CN116470513A - 一种响应电网需求的多类型光热电站协调调度运行方法 - Google Patents

Abstract

一种响应电网需求的多类型光热电站协调调度运行方法，涉及光热电站调度技术领域，步骤一、收集处理青海地区光伏电站发电数据特性，并进行统计分析；步骤二、基于频谱分析方法分析离网独立光伏电站的储能系统优化配置；步骤三、利用超短期光伏功率预测预测信息，构建混合储能有序充放电策略，进一步以荷电偏移量最小为目标，充放电功率和容量为约束，构建优化控制模型，获取预测控制步长的光伏功率波动的动态平抑方法；步骤四、在光伏功率波动程度的基础上，充分考虑储能运行状态，从而优化高海拔地区离网独立光伏电站运行特性。本发明的有益效果在于：该方法利用青海地区现场光伏数据进行验证，结果表明该方法的有效性和稳定性。

Description

一种响应电网需求的多类型光热电站协调调度运行方法

技术领域

本发明涉及光热电站调度技术领域，具体来说是一种响应电网需求的多类型光热电站协调调度运行方法。

背景技术

目前国际上光伏发电技术发展迅猛，为了研究这些光伏电站的运行性能，提高光伏电站的运行寿命，其运行控制技术也随着光伏发电技术的发展而深入开展起来，国内外在光储互补电站的电池储能优化控制技术方面已提出了多种利用储能系统抑制可再生能源功率波动的控制方法，包括低通滤波、傅里叶变换、饱和控制理论等。通过电池储能可平抑风力/光伏的短期发电功率波动，输出功率曲线与原曲线基本一致，所要求配置的储能电池功率和容量较小；抑制风力/光伏发电的长期功率波动可以将风电场/光伏电站的每小时输出功率控制为某一定值，需要的储能容量很大，成本过高，且要求储能具有较快的充放电响应速度和较强的充放电频繁切换能力。这两种优化目标都必须考虑电池的SOC和充放电倍率限制，防止储能电池的过充过放和输出功率越限。

光储互补发电系统的运行方式具有可变性，使得光储互补协调控制技术具有较高的复杂性。为了保障光储互补发电系统在不同模式下的正常运行，需要制定合适可靠的光储互补协调控制策略，掌握高海拔地区离网独立光伏电站的优化运行控制策略，提高农牧区的供电能力、供电质量与供电可靠性。

发明内容

本发明要解决的问题是高海拔地区独立光伏电站运行特性得到进一步优化。

为了解决上述问题本发明提出了一种响应电网需求的多类型光热电站协调调度运行方法，其方法为：步骤一、收集处理青海地区光伏电站发电数据特性，并进行统计分析；

步骤二、基于频谱分析方法分析离网独立光伏电站的储能系统优化配置；

步骤三、利用超短期光伏功率预测预测信息，构建混合储能有序充放电策略，进一步以荷电偏移量最小为目标，充放电功率和容量为约束，构建优化控制模型，获取预测控制步长的光伏功率波动的动态平抑方法；

步骤四、在光伏功率波动程度的基础上，充分考虑储能运行状态，从而优化高海拔地区离网独立光伏电站运行特性。

本发明的有益效果在于：基于青海地区光伏电站发电数据，分析光伏电站运行特性，基于频谱分析方法，分析储能容量优化配置方法，基于超短期光伏功率预测信息和储能电站充放电策略，分析光伏功率动态平抑方法，结合以上内容形成光储协调运行控制方法，该方法利用青海地区现场光伏数据进行验证，结果表明该方法的有效性和稳定性。

附图说明

图1为某天时间内光伏功率的平抑偏移量，由此确定充放电动态控制的步长；

图2为实施例中选定时间截面期望输出平抑目标值；

图3为实施例充放电功率调整策略及储能容量优化计算模型，得到平抑波动输出曲线。

具体实施方式

实施例1，下面结合附图对本发明做进一步说明。

本发明还有其它不同的实施方式，各种实施方式中的细节可以在不偏离本发明的情况下进行各种明显的改进。因此，附图和说明书是要阐释实质问题而非限制性的。

本例的基于光储协调运行控制的光伏电站优化运行方法，包括如下步骤：

步骤一：优化高海拔地区离网独立光伏电站运行特性，首先要分析光伏电站运行特性。以青海地区柴达木铜普30MW光伏电站发电数据为例分析光伏电站运行特性，光伏电站的日发电量与季节、天气都具有非常紧密的关系，日发电量主要受太阳辐射、天气、环境等因素的影响比较大，具有很强的波动性，对电网的影响比较大，其中，春天日发电量最大，夏天波动性最强；光伏电站发电功率主要分布在0-20MW之间，概率分布比较均匀，而且波动较大；从发电功率爬坡率分析结果来看，天气对光伏电站的发电功率爬坡率影响非常大，在进行光伏电站的优化运行和并网输出的时候要特别注意多云、阴雨等天气。

步骤二：储能系统在光伏电站离网时充当主电源，为离网运行提供电压和频率支撑，同时平滑光伏发电输出功率波动，使光伏发电输出功率平滑可控；基于频谱分析方法分析离网独立光伏电站的储能系统优化配置，以光伏电站输出功率的典型样本数据为基础，根据频谱分析法进行数据采样；然后对样本进行数据分析，对每个样本数据片段进行功率和容量的优化设计计算，得到若干个设计结果，选取最大值；或对若干个设计结果进行概率统计分析，选取使波动率满足要求的情况达到某一概率水平的容量值作为配置容量，对于概率较小的值，则认为该值对应的光资源情况出现较少，可忽略；

储能系统以平滑出力为目标，其配置根据不同时间尺度平滑需求使电源功率波动率限制在设定范围内；并网输出有功功率波动满足一定要求，在某时间段内功率波动率小于设定值或在某时间段内功率最大变化量小于设定值。

其中：F_t为在t时间段内的功率波动率，P_n为额定功率(kW)，ΔP_t为t时间段内最大功率变化量，P_t ^max、P_t ^min分别为t时间段内最大与最小输出功率(kW)；

判断目标功率输出是否满足要求，需保证波动率不超过设定值F_t ^up，即

F≤F_t ^up

或功率最大变化量不超过设定值，即

ΔP_t≤ΔP_t ^up

根据波动约束条件，求每一个连续时间段t内的最大与最小输出功率：

P_t ^max(i)＝max(P(i:i+t/T_s))

P_t ^min(i)＝min(P(i:i+t/T_s))

根据下式，计算每一个连续时间段t内的功率波动率，从而得到整个数据周期内的最大功率波动率；

ΔP(t)＝P(t)-P(t-Δt)

最后以风光波动率必须满足一确定指标为优化目标，以风光最大出力、联络线交换功率、储能的充放电区间约束、储能的容量变化等式、储能的充放电量平衡、储能的总投资额限制等为边界约束条件进行求解，得到光储最优配置。

步骤三：构建混合储能有序充放电模型，以全钒液流电池(VRB)和LiB构建混合储能系统，功率型储能VRB具备频繁充放电切换响应能力，可充放电次数高，能量型LiB储能设备具有储能能量密度大、储能时间长的优势；混合储能电站的运行应充分发挥VRB可频繁充放电的特性同时限定荷电状态(SOC)区间，LiB运行需在限定SOC区间，且避免频繁充放电切换的同时适当提升其相对容量，形成协调互补的有效充放电模式；

混合储能电站预测控制步长选取与光伏功率预测精度相互关联，同时光伏功率预测精度与预测尺度关系紧密，实际光伏电站年度运行数据，采样步长为5min，根据平抑目标确定储能电站所需平抑的功率波动如图1所示，选定两个充放区间作为递进控制步长，进一步统计分析单次充放区间的采样点数分布，得到递进控制步长将以[5，35]min为主要聚集区间，由此确定本文充放电动态控制的步长，同时发现该步长与超短期光伏功率预测时间尺度完全符合；

根据储能电站介质的运行特性构建有序控制策略，具体充放电模型为：

1)VRB主要动作，LiB在限定条件下启动；递进控制步长内的单次充或放区间能量低于限值Emin，VRB优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动；当充放电功率越限时，LiB动作辅助协作；不越限时则不动作；该充放电模型对应具体运行模式为：

2)LiB优先启动，VRB在满足限定条件下动作；对于非VRB优先动作状况，发挥LiB能量密度高的优势，由其启动并承担主要平抑任务；对于VRB的启动，取决于LiB充放电功率的变化速率及其SOC，其目标在于辅助Lib平抑目标或调整自身SOC以处于较优运行状态；VRB辅助启动条件为：

根据充放模型，构建以储能电站SOC运行状态最优为目标的优化控制模型；已知递进控制步长区间的各介质初始SOCint-LiB、SOCint-Uc，基于充放电策略，使得区间内各介质偏移最佳SOC的方差和最小；目标函数主要解决递进控制步长区间内充放能量在各介质间的协调分配问题；

约束条件主要包括充放电功率约束、SOC约束；

1)充放电功率约束

Pmax-discha-LiB<P(t)<Pmax-cha-LiB

Pmax-discha-VRB<P(t)<Pmax-cha-VRB

P(t)＝PVRB(t)+PLiB(t)

2)SOC约束

SOCmin-LiB<SOCLiB(t)<SOCmax-LiB

SOCmin-VRB<SOCVRB(t)<SOCmax-VRB

采用粒子群优化算法(PSO)对算例进行求解，并对其进行适度改进，以克服动态边界问题，同时递进优化的区间计算量相对较小，利于发挥PSO搜索精度高和收敛效果好的优势；具体模型求解步骤为：

1)根据递进协调控制算法和本步长数据确定优化目标函数；

2)设置粒子群维数D，最大迭代次数Mmax，收敛精度σthresh，同时初始化粒子群位置x和速度v，并给定初始SOCint-LiB、SOCint-VRB数值；

3)根据既定充放电策略和目标函数计算各粒子适应度值M；

4)将各粒子适应度值与自身粒子极值及全局粒子极值比较，若适应度值较小，则更新各粒子个体极值ebest及全局例子适应度极值gbest；

5)判断当前计算是否满足收敛条件，若是则提取当前PLiB、PVRB即为最优充放电功率；若否则更新各粒子位置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；xi、vi为第i维粒子的位置与速度；g为约束因子。

步骤四：在步骤三的基础上通过调整储能充放电系统来调整储能装置始终工作在正常工作范围，同时考虑储能荷电状态和光伏功率输出稳定性，能够同时有效平抑并网功率波动与精确调整储能系统荷电状态；光伏电站储能系统的储能策略是：当光伏功率输出功率大于并网功率参考值时，储能系统充电以平抑输出功率波动；当光伏功率输出功率小于并网功率参考值时，储能系统放电以弥补输出功率的不足，以此平滑光伏功率的输出功率，实现光伏功率并网功率的稳定性；

t时刻光伏功率输出功率P_P(t)与并网目标功率P_ref(t)的差值ΔCP(t)为：

ΔCP(t)＝P_P(t)-P_ref(t)

则储能系统处于充电状态时：

储能系统处于放电状态时：

式中：为t时刻储能系统充放电功率；当/>时，储能系统充电，/>时，储能系统放电；η_C为储能系统的充电效率，一般取0.65～0.85；

基于功率修正系数的控制策略，储能系统荷电状态运行区间的改变将引发功率修正系数的对应调整，通过功率修正系数改变储能系统的充放电功率，以达到预先控制储能系统的运行，避免其达到过充过放的状态；

当储能系统荷电状态偏高，即位于预过充区域时，表示储能趋于饱和；若处在充电状态下需对/>进行预先控制，通过下式调整功率修正系数，修正/>使其减小，以缓解其荷电状态升高的速度，防止储能系统出现过度充电的状态；

若处在放电状态通过调整功率修正系数，修正/>使其减小，以减缓其荷电状态降低的速度，防止储能系统出现深度放电的状态；

式中，δ_i(t)为t时刻充放电功率修正系数，当储能系统位于正常区域时取值为1；SOC(t)为t时刻储能系统的荷电状态；

调整后储能系统处于充电状态时：

P_ESS(t)＝δ_i(t)ΔCP(t)η_C

调整后储能系统处于放电状态时：

P_ESS(t)＝δ_i(t)ΔCP(t)/η_D

光伏电站储能容量优化的目标在于保证减少光伏功率输出功率波动的前提下，调节投入成本与运行成本之间的相互制约关系，在保证平滑输出功率的前提下，以最低储能的投入成本和运行成本实现光伏电站储能系统的运行效益最优化；

储能的综合效益达到最优为目标，目标函数为：

C_C＝C_M+C_R+C_B

C_B＝N_bessρ₁W_O+N_bessρ₂W_Om

式中，储能系统的投入成本C_C包括储能系统的维护成本C_M，储能系统各储能单元的置换成本C_R和储能系统的基本投资成本C_B；Y为工作时间；N_bess为储能系统中蓄电池的数量；为储能容量单位容量维护价格；ρ₁为储能容量单位容量安装价格；W_O为光伏电站最优储能容量的额定值；ρ₂为储能容量单位容量价格；m为折旧系数；

光伏电站输出功率具有年度周期性，以年度光伏电站输出功率作为储能容量优化的研究对象，其光伏电站弃光损失能量、平滑功率短缺损失能量和储能系统越线运行的折算能量分别如下：

式中：N_y为研究对象的时间年度；g、h为Ny年度中充放电过程持续δ_i＜1调整运行区间的总次数；p、q分别为g区间的初始和结束时间；u、v分别为h区间的初始和结束时间；k为N_y年度中储能系统运行状态位于超出最大荷电状态的总次数；l为N_y年度中储能系统运行状态位于低于最小荷电状态的总次数；x、y分别为k区间的初始和结束时间；z、a分别为l区间的初始和结束时间；

光伏电站储能容量优化的目标是：

minC＝K_Lρ_LL_LOST+K_Sρ_SL_SHORT+K_Eρ_EL_ESS+C_C

式中：ρ_L、ρ_S、ρ_E分别为光伏电站弃光损失能量、平滑功率短缺损失能量以及储能系统越线运行的折算能量的对应单价；ρ_LL_LOST为光伏电站弃光能量成本；ρ_SL_SHORT为光伏电站平滑功率短缺损失能量成本；ρ_EL_ESS为储能系统越线运行的折算损失能量成本；K_L、K_S和K_E为运行成本的惩罚系数；C_C储能系统的投入成本；

充放电功率约束：

-P_Dη_D≤P_W(t)-P_ref(t)≤P_C

PD和PC分别为储能系统的极限充放电功率，将放电看作负充电过程，其大小以其绝对值为准；

约束条件包括光伏电站输出功率波动水平约束：

P{|ΔP_d(t)|≤ΔP_dmax}≥Λ

式中：ΔP_d(t)为光伏电站输出功率经储能系统平抑后的波动值；ΔP_dmax为波动值的最大允许范围上限；Λ为对应的可信度水平；

基于青海某光伏电站实际运行数据计算储能最优容量；考虑PSO算法以解决包含动态边界条件且含有多个随机变量的随机优化问题，具体模型求解步骤为：

步骤1：选定研究对象时间截面窗口长度Ny及其运行数据P(t)；

步骤2：基于最佳功率输出模型确定期望输出目标值PG，并给定初始SOC值；

步骤3：设置粒子群维数D，最大迭代次数Mmax，收敛精度Cσ，同时初始化粒子群位置x和速度v；

步骤4：根据充放电策略，计算各粒子的适应度值F，并将其自身粒子极值ebest及全局粒子极值gbest比较，若适应度值较小，则更新ebest及gbest，若否更新粒子速度x及位置v；

步骤5：计算Δσ²判断是否满足收敛条件，搜索收敛条件为：

式中，Δσ²为粒子群的群体或全局适应度方差的变化量，C_σ为接近于零的定常数；若是，则获取最佳储能容量V；若否，重新释放例子组建新的族群，并重复步骤4。

光伏电站装机容量9MW，采集频率为5min，平抑目标值如图2所示。依据本专利充放电功率调整策略及储能容量优化计算模型，得到平抑波动输出曲线如图3所示。容量优化计算模型综合考虑了储能电站配置及运行过程中的总体经济性，有利于与现场的有效结合，实现了光伏电站储能系统的运行效益最优化。

Claims (5)

1.一种响应电网需求的多类型光热电站协调调度运行方法，步骤一、收集处理青海地区光伏电站发电数据特性，并进行统计分析；

步骤二、基于频谱分析方法分析离网独立光伏电站的储能系统优化配置；

步骤三、利用超短期光伏功率预测预测信息，构建混合储能有序充放电策略，进一步以荷电偏移量最小为目标，充放电功率和容量为约束，构建优化控制模型，获取预测控制步长的光伏功率波动的动态平抑方法；

步骤四、在光伏功率波动程度的基础上，充分考虑储能运行状态，从而优化高海拔地区离网独立光伏电站运行特性。

2.根据权利要求1所述的一种响应电网需求的多类型光热电站协调调度运行方法，其特征在于，所述步骤一：优化高海拔地区离网独立光伏电站运行特性，首先要分析光伏电站运行特性。以青海地区柴达木铜普30MW光伏电站发电数据为例分析光伏电站运行特性，光伏电站的日发电量与季节、天气都具有非常紧密的关系，日发电量主要受太阳辐射、天气、环境等因素的影响比较大，具有很强的波动性，对电网的影响比较大，其中，春天日发电量最大，夏天波动性最强；光伏电站发电功率主要分布在0-20MW之间，概率分布比较均匀，而且波动较大；从发电功率爬坡率分析结果来看，天气对光伏电站的发电功率爬坡率影响非常大，在进行光伏电站的优化运行和并网输出的时候要特别注意多云、阴雨等天气。

3.根据权利要求1所述的一种响应电网需求的多类型光热电站协调调度运行方法，其特征在于，所述步骤二：储能系统在光伏电站离网时充当主电源，为离网运行提供电压和频率支撑，同时平滑光伏发电输出功率波动，使光伏发电输出功率平滑可控；基于频谱分析方法分析离网独立光伏电站的储能系统优化配置，以光伏电站输出功率的典型样本数据为基础，根据频谱分析法进行数据采样；然后对样本进行数据分析，对每个样本数据片段进行功率和容量的优化设计计算，得到若干个设计结果，选取最大值；或对若干个设计结果进行概率统计分析，选取使波动率满足要求的情况达到某一概率水平的容量值作为配置容量，对于概率较小的值，则认为该值对应的光资源情况出现较少，可忽略；

储能系统以平滑出力为目标，其配置根据不同时间尺度平滑需求使电源功率波动率限制在设定范围内；并网输出有功功率波动满足一定要求，在某时间段内功率波动率小于设定值或在某时间段内功率最大变化量小于设定值。

其中：F_t为在t时间段内的功率波动率，P_n为额定功率(kW)，ΔP_t为t时间段内最大功率变化量，P_t ^max、P_t ^min分别为t时间段内最大与最小输出功率(kW)；

判断目标功率输出是否满足要求，需保证波动率不超过设定值F_t ^up，即

F≤F_t ^up

或功率最大变化量不超过设定值，即

ΔP_t≤ΔP_t ^up

根据波动约束条件，求每一个连续时间段t内的最大与最小输出功率：

P_t ^max(i)＝max(P(i:i+t/T_s))

P_t ^min(i)＝min(P(i:i+t/T_s))

根据下式，计算每一个连续时间段t内的功率波动率，从而得到整个数据周期内的最大功率波动率；

ΔP(t)＝P(t)-P(t-Δt)

最后以风光波动率必须满足一确定指标为优化目标，以风光最大出力、联络线交换功率、储能的充放电区间约束、储能的容量变化等式、储能的充放电量平衡、储能的总投资额限制等为边界约束条件进行求解，得到光储最优配置。

4.根据权利要求1所述的一种响应电网需求的多类型光热电站协调调度运行方法，其特征在于，所述步骤三：构建混合储能有序充放电模型，以全钒液流电池(VRB)和LiB构建混合储能系统，功率型储能VRB具备频繁充放电切换响应能力，可充放电次数高，能量型LiB储能设备具有储能能量密度大、储能时间长的优势；混合储能电站的运行应充分发挥VRB可频繁充放电的特性同时限定荷电状态(SOC)区间，LiB运行需在限定SOC区间，且避免频繁充放电切换的同时适当提升其相对容量，形成协调互补的有效充放电模式；

混合储能电站预测控制步长选取与光伏功率预测精度相互关联，同时光伏功率预测精度与预测尺度关系紧密，实际光伏电站年度运行数据，采样步长为5min，根据平抑目标确定储能电站所需平抑的功率波动如图1所示，选定两个充放区间作为递进控制步长，进一步统计分析单次充放区间的采样点数分布，得到递进控制步长将以[5，35]min为主要聚集区间，由此确定本文充放电动态控制的步长，同时发现该步长与超短期光伏功率预测时间尺度完全符合；

根据储能电站介质的运行特性构建有序控制策略，具体充放电模型为：

1)VRB主要动作，LiB在限定条件下启动；递进控制步长内的单次充或放区间能量低于限值Emin，VRB优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动；当充放电功率越限时，LiB动作辅助协作；不越限时则不动作；该充放电模型对应具体运行模式为：

2)LiB优先启动，VRB在满足限定条件下动作；对于非VRB优先动作状况，发挥LiB能量密度高的优势，由其启动并承担主要平抑任务；对于VRB的启动，取决于LiB充放电功率的变化速率及其SOC，其目标在于辅助Lib平抑目标或调整自身SOC以处于较优运行状态；VRB辅助启动条件为：

根据充放模型，构建以储能电站SOC运行状态最优为目标的优化控制模型；已知递进控制步长区间的各介质初始SOCint-LiB、SOCint-Uc，基于充放电策略，使得区间内各介质偏移最佳SOC的方差和最小；目标函数主要解决递进控制步长区间内充放能量在各介质间的协调分配问题；

约束条件主要包括充放电功率约束、SOC约束；

1)充放电功率约束

Pmax-discha-LiB<P(t)<Pmax-cha-LiB

Pmax-discha-VRB<P(t)<Pmax-cha-VRB

P(t)＝PVRB(t)+PLiB(t)

2)SOC约束

SOCmin-LiB<SOCLiB(t)<SOCmax-LiB

SOCmin-VRB<SOCVRB(t)<SOCmax-VRB

采用粒子群优化算法(PSO)对算例进行求解，并对其进行适度改进，以克服动态边界问题，同时递进优化的区间计算量相对较小，利于发挥PSO搜索精度高和收敛效果好的优势；具体模型求解步骤为：

1)根据递进协调控制算法和本步长数据确定优化目标函数；

2)设置粒子群维数D，最大迭代次数Mmax，收敛精度σthresh，同时初始化粒子群位置x和速度v，并给定初始SOCint-LiB、SOCint-VRB数值；

3)根据既定充放电策略和目标函数计算各粒子适应度值M；

4)将各粒子适应度值与自身粒子极值及全局粒子极值比较，若适应度值较小，则更新各粒子个体极值ebest及全局例子适应度极值gbest；

5)判断当前计算是否满足收敛条件，若是则提取当前PLiB、PVRB即为最优充放电功率；若否则更新各粒子位置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；xi、vi为第i维粒子的位置与速度；g为约束因子。

5.根据权利要求1所述的一种响应电网需求的多类型光热电站协调调度运行方法，其特征在于，所述步骤四：在步骤三的基础上通过调整储能充放电系统来调整储能装置始终工作在正常工作范围，同时考虑储能荷电状态和光伏功率输出稳定性，能够同时有效平抑并网功率波动与精确调整储能系统荷电状态；光伏电站储能系统的储能策略是：当光伏功率输出功率大于并网功率参考值时，储能系统充电以平抑输出功率波动；当光伏功率输出功率小于并网功率参考值时，储能系统放电以弥补输出功率的不足，以此平滑光伏功率的输出功率，实现光伏功率并网功率的稳定性；

t时刻光伏功率输出功率P_P(t)与并网目标功率P_ref(t)的差值ΔCP(t)为：

ΔCP(t)＝P_P(t)-P_ref(t)

则储能系统处于充电状态时：

储能系统处于放电状态时：

式中：为t时刻储能系统充放电功率；当/>时，储能系统充电，/>时，储能系统放电；η_C为储能系统的充电效率，一般取0.65～0.85；

基于功率修正系数的控制策略，储能系统荷电状态运行区间的改变将引发功率修正系数的对应调整，通过功率修正系数改变储能系统的充放电功率，以达到预先控制储能系统的运行，避免其达到过充过放的状态；

当储能系统荷电状态偏高，即位于预过充区域时，表示储能趋于饱和；若处在充电状态下需对/>进行预先控制，通过下式调整功率修正系数，修正/>使其减小，以缓解其荷电状态升高的速度，防止储能系统出现过度充电的状态；

若处在放电状态通过调整功率修正系数，修正/>使其减小，以减缓其荷电状态降低的速度，防止储能系统出现深度放电的状态；

式中，δ_i(t)为t时刻充放电功率修正系数，当储能系统位于正常区域时取值为1；SOC(t)为t时刻储能系统的荷电状态；

调整后储能系统处于充电状态时：

P_ESS(t)＝δ_i(t)ΔCP(t)η_C

调整后储能系统处于放电状态时：

P_ESS(t)＝δ_i(t)ΔCP(t)/η_D

光伏电站储能容量优化的目标在于保证减少光伏功率输出功率波动的前提下，调节投入成本与运行成本之间的相互制约关系，在保证平滑输出功率的前提下，以最低储能的投入成本和运行成本实现光伏电站储能系统的运行效益最优化；

储能的综合效益达到最优为目标，目标函数为：

C_C＝C_M+C_R+C_B

C_B＝N_bessρ₁W_O+N_bessρ₂W_Om

式中，储能系统的投入成本C_C包括储能系统的维护成本C_M，储能系统各储能单元的置换成本C_R和储能系统的基本投资成本C_B；Y为工作时间；N_bess为储能系统中蓄电池的数量；为储能容量单位容量维护价格；ρ₁为储能容量单位容量安装价格；W_O为光伏电站最优储能容量的额定值；ρ₂为储能容量单位容量价格；m为折旧系数；

光伏电站输出功率具有年度周期性，以年度光伏电站输出功率作为储能容量优化的研究对象，其光伏电站弃光损失能量、平滑功率短缺损失能量和储能系统越线运行的折算能量分别如下：

式中：N_y为研究对象的时间年度；g、h为Ny年度中充放电过程持续δ_i＜1调整运行区间的总次数；p、q分别为g区间的初始和结束时间；u、v分别为h区间的初始和结束时间；k为N_y年度中储能系统运行状态位于超出最大荷电状态的总次数；l为N_y年度中储能系统运行状态位于低于最小荷电状态的总次数；x、y分别为k区间的初始和结束时间；z、a分别为l区间的初始和结束时间；

光伏电站储能容量优化的目标是：

minC＝K_Lρ_LL_LOST+K_Sρ_SL_SHORT+K_Eρ_EL_ESS+C_C

式中：ρ_L、ρ_S、ρ_E分别为光伏电站弃光损失能量、平滑功率短缺损失能量以及储能系统越线运行的折算能量的对应单价；ρ_LL_LOST为光伏电站弃光能量成本；ρ_SL_SHORT为光伏电站平滑功率短缺损失能量成本；ρ_EL_ESS为储能系统越线运行的折算损失能量成本；K_L、K_S和K_E为运行成本的惩罚系数；C_C储能系统的投入成本；

充放电功率约束：

-P_Dη_D≤P_W(t)-P_ref(t)≤P_C

PD和PC分别为储能系统的极限充放电功率，将放电看作负充电过程，其大小以其绝对值为准；

约束条件包括光伏电站输出功率波动水平约束：

P{|ΔP_d(t)|≤ΔP_dmax}≥Λ

式中：ΔP_d(t)为光伏电站输出功率经储能系统平抑后的波动值；ΔP_dmax为波动值的最大允许范围上限；Λ为对应的可信度水平；

基于青海某光伏电站实际运行数据计算储能最优容量；考虑PSO算法以解决包含动态边界条件且含有多个随机变量的随机优化问题，具体模型求解步骤为：

步骤1：选定研究对象时间截面窗口长度Ny及其运行数据P(t)；

步骤2：基于最佳功率输出模型确定期望输出目标值PG，并给定初始SOC值；

步骤3：设置粒子群维数D，最大迭代次数Mmax，收敛精度Cσ，同时初始化粒子群位置x和速度v；

步骤4：根据充放电策略，计算各粒子的适应度值F，并将其自身粒子极值ebest及全局粒子极值gbest比较，若适应度值较小，则更新ebest及gbest，若否更新粒子速度x及位置v；

步骤5：计算Δσ²判断是否满足收敛条件，搜索收敛条件为：

式中，Δσ²为粒子群的群体或全局适应度方差的变化量，C_σ为接近于零的定常数；若是，则获取最佳储能容量V；若否，重新释放例子组建新的族群，并重复步骤4。