CN117767374A - 新能源外送储能容量递减式配置方法、装置、设备及介质 - Google Patents

Abstract

本申请提供一种新能源外送储能容量递减式配置方法、装置、设备及介质，包括：获取指标要求和限制参数输入到以计算最小储能容量为目标的储能优化配置模型，得到储能容量；将其输入到中间变量传递模型，得到传递变量，利用上述两个模型进行迭代计算，直至完成要求，得到多个储能容量，获取其最大值，将最大值和限制参数输入以计算最大新能源消纳量为目标的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成要求，确定新能源利用率；在确定新能源利用率不符合设定阈值后，获取校准值，基于校准值计算递减值，利用递减值再次进行迭代计算，直至满足设定阈值，输出目标储能容量，这样，可以优化计算出合理的储能容量，提高配置容量的效率。

Description

新能源外送储能容量递减式配置方法、装置、设备及介质

技术领域

本申请涉及新能源电力技术领域，尤其涉及一种新能源外送储能容量递减式配置方法、装置、设备及介质。

背景技术

新能源是当前电力行业的主要驱动力，具有环保和可再生等多重优势，随之而来的，新能源也带来了许多挑战，如可控性不足、波动性大和调节能力有限等问题。通过对新能源储能容量有效地规划，可以使不稳定、波动性大的新能源快速且稳定地响应电力需求波动，从而减少不必要的风险。

现有技术中，通过构建一种提升大规模新能源外送的储能容量规划效率的计算方法，以确保最大限度地提高新能源的利用效率，并降低储能规划的成本，该计算方法通常是基于电力系统历史运行数据对容量进行预测规划。

但是，由于新能源随机波动的特性，为了保证计算结果更符合实际情况、得到更为合理有效的结果，上述方法需要进行长时间段的数据分析计算，求解时间长，导致储能规划效率的大幅度降低。

发明内容

本申请提供一种新能源外送储能容量递减式配置方法、装置、设备及介质，用于解决现有基于电力系统历史运行数据对容量进行预测规划，需要进行长时间段的数据分析计算，存在求解时间长，导致储能规划效率的大幅度降低的问题。

第一方面，本申请提供一种新能源外送储能容量递减式配置方法，所述方法包括：

获取输入的目标新能源利用率指标、风电理论出力、光伏理论出力和目标电力负荷，将所述目标新能源利用率指标和所述目标电力负荷输入提前构建的储能优化配置模型中，得到第一周期的储能容量；所述目标电力负荷为机组总功率、新能源出力和充放电功率之和；所述储能优化配置模型的目标函数以计算储能容量的最小值为目标；所述储能优化配置模型用于对新能源出力和电网传输要求进行约束；所述风电理论出力用于限制所述储能优化配置模型中风电出力的上限；所述光伏理论出力用于限制所述储能优化配置模型中光伏出力的上限；

将所述第一周期的储能容量输入提前构建的中间变量传递模型中，得到第一周期的第一传递变量，并将所述第一周期的第一传递变量输入到提前构建的储能优化配置模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第一计算要求，得到预设周期内的多个储能容量；所述中间变量传递模型用于对储能容量和机组运行状态进行约束；

获取所述多个储能容量中的最大值，得到目标储能容量，并将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力；所述储能配置校验模型的目标函数以计算新能源消纳量的最大值为目标；所述储能配置校验模型也用于对新能源出力和电网传输要求进行约束；

基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，在确定所述新能源利用率不符合设定阈值后，获取储能容量校准值，计算所述储能容量校准值与目标储能容量的差值，得到递减值，并基于所述递减值经过提前构建的储能配置校验模型和中间变量传递模型再次进行迭代计算，直至得到的新能源利用率符合所述设定阈值，输出目标储能容量；所述目标储能容量为递减值与储能容量校准值之和。

可选的，将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力，包括：

将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型中，得到第一周期的新能源消纳量；所述风电理论出力还用于限制所述储能配置校验模型中风电出力的上限；所述光伏理论出力还用于限制所述储能配置校验模型中光伏出力的上限；

将所述第一周期的新能源消纳量输入提前构建的中间变量传递模型中，得到第一周期的第二传递变量，并将所述第一周期的第二传递变量再次输入到提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力。

可选的，基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，包括：

计算所述预设周期内的多个新能源消纳量之和，得到新能源消纳总量，并利用所述预设周期内的多个风电实际出力和光伏实际出力计算出力之和，得到新能源出力总和，基于所述新能源消纳总量和所述新能源出力总和计算出新能源利用率。

可选的，所述新能源出力包括风电实际出力和光伏实际出力；所述储能优化配置模型的构建过程包括：

将新能源电网划分为多个分区，并设置每个分区的新能源出力的第一约束条件；所述第一约束条件为每一分区的风电实际出力小于或等于风电理论出力，且每一分区的光伏理论出力小于或等于光伏理论出力；

设置火电机组出力的第二约束条件、火电机组运行状态的第三约束条件、抽水蓄能机组运行状态的第四约束条件、抽水蓄能机组功率的第五约束条件、抽水蓄能机组库容的第六约束条件、锂电池充放电功率的第七约束条件、锂电池充放电深度的第八约束条件和锂电池储能容量的第九约束条件，形成电网传输要求的约束条件；

基于所述第一约束条件和所述电网传输要求的约束条件，构建储能优化配置模型；

其中，所述第二约束条件用于对火电机组的优化功率进行约束；所述第三约束条件用于对火电机组对应的多台机组的启动和/或停止状态以及多台机组在启动和/或停止状态的时间进行约束；所述第四约束条件用于对抽水蓄能机组的抽水或放水状态进行约束；所述第五约束条件用于对抽水蓄能机组的抽水功率和放水功率进行约束；所述第六约束条件用于对抽水蓄能机组水库的容量进行约束；所述第七约束条件用于对锂电池的充电状态和放电状态进行约束；所述第八约束条件用于对锂电池的剩余电量进行约束；所述第九约束条件用于对锂电池的储能容量进行约束。

可选的，所述第二约束条件对应的公式为：

0≤P_h(s,t,j)≤[TP_max(j)-TP_min(j)]·X(s,t,j)

TP(s,t,j)＝TP_min(j)·X(s,t,j)+P_h(s,t,j)

其中，TP_max(j)表示火电机组中第j台机组的出力上限；TP_min(j)表示火电机组中第j台机组的出力下限；X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态；TP(s,t,j)表示火电机组中第j台机组第s周期第t时刻出力；P_h(s,t,j)表示火电机组中第j台机组第s周期第t时刻的优化功率；

所述第三约束条件对应的公式为：

且，

Y(s,t,j)+Z(s,t+1,j)+Z(s,t+2,j)+...+Z(s,t+k,j)≤1

Z(s,t,j)+Y(s,t+1,j)+Y(s,t+2,j)+...+Y(s,t+k,j)≤1

其中，X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态，0表示机组已停机，1则表示机组正在运行；Y(s,t,j)表示火电机组中第j台机组第s周期第t时刻的启动状态，0表示不在启动状态，1表示正在启动状态；Z(s,t,j)表示火电机组中第j台机组第s周期第t时刻的停机状态，0表示不在停机状态，1表示正在停机状态；t+k表示第t+k时刻，k为机组启机或停机的最小时间步长。

可选的，所述第四约束条件对应的公式为：

a(s,t,j)+b(s,t,j)≤1

其中，a(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的抽水状态；b(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的放水状态；

所述第五约束条件对应的公式为：

其中，TP_CX(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的优化功率；表示抽水蓄能机组中第j台机组的最大抽水功率；/>表示抽水蓄能机组中第j台机组的最小抽水功率；/>表示抽水蓄能机组中第j台机组的最大放水功率；表示抽水蓄能机组中第j台机组的最小放水功率；

所述第六约束条件对应的公式为：

Cap_min(j)≤Cap_initial(s,t-1,j)-TP(s,t,j)≤Cap_max(j)

其中，Cap_max(j)表示抽水蓄能机组中第j台机组的容量上限；Cap_min(j)表示抽水蓄能机组中第j台机组的容量下限；Cap_initial(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的初始容量。

可选的，所述第七约束条件对应的公式为：

c(s,t)+d(s,t)≤1

其中，c(s,t)表示电池组第s周期第t时刻的充电状态，0表示不在充电状态，1表示正在充电状态；d(s,t)表示电池组第s周期第t时刻的放电状态，0表示不在放电状态，1表示正在放电状态；表示电池组第t时刻的最大充电功率；/>表示电池组第t时刻的最大放电功率；TP_bat(s,t)表示电池组第s周期第t时刻的充、放电功率；

所述第八约束条件对应的公式为：

SOC_min≤SOC(t)≤SOC_max

其中，SOC_min表示电池组的剩余电量最小值；SOC_max表示电池组的剩余电量最大值；

SOC(t)表示电池组第t时刻的剩余电量；SOC_min和SOC_max根据应用场景确定；

所述第九约束条件对应的公式为：

E_min≤E_bat(s)≤E_max

其中，E_bat表示电池组第s周期的储能容量；E_min表示电池组对应的最小储能容量；E_max表示电池组对应的最大储能容量。

可选的，所述第一传递变量包括火电机组的优化功率、火电机组的运行状态、抽水蓄能机组的优化功率、抽水蓄能机组的运行状态、抽水蓄能机组的初始库容、锂电池的充放电功率和锂电池的初始容量；所述中间变量传递模型的构建过程包括：

设置所述火电机组的优化功率满足第一预设条件，并设置所述火电机组的运行状态满足第二预设条件；所述第一预设条件为当前周期的火电机组的优化功率与输出到下一周期的火电机组的优化功率一致；所述第二预设条件为火电机组中每一机组的当前周期的运行状态、停机状态和启动状态，与输出到下一周期的运行状态、停机状态和启动状态一致；

设置所述抽水蓄能机组的优化功率满足第三预设条件，并设置所述抽水蓄能机组的运行状态满足第四预设条件，以及所述抽水蓄能机组的初始库容满足第五预设条件；所述第三预设条件为当前周期的抽水蓄能机组的优化功率与输出到下一周期的抽水蓄能机组的优化功率一致；所述第四预设条件为当前周期的抽水蓄能机组的抽水状态和放水状态，与输出到下一周的期抽水蓄能机组的抽水状态和放水状态一致；所述第五预设条件为当前周期的抽水蓄能机组的初始库容与输出到下一周期的抽水蓄能机组的初始库容一致；

设置所述锂电池的充放电功率满足第六预设条件，并设置所述锂电池的初始容量满足第七预设条件；所述第六预设条件为当前周期的锂电池的充放电功率与输出到下一周期的锂电池的充放电功率一致；所述第七预设条件为当前周期的锂电池的储能容量与输出到下一周期的锂电池的储能容量一致；

基于所述第一预设条件、所述第二预设条件、所述第三预设条件、所述第四预设条件、所述第五预设条件、所述第六预设条件和第七预设条件，构建中间变量传递模型。

可选的，所述方法还包括：

当确定所述新能源利用率符合所述设定阈值，则输出目标储能容量。

第二方面，本申请还提供一种新能源外送储能容量递减式配置装置，所述装置包括：

获取模块，用于获取输入的目标新能源利用率指标、风电理论出力、光伏理论出力和目标电力负荷，将所述目标新能源利用率指标和所述目标电力负荷输入提前构建的储能优化配置模型中，得到第一周期的储能容量；所述目标电力负荷为机组总功率、新能源出力和充放电功率之和；所述储能优化配置模型的目标函数以计算储能容量的最小值为目标；所述储能优化配置模型用于对新能源出力和电网传输要求进行约束；所述风电理论出力用于限制所述储能优化配置模型中风电出力的上限；所述光伏理论出力用于限制所述储能优化配置模型中光伏出力的上限；

输入模块，用于将所述第一周期的储能容量输入提前构建的中间变量传递模型中，得到第一周期的第一传递变量，并将所述第一周期的第一传递变量输入到提前构建的储能优化配置模型中和提前构建的中间变量传递模型中进行迭代计算，直至完成预设周期的第一计算要求，得到预设周期内的多个储能容量；所述中间变量传递模型用于对储能容量和机组运行状态进行约束；

计算模块，用于获取所述多个储能容量中的最大值，得到目标储能容量，并将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力；所述储能配置校验模型的目标函数以计算新能源消纳量的最大值为目标；所述储能配置校验模型也用于对新能源出力和电网传输要求进行约束；

递减模块，用于基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，在确定所述新能源利用率不符合设定阈值后，获取储能容量校准值，计算所述储能容量校准值与目标储能容量的差值，得到递减值，并基于所述递减值输入提前构建的储能配置校验模型和中间变量传递模型再次进行迭代计算，直至得到的新能源利用率符合所述设定阈值，输出目标储能容量；所述目标储能容量为递减值与储能容量校准值之和。

第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面中任一项所述的方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。

综上所述，本申请提供一种新能源外送储能容量递减式配置方法、装置、设备及介质，可以通过提前构建的包含对多个机组进行物理约束的储能优化配置模型和中间变量传递模型，在确定新能源利用率的约束下，优化计算获得每个计算周期中最小的储能容量，进一步的，选取各计算周期中的储能容量最大值作为初值，并利用储能配置校验模型和中间变量传递模型，计算并校验新能源利用率是否满足设定阈值，进一步的，通过不断迭代优化计算得到满足新能源利用率指标的最经济储能容量；其中，储能优化配置模型以计算储能容量的最小值为目标；储能配置校验模型以计算新能源消纳量的最大值为目标；通过设置中间变量传递模型，可以保证多个机组跨周期运行的连续性，这样，本申请通过三个模型设计优化储能容量的方法，在保证模型运行结果更符合实际情况的同时，可以优化计算出更合理的储能容量，以及显著的提升规划配置容量的效率和计算的准确性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请实施例提供的一种应用场景示意图；

图2为本申请实施例提供的一种新能源外送储能容量递减式配置方法的流程示意图；

图3为本申请实施例提供的一种具体的新能源外送储能容量递减式配置方法的流程示意图；

图4为本申请实施例提供的一种新能源外送储能容量递减式配置装置的结构示意图；

图5为本申请实施例提供的一种电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如，第一设备和第二设备仅仅是为了区分不同的设备，并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。

需要说明的是，本申请中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b，或c中的至少一项(个)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。

新能源是当前电力行业的主要驱动力，具有环保和可再生等多重优势，然而，新能源也带来了不可忽视的挑战，如可控性不足、波动性大和调节能力有限等问题。通过对新能源储能容量进行有效地规划，可以使不稳定、波动性大的新能源快速且稳定地响应电力需求波动，减少不必要的风险，因此，通过更细致的储能容量配置，可以降低储能系统的成本，提高资源的利用率，充分发挥可再生能源的潜力，提高电力系统的经济性。

然而，储能系统的配置和规划是复杂的工程问题，面临着影响因素多、数据量大等难题，这对系统计算资源、规划工作效率和效果提出了巨大挑战，因此，当前有迫切的需求构建一种高效的计算方法，以确保最大限度地提高新能源的利用效率，并降低储能规划的成本。

一种可能的实现方式中，通过构建一种提升大规模新能源外送的储能容量规划效率的计算方法进行储能系统的配置，该计算方法通常是基于电力系统历史运行数据对容量进行预测规划。

但是，由于新能源随机波动的特性，为了保证计算结果更符合实际情况、得到更为合理有效的结果，上述方法需要进行长时间段的数据分析计算，求解时间长，导致储能规划效率的大幅度降低。

可以理解的是，长时间段的数据分析计算会导致模型规划效率的大幅度降低。

针对上述问题，本申请提供一种新能源外送储能容量递减式配置方法，基于储能容量规划效率的递减式逐时迭代计算方法进行储能容量的配置；具体的，通过提前构建的包含对多个机组进行物理约束的储能优化配置模型和中间变量传递模型，在确定新能源利用率的约束下，优化计算获得每个计算周期中最小的储能容量，进一步的，选取各计算周期中的储能容量最大值作为初值，并利用储能配置校验模型和中间变量传递模型，计算并校验新能源利用率是否满足设定阈值，进一步的，通过不断迭代优化计算得到满足新能源利用率指标的最经济储能容量；其中，储能优化配置模型以计算储能容量的最小值为目标；储能配置校验模型以计算新能源消纳量的最大值为目标；通过设置中间变量传递模型，可以保证多个机组跨周期运行的连续性，这样，本申请通过三个模型设计优化储能容量的方法，在保证模型运行结果更符合实际情况的同时，可以优化计算出更合理的储能容量，以及显著的提升规划配置容量的效率和计算的准确性。

示例性的，图1为本申请实施例提供的一种应用场景示意图，如图1所示，该应用场景可以应用到大规模新能源外送储能容量规划中；该应用场景包括：用户的终端设备101和数据处理系统102；其中，该数据处理系统102中部署有提前构建的储能优化配置模型、中间变量传递模型和储能配置校验模型；该储能优化配置模型用于对新能源出力和电网传输要求进行约束，且以储能容量的最小值为目标；该中间变量传递模型用于对储能容量和机组运行状态进行约束；该储能配置校验模型也用于对新能源出力和电网传输要求进行约束，但以新能源消纳量最大为目标。

具体的，以构建包含对火电机组、抽水蓄能机组和锂电池等物理约束进行逐时优化的储能优化配置模型为例，用户的终端设备101可以输入新能源利用率指标，进一步的，数据处理系统102在接收到该新能源利用率指标后，将新能源利用率指标输入储能优化配置模型和中间变量模型中，优化计算获得全年每个计算周期最小的锂电池储能容量；进一步的，选取各计算周期中的储能容量最大值作为目标储能容量，并将该目标储能容量输入逐时优化的储能配置校验模型和中间变量模型中，计算并校验全年新能源利用率是否满足新能源消纳率要求，即设定阈值，进而不断迭代优化计算出满足新能源利用率指标的最经济储能容量。

其中，通过将新能源利用率指标输入储能优化配置模型，得到第一周的储能容量，进而将第一周的储能容量输入中间变量传递模型中，得到第一周的第一传递变量，进一步的，将第一周的第一传递变量输入到储能优化配置模型和中间变量传递模型中，得到第二周的第一传递变量，以此类推，不断迭代计算，重复计算，直至完成全年计算，得到全年内多个储能容量，并选取多个储能容量中的最大值作为目标储能容量；进一步的，将目标储能容量输入到储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成全年计算，进一步的，校验计算得到的新能源利用率是否大于或等于设定阈值；若是，则减少一定量的储能容量，继续进行迭代计算，直至计算得到的新能源利用率满足设定阈值，即小于设定阈值，进一步的，输出满足设定阈值的目标储能容量，该目标储能容量为最经济的储能容量。

其中，新能源利用率指标为符合应用场景和用户需求的新能源利用率，用于确定输出的目标储能容量；设定阈值为提前预设的用于约束基地储能系统总新能源消纳量的数值。

需要说明的是，本申请实施例对每次计算储能容量和第一传递变量的周期不作具体限定，其可以为一周，也可以为两周或一个月；可选的，设置迭代计算的预设周期可以为一年，也可以为一个季度或两年等，本申请实施例对预设周期不作具体限定，以上仅是示例说明。

可选的，在数据处理系统102输出目标储能容量后，可以发送到用户的终端设备101上进行可视化显示。

可选的，上述终端设备可以是具有显示屏并且支持网页浏览的各种电子设备，终端设备也可以被称为终端(terminal)、用户设备(User Equipment，UE)、移动台(MobileStation，MS)、移动终端(Mobile Terminal，MT)等。终端设备可以是手机(mobile phone)、智能电视、穿戴式设备、智能音箱、智能安防设备、智能网关、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(Virtual Reality，VR)终端设备、增强现实(Augmented Reality，AR)终端设备、工业控制(industrial control)中的无线终端、无人驾驶(self-driving)中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端等。上述终端设备包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图2为本申请实施例提供的一种新能源外送储能容量递减式配置方法的流程示意图，如图2所示，所述新能源外送储能容量递减式配置方法的执行主体为数据处理系统，所述新能源外送储能容量递减式配置方法包括如下步骤：

S201、获取输入的目标新能源利用率指标、风电理论出力、光伏理论出力和目标电力负荷，将所述目标新能源利用率指标和所述目标电力负荷输入提前构建的储能优化配置模型中，得到第一周期的储能容量；所述目标电力负荷为机组总功率、新能源出力和充放电功率之和；所述储能优化配置模型的目标函数以计算储能容量的最小值为目标；所述储能优化配置模型用于对新能源出力和电网传输要求进行约束；所述风电理论出力用于限制所述储能优化配置模型中风电出力的上限；所述光伏理论出力用于限制所述储能优化配置模型中光伏出力的上限。

本申请实施例中，所述储能优化配置模型的目标函数以锂电池所要规划的总容量最小为目标，则对应的公式有：

E＝min{E_bat}

其中，E_bat表示锂电池的储能容量；E表示锂电池所要规划的总容量，即目标函数。

在本步骤中，数据处理系统可以获取人工输入的目标新能源利用率指标，以及获取用户输入的风电理论出力TheoryWindpower(s，t，n)，作为储能优化配置模型中每小时风电的出力上限；以及获取用户输入的光伏理论出力TheoryPVpower(s，t，n)，作为储能优化配置模型中每小时光伏的出力上限；进一步，还需设置目标电力负荷Load(s，t，n)，作为储能优化配置模型中每小时所需负荷量，进一步的，将上述数据输入储能优化配置模型中，利用计算机对第一周期的数据进行仿真计算，确保各机组出力都在约束范围之内，计算获得第一周期的所规划的最小储能容量；所述目标电力负荷对应的公式为：

newenergy(s,t,n)＝Load(s,t,n)-TP_gross(s,t,n)-TP_bat(s,t,n)

其中，TP_gross(s,t,n)表示第n个分区第s周期第t时刻的机组总功率，即所有常规机组的总功率之和；Load(s,t,n)表示第n个分区第s周期第t时刻的目标电力负荷；TP_bat(s,t,n)表示第n个分区第s周期第t时刻的充放电功率；newenergy(s,t,n)表示第n个分区第s周期第t时刻的新能源出力；t取值为1-168，即对应为一周的时间；所述周期指的是一周，也可以指的是其他预定义周期，本申请实施例对此不作具体限定。

可选的，所述目标新能源利用率指标为提前设置的，可以通过以下公式设置目标新能源利用率指标，即对每周的新能源消纳率进行约束，即：

∑newenergy(t,n)表示基地储能系统每周内总的新能源消纳量，即每周的新能源出力之和；TheotyNewenergy(t，n)表示第n个分区第t时刻的理论新能源出力；η_set表示设置的目标新能源利用率指标。

这样，基于上述公式，以一年为例，可以计算52周的储能容量的最小值。需要说明的是，所有常规机组可以指的是火电机组、抽水蓄能机组和锂电池中的机组；分区指的是将电网按照预定义规则分成多个区域；所述预定义规则可以指的是区域位置不同、用电需求不同等，本申请实施例对此不作具体限定。

可选的，考虑了分区的区域间的传输功率，故电力负荷平衡必须以区域为单位分区平衡，该平衡方程由下式给出：

TP_gross(s,t,n)+newenergy(s,t,n)+Linepower(s,t,i)+TP_bat(s,t,n)＝Load(s,t,n)

其中，Linepower(s，t，i)表示第n个分区第s周期第i条传输线的传输容量，即输电功率；而区域间的传输容量约束由下式来表示：

-Linepower_max(i)≤Linepower(i)≤Linepower_max(i)

-Linepower_max(i)表示第i条传输线的输电功率下限；Linepower_max(i)表示第i条传输线的输电功率上限；Linepower(i)表示第i条传输线的输电功率，其向外部送电时是负荷，向内输电时则视为是发电。

因此，所述储能优化配置模型需满足负荷曲线约束，即清洁能源基地所发电力+网汇电力＝通道负荷曲线；其中，网汇电力为正数；所述网汇电力为多个分区之间传输的输电功率。

S202、将所述第一周期的储能容量输入提前构建的中间变量传递模型中，得到第一周期的第一传递变量，并将所述第一周期的第一传递变量输入到提前构建的储能优化配置模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第一计算要求，得到预设周期内的多个储能容量；所述中间变量传递模型用于对储能容量和机组运行状态进行约束。

本申请实施例中，所述第一传递变量包括火电机组的优化功率、火电机组的运行状态、抽水蓄能机组的优化功率、抽水蓄能机组的运行状态、抽水蓄能机组的初始库容、锂电池的充放电功率和锂电池的初始容量；所述优化功率可以指的是相较于真实输电功率，可调整优化的功率；所述运行状态可以包括已停机状态，正在运行状态，不在启动状态，正在启动状态，停机状态和正在停机状态。

预设周期为提前预设的用于计算储能容量，以满足场景需求的时间周期，本申请实施例对预设周期对应的具体数值不作限定，如可以为一年；所述第一周期可以指的是一周的时间，且为第一周，也可以指的是预设时间段的第一个周期，如第一个月等，本申请实施例对此不作具体限定。

在本步骤中，将第一周期的储能容量输入提前构建的中间变量传递模型中，利用计算机提取需要发生传递的运行状态、储能容量等数据变量，并通过第一传递变量的传递，保证机组全年运行的连贯性，相应的，还可以将第一传递变量进行存储以便输出。

进一步的，将存储的第一传递变量，结合之前的已知参数限制，即风电理论出力、光伏理论出力和目标电力负荷，再次输入到储能优化配置模型中，进行新一周期的仿真运算，利用计算机重复S202进行迭代计算，直至完成预设周期的第一计算要求，如全年的数据仿真计算要求，进而获得全年各周期的最小储能容量。

S203、获取所述多个储能容量中的最大值，得到目标储能容量，并将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力；所述储能配置校验模型的目标函数以计算新能源消纳量的最大值为目标；所述储能配置校验模型也用于对新能源出力和电网传输要求进行约束。

本申请实施例中，所述储能配置校验模型的目标函数以新能源消纳最大为目标，则对应的公式有：

f(s)＝max{grossnewenergy(s)}

其中，f(s)表示目标函数；grossnewenergy(s)表示每个周期的新能源的并网总功率，即电网的总功率；newenergy(s，t，n)表示第n个分区第s周期第t时刻的新能源出力；t取值为1-168，即对应为一周的时间；所述周期指的是一周，也可以指的是其他预定义周期，本申请实施例对此不作具体限定。

需要说明的是，所述储能配置校验模型对应的约束条件，包括对负荷曲线约束、新能源出力约束、火电机组约束、抽水蓄能机组约束、锂电池储能约束、新能源出力约束等，与储能优化配置模型相同，下述实施例仅对储能优化配置模型的约束条件进行描述，不再对储能配置校验模型的约束条件进行描述，详情可参照对储能优化配置模型的描述，二者仅是目标函数不同。

在本步骤中，利用计算机提取预设周期中最小储能容量的最大值，进行校验，即：

(E_bat)_Max＝Max{E_bat1,E_bat2,...,E_bat52}

其中，(E_bat)_Max表示目标储能容量，Ebat1，Ebat2，...，Ebat52表示预设周期内的多个储能容量，本申请以预设周期为一年为例，一年有52周，故预设周期内有52个储能容量。

进一步的，将目标储能容量作为已知量输入到储能配置校验模型中，作为储能配置校验模型的储能容量初值，即E_bat0＝(E_bat)_Max，同时重新设置新的新能源利用率指标η'_set作为判断流程是否继续的循环计算的条件；其中，可以通过以下公式设置新的新能源利用率指标，则有：

∑newenergy(s,t,n)表示基地储能系统总的新能源消纳量，即新能源出力之和；

TheoryNewenergy(s，t，n)表示第n个分区第s周期第t时刻的理论新能源出力；η'_set表示重新设置的新能源利用率指标，即设定阈值，用于约束基地储能系统总新能源消纳量的数值，以一年为例，即约束全年的新能源利用率指标。

进一步的，将目标储能容量和目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中利用计算机进行迭代计算，直至完成预设周期的第二计算要求，如完成全年的数据仿真计算要求，进而获得全年各周期的新能源消纳量、风电实际出力和光伏实际出力等数据。

S204、基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，在确定所述新能源利用率不符合设定阈值后，获取储能容量校准值，计算所述储能容量校准值与目标储能容量的差值，得到递减值，并基于所述递减值经过提前构建的储能配置校验模型和中间变量传递模型再次进行迭代计算，直至得到的新能源利用率符合所述设定阈值，输出目标储能容量；所述目标储能容量为递减值与储能容量校准值之和。

本申请实施例中，所述储能容量校准值为一定量的储能容量，该储能容量校准值对应的具体数值为提前预设好的，本申请实施例对此不作具体限定。

在本步骤中，根据获得的全年各周期的新能源消纳量，计算得出全年新能源消纳量，同时基于全年的风电实际出力和光伏实际出力计算出全年新能源理论出力总和，进一步的，根据全年新能源总消纳量和全年新能源理论出力总和计算出全年新能源利用率，即新能源利用率η，η为逐时迭代计算得出的新能源利用率。

进一步的，进行新能源利用率的校验，即检查新能源利用率是否符合设定阈值η'_set；如果不满足条件，即η≥η'_set，则获取储能容量校准值ΔE_bat。

在本步骤中，将在当前所规划的储能容量E_bat的基础上减少一定量的储能容量校准值ΔE_bat，得到递减值，即如在第一次减少一定量的储能容量校准值时，递减值为目标储能容量与储能容量校准值之差，即/>进一步的，/>作为新设置的储能容量再次输入S203，重复S203继续进行循环迭代校验，直至满足条件η＜η'_set，即得到的新能源利用率符合设定阈值，进而输出目标储能容量，即输出前一次规划的储能容量/>并结束循环，该目标储能容量可以理解为递减值与储能容量校准值之和。

因此，本申请实施例基于上层给定的新能源消纳量，规划锂电池储能容量，并基于下层对已规划的储能容量进行迭代校验，可以得到满足设定阈值的最经济储能容量，极大提升规划的效率，并使得储能容量配置规划得更合理，基于三个模型设计的新能源外送储能容量递减式配置方法，可以减少投资量，使得数据更加准确。

可选的，将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力，包括：

将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型中，得到第一周期的新能源消纳量；所述风电理论出力还用于限制所述储能配置校验模型中风电出力的上限；所述光伏理论出力还用于限制所述储能配置校验模型中光伏出力的上限；

将所述第一周期的新能源消纳量输入提前构建的中间变量传递模型中，得到第一周期的第二传递变量，并将所述第一周期的第二传递变量再次输入到提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力。

在本步骤中，数据处理系统可以将目标储能容量，以及用户输入的风电理论出力TheoryWindpower(s，t，n)，作为储能优化配置模型中每小时风电的出力上限；以及用户输入的光伏理论出力TheotyPVpower(s，t，n)，作为储能优化配置模型中每小时光伏的出力上限；还有提前设置的目标电力负荷Load(s,t,n)，作为储能优化配置模型中每小时所需负荷量，将上述这些数据输入到储能配置校验模型中，利用计算机对第一周期的数据进行仿真计算，确保各机组出力都在约束范围之内，计算获得第一周期的新能源消纳量。

进一步的，将第一周期的新能源消纳量输入到中间变量传递模型中，利用计算机提取需要发生传递的运行状态、储能容量等数据变量，得到第二传递变量，并通过第二传递变量的传递，保证机组全年运行的连贯性，相应的，还可以将第二传递变量进行存储以便输出。

进一步的，将存储的第二传递变量输入储能配置校验模型中，结合之前的已知参数限制，利用计算机重复上述步骤进行迭代计算，直至完成预设周期的第二计算要求，如全年的数据仿真计算，进而获得全年各周期的新能源消纳量、风电实际出力和光伏实际出力等数据。

需要说明的是，第二传递变量与第一传递变量对应的内容相同，在此不再赘述。

因此，本申请实施例中储能配置校验模型以新能源消纳量最大为目标，对储能配置容量进行逐时模拟迭代校验，进而得到满足新能源利用率指标的新能源消纳量，使得储能容量配置规划得更为合理。

可选的，基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，包括：

计算所述预设周期内的多个新能源消纳量之和，得到新能源消纳总量，并利用所述预设周期内的多个风电实际出力和光伏实际出力计算出力之和，得到新能源出力总和，基于所述新能源消纳总量和所述新能源出力总和计算得到新能源利用率。

在本步骤中，计算预设周期内的多个新能源消纳量之和，得到新能源消纳总量对应的公式为：

grossnewenergy＝∑newenergy(s,t,n)

其中，grossnewenergy表示新能源消纳总量，进一步的，利用预设周期内的多个风电实际出力和光伏实际出力计算出力之和，得到新能源出力总和对应的公式为：

TheoryNewenergy'(s,t,n)＝Windpower(s,t,n)+PVpower(s,t,n)

grossTNew＝∑TheoryNewenergy(s,t,n)

其中，grossTNew表示新能源出力总和，TheoryNewenergy′(s，t，n)表示第n个分区第s周期第t时刻的实际新能源出力，Windpower(s，t，n)表示第n个分区第s周期第t时刻的风电实际出力；

PVpower(s，t，n)表示第n个分区第s周期第t时刻的光伏实际出力。

进一步的，基于新能源消纳总量和新能源出力总和计算得到新能源利用率对应的公式为：

因此，本申请实施例可以逐时迭代计算得出新能源利用率，使得计算结果更符合实际情况，进而提高计算的准确性。

可选的，所述新能源出力包括风电实际出力和光伏实际出力；所述储能优化配置模型的构建过程包括：

将新能源电网划分为多个分区，并设置每个分区的新能源出力的第一约束条件；所述第一约束条件为每一分区的风电实际出力小于或等于风电理论出力，且每一分区的光伏理论出力小于或等于光伏理论出力；

设置火电机组出力的第二约束条件、火电机组运行状态的第三约束条件、抽水蓄能机组运行状态的第四约束条件、抽水蓄能机组功率的第五约束条件、抽水蓄能机组库容的第六约束条件、锂电池充放电功率的第七约束条件、锂电池充放电深度的第八约束条件和锂电池储能容量的第九约束条件，形成电网传输要求的约束条件；

基于所述第一约束条件和所述电网传输要求的约束条件，构建储能优化配置模型；

其中，所述第二约束条件用于对火电机组的优化功率进行约束；所述第三约束条件用于对火电机组对应的多台机组的启动和/或停止状态以及多台机组在启动和/或停止状态的时间进行约束；所述第四约束条件用于对抽水蓄能机组的抽水或放水状态进行约束；所述第五约束条件用于对抽水蓄能机组的抽水功率和放水功率进行约束；所述第六约束条件用于对抽水蓄能机组水库的容量进行约束；所述第七约束条件用于对锂电池的充电状态和放电状态进行约束；所述第八约束条件用于对锂电池的剩余电量进行约束；所述第九约束条件用于对锂电池的储能容量进行约束。

本申请实施例中，根据已知前提，新能源实际出力≤理论出力曲线，对新能源出力进行约束，即

0≤Windpower(s,t,n)≤TheoryWindpower(s,t,n)

0≤PVpower(s,t,n)≤TheoryPVpower(s,t,n)

其中，Windpower(s，t，n)表示第n个分区第s周期第t时刻的风电实际出力，PVpower(s,t,n)表示第n个分区第s周期第t时刻的光伏实际出力；TheoryWindpower(s,t,n)表示第n个分区第s周期第t时刻的风电理论出力，TheoryPVpower(s,t,n)表示第n个分区第s周期第t时刻的光伏理论出力，需要说明的是，风电理论出力和光伏理论出力为已知的数值，本申请实施例对其对应的具体数值不作限定。

在本步骤中，对火电机组出力约束，即对火电机组的优化功率进行约束；通过常规机组的总功率的具体表达式：TP(s，t，j)-TP_min(j)·X(s，t，j)＝P_h(s，t，j)，可以推导出优化功率的表达式为：TP(s，t，j)-TP_min(j)·X(s，t，j)＝P_h(s，t，j)，进一步的，对优化功率的上下限进行约束，对应的为第二约束条件。

可选的，所述第二约束条件对应的公式为：

0≤P_h(s,t,j)≤[TP_max(j)-TP_min(j)]·X(s,t,j)

TP(s,t,j)＝TP_min(j)·X(s,t,j)+P_h(s,t,j)

其中，TP_max(j)表示火电机组中第j台机组的出力上限；TP_min(j)表示火电机组中第j台机组的出力下限；X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态；TP(s,t,j)表示火电机组中第j台机组第s周期第t时刻出力；P_h(s,t,j)表示火电机组中第j台机组第s周期第t时刻的优化功率。

对火电机组启停机状态逻辑和火电机组最小启停机时间进行约束，对应的为第三约束条件；所述第三约束条件对应的公式为：

且，

Y(s,t,j)+Z(s,t+1,j)+Z(s,t+2,j)+...+Z(s,t+k,j)≤1

Z(s,t,j)+Y(s,t+1,j)+Y(s,t+2,j)+...+Y(s,t+k,j)≤1

其中，X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态，0表示机组已停机，1则表示机组正在运行；Y(s,t,j)表示火电机组中第j台机组第s周期第t时刻的启动状态，0表示不在启动状态，1表示正在启动状态；Z(s,t,j)表示火电机组中第j台机组第s周期第t时刻的停机状态，0表示不在停机状态，1表示正在停机状态；t+k表示第t+k时刻，k为机组启机或停机的最小时间步长，k为提前预设的值，本申请实施例对k对应的具体数值不作限定。

因此，本申请实施例通过对火电机组的优化功率、火电机组对应的多台机组的启动和/或停止状态以及多台机组在启动和/或停止状态的时间进行约束，可以使得储能优化配置模型对储能容量进行更好的优化，规划更加合理，以达到期望的效果。

进一步的，为满足电网传输要求，本申请还需对抽水蓄能机组进行约束，即对抽水蓄能机组的抽水或放水状态，抽水蓄能机组的抽水功率和放水功率以及抽水蓄能机组水库的容量进行约束。

具体的，对抽水蓄能机组的抽水或放水状态进行约束，即对抽放水的逻辑状态进行约束，对应的为第四约束条件。

可选的，所述第四约束条件对应的公式为：

a(s,t,j)+b(s,t,j)≤1

其中，a(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的抽水状态；b(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的放水状态。

对抽水蓄能机组的抽水功率和放水功率进行约束，对应的为第五约束条件。

可选的，所述第五约束条件对应的公式为：

其中，TP_CX(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的优化功率；表示抽水蓄能机组中第j台机组的最大抽水功率；/>表示抽水蓄能机组中第j台机组的最小抽水功率；/>表示抽水蓄能机组中第j台机组的最大放水功率；表示抽水蓄能机组中第j台机组的最小放水功率。

需要说明的是，最大抽水功率，最小抽水功率，最大放水功率和最小放水功率为提前预设的符合实际应用场景的数值，本申请实施例对其对应的具体数值不作限定。

对抽水蓄能机组水库的容量进行约束，对应的为第六约束条件。

可选的，所述第六约束条件对应的公式为：

Cap_min(j)≤Cap_initial(s,t-1,j)-TP(s,t,j)≤Cap_max(j)

其中，Cap_max(j)表示抽水蓄能机组中第j台机组的容量上限；Cap_min(j)表示抽水蓄能机组中第j台机组的容量下限；Cap_initial(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的初始容量。

需要说明的是，容量上限和容量下限为提前预设的符合实际应用场景的数值，本申请实施例对其对应的具体数值不作限定。

因此，本申请实施例通过对抽水蓄能机组的抽水、放水状态、抽水功率、放水功率以及抽水蓄能机组水库的容量进行约束，可以使得储能优化配置模型对储能容量进行更好的优化，规划更加合理，以达到期望的效果。

进一步的，为满足电网传输要求，本申请实施例还需对锂电池进行储能约束，即对锂电池的充电状态、放电状态、锂电池的剩余电量，以及锂电池的储能容量进行约束。

具体的，对锂电池的充电状态和放电状态进行约束，即对锂电池的充放电功率进行约束，对应的为第七约束条件。

可选的，所述第七约束条件对应的公式为：

c(s,t)+d(s,t)≤1

其中，c(s,t)表示电池组第s周期第t时刻的充电状态，0表示不在充电状态，1表示正在充电状态；d(s,t)表示电池组第s周期第t时刻的放电状态，0表示不在放电状态，1表示正在放电状态；表示电池组第t时刻的最大充电功率；/>表示电池组第t时刻的最大放电功率；TP_bat(s,t)表示电池组第s周期第t时刻的充、放电功率。

需要说明的是，最大充电功率和最大放电功率为提前预设的符合实际应用场景的数值，本申请实施例对其对应的具体数值不作限定。

对锂电池的剩余电量进行约束，即对锂电池的充放电深度进行约束，对应的为第八约束条件。

可选的，所述第八约束条件对应的公式为：

SOC_min≤SOC(t)≤SOC_max

其中，SOC_min表示电池组的剩余电量最小值；SOC_max表示电池组的剩余电量最大值；SOC(t)表示电池组第t时刻的剩余电量；SOC_min和SOC_max根据应用场景确定，本申请实施例对其对应的具体数值不作限定。

对锂电池的储能容量进行约束，对应的为第九约束条件。

可选的，所述第九约束条件对应的公式为：

E_min≤E_bat(s)≤E_max

其中，E_bat表示电池组第s周期的储能容量；E_min表示电池组对应的最小储能容量；E_max表示电池组对应的最大储能容量。

需要说明的是，最小储能容量和最大储能容量为提前预设的符合实际应用场景的数值，本申请实施例对其对应的具体数值不作限定。

因此，本申请实施例通过对锂电池的充电状态、放电状态、剩余电量以及储能容量进行约束，可以使得储能优化配置模型对储能容量进行更好的优化，计算得到较为经济的储能容量，使得规划更加合理，以达到期望的效果。

在一些实施例中，还需对发生弃电的时刻储能进行约束，由于总弃电功率等于理论新能源出力减去新能源实际出力，即：

Abandonedpower(s,t,n)＝TheoryNewenergy(s,t,n)-newenergy(s,t,n)

因此，对仅在弃电的时刻储能进行约束的约束条件为：

-TP_bat(t)≤TheoryNewenergy(s,t,n)

其中，Abandonedpower(s,t,n)表示基地储能系统总的弃电功率。

综上所述，通过第一约束条件和电网传输要求的约束条件，构建储能优化配置模型，可以保证模型运行状况更符合实际情况，提高模型的可行性，且优化计算出较其他算法更合理的储能容量。

可选的，所述第一传递变量包括火电机组的优化功率、火电机组的运行状态、抽水蓄能机组的优化功率、抽水蓄能机组的运行状态、抽水蓄能机组的初始库容、锂电池的充放电功率和锂电池的初始容量；所述中间变量传递模型的构建过程包括：

设置所述火电机组的优化功率满足第一预设条件，并设置所述火电机组的运行状态满足第二预设条件；所述第一预设条件为当前周期的火电机组的优化功率与输出到下一周期的火电机组的优化功率一致；所述第二预设条件为火电机组中每一机组的当前周期的运行状态、停机状态和启动状态，与输出到下一周期的运行状态、停机状态和启动状态一致；

设置所述抽水蓄能机组的优化功率满足第三预设条件，并设置所述抽水蓄能机组的运行状态满足第四预设条件，以及所述抽水蓄能机组的初始库容满足第五预设条件；所述第三预设条件为当前周期的抽水蓄能机组的优化功率与输出到下一周期的抽水蓄能机组的优化功率一致；所述第四预设条件为当前周期的抽水蓄能机组的抽水状态和放水状态，与输出到下一周的期抽水蓄能机组的抽水状态和放水状态一致；所述第五预设条件为当前周期的抽水蓄能机组的初始库容与输出到下一周期的抽水蓄能机组的初始库容一致；

设置所述锂电池的充放电功率满足第六预设条件，并设置所述锂电池的初始容量满足第七预设条件；所述第六预设条件为当前周期的锂电池的充放电功率与输出到下一周期的锂电池的充放电功率一致；所述第七预设条件为当前周期的锂电池的储能容量与输出到下一周期的锂电池的储能容量一致；

基于所述第一预设条件、所述第二预设条件、所述第三预设条件、所述第四预设条件、所述第五预设条件、所述第六预设条件和第七预设条件，构建中间变量传递模型。

本申请实施例中，所述中间变量传递模型的构建过程包括：对火电机组的优化功率的传递过程设置，对火电机组的启停机状态的传递过程设置，对抽水蓄能机组的优化功率的传递过程设置，对抽水蓄能机组的抽放水逻辑状态的传递过程设置，对抽水蓄能机组的抽水蓄能库容的传递过程设置，对锂电池的充放电功率的传递过程设置以及对锂电池的储能容量的传递过程设置。

具体的，由于火电机组受到爬坡约束的限制，即在一定时间段内火电机组出力无法大幅突变，为了保证机组运行的连续性，可以将当前周期火电机组参与的优化功率存储并输出到下一周期中，用于下一周期的考虑与计算之中，即：

P_hZ(s,t,j)＝P_h(s,t,j)

其中，P_hZ(s,t,j)表示火电机组上一周期的优化功率输出到当前周期的第j台机组第t时刻的优化功率，并将其进行存储以便调用。

由于火电机组在运行过程中，受到机组的物理特性及机组能耗和运行成本的制约，机组不能频繁的启停机，因此，同一机组的两次启停机操作需要间隔一定时间，故需要考虑火电机组的最小启停机时间的约束。

在一些实施例中，通过传递变量将前一周期的火电机组运行状态输出到本周期，用于下一周期的考虑与计算之中，即：

其中，X(s+1,t,j)表示第j台机组第s+1周期第t时刻的运行状态，即输出到下一周期的第j台机组第t时刻的运行状态；Y(s+1,t,j)表示第j台机组第s+1周期第t时刻的启动状态，即输出到下一周期的第j台机组第t时刻的启动状态；Z(s+1,t,j)表示第j台机组第s+1周期第t时刻的停机状态，即输出到下一周期的第j台机组第t时刻的停机状态。

由于抽水蓄能的传递函数与库容有关，所以上一周期最后时刻的前一时刻的库容，如s周期的最后时刻为168时，则s周期的最后时刻的前一时刻为165时，进一步的，s周期的最后时刻的前一时刻减去最后时刻的出力等于s周期最后时刻的剩余库容，而s周期最后时刻的剩余库容等于s+1周期初始时刻的库容，为了保证机组运行的连续性，可以将前一周期抽水蓄能机组参与的优化功率存储并输出到本周期，以便调用与计算，即：

TP_CXZ(s+1,t,j)＝TP_CX(s,t,j)

其中，TP_CX(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的优化功率；TP_CXZ(s,t,j)表示在上一周期的抽水蓄能机组中第j台机组第t时刻的优化功率输出到本周期，相应的，TP_CXZ(s+1,t,j)表示输出到下一周期的第j台机组第t时刻的优化功率，并将其进行存储以便调用。

由于抽水蓄能机组在运行过程中，受到机组的物理特性及机组能耗和运行成本的制约，机组不能频繁的启停机，因此，同一机组的两次启停机操作需要间隔一定时间，故需要考虑抽水蓄能机组的最小启停机时间的约束。

在一些实施例中，通过传递变量将前一周期的抽水蓄能机组运行状态输出到本周期，用于下一周期的考虑与计算之中，即：

a_Z(s+1,t,j)＝a(s,t,j)

b_Z(s+1,t,j)＝b(s,t,j)

其中，a(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的抽水状态；a_Z(s,t,j)表示上一周期抽水蓄能机组中第j台机组第t时刻的抽水状态输出到本周期，相应的，a_Z(s+1,t,j)表示输出到下一周期的第j台机组第t时刻的抽水状态，并将其进行存储以便调用；b(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的放水状态，b_Z(s,t,j)表示上一周期抽水蓄能机组中第j台机组第t时刻的放水状态输出到本周期，相应的，b_Z(s+1,t,j)表示输出到下一周期的第j台机组第t时刻的放水状态，并将其进行存储以便调用。

进一步的，设置抽水蓄能库容的传递过程，包括：

Cap_initialZ(s+1,t,j)＝Cap_initial(s,t,j)

其中，Cap_initial(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的初始容量，Cap_initialZ(s,t,j)表示上一周期的抽水蓄能机组中初始库容输出到本周期，相应的，Cap_initialZ(s+1，t，j)表示输出到下一周期的第j台机组第t时刻的放水状态，并将其进行存储以便调用。

进一步的，设置锂电池充放电功率的传递过程，包括：

TP_batZ(s+1,t)＝TP_bat(s,t)

其中，TP_bat(s,t)表示第s周期第t时刻的充放电功率，即储能出力；TP_batZ(s,t)表示上一周期的充放电功率输出到本周期，相应的，TP_batZ(s+1,t)表示输出到下一周期的第t时刻的充放电功率，并将其进行存储以便调用。

进一步的，设置锂电池储能容量的传递过程，包括：

E_batZ(s+1,t)＝E_bat(s,t)

E_bat(s,t)表示锂电池第s周期第t时刻的储能容量；E_batZ(s,t)表示上一周期的储能容量输出到本周期，相应的，E_batZ(s+1，t)表示输出到下一周期的第t时刻的储能容量，并将其进行存储以便调用。

因此，本申请实施例通过对火电机组的优化功率、火电机组的启停机状态、抽水蓄能机组的优化功率、抽水蓄能机组的抽放水逻辑状态、抽水蓄能机组的抽水蓄能库容、锂电池的充放电功率、以及锂电池的储能容量的传递过程进行设置，构建中间变量传递模型，保证了火电机组、抽水蓄能机组以及锂电池中的机组可以跨周期运行的连续性，提高了运行的稳定性。

可选的，所述方法还包括：

当确定所述新能源利用率符合所述设定阈值，则输出目标储能容量。

在本步骤中，如果计算得到的全年新能源利用率η满足条件，即η＜η'_set，则输出迭代前的储能容量即目标储能容量，作为最终规划的储能容量输出，完成优化过程。

可选的，在得到最终规划的储能容量后，可以将该储能容量进行可视化显示，以供用户查看或应用。

因此，本申请实施例可以配置得到合理的储能容量，提高了规划配置容量的效率。

结合上述实施例，图3为本申请实施例提供的一种具体的新能源外送储能容量递减式配置方法的流程示意图，如图3所示，该新能源外送储能容量递减式配置方法包括如下步骤：

步骤1：提前构建好储能优化配置模型(模型1)、中间变量传递模型(模型2)和储能配置校验模型(模型3)，并设置参数限制以及确定新能源利用率指标(目标新能源利用率指标)。

步骤2：将上述数据输入模型1中，利用计算机对第一周期的数据进行仿真计算，确保各机组出力都在约束范围之内，计算获得第一周期的所规划的最小储能容量。

步骤3：将步骤2中计算得到的第一周期的数据输入到模型2中，利用计算机提取需要发生传递的运行状态、储能容量等数据变量，将该数据变量存储以便输出。

步骤4：步骤1中的参数限制和步骤3中模型2输出的数据变量再次带入模型1中，进行新一周期的仿真运算。

步骤5：重复步骤4，直至完成全年的模型仿真，获得全年各周期的最小储能容量，并利用计算机提取各周期最小储能容量的最大值，进行校验。

步骤6：将全年各周期最小储能容量的最大值作为已知量输入到模型3中，作为模型3的储能容量初值，同时将步骤2确定的新能源利用率指标作为判断上述循环流程是否继续的循环条件。

步骤7：将步骤1中的参数限制、储能容量初值以及新设计的新能源利用率指标输入模型3中，利用计算机对第一周期的数据进行仿真计算，确保各机组出力都在约束范围之内，计算获得第一周期的新能源消纳量。

步骤8：将步骤7中的新能源消纳量输入到模型2中，利用计算机提取需要发生传递的运行状态、储能容量等数据变量，并将该数据变量存储以便输出。

步骤9：将步骤8中的数据变量输入模型3中，结合之前的已知参数限制，利用计算机重复步骤7和步骤8进行迭代计算，直至完成全年的数据仿真计算，获得全年各周期的新能源消纳量。

步骤10：根据步骤9获得的全年各周期的新能源消纳量，计算得出全年新能源消纳量和全年新能源理论出力总和，通过计算全年新能源消纳量和全年新能源理论出力总和之比，得到新能源利用率。

步骤11：判断新能源利用率是否大于设定值(设定阈值)，若否，则输出迭代前的储能容量和新能源利用率；若是，则减少一定量的储能容量(储能容量校准值)，得到递减值，并将递减值再次输入步骤7，重复上述步骤继续进行循环迭代校验，直至新能源利用率小于设定阈值。

相较于传统优化计算方法，通过利用上述新能源外送储能容量递减式配置方法，可以减少运行时间和内存占用，如表1所示，为传统优化计算方法和本申请的方法的计算效率和计算结果对比。

表1

	算例1	算例2
			计算时间(s)	17317.158	83.121
内存占用(k bit)	816230.4	203161.6
			结果-规划容量(MW·h)	1125	1330
结果-按规划储能逐天运行的新能源利用率	81.4％	82％
			结果-与无规划储能运行相比新能源利用率增加百分比	10％	10.6％

其中，算例1为传统优化计算方法，算例2为本申请的方法，由表1可知，在保证优化质量的前提下，本申请的方法相较于传统优化计算方法，极大地减少了运行时间和内存占用，进而提高了运行效率，同时对于优化质量也有所提高。

在前述实施例中，对本申请实施例提供的新能源外送储能容量递减式配置方法进行了介绍，而为了实现上述本申请实施例提供的方法中的各功能，作为执行主体的电子设备可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。

例如，图4为本申请实施例提供的一种新能源外送储能容量递减式配置装置的结构示意图，所述装置400包括：获取模块401，输入模块402，计算模块403和递减模块404；其中，所述获取模块401，用于获取输入的目标新能源利用率指标、风电理论出力、光伏理论出力和目标电力负荷，将所述目标新能源利用率指标和所述目标电力负荷输入提前构建的储能优化配置模型中，得到第一周期的储能容量；所述目标电力负荷为机组总功率、新能源出力和充放电功率之和；所述储能优化配置模型的目标函数以计算储能容量的最小值为目标；所述储能优化配置模型用于对新能源出力和电网传输要求进行约束；所述风电理论出力用于限制所述储能优化配置模型中风电出力的上限；所述光伏理论出力用于限制所述储能优化配置模型中光伏出力的上限；

所述输入模块402，用于将所述第一周期的储能容量输入提前构建的中间变量传递模型中，得到第一周期的第一传递变量，并将所述第一周期的第一传递变量输入到提前构建的储能优化配置模型中和提前构建的中间变量传递模型中进行迭代计算，直至完成预设周期的第一计算要求，得到预设周期内的多个储能容量；所述中间变量传递模型用于对储能容量和机组运行状态进行约束；

所述计算模块403，用于获取所述多个储能容量中的最大值，得到目标储能容量，并将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力；所述储能配置校验模型的目标函数以计算新能源消纳量的最大值为目标；所述储能配置校验模型也用于对新能源出力和电网传输要求进行约束；

所述递减模块404，用于基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，在确定所述新能源利用率不符合设定阈值后，获取储能容量校准值，计算所述储能容量校准值与目标储能容量的差值，得到递减值，并基于所述递减值输入提前构建的储能配置校验模型和中间变量传递模型再次进行迭代计算，直至得到的新能源利用率符合所述设定阈值，输出目标储能容量；所述目标储能容量为递减值与储能容量校准值之和。

可选的，所述计算模块403，具体用于：

将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型中，得到第一周期的新能源消纳量；所述风电理论出力还用于限制所述储能配置校验模型中风电出力的上限；所述光伏理论出力还用于限制所述储能配置校验模型中光伏出力的上限；

将所述第一周期的新能源消纳量输入提前构建的中间变量传递模型中，得到第一周期的第二传递变量，并将所述第一周期的第二传递变量再次输入到提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力。

可选的，所述递减模块404包括确定单元，所述确定单元，用于：

计算所述预设周期内的多个新能源消纳量之和，得到新能源消纳总量，并利用所述预设周期内的多个风电实际出力和光伏实际出力计算出力之和，得到新能源出力总和，基于所述新能源消纳总量和所述新能源出力总和计算得到新能源利用率。

可选的，所述新能源出力包括风电实际出力和光伏实际出力；所述装置400还包括储能优化配置模型的构建模块；所述储能优化配置模型的构建模块，用于：

将新能源电网划分为多个分区，并设置每个分区的新能源出力的第一约束条件；所述第一约束条件为每一分区的风电实际出力小于或等于风电理论出力，且每一分区的光伏理论出力小于或等于光伏理论出力；

设置火电机组出力的第二约束条件、火电机组运行状态的第三约束条件、抽水蓄能机组运行状态的第四约束条件、抽水蓄能机组功率的第五约束条件、抽水蓄能机组库容的第六约束条件、锂电池充放电功率的第七约束条件、锂电池充放电深度的第八约束条件和锂电池储能容量的第九约束条件，形成电网传输要求的约束条件；

基于所述第一约束条件和所述电网传输要求的约束条件，构建储能优化配置模型；

其中，所述第二约束条件用于对火电机组的优化功率进行约束；所述第三约束条件用于对火电机组对应的多台机组的启动和/或停止状态以及多台机组在启动和/或停止状态的时间进行约束；所述第四约束条件用于对抽水蓄能机组的抽水或放水状态进行约束；所述第五约束条件用于对抽水蓄能机组的抽水功率和放水功率进行约束；所述第六约束条件用于对抽水蓄能机组水库的容量进行约束；所述第七约束条件用于对锂电池的充电状态和放电状态进行约束；所述第八约束条件用于对锂电池的剩余电量进行约束；所述第九约束条件用于对锂电池的储能容量进行约束。

可选的，所述第二约束条件对应的公式为：

0≤P_h(s,t,j)≤[TP_max(j)-TP_min(j)]·X(s,t,j)

TP(s,t,j)＝TP_min(j)·X(s,t,j)+P_h(s,t,j)

其中，TP_max(j)表示火电机组中第j台机组的出力上限；TP_min(j)表示火电机组中第j台机组的出力下限；X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态；TP(s,t,j)表示火电机组中第j台机组第s周期第t时刻出力；P_h(s,t,j)表示火电机组中第j台机组第s周期第t时刻的优化功率；

所述第三约束条件对应的公式为：

Y(s,t,j)+Z(s,t+1,j)+Z(s,t+2,j)+...+Z(s,t+k,j)≤1

Z(s,t,j)+Y(s,t+1,j)+Y(s,t+2,j)+...+Y(s,t+k,j)≤1

其中，X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态，0表示机组已停机，1则表示机组正在运行；Y(s,t,j)表示火电机组中第j台机组第s周期第t时刻的启动状态，0表示不在启动状态，1表示正在启动状态；Z(s,t,j)表示火电机组中第j台机组第s周期第t时刻的停机状态，0表示不在停机状态，1表示正在停机状态；t+k表示第t+k时刻，k为机组启机或停机的最小时间步长。

可选的，所述第四约束条件对应的公式为：

a(s,t,j)+b(s,t,j)≤1

其中，a(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的抽水状态；b(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的放水状态；

所述第五约束条件对应的公式为：

其中，TP_CX(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的优化功率；示抽水蓄能机组中第j台机组的最大抽水功率；/>表示抽水蓄能机组中第j台机组的最小抽水功率；/>表示抽水蓄能机组中第j台机组的最大放水功率；表示抽水蓄能机组中第j台机组的最小放水功率；

所述第六约束条件对应的公式为：

Cap_min(j)≤Cap_initial(s,t-1,j)-TP(s,t,j)≤Cap_max(j)

其中，Cap_max(j)表示抽水蓄能机组中第j台机组的容量上限；Cap_min(j)表示抽水蓄能机组中第j台机组的容量下限；Cap_initial(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的初始容量。

可选的，所述第七约束条件对应的公式为：

c(s,t)+d(s,t)≤1

其中，c(s,t)表示电池组第s周期第t时刻的充电状态，0表示不在充电状态，1表示正在充电状态；d(s,t)表示电池组第s周期第t时刻的放电状态，0表示不在放电状态，1表示正在放电状态；表示电池组第t时刻的最大充电功率；/>表示电池组第t时刻的最大放电功率；TP_bat(s,t)表示电池组第s周期第t时刻的充、放电功率；

所述第八约束条件对应的公式为：

SOC_min≤SOC(t)≤SOC_max

其中，SOC_min表示电池组的剩余电量最小值；SOC_max表示电池组的剩余电量最大值；SOC(t)表示电池组第t时刻的剩余电量；SOC_min和SOC_max根据应用场景确定；

所述第九约束条件对应的公式为：

E_min≤E_bat(s)≤E_max

其中，E_bat表示电池组第s周期的储能容量；E_min表示电池组对应的最小储能容量；E_max表示电池组对应的最大储能容量。

可选的，所述第一传递变量包括火电机组的优化功率、火电机组的运行状态、抽水蓄能机组的优化功率、抽水蓄能机组的运行状态、抽水蓄能机组的初始库容、锂电池的充放电功率和锂电池的初始容量；所述装置400还包括中间变量传递模型的构建模块；所述中间变量传递模型的构建模块，用于：

设置所述火电机组的优化功率满足第一预设条件，并设置所述火电机组的运行状态满足第二预设条件；所述第一预设条件为当前周期的火电机组的优化功率与输出到下一周期的火电机组的优化功率一致；所述第二预设条件为火电机组中每一机组的当前周期的运行状态、停机状态和启动状态，与输出到下一周期的运行状态、停机状态和启动状态一致；

设置所述抽水蓄能机组的优化功率满足第三预设条件，并设置所述抽水蓄能机组的运行状态满足第四预设条件，以及所述抽水蓄能机组的初始库容满足第五预设条件；所述第三预设条件为当前周期的抽水蓄能机组的优化功率与输出到下一周期的抽水蓄能机组的优化功率一致；所述第四预设条件为当前周期的抽水蓄能机组的抽水状态和放水状态，与输出到下一周的期抽水蓄能机组的抽水状态和放水状态一致；所述第五预设条件为当前周期的抽水蓄能机组的初始库容与输出到下一周期的抽水蓄能机组的初始库容一致；

设置所述锂电池的充放电功率满足第六预设条件，并设置所述锂电池的初始容量满足第七预设条件；所述第六预设条件为当前周期的锂电池的充放电功率与输出到下一周期的锂电池的充放电功率一致；所述第七预设条件为当前周期的锂电池的储能容量与输出到下一周期的锂电池的储能容量一致；

基于所述第一预设条件、所述第二预设条件、所述第三预设条件、所述第四预设条件、所述第五预设条件、所述第六预设条件和第七预设条件，构建中间变量传递模型。

可选的，所述装置400还包括输出模块；所述输出模块，用于：

当确定所述新能源利用率符合所述设定阈值，则输出目标储能容量。

本申请实施例提供的一种新能源外送储能容量递减式配置装置的具体实现原理和效果可以参见上述实施例对应的相关描述和效果，此处不做过多赘述。

本申请实施例还提供了一种电子设备的结构示意图，图5为本申请实施例提供的一种电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器501以及与所述处理器通信连接的存储器502；该存储器502存储计算机程序；该处理器501执行该存储器502存储的计算机程序，使得该处理器501执行上述任一实施例所述的方法。

其中，存储器502和处理器501可以通过总线503连接。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序执行指令，计算机执行指令被处理器执行时用于实现如本申请前述任一实施例中的所述的方法。

本申请实施例还提供了一种运行指令的芯片，该芯片用于执行如本申请前述任一实施例中由电子设备所执行的前述任一实施例中所述的方法。

本申请实施例还提供了一种计算机程序产品，该程序产品包括计算机程序，该计算机程序被处理器执行时可实现如本申请前述任一实施例中由电子设备所执行的前述任一实施例中所述的方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本申请各个实施例所述方法的部分步骤。

应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速随机存取存储器(Random Access memory，简称RAM)，也可能还包括非不稳定的存储器(Non-volatile Memory，简称NVM)，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random-Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

进一步需要说明的是，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求书指出。

以上所述，仅为本申请实施例的具体实施方式，但本申请实施例的保护范围并不局限于此，任何在本申请实施例揭露的技术范围内的变化或替换，都应涵盖在本申请实施例的保护范围之内。因此，本申请实施例的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种新能源外送储能容量递减式配置方法，其特征在于，所述方法包括：

获取输入的目标新能源利用率指标、风电理论出力、光伏理论出力和目标电力负荷，将所述目标新能源利用率指标和所述目标电力负荷输入提前构建的储能优化配置模型中，得到第一周期的储能容量；所述目标电力负荷为机组总功率、新能源出力和充放电功率之和；所述储能优化配置模型的目标函数以计算储能容量的最小值为目标；所述储能优化配置模型用于对新能源出力和电网传输要求进行约束；所述风电理论出力用于限制所述储能优化配置模型中风电出力的上限；所述光伏理论出力用于限制所述储能优化配置模型中光伏出力的上限；

将所述第一周期的储能容量输入提前构建的中间变量传递模型中，得到第一周期的第一传递变量，并将所述第一周期的第一传递变量输入到提前构建的储能优化配置模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第一计算要求，得到预设周期内的多个储能容量；所述中间变量传递模型用于对储能容量和机组运行状态进行约束；

获取所述多个储能容量中的最大值，得到目标储能容量，并将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力；所述储能配置校验模型的目标函数以计算新能源消纳量的最大值为目标；所述储能配置校验模型也用于对新能源出力和电网传输要求进行约束；

基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，在确定所述新能源利用率不符合设定阈值后，获取储能容量校准值，计算所述储能容量校准值与目标储能容量的差值，得到递减值，并基于所述递减值经过提前构建的储能配置校验模型和中间变量传递模型再次进行迭代计算，直至得到的新能源利用率符合所述设定阈值，输出目标储能容量；所述目标储能容量为递减值与储能容量校准值之和。

2.根据权利要求1所述的方法，其特征在于，将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力，包括：

将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型中，得到第一周期的新能源消纳量；所述风电理论出力还用于限制所述储能配置校验模型中风电出力的上限；所述光伏理论出力还用于限制所述储能配置校验模型中光伏出力的上限；

将所述第一周期的新能源消纳量输入提前构建的中间变量传递模型中，得到第一周期的第二传递变量，并将所述第一周期的第二传递变量再次输入到提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力。

3.根据权利要求1所述的方法，其特征在于，基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，包括：

计算所述预设周期内的多个新能源消纳量之和，得到新能源消纳总量，并利用所述预设周期内的多个风电实际出力和光伏实际出力计算出力之和，得到新能源出力总和，基于所述新能源消纳总量和所述新能源出力总和计算出新能源利用率。

4.根据权利要求1所述的方法，其特征在于，所述新能源出力包括风电实际出力和光伏实际出力；所述储能优化配置模型的构建过程包括：

将新能源电网划分为多个分区，并设置每个分区的新能源出力的第一约束条件；所述第一约束条件为每一分区的风电实际出力小于或等于风电理论出力，且每一分区的光伏理论出力小于或等于光伏理论出力；

设置火电机组出力的第二约束条件、火电机组运行状态的第三约束条件、抽水蓄能机组运行状态的第四约束条件、抽水蓄能机组功率的第五约束条件、抽水蓄能机组库容的第六约束条件、锂电池充放电功率的第七约束条件、锂电池充放电深度的第八约束条件和锂电池储能容量的第九约束条件，形成电网传输要求的约束条件；

基于所述第一约束条件和所述电网传输要求的约束条件，构建储能优化配置模型；

其中，所述第二约束条件用于对火电机组的优化功率进行约束；所述第三约束条件用于对火电机组对应的多台机组的启动和/或停止状态以及多台机组在启动和/或停止状态的时间进行约束；所述第四约束条件用于对抽水蓄能机组的抽水或放水状态进行约束；所述第五约束条件用于对抽水蓄能机组的抽水功率和放水功率进行约束；所述第六约束条件用于对抽水蓄能机组水库的容量进行约束；所述第七约束条件用于对锂电池的充电状态和放电状态进行约束；所述第八约束条件用于对锂电池的剩余电量进行约束；所述第九约束条件用于对锂电池的储能容量进行约束。

5.根据权利要求4所述的方法，其特征在于，所述第二约束条件对应的公式为：

0≤P_h(s,t,j)≤[TP_max(j)-TP_min(j)]·X(s,t,j)

TP(s,t,j)＝TP_min(j)·X(s,t,j)+P_h(s,t,j)

其中，TP_max(j)表示火电机组中第j台机组的出力上限；TP_min(j)表示火电机组中第j台机组的出力下限；X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态；TP(s,t,j)表示火电机组中第j台机组第s周期第t时刻出力；P_h(s,t,j)表示火电机组中第j台机组第s周期第t时刻的优化功率；

所述第三约束条件对应的公式为：

且，

Y(s,t,j)+Z(s,t+1,j)+Z(s,t+2,j)+...+Z(s,t+k,j)≤1

Z(s,t,j)+Y(s,t+1,j)+Y(s,t+2,j)+...+Y(s,t+k,j)≤1

其中，X(s,t,j)表示火电机组中第j台机组第s周期第t时刻的运行状态，0表示机组已停机，1则表示机组正在运行；Y(s,t,j)表示火电机组中第j台机组第s周期第t时刻的启动状态，0表示不在启动状态，1表示正在启动状态；Z(s,t,j)表示火电机组中第j台机组第s周期第t时刻的停机状态，0表示不在停机状态，1表示正在停机状态；t+k表示第t+k时刻，k为机组启机或停机的最小时间步长。

6.根据权利要求4所述的方法，其特征在于，所述第四约束条件对应的公式为：

a(s,t,j)+b(s,t,j)≤1

其中，a(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的抽水状态；b(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的放水状态；

所述第五约束条件对应的公式为：

其中，TP_CX(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的优化功率；表示抽水蓄能机组中第j台机组的最大抽水功率；/>表示抽水蓄能机组中第j台机组的最小抽水功率；/>表示抽水蓄能机组中第j台机组的最大放水功率；表示抽水蓄能机组中第j台机组的最小放水功率；

所述第六约束条件对应的公式为：

Cap_min(j)≤Cap_initial(s,t-1,j)-TP(s,t,j)≤Cap_max(j)

其中，Cap_max(j)表示抽水蓄能机组中第j台机组的容量上限；Cap_min(j)表示抽水蓄能机组中第j台机组的容量下限；Cap_initial(s,t,j)表示抽水蓄能机组中第j台机组第s周期第t时刻的初始容量。

7.根据权利要求4所述的方法，其特征在于，所述第七约束条件对应的公式为：

c(s,t)+d(s,t)≤1

其中，c(s,t)表示电池组第s周期第t时刻的充电状态，0表示不在充电状态，1表示正在充电状态；d(s,t)表示电池组第s周期第t时刻的放电状态，0表示不在放电状态，1表示正在放电状态；表示电池组第t时刻的最大充电功率；/>表示电池组第t时刻的最大放电功率；TP_bat(s,t)表示电池组第s周期第t时刻的充、放电功率；

所述第八约束条件对应的公式为：

SOC_min≤SOC(t)≤SOC_max

其中，SOC_min表示电池组的剩余电量最小值；SOC_max表示电池组的剩余电量最大值；SOC(t)表示电池组第t时刻的剩余电量；SOC_min和SOC_max根据应用场景确定；

所述第九约束条件对应的公式为：

E_min≤E_bat(s)≤E_max

其中，E_bat表示电池组第s周期的储能容量；E_min表示电池组对应的最小储能容量；E_max表示电池组对应的最大储能容量。

8.根据权利要求1所述的方法，其特征在于，所述第一传递变量包括火电机组的优化功率、火电机组的运行状态、抽水蓄能机组的优化功率、抽水蓄能机组的运行状态、抽水蓄能机组的初始库容、锂电池的充放电功率和锂电池的初始容量；所述中间变量传递模型的构建过程包括：

设置所述火电机组的优化功率满足第一预设条件，并设置所述火电机组的运行状态满足第二预设条件；所述第一预设条件为当前周期的火电机组的优化功率与输出到下一周期的火电机组的优化功率一致；所述第二预设条件为火电机组中每一机组的当前周期的运行状态、停机状态和启动状态，与输出到下一周期的运行状态、停机状态和启动状态一致；

设置所述抽水蓄能机组的优化功率满足第三预设条件，并设置所述抽水蓄能机组的运行状态满足第四预设条件，以及所述抽水蓄能机组的初始库容满足第五预设条件；所述第三预设条件为当前周期的抽水蓄能机组的优化功率与输出到下一周期的抽水蓄能机组的优化功率一致；所述第四预设条件为当前周期的抽水蓄能机组的抽水状态和放水状态，与输出到下一周的期抽水蓄能机组的抽水状态和放水状态一致；所述第五预设条件为当前周期的抽水蓄能机组的初始库容与输出到下一周期的抽水蓄能机组的初始库容一致；

设置所述锂电池的充放电功率满足第六预设条件，并设置所述锂电池的初始容量满足第七预设条件；所述第六预设条件为当前周期的锂电池的充放电功率与输出到下一周期的锂电池的充放电功率一致；所述第七预设条件为当前周期的锂电池的储能容量与输出到下一周期的锂电池的储能容量一致；

基于所述第一预设条件、所述第二预设条件、所述第三预设条件、所述第四预设条件、所述第五预设条件、所述第六预设条件和第七预设条件，构建中间变量传递模型。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述方法还包括：

当确定所述新能源利用率符合所述设定阈值，则输出目标储能容量。

10.一种新能源外送储能容量递减式配置装置，其特征在于，所述装置包括：

获取模块，用于获取输入的目标新能源利用率指标、风电理论出力、光伏理论出力和目标电力负荷，将所述目标新能源利用率指标和所述目标电力负荷输入提前构建的储能优化配置模型中，得到第一周期的储能容量；所述目标电力负荷为机组总功率、新能源出力和充放电功率之和；所述储能优化配置模型的目标函数以计算储能容量的最小值为目标；所述储能优化配置模型用于对新能源出力和电网传输要求进行约束；所述风电理论出力用于限制所述储能优化配置模型中风电出力的上限；所述光伏理论出力用于限制所述储能优化配置模型中光伏出力的上限；

输入模块，用于将所述第一周期的储能容量输入提前构建的中间变量传递模型中，得到第一周期的第一传递变量，并将所述第一周期的第一传递变量输入到提前构建的储能优化配置模型中和提前构建的中间变量传递模型中进行迭代计算，直至完成预设周期的第一计算要求，得到预设周期内的多个储能容量；所述中间变量传递模型用于对储能容量和机组运行状态进行约束；

计算模块，用于获取所述多个储能容量中的最大值，得到目标储能容量，并将所述目标储能容量和所述目标电力负荷输入提前构建的储能配置校验模型和中间变量传递模型中进行迭代计算，直至完成预设周期的第二计算要求，得到预设周期内的多个新能源消纳量、风电实际出力和光伏实际出力；所述储能配置校验模型的目标函数以计算新能源消纳量的最大值为目标；所述储能配置校验模型也用于对新能源出力和电网传输要求进行约束；

递减模块，用于基于所述多个新能源消纳量、风电实际出力和光伏实际出力，确定新能源利用率，在确定所述新能源利用率不符合设定阈值后，获取储能容量校准值，计算所述储能容量校准值与目标储能容量的差值，得到递减值，并基于所述递减值输入提前构建的储能配置校验模型和中间变量传递模型再次进行迭代计算，直至得到的新能源利用率符合所述设定阈值，输出目标储能容量；所述目标储能容量为递减值与储能容量校准值之和。

11.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-9中任一项所述的方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-9中任一项所述的方法。