别为 a = (0· 9-A)*E随=70% Eniax, b = (0· 9-B)*E咖=50% Eniax, c = (0· 9-C)*E咖=30% Emax，d= (0. 9-D)*Emax= 10%Emax。Emax表示储能系统最大电量。表1所示的可放电量的取 值范围，也可以依据上述方法计算。
[0081] 步骤2. 3、确定各充放电量区间储能模糊修正参数。
[0082] 根据荷电状态值，设置t时刻储能修正系数|xt，Ixt为三角模糊数，根据不同区 间服从的三角模糊数不同，各区间Ixt设置如下：
[0083] 充电过程5个荷电状态区间相对应ξ xt为：（0, a-a' a) ; (0, b-b' b) ; (0, c-c' c); (0, d-cf，d) ;0,放电过程5个荷电状态区间相对应ξ xt为：0 ; (0, d-d ^ d) ; (0, c-夂c); ((U-b'b) ;其中为设置三角模糊数时所确定的参数，在算例仿真 中，为了更加清楚的表不当如时刻的荷电状态，并能表不〇到1的直接所有可能的荷电状态 值，因此选取 a*= 0· 3, b *= 0· 25, C *= 0· 1，(T= 0· 05。
[0084] 步骤2. 4、依次获得各时段储能系统充放电功率与荷电状态。
[0085] 根据t-Ι秒的S0C,确定SOC(t-l)所属荷电状态区间范围，进而确定其对应所 满足的三角模糊数区间，随机选择ξ xt具体数值作为修正系数，则储能系统的修正功率为 ，储能功率为
，根据t时刻的储能系统功率Pxt可确定出当前t时刻 储能SOC (t)，然后根据SOC (t)确定Px(t+1)，从而依次求出各时段储能系统的功率和荷电状 态值。
[0086] 步骤3、通过遗传优化算法确定储能系统充放电量。
[0087] 具体计算流程如下：
[0088] 步骤3. 1、获得新能源发电目标功率，储能功率，能量型储能系统、功率型储能系统 参考功率及最大值。
[0089] 另每个新能源发电随机变量服从对数正态分布，通过随机模拟得出新能源发电数 据，根据式
获得目标功率，通过式4=4-$获得储能功 率，另η = 0. 4, PBraft= Pwt*rV(n+l)，Puraft= Pst-PBrafAv别得出能量型、功率型储能系统参考 功率，以及能量型、功率型储能系统最大功率值PB__ = max (IP Braft I)，Pu niax = max (IP Uraft I)。 [0090] 步骤3. 2、初始化能量型储能系统额定功率，功率型储能系统额定功率，能量型储 能系统额定容量，功率型储能系统额定容量，定义整数P〇P_siZe作为染色体个数的方法， 根据式（7)-(10)获得：
[0095] 其中λ Β1，λ B2表示能量型储能系统额定功率取值上下限区间系数，λ m,，λ U2表示 功率型储能系统额定功率取值上下限区间系数，μ B1，μ B2表示能量型储能系统额定容量取 值上下限区间系数，μ _ μ U2为功率型储能系统额定容量取值上下限区间系数。为尽可能 满足约束条件，通过多次试验确定λΒ1= 2，λ B2= 3，λ m= 3，λ U2= 4，μ B1= 1100，μ B2=1375，Uui= 579，μ U2= 618〇
[0096] 步骤3. 3、结合控制策略求出能量型储能系统与功率型储能系统实际充放电功率 及荷电状态，设定目标。
[0098] 对梯形模糊变量ξ = (a，b，c，d)，其置信水平函数由下式定义：
[0100] 设定能量型储能单位额定功率费Spb和功率型储能单位额定功率费Spu服从梯形模 糊数U1, t2, t3, t4)和（tnt22, t33, t44)，能量型储能单位额定容量费Seb和功率型储能单位额 定容量费Seu服从梯形模糊数（s i，s2, s3, S4)和（sn，s22, s33, S44)，而模糊参数具体数值则要 通过在满足约束条件的情况下反复进行仿真总结规律来确定，在算例中确定U1, t2, t3, t4) 和（tnt22，t33，t44)分别为（300,330,370,400)，（400,430,470,500)，（ Sl，s2，s3，s4)和 (sn，s22, s33, s44)分别设定为（3500, 3620, 3780, 3900)和（280, 316, 364, 400)时能够使得约 束条件合理满足并且算法可以稳定收敛。
[0101] 新能源发电波动率期望
[0102] 能量型储能系统波动率期望：
[0103] 步骤3. 4、评估，对于模型中的目标，分别赋予权重：0. 4, 0. 4, 0. 2,对pop_size个 染色体分别求出目标值，通过对目标值降序进行排列评估函数为：
[0104] eval (i) = a(l_a)1 \ i = 1，2,…，pop_size a G (〇, 1) ; (13)
[0105] 步骤3· 5、选择，利用轮盘赌的方法选择染色体，首先计算·
其次，生成随机数r e [0, 1]，如果qi< r彡q i+1，选择第i个染色体，重复以上过程ρορ_ size次，得到pop_size个染色体；
[0106] 步骤3. 6、交叉，定义p。作为交叉概率，将染色体分为成对染色体，对染色体中的每 一个基因进行判断，如果随机生成的数r e [0, 1]，如果r < p。，则进行交叉；
[0107] 步骤3. 7、变异，定义Pni作为变异概率，在变异过程中我们重复p〇p_siZe，随机生 成数r e [0, 1]，如果r彡Ρηι，则进行变异；
[0108] 步骤3. 8确定出使得目标函数取得最小值时的染色体，进而获得超级电容与电池 的额定功率以及额定容量。
[0109] 针对本发明专利中提出的方法，储能荷电状态及可充放电量的具体划分区间可按 照下述方法具体实现。例如，能量型储能系统以电池为例，功率型储能系统以超级电容为 例，具体的荷电状态、电量及模糊修正参数等，可按照如下表1所示的方式，在本专利实际 实施过程中，进行各区间的划分。
[0110] 表1储能系统充放电控制策略
[0111]
[01?2?~~最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制/尽 管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：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，而未脱离本发明精神和范围的任何 修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
【主权项】
1. 一种基于机会约束模型的多类型储能系统容量优化配置方法，其特征在于，所述方 法包括如下步骤： (1) 考虑新能源发电随机性建立熵-机会约束数据模型； (2) 基于模型模拟建立储能系统充放电控制策略； (3) 通过遗传优化算法确定储能系统充放电电量。2. 根据权利要求1所述优化配置方法，其特征在于，所述步骤（1)中，包括如下步骤 步骤1-1、建立以最小化混合储能系统的配置费用，最小化新能源发电波动率的期望， 最小化储能系统功率波动的期望为目标的函数，如下式：式中Cinf(Ci)表示约束条件以一定的置信水平成立的前提下，极小化目标函数 的悲观值，（；为目标函数的悲观值，本模型中则表示在a置信水平下，满足总成本约 束情况下，C为最小化混合储能系统的配置费用；当X=B时表示能量型储能系统， X=U时表示功率型储能系统；与F3c为决策变量，分别指储能系统的额定功率