計及波動平抑與經(jīng)濟性的風(fēng)光儲系統(tǒng)中混合儲能容量優(yōu)化配置

吳倩，王洋，王琳媛，王夢帆，鄭建勇

(1. 國網(wǎng)江蘇電力設(shè)計咨詢有限公司，南京 210008； 2. 國網(wǎng)江蘇省電力有限公司經(jīng)濟技術(shù)研究院，南京 210008； 3. 東南大學(xué) 電氣工程學(xué)院，南京 210096)

0 引 言

近年來，全球范圍內(nèi)對能源的可持續(xù)性以及傳統(tǒng)發(fā)電方式帶來的環(huán)境問題的關(guān)注，為可再生能源的發(fā)展提供了動力[1]。微網(wǎng)作為可再生能源發(fā)電設(shè)備接入電網(wǎng)的一種重要方式，其運行的安全穩(wěn)定性受可再生能源發(fā)電的隨機性和間歇性影響[2-4]。風(fēng)光互補發(fā)電系統(tǒng)利用風(fēng)光互補特性，在一定程度緩解了可再生能源發(fā)電的自然缺陷對微網(wǎng)造成的不利影響，再配置一定容量的儲能裝置填補氣象的隨機變化，組成風(fēng)光儲混合發(fā)電系統(tǒng)，可以平抑可再生能源出力波動，提高能源利用率，保證微網(wǎng)電能質(zhì)量和運行穩(wěn)定性[5-6]。

目前廣泛采用混合儲能系統(tǒng)，充分利用能量型儲能和功率型儲能在技術(shù)、經(jīng)濟性能上的強互補性，克服單一儲能系統(tǒng)的缺點[7-8]。然而在現(xiàn)有技術(shù)條件下，儲能裝置的造價較為高昂，如何合理配置HESS的容量，在滿足系統(tǒng)平抑風(fēng)、光功率波動要求的同時，降低建設(shè)成本成為HESS應(yīng)用于風(fēng)光儲系統(tǒng)的研究熱點之一[9]。

國內(nèi)外學(xué)者針對HESS容量優(yōu)化配置問題進(jìn)行了大量研究，并取得相關(guān)成果。文獻(xiàn)[10]基于一階低通濾波法和限風(fēng)數(shù)據(jù)統(tǒng)計特性分析，兼顧風(fēng)電功率波動平抑效果與風(fēng)電消納能力，以HESS綜合收益最大為目標(biāo)確定最優(yōu)容量配置方案；文獻(xiàn)[11-12]采用小波包分解技術(shù)將風(fēng)電功率分解為高頻、低頻分量，分別作為超級電容器和蓄電池的參考功率，計及電池壽命損耗建立混合儲能容量經(jīng)濟優(yōu)化模型；文獻(xiàn)[13]采用小波理論對風(fēng)電場輸出功率進(jìn)行多層分解，結(jié)合模型控制算法對HESS進(jìn)行充放電控制，平滑風(fēng)電功率波動，并確定HESS容量配置方案；文獻(xiàn)[14]分別采用經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)和離散傅里葉變換分解將風(fēng)電場輸出功率的波動分量進(jìn)行兩階段分解，進(jìn)而得出HESS容量大小，在降低風(fēng)電功率波動的同時，避免了EMD分解中的模態(tài)混疊現(xiàn)象；文獻(xiàn)[15]提出一種根據(jù)儲能系統(tǒng)荷電狀態(tài)自適應(yīng)調(diào)整EMD分解濾波階數(shù)的HESS功率分配方法，在有效平抑風(fēng)電波動的同時維持儲能系統(tǒng)荷電狀態(tài)的穩(wěn)定。

上述研究大多針對風(fēng)儲或光儲系統(tǒng)，而對風(fēng)光儲系統(tǒng)中的HESS容量配置問題的研究較少，且目前常用的低通濾波、小波包分解、EMD分解等方法存在延遲、準(zhǔn)確性差、易產(chǎn)生模態(tài)混疊等問題，而采用VMD分解可以在一定程度上解決上述問題。因此，文中以微網(wǎng)中含HESS的風(fēng)光儲系統(tǒng)為研究對象，以平滑風(fēng)、光合成輸出功率波動為目標(biāo)。首先采用滑動平均法確定風(fēng)光儲系統(tǒng)的并網(wǎng)參考功率和HESS參考功率，利用VMD分解和希爾伯特變換確定分界頻率，根據(jù)分界頻率和儲能荷電狀態(tài)等約束制定HESS控制策略。接著，定義指標(biāo)分別描述風(fēng)、光輸出功率波動特性與風(fēng)光儲系統(tǒng)輸出功率平滑程度，利用仿真得到的大量儲能參數(shù)、風(fēng)光輸出功率波動特性和功率平滑度指標(biāo)的對應(yīng)關(guān)系，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。然后，以平滑效果最優(yōu)和HESS投資建設(shè)成本最低為目標(biāo)函數(shù)，構(gòu)建HESS容量配置模型。最后結(jié)合某風(fēng)電場和某光伏電站出力數(shù)據(jù)，仿真驗證文中所提方法的有效性。

1 微網(wǎng)中的風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)

1.1 風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)

相比于交流組網(wǎng)方式，基于直流母線的組網(wǎng)方式結(jié)構(gòu)簡單、便于控制，具有明顯優(yōu)勢[16]，因此文中以圖1所示的基于直流組網(wǎng)方式的典型風(fēng)光儲系統(tǒng)結(jié)構(gòu)為基礎(chǔ)進(jìn)行研究。

圖1 基于直流組網(wǎng)方式的風(fēng)光儲系統(tǒng)

圖1中，PPV(t)和PWG(t)分別為光伏發(fā)電機組和風(fēng)力發(fā)電機組t時刻的輸出功率；PB(t)和PC(t)分別為蓄電池和超級電容t時刻的充放電功率，放電時為正，充電時為負(fù)。

1.2 HESS的充放電模型

文中采用蓄電池和超級電容器構(gòu)成混合儲能系統(tǒng)，其中蓄電池用于平抑能量高的低頻波動，超級電容器用于平抑能量低的高頻波動。當(dāng)風(fēng)、光合成輸出功率大于由滑動平均法[17]得到的并網(wǎng)參考功率時，HESS充電；當(dāng)風(fēng)、光合成輸出功率小于由滑動平均法得到的并網(wǎng)參考功率時，HESS放電。蓄電池和超級電容器的荷電狀態(tài)與充放電功率的關(guān)系可表示為：

(1)

(2)

(3)

(4)

式中Δt為采樣時間間隔；SOCB(t)、SOCC(t)、SOCB(t+Δt)、SOCC(t+Δt)分別為蓄電池和超級電容器在t時刻和t+Δt時刻時的荷電狀態(tài)；EB、EC分別為蓄電池和超級電容器的額定容量；ηBc、ηCc、ηBd、ηCd分別為蓄電池和超級電容器的充電、放電效率。

2 基于滑動平均法和VMD的HESS控制策略

2.1 滑動平均濾波

由于可再生能源發(fā)電受天氣、季節(jié)等因素變化的影響，通常風(fēng)、光合成輸出功率波動較大，無法滿足并網(wǎng)要求。依據(jù)文獻(xiàn)[17]所述方法，選定長度為N的滑動時間窗口，對風(fēng)、光合成輸出功率進(jìn)行滑動平均濾波，得到t時刻風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)并網(wǎng)參考功率Pout(t)。

取風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)并網(wǎng)參考功率Pout(t)與風(fēng)、光合成輸出功率PG(t)之差作為HESS參考功率：

PG(t)=PPV(t)+PWG(t)

(5)

PHESS(t)=Pout(t)-PG(t)=PB0(t)+PC0(t)(6)

式中PB0(t)、PC0(t)分別表示蓄電池參考功率和超級電容器參考功率。

2.2 基于VMD-Hilbert的HESS功率分配方法

VMD分解過程不易受噪聲影響，預(yù)設(shè)合適的分解模態(tài)數(shù)k時，可有效緩解模態(tài)混疊現(xiàn)象，比傳統(tǒng)的EMD分解更具優(yōu)勢[18-20]。對HESS參考功率進(jìn)行VMD分解，得到k個中心頻率分別為ωk的固有模態(tài)分量uk(t)：

(7)

對每個固有模態(tài)分量進(jìn)行Hilbert變換，得到相應(yīng)的k條瞬時頻率-時間曲線fk(t)。由于蓄電池負(fù)責(zé)平抑低頻波動，超級電容器負(fù)責(zé)平抑高頻波動，應(yīng)尋找合適的分頻頻率fm，使得與fm緊鄰的曲線fi(t)和fi+1(t)模態(tài)混疊最少，實現(xiàn)HESS內(nèi)部功率合理分配。

曲線fi+1(t)的頻率低于fm時，對應(yīng)的時間為tl(l=1,…,j)，對應(yīng)的功率為ul(tl)；曲線fi(t)的頻率高于fm時，對應(yīng)的時間為th(h=1,…,k)，對應(yīng)的功率為uh(th)。定義模態(tài)混疊部分對應(yīng)的功率的絕對值與對應(yīng)時間的乘積為模態(tài)混疊能量，表達(dá)式如下：

(8)

記fi+1(t)的最大值為fmax，fi(t)的最小值為fmin。從fmin開始取值，以fmax為終點，每次增加0.000 1 Hz，作為臨時分頻頻率，計算對應(yīng)的模態(tài)混疊能量。模態(tài)混疊能量最小時對應(yīng)的頻率即為高頻和低頻的分界頻率fm。

則蓄電池和超級電容器的充放電功率可表示為：

(9)

(10)

2.3 考慮容量和功率約束的HESS控制策略

考慮儲能系統(tǒng)的容量和功率約束，制定如圖2所示的HESS控制策略。

圖2 HESS控制策略

則蓄電池和超級電容器在t時刻的實際充放電功率PB(t)和PC(t)分別為：

(11)

(12)

(13)

(14)

式中PB,e和PC,e分別為蓄電池額定功率和超級電容器額定功率；EB,max、EC,max、EB,min、EC,min分別為蓄電池和超級電容器剩余電量的上下限，且滿足：

(15)

式中SOCB,max、SOCC,max、SOCB,min、SOCC,min分別為蓄電池和超級電容器允許的荷電狀態(tài)上下限。

此時，風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)的實際輸出功率為：

Pout,r(t)=PG(t)+PB(t)+PC(t)

(16)

3 HESS容量配置模型

3.1 短期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型

由式(16)可知，HESS對風(fēng)、光功率的平滑效果不僅與配置的蓄電池和超級電容器的功率、容量有關(guān)，也與風(fēng)、光合成輸出功率有關(guān)。因此，定義以下8項指標(biāo)表征每日風(fēng)、光合成輸出功率的波動特性。其中采樣時間間隔Δt為5 min，即一天內(nèi)共采集289次風(fēng)、光合成輸出功率。

一日內(nèi)功率波動特性指標(biāo)如下：

(17)

式中ˉPG為風(fēng)、光合成輸出功率平均值；PG,max和PG,min分別為風(fēng)、光合成輸出功率的最大值和最小值；σ為風(fēng)、光合成輸出功率標(biāo)準(zhǔn)差；ΔPG,10min,max和ΔPG,60min,max分別為10 min內(nèi)和60 min最大功率變化的最大值；ΔPG,10min和ΔPG,60min分別為10 min內(nèi)和60 min功率變化值的平均值。

針對某一日的風(fēng)、光合成輸出功率，在不同的儲能系統(tǒng)參數(shù)組合下，采用2.3所述HESS控制策略進(jìn)行仿真，得到的風(fēng)、光功率平滑效果有所不同。定義短期功率平滑度指標(biāo)rLOS10和rLOS60，分別反映一天中10 min和60 min內(nèi)有功功率波動不滿足要求的比例。因此rLOS10和rLOS60越小，說明配置的HESS對風(fēng)、光功率波動的平滑效果越好。短期功率平滑度指標(biāo)如下所示：

(18)

(19)

且：

(20)

(21)

式中ΔP10(i)和ΔP60(i)分別為第i個10 min和60 min時段內(nèi)風(fēng)光儲系統(tǒng)輸出有功功率的最大變化量；ΔP10max和ΔP60max分別為10 min和60 min內(nèi)有功功率最大變化量的限定值。

構(gòu)造如圖3中實線框內(nèi)所示短期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練該神經(jīng)網(wǎng)絡(luò)，擬合儲能參數(shù)、波動特性與平滑度指標(biāo)間的對應(yīng)關(guān)系。從而可以直接通過輸入儲能系統(tǒng)參數(shù)、功率波動特性指標(biāo)，得到對應(yīng)的輸出數(shù)據(jù)rLOS10和rLOS60，避開復(fù)雜的仿真過程，提高計算效率。

3.2 長期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型

為了研究不同儲能參數(shù)在一段較長的時間(n天)內(nèi)與平抑風(fēng)、光輸出功率波動的效果的關(guān)系，構(gòu)造如圖3所示的長期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型，其中包含n個擬合了當(dāng)日儲能系統(tǒng)關(guān)鍵參數(shù)與短期功率平滑度指標(biāo)的對應(yīng)關(guān)系的短期神經(jīng)網(wǎng)絡(luò)模型以及n天風(fēng)、光輸出功率的功率波動特性指標(biāo)。

定義長期功率平滑度指標(biāo)E：

(22)

其中：

(23)

rLOS(i)=[rLOS10(i)+rLOS60(i)]/2

(24)

式中R為風(fēng)光儲系統(tǒng)輸出有功功率的短期平滑度指標(biāo)的限定標(biāo)準(zhǔn)。

圖3 長期神經(jīng)網(wǎng)絡(luò)模型

儲能系統(tǒng)參數(shù)輸入后，與n組功率波動特性共同帶入短期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型，得到n天短期功率波動評價指標(biāo)rLOS10和rLOS60，按照式(22)～式(24)可計算出對應(yīng)的指標(biāo)E。以儲能系統(tǒng)參數(shù)為輸入，長期功率平滑度指標(biāo)E為輸出，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，得到長期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型。

3.3 目標(biāo)函數(shù)及約束條件

文中兼顧HESS對風(fēng)、光合成輸出功率波動的平抑效果與經(jīng)濟性，制定以下目標(biāo)函數(shù)：

minF=f1+f2

(25)

其中：

(26)

(27)

Gmax=max(K1PB,e+K2PC,e+K3EB+K4EC)(28)

式中E為長期功率平滑度指標(biāo)，可由選定儲能系統(tǒng)關(guān)鍵參數(shù)輸入訓(xùn)練好的長期神經(jīng)網(wǎng)絡(luò)模型得到；Y為指標(biāo)E的限定值；U為任意的大值，且U?Gmax，當(dāng)指標(biāo)E不滿足限定要求即E>Y時，取f1=U可以保證將平抑效果較差的HESS配置方案淘汰；K1、K2、K3、K4分別為蓄電池和超級電容器功率的單位功率成本和單位容量成本；Gmax為HESS投資成本最大值。

優(yōu)化配置模型的約束條件包括：HESS的荷電狀態(tài)約束，即式(1)～式(4)；HESS的充放電功率約束，即式(11)～式(14)；HESS安裝容量約束，即式(29)、式(30)；HESS額定功率約束，即式(31)、式(32)。

0≤EB≤EB1

(29)

0≤EC≤EC1

(30)

0≤PB,e≤PB,e1

(31)

0≤PC,e≤PC,e1

(32)

式中EB1、EC1分別為蓄電池和超級電容器的配置的容量上限值；PB,e1、PC,e1分別為蓄電池和超級電容器的配置的額定功率上限值。

考慮到神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)PB,e、PC,e、EB、EC、N在約束條件規(guī)定的范圍內(nèi)任意取值會有無窮多種組合，從而對應(yīng)著無窮多個長期功率平滑度指標(biāo)E的預(yù)測結(jié)果和成本，從中選取最小值耗時巨大且繁瑣。因此，把包含訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的式(25)作為個體適應(yīng)度，采用遺傳算法求解HESS最優(yōu)容量配置，算法具體原理可參考文獻(xiàn)[21]，文中所提的風(fēng)光儲系統(tǒng)容量優(yōu)化配置整體流程可歸納如下：

Step.1初始數(shù)據(jù)輸入，包括風(fēng)光出力數(shù)據(jù)、混合儲能系統(tǒng)相關(guān)參數(shù)、長短期功率平滑度指標(biāo)限值等；

Step.2采用滑動平均法確定HESS參考功率，利用VMD和希爾伯特變換確定分解頻率，根據(jù)分界頻率和儲能系統(tǒng)約束條件制定HESS控制策略；

Step.3仿真計算不同儲能參數(shù)組合時的功率平滑度指標(biāo)，并作為神經(jīng)網(wǎng)絡(luò)的輸入輸出數(shù)據(jù)進(jìn)行訓(xùn)練，擬合出儲能系統(tǒng)關(guān)鍵參數(shù)與風(fēng)光儲系統(tǒng)輸出功率平滑度指標(biāo)的對應(yīng)關(guān)系；

Step.4以平滑效果最優(yōu)和HESS投資成本最低為目標(biāo)函數(shù)，構(gòu)建HESS容量配置模型。結(jié)合遺傳算法進(jìn)行模型求解，得到HESS最優(yōu)容量配置。

4 算例分析

以某8.4 MW光伏電站和某18 MW風(fēng)電場2018年全年輸出有功功率數(shù)據(jù)為例進(jìn)行算例仿真。風(fēng)、光合成輸出功率曲線如圖4所示，采樣間隔為5 min，混合儲能系統(tǒng)相關(guān)參數(shù)如表1所示。

圖4 風(fēng)光合成輸出功率

表1 HESS參數(shù)

分別取ΔP10max和ΔP60max為0.7 MW和2 MW；EB1、EC1分別為15 MW·h和5 MW·h；PB,e1、PC,e1分別為2.5 MW和5 MW，且經(jīng)過計算可知使風(fēng)、光合成輸出功率平滑度指標(biāo)完全滿足限定要求時的最長滑動時間窗長度為34。因此，對各儲能系統(tǒng)關(guān)鍵參數(shù)在上述選定范圍內(nèi)分別按照不同步長進(jìn)行選擇，算例中取神經(jīng)網(wǎng)絡(luò)訓(xùn)練集內(nèi)EB/MW·h=1、3、5、10、15；PB,e/MW=0.5、1、1.5、2、2.5；EC/MW·h=0.5、1、1.5、3、5；PC,e/MW=1、2、3、4、5；N=22、28、34即共1 875組不同的儲能系統(tǒng)關(guān)鍵參數(shù)，采用圖2所示HESS控制策略，對每月5、10、25日共36天進(jìn)行仿真，從而獲得36×1875即67 500組輸入輸出數(shù)據(jù)。訓(xùn)練短期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過214步訓(xùn)練后收斂。采用測試數(shù)據(jù)進(jìn)行檢驗，部分測試結(jié)果及誤差如表2所示。其中，如果神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差無法收斂或測試誤差較大，則縮小步長再次選擇訓(xùn)練集內(nèi)數(shù)據(jù)，重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

表2 部分神經(jīng)網(wǎng)絡(luò)測試結(jié)果及誤差

將1 875組不同的儲能參數(shù)與每日風(fēng)光輸出功率波動特性組合，輸入訓(xùn)練好的短期神經(jīng)網(wǎng)絡(luò)模型，得到全年365組rLOS10和rLOS60，代入式(22)～式(24)，計算不同儲能參數(shù)組合下對應(yīng)的長期功率平滑度指標(biāo)E，其中取R為0.1。將上述1 875組對應(yīng)數(shù)據(jù)作為樣本數(shù)據(jù)，訓(xùn)練長期HESS容量配置神經(jīng)網(wǎng)絡(luò)模型。經(jīng)過1 079步訓(xùn)練后，訓(xùn)練誤差小于0.000 1。

取Y為0.03，U為5 000，采用遺傳算法求解。尋得既保證HESS對風(fēng)光合成輸出功率的平抑效果又盡可能降低HESS投資成本的HESS最優(yōu)容量配置方案如表3所示，即選取滑動時間窗長度為29，蓄電池容量和功率分別為5.456 MW·h和1.432 MW，超級電容器容量和功率分別為0.336 MW·h和1.034 MW時，目標(biāo)函數(shù)值最小，此時長期功率波動評價指標(biāo)E為0.011，HESS投資成本為1 798.124萬元。

表3 HESS容量配置結(jié)果

按照上述方法，采用EMD分解對HESS進(jìn)行容量配置優(yōu)化，與基于VMD的HESS容量配置結(jié)果進(jìn)行對比。由表3可知，采用VMD分解對HESS進(jìn)行功率分配時，配置的超級電容器容量和蓄電池容量和功率相比采用EMD分解時均有所降低。由于超級電容器單位容量成本較高，減少其容量可以有效降低HESS投資成本，如表3所示，采用VMD分解時，投資成本相比采用EMD分解時下降了23.39%。這都是因為VMD分解避免了EMD分解造成的模態(tài)混疊問題，從而更合理地配置HESS容量，減少了投資成本。此外，比較基于這兩種方法優(yōu)化HESS容量配置后得到的指標(biāo)E的大小，可知VMD分解相比EMD分解，可以獲得更好的波動平抑效果。

以3月11日為例，比較采用VMD和EMD兩種不同方法對HESS進(jìn)行功率分配后，對風(fēng)光合成輸出功率的平滑效果，平滑結(jié)果如圖5所示。

圖5 平抑前后風(fēng)光合成輸出功率曲線

由圖5可以看出分別采用兩種方法時，風(fēng)、光合成輸出功率波動均得到有效抑制，且由于滑動時間窗長度均為29，兩種方法的平抑效果相差不大，但采用基于EMD分解的平抑方法得到的平抑后風(fēng)光合成輸出功率曲線有幾處波動更明顯，說明采用EMD分解方法的平抑效果略差于采用VMD分解的方法。為了進(jìn)一步比較VMD分解和EMD分解對于HESS容量配置結(jié)果影響，繪制HESS中兩類儲能裝置的充放電功率曲線如圖6所示。

圖6 HESS輸出功率曲線

由圖6可知，EMD分解和VMD分解均將HESS參考功率分解為高頻、低頻兩部分，其中超級電容器承擔(dān)高頻分量，蓄電池承擔(dān)低頻分量。比較兩種方法下HESS中兩類儲能裝置的輸出功率曲線，采用基于VMD分解的HESS控制策略時，超級電容器的輸出功率小于采用基于EMD分解的HESS控制策略時的超級電容器的輸出功率，有利于減少超級電容配置的容量，降低系統(tǒng)投資成本。

EMD分解存在模態(tài)混疊問題，會使配置的超級電容器容量增加，蓄電池充放電次數(shù)變多、壽命降低，而VMD分解解決了EMD分解時的模態(tài)混疊問題，更好地分解了風(fēng)、光輸出功率中的波動分量，使HESS控制策略充分利用蓄電池和超級電容器的互補特性，達(dá)到提高平抑效果，降低投資成本的目標(biāo)。

5 結(jié)束語

文中提出一種針對風(fēng)光儲系統(tǒng)輸出功率波動平抑的HESS容量優(yōu)化配置方法。采用滑動平均法和VMD分解，并結(jié)合儲能的荷電狀態(tài)等約束，制定HESS充放電策略。定義相應(yīng)指標(biāo)描述風(fēng)、光合成輸出功率的波動特性及HESS對風(fēng)、光功率波動的平滑效果。訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，擬合HESS參數(shù)與平滑效果之間的關(guān)系。最后，為提高計算效率，采用遺傳算法求解HESS最優(yōu)容量配置。仿真分析表明，文中提出的HESS容量配置方法不僅可以給出適用于長時間范圍內(nèi)的HESS容量配置方案，而且可以避免模態(tài)混疊問題，在明顯降低風(fēng)光儲系統(tǒng)輸出功率波動的同時，減少HESS的容量配置，降低HESS投資成本，保證了經(jīng)濟性。