伴随着智能电网的兴起,我国已将分布式能源建设放在战略位置。但由于风电、光伏等分布式能源具有间歇性,波动性等特点,如果直接并网会给整个微网系统带来许多难题。而在微网中增设储能系统,不仅能提高供电的可靠性,还可以给用户侧带来直接的经济效益。本文在对风光数据进行预处理的条件下,建立应用于多场景的混合储能综合效益模型和寿命预估模型,根据不同用电地区制定不同控制策略,并引用智能优化算法对综合模型进行求解。围绕以超级电容与蓄电池所组成的混合储能系统,本文的主要工作为以下几个方面。1)对风电、光伏发电系统以及负载数据的影响因数进行分析。选取山东省菏泽市某地区的风电、光伏数据。引入极限学习机算法,并根据极限学习机的特点提出改进策略。针对数据特征以及影响因数的不同建立预测模型。最后通过分析修正后的数据,能更方便对混合储能系统综合模型进行展开研究。2)围绕混合储能系统的综合效益以及系统的寿命周期分别建立多场景双层数学模型。在系统上层模型的整个寿命周期内,针对不同用电地区建立不同的效益模型,并对整个寿命周期内所涉及收益和成本进行补充,即考虑并网、配送、升级、补贴等收益以及维护、组建、发电等成本建立综合效益模型。而在下层模型中,对混合储能系统寿命影响因数进行分析,然后针对实际工程应用,建立以混合储能系统对象的全寿命周期评估模型。3)考虑到不同用电地区的控制策略应有所不同,围绕不同用电地区,对混合储能系统的控制策略进行分析与改进。其中针对混合储能系统中的蓄电池和超级电容的充放电特性不同,引入CEEMDAN分解算法。分析引入分解策略的混合储能系统,在功率分配和寿命优化上都有一定的优越性。最后为了混合储能系统更好的运行,在保证系统可靠性约束的同时,加入系统稳定性约束。4)为了求解系统模型,引入樽海鞘算法（Salp Swarm Algorithm,SSA）。并根据SSA算法自身特性与共有特性,提出不同的改进策略,从而使得改进后的算法与原算法相比,不仅大幅度的提升了收敛精度,也提高了收敛速度。5)针对改进后的算法,先与第一部分的极限学习机结合,对风电、光伏以及负载数据进行预处理,然后再运用到混合储能系统的综合模型求解之中。通过MATLAB仿真结果表明,本文基于全寿命周期的混合储能系统优化得到的配置方案,不仅保证了储能系统的稳定性,有效的避免功率波动,稳定削峰填谷率。在提升储能系统经济性的同时,也提高了储能系统的使用年限。