一种储能控制方法、装置及微网与流程

1.本发明实施例涉及并网储能技术领域，尤其涉及一种储能控制方法、装置及微网。


背景技术：

2.随着新能源的大规模发展，包含储能系统的多种新能源的组合互补是必然趋势。微网中，储能控制是最为关键的环节，当储能放电功率过大时，容易出现储能系统输出的电能并入电网的现象，即逆流现象；当储能充电功率过大时，容易出现变压器过载的现象。现有技术是在逆流、过载现象发生后，对逆流、过载进行挽回，而无法预防逆流、过载现象的发生。


技术实现要素：

3.本发明提供了一种储能控制方法、装置及微网，以解决微网系统无法提前预防发生逆流、过载现象的问题。
4.根据本发明的一方面，提供了一种储能控制方法，包括：
5.根据负荷数据构建负荷时间序列；
6.采用预测模型对所述负荷时间序列进行预测，得到下一时刻的负荷功率预测边界值；
7.采用功率业务算法对实时负荷数据进行计算，得到储能业务目标功率；
8.根据所述负荷功率预测边界值、当前时刻的负荷数据和变压器的参数，计算储能充放电目标功率的边界值；
9.根据所述储能充放电目标功率的边界值对所述储能业务目标功率进行边界修正，得到储能目标功率。
10.可选的，所述储能充放电目标功率的边界值的计算方法包括：
11.根据所述当前负荷数据和所述变压器的参数，计算当前储能充放电功率的边界值；
12.根据所述负荷功率预测边界值和所述变压器的参数，计算预测储能充放电功率的边界值；
13.根据所述当前储能充放电功率的边界值和所述预测储能充放电功率的边界值，计算所述储能充放电目标功率的边界值。
14.可选的，所述当前储能充放电功率的边界值包括：当前储能充电功率的边界值和当前储能放电功率的边界值；其中，所述当前储能充电功率的边界值结合防过载阈值进行计算；所述当前储能放电功率的边界值结合防逆流阈值进行计算；
15.所述预测储能充放电功率的边界值包括：预测储能充电功率的边界值和预测储能放电功率的边界值；其中，所述预测储能充电功率的边界值结合防过载阈值进行计算；所述预测储能放电功率的边界值结合防逆流阈值进行计算；
16.所述储能充放电目标功率的边界值包括：储能充电目标功率的边界值和储能放电
目标功率的边界值；其中，所述储能充电目标功率的边界值由所述当前储能充电功率的边界值和所述预测储能充电功率的边界值计算得到；所述储能放电目标功率的边界值由所述当前储能放电功率的边界值和所述预测储能放电功率的边界值计算得到。
17.可选的，所述储能目标功率的计算方法包括：
18.根据所述储能业务目标功率对储能充放电情况进行判断；
19.若储能充电，则根据所述储能业务目标功率和所述储能充电目标功率的边界值计算所述储能目标功率；
20.若储能放电，则根据所述储能业务目标功率和所述储能放电目标功率的边界值计算所述储能目标功率。
21.可选的，所述负荷数据包括除储能系统外的其他系统的负荷数据；
22.所述除储能系统外的其他系统的负荷数据包括：光伏系统的负荷数据、风电系统的负荷数据、用电设备的负荷数据。
23.可选的，所述负荷功率预测边界值的预测方法包括：
24.采用所述预测模型对所述负荷时间序列进行预测，得到下一时刻的负荷功率预测值；
25.设定置信区间，根据所述置信区间和所述负荷功率预测值得到所述负荷功率预测边界值。
26.可选的，该储能控制方法，还包括：
27.在满足预设条件时，更新所述预测模型。
28.可选的，所述预测模型为arima负荷预测模型。
29.可选的，采用所述arima负荷预测模型进行预测的方法包括：
30.设置自回归项、差分次数和移动平均次数的限值；
31.进行平稳性自动检验，确定所述差分次数的值；
32.以统计模型信息准则最小值为目标，寻优确定所述自回归项和所述移动平均次数的值；
33.根据所述自回归项、所述差分次数和所述移动平均次数，对下一时刻的所述负荷功率预测值及其边界值进行预测。
34.根据本发明的另一方面，提供了一种储能控制装置，该装置包括：
35.时间序列构建模块，用于根据负荷数据构建负荷时间序列；
36.负荷预测模块，用于采用预测模型对所述负荷时间序列进行预测，得到下一时刻的负荷功率预测边界值；
37.业务功率计算模块，用于采用功率业务算法对实时负荷数据进行计算，得到储能业务目标功率；
38.预测边界计算模块，用于根据所述负荷功率预测边界值、当前时刻的负荷数据和变压器的参数，计算储能充放电目标功率的边界值；
39.修正模块，用于根据所述储能充放电目标功率的边界值对所述储能业务目标功率进行边界修正，得到储能目标功率。
40.根据本发明的另一方面，提供了一种微网，该微网包括：负荷系统、储能系统和控制系统；
41.所述控制系统执行如第一方面所述的储能控制方法。
42.本发明实施例的技术方案根据负荷数据构建负荷时间序列；采用预测模型对负荷时间序列进行预测，得到下一时刻的负荷功率预测边界值；采用功率业务算法对实时负荷数据进行计算，得到储能业务目标功率；根据负荷功率预测边界值、当前时刻的负荷数据和变压器的参数，计算储能充放电目标功率的边界值；根据储能充放电目标功率的边界值对储能业务目标功率进行边界修正，得到储能目标功率。采用预测模型实现了根据负荷数据对下一时刻的负荷功率进行预测，预测精度较高，从而控制储能系统保持适当的储能充放电功率，有效预防了逆流、过载现象，大大降低了电网系统被动挽回的次数。
附图说明
43.图1是根据本发明实施例提供的一种微网的电气结构示意图；
44.图2是根据本发明实施例提供的一种储能控制方法的流程图；
45.图3是根据本发明实施例提供的又一种储能控制方法的流程图；
46.图4是根据本发明实施例提供的又一种储能控制方法的流程图；
47.图5是根据本发明实施例提供的又一种储能控制方法的流程图；
48.图6是根据本发明实施例提供的一种采用arima负荷预测模型的预测方法的流程图；
49.图7是根据本发明实施例提供的一种储能控制装置的结构示意图；
50.图8是根据本发明实施例提供的又一种储能控制装置的结构示意图。
具体实施方式
51.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
52.本发明实施例提供了一种储能控制方法、装置及微网，为了便于理解本发明实施例所提供的储能控制方法，首先对应用该储能控制方法的微网的电气结构进行说明。
53.图1是本发明实施例提供的一种微网的电气结构示意图。如图1所示，该微网包括：负荷系统、储能系统20和控制系统30。其中，控制系统30用于执行本发明任意实施例所提供的储能控制方法，该储能控制方法将在后续实施例中进行解释。
54.示例性地，变压器41连接于电网的母线50中，在变压器41和母线50上设置有公共连接点421(point of common coupling，pcc点)。微网的负荷系统包括用电设备(图1中未示出)、光伏系统43和其他分布式能源系统44。在变压器41和光伏系统43之间设置有光伏点422，变压器41和储能系统20之间设置有储能点423。示例性地，其他分布式能源系统44可以包括风电系统等。
55.控制系统30与光伏点422之间、与光伏系统43之间、与其他分布式能源系统44之间、与储能点432之间以及与储能系统20之间均连接有通信线51。控制系统30可通过通信线51向光伏点422、光伏系统43、其他分布式能源系统44、储能点432以及储能系统20输出控制信号，并且控制系统30也可通过通信线51采集相关数据。
56.公共连接点421、光伏点422以及储能点423均设置有计量装置，例如：计量电表等，
计量装置用于测量所连接的设备相应的负荷数据等。
57.该微网结构中的控制系统30用于执行储能控制方法，通过执行储能控制方法，可有效预防并网储能系统出现逆流、过载的现象。以下实施例将对控制系统30执行的储能控制方法进行具体说明。
58.本发明实施例提供一种储能控制方法。图2是本发明实施例提供的一种储能控制方法的流程图。如图2所示，该储能控制方法，包括：
59.s110、根据负荷数据构建负荷时间序列。
60.具体地，负荷数据是微网中除储能系统功率以外负荷系统所产生的所有负荷需要储能系统充放电的数据。示例性地，负荷数据包括除储能系统外的其他系统的负荷数据。除储能系统外的其他系统的负荷数据包括：光伏系统的负荷数据、风电系统的负荷数据、用电设备的负荷数据。其中，光伏系统和风电系统发出电能，负荷数据消耗电能，通过计算负荷数据与光伏系统、风电系统发电数据以及母线供电数据的差值，即得到需要储能系统充放电的数据。
61.示例性地，在构建负荷时间序列之前，还包括对负荷数据中的死值处理和/或异常值处理，筛选剔除死值和/或异常值。其中，死值是数值为零的数据，或者未采集到数值的数据；异常值可以是数据采集过程中，出现异常波动的数值。将死值和/或异常值剔除，避免死值和/或异常值影响最终结果的有效性。
62.通过按一定的时间间隔采集当前以及历史的负荷数据，并根据获取的负荷数据构建负荷时间序列，即负荷时间序列是根据按照一定时间间隔采集的负荷数据形成的有序集合。负荷时间序列为之后的预测与计算提供负荷数据的历史数据。
63.s120、采用预测模型对负荷时间序列进行预测，得到下一时刻的负荷功率预测边界值。
64.具体地，预测模型可以是对数据集合进行预测计算的方法，本发明对预测模型的类型不做限定。示例性地，对于负荷时间序列的预测，预测模型为arima负荷预测模型。arima负荷预测模型也可称为自回归移动平均模型(autoregressive integrated moving average model，arima)。在本实施例中，arima负荷预测模型通过将需预测的负荷数据随时间推移而形成的负荷时间序列作为一个随机序列，并用数学模型近似描述负荷时间序列。在模型被识别后，即可根据负荷数据的过去值以及当前值，预测下一时刻的负荷功率值，进而根据下一时刻的负荷功率值得到下一时刻的负荷功率预测边界值。其中，负荷功率预测边界值包括负荷功率预测上边界值与负荷功率预测下边界值。负荷功率预测上边界值与负荷功率预测下边界值构成了预测负荷功率值可能出现的范围。
65.s130、采用功率业务算法对实时负荷数据进行计算，得到储能业务目标功率。
66.具体地，功率业务算法是在实际情况中对微网运行的整体经济性进行考虑后，计算负荷功率采用的方法，以保证微网正常运转产生的费用尽可能低。示例性地，以电网系统中的削峰填谷原则为例，在用电高峰期，电价较高，通过功率业务算法对实时负荷数据计算，在保证微网能够正常运转的情况下，可降低非必需的用电设备的运行功率，或者设置非必需的用电设备停止运行；而在用电低谷期，电价较低，采用功率业务算法计算实时负荷数据，可使所有用电设备正常运行，从而降低整体的负荷费用。
67.储能业务目标功率是采用功率业务算法计算得到的储能系统功率，可尽可能降低
负荷费用。然而该算法可能导致出现逆流或过载的现象。
68.s140、根据负荷功率预测边界值、当前时刻的负荷数据和变压器的参数，计算储能充放电目标功率的边界值。
69.具体地，储能充放电目标功率包括储能充电目标功率和储能放电目标功率。储能充电目标功率加上满足负荷系统中的全部负荷功率，是电网提供的功率。在对储能系统进行充电时，电网提供的功率较大，因此，需要结合变压器的参数设定储能充电目标功率，以避免变压器发生过载现象。
70.储能放电目标功率是当电网提供的电能不足以满足负荷系统中的用电设备所需电能时，储能系统会将存储的电能输出至用电设备，满足用电设备的需求。此时，储能系统处于放电状态，因此，设定的储能放电目标功率需要避免储能系统的放电功率大于负荷功率，可防止储能系统释放过多的电能，出现逆流的现象。
71.s150、根据储能充放电目标功率的边界值对储能业务目标功率进行边界修正，得到储能目标功率。
72.具体地，由前述步骤可知，储能充放电目标功率落入储能充放电目标功率的边界值时，能够确保并入电网的储能系统不发生逆流现象和过载现象。储能业务目标功率能够保证负荷费用较低，从而降低了用电成本。根据储能充放电目标功率的边界值进行边界修正，可使储能系统在达到储能业务目标功率的同时，还可防过载且防逆流，即得到最终的储能目标功率。
73.本实施例的技术方案根据负荷数据构建负荷时间序列；采用预测模型对负荷时间序列进行预测，得到下一时刻的负荷功率预测边界值；采用功率业务算法对实时负荷数据进行计算，得到储能业务目标功率；根据负荷功率预测边界值、当前时刻的负荷数据和变压器的参数，计算储能充放电目标功率的边界值；根据储能充放电目标功率的边界值对储能业务目标功率进行边界修正，得到储能目标功率。采用预测模型实现了根据负荷数据对下一时刻的负荷功率进行预测，预测精度较高，从而控制储能系统保持适当的储能充放电功率，有效预防了逆流、过载现象，大大降低了电网系统被动挽回的次数。
74.可选的，图3是本发明实施例提供的又一种储能控制方法的流程图。在上述实施例的基础上，如图3所示，储能充放电目标功率的边界值的计算方法包括：
75.s141、根据当前负荷数据和变压器的参数，计算当前储能充放电功率的边界值。
76.示例性地，当前储能充放电功率的边界值包括：当前储能充电功率的边界值和当前储能放电功率的边界值。其中，根据当前负荷数据，当前储能充电功率的边界值结合防过载阈值进行计算，当前储能放电功率的边界值结合防逆流阈值进行计算。
77.具体地，可按照如下公式计算当前储能充放电功率的边界值：
78.pcurr-charge-up＝变压器容量限制值
–
pload-防过载阈值
79.pcurr-discharge-up＝pload-防逆流阈值
80.其中，pcurr-charge-up表示当前时刻储能充电目标功率的上边界值，pcurr-discharge-up表示当前时刻储能放电目标功率的上边界值，pload表示当前时刻储能系统的真实负荷值。防过载阈值，即储能充电目标功率与变压器过载时的储能功率之间的差值，防止变压器过载。防逆流阈值，即储能放电目标功率与储能系统发生逆流时的功率的差值，有效避免储能系统释放过多的电能，回流至电网。
81.s142、根据负荷功率预测边界值和变压器的参数，计算预测储能充放电功率的边界值。
82.示例性地，预测储能充放电功率的边界值包括：预测储能充电功率的边界值和预测储能放电功率的边界值。其中，根据负荷功率预测边界值，预测储能充电功率的边界值结合防过载阈值进行计算，预测储能放电功率的边界值结合防逆流阈值进行计算。
83.具体地，可按照如下公式计算预测储能充放电功率的边界值：
84.pnext-charge-up＝变压器容量限制值
–
负荷功率预测上边界值-防过载阈值
85.pnext-discharge-up＝负荷功率预测下边界值-防逆流阈值
86.其中，pnext-charge-up表示预测的下一时刻储能充电目标功率的上边界值，pnext-discharge-up表示预测的下一时刻储能放电目标功率的上边界值。
87.s143、根据当前储能充放电功率的边界值和预测储能充放电功率的边界值，计算储能充放电目标功率的边界值。
88.示例性地，储能充放电目标功率的边界值包括：储能充电目标功率的边界值和储能放电目标功率的边界值。其中，储能充电目标功率的边界值由步骤s411计算出的当前储能充电功率的边界值和s412计算出的预测储能充电功率的边界值计算得到，储能放电目标功率的边界值由步骤s411计算出的当前储能放电功率的边界值和s412计算出的预测储能放电功率的边界值计算得到。
89.具体地，可按照如下公式计算储能充放电目标功率的边界值：
90.pcharge-up＝min(pcurr-charge-up，pnext-charge-up)
91.pdischarge-up＝min(pcurr-discharge-up，pnext-discharge-up)
92.其中，pcharge-up表示储能充电目标功率的上边界值，pdischarge-up表示储能放电目标功率的上边界值。选择当前时刻以及下一时刻储能充电目标功率的上边界值之中较小的一个作为储能充电目标功率的上边界值，选择当前时刻以及下一时刻储能放电目标功率的上边界值之中较小的一个作为储能放电目标功率的上边界值，可进一步降低储能系统的充放电功率，从而避免出现变压器过载以及储能系统逆流的现象，保护了供电系统。
93.可选的，图4是本发明实施例提供的又一种储能控制方法的流程图。在上述实施例的基础上，如图4所示，储能目标功率的计算方法包括：
94.s151、根据所述储能业务目标功率对储能充放电情况进行判断。
95.具体地，根据储能业务目标功率与0的大小关系，即可判断储能系统处于充电状态或者放电状态。示例性地，若储能业务目标功率大于0，则储能系统处于充电状态；若储能业务目标功率小于0，则储能系统处于放电状态。
96.s152、若储能充电，则根据所述储能业务目标功率和所述储能充电目标功率的边界值计算所述储能目标功率。
97.具体地，储能系统充电时，储能目标功率可通过以下数量关系进行确定：
98.pp＝min(pcharge-up，pt)
99.其中，pp表示储能目标功率，pt表示储能业务目标功率。由于储能系统充电时，储能业务目标功率大于0，并且储能充电目标功率的边界值也大于0。因此，选择储能业务目标功率和储能充电目标功率的边界值之中较小的一个作为储能目标功率，既可实现降低用电负荷费用，也可防止变压器因储能系统需要的电能过大而发生过载，保护了电网系统。
100.s153、若储能放电，则根据所述储能业务目标功率和所述储能放电目标功率的边界值计算所述储能目标功率。
101.具体地，储能系统放电时，储能目标功率可通过以下数量关系进行确定：
102.pp＝max(-pdischarge-up，pt)
103.其中，pp表示储能目标功率，pt表示储能业务目标功率。由于储能系统放电时，储能业务目标功率小于0，而储能放电目标功率的边界值大于0。因此，将储能放电目标功率的边界值转换为相反数，与储能业务目标功率比较。选择储能放电目标功率的边界值的相反数和储能业务目标功率之中较大的一个，即绝对值数值较小的一个，作为储能目标功率，在降低用电负荷费用的同时，也可预防储能系统放电时发生逆流现象。
104.可选的，图5是本发明实施例提供的又一种储能控制方法的流程图。在上述实施例的基础上，如图5所示，负荷功率预测边界值的预测方法包括：
105.s121、采用预测模型对负荷时间序列进行预测，得到下一时刻的负荷功率预测值。
106.示例性地，在本实施例中，对负荷时间序列进行预测时，采用arima负荷预测模型。arima负荷预测模型的预测方法在以下实施例中具体说明。
107.s122、设定置信区间，根据置信区间和负荷功率预测值得到负荷功率预测边界值。
108.具体地，置信区间是指由样本统计量所构造的总体参数的估计区间。置信区间是一个用于表示总体参数的真实值落在测量结果周围的概率，以表示被测量参数的测量值的可信程度。在本实施例中，置信区间可以表示采用arima负荷预测模型预测得到的负荷功率预测值落在负荷功率预测边界值之间的可能性。例如：若置信区间为95％，表明负荷功率预测值落在负荷功率预测边界值之间的可能性为95％。
109.由于过高的置信区间可能造成经济收益降低，因此，可综合考虑收益和防逆流及防过载的效果，根据实际需要设置置信区间，保留负荷功率预测值的预测准确度的容忍度，从而在满足实际需求的情况下，保证较大的经济收益。
110.上述实施例中，预测负荷功率预测边界值采用了arima负荷预测模型，以下将对arima负荷预测模型的具体预测方法进行说明。图6是本发明实施例提供的一种采用arima负荷预测模型的预测方法的流程图，在上述实施例的基础上，如图6所示，采用arima负荷预测模型进行预测的方法包括：
111.s1211、设置自回归项、差分次数和移动平均次数的限值。
112.设置自回归项、差分次数和移动平均次数的上限值和下限值。
113.s1212、进行平稳性自动检验，确定差分次数的值。
114.对自回归项、差分次数和移动平均次数的上限值和下限值进行平稳性自动检验。当统计量小于1％、5％或10％的任意统计值，且自回归项接近0时，则可确定差分次数。如果统计量不满足小于1％、5％或10％的任意统计值，且自回归项不接近0，则不断连续增加差分次数，且在每次增加差分次数后，对统计量和自回归项进行检验，直到满足检验指标为准。
115.s1213、以统计模型信息准则最小值为目标，寻优确定自回归项和移动平均次数的值。
116.统计模型信息准则可以包括aic(akaike information criterion)信息准则和bic(bayesian information criterion)信息准则。其中，aic信息准则，也可称为赤池信息
准则，是用于衡量统计模型拟合优良性的一种标准。bic信息准则，也可称为贝叶斯信息准则，是用于进行模型选择的一种标准。
117.以aic信息准则和bic信息准则的最小值作为目标，在当前差分次数确定的情况下，寻找自回归项和移动平均次数对应的aic信息准则和bic信息准则的最小值，从而确定自回归项和移动平均次数。
118.s1214、根据自回归项、差分次数和移动平均次数，对下一时刻的负荷功率预测值及其边界值进行预测。
119.根据最终确定的自回归项、差分次数和移动平均次数，预测得到下一时刻的负荷功率预测值以及负荷功率预测边界值。通过上述自动寻优的预测方法，优化了arima模型的应用，提高了预测精度，从而提高了并网系统防逆流以及防过载的效果。
120.可选的，在上述实施例的基础上，该储能控制方法还包括：在满足预设条件时，更新预测模型。
121.具体地，由于负荷数据实时变化，为提高预测得到的下一时刻的负荷功率预测边界值的准确性，会对预测模型采用的参数进行更新。选择较优的参数训练预测模型的数据，得到更新的预测模型，保证预测的准确性，提高预测结果的可信度。示例性地，预设条件为达到预设时间间隔、负荷功率的变化超过预设阈值等。
122.本发明实施例还提供一种储能控制装置。图7是本发明实施例提供的一种储能控制装置的结构示意图。如图7所示，该储能控制装置包括：
123.时间序列构建模块100，用于根据负荷数据构建负荷时间序列；
124.负荷预测模块200，用于采用预测模型对负荷时间序列进行预测，得到下一时刻的负荷功率预测边界值；
125.业务功率计算模块300，用于采用功率业务算法对实时负荷数据进行计算，得到储能业务目标功率；
126.预测边界计算模块400，用于根据负荷功率预测边界值、当前时刻的负荷数据和变压器的参数，计算储能充放电目标功率的边界值；
127.修正模块500，用于根据储能充放电目标功率的边界值对储能业务目标功率进行边界修正，得到储能目标功率。
128.本发明实施例所提供的储能控制装置可执行本发明任意实施例所提供的储能控制方法，具备执行方法相应的功能模块和有益效果。
129.可选的，在上述实施例的基础上，预测边界计算模块400，包括：
130.当前边界计算单元，用于根据当前负荷数据和变压器的参数，计算当前储能充放电功率的边界值；
131.预测边界计算单元，用于根据负荷功率预测边界值和变压器的参数，计算预测储能充放电功率的边界值；
132.目标边界计算单元，用于根据当前储能充放电功率的边界值和预测储能充放电功率的边界值，计算储能充放电目标功率的边界值。
133.可选的，在上述实施例的基础上，修正模块500，包括：
134.充放电判断单元，用于根据储能业务目标功率对储能充放电情况进行判断；
135.若储能充电，则根据储能业务目标功率和储能充电目标功率的边界值计算储能目
标功率；
136.若储能放电，则根据储能业务目标功率和储能放电目标功率的边界值计算储能目标功率。
137.可选的，在上述实施例的基础上，负荷预测模块200，包括：
138.模型预测单元，用于采用预测模型对负荷时间序列进行预测，得到下一时刻的负荷功率预测值；
139.置信区间设定单元，用于设定置信区间，根据置信区间和负荷功率预测值得到负荷功率预测边界值。
140.可选的，在上述实施例的基础上，该储能控制装置还包括：
141.模型更新单元，用于在满足预设条件时，更新预测模型。
142.示例性地，图8是本发明实施例提供的又一种储能控制装置的结构示意图。如图8所示，在该储能控制装置中，时间序列构建模块100和负荷预测模块200可设置于边缘计算设备、云平台模式和/或控制器中，业务功率计算模块300、预测边界计算模块400和修正模块500均设置于控制器中，以使储能控制装置执行本发明任意实施例提供的储能控制方法。其中，负荷预测模块200可以包括训练数据更新单元和参数寻优单元。参数寻优单元定期采集较优的参数，输出至训练数据更新单元，由训练数据更新单元对数据进行训练，并更新预测模型。时间序列构建模块100和负荷预测模块200对负荷功率边界值进行预测，业务功率计算模块300、预测边界计算模块400和修正模块500根据预测的负荷功率边界值对储能业务目标功率的边界进行修正，从而得到储能目标功率。
143.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。