錢 嘯， 章姝俊， 陳楚楚， 黎 博， 章雷其， 吳啟亮， 張雪松， 陳民鈾

(1. 國網(wǎng)浙江省電力有限公司， 浙江 杭州 310000； 2. 重慶大學(xué)電氣工程學(xué)院， 重慶 400030； 3. 國網(wǎng)浙江省電力有限公司電力科學(xué)研究院， 浙江 杭州 310000)

1 引言

隨著中國雙碳目標(biāo)的推進(jìn)，可再生能源快速發(fā)展。但是，可再生能源出力的波動性、間歇性特點將對電力系統(tǒng)運(yùn)行的安全性、用戶用電的可靠性、投資者售電的經(jīng)濟(jì)性造成不容忽視的影響[1]。儲能以其靈活便捷的充放電能力提供輔助服務(wù)時，也解決了電網(wǎng)側(cè)、用戶側(cè)以及投資者所面臨的問題[2]。由于儲能技術(shù)參與應(yīng)用場景的商業(yè)模式尚未確立、實際建設(shè)案例少，投資者不能得到有效的投資信息，進(jìn)一步影響儲能技術(shù)的發(fā)展。在此不確定背景下，如何評估儲能技術(shù)參與電力系統(tǒng)應(yīng)用的綜合效益，同時考慮儲能未來發(fā)展迅速變化的趨勢，是一個亟待解決的問題。因此，建立多應(yīng)用場景下的儲能技術(shù)綜合效益評估模型，對儲能技術(shù)的發(fā)展具有現(xiàn)實意義。

目前對儲能技術(shù)參與應(yīng)用場景評估的研究，主要從經(jīng)濟(jì)性、可靠性、環(huán)保性等單方面考慮單應(yīng)用場景的效益。文獻(xiàn)[3-5]僅針對儲能參與單應(yīng)用場景下的經(jīng)濟(jì)性進(jìn)行了分析。而文獻(xiàn)[6-8]針對削峰填谷、調(diào)頻、延緩電網(wǎng)升級建設(shè)等多應(yīng)用場景下的經(jīng)濟(jì)性進(jìn)行了分析。文獻(xiàn)[9,10]進(jìn)一步考慮到可靠性，實現(xiàn)可靠性和經(jīng)濟(jì)性的最優(yōu)折中。而文獻(xiàn)[1,11,12]則側(cè)重考慮儲能的經(jīng)濟(jì)性與環(huán)保性。但是，上述研究無法全面反映電力系統(tǒng)對儲能技術(shù)多樣化的需求，以及儲能技術(shù)對電力系統(tǒng)多方面的影響。

針對以儲能為評估主體的綜合評估方法，目前常采用層次分析法[11,13,14]。但層次分析法的決策結(jié)果存在受主觀影響大、不能體現(xiàn)決策者偏好的不足。而以模糊數(shù)理論為基礎(chǔ)的組合評估法[15,16]，因能在信息缺失、專家主觀判斷存在歧義、猶豫的環(huán)境下，有效表達(dá)評估主體的特點以及決策者的偏好，已被廣泛運(yùn)用。然而，運(yùn)用傳統(tǒng)模糊數(shù)進(jìn)行評估時，需要根據(jù)評估主體特性選擇隸屬函數(shù)，不同的隸屬函數(shù)可能造成評估結(jié)果的不同。以直覺模糊數(shù)理論為基礎(chǔ)的評估方法無須選擇隸屬函數(shù)，不僅擁有傳統(tǒng)模糊數(shù)的特性，還能表達(dá)決策者的猶豫度[17-19]。以直覺模糊理論為基礎(chǔ)的評估結(jié)果無法直觀地展現(xiàn)評估時模糊、隨機(jī)的情形。

綜上所述，現(xiàn)有儲能技術(shù)的評估方法大多考慮單場景特性，而對多場景下的指標(biāo)體系和評估方法研究不夠深入。并且，常用評估方法，如層次分析法，不能很好解決決策者評估不確定性問題。因此，本文提出一種多應(yīng)用場景下儲能技術(shù)的多特性綜合評估模型，該模型能夠更全面地評估儲能技術(shù)的綜合效益，為決策者提供多樣性的評估結(jié)果。本文方法將多種應(yīng)用場景考慮到經(jīng)濟(jì)性指標(biāo)中，建立更為全面的多特性評估指標(biāo)體系，并確立了指標(biāo)計算模型。進(jìn)一步，為更好解決決策者評估不確定性問題，本文針對直覺模糊層次分析法(Intuitionistic Fuzzy Analytic Hierarchy Process，IFAHP)不能直觀體現(xiàn)評估時模糊、隨機(jī)的問題，利用云模型(Cloud Model)[20-22]可保留隨機(jī)性和模糊性的特性，對其評估模型進(jìn)行改進(jìn)，量化專家對指標(biāo)偏好的權(quán)重值。最后，以改進(jìn)的IEEE RBTS BUS6作為測試系統(tǒng)，以指標(biāo)仿真數(shù)據(jù)為基底，結(jié)合直覺模糊層次分析法的權(quán)重，通過云模型將其云滴化，得到儲能技術(shù)參與多應(yīng)用場景的綜合評估結(jié)果。就目前常見儲能技術(shù)而言，在不考慮地理環(huán)境、建設(shè)周期等約束條件下，抽水蓄能的綜合評分最優(yōu)。而進(jìn)一步對電化學(xué)儲能技術(shù)的技術(shù)參數(shù)進(jìn)行敏感性分析后發(fā)現(xiàn)，當(dāng)提高電化學(xué)儲能技術(shù)成本、循環(huán)次數(shù)和日歷壽命時，其綜合評分要優(yōu)于抽水蓄能。

2 儲能參與多場景應(yīng)用綜合評估指標(biāo)體系

針對目前對儲能技術(shù)參與電網(wǎng)應(yīng)用場景的研究分析不夠全面的問題，本文從可靠性、經(jīng)濟(jì)性、環(huán)保性綜合3方面建立指標(biāo)體系。

2.1 可靠性評估指標(biāo)

考慮到電力系統(tǒng)中儲能的接入將對其可靠性產(chǎn)生一定的影響，本文選擇系統(tǒng)平均中斷頻率(System Average Interruption Frequency Index, SAIFI)、用戶停電持續(xù)時間(Customer Interruption Duration Index, CIDI)、平均供電可用率(Average Service Availability Index, ASAI)、負(fù)荷缺供電量(Energy Not Supplied, ENS)作為可靠性評估指標(biāo)[23，24]，詳細(xì)計算見附錄。

2.2 經(jīng)濟(jì)性評估指標(biāo)

考慮到多應(yīng)用場景的特性，采用平準(zhǔn)化儲能成本(Levelized Cost Of Storage, LCOS)指標(biāo)表征其在不同應(yīng)用場景下的成本，并提出將經(jīng)濟(jì)效益按應(yīng)用場景細(xì)分為能量套利、調(diào)頻效益、延緩電網(wǎng)設(shè)備改造升級指標(biāo)。

(1)平準(zhǔn)化儲能成本指標(biāo)

為準(zhǔn)確量化儲能參與應(yīng)用場景時所需的成本，本文采用平準(zhǔn)化儲能成本作為成本指標(biāo)，其中包含投資、運(yùn)行維護(hù)、充電和報廢成本，計算見式(1)、式(2)[25，26]：

(1)

(2)

式中，r為折現(xiàn)率；n為儲能設(shè)備工作的第n個年限；N為儲能設(shè)備總的工作年限；Tc為儲能設(shè)備的建設(shè)時間；Icost為儲能設(shè)備的投資成本；CP為儲能設(shè)備的功率成本；CpP為儲能設(shè)備的額定功率；CE為儲能設(shè)備的能量成本；CpE為儲能設(shè)備的額定容量；Fcost為儲能設(shè)備的固定運(yùn)行維護(hù)成本；CPF為儲能設(shè)備運(yùn)行和維護(hù)的功率成本；CEF為儲能設(shè)備運(yùn)行和維護(hù)的能量成本；Cy為儲能設(shè)備的年平均充放電次數(shù)；Dgy為儲能設(shè)備的循環(huán)放電老化率；DgT為儲能設(shè)備的年老化率；DoD為儲能設(shè)備的放電深度；Ccost為儲能設(shè)備的充電成本；Pel為第n個工作年限的充電電價(CNY/(kW·h))；tcharged為第n個工作年限的充電時長；Edc,n為第n個使用年限中的放電電量；Scost為儲能設(shè)備的報廢成本；FEOL為相對一次性投資成本的比例系數(shù)；η為儲能設(shè)備對外充放電總效率；ηRT為儲能設(shè)備的充放電循環(huán)效率；ηself為儲能設(shè)備的自放電率；當(dāng)應(yīng)用場景確定時，CpE為儲能設(shè)備每次以額定功率持續(xù)放電時長為tapp時的儲能設(shè)備額定容量；tapp為應(yīng)用場景所要求放電時長。

(2)能量套利指標(biāo)

儲能技術(shù)參與能量套利的收益計算如式 (3)、式(4)[27]所示：

(3)

mea,h=ph,peak-ph,valley

(4)

式中，Mea為儲能參與總時長為H時套利服務(wù)所得收益；ΔQea,h為h時間段內(nèi)儲能參與能量套利的電量；mea,h為第h時間段內(nèi)能量套利凈利潤；ph,peak為h時間段內(nèi)的峰值電價；ph,valley為h時間段內(nèi)谷值電價。

(3)調(diào)頻效益指標(biāo)

儲能參與調(diào)頻的收益數(shù)學(xué)模型如式(5)、式(6)所示[28]：

Msfm=Qsfm·re

(5)

Qsfm=Psfm·Tsfm

(6)

式中，Msfm為參與調(diào)頻服務(wù)的補(bǔ)償費(fèi)用；re為補(bǔ)償系數(shù)；Qsfm為參與調(diào)頻容量；Psfm為參與調(diào)頻功率；Tsfm為調(diào)頻時段的長度。

(4)延緩配電網(wǎng)設(shè)備投資

延緩配電網(wǎng)設(shè)備升級投資效益計算如式(7)、式(8)所示[3，29]：

(7)

(8)

式中，Mdelay為延緩配電網(wǎng)設(shè)備投資的收益；Cinv為電網(wǎng)進(jìn)行改造升級所需的一次性投資成本；ξ為儲能系統(tǒng)的峰值削波率；τ為配電網(wǎng)負(fù)荷的年增長率。

2.3 環(huán)保性評估指標(biāo)

為量化儲能代替?zhèn)鹘y(tǒng)火電機(jī)參與服務(wù)所得環(huán)保效益，本文提出儲能代替其參與電網(wǎng)服務(wù)時，所減少排放的污染物作為環(huán)境效益指標(biāo)，如式(9)所示[2,30]:

(9)

式中，mi,gas為第i種氣體單位環(huán)境價值(元/kg)；Ci,gas為第i種氣體單位排放量(g/(kW·h))；Qapp為儲能代替火電機(jī)組參與服務(wù)的放電電量。

綜上所述，本文建立的綜合評估指標(biāo)體系包含系統(tǒng)平均停電頻率、用戶停電持續(xù)時間、平均供電可用率、總停供電量、平準(zhǔn)化儲能成本、能量套利效益、調(diào)頻效益、延緩設(shè)改擴(kuò)建與污染氣體排放9個2級指標(biāo)，如圖1所示。

圖1 綜合評估指標(biāo)體系Fig.1 Comprehensive evaluation indices system

3 改進(jìn)的基于云模型直覺模糊層次分析法

針對現(xiàn)有評估方法無法體現(xiàn)猶豫、不確定的問題，本文在直覺模糊層次分析法的基礎(chǔ)上，利用云模型對其進(jìn)行改進(jìn)，提出改進(jìn)的基于云模型的直覺模糊層次分析法(Intuitionistic Fuzzy Analytic Hierarchy Process-Cloud model，IFAHP-Cloud)。該方法能夠更好地表達(dá)決策者對儲能技術(shù)參與多應(yīng)用場景，進(jìn)行評估時的不確定性、偏好性。

3.1 直覺模糊層次分析法確立權(quán)重

本文模型首先利用直覺模糊層次分析法確立評估指標(biāo)體系的權(quán)重。直覺模糊層次分析法以傳統(tǒng)模糊集與層次分析法為基礎(chǔ)原理，考慮人工主體評估時思維上的猶豫度，建立以隸屬度、非隸屬度和猶豫度為信息機(jī)理的模糊合集[31]。決策者通過建立直覺模糊集進(jìn)行評估，如式(10)所示[32，33]：

A={x=[μA(x),νA(x)],x∈X}

(10)

式中，μA(x)，νA(x)分別為對象x對集合A的隸屬度和非隸屬度，其值需滿足以下條件：

(11)

猶豫度由隸屬度和非隸屬度得到，定義為：

πA(x)=1-μA(x)-νA(x)

(12)

(1)構(gòu)造直覺模糊判別矩陣

當(dāng)專家對對象進(jìn)行評估時，將對象的各因素之間進(jìn)行比較判別，并以直覺模糊數(shù)來表達(dá)，其中包含決策者的態(tài)度、意見。直覺模糊判別矩陣的確立是直覺模糊層次分析法的關(guān)鍵，直覺模糊判別矩陣為：

R=(rij)m×m

(13)

式中，直覺模糊數(shù)rij=(μij,νij,πij)，其中，μij為專家偏好指標(biāo)i優(yōu)于指標(biāo)j的程度，νij為專家偏好指標(biāo)j優(yōu)于指標(biāo)i的程度，πij為專家對指標(biāo)j與指標(biāo)i之間優(yōu)劣關(guān)系的猶豫程度。表1為直覺模糊判別數(shù)的參照表[18，34]。

表1 直覺模糊判別數(shù)參數(shù)對照表Tab.1 Intuitionistic fuzzy numbers used in pairwise comparison matrices

(2)一致性檢驗及修正

直覺模糊層次分析法需要對判別矩陣進(jìn)行一致性檢驗，若檢驗不滿足要求，則需進(jìn)行修正。一致性檢驗及修正公式見文獻(xiàn)[33]。文獻(xiàn)[34，35]提出當(dāng)一致性矩陣檢驗值RI滿足RI<0.1時達(dá)到標(biāo)準(zhǔn)，否則需繼續(xù)修正。

(3)權(quán)重的計算

同屬別下指標(biāo)直覺模糊權(quán)重由判別矩陣通過式(14)計算得出:

(14)

根據(jù)得分函數(shù)式(15)與歸一化函數(shù)式(16)將直覺模糊權(quán)重計算為歸一化權(quán)重λ，其中πi=1-μi-νi。

(15)

(16)

3.2 云模型量化不確定因素

云模型的關(guān)鍵信息由期望Ex、熵En、超熵He三個特征值表達(dá)。云滴值期望Ex反映云中心的位置，是代表該云滴100%屬于定性概念的量化體現(xiàn)，利用式(17)計算得到。熵En反映空間中云滴的離散與模糊程度，是該定性概念所涵蓋的分?jǐn)?shù)范圍，由式(18)計算得到。超熵He反映為熵的不確定性，He越大云滴越離散，云模型厚度越厚。特征值計算如式(19)、式(20)所示。

(17)

(18)

(19)

(20)

式中，Xi為樣本點的數(shù)值；S2為樣本數(shù)據(jù)的樣本方差。

為使決策者對評估結(jié)果有更加明確的概念，在對儲能參與多應(yīng)用場景綜合評估時，需要對其評估結(jié)果進(jìn)行等級分類[32]。利用指標(biāo)等級分值的上下限，可通過正向云發(fā)生器式(21)得到各個指標(biāo)等級的云模型特征值。

(21)

式中，Sij,max、Sij,min為評估等級區(qū)間分?jǐn)?shù)；He的值為常數(shù)C。

利用云模型對直覺模糊層次法進(jìn)行改進(jìn),通過式(22)～式(24)將直覺模糊層次分析法得到的主觀權(quán)重與云滴相結(jié)合，實現(xiàn)客觀與主觀相結(jié)合的綜合評估。

(22)

(23)

(24)

式中，λi為第i個指標(biāo)的直覺模糊權(quán)重；Exi、Eni、Hei分別為第i個指標(biāo)的期望、熵、超熵；Exj、Enj、Hej分別為第i個指標(biāo)所屬上級指標(biāo)j的特征值。

4 基于IFAHP-Cloud的綜合評估模型

為更好地解決決策者評估的不確定性，與明確評估流程，本節(jié)建立了綜合評估等級，并對本文所建立的基于IFAHP-Cloud綜合評估方法流程進(jìn)行闡述。

4.1 綜合評估等級的建立

為簡明地表達(dá)評估結(jié)果，參考文獻(xiàn)[36]儲能電站運(yùn)行評價等級劃分標(biāo)準(zhǔn)，將儲能技術(shù)參與多應(yīng)用場景的評估結(jié)果分為“AAA”、“AA”、“A”、“B”、“C”五個等級，等級對應(yīng)分?jǐn)?shù)區(qū)間見表2。

表2 儲能技術(shù)參與多應(yīng)用場景評估綜合云等級Tab.2 Energy storage technology participating in comprehensive cloud evaluation level of multi-function services

基于以上評估分?jǐn)?shù)集，利用式(21)正向云發(fā)生器得到等級標(biāo)準(zhǔn)的云模型，如圖2所示。圖2中每個等級由2 000個云滴構(gòu)成，縱坐標(biāo)為云滴在橫坐標(biāo)分?jǐn)?shù)上的隸屬度。

圖2 儲能技術(shù)參與多應(yīng)用場景評估等級云模型圖Fig.2 Energy storage technology participation in multi-function service comprehensive evaluation grade cloud model chart

4.2 綜合評估方法流程

評估模型流程如圖3所示,其總體流程如下：

(1)根據(jù)可靠性、經(jīng)濟(jì)性、環(huán)保性指標(biāo)數(shù)學(xué)模型對指標(biāo)數(shù)據(jù)進(jìn)行計算。

(2)根據(jù)指標(biāo)仿真數(shù)據(jù)，利用逆向云發(fā)生器計算指標(biāo)的云模型數(shù)字特征。

(3)根據(jù)確定的儲能評分等級，利用條件發(fā)生器生成云模型評估等級。

(4)咨詢專家，對所建立評估體系中指標(biāo)進(jìn)行直覺模糊判別，生成判別矩陣。

(5)對判別矩陣進(jìn)行一致性檢驗，若滿足，則到步驟(7)，若不滿足，則進(jìn)行下一步。

(6)對判別矩陣進(jìn)行修正，修正后，返回步驟(5)。

(7)計算直覺模糊權(quán)重。

(8)將指標(biāo)云模型特征參數(shù)與直覺模糊權(quán)值相結(jié)合，得到儲能技術(shù)的綜合云模型評分。

(9)評估完成。

圖3 綜合評估方法流程圖Fig.3 Comprehensive evaluation method flow chart

5 測試系統(tǒng)參數(shù)與評估指標(biāo)體系計算

為驗證本文所提綜合評估方法的合理性，本文首先根據(jù)指標(biāo)的數(shù)學(xué)模型搭建測試系統(tǒng)參數(shù)，并對其進(jìn)行計算，得到指標(biāo)數(shù)據(jù)，作為云模型生成云滴的數(shù)據(jù)基礎(chǔ)。

5.1 測試系統(tǒng)參數(shù)設(shè)定

針對可靠性指標(biāo)數(shù)據(jù)的計算，本文采用改進(jìn)的IEEE RBTS BUS6算例[37]。本文在IEEE RBTS BUS6系統(tǒng)中的18與30節(jié)點處分別接入一個儲能系統(tǒng)，修改后的測試系統(tǒng)如圖4所示。

圖4 改進(jìn)的IEEE RBTS BUS6算例Fig.4 Improved IEEE RBTS BUS6 calculation example

為了評估不同儲能技術(shù)對可靠性指標(biāo)的影響，選取了八種典型儲能技術(shù)進(jìn)行計算評估，分別為抽水蓄能(Pumped Hydro Storage，PHS)、壓縮空氣儲能(Compressed Air Energy Storage，CAES)、飛輪儲能(Flywheel Energy System，F(xiàn)ES)、閥控鉛酸電池(Valve Regulated Lead Acid battery，VRLA)、磷酸鋰鐵電池(Lithium iron Phosphate battery，LFP)、鈉硫電池(sodium-sulfur battery，NaS)、全釩液流電池(Vanadium Redox-Flow battery，VRF)、氫儲能(Hydrogen Energy Storage，HES)。儲能技術(shù)的容量等參數(shù)見附錄。測試系統(tǒng)中的線路、系統(tǒng)平均負(fù)荷功率與元件可靠性參數(shù)等見文獻(xiàn)[37]。

仿真經(jīng)濟(jì)、環(huán)保效益時的指標(biāo)數(shù)據(jù)，需要對儲能技術(shù)參與多應(yīng)用場景的基本參數(shù)進(jìn)行設(shè)定，本文所設(shè)定應(yīng)用場景的基本參數(shù)取自文獻(xiàn)[16,26]，具體見附錄。

能量套利參考浙江省居民用電分時電價表進(jìn)行仿真，具體見附錄。針對調(diào)頻收益應(yīng)用場景，參考浙江省收費(fèi)標(biāo)準(zhǔn)，調(diào)頻容量為10元/MW，調(diào)頻里程收費(fèi)為15元/MW。延緩電網(wǎng)設(shè)備升級應(yīng)用場景的參數(shù)數(shù)值見附錄。

在對環(huán)保性指標(biāo)進(jìn)行計算時，需用到氣體單位環(huán)境價值、氣體單位排放量，其值見附錄。

5.2 評估指標(biāo)體系計算結(jié)果

在指標(biāo)體系的參數(shù)設(shè)定后，據(jù)第2節(jié)所建立指標(biāo)數(shù)學(xué)模型進(jìn)行仿真計算，得到綜合指標(biāo)體系仿真結(jié)果。圖5為不同儲能技術(shù)的可靠性數(shù)據(jù)指標(biāo)，對于SAIFI指標(biāo)，各儲能技術(shù)差距較小，抽水蓄能、壓縮空氣儲能和氫儲能可有效減少用戶點年停電次數(shù)。

圖5 系統(tǒng)可靠性評估指標(biāo)Fig.5 Indices data of system reliability

圖6為平準(zhǔn)化儲能成本。LCOS指標(biāo)值為零表示不滿足參與應(yīng)用場景的條件。抽水蓄能的能量套利、調(diào)頻與延緩電網(wǎng)設(shè)備投資的LCOS在八種儲能技術(shù)中最低。全釩液流電池、磷酸鋰鐵電池、鈉硫電池、閥控電池參與能量套利與延緩電網(wǎng)設(shè)備投資的LCOS成本相差不大。

圖6 LCOS指標(biāo)數(shù)據(jù)Fig.6 Indices data of LCOS

圖7為效益指標(biāo)。從圖7中可看出抽水蓄能在參與能量套利、調(diào)頻以及延緩電網(wǎng)設(shè)備投資三者應(yīng)用場景時，效益均為最高，分別為4 950 CNY/kW，8 400 CNY/kW和792 CNY/kW。由于抽水蓄能、壓縮空氣儲能在應(yīng)用場景中壽命較長，所以單位容量下的場景收益相比其余儲能技術(shù)較高。并且由圖7中可看出，調(diào)頻收益和能量套利為儲能技術(shù)收益主要來源。

圖7 效益指標(biāo)數(shù)據(jù)Fig.7 Indices data of economic benefits

在對經(jīng)濟(jì)性指標(biāo)進(jìn)行計算的同時，能夠得到儲能技術(shù)的減少氣體排放效益指標(biāo)，減少氣體排放效益指標(biāo)仿真數(shù)據(jù)結(jié)果如圖8所示。在經(jīng)濟(jì)效益指標(biāo)中收益最高的抽水蓄能，在減少氣體排放效益指標(biāo)中仍為最高，其單位容量下的減排效益為351.51元，減少氣體排放量為106.85 kg。

圖8 減排效益指標(biāo)Fig.8 Indices data of emissions

6 多應(yīng)用場景下儲能技術(shù)的綜合評估結(jié)果

本節(jié)利用提出的基于IFAHP-Cloud的綜合評估方法，確定指標(biāo)體系的權(quán)重，在得到綜合指標(biāo)體系仿真數(shù)據(jù)的基礎(chǔ)之上，通過云模型得到各儲能技術(shù)的綜合評分。

6.1 指標(biāo)體系權(quán)重

首先，對本文所建立評估體系中指標(biāo)的重要性進(jìn)行評估。以可靠性指標(biāo)為例，判別矩陣RA行、列對應(yīng)可靠性指標(biāo)內(nèi)SAIDI、ENS、ASAI、CIDI四個指標(biāo)，其內(nèi)元素為3.1節(jié)所述直覺模糊數(shù)rij=(μij，νij)，指標(biāo)直覺模糊數(shù)為根據(jù)表1分別對比所得，例如判別矩陣RA內(nèi)元素rA-11為SAIDI指標(biāo)和SAIDI指標(biāo)自身比較重要性，此情況下兩者重要性等同且不存在猶豫度，所以rA-11=(0.50，0.50)，元素rA-12為SAIDI指標(biāo)相較于ENS指標(biāo)的重要性，經(jīng)決策分析SAIDI指標(biāo)相較于ENS指標(biāo)相比非常重要，參照表1可得到rA-12=(0.80，0.15)。同理可得到矩陣內(nèi)其余元素值，以及經(jīng)濟(jì)性指標(biāo)判別矩陣RB。

(25)

(26)

(27)

(28)

將經(jīng)修正后的直覺模糊判別矩陣代入式(14)～式(16)，得到本文所建立評估指標(biāo)的權(quán)重見表3。

表3 指標(biāo)權(quán)值表Tab.3 Indices weight

6.2 各種儲能技術(shù)的綜合評估結(jié)果

將第5節(jié)得到的仿真數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，并將其代入逆向云發(fā)生器即式(17)～式(20)，得到各個指標(biāo)對應(yīng)云模型特征值。并通過式(22)～式(24)將計算得到的各指標(biāo)權(quán)值與云模型數(shù)字特征值結(jié)合，得到各儲能技術(shù)的綜合評估模型，將其與綜合評估等級進(jìn)行對比，得到其評估結(jié)果，評分表見表4，云滴圖如圖9所示。

表4 儲能技術(shù)參與多應(yīng)用場景評估綜合云等級評分表Tab.4 IFAHP-Cloud model score table

圖9 八種儲能技術(shù)參與多應(yīng)用場景的綜合云模型評估結(jié)果Fig.9 Score results of comprehensive cloud model for 8 energy storage technologies participating in multi-functional services

圖9為八種儲能技術(shù)參與多應(yīng)用場景的綜合云模型評估結(jié)果，圖9中分為兩部分，一部分為圖2設(shè)立的評估等級云模型圖，另一部分為綜合評估結(jié)果(用不同深淺的點表示)。評分從高到低分別為抽水蓄能、壓縮空氣儲能、全釩液流電池、磷酸鋰鐵電池、閥控鉛酸電池、飛輪儲能、鈉硫電池、氫儲能。將綜合評估結(jié)果與設(shè)立的評估等級的橫坐標(biāo)評分值進(jìn)行對比，可得到抽水蓄能的評估等級為AA，其余儲能技術(shù)得分等級均為C。圖9中點即云滴的離散程度和厚度，表示其屬于該分值的不確定性和模糊度。離散程度越大、云滴越厚，不確定性越大。抽水蓄能技術(shù)是1890年以來最成熟、商用廣泛采用的大規(guī)模儲能技術(shù)[38]，且據(jù)美國能源部全球儲能數(shù)據(jù)庫[16]中統(tǒng)計，抽水蓄能的裝機(jī)容量占比遠(yuǎn)大于其余儲能。針對能夠參與多應(yīng)用場景的商業(yè)規(guī)模的儲能設(shè)備，通常需大規(guī)模建設(shè)、長久使用[39]。抽水蓄能和壓縮空氣儲能不僅能夠大規(guī)模建設(shè)[40]，且使用壽命長，參與應(yīng)用場景時能帶來更多經(jīng)濟(jì)效益、更易滿足用戶需求。電池儲能技術(shù)由于其優(yōu)越的性能，研究項目眾多[40]，但因其成本較高且壽命較短，不宜大規(guī)模制造，致使電池儲能技術(shù)在多應(yīng)用場景的綜合評分中，與抽水蓄能的評分拉開差距。評估結(jié)果與分析對比呈現(xiàn)一定程度相仿，能夠驗證本文所建立評估模型的合理性和真實性。

6.3 本文方法與其他方法的對比

為驗證本文所提IFAHP-Cloud評估模型的合理性，采用廣泛應(yīng)用的層次分析法(Analytic Hierarchy Process，AHP)，以及運(yùn)用直覺模糊層次分析法對儲能技術(shù)參與多應(yīng)用場景的效益進(jìn)行評估，對兩種方法得到的結(jié)果與本文進(jìn)行對比分析。AHP評估結(jié)果見表5，直覺模糊評分見表6。

表5 儲能技術(shù)參與多應(yīng)用場景評估層次分析法評分表Tab.5 AHP score table

表6 儲能技術(shù)參與多應(yīng)用場景直覺模糊評分表Tab.6 IFAHP score table

從表5可知，運(yùn)用AHP法對儲能技術(shù)參與多應(yīng)用場景評估的結(jié)果。針對抽水蓄能和壓縮空氣儲能兩種已成熟使用的大規(guī)模儲能技術(shù)，評估結(jié)果與本文所建評估模型呈同一趨勢，處于八種儲能技術(shù)前兩名。飛輪儲能、閥控鉛酸電池等六種儲能技術(shù)評分權(quán)重呈一定程度的重疊。表現(xiàn)出決策者在使用AHP對儲能技術(shù)進(jìn)行主觀評估的過程中，不確定這六種儲能技術(shù)在參與多應(yīng)用場景時的優(yōu)劣。從表6可知，在運(yùn)用直覺模糊分析法進(jìn)行評估時，考慮到?jīng)Q策者的猶豫度和不確定性，其評估結(jié)果與層次分析法相比，分值清晰，可知幾種儲能技術(shù)之間的等級差距。由于最終結(jié)果未能表達(dá)出在計算過程中決策者的不確定性，且參考數(shù)據(jù)少、主觀性強(qiáng)，其結(jié)果與本文所提IFAHP-Cloud模型評估結(jié)果存在排名上差異。

而本文所提IFAHP-Cloud模型不僅能以定量方式表現(xiàn)出此不確定以及模糊性，并且云圖中的云滴能夠表達(dá)出幾種儲能技術(shù)之間，排名的不確定性、隨機(jī)性。除此之外，本文所提模型將主觀與客觀評估相結(jié)合，比起層次分析法、直覺層次分析法，一定程度上削減了評估專家主觀偏好，且減少了對數(shù)據(jù)的依賴性，使得評估結(jié)果更為客觀合理。

6.4 敏感性分析

考慮到抽水蓄能、壓縮空氣等大型儲能電站受地理條件限制，建設(shè)周期長，而電化學(xué)儲能技術(shù)發(fā)展迅速，本文進(jìn)一步對電化學(xué)儲能的充放電循環(huán)次數(shù)、日歷壽命、單位功率與能量成本三者變量進(jìn)行敏感性分析，以研究電化學(xué)儲能的應(yīng)用潛力。

以評分最高的抽水蓄能的技術(shù)參數(shù)為基準(zhǔn)，使閥控鉛酸電池、磷酸鋰鐵電池、鈉硫電池、全釩液流電池的充放電循環(huán)次數(shù)、日歷壽命、單位功率成本和能量成本三者按比例接近抽水蓄能，并重新計算云模型評分Ex，得到電化學(xué)儲能對三者變量的敏感性分析圖，如圖10所示。

圖10 電化學(xué)儲能的敏感性分析雷達(dá)圖Fig.10 Sensitivity analysis radar chart of electrochemical energy storage

由圖10(a)、圖10(b)與圖10(c)可看出當(dāng)電化學(xué)儲能的充放電循環(huán)次數(shù)、日歷壽命和成本的數(shù)量級分別與抽水蓄能相接近時，綜合評分將逐漸與抽水蓄能持平。從變化趨勢上看，電化學(xué)儲能的充放電循環(huán)次數(shù)對綜合評分敏感性最強(qiáng)，而成本最弱。當(dāng)三者變量同時變化時，電化學(xué)儲能的綜合評分將顯著增高，如圖10(d)中所示。其中磷酸鋰鐵、鈉硫電池在三者技術(shù)參數(shù)改善時表現(xiàn)出良好的評分。

7 結(jié)論

本文針對評估儲能技術(shù)參與多應(yīng)用場景時考慮不全面的問題，提出了一種多應(yīng)用場景下儲能技術(shù)的多特性綜合評估模型。針對傳統(tǒng)評估方法主觀性強(qiáng)、不能直觀表達(dá)評估過程中模糊、不確定的問題，本文結(jié)合直覺模糊層次分析法與云模型方法，得到各儲能技術(shù)在不確定、猶豫環(huán)境下的評估等級。結(jié)果表明，若不考慮地理條件限制，在多應(yīng)用場景下，抽水蓄能的評估等級最優(yōu)。

但是由于抽水蓄能、壓縮空氣儲能對地理位置要求苛刻，且建設(shè)周期長。而電化學(xué)儲能技術(shù)發(fā)展迅速，為評估結(jié)果更加全面可靠，本文對電化學(xué)儲能技術(shù)的充放電循環(huán)次數(shù)、日歷壽命、單位功率與能量成本，進(jìn)行敏感性分析。當(dāng)電化學(xué)儲能技術(shù)的充放電循環(huán)次數(shù)、日歷壽命、單位功率與能量成本進(jìn)一步提高時，磷酸鋰鐵以及鈉硫電池參與多應(yīng)用場景的效益，要高于抽水蓄能以及壓縮空氣儲能。

附錄

1 系統(tǒng)平均中斷頻率指標(biāo)

系統(tǒng)平均中斷頻率為配電系統(tǒng)中用戶在一年內(nèi)的平均停電次數(shù)，計算表達(dá)式為：

(A1)

式中，αi為負(fù)荷點i年停供率；Ni為負(fù)荷點i的用戶數(shù)。

2 用戶停電持續(xù)時間指標(biāo)

用戶停電持續(xù)時間為配電系統(tǒng)中用戶一年內(nèi)被停供電總時間，計算表達(dá)式為：

(A2)

式中，Ui為負(fù)荷點i的平均停供時間。

3 平均供電可用率指標(biāo)

平均供電可用率指該配電系統(tǒng)內(nèi)用戶被持續(xù)供電總小時數(shù)與其供電小時數(shù)之比，計算表達(dá)式為：

(A3)

4 負(fù)荷缺供電量指標(biāo)

負(fù)荷缺供電量為配電系統(tǒng)一年因停供電所造成的用戶電量損失總和，計算表達(dá)式為：

ENS=∑UiLa(i)

(A4)

式中，La(i)為負(fù)荷點i的平均負(fù)荷。

附表1 不同類型儲能的技術(shù)參數(shù)App.Tab.1 Technical index parameters of different energy storage types

附表2 應(yīng)用場景參數(shù)需求表App.Tab.2 Application scenario parameters

附表3 居民、農(nóng)業(yè)分時電價表App.Tab.3 Customer and agricultural time-of-use electricity price table

附表4 延緩電網(wǎng)設(shè)備升級改造所需參數(shù)App.Tab.4 Parameters required for delaying power grid equipment upgrades

附表5 電力燃煤機(jī)組單位氣體排放量和其單位環(huán)境價值A(chǔ)pp.Tab.5 Unit gas emissions of electric coal-fired units and their unit environmental value