独立型微电网多时间尺度协调控制框架。

图2是含混合储能的独立型微电网典型拓扑图。

图3是风光荷日前功率预测结果

图4是超短期功率预测结果。

图5是日前计划各类分布式电源的出力计划曲线。

图6是多时间尺度协调控制测试结果波形：(a)0-6h波形；(b)6-12h波形；(c)12-18h波形；(d)18-24h波形。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。

如图1所示，本发明公开了一种含混合储能的独立型微电网改进多时间尺度协调控制方法，其按日前计划、日内滚动、准实时、实时四个时间尺度对含混合储能的独立型微电网进行协调控制；而该多时间尺度协调控制方法包括依次执行的日前计划决策模型、日内滚动优化模型、准实时协调控制模型、实时协调控制模型和主电源功率平衡。

本发明的日前计划决策模型包括以下步骤：

步骤一：微电网能量管理系统获取独立型微电网次日的电价、燃料成本、各个分布式电源机组的运行模型及参数、可再生能源短期功率预测结果以及用户负荷短期功率预测结果；

步骤二：建立日前计划决策模型，其优化目标函数由柴油发电系统运行成本、能量型储能系统运行成本、可再生能源发电系统运行成本、负荷收益组成，同时引入弃风弃光惩罚项和负荷缺失惩罚项作为模型的软约束，并且还进行系统平衡约束、能量型储能电量平衡约束、备用容量约束以及各类分布式电源的运行约束；

步骤三：将步骤一获取的数据输入至日前计划决策模型中，获得次日每小时的微电网内各类分布式电源(不包括功率型储能系统)的出力计划曲线、负荷的投切方案；也即是日前计划指令。

本发明的日前计划决策模型为：基于短期功率预测结果，通过求解日前优化模型，获得次日每小时的微电网内各类分布式电源(不包括功率型储能系统)的出力计划曲线、负荷的投切方案，其目标函数为：

y(P,u)＝F_load(u_load)-F_ba(P_ba,u_ba)-F_de(P_de,u_de)-F_re(P_pv,P_wt)+P_dep(P_pv,P_wt)+P_lpsp(u_load)

约束条件为：

s.t.

Soc_ba,min,j≤Soc_ba,j(t)≤Soc_ba,max,j

Soc_ba,j(1)-ΔSoc_balance≤Soc_ba,j(T₁)≤Soc_ba,j(1)+ΔSoc_balance

β_de,i,minP_de,n,i≤P_de,i(t)≤P_de,n,i

-ΔP_de,down,i≤P_de,i(t)-P_de,i(t-1)≤ΔP_de,up,i

其中，n_de、n_ba、n_pv、n_wt、n_sdload、n_ctload分别表示微电网内柴油发电机组、能量型储能系统、光伏发电系统、风力发电系统、次要负荷、参与需求侧响应可中断负荷的数量；P_de、P_ba、P_pv、P_wt分别表示柴油发电机组、能量型储能系统、光伏发电系统、风力发电系统的出力计划矩阵；u_de、u_ba分别表示柴油发电机组、能量型储能系统的运行状态矩阵，0表示停运，1表示运行；u_sdload、u_ctload分别表示次要负荷、参与需求侧响应可中断负荷的投切计划矩阵，0表示切除，1表示投入；P_de,i表示第i台柴油发电机组未来24小时的发电计划曲线；P_ba,j表示第j台能量型储能未来24小时的充放电计划曲线；P_pv,l表示第j台光伏发电系统未来24小时的出力计划；P_wt,m表示第m台风力发电系统未来24小时的出力计划；u_de,i表示第i台柴油发电机组未来24小时的启停计划；u_ba,j表示第j台能量型储能未来24小时的启停计划；u_sdload,k表示第k个次要负荷未来24小时的投切计划；u_ctload,p表示第p个参与需求侧响应可中断负荷的投切计划。F_de(t)为柴油发电系统在调度期T₁的运行成本；T₁为日前优化调度时长，T₁＝24h；n_de为柴油发电机组数量；ΔT为每个时间段的时间间隔，ΔT＝1h；s_de,start,i(t)、s_de,down,i(t)分别为柴油发电机组i在第t个时段的启停切换变量，s_de,start,i(t)＝1表示柴油发电机组i在第t个时段由停机状态转换为开机状态，s_de,down,i(t)＝1表示柴油发电机组i在第t个时段由开机状态转换为停机状态；u_de,i(t)为柴油发电机组i在第t个时段的启停状态，u_de,i(t)＝1表示柴油发电机组i在第t个时段处于开机运行状态，u_de,i(t)＝0表示柴油发电机组i在第t个时段处于停机状态；f_de,start、f_de,down分别为柴油发电机组的启动成本和停机成本；f_diesel(·)表示柴油发电系统燃料成本计算函数；g_diesel(·)表示柴油发电系统的环保折算成本计算函数。F_ba为能量型储能系统在调度期T₁的运行成本；n_ba为能量型储能系统的数量；u_ba,j(t)为第j个能量型储能在第t时刻的启停状态，u_ba,j(t)＝1表示第j个能量型储能处于运行状态，反之u_ba,j(t)＝0表示第j个能量型储能处于停机状态；f_ba,oper为能量型储能的运行成本系数，单位为元/千瓦；P_ba,j(t)为第j个能量型储能系在第t时刻的功率；f_ba,inv为能量型储能初始投资成本；D_ba,cyc为在优化调度时长T₁内寿命折损比例，D_ba,cyc的估算采用吞吐量法进行估算。f_wt,oper、f_pv,oper分别为风力发电系统、光伏发电系统的运行成本系数。F_load为负荷在调度期T₁的收益；n_load为微电网内的负荷数量；f_load,sale为微电网的售电电价；f_load,cut为可中断负荷的赔偿系数；P_load,k(t)为第k个负荷在第t时刻的功率；ΔP_cutload,k(t)为第k个负荷在第t时刻的可中断负荷削减量。 分别为光伏、风电的短期预测功率。β_dep、β_lpsp分别为弃风弃光惩罚项和负荷缺电惩罚项的惩罚系数。n_ipload为系统重要负荷的个数；P_ipload,s(t)为第s个重要负荷第t时刻的功率。分别为第j个能量型储能系统逆变的额定充电功率和额定放电功率。Soc_ba,max,j、Soc_ba,min,j分别为第j个能量型储能系统的荷电状态上下限。Soc_ba,j(1)、Soc_ba,j(T₁)分别为第j个能量型储能在一个日前调度周期始末时刻的荷电状态值，ΔSoc_balance为能量型储能周期电量平衡的允许误差值。P_de,n,i表示第i台柴油发电机组的额定功率；β_de,i,min表示第i台柴油发电机组的最小运行功率系数。ΔP_de,down,i、ΔP_de,up,i分别表示第i台柴油发电机组的最大向下爬坡率和最大向上爬坡率。E_ba,n,j为第j个能量型储能的额定容量；η_ba,dis为能量型储能的放电效率；R_s(t)为微电网的备用容量需求。

在日前优化的基础上，日前优化模型决策的数据依据主要来源于风光荷的日前短期预测功率曲线，因此其日前计划结果的准确性极度依赖于日前短期功率预测结果的精度。鉴于日内超短期功率预测精度高于日前短期功率预测精度，有必要针对日前优化模型制定的各项计划进行滚动修正。

本发明的日内滚动优化模型包括以下步骤：

A：每隔15分钟微电网能量管理系统调用一次日内滚动优化模型，获取精度更高的可再生能源超短期功率预测结果和负荷超短期功率预测结果的数据；

B：建立时间窗口为4小时的日内滚动优化模型，其优化目标函数由柴油发电系统运行成本、能量型储能系统运行成本、可再生能源发电系统运行成本、负荷收益组成，同时引入能量型储能荷电状态偏差修正惩罚项、弃风弃光惩罚项、负荷投切计划修正惩罚项、柴发启停计划修正惩罚项；

C：将步骤A获取的数据输入至日内滚动优化模型中，获取时间窗口4小时的微电网内各类分布式电源(不包括功率型储能系统)的出力计划修正曲线、柴油发电机启停修正计划、负荷投切修正计划，取第一个15分钟的结果作为决策指令下发至微电网中央控制器。

在传统的并网型微电网日内滚动优化模型中，日内滚动优化模型仅对日前优化模型的分布式电源调度计划进行修正，不对启停机组和负荷投切进行重复优化。然后，对于可再生能源渗透率较高的独立型微电网而言，源荷的随机性和间歇性时刻影响着系统稳定性。因此，在日内滚动优化模型中，有必要在可能影响系统安全稳定运行的情况下开放启停机组和负荷投切的优化修正。此外为保证日内滚动优化过程中，期望能量型储能荷电状态尽可能跟随日前计划。因此，在日内滚动优化模型的优化目标中，同样由运行成本项F和决策惩罚项P两部分组成，其中运行成本项F与日前优化模型基本一致，由柴油发电系统运行成本、能量型储能系统运行成本、可再生能源发电系统运行成本、负荷收益(即是负荷收益＝售电收益+可中断负荷补贴成本)组成；惩罚项P则由能量型储能Soc偏差修正惩罚项、弃风弃光惩罚项、负荷投切计划修正惩罚项、柴发启停计划修正惩罚项组成；其目标函数为：

y(P,u)＝F_load(u_load)-F_ba(P_ba,u_ba)-F_de(P_de,u_de)-F_re(P_pv,P_wt)+P_dep(P_pv,P_wt)+P_{crt_soc}(P_ba,u_ba)+P_{crt_ld}(u_load)+P_{crt_de}(u_de)

其中，P_{crt_soc}(P_ba,u_ba)、P_{crt_ld}(u_load)、P_{crt_de}(u_de)分别为能量型储能荷电状态修正惩罚项、负荷投切计划修正惩罚项、柴发启停计划修正惩罚项，其余项与日前优化模型的优化目标函数中的对应项含义相同。

各个新增惩罚项的计算公式如下：

其中，β_{crt_soc}、β_{crt_ld}、β_{crt_de}分别为能量型储能荷电状态修正惩罚项、负荷投切计划修正惩罚项、柴发启停计划修正惩罚项的惩罚系数；T₂为日内滚动优化调度的滚动窗口，一般为4h。

在日内滚动优化调度中，可再生能源发电系统以及负荷的功率预测精度较日前优化调度有了很大的提升，但依然存在预测误差。本发明中的日内滚动优化调度15min执行一次，在两次执行时刻的间隔时段，预测误差带来的不平衡功率不应完全由柴油发电机组承担(当其为主电源时)。同时，为提高能量型储能实际荷电状态跟随滚动优化结果的能力，在某些情况下可利用准实时不平衡功率适当修正能量型储能的充放电功率。因此基于以上需求，本发明增设时间尺度更小的调整环节，以进一步消纳系统的预测误差功率。

本发明的准实时协调控制模型包括以下步骤：

a：每隔1分钟微电网中央控制器执行一次基于综合判据的准实时修正策略；实时采集微电网系统的负荷功率、可再生能源发电功率、能量型储能系统的充放电功率以及能量型储能系统的荷电状态；同时获取滚动优化模型得到的能量型储能功率指令以及荷电状态计划值、可再生能源超短期功率预测数据和负荷超短期功率预测数据；

b：根据实时采集微电网系统的负荷功率、可再生能源发电功率、可再生能源超短期功率预测数据和负荷超短期功率预测数据，计算微电网的不平衡功率；

c：根据步骤a获取采集的数据，和步骤b获得的不平衡功率，建立准实时协调控制判据体系；

d：根据步骤c得到的准实时协调控制判据体系，决策分布式电源的调节优先级。

为提高计算速度，减少决策时间，本发明制定了准实时协调控制判据体系，包括准实时不平衡功率、滚动优化能量型储能功率指令、准实时能量型储能Soc，基于不同的判据状态执行不同的准实时协调控制策略，如表1所示为准实时协调控制判据体系。

表1准实时协调控制判据体系

式中，为准实时不平衡功率测量值；为滚动优化能量型储能功率指令值；为准时能量型储能Soc测量值；为滚动优化能量型储能Soc计划值。

准实时不平衡功率决定了可用于参与调节不平衡功率的分布式电源类型及调节增量的方向，当准实时不平衡功率大于零时，表示系统功率存在缺额，规定参与调节的分布式电源类型为柴油发电机组和能量型储能；反之，当准实时不平衡功率小于零时，表示系统功率存在盈余，风、光、柴、能量型储能均可参与调节。

滚动优化能量型储能功率指令值将为能量型储能功率的准实时充放电状态的决策提供判据，希望能量型储能的准实时充放电状态与滚动优化的指令结果一致。

准实时能量型储能Soc测量值同样为能量型储能功率的准实时充放电状态的决策提供判据。当准实时能量型储能Soc测量值大于滚动优化Soc计划时，期望能量型储能准实时决策，增加放电功率或减少充电功率，使能量型储能Soc尽快靠近计划值；当准实时能量型储能Soc测量值小于滚动优化Soc计划时，期望能量型储能准实时决策，减少放电功率或增加充电功率，使能量型储能Soc尽快靠近计划值。

以上判据的不同状态根据排列组合可构成8类控制策略，不同类控制策略中分布式电源的调节优先级可能不同。当准实时不平衡功率小于零时，若优先级最高的分布式电源无法完全补偿不平衡功率，则由风光降功率运行进行补偿。

(1)满足①③⑤时，优先调节能量型储能，增加其放电功率，增量主要由能量型储能Soc偏差以及额定容量计算得到，如下式所示：

式中，ΔT_rest为距离下一次滚动优化决策的时间差。

(2)满足①③⑥时，优先调节柴油发电机组，增加其出力，增量需考虑柴油发电机组的额定功率和柴发旋转备用裕度，如下式所示：

式中，为柴油发电机组滚动优化指令；R_de(t)为柴油发电机组旋转备用容量裕度。

(3)满足①④⑤时，优先调节能量型储能，减少其充电功率，计算公式如下式所示：

(4)满足①④⑥时，优先调节柴油发电机组，增加其出力，与策略(2)一致，在此不再赘述。

(5)满足②③⑤时，优先调节柴油发电机组，减少其出力，增量需考虑柴油发电机组的允许最小负载率约束，如下式所示：

(6)满足②③⑥时，优先调节能量型储能，减少其放电功率，计算公式如下式所示：

(7)满足②④⑤时，优先调节柴油发电机组，减少其出力，与策略(5)一致，在此不再赘述。

(8)满足②④⑥时，优先调节能量型储能，增加其充电功率，计算公式如下式所示：

由于实时修正控制时间窗口小，风、光响应速度较慢的分布式电源不宜纳入该控制环节，因此，MGCC实时修正环节仅对混合储能系统进行遥调。实时协调控制模型的作用在于利用混合储能系统补偿秒级的不平衡功率，其中，能量型储能补偿不平衡功率中的慢变量部分，而功率型储能补偿不平衡功率中的快变量部分。

本发明的实时协调控制模型包括以下步骤：

e：微电网中央控制器每5秒调用一次实时协调控制模型，实时采集微电网系统的负荷功率、可再生能源发电功率、能量型储能系统的充放电功率以及能量型储能系统的荷电状态；

f：与准实时协调控制模型下发的指令作比对，计算实时不平衡功率；

g：采用成熟的一阶低通滤波算法来计算功率型储能的功率指令；

h：当功率型储能荷电状态过高或过低时，无法兼顾正高频不平衡功率和负高频不平衡功率，需闭锁功率型储能的充电功能或放电功能；其校准方式为：若功率型储能荷电状态过低，只允许其补偿负高频不平衡功率，正高频不平衡功率优先由柴油发电机组承担；若功率型储能荷电状态过低，只允许其补偿正高频不平衡功率，负高频不平衡功率同样优先由柴油发电机组承担；当功率型储能荷电状态返回中间值附近时，再解锁功率型储能系统的充放电功能。

此外，针对功率型储能荷电状态容易越限的问题，提出功率型储能校准方法，以保证功率型储能能够持续保持充放电能力。

本发明采用成熟的一阶低通滤波算法来计算功率型储能的功率指令。所述一阶低通滤波算法的传递函数表达式如下式所示：

式中，分别为不平衡功率的低频部分和不平衡功率的拉普拉斯变换；T_stab为低通滤波时间常数；s为拉普拉斯算子。

以上为拉式变换后的一阶低通滤波数学表达式，若将s以d/dt表示，△t作为计算步长，可得一阶低通滤波在时域的数学表达式：

式中，分别为当前时刻以及上一时刻不平衡功率低频部分的时域值；为当前时刻不平衡功率时域值；Δt为数据采集间隔，也就是实时协调控制的时间尺度，Δt＝5s。

由能量型储能承担由一阶低通滤波算法得到的低频部分增量而功率型储能承担高频部分增量，因此能量型储能和功率型储能的实时协调控制指令值分别为：

考虑到能量型储能尽可能跟随日内滚动优化的要求，混合储能在进行实时协调控制过程中，一阶低通滤波时间常数应能自适应变化，使能量型储能功率在补偿不平衡功率低频部分的同时，其荷电状态向滚动优化结果靠拢。基于此，设计了一阶低通滤波时间常数的变化规则：

其中，

式中，为一阶低通滤波参考时间常数；为实时采集的能量型储能荷电状态；λ(t)为一阶低通滤波时间常数的调整系数；为参考调整系数；sign(·)为符号函数，符号为正时函数值为1，符号为负时函数值为-1，符号为零时函数值为0。

当实时不平衡功率大于零时，λ(t)为正值，若此时能量型储能Soc实时值大于滚动优化值，则T_stab(t)<T_stab(t)，能量型储能分配到的功率值调整量将变大，因此荷电状态将朝着滚动优化值加速下降，而若此时能量型储能Soc实时值小于滚动优化值，则T_stab(t)>T_stab(t)，能量型储能配到的功率值调整量将变小，缓解荷电状态偏离滚动优化值的速度。当不平衡功率小于零时，同样具有上述效果。

然而，当功率型储能过高或过低时，无法兼顾正高频不平衡功率和负高频不平衡功率，需闭锁功率型储能的充电功能或放电功能。其校准方式为：若功率型储能功率过低，只允许其补偿负高频不平衡功率，正高频不平衡功率优先由柴油发电机组承担；若功率型储能功率过低，只允许其补偿正高频不平衡功率，负高频不平衡功率同样优先由柴油发电机组承担。当功率型储能荷电状态返回中间值附近时，再解锁功率型储能系统的充放电功能。

图1为含混合储能的独立型微电网多时间尺度协调控制框架。采用图2所示的独立型微电网典型拓扑作为研究对象，该微电网包含两台额定功率为50kW的柴油发电机组、一台额定功率为60kW的风力发电系统、一套额定功率为xkW的光伏发电系统、一套由铅酸电池(50kW/200kWh)与超级电容(50kW/5kWh)组成的混合储能系统、以及三个负荷(其中负荷1为重要负荷、负荷2和负荷3为次要负荷)。算例仿真环境为Matlab R2014a，采用CPLEX作为日前协调控制与日内滚动协调控制模型的求解器。

图3和图4为可再生能源功率预测结果和负荷功率预测结果；本实施例中分析的基础数据包括微电网内各个底层发电单元参数、多时间尺度协调控制相关参数、以及风光荷短期功率预测结果、超短期功率预测以及实时功率数据。如下表所示

表2柴发发电单元相关参数

表3可再生能源发电单元相关参数

表4混合储能单元相关参数

表5多时间尺度协调控制相关参数(日前+日内滚动优化部分)

表6多时间尺度协调控制相关参数(准实时+实时协调控制部分)

日前计划结果如图5所示。由日前优化结果可知，两台柴油发电机组的启停计划分别为：柴油发电机组1运行时段为0:00～23:00；柴油发电机组2的运行时段为16:00～21:00。由于16:00～21:00时段微电网内日前预测的负荷功率逐渐升高，且可再生能源出力的日前预测值开始逐渐减小(光照强度逐渐减少为零)，因此日前优化决策启动柴油发电机组2为负荷供电。0:00～23:00时段中，柴油发电机组至少有一台处于运行状态，此时柴发作为主电源跟随净负荷功率，当净负荷小于柴发最小允许负荷率时，能量型储能通过充电，使柴油发电机组保持正常负荷率运行。21:00以后，微电网内净负荷日前预测值逐渐下降，且能量型储能电池需通过放电使其SOC回归到0.5附近，因此21:00～24:00决策关闭柴油发电机组2、23:00～24:00关闭柴油机组1，因此能量型储能在23:00后作为系统主电源，补偿系统净负荷功率，其SOC值恢复至0.5附近。

如图6所示为多时间尺度协调控制算例测试结果波形(0-24h)。由图6可知，由于短期功率预测精度与超短期功率预测精度的误差较小，因此在日内滚动优化过程中无需修正柴油发电机组启停计划，仍按日前优化计划执行。在柴油发电机组启停计划沿袭日前计划的前提下，观察柴油发电机组在各个时间尺度上的运行功率变化规律，可知：a)由于秒级的实时协调控制的内核在于利用混合储能系统补偿准实时协调控制间隙的不平衡功率，因此秒级实时协调控制的柴发功率运行曲线基本与准实时协调控制的柴发功率运行曲线重叠；b)柴发运行曲线随着时间尺度的逐级缩小而更为精细，与柴发实时运行功率曲线相比，柴发准实时运行曲线平均误差为0.19％，日内滚动优化平均误差为11.73％，日前计划平均误差为26.09％。

由于功率型储能系统充放电时间短，通常为秒级，因此混合储能系统在日前、日内、准实时时间尺度中只对能量型储能进行控制，而功率型储能只在实时协调控制这一时间尺度中发挥作用，平抑秒级的高频不平衡功率。观察能量型储能系统在各个时间尺度上的运行功率变化规律，可知：a)由于能量型储能要在实时时间尺度中补偿不平衡功率的低频部分，因此其实时运行功率曲线与准实时运行功率曲线有所差别，但基本保持一致的充放电状态；b)日内滚动优化、日前优化结果虽然与能量型储能实时运行功率差别较大，但其反映了能量型储能整体电量的变化态势。图6为能量型储能在各个时间尺度的荷电状态曲线以及功率型储能的实时荷电状态曲线，由图可知能量型储能实时荷电状态能够精准地跟随日前优化结果，这与日内滚动引入能量型储能SOC偏差惩罚项、准实时协调控制引入综合判据、实时协调控制中引入一阶低通滤波时间常数自适应变化有关。

以上对本发明所提供的一种基于离网能力预估的微电网计划并网转离网控制方法进行了详细介绍，本文中通过仿真实例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

总之，本发明虽然列举了上述优选实施方式，但是应该说明，虽然本领域的技术人员可以进行各种变化和改型，除非这样的变化和改型偏离了本发明的范围，否则都应该包括在本发明的保护范围内。

Claims (7)

1.一种含混合储能的独立型微电网的多时间尺度协调控制方法，其特征在于，该方法由日前计划决策模型、基于模型预测控制的日内滚动优化模型、基于综合判据的准实时协调控制模型以及实时协调控制模型构成：首先，执行日前计划决策模型，以运行经济性为优化目标，以分布式电源的运行限制、系统安全稳定为约束条件；然后在日内滚动优化模型中引入可控机组启停计划偏差及负荷投切计划偏差作为软约束，允许修正日前机组启停计划和负荷投切计划；其次，在准实时协调控制中引入综合判据以决策分布式电源的调节优先级；最后在实时协调控制中，混合储能系统采用改进一阶低通滤波算法自适应地补偿秒级的不平衡功率。

2.根据权利要求1所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其特征在于，所述的日前计划决策模型包括以下步骤：

步骤一：微电网能量管理系统获取独立型微电网次日的电价、燃料成本、各个分布式电源机组的运行模型及参数、可再生能源短期功率预测结果以及用户负荷短期功率预测结果；

步骤二：建立日前计划决策模型，其优化目标函数由柴油发电系统运行成本、能量型储能系统运行成本、可再生能源发电系统运行成本、负荷收益组成，同时引入弃风弃光惩罚项和负荷缺失惩罚项作为模型的软约束，并且还进行系统平衡约束、能量型储能电量平衡约束、备用容量约束以及各类分布式电源的运行约束；

步骤三：将步骤一获取的数据输入至日前计划决策模型中，获得次日每小时的微电网内各类分布式电源(不包括功率型储能系统)的出力计划曲线、负荷的投切方案。

3.根据权利要求2所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其特征在于，所述的优化目标函数为：

y(P,u)＝F_load(u_load)-F_ba(P_ba,u_ba)-F_de(P_de,u_de)-F_re(P_pv,P_wt)+P_dep(P_pv,P_wt)+P_lpsp(u_load)；

约束条件为：

s.t.

Soc_ba,min,j≤Soc_ba,j(t)≤Soc_ba,max,j

Soc_ba,j(1)-ΔSoc_balance≤Soc_ba,j(T₁)≤Soc_ba,j(1)+ΔSoc_balance

β_de,i,minP_de,n,i≤P_de,i(t)≤P_de,n,i

-ΔP_de,down,i≤P_de,i(t)-P_de,i(t-1)≤ΔP_de,up,i

其中，n_de、n_ba、n_pv、n_wt、n_sdload、n_ctload分别表示微电网内柴油发电机组、能量型储能系统、光伏发电系统、风力发电系统、次要负荷、参与需求侧响应可中断负荷的数量；P_de、P_ba、P_pv、P_wt分别表示柴油发电机组、能量型储能系统、光伏发电系统、风力发电系统的出力计划矩阵；u_de、u_ba分别表示柴油发电机组、能量型储能系统的运行状态矩阵，0表示停运，1表示运行；u_sdload、u_ctload分别表示次要负荷、参与需求侧响应可中断负荷的投切计划矩阵，0表示切除，1表示投入；P_de,i表示第i台柴油发电机组未来24小时的发电计划曲线；P_ba,j表示第j台能量型储能未来24小时的充放电计划曲线；P_pv,l表示第j台光伏发电系统未来24小时的出力计划；P_wt,m表示第m台风力发电系统未来24小时的出力计划；u_de,i表示第i台柴油发电机组未来24小时的启停计划；u_ba,j表示第j台能量型储能未来24小时的启停计划；u_sdload,k表示第k个次要负荷未来24小时的投切计划；u_ctload,p表示第p个参与需求侧响应可中断负荷的投切计划。F_de(t)为柴油发电系统在调度期T₁的运行成本；T₁为日前优化调度时长，T₁＝24h；n_de为柴油发电机组数量；ΔT为每个时间段的时间间隔，ΔT＝1h；s_de,start,i(t)、s_de,down,i(t)分别为柴油发电机组i在第t个时段的启停切换变量，s_de,start,i(t)＝1表示柴油发电机组i在第t个时段由停机状态转换为开机状态，s_de,down,i(t)＝1表示柴油发电机组i在第t个时段由开机状态转换为停机状态；u_de,i(t)为柴油发电机组i在第t个时段的启停状态，u_de,i(t)＝1表示柴油发电机组i在第t个时段处于开机运行状态，u_de,i(t)＝0表示柴油发电机组i在第t个时段处于停机状态；f_de,start、f_de,down分别为柴油发电机组的启动成本和停机成本；f_diesel(·)表示柴油发电系统燃料成本计算函数；g_diesel(·)表示柴油发电系统的环保折算成本计算函数；F_ba为能量型储能系统在调度期T₁的运行成本；n_ba为能量型储能系统的数量；u_ba,j(t)为第j个能量型储能在第t时刻的启停状态，u_ba,j(t)＝1表示第j个能量型储能处于运行状态，反之u_ba,j(t)＝0表示第j个能量型储能处于停机状态；f_ba,oper为能量型储能的运行成本系数，单位为元/千瓦；P_ba,j(t)为第j个能量型储能系在第t时刻的功率；f_ba,inv为能量型储能初始投资成本；D_ba,cyc为在优化调度时长T₁内寿命折损比例，D_ba,cyc的估算采用吞吐量法进行估算；f_wt,oper、f_pv,oper分别为风力发电系统、光伏发电系统的运行成本系数；F_load为负荷在调度期T₁的收益；n_load为微电网内的负荷数量；f_load,sale为微电网的售电电价；f_load,cut为可中断负荷的赔偿系数；P_load,k(t)为第k个负荷在第t时刻的功率；ΔP_cutload,k(t)为第k个负荷在第t时刻的可中断负荷削减量； 分别为光伏、风电的短期预测功率；β_dep、β_lpsp分别为弃风弃光惩罚项和负荷缺电惩罚项的惩罚系数。n_ipload为系统重要负荷的个数；P_ipload,s(t)为第s个重要负荷第t时刻的功率；分别为第j个能量型储能系统逆变的额定充电功率和额定放电功率；Soc_ba,max,j、Soc_ba,min,j分别为第j个能量型储能系统的荷电状态上下限；Soc_ba,j(1)、Soc_ba,j(T₁)分别为第j个能量型储能在一个日前调度周期始末时刻的荷电状态值，ΔSoc_balance为能量型储能周期电量平衡的允许误差值；P_de,n,i表示第i台柴油发电机组的额定功率；β_de,i,min表示第i台柴油发电机组的最小运行功率系数；ΔP_de,down,i、ΔP_de,up,i分别表示第i台柴油发电机组的最大向下爬坡率和最大向上爬坡率。E_ba,n,j为第j个能量型储能的额定容量；η_ba,dis为能量型储能的放电效率；R_s(t)为微电网的备用容量需求。

4.根据权利要求1所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其特征在于，所述的日内滚动优化模型包括以下步骤：

A：每隔15分钟微电网能量管理系统调用一次日内滚动优化模型，获取精度更高的可再生能源超短期功率预测数据和负荷超短期功率预测数据；

B：建立时间窗口为4小时的日内滚动优化模型，其优化目标函数由柴油发电系统运行成本、能量型储能系统运行成本、可再生能源发电系统运行成本、负荷收益组成，同时引入能量型储能荷电状态偏差修正惩罚项、弃风弃光惩罚项、负荷投切计划修正惩罚项、柴发启停计划修正惩罚项；

C：将步骤A获取的数据输入至日内滚动优化模型中，获取时间窗口4小时的微电网内各类分布式电源(不包括功率型储能系统)的出力计划修正曲线、柴油发电机启停修正计划、负荷投切修正计划，取第一个15分钟的结果作为决策指令下发至微电网中央控制器。

5.根据权利要求1所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其特征在于，所述的准实时协调控制模型包括以下步骤：

a：每隔1分钟微电网中央控制器执行一次基于综合判据的准实时修正策略；实时采集微电网系统的负荷功率、可再生能源发电功率、能量型储能系统的充放电功率以及能量型储能系统的荷电状态；同时，获取滚动优化模型得到的能量型储能功率指令以及荷电状态计划值、可再生能源超短期功率预测数据和负荷超短期功率预测数据；

b：根据实时采集微电网系统的负荷功率、可再生能源发电功率、可再生能源超短期功率预测数据和负荷超短期功率预测数据，计算微电网的不平衡功率；

c：根据步骤a获取采集的数据，和步骤b获得的不平衡功率，建立准实时协调控制判据体系；

以下为准实时协调控制判据体系的表格：

式中，为准实时不平衡功率测量值；为滚动优化能量型储能功率指令值；为准时能量型储能荷电状态测量值；为滚动优化能量型储能荷电状态计划值；

d：根据步骤c得到的准实时协调控制判据体系，决策分布式电源的调节优先级，如下所示：

1)当同时满足①③⑤时，优先调节能量型储能，增加其放电功率，增量主要由能量型储能Soc偏差以及额定容量计算得到，如下式所示：

式中，ΔT_rest为距离下一次滚动优化决策的时间差；

2)满足①③⑥时，优先调节柴油发电机组，增加其出力，增量需考虑柴油发电机组的额定功率和柴发旋转备用裕度，如下式所示：

式中，为柴油发电机组滚动优化指令；R_de(t)为柴油发电机组旋转备用容量裕度。

3)满足①④⑤时，优先调节能量型储能，减少其充电功率，计算公式如下式所示：

4)满足①④⑥时，优先调节柴油发电机组，增加其出力，与策略(2)一致。

5)满足②③⑤时，优先调节柴油发电机组，减少其出力，增量需考虑柴油发电机组的允许最小负载率约束，如下式所示：

6)满足②③⑥时，优先调节能量型储能，减少其放电功率，计算公式如下式所示：

7)满足②④⑤时，优先调节柴油发电机组，减少其出力，与策略(5)一致。

8)满足②④⑥时，优先调节能量型储能，增加其充电功率，计算公式如下式所示：

6.根据权利要求1所述的含混合储能的独立型微电网改进多时间尺度协调控制方法，其特征在于，所述的实时协调控制模型包括以下步骤：

e：微电网中央控制器每5秒调用一次实时协调控制模型，实时采集微电网系统的负荷功率、可再生能源发电功率、能量型储能系统的充放电功率以及能量型储能系统的荷电状态；

f：与准实时协调控制模型下发的指令作比对，计算实时不平衡功率；

g：采用成熟的一阶低通滤波算法来计算功率型储能的功率指令，计算公式如下：

式中，分别为当前时刻以及上一时刻不平衡功率低频部分的时域值；为当前时刻不平衡功率时域值；Δt为数据采集间隔，也就是实时协调控制的时间尺度，Δt＝5s；

h：当功率型储能荷电状态过高或过低时，无法兼顾正高频不平衡功率和负高频不平衡功率，需闭锁功率型储能的充电功能或放电功能；其校准方式为：若功率型储能荷电状态过低，只允许其补偿负高频不平衡功率，正高频不平衡功率优先由柴油发电机组承担；若功率型储能荷电状态过低，只允许其补偿正高频不平衡功率，负高频不平衡功率同样优先由柴油发电机组承担；当功率型储能荷电状态返回中间值附近时，再解锁功率型储能系统的充放电功能。

7.根据权利要求1所述的一种含混合储能的独立型微电网改进多时间尺度协调控制方法，其特征在于：所述的实时协调控制模型一阶低通滤波时间常数能够自适应变化，使能量型储能功率在补偿不平衡功率低频部分的同时，其荷电状态向滚动优化结果靠拢，一阶低通滤波时间常数计算公式如下；

其中，

式中，为一阶低通滤波参考时间常数；为实时采集的能量型储能荷电状态；λ(t)为一阶低通滤波时间常数的调整系数；为参考调整系数；sign(·)为符号函数，符号为正时函数值为1，符号为负时函数值为-1，符号为零时函数值为0。