具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前常用的容量配置方法有如下技术问题：若根据经济利益匹配计算需要预计来年的经济收益，但来年的经济收益的波动较大，导致计算结果的准确率较低；采用用电量作配置计算的周期长，计算周期往往超过电池的使用寿命，难以在电池使用期限内作配置计算；而根据充放电周期计算可能出现储能系统无法达到预期电价减少量等问题，使得配置结果与实际目标结果不符。

为了解决上述问题，下面将通过以下具体的实施例对本申请实施例提供的一种储能容量的配置方法进行详细介绍和说明。

参照图1，示出了本发明一实施例提供的一种储能容量的配置方法的流程示意图。

其中，作为示例的，所述储能容量的配置方法可以包括：

S11、获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案。

由于储能系统的容量与功率之比(充放电倍率)有几种常见数值，而非连续的曲线，在本实施例中，针对用户的历史用电数据(例如，8760小时的用电数据)，可以以用户最高负荷值为基数，通过比例系数计算储能功率上下限值，并结合常见充放电倍率自动生成储能配置库，而用户可以根据实际需求调整比例系数或向配置库添加用户期望参与优化的储能规模，得到多组储能方案。

在实际操作中，储能配置库中可以以[容量M,功率P]对的形式存储，从而保障配置库中存在最优配置或最接近理论最优解的工程推荐规模。

S12、从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值。

在具体实现中，每一组储能方案可以包含多个第一电池荷电状态自变量，多个第一电池荷电状态自变量为项目周期时间内对应的储能配置群体。

具体地，第一储能方案可以如下式所示：

X⁰＝(X₁ ⁰,X₂ ⁰,…,X_12N ⁰)。

其中，X_i表示项目生命周期第i个月的一个电池荷电状态自变量(Soc_i,1,Soc_i,2,…,Soc_i,24k)(根据月份不同，k可取28、30、31)，N为项目生命周期年数。

S13、对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数。

在获取第一储能方案后，可以对第一储能方案进行迭代更新，生成新的储能方案，从而能够针对用户用电特性匹配到经济效益优、工程适用性强的储能配置方案。

为了提高迭代效率以及在迭代时可以充分考虑用户的用电特征，以增加经济效益，其中，作为示例的，步骤S13可以包括以下子步骤：

子步骤S131、计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值。

其中，所述个体适应值为内部收益率，即覆盖项目全生命周期现金流。采用个体适应值评估用户侧储能项目的经济效益，可以作为储能系统容量优化配置的主要指标，以增加用户的经济效益。

由于设备的运营涉及多个方面，多个方面的收入或支出均会影响整个项目的现金流，为了准确计算用户的个体适应值，其中，作为示例的，子步骤S131可以包括以下子步骤：

子步骤S1311、采用所述第一电池荷电状态自变量对应的容量与功率比值分别计算系统成本、项目收益、运维费用、系统残值、贷款和税务。

在本实施例中，所述系统成本的计算如下式所示：

C_sys＝k_sysM_bess；

其中，C_sys为系统成本，k_sys为用户侧储能系统单位造价，M_bess为系统电池容量；

所述项目收益的计算如下式所示：

其中，η为充放电效率，放电时η＝η_d，充电时η＝1/η_c，均为常数；p_bess,i,j表示第i年中第j小时储能放电功率(充电为负值)；△T为单位时长(本技术方案中以1小时计)；k_v-p,j表示第j小时对应的峰谷电价，8760为用户的8760小时的历史用电数据。

通过节省基本电费获取的第i年收益可表示为：

其中，F_base,i,j表示用户在原计费方式下第j月的基本电费，k_dem为按最大需量计费方式下的基本电价，P_dem,i,j表示经储能优化后的第j月最大负荷值；

所述运维费用的计算如下式所示：

其中，k_op表示年运维成本占总投资的百分比，k_bess表示电池本体费用占储能系统总投资的占比；

所述系统残值的计算如下式所示：

其中，k_res-bess表示电池本体残值占储能系统总投资的比例，k_res表示系统整体残值占储能系统总投资的比例，T_cyc,i表示项目末年当前电池已使用的充放电循环次数，T_life表示电池的循环寿命；

所述贷款的计算如下式所示：

其中，r_loan为资本金比例，y_loan为贷款年限，k_loan为贷款利率；

所述税务的计算如下式所示：

C_tax，i＝max[(C_base，i+C_kwh，i-C_loan，i-C_op，i-C_old，i)×0.25，0]；

其中，C_old,i表示第i年系统设备折旧费用。

子步骤S1312、基于所述系统成本、所述项目收益、所述运维费用、所述系统残值、所述贷款和所述税务求解得到个体适应值。

在本实施例中，所述个体适应值IRR的计算公式如下式所示：

由于个体适应值有多个，若逐一处理会增加处理时间，为了提高筛选效率，将不满足要求的个体适应值，在一可选的实施例中，在子步骤S131后，所述方法还可以包括以下子步骤：

子步骤S231、分别判断每一个所述第一个体适应值是否满足预设的约束条件。

在具体实现中，所述预设的约束条件包括：荷电状态约束、储能充放电功率约束、电池循环寿命约束和电网功率约束；

其中，所述荷电状态约束如下式所示：

SOC_min≤SOC_i,j≤SOC_max；

其中，SOC_min为第i年中第j小时电池荷电状态具有设定的下限，SOC_max为第i年中第j小时电池荷电状态具有设定的上限；

所述储能充放电功率约束如下式所示：

|p_bess，i，j|＝|(SOC_i，j-SOC_i，j+1)M_bess，i/ΔT|≤P_bess；

其中，M_bess,i为第i年储能衰减后的剩余容量，M_bess，i＝M_bess-0.2M_bessT_cyc，i-1/T_life，P_bess表示储能系统额定功率，△T为单位时长；

所述电池循环寿命约束如下式所示：

其中，当电池循环次数达到循环寿命极限时，将更换电池本体，并将T_cyc,i置零，T_cyc,i表示截至第i年末电池累计的循环次数，DOD为电池的放电深度；

所述电网功率约束如下式所示：

P_{grid_min}≤p_load，i，j-η_{·pbess，i，j}≤P_{grid_max}；

其中，P_{grid_min}表示储能优化后的用户逐时负荷功率不能超过电网功率约束的下限，P_{grid_max}表示储能优化后的用户逐时负荷功率不能超过电网功率约束的上限。

由于储能系统的自身属性以及状态变化规律，可以选择电池荷电状态SOC作为状态变量。其中，SOC是指电池剩余电量占电池额定容量的比例，随着储能的连续充放电动作，SOC不断变化，也具有时间相关性。

在一可选的实施例中，将SOC以月为单位进行划分，即月内SOC逐时相关，月与月之间SOC相互独立。

子步骤S232、若所述第一个体适应值不满足预设的约束条件，则将预设的罚值与所述第一个体适应值相加，得到第一淘汰个体适应值。

在本实施例中，若个体适应值不满足约束条件，则在个体适应值基础上附加罚值(例如，取-1)，使该个体适应值数值减少，从而淘汰该个体适应值，以方便后续的筛选较差。

具体地，可以从多个第一个体适应值中筛选若干个不满足约束条件的第一个体适应值，再将若干个不满足约束条件的第一个体适应值加上罚值。

子步骤S132、从所述多个第一个体适应值筛选数值最大的第一个体适应值为第二个体适应值。

在本实施例中，可以以项目全生命周期内部个体适应值IRR最高为优化目标，数值最大的个体适应值如下式所示：

f＝max IRR[C₀:C_N]。

其中，IRR[C₀:C_n]表示以子步骤S1312的个体适应值IRR的计算公式为原理的内部收益率的计算函数。其中，C_i表示第i年现金流，即为(C_kwh,i+C_base,i+C_res,i)-(C_loan,i+C_op,i+C_tax,i)，N为项目生命周期年数。

子步骤S133、采用所述第二个体适应值衍生构建第二储能方案，完成一次迭代更新。

在多个第一个体适应值中筛选数值最大的第一个体适应值后，可以以该选数值最大的第一个体适应值为下一个储能方案的第一个个体(即第二储能方案的第一个电池荷电状态自变量)，并衍生生成第二个储能方案。该第二储能方案也可以包含多个第二电池荷电状态自变量。

为了让迭代生成的储能方案可以在在先的储能方案上更新处理，以充分考虑用户的用电特征，从而生成符合用户需求且能经济效益最大化的配置方案，其中，作为示例的，子步骤S133可以包括以下子步骤：

子步骤S1331、基于锦标赛选择法计算所述第二个体适应值对应的电池荷电状态自变量的两个可行解。

在具体实现中，可以采用锦标赛选择法求在最优保存策略下选取的数值最大的个体适应值且具备可行性的解，得到两个可行解，分别为Mate₁与Mate₂。

子步骤S1332、基于算数交叉法分别计算每个所述可行解的子代，得到两个子代。

在本实施例中，所述两个子代的计算如下式所示：

其中，Mate₁为第一个可行解，Mate₂为第二个可行解，child₁为第一个子代，child₂为第二个子代，r为介于[0,1]的随机数。

子步骤S1333、基于非均匀变异法分别对每个所述子代进行迭代计算，衍生变异得到多个第二电池荷电状态自变量。

在本实施例中，所述对每个所述子代进行迭代计算的计算公式如下式所示：

由child₁衍生变异得到的第二电池荷电状态自变量为Mutated₁，由child₂衍生变异得到的第二电池荷电状态自变量为Mutated₂，得到三个第二电池荷电状态自变量，组成{X_best,Mutated₁,Mutated₂}。

在具体实现中，可以重子步骤S1331至子步骤S1333，直到生成的第二电池荷电状态自变量的数量达到具体的群体数量。可选地，该数量可以与第一储能方案的第一电池荷电状态自变量的数量相同。

子步骤S1334、采用将所述多个电池荷电状态自变量生成第二储能方案。

接着，将多个电池荷电状态自变量集合成一个群体集合，得到第二储能方案。

子步骤S134、重复所述计算每个所述第一电池荷电状态自变量对应的个体适应值的步骤，迭代更新预设次数后，生成第N储能方案。

在获取第二储能方案后，可以对第二储能方案重复执行子步骤S131，以计算第二储能方案中每个第二电池荷电状态自变量对应的个体适应值，并筛选数值最大的个体适应值。重复迭代预设次数后，直到生成第N储能方案。

S14、从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案。

在生成第N储能方案后，也可以采用子步骤S131的计算方式计算第N储能方案中每个第N电池荷电状态自变量的个体适应值，得到每个第N电池荷电状态自变量对应的个体适应值，然后再从多个第N电池荷电状态自变量的个体适应值中筛选数值最大的个体适应值，以数值最大的个体适应值对应的容量与功率比值为储能系统的目标储能的配置方案。

需要说明的是，由于储能配置库中包含多个储能方案，可以分别以每个储能方案作第一储能方案执行上述步骤S11-S14的步骤，直到将每个储能方案计算配置完毕。

在实际操作中，为了避免配置的方案与实际不符，在一可选的实施例中，所述方法还可以包括：

S15、对所述目标配置方案进行校验操作，其中，所述校验操作包括谷期放电检测、峰期充电检测和功率平衡修正。

由于项目周期长，为了避免出现局部动作不合理(如谷期长时间放电)、同一电价时段内功率分布不均匀等与实际工程经验相悖的情况，可以在目标配置方案的基础上，通过智能算法求解的储能逐时充放电动作进行校核。

具体地，校验操作包括：

谷期放电检测：由于储能在电价谷期放电只能是为了削减负荷的最大需量。因此，对谷期放电进行时长检测，若某段时间出现谷期放电，但月最大负荷不位于该时段内，说明上述优化问题的求解存在局部误差，可以通过人工对优化结果进行修正。

峰期充电检测：正常情况下不会出现峰期充电现象，极少数情况下针对较为特殊的负荷曲线，或因储能剩余电量不足以削峰导致峰期紧急补电。因此，对峰期放电进行时长检测，若放电时长在规定范围内，则人工检测局部异常放电原因，必要时进行充放电修正；若放电时长产出规定范围，则需进一步细化储能配置库，进行重新优化。

功率平衡修正：以内部收益率最高为目标的储能容量优化配置问题求解结果，对于同一个电价时段内的储能充放电动作而言可能存在功率分配不平衡的问题。例如，优化结果可能显示储能在夜间以较大功率、较短时间内充满电，没有充分考虑负荷优化、电网功率平衡等因素。因此，进行分时段功率平衡检测，对于每一个连续的电价谷期、平期、峰期，在不增加负荷最大值的前提下，以降低负荷曲线波动、平滑储能输出功率为目标，对局部充放电动作进行二次优化，在不降低项目内部收益率的同时，优化用户侧储能的逐时运行过程，最终为用户提供准确、专业的储能运行策略指导。

参照图2，示出了本发明一实施例提供的一种储能容量的配置方法的操作流程图。

具体地，可以根据实际需要建立储能配置库；从储能配置库提取相适应的配置方案，得到储能系统的容量与额定功率；接着将储能方案构建成一个满足电池荷电状态自变量约束的初始解X＝X0作为初始群体个体；然后根据X更新储能循环次数和容量衰减；判断当年是否需要更换电池，并根据X及更新后的状态量，求解个体适应值IRR，以及淘汰不满足约束的个体；接下来可以将个体适应值最大的可行解作为最优个体Xbest，并赋给新一代群体的第一个个体；采用锦标赛选择法，选取适应值最大且可行的两个解进行保存；然后针对上述可行的两个解，采用算数交叉法产生两个子代，并针对产生的两个子代，采用非均匀变异法进行变异，得到两个变异解，将变异解加入新一代种群中；判断种群长度(个数)是否达到预期，若未达到则按照上述步骤重复生成，若达到则评价群体适应度(重复执行就个体适应值IRR、淘汰不满足约束的个体以及筛选个体适应值最大的可行解作为最优个体Xbest的操作)。

每次筛选最优个体Xbest后，判断遗传迭代次数是否达到最大遗传迭代次数，若未达到则重复在先步骤迭代，若达到则以当前群体中的个体适应值最大的个体即为最优解，得到相应的项目内部收益率及运行曲线，最后判断储能配置库是否搜索完毕，若未搜索完毕则重复执行上述步骤，对储能配置库的每个储能方案进行迭代处理，若搜索完毕，则对比每个储能方案迭代生成的对比项目内部收益率，再筛选得到储能最优配置方案及其运行曲线。

在本实施例中，本发明实施例提供了一种储能容量的配置方法，其有益效果在于：本发明可以针对用户用电特性提出经济效益优、工程适用性强的储能配置方案，从而最大程度降低用户用电成本，而且通过精细化的储能容量计算，能够节省用户侧储能冗余投资，提高储能设备的利用效率，并且对电力系统而言，通过优化用户负荷曲线，能够降低电网侧变压器运行压力，提高电网运行的灵活性以及社会整体的供电可靠性，另外，在推广应用价值上，本发明技术方案对于不同负荷类型的用户储能配置，尤其是采取两部制电价的大工商业用户具有良好的普适性，能够针对不同特性的用户负荷曲线，判断用户是否具备配置储能的必要性，并提供经济效益最优的定制化储能配置方案，适合面向工商等产业园区进行推广，经济和社会效益显著。

本发明实施例还提供了一种储能容量的配置装置，参见图3，示出了本发明一实施例提供的一种储能容量的配置装置的结构示意图。

其中，作为示例的，所述储能容量的配置装置可以包括：

构建模块301，用于获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案；

筛选模块302，用于从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值；

迭代模块303，用于对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数；

筛选模块304，用于从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案。

可选地，所述迭代模块还用于：

计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值；

从所述多个第一个体适应值筛选数值最大的第一个体适应值为第二个体适应值；

采用所述第二个体适应值衍生构建第二储能方案，完成一次迭代更新；

重复所述计算每个所述第一电池荷电状态自变量对应的个体适应值的步骤，迭代更新预设次数后，生成第N储能方案。

可选地，所述迭代模块还用于：

采用所述第一电池荷电状态自变量对应的容量与功率比值分别计算系统成本、项目收益、运维费用、系统残值、贷款和税务；

基于所述系统成本、所述项目收益、所述运维费用、所述系统残值、所述贷款和所述税务求解得到个体适应值。

可选地，所述系统成本的计算如下式所示：

C_sys＝k_sysM_bess；

其中，C_sys为系统成本，k_sys为用户侧储能系统单位造价，M_bess为系统电池容量；

所述项目收益的计算如下式所示：

其中，η为充放电效率，放电时η＝η_d，充电时η＝1/η_c，均为常数；p_bess,i,j表示第i年中第j小时储能放电功率(充电为负值)；△T为单位时长(本技术方案中以1小时计)；k_v-p,j表示第j小时对应的峰谷电价。

通过节省基本电费获取的第i年收益可表示为：

其中，F_base,i,j表示用户在原计费方式下第j月的基本电费，k_dem为按最大需量计费方式下的基本电价，P_dem,i,j表示经储能优化后的第j月最大负荷值；

所述运维费用的计算如下式所示：

其中，k_op表示年运维成本占总投资的百分比，k_bess表示电池本体费用占储能系统总投资的占比；

所述系统残值的计算如下式所示：

其中，k_res-bess表示电池本体残值占储能系统总投资的比例，k_res表示系统整体残值占储能系统总投资的比例，T_cyc,i表示项目末年当前电池已使用的充放电循环次数，T_life表示电池的循环寿命；

所述贷款的计算如下式所示：

其中，r_loan为资本金比例，y_loan为贷款年限，k_loan为贷款利率；

所述税务的计算如下式所示：

C_tax，i＝max[(C_base，i+C_kwh，i-C_loan，i-C_op，i-C_old，i)×0.25，0]；

其中，C_old,i表示第i年系统设备折旧费用。

可选地，所述个体适应值的计算公式如下式所示：

可选地，所述迭代模块还用于：

基于锦标赛选择法计算所述第二个体适应值对应的电池荷电状态自变量的两个可行解；

基于算数交叉法分别计算每个所述可行解的子代，得到两个子代；

基于非均匀变异法分别对每个所述子代进行迭代计算，衍生变异得到多个第二电池荷电状态自变量；

采用将所述多个第二电池荷电状态自变量集合生成第二储能方案。

可选地，所述两个子代的计算如下式所示：

其中，Mate₁为第一个可行解，Mate₂为第二个可行解，child₁为第一个子代，child₂为第二个子代，r为介于[0,1]的随机数；

所述对每个所述子代进行迭代计算的计算公式如下式所示：

其中，Child_1或2为t为当前遗传代数，T为最大遗传代数，u为非均匀度参数，random(0,1)表示产生0或1的随机数。

可选地，所述装置还包括：

分别判断每一个所述第一个体适应值是否满足预设的约束条件；

若所述第一个体适应值不满足预设的约束条件，则将预设的罚值与所述第一个体适应值相加，得到第一淘汰个体适应值；

其中，所述预设的约束条件包括：荷电状态约束、储能充放电功率约束、电池循环寿命约束和电网功率约束；

其中，所述荷电状态约束如下式所示：

SOC_min≤SOC_i,j≤SOC_max；

其中，SOC_min为第i年中第j小时电池荷电状态具有设定的下限，SOC_max为第i年中第j小时电池荷电状态具有设定的上限；

所述储能充放电功率约束如下式所示：

|p_bess，i，j|＝|(SOC_i，j-SOC_i，j+1)M_bess，i/ΔT|≤P_bess；

其中，M_bess,i为第i年储能衰减后的剩余容量，M_bess，i＝M_bess-0.2M_bessT_cyc，i-1/T_life，P_bess表示储能系统额定功率，△T为单位时长；

所述电池循环寿命约束如下式所示：

其中，当电池循环次数达到循环寿命极限时，将更换电池本体，并将T_cyc,i置零，T_cyc,i表示截至第i年末电池累计的循环次数，DOD为电池的放电深度；

所述电网功率约束如下式所示：

P_{grid_min}≤p_load，i，j-η_{·pbess，i，j}≤P_{grid_max}；

其中，P_{grid_min}表示储能优化后的用户逐时负荷功率不能超过电网功率约束的下限，P_{grid_max}表示储能优化后的用户逐时负荷功率不能超过电网功率约束的上限。

可选地，所述装置还包括：

对所述目标配置方案进行校验操作，其中，所述校验操作包括谷期放电检测、峰期充电检测和功率平衡修正。

进一步的，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例所述的储能容量的配置方法。

进一步的，本申请实施例还提供了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可执行指令，所述计算机可执行指令用于使计算机执行如上述实施例所述的储能容量的配置方法。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。