1.一种光‑储直流微电网系统中储能模块预测控制方法，其特征在于，具体包括以下步骤：

步骤1，通过检测模块收集整个光‑储直流微电网系统的各个模块的相关数据；

步骤2，获取储能模块中电池组的数据，判断各个电池的状态包括充电状态、放电状态和切出状态；

步骤3，根据电池的状态分为工作状态和静置状态，收集处于工作状态的电池组[0,TL]时段内电池历史记录数据；

步骤4，根据收集到的每个电池运行一段时间后的电池历史记录数据为基础，基于最小二乘法原理，对电池荷电状态数据进行拟合，采用可变步长预测的方法预测下一个时间点的电池荷电状态；历史记录数据包括电池的荷电状态SOC、电压U、电流I；

步骤5，根据光伏阵列发电量、负载的能耗量和储能模块电能储量之间的关系，结合三级可变负载和电池荷电状态预测值，制定相应的直流微电网控制方法和储能模块控制方法；

在步骤5中，根据监测模块获取到的光伏系统发电量PPV、负载消耗电量PLoad和储能模块电能储量PESS之间的关系，结合包含可切直流负载的消耗量PRLoad、可调直流负载的消耗量PTLoad、重要直流负载的消耗量PSLoad在内的三级可变负载和电池荷电状态预测值SOCfore，参考储能模块额定容量PRTESS制定相应的直流微电网控制方法和储能模块控制方法；

其中，在光‑储直流微电网中，具体如下：

方法一：当光伏系统发电量大于负载消耗电量，即PPV＞PLoad时，负载不能完全消纳光伏发出的电能，将未消纳的电能输送到储能模块，当储能模块已达到最大额定容量，未能消纳的电能被弃置；

方法二：当光伏系统发电量和储能模块电能储量总和小于负载消耗电量，同时大于重要直流负载的消耗量和可调直流负载的消耗量之和时，即PSLoad+PTLoad＜PPV+PESS＜PLoad时，为保证系统的稳定，切出可切直流负载，同时为了避免电池的深充/深放，提高电池的使用寿命；通过监测模块获得电池的工作状态，根据电池实际荷电状态和电池的预测荷电状态对蓄电池进行一步预测控制和当前状态控制；

其中，一步预测控制，具体如下：

第一步，采集电池此时的荷电状态SOCreal(k)和下一步的预测状态SOCfore(k+1)；

第二步，令D＝SOCreal(k)‑SOCfore(k+1)，若D>0，则电池将处于放电状态，若D<0，则电池将处于充电状态，根据D与0的比较进行下一步的判断；

第三步，如果D>0，则将SOCfore(k+1)与荷电状态最佳控制区间的下界SOCmin比较，如果D<

0，则将SOCfore(k+1)与荷电状态最佳控制区间的上界SOCmax比较，决定下一步电池状态；

第四步，若D>0，SOCfore(k+1)0，SOCfore(k+1)>SOCmin时,蓄电池保持放电状态，弥补光伏发电量的不足，为负载提供电量，稳定母线电压；若D<0，SOCfore(k+1)>SOCmax时,电池切出并放电，备用电池切入，若D<0，SOCfore(k+1)

方法三：当光伏系统发电量和储能模块电能储量总和小于负载消耗电量，同时大于重要直流负载的消耗量时，即PSLoad＜PPV+PESS＜PLoad时，为保证系统的稳定，切出可切直流负载和可调直流负载，使光‑储直流微电网运行于最基础的运行状态。

2.根据权利要求1所述的光‑储直流微电网系统中储能模块预测控制方法，其特征在于，在步骤1中，相关数据具体为：(1)通过监测模块采集的每个光伏阵列发电的功率、电压和电流数据；(2)三级可变直流负载侧电能消耗量、电压大小和电流大小数据，(3)储能模块是由一组相互独立的磷酸铁锂电池组成，每个磷酸铁锂电池都有不同的编号，获取每个电池的工作状态、充/放电压和电流的大小、每个电池的荷电状态，(4)母线电压和电流的数据。

3.根据权利要求1所述的光‑储直流微电网系统中储能模块预测控制方法，其特征在于，在步骤2中，通过收集到的储能模块中每个磷酸铁锂电池的数据，对电池的工作状态进行分类，分为两类：充电状态和放电状态。

4.根据权利要求1所述的光‑储直流微电网系统中储能模块预测控制方法，其特征在于，在步骤3中，对储能模块中处于工作状态的磷酸铁锂电池截取时间长度为TL的电池荷电状态数据，时间段为[0，TL]。

5.根据权利要求1所述的光‑储直流微电网系统中储能模块预测控制方法，其特征在于，在步骤4中，基于最小二乘法对下一步长电池荷电状态进行预测，具体如下：步骤4.1，采集[0，TL]数据作为基础数据集S1，同时设置误差标准值δrmse、δmad、δmape；

步骤4.2，设置初始预测时间步长的大小T1以及变动量TD，TD<0.1T1，规定第n次预测的实际步长为Tn＝T1+xn‑1*TD＝Tn‑1±TD，xn‑1＝xz‑xj，n‑1＝xz+xj，xz表示变动量增加的次数，xj表示变动量减少的次数，令Y＝Tn，则第一次预测的时间范围为[TL,TL+T1]，第m次预测的时间长度为[Tm‑1,Tm‑1±TD]；

步骤4.3，获取并存储第n个时段的预测数据和实际数据；

步骤4.4，根据第n个时段的预测数据SOCfore和实际数据SOCreal计算两者之间的误差δrmsex、δmadx、δmapex，并比较这三个误差值与δrmse、δmad、δmape之间的关系，如果至少有一项大于误差标准值，则返回Y＝Tn+1＝Tn‑TD，如果三相误差均小于误差标准值，则返回Y＝Tn+1＝Tn+TD,规定每次预测步长大小需要保持在范围以内。