劉吉成，鄭文青，王慧慧

（1.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 102206；2.新能源電力與低碳發(fā)展研究北京市重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)），北京 102206；3.同方知網(wǎng)（北京）技術(shù)有限公司，北京 100192）

隨著經(jīng)濟(jì)的快速發(fā)展，電網(wǎng)用電負(fù)荷日益增長導(dǎo)致電網(wǎng)調(diào)度受到了極大的沖擊［1-3］，發(fā)展可再生能源迫在眉睫。其中，以風(fēng)電為代表的清潔能源因其清潔無污染、技術(shù)成本低等特點(diǎn)在中國得到快速發(fā)展。然而由于風(fēng)力發(fā)電的波動性與隨機(jī)性等問題［4］，能源利用率已成為發(fā)展風(fēng)電的主要挑戰(zhàn)，在此背景下基于能源區(qū)塊鏈和儲能的風(fēng)儲系統(tǒng)應(yīng)運(yùn)而生。能源區(qū)塊鏈以其特殊的去中心化結(jié)構(gòu)和共識機(jī)制，在深度融合其他數(shù)字技術(shù)的基礎(chǔ)上實(shí)現(xiàn)多能源主體的協(xié)同合作，提高能源利用率，而利用儲能裝置可以有效減少由風(fēng)力發(fā)電造成的多種擾動［5］。但是，當(dāng)前風(fēng)儲系統(tǒng)大規(guī)模應(yīng)用時(shí)十分容易受到系統(tǒng)運(yùn)行成本的制約［6］。因此，為了提高能源利用效率、達(dá)到最優(yōu)的系統(tǒng)經(jīng)濟(jì)效應(yīng)，將能源區(qū)塊鏈和儲能引入風(fēng)電系統(tǒng)并探究能源區(qū)塊鏈環(huán)境下風(fēng)儲聯(lián)合系統(tǒng)的經(jīng)濟(jì)效應(yīng)價(jià)值分析尤為重要。

開展風(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)的價(jià)值分析研究，可以為提升系統(tǒng)整體的經(jīng)濟(jì)價(jià)值提供理論依據(jù)。然而關(guān)于風(fēng)儲聯(lián)合系統(tǒng)的研究大多集中在促進(jìn)風(fēng)電并網(wǎng)的積極意義上［7］，而對經(jīng)濟(jì)效應(yīng)的研究主要集中在三個(gè)層面。首先，在風(fēng)儲系統(tǒng)構(gòu)建的基礎(chǔ)上，研究系統(tǒng)收益對不同風(fēng)儲系統(tǒng)經(jīng)濟(jì)性因素的敏感程度。鑒于此王剛等［8］構(gòu)建了含有多種資源的園區(qū)綜合能源系統(tǒng)優(yōu)化調(diào)度模型，分析天然氣價(jià)格的變動與系統(tǒng)收益間的內(nèi)在關(guān)系。李廣洋等［9］則以新能源補(bǔ)貼退坡及建設(shè)配套儲能系統(tǒng)為研究對象，分析項(xiàng)目的收益率與選取的項(xiàng)目造價(jià)、年有效利用小時(shí)數(shù)等變量之間的關(guān)系；其次，提升風(fēng)儲系統(tǒng)的經(jīng)濟(jì)效應(yīng)更多涉及到儲能容量配置，因此更多學(xué)者從優(yōu)化儲能容量配置的角度，尋求提升系統(tǒng)經(jīng)濟(jì)效應(yīng)的模式。俞曉冬等［10］分別從電網(wǎng)側(cè)、可再生能源側(cè)以及用戶側(cè)角度出發(fā)，構(gòu)建滿足不同目標(biāo)的儲能容量配置模型。沈子奇等［11］在原有蓄電池壽命模型的目標(biāo)中計(jì)入儲能電池更換成本；最后，智能算法的學(xué)習(xí)能力與自適應(yīng)性對風(fēng)儲聯(lián)合系統(tǒng)運(yùn)行的優(yōu)化效果顯著，部分學(xué)者在儲能容量配置的基礎(chǔ)上結(jié)合智能算法優(yōu)化系統(tǒng)運(yùn)行結(jié)果，提升系統(tǒng)效益。夏新茂等［12］采用改進(jìn)型量子遺傳算法，以內(nèi)點(diǎn)法將約束問題轉(zhuǎn)化為非約束問題，提高全局尋優(yōu)能力,降低儲能系統(tǒng)經(jīng)濟(jì)性成本。Yang 等［13］利用基于分層排序方法的改進(jìn)蟻群算法，尋找儲能容量目標(biāo)函數(shù)下的最優(yōu)解。

綜上，學(xué)者們從風(fēng)儲系統(tǒng)經(jīng)濟(jì)效應(yīng)的影響因素分析到風(fēng)儲系統(tǒng)的系統(tǒng)優(yōu)化層層深入地進(jìn)行了研究，但更多的是對風(fēng)儲系統(tǒng)的經(jīng)濟(jì)效應(yīng)影響因素和容量配置進(jìn)行研究，而風(fēng)儲系統(tǒng)經(jīng)濟(jì)效應(yīng)研究與智能算法、信息技術(shù)的結(jié)合還處于起步階段。這是因?yàn)槟壳帮L(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)的研究大多受限于傳統(tǒng)的電力系統(tǒng)環(huán)境中。

隨著互聯(lián)網(wǎng)和數(shù)字技術(shù)的發(fā)展，風(fēng)儲聯(lián)合系統(tǒng)與數(shù)字化、信息化的結(jié)合越來越密切，數(shù)據(jù)資產(chǎn)和新型電力系統(tǒng)結(jié)構(gòu)成為風(fēng)電產(chǎn)業(yè)炙手可熱的新發(fā)展優(yōu)勢，因此影響系統(tǒng)經(jīng)濟(jì)效應(yīng)的關(guān)鍵因素逐漸發(fā)生變化。其中，以融合其他多種信息技術(shù)為特點(diǎn)的能源區(qū)塊鏈近年來逐漸被風(fēng)電產(chǎn)業(yè)所認(rèn)可，其信息安全技術(shù)、能量控制管理等方面的設(shè)計(jì)，推動了風(fēng)儲聯(lián)合系統(tǒng)的結(jié)構(gòu)化改革，促進(jìn)了能源主體一體化的自治生態(tài)模式發(fā)展。楊錫運(yùn)等［14］基于異構(gòu)能源區(qū)塊鏈的結(jié)構(gòu)模式設(shè)計(jì)了一種綜合能源系統(tǒng)交易模型，利用智能合約建立了基于價(jià)格約束的匹配拍賣機(jī)制，保障了清潔能源用戶的供能優(yōu)先級和交易的可靠性。朱西平等［15］研究了區(qū)塊鏈視角下各能源主體的儲能優(yōu)化配置模型，通過配置合適的儲能系統(tǒng)盡可能地實(shí)現(xiàn)自給自足。通過在電力系統(tǒng)中的不同實(shí)踐，證實(shí)了能源區(qū)塊鏈下的風(fēng)儲聯(lián)合系統(tǒng)可以有效解決傳統(tǒng)集中資源配置帶來的效率低下、隱私安全等問題。通過算法優(yōu)化經(jīng)濟(jì)效應(yīng)價(jià)值分析模型是十分必要的，但是許多智能算法在計(jì)算效率和適用性上存在一定的局限，有待進(jìn)一步改進(jìn)。

因此，本文充分考慮電力系統(tǒng)發(fā)展的信息化趨勢，在考慮結(jié)合信息化技術(shù)與智能算法的基礎(chǔ)上，提出一種能源區(qū)塊鏈環(huán)境下基于BAS-PSO 的風(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析模型。首先，在對能源區(qū)塊鏈及風(fēng)儲聯(lián)合系統(tǒng)進(jìn)行論述的基礎(chǔ)上構(gòu)建能源區(qū)塊鏈環(huán)境下的風(fēng)儲聯(lián)合系統(tǒng)及運(yùn)行模型。然后，從風(fēng)儲聯(lián)合系統(tǒng)的經(jīng)濟(jì)性角度出發(fā)，以系統(tǒng)運(yùn)行收益為目標(biāo)，考慮電池?fù)p耗對系統(tǒng)的影響，提出了風(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析模型。同時(shí)，選擇粒子群算法（particle swarm optimization,PSO）與天牛須搜索算法(beetle antennae search,BAS)混合的BASPSO 組合算法優(yōu)化系統(tǒng)運(yùn)行過程，計(jì)算出風(fēng)儲系統(tǒng)在考慮和未考慮電池?fù)p耗成本情況下的系統(tǒng)收益和損耗成本。通過運(yùn)行方式對比分析和敏感性分析，驗(yàn)證模型的有效性，以期為風(fēng)儲聯(lián)合系統(tǒng)的經(jīng)濟(jì)效應(yīng)價(jià)值分析研究作出理論與實(shí)踐貢獻(xiàn)。

1 能源區(qū)塊鏈環(huán)境下的風(fēng)儲聯(lián)合系統(tǒng)

1.1 能源區(qū)塊鏈背景

隨著新一代信息技術(shù)的發(fā)展和應(yīng)用，區(qū)塊鏈作為一種新型數(shù)據(jù)結(jié)構(gòu)形式于2008 年被正式提出［16］，區(qū)塊鏈可以通過去中心化和去信任的方式實(shí)現(xiàn)數(shù)據(jù)自主管理［17］。目前，區(qū)塊鏈技術(shù)在能源領(lǐng)域已經(jīng)成為一個(gè)現(xiàn)實(shí)的前景［18］，“能源區(qū)塊鏈”的概念應(yīng)運(yùn)而生，它主要具有以下四大特征：信息共享的能源交易環(huán)境、協(xié)同自治的運(yùn)行過程、能源主體的去中心化模式以及基于加密技術(shù)的可信任機(jī)制［19-20］。目前，基于底層云計(jì)算設(shè)備的支持，能源區(qū)塊鏈主鏈由源端、儲能、電網(wǎng)、售電和用戶這五個(gè)能源主節(jié)點(diǎn)構(gòu)成。各個(gè)節(jié)點(diǎn)基于統(tǒng)一的共識機(jī)制進(jìn)行基礎(chǔ)的運(yùn)作，并在智能合約的基礎(chǔ)上相互合作交易。每一個(gè)區(qū)塊主體都享有查看區(qū)塊信息的權(quán)力，因此各個(gè)能源主節(jié)點(diǎn)可以實(shí)現(xiàn)在信息共享環(huán)境下的協(xié)同合作。能源互聯(lián)網(wǎng)的基本框架圖如圖1 所示。

圖1 能源區(qū)塊鏈基本框架

能量管理、協(xié)調(diào)控制和能源應(yīng)用構(gòu)成能源區(qū)塊鏈的三個(gè)層次，其層次架構(gòu)關(guān)系如圖2 所示。鏈條中的利益主體根據(jù)需求選擇能源服務(wù)，進(jìn)而推動能源交易和能源調(diào)度，形成能源服務(wù)、能源交易和能源調(diào)度的良好循環(huán)。利益主體的行為觸發(fā)協(xié)調(diào)控制層中的各種機(jī)制判斷主體行為的合理性，并在能量管理層進(jìn)行相應(yīng)的能量數(shù)據(jù)記錄。

圖2 能源區(qū)塊鏈關(guān)系

能源區(qū)塊鏈以“協(xié)同合作，安全自治”為核心，以實(shí)現(xiàn)整體利益最大化作為最終目的，圍繞“清潔能源、分布式、合作、智能”4 個(gè)關(guān)鍵詞，不僅影響了能源系統(tǒng)的運(yùn)作架構(gòu)，還極大地提高了能源的利用效率，避免了原有格局中信息不對稱帶來的交易成本。其活躍的能量流動促進(jìn)了消納問題的解決，推動了消費(fèi)模式的多元化發(fā)展，使各種能源可以更高效地生產(chǎn)、消費(fèi)、互換、交易。

1.2 能源區(qū)塊鏈環(huán)境下的風(fēng)儲聯(lián)合系統(tǒng)

傳統(tǒng)的風(fēng)儲聯(lián)合系統(tǒng)難免存在因信息不對稱導(dǎo)致的信息滯后、電力資源浪費(fèi)等問題。因此，本文提出基于能源區(qū)塊鏈的風(fēng)儲聯(lián)合系統(tǒng)，由分布式風(fēng)電機(jī)組、儲能系統(tǒng)、用戶和外部電網(wǎng)組成，如圖3所示。通過區(qū)塊鏈條貫穿整個(gè)系統(tǒng)運(yùn)行過程，協(xié)同系統(tǒng)中的信息流與能量流，促進(jìn)系統(tǒng)中各主體協(xié)同合作。

圖3 基于能源區(qū)塊鏈的風(fēng)儲聯(lián)合系統(tǒng)

當(dāng)風(fēng)電機(jī)組發(fā)電供能時(shí)，電能流向電網(wǎng)，其發(fā)電信息寫入?yún)^(qū)塊鏈條并傳遞給電網(wǎng)。當(dāng)用戶負(fù)荷已滿足或用電需求處于低谷的信息，將此信息反饋給風(fēng)電機(jī)組，風(fēng)電機(jī)組將剩余的電能轉(zhuǎn)存到儲能系統(tǒng)中［21］。當(dāng)儲能系統(tǒng)讀取到用戶負(fù)荷無法被滿足或用電需求處于高峰的信息，儲能系統(tǒng)將調(diào)動存儲的電能供給用戶。信息隨著能量流動在區(qū)塊鏈條中進(jìn)行傳遞和存儲，能量流隨著信息傳遞而調(diào)度，在能源區(qū)塊鏈下的風(fēng)儲聯(lián)合系統(tǒng)中，信息傳遞的及時(shí)性就是能量調(diào)度的及時(shí)性，達(dá)到“削峰填谷”的效果。

2 風(fēng)儲聯(lián)合系統(tǒng)運(yùn)行模型

2.1 儲能系統(tǒng)運(yùn)行模型

儲能系統(tǒng)的運(yùn)行主要包括儲能的充放電部分和電池?fù)p耗部分。

（1）儲能充放電模型。風(fēng)儲聯(lián)合系統(tǒng)中儲能充放電模型由充電和放電兩部分組成。電池電荷狀態(tài)和充電/放電之間的關(guān)系如式（1）所示。

同時(shí)，儲能充放電時(shí)應(yīng)滿足儲能設(shè)備的功率約束。系統(tǒng)充電時(shí)，儲能設(shè)備的功率應(yīng)滿足：

為防止儲能電池的充電過度或是放電過度對電池的性能造成損害，能源區(qū)塊鏈的協(xié)調(diào)控制機(jī)制將在智能合約中寫入需要控制的系統(tǒng)荷電狀態(tài)，確保其數(shù)值范圍應(yīng)滿足以下條件：

（2）電池?fù)p耗模型。實(shí)際儲能系統(tǒng)運(yùn)行過程中電池需要頻繁地進(jìn)行不同深度的充電、放電，難以簡單地通過充放電深度去估計(jì)儲能電池壽命［1］。因此，為了綜合考慮上述各類因素對儲能電池使用壽命的影響，本文采用電池吞吐量評估法對電池壽命的損耗進(jìn)行評估，計(jì)算方法如式（5）。

圖4 損耗系數(shù)和SOC 值關(guān)系

基于此，為了控制儲能電池的出力情況，避免因其功率變動幅度過大而對電池造成損害，使得使用周期降低甚至減少系統(tǒng)的經(jīng)濟(jì)價(jià)值，能源區(qū)塊鏈中的智能合約同樣對儲能電池的功率變化范圍限制如下：

2.2 外部電網(wǎng)運(yùn)行模型

在風(fēng)儲聯(lián)合系統(tǒng)中，電網(wǎng)和用戶之間的電能交易模式是：

2.3 風(fēng)電輸出模型

在風(fēng)儲聯(lián)合系統(tǒng)中，如圖3 所示，風(fēng)電機(jī)組的輸出功率可以表示為用戶負(fù)荷與轉(zhuǎn)存電能的和，如式(11)所示 。

3 風(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析模型及求解算法

3.1 經(jīng)濟(jì)效應(yīng)目標(biāo)函數(shù)

風(fēng)儲聯(lián)合系統(tǒng)的經(jīng)濟(jì)效應(yīng)受風(fēng)電機(jī)組效率、儲能系統(tǒng)運(yùn)行效益等方面的影響。其中，儲能系統(tǒng)作為風(fēng)儲聯(lián)合系統(tǒng)的核心部分，其運(yùn)行效益對風(fēng)儲聯(lián)合系統(tǒng)的經(jīng)濟(jì)效應(yīng)起到?jīng)Q定性作用。在儲能系統(tǒng)運(yùn)行過程中，產(chǎn)生的成本主要由運(yùn)維成本及電池?fù)p耗成本構(gòu)成。目前，電池?fù)p耗作為儲能系統(tǒng)的主要成本在儲能系統(tǒng)運(yùn)行優(yōu)化中的研究相對較少。因此，本文也將重點(diǎn)考慮電池?fù)p耗在風(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析中的影響，以系統(tǒng)的運(yùn)行收益最大化為優(yōu)化目標(biāo)，建立經(jīng)濟(jì)效應(yīng)價(jià)值分析模型，目標(biāo)函數(shù)如式（12）所示。

3.2 基于BAS-PSO 的求解算法

3.2.1 粒子群算法（PSO）

PSO 在搜索空間中設(shè)置僅有速度和位置屬性的無質(zhì)量粒子，每個(gè)粒子憑借自身的速度和位置獨(dú)立尋找最優(yōu)解，通過將個(gè)體極值的信息在粒子群體內(nèi)共享，找到所有粒子中個(gè)體極值最優(yōu)的粒子［23］。粒子的速度和位置的公式如下：

3.2.2 天牛須搜索算法（BAS）

BAS 算法是于2017 年提出的啟發(fā)式仿真優(yōu)化搜索算法［24］，通過模擬天牛尋找食物的過程尋找目標(biāo)函數(shù)的最優(yōu)解。天牛主要利用自身的長須感知食物的氣味，從而控制行動方向和距離以搜索食物的實(shí)際位置。其優(yōu)勢在于在搜索過程中個(gè)體數(shù)量少，消耗的搜索成本也很小，比較適用于低維度問題的尋優(yōu)過程，而且在沒有目標(biāo)函數(shù)和具體梯度的信息下可以實(shí)現(xiàn)高效地自動尋優(yōu)。如圖5 所示，質(zhì)心的兩側(cè)是天牛的兩須，天牛的運(yùn)動步長與兩須之間距離的比值固定不變。

圖5 天牛須基本結(jié)構(gòu)

隨著天牛的位置發(fā)生移動，其左右兩須的朝向也會改變，定義如下：

3.2.3 基于天牛須思想的改進(jìn)粒子群算法（BASPSO）

通過將天牛須搜索算法與粒子群智能算法進(jìn)行結(jié)合，得到BAS-PSO 算法。每一個(gè)粒子可視作一個(gè)天牛，其初始位置和速度的設(shè)定過程與標(biāo)準(zhǔn)PSO 的過程相同，結(jié)合天牛須搜索算法的搜索思想，在增加群體中每一個(gè)個(gè)體本身對環(huán)境空間的判斷基礎(chǔ)上，通過比較每一次迭代期間左右須所對應(yīng)的適應(yīng)度函數(shù)值，確定更優(yōu)的結(jié)果，從而得到更新后的天牛群的方向和坐標(biāo)。BAS-PSO 優(yōu)化算法的計(jì)算流程如圖6 所示。

圖6 BAS-PSO 優(yōu)化算法流程

（4）完成迭代過程后，可得到全局最優(yōu)解和最優(yōu)解所在位置。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)及參數(shù)設(shè)置

針對某地區(qū)居民用戶歷史負(fù)荷曲線和電價(jià)曲線，分析風(fēng)儲系統(tǒng)運(yùn)行過程的具體經(jīng)濟(jì)效應(yīng)價(jià)值。該地區(qū)采用峰谷分時(shí)電價(jià)，其中基本風(fēng)電價(jià)格（平段電價(jià)）為0.61 元/(kW·h)，低谷電價(jià)為0.34 元/(kW·h)，峰谷電價(jià)為1.04 元/(kW·h)，電價(jià)峰谷差為0.7 元/(kW·h)，容量電價(jià)為33 元/(kW·月)，儲能系統(tǒng)參數(shù)及運(yùn)行成本、收益參數(shù)如表1 所示，該地區(qū)的日負(fù)荷曲線和峰谷電價(jià)曲線如圖7 所示。

表1 系統(tǒng)參數(shù)

圖7 分時(shí)電價(jià)及用電負(fù)荷曲線

4.2 算例結(jié)果分析

4.2.1 基于電池?fù)p耗和運(yùn)行方式的風(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析

利用BAS-PSO 算法對風(fēng)儲聯(lián)合系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析模型進(jìn)行優(yōu)化，根據(jù)前文提供的儲能系統(tǒng)的各個(gè)參數(shù)，計(jì)算系統(tǒng)運(yùn)行的收益和成本損耗情況，對比三種優(yōu)化方式下模型的收益結(jié)果。其中，未經(jīng)智能算法優(yōu)化的儲能系統(tǒng)按照每天充放電各4 小時(shí)運(yùn)行，深度充放電能力為85%。經(jīng)過優(yōu)化的儲能系統(tǒng)按照得到的出力曲線運(yùn)行。計(jì)算系統(tǒng)收益及損耗情況如表2 所示。

表2 系統(tǒng)收益及成本情況

由表2 可知，損耗成本對儲能系統(tǒng)的經(jīng)濟(jì)效應(yīng)價(jià)值產(chǎn)生的影響很大。無論是否采用智能算法對儲能系統(tǒng)運(yùn)行方式進(jìn)行優(yōu)化，都能明顯看到儲能系統(tǒng)在考慮損耗的情況下最終收益值要小于沒有考慮損耗成本情況的收益值。通過計(jì)算可知，在采用BASPSO算法優(yōu)化、PSO算法優(yōu)化以及未經(jīng)優(yōu)化的情況下，損耗成本分別占儲能系統(tǒng)年收益的10.9%、11.6%和12.8%，該比例處于10%～13%，也就是說，儲能系統(tǒng)運(yùn)行產(chǎn)生的全部收益中，將有10%～13%因此系統(tǒng)成本損耗而浪費(fèi)，因此，應(yīng)當(dāng)對儲能系統(tǒng)的損耗成本進(jìn)行估算，以優(yōu)化儲能的運(yùn)行方式，進(jìn)而提高儲能系統(tǒng)的經(jīng)濟(jì)效應(yīng)價(jià)值。

此外，對比幾種算法優(yōu)化的情況下日收益、年收益以及損耗成本可知，經(jīng)過BAS-PSO 算法優(yōu)化的儲能系統(tǒng)得到的日收益和年收益最大，由系統(tǒng)造成損耗成本占比最小。未經(jīng)算法優(yōu)化的儲能系統(tǒng)得到的日收益和年收益最小，由系統(tǒng)造成損耗成本占比最大。PSO 算法優(yōu)化后的儲能系統(tǒng)得到的收益和成本位于上述兩種情況之間，這反映了本文提出的BAS-PSO 算法在一定程度上解決標(biāo)準(zhǔn)粒子群算法尋優(yōu)能力不足的問題，使其具備更好的全局尋優(yōu)能力。

4.2.2 對比分析

為了更好地分析BAS-PSO 算法和PSO 算法對儲能系統(tǒng)運(yùn)行優(yōu)化程度的差異，在考慮系統(tǒng)損耗的條件下，對未經(jīng)優(yōu)化、PSO 算法優(yōu)化以及BAS-PSO 算法優(yōu)化的系統(tǒng)負(fù)荷曲線和去除儲能出力影響的合成負(fù)荷曲線進(jìn)行比較。三種情況下的負(fù)荷曲線和合成負(fù)荷曲線如圖8 至圖10。由圖像可知，經(jīng)BAS-PSO算法優(yōu)化的儲能系統(tǒng)的合成負(fù)荷曲線最平滑。為了便于準(zhǔn)確直觀地評估儲能系統(tǒng)“削峰填谷”的效果，此處選取計(jì)算合成負(fù)荷標(biāo)準(zhǔn)差的方式描述曲線波動情況，通過計(jì)算得到三種方式下儲能系統(tǒng)的合成負(fù)荷曲線的標(biāo)準(zhǔn)差分別是182.25、188.30 和215.28。由結(jié)果可知，經(jīng)優(yōu)化后的合成負(fù)荷曲線波動幅度要遠(yuǎn)小于未經(jīng)優(yōu)化的情況，其中，BAS-PSO 算法的合成負(fù)荷標(biāo)準(zhǔn)差是最小的，產(chǎn)生的“削峰填谷”效果也是最好的。

圖8 BAS-PSO 算法優(yōu)化后合成負(fù)荷曲線

圖9 PSO 算法優(yōu)化后的合成負(fù)荷曲線

圖10 未經(jīng)優(yōu)化的合成負(fù)荷曲線

SOC 曲線描述了風(fēng)儲系統(tǒng)中電池剩余容量的狀況，一般來說，SOC 值在大于0.5 時(shí)，儲能電池容量的使用效率更高。系統(tǒng)在三種算法優(yōu)化情況下的SOC 值曲線變化如圖11 至13 所示，由圖可知，經(jīng)BAS-PSO 算法所得的SOC 曲線峰值更大，且SOC值處于0.5 以上的區(qū)間更寬，這種運(yùn)行方式能夠有效提高對電池容量的利用率，進(jìn)而提高因峰谷電價(jià)差帶來的收益，隨著儲能電池的SOC 值長時(shí)間維持較高水平，有助于減少因荷電狀態(tài)造成的電池?fù)p耗，降低損耗成本，提高系統(tǒng)經(jīng)濟(jì)效應(yīng)。

圖11 BAS-PSO 算法優(yōu)化后的儲能系統(tǒng)SOC 曲線

圖12 PSO 算法優(yōu)化后的儲能系統(tǒng)SOC 曲線

圖13 未經(jīng)優(yōu)化的儲能系統(tǒng)SOC 曲線

4.2.3 敏感性分析

敏感性分析從參數(shù)設(shè)置方面分析、驗(yàn)證風(fēng)儲系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析模型設(shè)計(jì)的合理性和可靠性。本文通過對儲能系統(tǒng)最大充放電功率、充放電效率η和儲能系統(tǒng)荷電狀態(tài)最大值設(shè)置不同的參數(shù)，對比分析經(jīng)濟(jì)效應(yīng)價(jià)值分析模型的運(yùn)行效果。

從表3 中可以看出，當(dāng)儲能系統(tǒng)最大充放電功率為0.5、充放電效率為0.9、儲能系統(tǒng)荷電狀態(tài)最大值時(shí)，模型的預(yù)期年收益得到最大值68.5。整體來看，儲能系統(tǒng)最大充放電功率為500 時(shí)，預(yù)期年收益大于60 的情況最多。

表3 敏感性分析結(jié)果

表3（續(xù)）

當(dāng)儲能系統(tǒng)最大充放電功率為700 時(shí)，雖然每次系統(tǒng)可充放的電量更大，但對電池的損耗也更大。同時(shí)，當(dāng)充放電效率和儲能系統(tǒng)荷電狀態(tài)最大值越大，對電池造成的損耗也越大，系統(tǒng)維護(hù)成本逐漸增高，預(yù)期年收益越小。因此，當(dāng)充放電效率和儲能系統(tǒng)荷電狀態(tài)為0.9 時(shí)，預(yù)期年收益反而小于參數(shù)為0.8 的情況。當(dāng)儲能系統(tǒng)最大充放電功率為300時(shí)，儲能系統(tǒng)最大充放電的功率最小，系統(tǒng)的充放電相對受到限制，因此當(dāng)充放電效率和儲能系統(tǒng)荷電狀態(tài)最大值越大時(shí)，其預(yù)期年收益越大。但因?yàn)樽畲蟪浞烹姽β瘦^小，所以對電池造成的損耗也相對較小。

5 結(jié)論

本文在考慮能源區(qū)塊鏈的特性與風(fēng)儲聯(lián)合系統(tǒng)內(nèi)涵的基礎(chǔ)上，構(gòu)建了能源區(qū)塊鏈的風(fēng)儲聯(lián)合系統(tǒng)。從風(fēng)儲系統(tǒng)的經(jīng)濟(jì)性角度出發(fā)，以系統(tǒng)運(yùn)行收益為目標(biāo)，構(gòu)建了風(fēng)儲系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值分析模型，并重點(diǎn)考慮電池?fù)p耗在系統(tǒng)經(jīng)濟(jì)效應(yīng)價(jià)值中的影響。同時(shí)，采用基于BAS-PSO 的算法對儲能系統(tǒng)運(yùn)行過程進(jìn)行優(yōu)化，計(jì)算出儲能系統(tǒng)在考慮和未考慮電池?fù)p耗成本情況下的系統(tǒng)收益和損耗成本。通過運(yùn)行方式對比分析和敏感性分析，驗(yàn)證了算法的有效性，系統(tǒng)參數(shù)設(shè)置的合理性。本文模型能夠?qū)崿F(xiàn)系統(tǒng)收益的最大化效果，同時(shí)可以保護(hù)儲能系統(tǒng)的電池，有效控制系統(tǒng)維護(hù)成本。因此在大力開展儲能系統(tǒng)建設(shè)時(shí)，應(yīng)當(dāng)對電池?fù)p耗的影響因素進(jìn)行全面分析，以減少系統(tǒng)損耗成本，提高風(fēng)儲系統(tǒng)的經(jīng)濟(jì)效應(yīng)。本文所建立的模型能夠?qū)崿F(xiàn)優(yōu)化系統(tǒng)經(jīng)濟(jì)效應(yīng)的同時(shí)保護(hù)儲能系統(tǒng)的電池，有效控制系統(tǒng)維護(hù)成本。為風(fēng)儲聯(lián)合系統(tǒng)的運(yùn)行優(yōu)化、價(jià)值增值等方面提供一定的參考。