一种应用于微电网的新能源储能方法及系统

技术领域

本发明涉及新能源储能技术领域，尤其涉及一种应用于微电网的新能源储能方法及系统。

背景技术

微电网是一种基于分布式能源资源的电力系统，可以在小范围内独立运行，通常由多个分布式能源资源（如太阳能光伏、风力发电、燃气发电等）和储能设备（如电池、超级电容器等）组成，通过电力电子设备实现能源的调度和管理，微电网的特点是能够自主供电，具有一定的自治性和可靠性。

新能源是指利用可再生能源或非传统能源来替代传统化石能源的能源形式，包括太阳能、风能、水能、地热能、生物能等。新能源具有可再生性、环保性及创新性等特点。新能源的发展受到全球能源转型和可持续发展的重视，许多国家和地区都在积极推动新能源的开发和利用，以减缓气候变化、提高能源安全和促进经济发展。

微电网结合新能源和储能技术，可以实现可持续的能源供应和管理，新能源资源如太阳能光伏和风力发电可以作为微电网的主要能源来源，而储能技术可以用来储存多余的能量并在需要时释放。储能技术在微电网中能够起到能量平衡、峰谷填平及储备电源的作用，通过微电网结合新能源和储能技术，可以实现能源的可持续利用和管理，促进能源转型和可持续发展。

目前现有的微电网新能源储能方法在使用时不能够考虑储能设备运行时的温控负荷，而不合理的温控负荷会对微电网带来不同程度的负载影响，一般来说，大功率的温控负荷变化对承载力影响较大，影响后续的使用。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

本发明为了解决上述问题，提出了一种应用于微电网的新能源储能方法及系统，实现储能最大化与微电网承载最优。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供了一种应用于微电网的新能源储能方法，该应用于微电网的新能源储能方法包括以下步骤：

S1、采集微电网的配电参数及历史运行过程中产生的储能数据与热力参数，并提取储能数据中与电池、变流器及飞轮相关的数据作为关联数据；

S2、基于热力参数建立优化模拟模型分析不同温控负荷下储能协同运行对微电网的影响，并根据模型分析结果选取最优温控负荷点；

S3、利用关联数据判断电池与飞轮之间的电能转换关系，并基于判断结果与最优温控负荷点建立虚拟储能模型；

S4、利用滤波器获得虚拟储能模型的实时模拟量，并根据实时模拟量对现有新能源储能方案进行实施调整。

优选的，基于热力参数建立优化模拟模型分析不同温控负荷下储能协同运行对微电网的影响，并根据模型分析结果选取最优温控负荷点包括以下步骤：

S21、获取包含环境温度、聚合热容量、聚合热阻量及变流器的热力参数，并根据热力参数建立储能热模型，描述储能运行时的热特性；

S22、根据热特性结果与微电网的特性参数结合决策算法构建优化决策模型，并输入不同温控分析储能工作运行时微电网承载力的变化；

S23、根据分析结果与承载力的变化判断对微电网产生的影响，获得各温控负荷条件下的影响指标；

S24、比较各温控负荷条件下的影响指标，选取最优温控负荷点作为储能工作时的温度阈值。

优选的，根据热特性结果与微电网的特性参数结合决策算法构建优化模拟模型，并输入不同温控分析储能工作运行时微电网承载力的变化包括以下步骤：

S221、根据热特性结果解析储能运行时的稳态温度，并根据微电网的特性参数解析微电网的承载力容量，将稳态温度与承载力容量组合为响应数据；

S222、根据响应参数在混合建模的框架下，建立响应参数模型，并根据模型的输出结果描述微电网的承载容量与稳态温度之间的关系；

S223、基于决策算法获得响应参数的估计值，并利用全局寻优算法进行全局寻优获得最优响应参数；

S224、基于最优参数建立以不同温控数据作为输入，微电网的承载力作为目标输出的优化模拟模型；

S225、对承载力输出结果进行归纳，并利用微电网的承载容量与稳态温度之间的关系描述微电网承载力的变化。

优选的，基于决策算法获得响应参数的估计值，并利用全局寻优算法进行全局寻优获得最优响应参数包括以下步骤：

S2231、构建响应参数的后验分布，并将后验分布通过分布变换生成决策算法的初始状态；

S2232、通过转移函数产生在决策算法内生成新的状态，并判断新的状态是否满足预设条件，若满足则接收转移状态，若不满足则拒绝转移状态；

S2233、根据新的转移状态利用决策算法生成均匀分布的响应参数估计值，并利用全局寻优算法求解估计值内的参数最优设置；

S2234、根据参数最优设置获得响应参数的最优值，生成最优相应参数。

优选的，利用关联数据判断电池与飞轮之间的电能转换关系，并基于判断结果与最优温控负荷点建立虚拟储能模型包括以下步骤：

S31、根据关联数据中电池、飞轮与变流器的运行数据，分析电池充放电参数与电能大小；

S32、分析飞轮转速的变化参数及储放动能大小，比较电池与飞轮的参数变化时序判断电能转换规律得到电能转换关系；

S33、根据电能转换关系获取判断结果，并利用判断结果与最优温控负荷点结合寻优算法进行虚拟储能模型的构建；

S34、预设电池、飞轮与变流器在运行时的数据参数输入至虚拟储能模型内，分析储能能力的变化，并将能力变化进行排序选取最优储能能力及对应的数据参数进行记录。

优选的，根据电能转换关系获取判断结果，并利用判断结果与最优温控负荷点结合寻优算法进行虚拟储能模型的构建包括以下步骤：

S331、获取电能转换关系的判断结果与最优温控负荷点，并预设判断结果与最优温控负荷点分别为寻优算法中的交汇点与节点；

S332、对交汇点与节点进行随机初始化，并通过优化策略选择交汇点；

S333、将节点按照优化策略选择交汇点进行随机游走，并设定随机游走的方向和距离由随机函数控制；

S334、根据随机游走的方向和距离选取最优交汇点并设定更新机制对节点进行更新，当节点位置更新完成后计算当前交汇点的适应度；

S335、若适应度优于节点则选取当前交汇点为最优虚拟值，若适应度次于节点则继续重复步骤S333至步骤S334，将最优虚拟值作为模型的输入，储能能力为输出完成虚拟储能的构建。

优选的，更新机制的表达式为：

；

式中，

优选的，预设电池、飞轮与变流器在运行时的数据参数输入至虚拟储能模型内，分析储能能力的变化，并将能力变化进行排序选取最优储能能力及对应的数据参数进行记录包括以下步骤：

S341、查阅电池、飞轮与变流器设备的生产手册了解其额定参数范围，并假设正常储能情况下的稳态运行参数与极端情况下的临界参数；

S342、根据额定参数、稳态运行参数与临界参数为参考范围预设运行时各设备的参数集，并输入至虚拟储能模型内输出储能结果；

S343、利用拓扑排序生成储能结果初始的能力变化数据排序得到优先矩阵，并选取优先矩阵内能力变化最高的数据作为优先矩阵的顶值；

S344、选取优先矩阵内电池、飞轮与变流器设备的预设数据值判断其生成的储能结果是否对应为顶值；

S345、若对应则设定为最优储能能力，进行对应的数据参数进行记录，若不对应则重复步骤S343与步骤S344，直至结果对应。

优选的，利用滤波器获得虚拟储能模型的实时模拟量，并根据实时模拟量对现有新能源储能方案进行实施调整包括以下步骤：

S41、在虚拟储能模型内增加滤波功能，设置滤波器的采集参数与滤波功能连接；

S42、虚拟模型将运行时产生的数据经由滤波功能传输至滤波器，滤波器收集实时模拟量；

S43、滤波器根据实时模拟量识别储能工作时最优的温控负荷点、电池的电能大小及飞轮的转速组成调整集；

S44、获取现有储能方案储能过程中的温控点、电池的电能大小及飞轮的转速，并按照调整集内的各类参数实施调整，实现储能过程中储能最大化及提高微电网承载力的目的。

第二方面，本发明还提供了一种应用于微电网的新能源储能系统，该应用于微电网的新能源储能系统包括采集提取模块、分析选取模块、转换判断模块及调整实施模块；

其中，采集提取模块与分析选取模块连接，分析选取模块与转换判断模块连接，转换判断模块与调整实施模块连接；

采集提取模块，用于采集微电网的配电参数及历史运行过程中产生的储能数据与热力参数，并提取储能数据中与电池、变流器及飞轮相关的数据作为关联数据；

分析选取模块，用于基于热力参数建立优化模拟模型分析不同温控负荷下储能协同运行对微电网的影响，并根据模型分析结果选取最优温控负荷点；

转换判断模块，用于利用关联数据判断电池与飞轮之间的电能转换关系，并基于判断结果与最优温控负荷点建立虚拟储能模型；

调整实施模块，用于利用滤波器获得虚拟储能模型的实时模拟量，并根据实时模拟量对现有新能源储能方案进行实施调整。

本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、本发明通过热力参数建立优化模拟模型，进而分析不同温控负荷下储能协同运行对微电网的影响使得能够，以实现最优温控负荷下保证微电网承载力的目的，更好地预测和控制微电网的负荷，从而提高微电网的运行效率和稳定性，同时通过寻找最优电池电能和飞轮转速以实现最大化储能，从而提高整个系统的储能效率，实现新能源储能能力的最大化，为可持续能源发展提供强大的支持，保证储能最大化与微电网承载最优，从而提高微电网的稳定运行能力和新能源利用率。

2、本发明通过热力参数准确描述储能运行时的热特性，并建立优化决策模型输入不同温控分析储能工作运行时微电网承载力的变化，进而能够优化微电网的运行，提高微电网的承载力，最终选取最优温控负荷点作为储能工作时的温度阈值，可以提高储能设备的运行效率，从而能够有利于提升微电网的性能和效率，降低运营成本，确保设备的运行安全。

3、本发明利用关联数据精确分析电池与飞轮的运行数据，寻找电能转换的最优规律，提高储能设备的运行效率，并利用寻优算法找寻运行的最优电池与飞轮的运行参数，实现在保证储能效率的前提下实现储能能力的最大化，提高微电网的使用时长。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是根据本发明实施例的一种应用于微电网的新能源储能方法的流程图；

图2是根据本发明实施例的一种应用于微电网的新能源储能系统的原理框图。

图中：

1、采集提取模块；2、分析选取模块；3、转换判断模块；4、调整实施模块。

具体实施方式

下面结合附图与实施例对本发明做进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

请参阅图1，本发明提供了一种应用于微电网的新能源储能方法，该应用于微电网的新能源储能方法包括以下步骤：

S1、采集微电网的配电参数及历史运行过程中产生的储能数据与热力参数，并提取储能数据中与电池、变流器及飞轮相关的数据作为关联数据。

在本实施例中，采集微电网的配电参数及历史运行过程中产生的储能数据与热力参数，并提取储能数据中与电池、变流器及飞轮相关的数据作为关联数据包括以下步骤：

收集和记录微电网关键配电设备（如变压器、线路等）的电气参数，包括容量、电压等，并收集和记录微电网负载设备的热力参数。

从微电网能源管理系统或监测设备中提取历史运行过程中的实时负载数据，并从储能管理系统中提取电池组、变流器和飞轮的实时运行数据。

根据储能设备运行控制策略，提取其与微电网负载匹配度相关的控制指标数据，将采集和提取到的相关参数整理保存，构建微电网和储能系统运行的数据库支撑。

S2、基于热力参数建立优化模拟模型分析不同温控负荷下储能协同运行对微电网的影响，并根据模型分析结果选取最优温控负荷点。

在本实施例中，基于热力参数建立优化模拟模型分析不同温控负荷下储能协同运行对微电网的影响，并根据模型分析结果选取最优温控负荷点包括以下步骤：

S21、获取包含环境温度、聚合热容量、聚合热阻量及变流器的热力参数，并根据热力参数建立储能热模型，描述储能运行时的热特性。

S22、根据热特性结果与微电网的特性参数结合决策算法构建优化决策模型，并输入不同温控分析储能工作运行时微电网承载力的变化。

需要说明的是，本发明涉及到的决策算法可选用马尔科夫链蒙特卡洛算法，马尔科夫链蒙特卡洛算法是一种用于采样概率分布的算法，主要的马尔科夫链蒙特卡洛算法包括：随机游走蒙特卡洛、贝叶斯蒙特卡洛、吉布斯采样。

具体的，根据热特性结果与微电网的特性参数结合决策算法构建优化模拟模型，并输入不同温控分析储能工作运行时微电网承载力的变化包括以下步骤：

S221、根据热特性结果解析储能运行时的稳态温度，并根据微电网的特性参数解析微电网的承载力容量，将稳态温度与承载力容量组合为响应数据。

S222、根据响应参数在混合建模的框架下，建立响应参数模型，并根据模型的输出结果描述微电网的承载容量与稳态温度之间的关系。

S223、基于决策算法获得响应参数的估计值，并利用全局寻优算法进行全局寻优获得最优响应参数。

需要说明的是，本发明涉及到的全局寻优算法可选用遗传混合算法，遗传混合算法是一种混合遗传算法和优化算法的优化方法，其主要是基于遗传算法的基本框架，采用种群进化的思想来解决问题，在遗传算子的选择、交叉和变异中，结合其他优化算法，如模拟退火算法、粒子群算法等。

其中，基于决策算法获得响应参数的估计值，并利用全局寻优算法进行全局寻优获得最优响应参数包括以下步骤：

S2231、构建响应参数的后验分布，并将后验分布通过分布变换生成决策算法的初始状态；

S2232、通过转移函数产生在决策算法内生成新的状态，并判断新的状态是否满足预设条件，若满足则接收转移状态，若不满足则拒绝转移状态；

S2233、根据新的转移状态利用决策算法生成均匀分布的响应参数估计值，并利用全局寻优算法求解估计值内的参数最优设置；

S2234、根据参数最优设置获得响应参数的最优值，生成最优相应参数。

S224、基于最优参数建立以不同温控数据作为输入，微电网的承载力作为目标输出的优化模拟模型。

S225、对承载力输出结果进行归纳，并利用微电网的承载容量与稳态温度之间的关系描述微电网承载力的变化。

S23、根据分析结果与承载力的变化判断对微电网产生的影响，获得各温控负荷条件下的影响指标。

具体的，根据分析结果与承载力的变化判断对微电网产生的影响，获得各温控负荷条件下的影响指标包括以下步骤：

定义不同类型和规模温控负荷的工作条件，并建立微电网运行模型，根据温控负荷条件在运行模型中分别设置不同负载模式，对每个负载模式使用电网分析软件或者自定义程序进行仿真分析。

在仿真过程中监测和记录电压质量、线损变化、负荷满足率等指标，分别对比不同负载模式下各项指标与基准状态的变化幅，根据指标变化程度，对比不同规模负荷对微电网影响的轻重缓急。

选择电压质量下降率、最大负载满足率下降幅度等，作为影响评判标准，将各负载模式下的影响指标进行分类、统计，得到对微电网产生的影响，分析比较总结各负载类型对微电网影响的特征规律。

S24、比较各温控负荷条件下的影响指标，选取最优温控负荷点作为储能工作时的温度阈值。

具体的，比较各温控负荷条件下的影响指标，选取最优温控负荷点作为储能工作时的温度阈值包括以下步骤：

根据分析结果对各温控负荷模式下影响指标进行详细对比分析，选择影响程度较大的关键指标，如电压质量下降率、最大负载满足率下降幅度等，对比分析各负荷模式下关键指标的值，排除影响明显大于阈值的模式。

对剩余模式进行综合评价，给予每个模式对应的得分或等级，考虑储能系统的安全、效率等因素设置约束条件，从符合约束条件的模式中，选择得分最高或等级最高的模式，将该模式下温控负荷对应的温度范围，设定为储能运行时的温度阈值。

验证储能在这一温度范围内工作对微电网影响是否满足要求，如有必要，通过优化微调温度阈值范围，确保储能工作处于最优条件，将温度阈值写入储能管理系统。

综上，本发明通过热力参数准确描述储能运行时的热特性，并建立优化决策模型输入不同温控分析储能工作运行时微电网承载力的变化，进而能够优化微电网的运行，提高微电网的承载力，最终选取最优温控负荷点作为储能工作时的温度阈值，可以提高储能设备的运行效率。

S3、利用关联数据判断电池与飞轮之间的电能转换关系，并基于判断结果与最优温控负荷点建立虚拟储能模型。

在本实施例中，利用关联数据判断电池与飞轮之间的电能转换关系，并基于判断结果与最优温控负荷点建立虚拟储能模型包括以下步骤：

S31、根据关联数据中电池、飞轮与变流器的运行数据，分析电池充放电参数与电能大小。

具体的，根据关联数据中电池、飞轮与变流器的运行数据，分析电池充放电参数与电能大小包括以下步骤：

收集和整理电池、飞轮与变流器的运行数据，包括电压、电流、电容量及转速等参数，根据上述数据统计电池充放电周期的起止时间、充电深度、充电功率等参数。

计算每个充放电周期中电池吸收或释放的电能，将电池充放电周期根据电能大小进行分组，对每个电能分析影响电池电能大小的因素，如充电深度、充电功率等。

建立电能大小与飞轮转速之间的回归或相关分析模型，判断影响电池电能大小的主要技术参数，根据分析结果得到影响电池充放电电量的技术参数优化方向，重复上述步骤分析飞轮和变流器运行数据，得出影响能量存储大小的相关结论。

S32、分析飞轮转速的变化参数及储放动能大小，比较电池与飞轮的参数变化时序判断电能转换规律得到电能转换关系。

具体的，分析飞轮转速的变化参数及储放动能大小，比较电池与飞轮的参数变化时序判断电能转换规律得到电能转换关系包括以下步骤：

收集飞轮转速数据及电池的电池充放电电流，并对飞轮转速的变化进行时序分析，获得飞轮的转动能量，对电池的充放电数据进行时序分析，观察电流和电压的变化趋势。

根据电流和电压的变化，计算每个时刻电池的充电或放电能量，对比飞轮和电池的能量变化时序，寻找关联性得到电能转换关系。

通过以上步骤，得到飞轮转速和电池充放电能量之间的关系，从而揭示电能在飞轮和电池之间的转换规律，这对于优化能量系统的设计和控制具有重要意义。

S33、根据电能转换关系获取判断结果，并利用判断结果与最优温控负荷点结合寻优算法进行虚拟储能模型的构建。

需要说明的是，本发明涉及到的寻优算法可选用蚁狮算法，蚁狮算法是一种模拟自然界中蚁狮行为的优化算法，用于解决多变量优化问题，蚁狮算法的主要特点是模拟了蚁狮的觅食行为，通过狮子和蚂蚁的相互作用来实现全局和局部搜索的平衡，它适用于连续优化问题，具有较好的全局搜索和局部优化能力。

具体的，根据电能转换关系获取判断结果，并利用判断结果与最优温控负荷点结合寻优算法进行虚拟储能模型的构建包括以下步骤：

S331、获取电能转换关系的判断结果与最优温控负荷点，并预设判断结果与最优温控负荷点分别为寻优算法中的交汇点与节点；

S332、对交汇点与节点进行随机初始化，并通过优化策略选择交汇点；

S333、将节点按照优化策略选择交汇点进行随机游走，并设定随机游走的方向和距离由随机函数控制；

S334、根据随机游走的方向和距离选取最优交汇点并设定更新机制对节点进行更新，当节点位置更新完成后计算当前交汇点的适应度；

S335、若适应度优于节点则选取当前交汇点为最优虚拟值，若适应度次于节点则继续重复步骤S333至步骤S334，将最优虚拟值作为模型的输入，储能能力为输出完成虚拟储能的构建。

其中，更新机制的表达式为：

；

式中，

S34、预设电池、飞轮与变流器在运行时的数据参数输入至虚拟储能模型内，分析储能能力的变化，并将能力变化进行排序选取最优储能能力及对应的数据参数进行记录。

具体的，预设电池、飞轮与变流器在运行时的数据参数输入至虚拟储能模型内，分析储能能力的变化，并将能力变化进行排序选取最优储能能力及对应的数据参数进行记录包括以下步骤：

S341、查阅电池、飞轮与变流器设备的生产手册了解其额定参数范围，并假设正常储能情况下的稳态运行参数与极端情况下的临界参数；

S342、根据额定参数、稳态运行参数与临界参数为参考范围预设运行时各设备的参数集，并输入至虚拟储能模型内输出储能结果；

S343、利用拓扑排序生成储能结果初始的能力变化数据排序得到优先矩阵，并选取优先矩阵内能力变化最高的数据作为优先矩阵的顶值；

S344、选取优先矩阵内电池、飞轮与变流器设备的预设数据值判断其生成的储能结果是否对应为顶值；

S345、若对应则设定为最优储能能力，进行对应的数据参数进行记录，若不对应则重复步骤S343与步骤S344，直至结果对应。

S4、利用滤波器获得虚拟储能模型的实时模拟量，并根据实时模拟量对现有新能源储能方案进行实施调整。

在本实施例中，利用滤波器获得虚拟储能模型的实时模拟量，并根据实时模拟量对现有新能源储能方案进行实施调整包括以下步骤：

S41、在虚拟储能模型内增加滤波功能，设置滤波器的采集参数与滤波功能连接。

具体的，在虚拟储能模型内增加滤波功能，设置滤波器的采集参数与滤波功能连接包括以下步骤：

确定需要滤波的数据类型，包括电池电压、飞轮转速，选择合适的滤波器类型和参数，常见的滤波器有低通滤波器、高通滤波器、带通滤波器等，设置滤波器的采集参数，包括采样频率、滤波器阶数、截止频率等。

将需要滤波的信号或数据输入到滤波器中，将滤波后的信号连接到虚拟储能模型中的相应部分。

S42、虚拟模型将运行时产生的数据经由滤波功能传输至滤波器，滤波器收集实时模拟量。

具体的，虚拟模型将运行时产生的数据经由滤波功能传输至滤波器，滤波器收集实时模拟量包括：

在虚拟模型中，将实时模拟量数据传输至滤波功能，滤波功能接收实时模拟量数据，并进行滤波处理，滤波器收集滤波后的数据，存储至内存中或利用其他方式进行存储，虚拟模型可以根据需要使用滤波后的数据进行计算、分析或其他操作。

在这个过程中，滤波功能可以帮助去除实时模拟量数据中的噪声或干扰，从而提高数据的质量和准确性，滤波器可以按照实时或离线的方式对数据进行滤波处理，根据特定的滤波算法和参数，得到滤波后的数据，进而虚拟模型就可以使用滤波后的数据，以更准确、可靠的方式进行模拟和分析。

S43、滤波器根据实时模拟量识别储能工作时最优的温控负荷点、电池的电能大小及飞轮的转速组成调整集。

S44、获取现有储能方案储能过程中的温控点、电池的电能大小及飞轮的转速，并按照调整集内的各类参数实施调整，实现储能过程中储能最大化及提高微电网承载力的目的。

请参阅图2，本发明还提供了一种应用于微电网的新能源储能系统，该应用于微电网的新能源储能系统包括采集提取模块1、分析选取模块2、转换判断模块3及调整实施模块4；

其中，采集提取模块1与分析选取模块2连接，分析选取模块2与转换判断模块3连接，转换判断模块3与调整实施模块4连接；

采集提取模块1，用于采集微电网的配电参数及历史运行过程中产生的储能数据与热力参数，并提取储能数据中与电池、变流器及飞轮相关的数据作为关联数据；

分析选取模块2，用于基于热力参数建立优化模拟模型分析不同温控负荷下储能协同运行对微电网的影响，并根据模型分析结果选取最优温控负荷点；

转换判断模块3，用于利用关联数据判断电池与飞轮之间的电能转换关系，并基于判断结果与最优温控负荷点建立虚拟储能模型；

调整实施模块4，用于利用滤波器获得虚拟储能模型的实时模拟量，并根据实时模拟量对现有新能源储能方案进行实施调整。

综上所述，借助于本发明的上述技术方案，本发明通过热力参数建立优化模拟模型，进而分析不同温控负荷下储能协同运行对微电网的影响使得能够，以实现最优温控负荷下保证微电网承载力的目的，更好地预测和控制微电网的负荷，从而提高微电网的运行效率和稳定性，同时通过寻找最优电池电能和飞轮转速以实现最大化储能，从而提高整个系统的储能效率，实现新能源储能能力的最大化，为可持续能源发展提供强大的支持，保证储能最大化与微电网承载最优，从而提高微电网的稳定运行能力和新能源利用率。本发明通过热力参数准确描述储能运行时的热特性，并建立优化决策模型输入不同温控分析储能工作运行时微电网承载力的变化，进而能够优化微电网的运行，提高微电网的承载力，最终选取最优温控负荷点作为储能工作时的温度阈值，可以提高储能设备的运行效率，从而能够有利于提升微电网的性能和效率，降低运营成本，确保设备的运行安全。本发明利用关联数据精确分析电池与飞轮的运行数据，寻找电能转换的最优规律，提高储能设备的运行效率，并利用寻优算法找寻运行的最优电池与飞轮的运行参数，实现在保证储能效率的前提下实现储能能力的最大化，提高微电网的使用时长。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。