桂強(qiáng), 史一煒，周云, 馮冬涵

(電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室(上海交通大學(xué))，上海市 200240)

0 引 言

隨著新能源汽車規(guī)模的快速增長(zhǎng)，充電負(fù)荷對(duì)電網(wǎng)的沖擊愈來(lái)愈嚴(yán)重[1]。為緩解電網(wǎng)壓力，《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2021—2035年)》提出[2]：推動(dòng)新能源汽車與能源融合發(fā)展，促進(jìn)新能源汽車與可再生能源高效協(xié)同，鼓勵(lì)“光儲(chǔ)充放”(分布式光伏儲(chǔ)能系統(tǒng)充放電)多功能綜合一體站建設(shè)。

目前，很多學(xué)者做了大量關(guān)于光儲(chǔ)容量配置的研究。文獻(xiàn)[3]考慮光儲(chǔ)電站的售電收益、儲(chǔ)能損耗成本以及光伏考核成本費(fèi)用，優(yōu)化光儲(chǔ)電站的儲(chǔ)能容量配置，但未優(yōu)化光伏裝機(jī)容量。以快充站收益最大化為目標(biāo)，文獻(xiàn)[4]利用退役動(dòng)力電池作為儲(chǔ)能系統(tǒng)確定最優(yōu)充電站儲(chǔ)能配置容量及額定功率，但是儲(chǔ)能系統(tǒng)的出力被固定為額定功率，僅優(yōu)化了儲(chǔ)能系統(tǒng)的充放電狀態(tài)，未計(jì)及儲(chǔ)能系統(tǒng)出力靈活性的特點(diǎn)。有學(xué)者考慮用戶側(cè)基本電費(fèi)，通過(guò)配置儲(chǔ)能系統(tǒng)減小用戶用電成本，并建立雙層優(yōu)化模型求解，但優(yōu)化目標(biāo)中忽略了儲(chǔ)能系統(tǒng)的損耗成本[5]。當(dāng)前關(guān)于儲(chǔ)能配置的研究中，儲(chǔ)能壽命損耗很少計(jì)入目標(biāo)函數(shù)[6-7]。

關(guān)于儲(chǔ)能壽命損耗成本的計(jì)算，國(guó)內(nèi)外也已有一定的研究成果。通過(guò)改進(jìn)雨流計(jì)數(shù)法[8]，文獻(xiàn)[9]提出一種實(shí)時(shí)儲(chǔ)能系統(tǒng)壽命損耗以及健康狀態(tài)實(shí)時(shí)評(píng)估方法，計(jì)算時(shí)間小于15 ms，但是該方法仍然屬于后驗(yàn)算法，無(wú)法納入優(yōu)化模型之中。根據(jù)儲(chǔ)能系統(tǒng)循環(huán)次數(shù)與充放電深度(depth of discharge, DOD)關(guān)系曲線，文獻(xiàn)[10]通過(guò)將20%～80%的DOD的循環(huán)次數(shù)取平均，確定固定的電池總吞吐量，以度電成本來(lái)量化儲(chǔ)能損耗成本。文獻(xiàn)[11]將不同DOD的吞吐量等效到額定DOD下的吞吐量來(lái)統(tǒng)計(jì)儲(chǔ)能系統(tǒng)壽命損耗成本。

現(xiàn)有研究中，基于雨流計(jì)數(shù)法的壽命損耗模型難以嵌入優(yōu)化模型，造成以度電成本計(jì)算儲(chǔ)能系統(tǒng)成本誤差較大，并且考慮儲(chǔ)能系統(tǒng)壽命損耗時(shí)，容量衰減情況被忽略以致儲(chǔ)能模型不夠準(zhǔn)確。同時(shí)，儲(chǔ)能系統(tǒng)的運(yùn)行過(guò)程中，其運(yùn)行效率也不是靜態(tài)的。文獻(xiàn)[12]根據(jù)儲(chǔ)能電池(battery energy storage, BES)的電流與效率曲線，建立儲(chǔ)能系統(tǒng)效率模型，但是該文獻(xiàn)直接利用效率與電流關(guān)系，未能闡述如何定義效率。文獻(xiàn)[13]通過(guò)分段線性化處理儲(chǔ)能效率與功率關(guān)系曲線，但是該文獻(xiàn)也是僅直接提供效率與功率曲線，而電池廠商一般不會(huì)提供該曲線。當(dāng)前研究的儲(chǔ)能模型未能綜合考慮儲(chǔ)能系統(tǒng)壽命損耗、容量衰減以及動(dòng)態(tài)效率特性。

基于上述研究的不足，本文首先根據(jù)儲(chǔ)能容量衰減特性，建立儲(chǔ)能系統(tǒng)動(dòng)態(tài)健康狀態(tài)(state of health, SOH)模型；考慮儲(chǔ)能系統(tǒng)壽命損耗特性，建立儲(chǔ)能系統(tǒng)動(dòng)態(tài)壽命損耗模型；考慮儲(chǔ)能系統(tǒng)運(yùn)行效率特性，建立儲(chǔ)能系統(tǒng)動(dòng)態(tài)效率模型，最后，綜合上述模型建立精細(xì)化的儲(chǔ)能系統(tǒng)動(dòng)態(tài)模型。并基于該模型，建立光儲(chǔ)充電站最優(yōu)光儲(chǔ)配置混合整數(shù)非線性規(guī)劃(mixed integer non-linear programming, MINLP)模型。由于沒(méi)有成熟的算法求解MINLP，通過(guò)將此問(wèn)題轉(zhuǎn)化為雙層規(guī)劃模型，利用遺傳算法求解。算例分析中，以上海市某光儲(chǔ)充電站為例，驗(yàn)證該模型以及求解算法的有效性，并分析典型場(chǎng)景下光儲(chǔ)充電站的優(yōu)化運(yùn)行策略。

1 精細(xì)化儲(chǔ)能模型

1.1 容量衰減模型

隨著儲(chǔ)能電池充放電次數(shù)的累積，儲(chǔ)能電池內(nèi)部不斷發(fā)生老化過(guò)程，電池內(nèi)阻隨之增長(zhǎng)，容量不斷衰減。如式(1)所示，一般認(rèn)為，當(dāng)儲(chǔ)能電池的可用容量衰減至額定容量的80%或者內(nèi)阻增長(zhǎng)為初始內(nèi)阻2倍的時(shí)候，儲(chǔ)能電池將退役或會(huì)投入梯次利用[14]。

(1)

式中：Send為儲(chǔ)能電池退役時(shí)的可用容量；Srated為儲(chǔ)能電池的額定容量；Rend為儲(chǔ)能電池退役時(shí)的內(nèi)阻；Rini為儲(chǔ)能電池初始內(nèi)阻。

根據(jù)容量衰減和內(nèi)阻增長(zhǎng)情況，本文提出2種儲(chǔ)能電池的SOH模型：

(2)

式中：SOHC表示以可用容量為參考的儲(chǔ)能電池健康狀態(tài)；Spresent為儲(chǔ)能電池當(dāng)前的可用容量；SOHR表示以內(nèi)阻作為參考的儲(chǔ)能電池健康狀態(tài)；Rpresent為儲(chǔ)能電池當(dāng)前內(nèi)阻。當(dāng)SOHC為80%或SOHR為0%時(shí)，儲(chǔ)能電池壽命終止。本文使用SOHC作為儲(chǔ)能電池SOH評(píng)估標(biāo)準(zhǔn)。

儲(chǔ)能容量衰減速率與充放電循環(huán)次數(shù)、DOD、溫度以及充放電倍率緊密相關(guān)。儲(chǔ)能電池的運(yùn)行溫度一般認(rèn)為是可控的[15]，儲(chǔ)能功率在設(shè)置出力范圍內(nèi)對(duì)壽命的影響可認(rèn)為是靜態(tài)的[16]，因而本文忽略溫度以及充放電功率對(duì)壽命損耗的影響。

根據(jù)文獻(xiàn)[17]的實(shí)驗(yàn)數(shù)據(jù)，通過(guò)歸一化處理，得到實(shí)驗(yàn)曲線如圖1所示，并且用式(3)能很好地?cái)M合該曲線。

圖1 儲(chǔ)能SOH與壽命損耗關(guān)系曲線

SOH=g(Ltotal, loss)=a1e-a2Ltotal, loss+a3e-a4Ltotal, loss

(3)

dSOH=g′(Ltotal,loss)dLtotal,loss

(4)

SOH(t)-SOH(t-1)=g′(Ltotal,loss)Lloss(t)

(5)

式中：SOH表示儲(chǔ)能電池當(dāng)前可用最大容量；a1,a2,a3,a4為擬合系數(shù)；g(Ltotal,loss)為擬合函數(shù)；Ltotal,loss表示儲(chǔ)能電池壽命損耗程度，Ltotal,loss=0表示儲(chǔ)能電池處于全新?tīng)顟B(tài)，Ltotal,loss=1表示儲(chǔ)能電池壽命已終結(jié)。式(4)為式(3)的微分式；式(5)為式(4)的離散化處理等效式，其中Lloss(t)為第t時(shí)段的壽命損耗，即儲(chǔ)能電池SOH的時(shí)序變化式。

為簡(jiǎn)化模型，將g(Ltotal,loss)分段線性化處理，則g′(Ltotal,loss)為各分段的斜率(具體見(jiàn)附錄A1節(jié))。

1.2 壽命損耗模型

基于BES充放電循環(huán)次數(shù)與DOD實(shí)驗(yàn)曲線，建立BES壽命損耗模型[18]，如式(6)—(14)所示。

Lloss(t)=|F[SOC(t)]-F[SOC(t-1)]|

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

經(jīng)過(guò)PWL處理，式(6)可寫為式(15)：

(15)

式中：vch(t)/vdis(t)為標(biāo)志儲(chǔ)能充電/放電狀態(tài)的0-1變量，當(dāng)vch(t)/vdis(t)為1，表示儲(chǔ)能在t時(shí)段處于充電/放電狀態(tài)，反之則為0。

1.3 動(dòng)態(tài)效率模型

因?yàn)閮?chǔ)能電池內(nèi)阻的存在，儲(chǔ)能充放電效率不是靜態(tài)的，而是隨著充放電功率動(dòng)態(tài)變化的。本文基于儲(chǔ)能電池的充放電倍率與充放電時(shí)間關(guān)系的實(shí)驗(yàn)，提出儲(chǔ)能電池的動(dòng)態(tài)效率模型。

圖2為某鉛酸電池的放電時(shí)間與放電電流關(guān)系曲線[21]，一般用式(16)Peukert方程擬合放電時(shí)間隨著放電電流的變化關(guān)系[22]，其中T為放電時(shí)間，I為放電電流，Cpeu與μ為擬合系數(shù)。放電電壓U近似認(rèn)為是線性的[15]，因此可以忽略電壓變化的影響(證明見(jiàn)附錄A2節(jié))。同時(shí)，由于不同電流的放電電壓變化較小，并且放電的起始電壓與終止電壓固定，因而本文認(rèn)為電流與功率一一對(duì)應(yīng)。在式(16)兩端同乘UI，得到式(17)，其中Pdis為放電功率，Sout為放電過(guò)程釋放的能量，Speu為固定系數(shù)。

圖2 放電時(shí)間與放電電流關(guān)系

放電時(shí)間與充放電電流關(guān)系：

(16)

(17)

本文提出一種儲(chǔ)能電池效率的計(jì)算方法：

(18)

(19)

為了簡(jiǎn)化模型，將放電功率分段線性化處理，如式(20)—(25)所示，對(duì)應(yīng)的分段線性化效率為式(26)。

(20)

(21)

(22)

(23)

(24)

(25)

(26)

2 光儲(chǔ)配置模型

2.1 目標(biāo)函數(shù)

光儲(chǔ)充電站光儲(chǔ)容量?jī)?yōu)化配置的目標(biāo)函數(shù)為儲(chǔ)能電池全壽命周期內(nèi)年均成本最?。?/p>

(27)

式中：Cgrid為充電站從電網(wǎng)的購(gòu)電成本；CWLC為儲(chǔ)能電池的全壽命周期成本(whole lifecycle cost, WLC)；Cpile為充電樁購(gòu)置成本；CPV為光伏的配置成本；CEV為電動(dòng)汽車提供的充電收益；Cdel為延遲電網(wǎng)升級(jí)的收益；N為儲(chǔ)能電池的可使用年限。

2.1.1電網(wǎng)購(gòu)電成本

電網(wǎng)購(gòu)電成本由式(28)確定：

(28)

式中：ρs為場(chǎng)景s的概率；etou(t)為電網(wǎng)的分時(shí)電價(jià)；Ps,grid(t)為場(chǎng)景s在t時(shí)刻的購(gòu)電功率。

2.1.2儲(chǔ)能全壽命周期成本

CWLC主要包括：儲(chǔ)能電池本體的購(gòu)置成本Cbat、儲(chǔ)能系統(tǒng)的功率成本Cbos、儲(chǔ)能的運(yùn)維成本CO&M以及儲(chǔ)能殘值回收價(jià)值Crec。

CWLC=Cbat+Cbos+CO&M-Crec

(29)

Cbat=ksSrated

(30)

Cbos=kpPrated

(31)

CO&M=kO&MPrated

(32)

Crec=krecCbat

(33)

(34)

式中：Prated為儲(chǔ)能電池額定功率；ks為單位容量成本；kp為單位功率成本；kO&M為單位功率的運(yùn)維成本；krec為儲(chǔ)能電池殘值回收系數(shù);SOHrec為儲(chǔ)能電池投入梯次利用時(shí)的SOH值;SOHter為儲(chǔ)能電池壽命終止時(shí)的SOH值；Enew為儲(chǔ)能電池在投入梯次利用前的總能量吞吐量；Erecycle為儲(chǔ)能電池投入梯次利用到壽命終止階段的總能量吞吐量。式(34)根據(jù)回收時(shí)儲(chǔ)能電池的剩余吞吐量占電池全生命周期總吞吐量的百分比確定回收系數(shù)。

2.1.3光伏配置成本

光儲(chǔ)配置成本與光伏裝機(jī)容量有關(guān)[13]：

CPV=kPVSPV

(35)

式中：kPV為光伏發(fā)電系統(tǒng)的單位容量成本；SPV為光伏配置容量。

2.1.4充電收益

充電站為電動(dòng)汽車提供充電服務(wù)收益：

(36)

式中：esell(t)為電動(dòng)汽車充電價(jià)格，包含電價(jià)以及充電服務(wù)費(fèi)；Ps,load(t)為充電站在場(chǎng)景s下第t時(shí)段的充電負(fù)荷。

2.1.5電網(wǎng)延緩升級(jí)價(jià)值

光儲(chǔ)充電站配置儲(chǔ)能能夠幫助電網(wǎng)減小峰荷，緩解輸電線路以及變壓器壓力，延緩配網(wǎng)升級(jí)改造。延緩配網(wǎng)升級(jí)價(jià)值為：

Cdel=kexpSdelay(1-1/eθN′)

(37)

式中：kexp為配網(wǎng)升級(jí)改造單位容量成本；Sdelay為延緩升級(jí)改造容量；θ為年利率；N′為延緩升級(jí)年限。

2.2 約束條件

模型約束除了第1節(jié)提到精細(xì)化儲(chǔ)能電池的約束(式(5),(7)—(15),(20)——(26))之外，還有如下約束：

0≤N≤Nmax

(38)

(39)

Prated≤Srated

(40)

Ps,grid(t)+Ps,dis(t)+Ps,pv(t)=Ps,load(t)+Ps,ch(t)

(41)

0≤Ps,ch(t)≤vs,ch(t)Prated

(42)

0≤Ps,dis(t)≤vs,dis(t)Prated

(43)

vs,dis(t)+vs,ch(t)≤1

(44)

(45)

SOCs(t)-SOCs(t-1)=

(46)

(47)

同時(shí)，為了降低約束的復(fù)雜度，將絕對(duì)值約束式(15)松弛為約束式(48)和(49)。由于式(47)儲(chǔ)能電池壽命損耗的限制，Ls,loss(t)會(huì)主動(dòng)取其下限值，即|f(SOCs(t+1),Λ)-f(SOCs(t),Λ)|。

Ls,loss(t)≥f[SOCs(t+1),Λ]-f[SOCs(t),Λ]

(48)

Ls,loss(t)≥f[SOCs(t),Λ]-f[SOCs(t+1),Λ]

(49)

3 基于遺傳算法的雙層求解算法

顯然，該光儲(chǔ)充電站光儲(chǔ)優(yōu)化配置模型為MINLP模型，沒(méi)有成熟的算法求解，本文提出雙層優(yōu)化[23]求解思路,如式(50)所示。首先提取出部分變量作為外層變量，并將其作為參數(shù)傳入內(nèi)層，外層通過(guò)全局尋優(yōu)的遺傳算法(genetic algorithm，GA)求解，內(nèi)層為混合整數(shù)線性模型，利用成熟的商業(yè)求解軟件求解。

(50)

Prated、Srated、SPV以及N作為外層變量，并作為參數(shù)傳遞給內(nèi)層求解。由于SOH(t)的存在，內(nèi)層可通過(guò)等效處理，轉(zhuǎn)為MILP模型求解(等效說(shuō)明見(jiàn)附錄A3節(jié))。約束式(10)、(45)、(46)分別轉(zhuǎn)化為式(51)—(53)。

(51)

(52)

SOCs(t)-SOCs(t-1)=

(53)

具體求解流程如圖3所示。

圖3 基于GA的雙層模型求解流程

4 算例分析

4.1 參數(shù)設(shè)置

本文以上海市某光儲(chǔ)充電站為例，驗(yàn)證提出的光儲(chǔ)充電站光儲(chǔ)優(yōu)化配置模型以及基于GA的雙層求解算法。電動(dòng)汽車充電站購(gòu)電電價(jià)參考上海市一般工商業(yè)的分時(shí)電價(jià)[24]。充電站選取磷酸鐵鋰電池作為儲(chǔ)能電池，電池?cái)?shù)據(jù)參數(shù)參考文獻(xiàn)[25]，具體參數(shù)如表1所示，儲(chǔ)能電池的SOH分段參數(shù)如表2和圖4所示。儲(chǔ)能壽命循環(huán)次數(shù)與SOC函數(shù)關(guān)系如式(54)所示：

圖4 儲(chǔ)能電池全壽命周期多階段SOH

表1 儲(chǔ)能電池參數(shù)

表2 儲(chǔ)能電池SOH分段參數(shù)

Nlife=2187 0e-1.957(1-SOC)

(54)

式中：SOC為儲(chǔ)能電池荷電狀態(tài)值。

遺傳算法參數(shù)設(shè)置如下：種群規(guī)模為40，交叉率為0.8，變異率為0.2，精英數(shù)為2，最大迭代數(shù)為50。服務(wù)費(fèi)為0.5元/(kW·h)。如圖5和圖6所示，通過(guò)K-means聚類得到5個(gè)典型日的光伏和充電負(fù)荷出力曲線，各典型日的概率依次為：0.154、0.308、0.215、0.154、0.169。并且將儲(chǔ)能電池全壽命分為4個(gè)階段,確定20個(gè)場(chǎng)景。算例的其他仿真參數(shù)如表3所示。

圖5 4 MW光伏電站出力

圖6 電動(dòng)汽車充電負(fù)荷

表3 其他參數(shù)

4.2 算例分析

本文提出的光儲(chǔ)優(yōu)化配置模型在Matlab2018平臺(tái)進(jìn)行仿真，并使用Gurobi 9.0進(jìn)行求解。

遺傳算法的迭代過(guò)程如圖7所示，結(jié)果逐步趨于穩(wěn)定至第30次迭代，解收斂至8.87×105元，并經(jīng)過(guò)多次迭代，未搜索到更優(yōu)解。最終結(jié)果如表4所示：光儲(chǔ)電站的最優(yōu)光伏配置容量為529.93 kW，儲(chǔ)能電池額定容量為1 008.88 kW·h，額定功率為619.84 kW，服務(wù)年限為14年。

圖7 遺傳算法的迭代過(guò)程

表4 仿真結(jié)果

充電站的購(gòu)電功率以及儲(chǔ)能電池運(yùn)行情況如圖8所示(以典型日1為例)。由圖8可知，在電價(jià)處于峰時(shí)(08：00—11：00和18：00—21：00)，儲(chǔ)能電池多處于放電狀態(tài)，電動(dòng)汽車充電負(fù)荷由儲(chǔ)能電池或光伏補(bǔ)充，充電站幾乎不從電網(wǎng)購(gòu)電，以減少充電站購(gòu)電成本。當(dāng)電網(wǎng)電價(jià)處于平谷時(shí)段時(shí)，購(gòu)電功率高于充電負(fù)荷，儲(chǔ)能電池處于充電狀態(tài)，從電網(wǎng)儲(chǔ)存能量用于峰時(shí)供給電動(dòng)汽車充電負(fù)荷。并且，同一個(gè)典型日不同階段的光儲(chǔ)充電站最優(yōu)運(yùn)行模式區(qū)別較小，儲(chǔ)能電池的工作模式均為“一充一放”，并且充電站購(gòu)電功率曲線在各個(gè)階段區(qū)別也較小，儲(chǔ)能電池充放電狀態(tài)在各個(gè)階段一致，僅充放電功率略微有所區(qū)別。由此可知，儲(chǔ)能電池老化速度以及容量衰減程度對(duì)同一典型日的運(yùn)行策略影響不大。

圖8 仿真結(jié)果

不同典型日的儲(chǔ)能電池壽命損耗成本如圖9所示，在儲(chǔ)能電池的不同容量衰減階段，由于光伏出力較低且充電負(fù)荷需求較高，典型日2和4的儲(chǔ)能電池壽命損耗成本最高，相對(duì)而言，典型日3的充電負(fù)荷最小，對(duì)應(yīng)的儲(chǔ)能電池壽命損耗最少。各場(chǎng)景下儲(chǔ)能電池容量衰減情況如圖10所示，隨著儲(chǔ)能電池的不斷使用，老化速度持續(xù)增高，以及SOH逐步降低，在相同壽命損耗程度下，儲(chǔ)能壽命末期容量衰減程度明顯提高，第4階段日儲(chǔ)能容量衰減量約是第一階段的20倍。顯然，隨著儲(chǔ)能電池的使用，其容量衰減速度不斷提高。

圖9 儲(chǔ)能壽命損耗成本

圖10 儲(chǔ)能容量衰減

為說(shuō)明本精細(xì)化儲(chǔ)能電池壽命損耗模型的意義，在其他參數(shù)保持一致的情況下，不考慮精細(xì)化儲(chǔ)能電池動(dòng)態(tài)模型的情況下，進(jìn)行對(duì)比分析，結(jié)果如圖11(以典型日1為例)和表5所示。由圖11可知，由于考慮精細(xì)化儲(chǔ)能模型的優(yōu)化程序中，綜合考慮了儲(chǔ)能電池的壽命損耗、容量衰減情況，使得充電站更加經(jīng)濟(jì)高效地利用儲(chǔ)能電池進(jìn)行充放電。因此，未考慮精細(xì)化儲(chǔ)能模型的結(jié)果劣于考慮精細(xì)化儲(chǔ)能模型的結(jié)果。未考慮精細(xì)化儲(chǔ)能模型算例的儲(chǔ)能動(dòng)作頻次與幅度均高于考慮精細(xì)化儲(chǔ)能模型的，充放電較為隨意，充電站的運(yùn)行情況未達(dá)到最優(yōu)運(yùn)行狀態(tài)。如表5所示，未考慮精細(xì)化儲(chǔ)能模型的年均收益為8.52×105元，比考慮精細(xì)化儲(chǔ)能模型時(shí)低3.5×104元；并且儲(chǔ)能電池的使用年限也僅為10.4年，比考慮精細(xì)化儲(chǔ)能模型時(shí)少了3.6年，考慮精細(xì)化模型的儲(chǔ)能電池的年均壽命損耗成本為1.63×105元，比未考慮時(shí)的降低5.6×104元。同時(shí)，未考慮精細(xì)化儲(chǔ)能模型的年收益率也降低了0.34%，同樣由于年均儲(chǔ)能電池壽命損耗的增加，其SOH的衰減速度也在加快。由此可知，考慮儲(chǔ)能電池精細(xì)化建模，能夠降低儲(chǔ)能電池壽命損耗成本，減緩容量衰減速度，增加使用年限，提升光儲(chǔ)充電樁經(jīng)濟(jì)效益。

圖11 未考慮精細(xì)化模型儲(chǔ)能系統(tǒng)運(yùn)行結(jié)果

表5 未考慮精細(xì)化儲(chǔ)能模型算例結(jié)果

為研究光儲(chǔ)系統(tǒng)的互補(bǔ)特性，分別仿真了未配置儲(chǔ)能電池和未配置光伏的2個(gè)對(duì)比算例，結(jié)果如表6所示。未配置儲(chǔ)能電池情況下，由于禁止充電站反送電至電網(wǎng)，會(huì)出現(xiàn)棄光情況，棄光率為9.3%。同時(shí)，缺少儲(chǔ)能電池提供能量存儲(chǔ)以及參與套利，不含儲(chǔ)能電池的系統(tǒng)的收益比光儲(chǔ)系統(tǒng)年均收益少了5.2×104元，但是，由于少了儲(chǔ)能電池高額的配置成本，充電站年收益率卻提高了4.62%。未配置光伏僅配置儲(chǔ)能電池情況下，同樣，充電站的年均收益為8.31×105元，低于光儲(chǔ)聯(lián)合運(yùn)行充電站的收益，年均收益率為15.44%，高于光儲(chǔ)聯(lián)合運(yùn)行的充電站的收益率。未配置光儲(chǔ)系統(tǒng)的年均收益為7.28×105元。由此可見(jiàn)，同時(shí)配置光伏和儲(chǔ)能電池確實(shí)可以提高電站的收益，但是，光儲(chǔ)的高額配置成本導(dǎo)致收益率不高，隨著光儲(chǔ)的發(fā)展以及成本的下降，光儲(chǔ)充電站經(jīng)濟(jì)價(jià)值將進(jìn)一步提高。

表6 對(duì)比算例仿真結(jié)果

5 結(jié) 論

1)考慮儲(chǔ)能電池的精細(xì)化模型，能夠降低儲(chǔ)能電池?fù)p耗成本，減緩容量衰減速率，提升儲(chǔ)能電池使用年限，增加充電站經(jīng)濟(jì)效益；

2)配置光儲(chǔ)系統(tǒng)能夠提高電動(dòng)汽車充電站經(jīng)濟(jì)效益，同時(shí)，光儲(chǔ)系統(tǒng)能夠?qū)崿F(xiàn)互補(bǔ)，儲(chǔ)能電池會(huì)根據(jù)分時(shí)電價(jià)實(shí)現(xiàn)套利，并儲(chǔ)存多余光伏能量；

3)光儲(chǔ)系統(tǒng)的高額配置成本影響充電站的收益率，光儲(chǔ)成本仍需進(jìn)一步下降。