1.一种基于储能系统滚动优化的微电网三阶段优化控制方法，其特征在于，包括以下步骤：步骤1：建立微电网价格型需求响应模型；建立微电网各组成部分的数学模型，以微电网运行成本最小为调度目标，通过微电网价格需求响应模型得到微电网用电负荷的日前调度策略；

步骤2：建立含风力发电、光伏发电和电动汽车不确定性的日内协调调度模型，基于灵活调度型电动汽车数学模型，通过滚动优化计算下一个调度时段内储能系统滚动功率边界值；

步骤3：通过储能控制器实时监测微电网母线电压值，并反馈给实时控制模型调整储能系统控制模式；

建立所述微电网价格型需求响应模型的步骤如下所示：

结合微电网负荷用能特点，所述微电网价格需求响应模型采用如下方程获得：式中： 为t时刻参与价格型需求响应前的负荷，αj,t为t时刻选择价格等级j的决策变量，Lj为价格等级j的响应率， 为t时刻参与价格型需求响应后的负荷；

建立基于吞吐量的电池储能系统老化成本模型，通过累积吞吐量的线性化处理，计算得到储能系统的老化成本，所述电池储能系统老化成本模型具体如下：B

式中： 为额定充放电深度下储能系统单位吞吐量的老化成本，C 为电池的总成本，LB C D(DR)为在额定吞吐量下电池的寿命，Q为电池的容量，DR为电池的额定放电深度，η和η分别为电池的充电效率和放电效率， 为电池累积的老化成本，Γeff为额定放电深度下的有效吞吐量， 和 分别是t时刻累积的吞吐量和t‑1时刻累积的吞吐量；

建立基于微电网负荷需求弹性响应模型和电池储能系统老化成本模型，在风力发电和光伏发电日前出力预测数据上，以微电网运行成本最小为目标，建立微电网日前调度的目标函数：PV WT BESS grid rev

F:minC +C +C +C ‑C ；

PV WT BESS grid

式中：C 为光伏发电成本，C 为风力发电成本，C 储能系统老化成本，C 是从主网rev的购电成本，C 是微电网买电的收益；

所述日内协调调度模型的建立步骤如下所述：

步骤A.灵活调度型电动汽车通过充电桩连接到大电网中，并参与到微电网调度中，通过实时检测灵活调度型电动汽车的到站数据和出站数据，预测下一个调取区间内灵活调度型电动汽车负荷的波动范围，以量化灵活调度型电动汽车的不确定性，通过如下方式实现：EV

式中： 是电动汽车负荷上限， 是电动汽车负荷下限，ΔP (t+1)为t+1时刻必须充电的电动汽车负荷，N0(t+1)是t+1时刻新接入的电动汽车数量，N1(t+1)是t+1时刻满足放电条件的电动汽车数量， 为电动汽车的最大充电功率， 为电动汽车的最大放电功率；

步骤B.滚动优化的时间窗口为M分钟，考虑风力发电、光伏发电和电动汽车的不确定性预测电动汽车在下一个时间段内的负荷区间，通过滚动优化程序计算得到储能系统滚动充电功率和放电功率的限值为：LD

式中： 是BESS放电功率上限值， 是BESS充电功率上限值，P 是微电网的负荷，grid是光伏出力下限， 是风机出力下限， 是光伏出力上限， 是风机出力上限，P 为微电网与主网的交换功率， 是电动汽车负荷上限， 是电动汽车负荷下限。

2.根据权利要求1所述的一种基于储能系统滚动优化的微电网三阶段优化控制方法，其特征在于，储能系统应该满足系统功率平衡，储能系统的功率约束表示为：式中， 为光伏发电的输出功率， 为风力发电的输出功率， 为t时刻参与价格型EV,d需求响应前的负荷功率， 为储能系统的输出功率，P 为电动汽车放电功率， 为微EV,c电网从主网购电的功率，P 为电动汽车充电功率， 为微电网向主网售电的功率。

3.根据权利要求1所述的一种基于储能系统滚动优化的微电网三阶段优化控制方法，其特征在于，所述日内协调调度模型的建立还包括步骤C：步骤C.在日内调度阶段，储能系统的约束条件变为滚动优化控制，具体为：BESS,c BESS,d

式中：P 为BESS的充电功率， 为BESS充电功率上限值，P 为BESS的放电功率， 为BESS放电功率上限值。

4.根据权利要求1所述的一种基于储能系统滚动优化的微电网三阶段优化控制方法，其特征在于，所述实时控制模型的建立包括以下步骤：步骤A.通过储能控制器实时监测微电网母线电压值，当执行第二阶段日内调度策略，微电网母线电压未越限时，BESS实时控制模块为功率控制模式，BESS输出功率等于日内调度结果，控制方程为；

Udc,min≤Udc≤Udc，max；

B

式中：P(t)为BESS的实时功率输出指令， 为第二阶段日内BESS功率调度结果，Udc是微电网母线电压实时测量值，Udc,min是微电网电压波动范围内允许的母线电压最小值，Udc,max是微电网电压波动范围内允许的母线电压最大值；

步骤B.当执行第二阶段日内调度策略，当微电网母线电压越限时，BESS实时控制模块为功率控制模式，重新计算储能系统的输出功率，避免微电网母线电压越限情况的发生，控制方程为：Udc>Udc，max or Udc

式中： 是微电网母线额定电压，r是下垂控制中的下垂系数，P 是BESS额定输出功率值，Udc,min是微电网电压波动范围内允许的母线电压最小值，Udc是微电网母线电压实时测量值。

5.根据权利要求1所述的一种基于储能系统滚动优化的微电网三阶段优化控制方法，其特征在于，所述微电网各组成部分的数学模型包括电动汽车的数学模型、储能系统老化成本的数学模型、光伏发电的数学模型以及风力发电的数学模型；

所述电动汽车的数学模型：

EV,c EV,d

式中：Tin和Tout分别是电动汽车接入和接出充电桩的时间，P 和P 分别电动汽车充EV电功率和放电功率，Q 为电动汽车容量， 是电动汽车刚接入充电站时的荷电状态，是电动汽车用户期望的离开荷电状态；

储能系统老化成本的数学模型：

B

式中： 为额定充放电深度下储能系统单位吞吐量的老化成本，C为电池的总成本，LB C D(DR)为在额定吞吐量下电池的寿命，Q为电池的容量，DR为电池的额定放电深度，η和η分别为电池的充电效率和放电效率， 为电池累积的老化成本，Γeff为额定放电深度下的有效吞吐量， 和 分别是t时刻累积的吞吐量和t‑1时刻累积的吞吐量；

光伏发电的数学模型：

式中， 是光伏系统的有功功率输出， 是标准实验条件下的最大输出功率，ni是第i个光伏电站中光伏板的数量，Ii.M是第i个光伏板上的光照辐射度，ISTC是在标准实验条件下的额定光照辐射度，k是温度系数，TSTC是环境温度，Ti,M是环境参考温度；

风力发电的数学模型：

式中：PW是风力发电的有功功率输出，Pr是标准实验条件下的额定输出功率，vin和vout分别是风力发电系统接入和切断的风速，v是响应时间的风速。