WO2013143327A1 - 用于跟踪计划出力的电池储能电站实时功率分配方法 - Google Patents

Abstract

一种用于跟踪计划出力的电池储能电站实时功率分配方法和系统。该方法包括以下步骤：实时读取电池储能电站的相关数据，并通过上述数据进行储能和管理；计算当前电池储能电站的总功率需求命令值；计算电池储能电站中各储能机组功率命令值；将各储能机组功率命令值汇总后输出至外部监控平台。该系统包括通过设置于工控机的通讯模块（10）、数据存储与管理模块（20）、跟踪计划控制模块（30）和遗传算法控制模块（40）与外部监控平台完成用于跟踪计划出力的电池储能电站实时功率分配方法，可实现应用电池储能电站来支持跟踪计划曲线功能，并实现对兆瓦级锂电池储能电站实时功率的有效控制和分配目的。

Description

用于跟踪计划出力的电池储能电站实时功率分配方法 技术领域

本发明属于智能电网以及能量存储与转换技术领域， 具体涉及一种基于大规模锂电池储 能电站的实时功率控制方法， 尤其适用于兆瓦级电池储能电站参与跟踪计划出力时， 储能电 站内的储能机组实时功率分配以及储能电站能量管理。 背景技术

随着电池及其集成技术的不断发展， 应用大规模电池储能电站参与跟踪计划出力逐渐成 为了一种可行方案。电池储能电站内的电池储能机组与传统的发电机组相比具有响应速度快， 启停时间短等优势， 将在配电网系统及智能电网的协调控制中发挥重要作用。 电池储能系统 中目前常用的几种大容量储能电池有钠硫电池， 液流电池以及锂电池等类型。

从电池储能的角度来说， 过度的充电和过度的放电都会对电池的寿命造成影响。 因此， 监控好电池荷电状态、 在储能电站内部合理分配好有功功率需求， 并将电池的荷电状态控制 在一定范围内是必要的。

电池储能电站参与跟踪计划出力的方式之一是实时补偿风光联合发电实际功率与风光 发电计划间的差值， 使风力发电和太阳能发电等新能源发电设备可以很好的依照事先制订的 计划曲线发电。

目前有关基于兆瓦级大规模电池储能电站的风光发电计划跟踪方面的专利、 文献、 技术 报告等很少， 需要深入研究和探索。 发明内容

针对上述问题， 本发明的目的之一在于提供一种安全稳定、 便于操作实现的用于跟踪计 划出力的电池储能电站实时功率分配方法。

本发明的方法是通过如下技术方案实现的：

一种用于跟踪计划出力的电池储能电站实时功率分配方法， 包括以下步骤：

A、 实时读取电池储能电站的相关数据， 并通过上述数据进行存储和管理；

B、 计算当前电池储能电站的总功率需求命令值；

C、 计算电池储能电站中各储能机组功率命令值；

D、 将各储能机组功率命令值汇总后输出至外部监控平台。 进一步地， 在步骤 A中， 所述电池储能电站的相关数据包括： 由外部监控平台下发的风 光发电计划曲线， 风力发电总功率值和光伏发电总功率值以及电池储能电站中各储能机组的 可控信号、 荷电状态值、 最大允许放电功率、 最大允许充电功率和额定功率等等。

进一步地， 在步骤 B中， 计算电池储能电站的总功率需求的方法包括：

首先， 根据步骤 A读取的风光发电计划曲线， 确定出每个时间刻度的风光发电计划值； 其次， 根据各时间刻度下的风光发电计划值， 确定当前风光储联合发电总功率值； 最后， 从风光储联合发电总功率值中减去所读取的风力发电总功率值和光伏发电总功率 值， 得到当前电池储能电站的总功率需求。

进一步地， 在步骤 C中， 计算各储能机组功率命令值的方法包括：

当电池储能电站的总功率需求为零时， 直接将各储能机组功率命令值设为零； 当电池储 能电站的总功率需求非零时， 根据总功率需求的符号选择通过最大允许放电功率或最大允许 充电功率来计算各储能机组的决策变量， 进而求取参与跟踪计划出力的各储能机组的功率命 令值； 然后判断各储能机组是否满足最大允许放电功率约束条件或最大允许充电功率约束条 件， 如果有违反相应约束条件的储能机组， 则通过最大允许放电功率或最大允许充电功率重 新计算该储能机组的功率命令值； 否则， 结束判断。

进一步地， 在步骤 D中， 将步骤 C中计算出的各储能机组功率命令值进行存储后输出至 外部监控平台， 以执行对电池储能电站的功率控制， 同时实现电池储能电站参与跟踪计划出 力时的实时功率控制功能。

本发明的另一目的在于提出一种用于跟踪计划出力的电池储能电站实时功率分配系统， 该系统包括：

通讯模块， 用于接收外部监控平台下发的电池储能电站的相关数据；

数据存储与管理模块， 用于存储和管理电池储能电站的相关数据， 并将计算出的各储能 机组功率命令值赋值给相应接口变量；

跟踪计划控制模块， 用于实时确定电池储能电站的当前总功率需求； 和

遗传算法控制模块， 用于实时计算各储能机组功率命令值。

与现有技术相比， 本发明达到的有益效果是：

本发明的用于跟踪计划出力的电池储能电站实时功率分配方法和系统在实际工程应用中 易于实现和掌握， 通过该方法和系统控制的电池储能电站更加安全稳定， 能够同时满足大规 模电池储能电站跟踪计划出力的有功功率需求和大容量电池储能电站存储能量的实时监管要 求。 该方法主要是结合可表示锂电池储能机组实时功率特性的允许充放电能力 （即： 各锂电 池储能机组的最大允许放电功率、 最大允许充电功率等） 及可表示锂电池储能机组存储能量 特性的荷电状态 soc， 基于跟踪计划控制模块和遗传算法控制模块对电池储能电站的跟踪计 划出力用总功率需求进行在线实时分配， 从而实现了实时分配锂电池储能电站跟踪计划出力 用总功率需求的同时， 也实现了跟踪计划用兆瓦级电池储能电站的能量管理及实时功率控制 目的。 附图说明

图 1是本发明兆瓦级锂电池储能电站的系统示意图；

图 2是本发明用于跟踪计划出力的电池储能电站实时功率分配系统实施例的结构框图； 图 3是本发明用于跟踪计划出力的电池储能电站实时功率分配方法实施例的实施框图； 具体实施方式

下面以锂电池储能机组为例、 结合附图对本发明的方法和系统作进一步的详细说明。 如图 1所示， 锂电池储能电站中包括相互并联的各锂电池储能机组， 每个储能机组中均 包括一双向变流器和多个并行设置的锂离子电池组， 通过双向变流器可执行对相应锂离子电 池组的投切控制及充放电功率指令等功能。

图 2是用于跟踪计划出力的锂电池储能电站实时功率分配控制方法的实施框图。 如图 2 所示， 本发明是通过设置在工控机中的通讯模块 10、 数据存储与管理模块 20、跟踪计划控制 模块 30、 遗传算法控制模块 40实现的。

通讯模块 10， 负责接收电池储能电站的相关数据， 以及向外部监控平台发送各储能机组 功率命令值， 监控平台设置在通讯模块左侧， 与通讯模块进行连接通信， 实现监测和控制通 讯模块的作用；

数据存储与管理模块 20， 用于存储和管理电池储能电站的相关数据； 而且负责将计算出 的各锂电池储能机组功率命令值按事先设定的协议赋值给相关接口变量， 供外部监控平台调 用；

跟踪计划控制模块 30， 用于实时计算电池储能电站的当前总功率需求命令值； 遗传算法控制模块 40， 用于实时计算各电池储能机组功率命令值。 图 3是本发明参与跟踪计划出力的电池储能电站功率分配控制算法框图。 下面结合具体 实施步骤， 对其实施方式进行详细说明。 如图 3所示， 本例中用于跟踪计划出力的电池储能 电站实时功率分配方法， 包括如下步骤：

步骤 A: 通过通讯模块 10读取电池储能电站的相关数据， 然后将数据传至数据存储与管 理模块 20进行存储和管理； 其中， 电池储能电站的相关数据是通讯模块读取外部监控平台直 接下发的， 包括： 风光发电计划曲线， 风力发电总功率值、 光伏发电总功率值以及电池储能 电站中各储能机组的可控信号、 荷电状态值 （S0C)、 最大允许放电功率、 最大允许充电功率 和额定功率等等。

步骤 B: 基于跟踪计划控制模块 30， 实时计算出当前电池储能电站的总功率需求。

步骤 C: 基于遗传算法控制模块 40， 实时计算出电池储能电站中各锂电池储能机组功率 命令值。

步骤 D:将步骤 C计算出的各储能机组功率命令值在数据存储与管理模块 20进行汇总后， 通过通讯模块 10输出。

在步骤 B中， 所述储能电站的总功率需求命令值的计算方法如下：

首先， 基于步骤 A读取的风光发电计划曲线， 确定出每个时间刻度下的风光发电计划值; 然后， 基于各时间刻度下的风光发电计划值， 确定当前风光储联合发电总功率值 R _{¾i ;} 根据具体要求， 跟踪出力计划值的选取时间刻度可取， 如 5分钟或 15分钟等。 例如当跟 踪出力计划值的选取时间刻度为 5分钟时，则当前风光储联合发电总功率值的计算公式如下:

p _ p当前时刻计划值 , 厂风光储 —厂风光储

p 5分钟后计划值 p当前时刻计划值 p 5分钟后计划值 p当前时刻计划值

k = 厂风光储 " 厂风光储 = 厂风光储 " 厂风光储

¹时间刻度

T _mm为跟踪出力计划值的选取时间刻度，单位为秒。

最后， 基于已计算出的风光储联合发电的总功率要求， 基于下式 (3)确定出当前电池储能 电站的总功率需求：

p总需求 _ p p p , 、

^储能 — ^风光储 - ^风电 - ^光伏 ） 上述各式中， ^ ^⁺ 和 ^^ 分别为当前、 下一时间刻度 （即 5分钟后） 的 风光发电计划值， 上述计划值是每隔一个时间间隔 （即 5分钟）进行实时更新的； lt为控制 周期， 例如可设置为 2秒； R _¾、 R_¾tt分别为风力、 光伏发电总功率值。

在步骤 C中， 所述各电池储能机组功率命令值的计算方法如下：

步骤 Cl、 当跟踪计划用电池储能电站的总功率需求 f 为正值时， 表示该电池储能电 站将处于放电状态， 则基于各储能机组的荷电状态（State of Charge: SOC)和最大允许放电功 率值， 通过下列步骤计算各储能机组功率命令值 R_; ： Cll ) 基于遗传算法控制模块 40， 计算出各储能机组的决策变量 c_{i :}

( 11a)确定群体中的个体（染色体）个数 N， 每个染色体中的基因个数为储能机组个数

L。 对每个个体进行二进制编码（编码成一个向量， 即染色体， 向量每个元素为基因， 相应基 因值将对应每个储能机组是否参与本次功率分配的决策值; c_; G=1,...,L))， 随机生成 N个个体 作为初始群体， 得到各染色体中的基因串的 0、 1组合方式； 并令进化代数计数器值 G=0;

( lib) 判断进化代数计数器值 G是否小于等于最大进化代数计数器值 G^max， 且每 体是否满足下式约束条件： 如果上述两个判断条件均满足， 执行步骤 lie, 否则， 跳转至步骤 llf; 誦猶) - > 0 (4)

i=l

( 11c) 基于下式计算每个个体 所对应的适应值 ， 按 的大小评价其适应度;

( lid) 基于步骤 11c计算得出的适应度值， 按照优胜劣汰的原理进行选择操作， 例如可 采用轮盘赌选择法选择出优胜的个体， 在该方法中， 个体的选择概率将与其适应度值成比例。 然后基于交叉概率和变异概率分别进行重组和变异操作后得到子代；

( He) 基于下述目标函数 (I)选择出最优子代， 并将其按照一定插入概率重新插入到种群 中进行替代操作； 而后令 G=G+1， 返回到步骤 lib;

( llf) 计算满足目标函数 (I)的最优解， 对最优解对应的个体经过解码得出其基因串排列 组合方式， 每个基因值为与之对应的储能机组 的决策变量值; c_; ( =1, ..,D;

C12) 计算参与跟踪计划出力的各储能机组 i功率命令值：

C13 )判断步骤 C12得出的各储能机组 i功率命令值 是否满足下列储能机组有功功率的 最大允许放电功率约束条件：

p ^最大允许放电 （₇)

C14)如果有违反上述最大允许放电功率约束条件的储能机组， 则执行步骤 C15， 否则结 束判断；

C15 ) 基于下式， 重新确定各储能机组功率命令值 ；

>最大允许放电

x_iu_iP_i 总需求

B = 储能 (8)

最大允许放电

x_iu_iP_i

ί=1

步骤 C2、 当跟踪计划用电池储能电站总功率需求 i 为负值时， 表示该电池储能电站 将处于充电状态， 则基于各储能机组的放电状态和最大允许充电功率值， 通过下列步骤计算 各储能机组功率命令值 ：

C21 ) 基于遗传算法控制模块， 计算出各储能机组的决策变量^

(21a)确定群体中的个体（染色体）个数 N， 每个染色体中的基因个数为储能机组个数

L。 对每个个体进行二进制编码（编码成一个向量， 即染色体， 向量每个元素为基因， 相应基 因值将对应每个储能机组是否参与本次功率分配的决策值; c_; G=1,...,L))， 随机生成 N个个体 作为初始群体， 得到各染色体中的基因串的 0 1组合方式； 并令进化代数计数器值 G=0;

(21b) 判断进化代数计数器值 G是否小于等于最大进化代数计数器值 G^max， 且每 体是否满足下式约束条件： 如果上述两个判断条件均满足， 执行步骤 21c， 否则， 跳转至步 骤 21f;

(21c) 基于下式计算每个个体 所对应的适应值 ， 按 的大小评价其适应度; 最大允许充电 p总需求

S

i=l =ι,···,Ν) (10) ( 21d)基于步骤 21c计算得出的适应度值， 按照优胜劣汰的原理进行选择操作， 例如可 采用轮盘赌选择法选择出优胜的个体， 在该方法中， 个体的选择概率将与其适应度值成比例。 然后基于交叉概率和变异概率分别进行重组和变异操作后得到子代；

( 21e ) 基于下述目标函数 (II)选择出最优子代， 并将其按照一定插入概率重新插入到种 群中进行替代操作； 而后令 G=G+1， 返回到步骤 21b;

( 21f) 计算满足目标函数 (II)的最优解， 对最优解对应的个体经过解码得出其基因串排 合方式， 每个基因值为与之对应的储能机组 的决策变量值; c_; G=1,...,L)。

C22) 计算参与跟踪计划出力的各储能机组 i功率命令值 ；

XM SOD： 总潘

E -P储, 能

j (x_iu_ISOD _I

=1

SOD_t = 1 - SOC_t (12)

C23 )判断步骤 C22得出的各储能机组 i功率命令值 是否满足下列储能机组有功功率的 最大允许充电功率约束条件：

< 最大允许充电

P: (13)

C24)如果有违反上述最大允许充电功率约束条件的储能机组， 则执行下列步骤 C25， 否 则结束判断；

C25 ) 基于下式， 重新确定各储能机组功率命令值

最大允许充电

x_iu_iP_i 总需求

储能 (14) 最大允许充电

ί=1

步骤 C3、当电池储能电站的总功率需求/¾ 为零时，则将各储能机组功率命令值 R_; 设 为零; 式 (₄₎-(l₄₎中， _Mi为 号储能机组的可控信号， 该信号通过步骤 A读取， 当该储能机组 可控时， 此可控信号值为 1， 其他情况值为 0; ^.为 0-1决策变量， = 1时表示将储能机组 参与功率分配计算， ·¾ = 0时则表示不参与本次功率分配； SO 为 号储能机组的荷电状态； 为 号储能机组的放电状态； ^为电池储能机组个数； 为 号储能机组的最大 允许放电功率值； R严^^ ^¾¾为 i号储能机组的最大允许充电功率值。

在步骤 D中，数据存储与管理模块将步骤 C中计算出的各储能机组功率命令值发送给通 讯模块 10， 再由通讯模块输出至外部监控平台， 以执行对锂电池储能电站的功率控制， 同时 实现电池储能电站参与跟踪计划出力时的实时功率控制功能。

采用上述技术方案， 本发明具有实时分配锂电池储能电站的跟踪计划出力用总功率需求 的功能， 从而实现便捷、 有效的实现参与跟踪计划出力用锂电池储能电站实时功率控制和能 量管理功能。 该兆瓦级电池储能电站参与跟踪计划出力时的实时功率控制方法和系统， 可以 同时满足大规模电池储能电站跟踪计划出力的有功功率需求及大容量电池储能电站存储能量 的实时监管要求。 另外， 本发明先通过遗传算法挑选出参与本次功率分配的储能机组， 然后 对这部分机组进行功率分配， 大大提高了工作效率， 从而实现便捷、 有效的实施对电池储能 电站的实时功率控制功能。

最后应该说明的是： 以上实施例仅用以说明本发明的技术方案而非对其限制， 结合上述 实施例对本发明进行了详细说明， 所属领域的普通技术人员应当理解到： 本领域技术人员依 然可以对本发明的具体实施方式进行修改或者等同替换， 但这些修改或变更均在申请待批的 权利要求保护范围之中。

Claims

权 利 要 求

1、 一种用于跟踪计划出力的电池储能电站实时功率分配方法， 其特征在于， 该方法包括 以下步骤：

A、 实时读取电池储能电站的相关数据， 并对上述数据进行存储和管理；

B、 计算当前电池储能电站的总功率需求命令值；

C、 计算电池储能电站中各储能机组功率命令值；

D、 将各储能机组功率命令值汇总后输出至外部监控平台。

2、 如权利要求 1所述的方法， 其特征在于， 在步骤 A中， 所述电池储能电站的相关数据 包括： 由外部监控平台下发的风光发电计划曲线， 风力发电总功率值和光伏发电总功率值以 及电池储能电站中各储能机组的可控信号、 荷电状态值、 最大允许放电功率、 最大允许充电 功率。

3、 如权利要求 2所述的方法， 其特征在于， 在步骤 B中， 计算电池储能电站的总功率需 求的方法包括：

首先， 根据步骤 A读取的风光发电计划曲线， 确定出每个时间刻度的风光发电计划值； 其次， 根据各时间刻度下的风光发电计划值， 确定当前风光储联合发电总功率值； 最后， 从风光储联合发电总功率值中减去所读取的风力发电总功率值和光伏发电总功率 值， 得到当前电池储能电站的总功率需求。

4、如权利要求 3所述的方法，其特征在于，通过下式确定当前风光储联合发电总功率值:

当前时刻计划值

P风, 光储 P风, 光储 + kAt

p下一个时刻计划值 _ p当前时刻计划值

k = 厂风光储 -厂风光储

寸间刻度 上述各式中， 为当前风光储联合发电总功率值； psis ^nm p^i^{w i†¾} 分别 为当前、 下一时间刻度的风光发电计划值； 为控制周期； _{| ½}为跟踪出力计划值的选 取时间刻度， 单位为秒。

5、 如权利要求 1所述的方法， 其特征在于， 在步骤 C中， 计算各储能机组功率命令值的 方法包括：

当电池储能电站的总功率需求为零时， 直接将各储能机组功率命令值设为零； 当电池储 能电站的总功率需求非零时， 根据其符号选择通过最大允许放电功率或最大允许充电功率来 计算各储能机组的决策变量， 进而求取参与跟踪计划出力的各储能机组的功率命令值； 然后 判断各储能机组是否满足最大允许放电功率约束条件或最大允许充电功率约束条件， 如果有 违反相应约束条件的储能机组， 则通过最大允许放电功率或最大允许充电功率重新计算该储 能机组的功率命令值； 否则， 结束判断。

6、 如权利要求 5所述的方法， 其特征在于， 步骤 Cl、 当电池储能电站的总功率需求 ^^³^为正值时， 表示该电池储能电站将处于放 电状态， 则通过下述步骤计算各储能机组功率命令值 ：

C11 )通过遗传算法计算出各储能机组的决策变量 通过 c_;确定出参与本次功率分配的 储能机组的组合状态；

x_iu_iSOC_i

C13)判断步骤 C12得出的各储能机组 i功率命令值 是否满足下列储能机组有功功率的 最大允许放电功率约束条件： P_T < P^^

C14) 如果有违反最大允许放电功率约束条件的储能机组， 则通过下式重新确定各储能 机组功率命令值 p ： 否则结束判断；

步骤 C2、 当电池储能电站的总功率需求 ¾¾ 为负值时， 表示该电池储能电站将处于充 电状态， 则通过下述步骤计算各储能机组功率命令值 ^ ：

C21 ) 通过遗传算法计算出各储能机组的决策变量 通过 c_;确定出参与本次功率分配 的储能机组的组合状态；

C22) 计算参与跟踪计划出力的各储能机组 功率命令值： _P _ ^SOD,

C23)判断步骤 C22得出的各储能机组 i功率命令值 是否满足下列储能机组有功功率的 最大允许充电功率约束条件： I <

C24) 如果有违反最大允许充电功率约束条件的储能机组， 则通过下式重新确定各储能 机组功率命令值 _{ρ ;} 否则结束判断；

步骤 C3、当电池储能电站的总功率需求 为零时，则将各储能机组功率命令值 设 为零；

上述各式中， _Mi为 号储能机组的可控信号； ^.为 0-1决策变量； SOC 分别为 号储能机组的荷电、放电状态， SOD, ^ - SOC, ; L为电池储能机组个数； P**^Ai«^¾*、 ^應 分别为 号储能机组的最大允许放、 充电功率值。

7、 如权利要求 6所述的方法， 其特征在于，

所述步骤 C11中通过遗传算法计算各储能机组的决策变量 c_;的方法包括：

( 11a) 确定群体中的个体个数 N， 每个个体中的基因个数为储能机组个数 L， 对每 体进行二进制编码， 随机生成 N个个体作为初始群体， 得到各个体中基因串的 0、 1组合方 式， 并令进化代数计数器值 G=0;

( lib) 判断进化代数计数器值 G是否小于等于最大进化代数计数器值 G^max， 且每个个 体是否满足下式的约束条件： 如果上述两个判断条件均满足， 则执行步骤 11c; 否则， 跳转至 步骤 llf;

最大 总需^ ί

-n

( 11c) 基于下式计算每个个体 所对应的适应度值 ;

最大允许放电、 p总需求

x_i u_ip_i ， 其中 k=l

( lid)基于步骤 11c计算得出的适应度值， 按照优胜劣汰原理进行选择操作， 然后基于 交叉概率和变异概率分别进行重组和变异操作后得到子代；

( He)基于下述目标函数 (I)选择出最优子代， 并将其按照插入概率重新插入到种群中进 行替代操作； 然后令 G=G+1， 跳转至步骤 lib;

(I)

( 110计算满足目标函数 (I)的最优解， 对最优解所对应的个体进行解码后得出其基因串 的排列组合方式， 每个基因值即为与之对应的储能机组 的决策变量值; 其中 =1,…… ,L。 所述步骤 C21中通过遗传算法计算各储能机组的决策变量 c_;的方法包括：

( 21a)确定群体中的个体个数 N， 每个个体中的基因个数为储能机组个数 L， 对每 体进行二进制编码， 随机生成 N个个体作为初始群体， 得到各个体中基因串的 0、 1组合方 式， 并令进化代数计数器值 G=0;

( 21b ) 判断进化代数计数器值 G是否小于等于最大进化代数计数器值 G^max， 且每个个 体是否满足下式的约束条件： 如果上述两个判断条件均满足， 则执行步骤 21c; 否则， 跳转 至步骤 21f;

最大允许充电、 ·ρ总需求

( 21c) 基于下式计算每个个体 所对应的适应度值 ;

最大允许充电、 P总需求

， 其中 k=l，- ·,Ν

( 21d)基于步骤 21c计算得出的适应度值， 按照优胜劣汰原理进行选择操作， 然后基于 交叉概率和变异概率分别进行重组和变异操作后得到子代；

( 21e ) 基于下述目标函数 (II)选择出最优子代， 并将其按照插入概率重新插入到种群中 进行替代操作； 然后令 G=G+1， 跳转至步骤 21b;

最大允许充电 总"^ ^¾

∑ " ≥0

S.I.

{ X, { ,1} {i = l,2, - - - L)

( 21f) 计算满足目标函数 (II)的最优解， 对最优解对应的个体进行解码后得出其基因串 的排列组合方式， 每个基因值即为与之对应的储能机组 的决策变量值; 其中 =1,…… ,L。

8、一种用于跟踪计划出力的电池储能电站实时功率分配系统，其特征在于，该系统包括: 通讯模块， 用于接收电池储能电站的相关数据；

数据存储与管理模块， 用于存储和管理电池储能电站的相关数据， 并将计算出的各储能 机组功率命令值赋值给相应接口变量；

跟踪计划控制模块， 用于实时确定电池储能电站的当前总功率需求； 和

遗传算法控制模块， 用于实时计算各储能机组功率命令值。