1.一种智能电网的储能调度方法,其特征在于,包括如下步骤:
获取智能电网中的风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型;所述智能电网中包含风力发电机、储能装置以及电动汽车充电站;
根据所述风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型,采用基于四阶Gram-Charlier级数展开式的两点估计法对所述智能电网进行随机潮流计算,并对随机潮流计算结果进行随机采样,获得期望潮流分布;
依据所述期望潮流分布确定约束条件,采用基于分段惯性递减权重的粒子群算法,对预先建立的目标函数进行求解,获得满足所述约束条件的最优储能调度方案;
依据所述最优储能调度方案对所述智能电网中的所述储能装置进行调度。
2.根据权利要求1所述的智能电网的储能调度方法,其特征在于,采用基于分段惯性递减权重的粒子群算法,对依据所述期望潮流分布建立的目标函数进行求解的过程包括:
所述基于分段惯性递减权重的粒子群算法的迭代次数为1000,在前700次迭代中采用二次非线性惯性递减权重对所述目标函数进行寻优,在后300次迭代中采用线性惯性递减权重对所述目标函数进行寻优。
3.根据权利要求1或2所述的智能电网的储能调度方法,其特征在于,所述目标函数为:
F=min(λ1·f1+λ2·f2+λ3·f3)
其中,f1为所述智能电网的运行成本函数,f2为所述智能电网的供缺电量成本函数,f3为所述智能电网的储能装置成本函数,λ1、λ2、λ3均为权重系数,且满足λ1+λ2+λ3=1。
4.根据权利要求3所述的智能电网的储能调度方法,其特征在于,λ1为0.55,λ2为0.22,λ3为0.23。
5.根据权利要求1所述的智能电网的储能调度方法,其特征在于,所述约束条件包括潮流等式约束条件、节点电压约束条件、功率约束条件、储能装置荷电状态约束条件以及储能装置能量平衡约束条件。
6.一种智能电网的储能调度装置,其特征在于,包括:
不确定模型获取模块,用于获取智能电网中的风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型;所述智能电网中包含风力发电机、储能装置以及电动汽车充电站;
随机潮流计算模块,用于根据所述风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型,采用基于四阶Gram-Charlier级数展开式的两点估计法对所述智能电网进行随机潮流计算,并对随机潮流计算结果进行随机采样,获得期望潮流分布;
寻优模块,用于依据所述期望潮流分布确定约束条件,采用基于分段惯性递减权重的粒子群算法,对预先建立的目标函数进行求解,获得满足所述约束条件的最优储能调度方案;
优化调度模块,用于依据所述最优储能调度方案对所述智能电网中的所述储能装置进行调度。
7.根据权利要求6所述的智能电网的储能调度装置,其特征在于,所述基于分段惯性递减权重的粒子群算法的迭代次数为1000,在前700次迭代中所述寻优模块采用二次非线性惯性递减权重对所述目标函数进行寻优,在后300次迭代中所述寻优模块采用线性惯性递减权重对所述目标函数进行寻优。
8.根据权利要求6或7所述的智能电网的储能调度装置,其特征在于,所述目标函数为:
F=min(λ1·f1+λ2·f2+λ3·f3)
其中,f1为所述智能电网的运行成本函数,f2为所述智能电网的供缺电量成本函数,f3为所述智能电网的储能装置成本函数,λ1、λ2、λ3均为权重系数,且满足λ1+λ2+λ3=1。
9.根据权利要求3所述的智能电网的储能调度装置,其特征在于,λ1为0.55,λ2为0.22,λ3为0.23。
10.根据权利要求1所述的智能电网的储能调度装置,其特征在于,所述约束条件包括潮流等式约束条件、节点电压约束条件、功率约束条件、储能装置荷电状态约束条件以及储能装置能量平衡约束条件。