一种微电网规划设计方法和系统与流程

本发明属于微电网规划与优化配置技术领域，具体涉及一种微电网规划设计方法和系统。

背景技术：

在能源枯竭与节能环保问题日趋严重的今天,分布式发电相关技术正得到越来越广泛的应用。微电网可以有效提高分布式电源的利用效率,是分布式发电的重要发展趋势,也是满足用户用电个性化需求和提高供电可靠性的关键。微电网是配电网的重要组成部分，承担区域供电任务，直面用户的需求，其设计水平直接影响建设效果。当微电网并网运行时，可看作配电网的一种功率可控的电源/负荷，有效减弱高渗透率的分布式电源接入对电网带来的负面影响，在满足本地用户需求的同时提高配电网对分布式电源的接受能力，同时为配电网提供必要的支撑。

目前针对微电网工程设计的研究较少，微电网规划设计过程中存下以问题：微电网示范工程在设计中往往缺乏统一技术原则和建设模式，设计方案个体性强、通用性差，设计质量难以保证，由此导致部分项目在实施过程中突显出诸多问题，包括可再生能源无法高效利用和就地消纳、能源系统的综合利用效率低、现有的能源和电力系统规划技术无法适应于工程实践等；微电网规划和优化配置的主要方法大多只考虑微电网自身的目标和约束，并未考虑并网型微电网与配电网之间的相互联系和影响，将导致配电网运行效率低下，严重时可能导致电压越限。因此，如何弥补当前微电网规划设计方法的不足是本领域技术人员需要解决的问题。

技术实现要素：

为克服上述现有技术的不足，本发明提供一种微电网规划设计方法，包括：

获取被规划微电网所在区域相关的配电网各节点的历史负荷信息和电压信息及各所述微电网覆盖范围内的历史负荷信息和预先设定的各模块的性能参数；

将所述配电网各节点的历史负荷信息和电压信息，输入预先设定的外层配电网运行控制模型进行计算，得到各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线；

将各所述微电网与配电网接入点的交换功率上下限及各所述微电网覆盖范围内的历史负荷信息和所述各模块的性能参数，输入预先设定的各内层微电网优化配置模型进行计算，得到各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线；

将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较，确定各所述微电网各模块数量。

优选的，各模块，包括：

分布式电源模块、储能电池模块、逆变器模块；

所述分布式电源模块包括：风机模块和光伏模块；

所述逆变器模块包括：风机逆变器模块、光伏逆变器模块和储能电池逆变器模块。

优选的，各模块的性能参数，包括：

分布式电源模块参数、储能电池模块参数、逆变器模块参数；

所述分布式电源模块参数包括：额定功率、运行寿命、电压等级；

所述储能电池模块参数包括：额定容量、额定电压、最大充/放电电流、充/放电效率；

所述逆变器模块参数包括：额定功率、逆变效率、额定电压、最大输入电流。

优选的，各内层微电网优化配置模型的设定，包括：

基于各所述微电网内的各模块设置、各逆变器模块运行效率及各所述微电网与配电网接入点的交互功率，以各所述微电网内部能源的综合利用率最大化为目标，构建目标函数；

设定内层微电网优化配置约束条件，构建内层微电网优化配置模型；

所述约束条件包括：模块数量约束、模块功率约束、储能电池充放电功率约束和储能电池荷电状态约束。

优选的，各逆变器模块运行效率的计算式如下：

式中：ηinvr为逆变器模块运行效率，pout为逆变器模块输出功率，pin为逆变器模块输入功率，prate为逆变器模块标称额定功率，p^*为额定功率下的输出功率标幺值，k0、k1、k2为逆变器模块效率系数。

优选的，目标函数如下式所示：

式中，pin_wt为风机模块逆变器的输入功率，pin_pv为光伏模块逆变器的输入功率,pin_ba为储能电池模块逆变器模块的输入功率，pout_wt为风机模块逆变器的输出功率，pout_pv为光伏模块逆变器的输出功率，pout_ba为储能电池模块逆变器的输出功率,ηsys为微电网内部能源的综合利用率。

优选的，模块数量约束，如下式所示：

式中，nwt为风机模块数量，npv为光伏模块数量，nbess为储能电池模块数量，ninvr为逆变器模块数量，nwt-max为风机模块数量上限值，npv-max为光伏模块数量上限值，nbess-max为储能电池模块数量上限值，ninvr-max为逆变器模块数量上限值。

优选的，模块功率约束，如下式所示：

式中，pout_pv(t)为t时刻风机模块逆变器的输出功率，pout_wt(t)为t时刻光伏模块逆变器的输出功率，pout_ba(t)为t时刻储能电池模块逆变器的输出功率，ppcc(t)为t时刻微电网与配电网交互功率，pload(t)为微电网内负荷功率，ppcc^max为微电网与配电网交互功率的最大值，ppcc^min为微电网与配电网交互功率的最小值，pin_wt为风机模块逆变器的输入功率，pin_pv为光伏模块逆变器的输入功率,pin_ba为储能电池模块逆变器模块的输入功率，pout_wt为风机模块逆变器的输出功率，pout_pv为光伏模块逆变器的输出功率，pout_ba为储能电池模块逆变器的输出功率；nwt为风机模块数量，npv为光伏模块数量，nbess为储能电池模块数量，ninvr_wt为风机模块逆变器数量，ninvr_pv为光伏模块逆变器数量，ninvr_ba为储能模块逆变器数量；bwt为单个风机模块的容量，bpv为单个光伏模块的容量，bbess为单块储能电池最大输出功率，prate_wt为风机模块逆变器的额定容量，prate_pv为光伏模块逆变器的额定容量，prate_ba为储能电池模块逆变器的额定容量；rself为微电网的自平衡率，为给定值。

优选的，储能电池充放电功率约束，如下式所示：

式中，kbi为储能电池的充电转化效率，kbo为储能电池的放电转化效率，fbi(t)为t时刻储能电池的充电标志位，fbo(t)为t时刻储能电池的放电标志位，pin_ba-in(t)为t时刻单个储能电池模块内部充电功率，pin_ba-out(t)为t时刻单个储能电池模块内部放电功率，bbess为单块储能电池最大输出功率。

优选的，储能电池荷电状态约束，如下式所示：

式中，s(t)为t时刻储能电池的荷电状态值，s(t+δt)为t+δt时刻储能电池的荷电状态值，kbi为储能电池的充电转化效率，kbo为储能电池的放电转化效率，pin_ba-in(t)为t时刻单个储能电池模块内部充电功率，pin_ba-out(t)为t时刻单个储能电池模块内部放电功率，cbess为单块储能电池模块的总容量，smin为储能电池的荷电状态的最小值，smax为储能电池的荷电状态的最大值。

优选的，外层配电网运行控制模型的设定，包括：

基于配电网运行控制变量及各所述微电网与配电网交互功率，以配电网运行网损最小为目标，构建目标函数；

设定外层配电网运行控制约束条件，构建外层配电网运行控制模型；

所述约束条件包括：支路有功约束、支路无功约束、支路端电压约束、支路电流约束、电压平方约束和电流平方约束。

优选的，目标函数如下式所示：

式中，rij为第ij条支路上的电阻，fij,h为h时间段内支路ij中电流的平方。

优选的，约束条件如下式所示：

支路有功约束：

支路无功约束：

支路端电压约束：

支路电流约束：

电压平方约束：vmin≤v^h≤vmax

电流平方约束：fmin≤f^h≤fmax

式中，pij,h^line为h时间段内支路ij中流过的有功功率，rij为第ij条支路上的电阻，fij,h为h时间段内支路ij中电流的平方，pj,h^d为节点j上h时间段内的有功负荷，pj,h^pcc为h时间段内接入节点j的微电网注入有功功率，ph^grid为h时间段内从电网吸收功率，qij,h^line为h时间段内支路ij中流过的无功功率，xij为第ij条支路上的电抗，qj,h^d为节点j上h时间段内的无功负荷，qj,h^pcc为h时间段内接入节点j的微电网注入无功功率，vj,h为h时间段内节点j的电压平方，vi,h为h时间段内节点i的电压平方，v^h为h时间段内各节点电压平方组成的向量，vmin为节点电压平方的最小值，vmax为节点电压平方的最大值，f^h为h时间段内各支路电流平方组成的向量，fmin为支路中电流平方的最小值，fmax为支路中电流平方的最大值。

优选的，将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较，确定各所述微电网各模块数量，包括：

将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较：

当误差均在设定范围内时，基于第一次计算出的各所述微电网各模块数量对各所述微电网进行规划设计；否则对外层配电网运行控制模型进行计算出的各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线进行更新，将更新后的各所述微电网与配电网接入点的交换功率上下限输入预先设定的各内层微电网优化配置模型进行计算，得到更新的各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线，直到各所述微电网对应的第一最优功率曲线与第二最优功率曲线的误差均在设定范围内，结束比较，基于最后计算的各所述微电网各模块数量对各所述微电网进行规划设计。

基于同一发明构思，本发明还提供了一种微电网规划设计系统，包括：

数据采集模块，用于获取被规划微电网所在区域相关的配电网各节点的历史负荷信息和电压信息及各所述微电网覆盖范围内的历史负荷信息和预先设定的各模块的性能参数；

外层计算模块，用于将所述配电网各节点的历史负荷信息和电压信息，输入预先设定的外层配电网运行控制模型进行计算，得到各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线；

内层计算模块，用于将各所述微电网与配电网接入点的交换功率上下限及各所述微电网覆盖范围内的历史负荷信息和所述各模块的性能参数，输入预先设定的各内层微电网优化配置模型进行计算，得到各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线；

输出模块，用于将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较，确定各所述微电网各模块数量。

与最接近的现有技术相比，本发明具有的有益效果如下：

本发明提供了一种微电网规划设计方法，包括：获取被规划微电网所在区域相关的配电网各节点的历史负荷信息和电压信息及各所述微电网覆盖范围内的历史负荷信息和预先设定的各模块的性能参数；将所述配电网各节点的历史负荷信息和电压信息，输入预先设定的外层配电网运行控制模型进行计算，得到各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线；将各所述微电网与配电网接入点的交换功率上下限及各所述微电网覆盖范围内的历史负荷信息和所述各模块的性能参数，输入预先设定的各内层微电网优化配置模型进行计算，得到各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线；将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较，确定各所述微电网各模块数量；本发明考虑了微电网与配电网之间的相互作用和影响，提升了微电网和配电网安的全可靠性，同时提高了微电网内部能源的综合利用率降低了配电网运行网损。

微电网内部的模块化设计优点在于相似性的重用，在系统条件允许时，多个模块可以级联组合，拓展成为更大容量的微电网，同时因模块化设计采用工厂化生产和装配，便于整体运输可以使整个微电网生命周期中的规划设计、采购、制造和装配流程简化，为微电网的建设提供便利条件。

附图说明

图1为本发明提供的一种微电网规划设计方法的示意图；

图2为本发明提供的一种微电网规划设计系统示意图；

图3为本发明实施例中提供的具有多微电网的配电网系统结构拓扑示意图；

图4为本发明实施例中提供内层微电网优化配置模型求解过程示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的详细说明。

实施例1：

本发明提供了一种如3所示的具有多微电网的配电网系统结构拓扑特征的微电网规划设计方法，示意图如图1所示，针对该模型，提出了一种双层优化配置方法：内层模型的决策变量为分布式电源模块、储能电池模块、逆变器模块的安装数量，目标函数为计及微电网自平衡率的能源最大化利用；外层为配电网运行控制模型，决策变量为与微电网交互功率、配电网运行控制各变量，目标为配电网运行网损最小，采用商业求解器与人工智能算法相结合的方法进行求解，具体方法包括：

s1获取被规划微电网所在区域相关的配电网各节点的历史负荷信息和电压信息及各所述微电网覆盖范围内的历史负荷信息和预先设定的各模块的性能参数；

s2将所述配电网各节点的历史负荷信息和电压信息，输入预先设定的外层配电网运行控制模型进行计算，得到各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线；

s3将各所述微电网与配电网接入点的交换功率上下限及各所述微电网覆盖范围内的历史负荷信息和所述各模块的性能参数，输入预先设定的各内层微电网优化配置模型进行计算，得到各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线；

s4将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较，确定各所述微电网各模块数量。

s1获取被规划微电网所在区域相关的配电网各节点的历史负荷信息和电压信息及各所述微电网覆盖范围内的历史负荷信息和预先设定的各模块的性能参数，其中，各模块性能参数如下：

分布式电源模块参数包括额定功率、运行寿命、电压等级等；

储能电池模块参数包括额定容量、额定电压、最大充/放电电流、充/放电效率等；

逆变器模块参数包括额定功率、逆变效率、额定电压、最大输入电流等。

s2将所述配电网各节点的历史负荷信息和电压信息，输入预先设定的外层配电网运行控制模型进行计算，得到各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线，其中，外层配电网运行控制模型设定，包括：

s2-1确定决策变量

节点电压平方：

支路电流平方：

支路有功潮流：

支路无功潮流：

从电网吸收功率：

与微电网交互有功功率：

与微电网交互无功功率：

其中，nb表示配电网总节点数，i表示配电网节点号，nl表示配电网总支路数，ij表示第ij条支路，nh表示总运行时间点数，h表示运行时间点，vi,h为h时间段内节点i的电压平方，vi,h表示h时间段内节点i的实际电压，fij,h为h时间段内支路ij中电流的平方，fij,h表示h时间段内支路ij上的实际电流，pij,h^line为h时间段内支路ij中流过的有功功率，qij,h^line为h时间段内支路ij中流过的无功功率，ph^grid为h时间段内从电网吸收功率，pi,h^pcc为h时间段内接入节点i的微电网注入有功功率，qi,h^pcc为h时间段内接入节点i的微电网注入无功功率；

s2-2设定目标函数

考虑配电网运行网损最小的设定目标函数，如下式所示：

式中，rij为第ij条支路上的电阻，fij,h为h时间段内支路ij中电流的平方；

s2-3确定约束条件

支路有功约束：

支路无功约束：

支路端电压约束：

支路电流约束：

电压平方约束：vmin≤v^h≤vmax

电流平方约束：fmin≤f^h≤fmax

式中，pij,h^line为h时间段内支路ij中流过的有功功率，rij为第ij条支路上的电阻，fij,h为h时间段内支路ij中电流的平方，pj,h^d为节点j上h时间段内的有功负荷，pj,h^pcc为h时间段内接入节点j的微电网注入有功功率，ph^grid为h时间段内从电网吸收功率，qij,h^line为h时间段内支路ij中流过的无功功率，xij为第ij条支路上的电抗，qj,h^d为节点j上h时间段内的无功负荷，qj,h^pcc为h时间段内接入节点j的微电网注入无功功率，vj,h为h时间段内节点j的电压平方，vi,h为h时间段内节点i的电压平方，v^h为h时间段内各节点电压平方组成的向量，vmin为节点电压平方的最小值，vmax为节点电压平方的最大值，f^h为h时间段内各支路电流平方组成的向量，fmin为支路中电流平方的最小值，fmax为支路中电流平方的最大值。

s3将各所述微电网与配电网接入点的交换功率上下限及各所述微电网覆盖范围内的历史负荷信息和所述各模块的性能参数，输入预先设定的各内层微电网优化配置模型进行计算，得到各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线，其中，内层微电网优化配置模型的设定，包括：

s3-1设定目标函数

微电网内层模块配置主要考虑设备运行效率以及能源的利用率，设备主要考虑风电机组(wt)、光伏阵列(pv)、储能电池(bess)、逆变器(invr)，内层微电网模块配置目标为在基本满足本地负荷的前提下，通过各种模块的优化组合实现网内能源的最大化利用，以微电网内能源综合利用率最大化为目标，优化模型表达式为：

maxηsys

式中，ηsys为微电网内能源的综合利用率，具体计算式如下：

式中，pin_wt为风机模块逆变器的输入功率，pin_pv为光伏模块逆变器的输入功率,pin_ba为储能电池模块逆变器模块的输入功率，pout_wt为风机模块逆变器的输出功率，pout_pv为光伏模块逆变器的输出功率，pout_ba为储能电池模块逆变器的输出功率，k0、k1、k2为逆变器模块效率系数；

其中，逆变器模块效率系数计算过程如下：

计算逆变器模块效率，微电网内逆变器模块作为分布式电源接入系统的主要接口，其运行效率决定了资源的利用程度，对于内层微电网的配置方案至关重要，逆变器运行效率表达式为：

式中：ηinvr为逆变器模块运行效率，pout为逆变器模块输出功率，pin为逆变器模块输入功率，prate为逆变器模块标称额定功率，p^*为额定功率下的输出功率标幺值。k0、k1、k2为逆变器模块效率系数；

根据逆变器厂商提供的输出功率—效率曲线，对上式所示的效率方程进行拟合，确定k0、k1、k2，该方法相比线性化效率模型更加精确，且易于工程实现。

s3-2确定约束条件

1)决策变量约束

选择风电机组台数nwt、光伏容量npv、储能单体个数nbess和逆变器台数ninvr作为优化决策变量，在进行优化计算时，需设定一定的范围，以将决策变量限制在有效的合理范围内，可表示为：

式中，nwt为风机模块数量，npv为光伏模块数量，nbess为储能电池模块数量，ninvr为逆变器模块数量，nwt-max为风机模块数量上限值，npv-max为光伏模块数量上限值，nbess-max为储能电池模块数量上限值，ninvr-max为逆变器模块数量上限值，模块数量的上限值可根据实际投资预算及安装占地面积等因素来进行设置，注意的是，ninvr中包括风机模块逆变器数量ninvr_wt，光伏模块逆变器数量ninvr_pv，储能模块逆变器数量ninvr_ba；

2)模块功率约束

系统运行应当满足功率约束条件，可表示为：

式中：式中，pout_pv(t)为t时刻风机模块逆变器的输出功率，pout_wt(t)为t时刻光伏模块逆变器的输出功率，pout_ba(t)为t时刻储能电池模块逆变器的输出功率，ppcc(t)为t时刻微电网与配电网交互功率，pload(t)为微电网内负荷功率，ppcc^max为微电网与配电网交互功率的最大值，ppcc^min为微电网与配电网交互功率的最小值，pin_wt为风机模块逆变器的输入功率，pin_pv为光伏模块逆变器的输入功率,pin_ba为储能电池模块逆变器模块的输入功率，pout_wt为风机模块逆变器的输出功率，pout_pv为光伏模块逆变器的输出功率，pout_ba为储能电池模块逆变器的输出功率；nwt为风机模块数量，npv为光伏模块数量，nbess为储能电池模块数量，ninvr_wt为风机模块逆变器数量，ninvr_pv为光伏模块逆变器数量，ninvr_ba为储能模块逆变器数量；bwt为单个风机模块的容量，bpv为单个光伏模块的容量，bbess为单块储能电池最大输出功率，prate_wt为风机模块逆变器的额定容量，prate_pv为光伏模块逆变器的额定容量，prate_ba为储能电池模块逆变器的额定容量；rself为微电网的自平衡率，为给定值；

其中，自平衡率计算式如下：

式中，rself为微电网的自平衡率指标，eself、etotal为微电网的负荷供应量和总负荷量；

3)储能电池充放电功率约束

储能电池充放电功率不得超过其允许的最大值，可表示为：

式中，kbi为储能电池的充电转化效率，kbo为储能电池的放电转化效率，fbi(t)为t时刻储能电池的充电标志位，fbo(t)为t时刻储能电池的放电标志位，pin_ba-in(t)为t时刻单个储能电池模块内部充电功率，pin_ba-out(t)为t时刻单个储能电池模块内部放电功率，bbess为单块储能电池最大输出功率；

4)荷电状态(soc)约束

考虑到电池的荷电状态，即储能电池的soc值对电池寿命的影响，soc值应当小于其允许最大值并大于其允许最小值，可表示为：

式中，s(t)为t时刻储能电池的荷电状态值，s(t+δt)为t+δt时刻储能电池的荷电状态值，kbi为储能电池的充电转化效率，kbo为储能电池的放电转化效率，pin_ba-in(t)为t时刻单个储能电池模块内部充电功率，pin_ba-out(t)为t时刻单个储能电池模块内部放电功率，cbess为单块储能电池模块的总容量，smin为储能电池的荷电状态的最小值，smax为储能电池的荷电状态的最大值。

s4将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较，确定各所述微电网各模块数量，包括：

s4-1：将配电网各节点的历史负荷信息和电压信息，输入外层配电网运行控制模型，通过雅克比矩阵计算各微电网接入点的交换功率上下限ppcc^max和ppcc^min及各微电网接入点的最优交换功率ppcc_op_1，将此交换功率上下限下发至内层微电网优化配置层；

s4-2：将各微电网内部的历史负荷信息和各模块性能参数及各微电网与配电网接入点的交换功率上下限，输入各内层微电网优化配置模型，通过上述遗传算法计算风机模块数量nwt、光伏模块数量npv、储能电池模块数量nbess及逆变器模块数量ninvr，与此同时，在模块优化配置的同时计算微电网并网点的最优功率曲线，ppcc_op_2；

s4-3：外层模型计算的ppcc_op_1与ppcc_op_2进行比较，若在误差范围内则结束迭代；若不相等，则外层模型通过雅克比矩阵更新各微电网接入点的交换功率上下限，并转至步骤1；

s4-4：基于最优计算结果确定各个微电网内部的优化配置方案。

本发明建立的内层数学模型属于典型的混合非线性模型，因此选择遗传算法可以有效解决这类问题，十进制遗传算法避免了二进制遗传算法所导致的染色体过于冗长的问题，可有效提高交叉变异处理速度，内层微电网优化配置模型求解过程示意图如图4所示，本文定义的个体基因为nwt、npv、nbess、ninvr，染色体排列结构表示为{nwt|npv|nbess|ninvr}，具体计算步骤如下：

a步骤：初始化，读取仿真时长、调度周期、自然资源(风光出力参数pwt、ppv)、负荷(pload)等所需参数；

b步骤：生成初始种群p，规模为n，初始种群p中个体表述为{nwt|npv|nbess|ninvr}，即决策变量；

c步骤：根据约束条件(决策变量约束、功率平衡约束、充放电功率约束以及荷电状态约束)，运用罚函数方法，计算每个个体对应的目标函数值fitness(即微电网综合能源利用率)，并找出初始最优个体(gbest)和最优种群(zbest)；

d步骤：个体适应度的监测评估，更新种群，选择运算适用比例选择算子，交叉运算使用单点交叉算子，pc为交叉概率；变异运算使用单点变异算子，pm为变异概率；

e步骤：重复步骤c，找出进化种群迄今为止所发现的最优个体和最优种群并记录保存；

f步骤：判断是否达到迭代次数，若达到最大迭代次数，则终止运算，输出最优结果；否则，迭代次数加1，转到步骤d。

实施例2：

基于同一发明构思，本发明还提供了一种微电网规划设计系统，包括：

数据采集模块，用于获取被规划微电网所在区域相关的配电网各节点的历史负荷信息和电压信息及各所述微电网覆盖范围内的历史负荷信息和预先设定的各模块的性能参数；

外层计算模块，用于将所述配电网各节点的历史负荷信息和电压信息，输入预先设定的外层配电网运行控制模型进行计算，得到各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线；

内层计算模块，用于将各所述微电网与配电网接入点的交换功率上下限及各所述微电网覆盖范围内的历史负荷信息和所述各模块的性能参数，输入预先设定的各内层微电网优化配置模型进行计算，得到各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线；

输出模块，用于将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较，确定各所述微电网各模块数量。

优选的，各模块，包括：

分布式电源模块、储能电池模块、逆变器模块；

所述分布式电源模块包括：风机模块和光伏模块；

所述逆变器模块包括：风机逆变器模块、光伏逆变器模块和储能电池逆变器模块。

优选的，各模块的性能参数，包括：

分布式电源模块参数、储能电池模块参数、逆变器模块参数；

所述分布式电源模块参数包括：额定功率、运行寿命、电压等级；

所述储能电池模块参数包括：额定容量、额定电压、最大充/放电电流、充/放电效率；

所述逆变器模块参数包括：额定功率、逆变效率、额定电压、最大输入电流。

优选的，一种微电网规划设计系统还包括：

内层微电网优化配置模型设定模块，用于设定各内层微电网优化配置模型；

外层配电网运行控制模型设定模块，用于设定外层配电网运行控制模型设定模块。

优选的，内层微电网优化配置模型设定模块，包括：

内层目标函数构建模块，用于基于各所述微电网内的各模块设置、各逆变器模块运行效率及各所述微电网与配电网接入点的交互功率，以各所述微电网内部能源的综合利用率最大化为目标，构建目标函数；

内层约束构建模块，用于设定内层微电网优化配置约束条件，构建内层微电网优化配置模型；

所述约束条件包括：模块数量约束、模块功率约束、储能电池充放电功率约束和储能电池荷电状态约束。

优选的，外层配电网运行控制模型设定模块，包括：

外层目标函数构建模块，用于基于配电网运行控制变量及各所述微电网与配电网交互功率，以配电网运行网损最小为目标，构建目标函数；

外层约束构建模块，用于设定外层配电网运行控制约束条件，构建外层配电网运行控制模型；

所述约束条件包括：支路有功约束、支路无功约束、支路端电压约束、支路电流约束、电压平方约束和电流平方约束。

优选的，输出模块，包括：

对比模块，用于将各所述微电网对应的第一最优功率曲线与第二最优功率曲线进行比较：

运算模块，用于当误差均在设定范围内时，基于第一次计算出的各所述微电网各模块数量对各所述微电网进行规划设计；否则对外层配电网运行控制模型进行计算出的各所述微电网与配电网接入点的交换功率上下限及第一最优功率曲线进行更新，将更新后的各所述微电网与配电网接入点的交换功率上下限输入预先设定的各内层微电网优化配置模型进行计算，得到更新的各所述微电网各模块数量及各所述微电网与配电网接入点的第二最优功率曲线，直到各所述微电网对应的第一最优功率曲线与第二最优功率曲线的误差均在设定范围内，结束比较，基于最后计算的各所述微电网各模块数量对各所述微电网进行规划设计。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。