商立群 張建濤,2

計(jì)及儲能電池壽命衰減的居民小區(qū)光儲優(yōu)化配置

商立群1張建濤1,2

（1. 西安科技大學(xué)電氣與控制工程學(xué)院，西安 710054； 2. 大運(yùn)汽車股份有限公司，山西 運(yùn)城 044000）

在居民小區(qū)配置光伏系統(tǒng)可減小電力系統(tǒng)的供電壓力，配置儲能裝置能夠減小光伏棄光率，同時(shí)還可以實(shí)現(xiàn)負(fù)荷的時(shí)空轉(zhuǎn)移，減小負(fù)荷峰谷差。為使居民小區(qū)光儲系統(tǒng)的配置更加合理，利用充放電次數(shù)和放電深度對儲能電池壽命的影響，通過改進(jìn)曲線擬合方法及線性分段處理方法，獲得更加準(zhǔn)確的曲線擬合函數(shù)和與原曲線更加貼合的分段線性函數(shù)，建立儲能電池動(dòng)態(tài)損耗模型；以光儲系統(tǒng)年均凈收益最大和負(fù)荷峰谷差最小為目標(biāo)函數(shù)，對光儲系統(tǒng)進(jìn)行優(yōu)化配置；最后使用不同權(quán)重求解方法得到光伏出力值及負(fù)荷需求值，采用多目標(biāo)粒子群算法對在不同運(yùn)行場景下的居民小區(qū)光儲系統(tǒng)配置問題進(jìn)行求解，并通過仿真對比分析不同運(yùn)行場景下光儲系統(tǒng)的運(yùn)行策略。結(jié)果表明，居民小區(qū)儲能系統(tǒng)在并網(wǎng)場景下的經(jīng)濟(jì)性和削峰填谷效果更佳，所采用模型合理有效，可為居民小區(qū)光儲系統(tǒng)的規(guī)劃建設(shè)提供參考。

居民小區(qū)；儲能電池壽命；光儲系統(tǒng)；優(yōu)化配置

0 引言

在“雙碳”背景下，電力系統(tǒng)逐漸過渡到高比例新能源滲透的新型電力系統(tǒng)階段，新能源發(fā)電得到大力發(fā)展并大規(guī)模應(yīng)用于電力系統(tǒng)用戶側(cè)[1]。新能源發(fā)電的不確定性導(dǎo)致電力系統(tǒng)功率的時(shí)空分布嚴(yán)重不平衡，致使電力系統(tǒng)的穩(wěn)定性變差[2-3]。作為解決上述問題的有效方法，儲能與新能源發(fā)電聯(lián)合運(yùn)行成為新型配電網(wǎng)的發(fā)展趨勢[4-7]。因此，在用戶側(cè)建設(shè)光儲系統(tǒng)前，對其進(jìn)行合理規(guī)劃和配置從而獲得最優(yōu)的經(jīng)濟(jì)效益是現(xiàn)階段研究的重點(diǎn)[8-9]。

針對在用戶側(cè)配置光儲系統(tǒng)的相關(guān)問題，文獻(xiàn)[10]為微電網(wǎng)配置光伏和儲能系統(tǒng)（energy storage system, ESS），在一定程度上提高了光伏利用率和經(jīng)濟(jì)性，同時(shí)改善了電網(wǎng)運(yùn)行環(huán)境；文獻(xiàn)[11]將儲能接入電網(wǎng)，提高了電能質(zhì)量，較好地改善了光伏入網(wǎng)帶來的諸多問題，同時(shí)增加了系統(tǒng)的經(jīng)濟(jì)性；文獻(xiàn)[12]綜合考慮儲能“高儲低放”的套利收入、政府電價(jià)補(bǔ)貼、減少電能轉(zhuǎn)運(yùn)費(fèi)用、延緩電網(wǎng)改造及全壽命周期成本等因素，得出儲能系統(tǒng)的經(jīng)濟(jì)效益與蓄電池的壽命密切相關(guān)；文獻(xiàn)[13]基于雨流計(jì)數(shù)法建立儲能電池健康狀態(tài)模型，采用不同時(shí)間尺度和多目標(biāo)對源儲荷進(jìn)行協(xié)同配置；文獻(xiàn)[14]采用改進(jìn)多目標(biāo)蜉蝣算法，為配電網(wǎng)儲能選址定容，以年為單位計(jì)算日綜合成本最小為目標(biāo)函數(shù)，未能考慮儲能電池全壽命周期的成本；文獻(xiàn)[15]通過儲能系統(tǒng)回收高速鐵路中大量的再生制動(dòng)能量，提高了能源的利用率和鐵路運(yùn)行的經(jīng)濟(jì)性。以上文獻(xiàn)的研究對象多側(cè)重電源側(cè)、配電網(wǎng)側(cè)及用戶側(cè)的工業(yè)用戶，未對城市居民聚集的小區(qū)負(fù)荷的儲能配置進(jìn)行研究分析，同時(shí)對儲能電池壽命的影響因素考慮不全或未考慮儲能電池的置換條件，造成對儲能電池可服務(wù)年限的預(yù)估不準(zhǔn)確。

基于上述分析，本文綜合考慮充放電次數(shù)和放電深度對儲能電池容量衰減的影響，定義儲能健康狀態(tài)模型和壽命衰減模型，共同構(gòu)成儲能電池?fù)p耗模型，并基于該模型以年均凈收益最高及負(fù)荷峰谷差最小為目標(biāo)，對比分析使用粒子群算法求解不同運(yùn)行場景下某居民小區(qū)的光儲系統(tǒng)配置問題，以驗(yàn)證模型的合理性與有效性。本文研究旨在利用儲能系統(tǒng)降低光伏發(fā)電對電力系統(tǒng)的沖擊性，同時(shí)降低負(fù)荷峰谷差、平滑負(fù)荷曲線，為光伏發(fā)電的大規(guī)模建設(shè)提供有力支持。

1 儲能電池動(dòng)態(tài)損耗模型

1.1 儲能電池健康狀態(tài)模型

在各種因素的影響下，儲能電池在使用周期內(nèi)的容量不斷衰減，因此在進(jìn)行儲能優(yōu)化配置時(shí)，為更加準(zhǔn)確地判斷ESS在服務(wù)年限內(nèi)的收益，需建立更加精細(xì)化的儲能壽命損耗模型。電池容量的衰減與其放電深度（depth of discharge, DOD）、充放電循環(huán)次數(shù)、運(yùn)行環(huán)境溫度[16]和充放電倍率等因素緊密相關(guān)。一般儲能電站在設(shè)計(jì)時(shí)會(huì)考慮合理范圍內(nèi)的充放電倍率，同時(shí)會(huì)對系統(tǒng)運(yùn)行溫度進(jìn)行有效的控制，因而本文研究忽略運(yùn)行環(huán)境溫度和充放電倍率對儲能電池工作年限的影響。

隨著充放電次數(shù)的累增及其他因素的影響，儲能電池內(nèi)部的阻值會(huì)隨之增長，導(dǎo)致儲能電池容量下降。當(dāng)儲能電池的內(nèi)阻過大或容量過低時(shí)，電池會(huì)被回收進(jìn)行電池材料回收或再次投入梯次利用。為保證儲能電池的穩(wěn)定輸出，通常規(guī)定當(dāng)剩余可用容量衰減至額定容量的80%時(shí)，意味著儲能電池達(dá)到服務(wù)年限[17]，即

本文以儲能電池的容量為參考量定義儲能電池健康狀態(tài)（state of health, SOH）模型[18]，有

式中：OH為以儲能電池當(dāng)前可用容量和額定容量為參考表示的儲能電池健康狀態(tài)；Now為儲能電池目前的可用容量（kW·h）。當(dāng)滿足條件OH=80%時(shí)，儲能電池退出服務(wù)，進(jìn)入梯次循環(huán)利用。

根據(jù)文獻(xiàn)[19]的實(shí)驗(yàn)數(shù)據(jù)，進(jìn)行Min-Max歸一化處理[20]，使結(jié)果映射到[0, 1]之間，得到儲能SOH與壽命損耗程度的關(guān)系曲線如圖1所示。使用Matlab中cftool工具包進(jìn)行數(shù)據(jù)擬合，得出儲能電池的容量損耗擬合函數(shù)為

式中：SOH(t)為t時(shí)刻儲能電池的健康狀態(tài)值；、、、均為擬合系數(shù)；Γloss表示儲能電池壽命損耗程度，當(dāng)Γloss=0時(shí)表示儲能電池是全新的，當(dāng)Γloss=1時(shí)表示儲能電池滿足SOH=80%。

為簡化模型、提高計(jì)算速度，將擬合函數(shù)做分段線性化處理，式（3）的微分表達(dá)式為

式（4）進(jìn)行離散分段線性化處理的等效式為

1.2 儲能電池壽命衰減模型

儲能電池DOD指釋放電能與額定可存儲電能的比值，表示儲能電池的放電程度，與電池荷電狀態(tài)（state of charge, SOC）一樣，通常以百分比表示。根據(jù)定義，在ESS放電狀態(tài)下，同一時(shí)刻的SOC與DOD的關(guān)系可表示為

式中：OD()為時(shí)刻儲能電池的放電深度；OC()為時(shí)刻儲能電池的荷電狀態(tài)。

根據(jù)某鋰離子電池生產(chǎn)廠家提供不同DOD水平下的儲能容量衰減與充放電循環(huán)次數(shù)的數(shù)據(jù)，獲得在OH=100%時(shí)，ESS循環(huán)次數(shù)與放電深度的關(guān)系如圖2所示。

圖2 SOH=100%時(shí)ESS循環(huán)次數(shù)與放電深度的關(guān)系

基于圖2所示曲線可知：ESS的循環(huán)壽命隨放電深度的增大而減小，且二者呈e的指數(shù)次冪的關(guān)系，通過擬合方法得到其關(guān)系表達(dá)式為

容量損耗程度loss()的值通過電池的SOC確定，時(shí)刻的SOC與容量損耗loss()的關(guān)系為

在經(jīng)過SO-PWL處理之后，式（9）可表達(dá)為式（17）。經(jīng)SO-PWL處理后，不僅能夠提高計(jì)算速度，還能使電池?fù)p耗曲線的線性化與原曲線更加貼合，更符合儲能電池的衰減規(guī)律。

2 光儲系統(tǒng)優(yōu)化配置模型

2.1 目標(biāo)函數(shù)

在保證小區(qū)配電網(wǎng)運(yùn)行安全、穩(wěn)定的前提下，以年均凈收益最大和負(fù)荷峰谷差最小為優(yōu)化目標(biāo)，其數(shù)學(xué)模型可表示為

式中：為光儲系統(tǒng)優(yōu)化配置模型的目標(biāo)函數(shù)；1()為ESS全壽命周期內(nèi)的年均凈收益（萬元）；2()為負(fù)荷峰谷差。

居民小區(qū)的光儲系統(tǒng)配置成本應(yīng)包含系統(tǒng)的初始投資成本、系統(tǒng)的運(yùn)維成本，系統(tǒng)的經(jīng)濟(jì)收益包含系統(tǒng)的售電收益、儲能電池的梯次利用回收收益。光儲系統(tǒng)優(yōu)化配置模型的目標(biāo)函數(shù)設(shè)定為ESS全壽命周期內(nèi)的年均凈收益最大，對ESS的額定功率、容量及PV的容量、額定功率等進(jìn)行優(yōu)化配置。目標(biāo)函數(shù)表達(dá)為

（1）光儲系統(tǒng)的初始投資成本

（2）光儲系統(tǒng)的運(yùn)維成本

通常，光儲系統(tǒng)的運(yùn)維成本包括ESS和PV的日常維護(hù)、管理成本，分別與儲能電池的額定功率和PV的裝機(jī)容量有關(guān)，可表示為

（3）光儲系統(tǒng)的售電收益

（4）儲能電池的梯次利用回收收益

儲能系統(tǒng)在負(fù)荷低谷時(shí)段，同時(shí)也是電價(jià)最低時(shí)段向電網(wǎng)購電；在負(fù)荷高峰時(shí)段向負(fù)荷出售電能，既能實(shí)現(xiàn)儲能系統(tǒng)“峰谷套利”，也能平抑負(fù)荷曲線，減小峰谷差。居民負(fù)荷的用電低谷時(shí)段和高峰時(shí)段都具有聚集性，因此目標(biāo)函數(shù)表達(dá)式為

2.2 約束條件

1）功率平衡約束

2）ESS服務(wù)年限約束

儲能電池在投入使用一定時(shí)間后，會(huì)隨系統(tǒng)電池進(jìn)行更換，因此其運(yùn)行年限需被約束限定在一定范圍內(nèi)，即

3）充放電約束

由于過大的電流可能會(huì)影響儲能系統(tǒng)的設(shè)備運(yùn)行安全，降低其使用壽命，因此充放電功率不能高于額定值，滿足

4）荷電狀態(tài)約束

由于儲能電池的過充和過放都會(huì)影響其使用壽命，故在任意時(shí)刻，儲能電池的剩余容量都必須小于或等于荷電狀態(tài)的最大允許值，且大于或等于荷電狀態(tài)的最小允許值；另外，在每個(gè)調(diào)度周期開始和結(jié)束時(shí)的SOC需保持一致，確保其連續(xù)運(yùn)行。ESS的荷電狀態(tài)OC()應(yīng)滿足

5）光伏安裝容量約束

根據(jù)實(shí)際的光伏安裝面積和儲能安裝空間，需對光儲系統(tǒng)的配置容量進(jìn)行約束，即

6）ESS充/放電狀態(tài)約束

為保護(hù)儲能電池，盡可能延長其使用壽命，應(yīng)防止儲能電池邊充邊放，對其充/放電狀態(tài)進(jìn)行約束，有

3 模型求解

本文的配置變量包括儲能配置容量及其充放電功率、光伏系統(tǒng)的裝機(jī)容量，約束條件多為含上下限的不等式約束。粒子群算法可對最優(yōu)解進(jìn)行并行搜索，且該算法簡單、容易實(shí)現(xiàn)、收斂速度快[23]。針對所提出的儲能容量配置問題，在選擇優(yōu)化算法時(shí)首先要考慮在最高效率下保證求得最優(yōu)解，在此背景下，本文采用多目標(biāo)粒子群算法求解居民小區(qū)光儲系統(tǒng)的優(yōu)化配置問題，算法流程如圖3所示。

多目標(biāo)粒子群優(yōu)化算法具體步驟如下：

1）居民小區(qū)典型日負(fù)荷數(shù)據(jù)、本地光伏發(fā)電數(shù)據(jù)的采集；確定種群維數(shù)、個(gè)數(shù)和迭代次數(shù)，初始化粒子位置和速度。

圖3 算法流程

3）確定個(gè)體歷史最優(yōu)值和全局歷史最優(yōu)值，分別比較其與適應(yīng)度函數(shù)值大小并更新。

4）更新粒子速度和位置，并根據(jù)支配關(guān)系進(jìn)行最優(yōu)值更新。

5）對新的非劣解集進(jìn)行更新并存檔。

6）判斷是否達(dá)到最大迭代次數(shù)，若不滿足則返回步驟2），若滿足則循環(huán)結(jié)束，輸出Pareto最優(yōu)解集合，得到最優(yōu)配置結(jié)果。

4 算例分析

4.1 典型日的基礎(chǔ)數(shù)據(jù)

1）典型日的光伏數(shù)據(jù)

基礎(chǔ)數(shù)據(jù)的選取會(huì)對儲能容量配置和經(jīng)濟(jì)性評估結(jié)果產(chǎn)生直接影響，通?；A(chǔ)數(shù)據(jù)的典型性越強(qiáng)，儲能容量的配置結(jié)果越合理且越接近實(shí)際運(yùn)行情況。因此，通常選取典型日光伏出力數(shù)據(jù)描述所研究場景中各對象的特性，這是評估儲能配置合理性和經(jīng)濟(jì)性的前提。

光伏出力受季節(jié)、天氣狀況的影響較大，具有較強(qiáng)的隨機(jī)性、波動(dòng)性與間歇性。本文以北方某地區(qū)的光伏實(shí)際輸出功率為例，選取不同季節(jié)、不同典型日天氣狀況下單位容量的光伏出力。根據(jù)季節(jié)氣候的特征，春秋季的天氣和氣候特征相似，因此選取的六種不同季節(jié)和天氣狀況分別為：春秋季晴天、春秋季陰雨天、夏季晴天、夏季陰雨天、冬季晴天和冬季陰天。不同季節(jié)典型日單位容量的光伏出力情況如圖4所示。

（a）春秋季光伏出力

（b）夏季光伏出力

（c）冬季光伏出力

為綜合考慮不同季節(jié)光伏出力對儲能系統(tǒng)優(yōu)化配置的影響，使用層次分析法（analytic hierarchy process, AHP）對不同季節(jié)的單位容量光伏出力取權(quán)重值，得到六類光伏出力場景對應(yīng)的權(quán)重見表1。根據(jù)所得權(quán)重，對不同季節(jié)的單位容量光伏出力加權(quán)求和，得到具有綜合特性的典型日單位容量光伏出力曲線如圖5所示。

2）典型日的居民小區(qū)負(fù)荷數(shù)據(jù)

居民用電需求主要受季節(jié)、氣候的影響，同時(shí)還會(huì)受工作日和非工作日的影響。通常在夏季居民使用空調(diào)制冷，各類電器也會(huì)因氣溫升高而損耗增大，因此夏季全天負(fù)荷與其他三個(gè)季節(jié)的負(fù)荷功率相比明顯升高；在冬季小區(qū)通常由市政集中供暖，因而冬季小區(qū)負(fù)荷功率與其他兩個(gè)季節(jié)具有很強(qiáng)的相似性。本文算例選取北方某居民小區(qū)夏季與非夏季在不同場景下的日負(fù)荷功率消耗情況，各場景的負(fù)荷曲線如圖6所示。

表1 六類光伏出力場景對應(yīng)的權(quán)重

圖5 典型日單位容量光伏出力曲線

使用熵值法對不同季節(jié)典型日的負(fù)荷功率取權(quán)重因子，四類負(fù)荷場景對應(yīng)的權(quán)重見表2，加權(quán)后得到綜合典型日的負(fù)荷曲線如圖7所示，并以此作為居民小區(qū)負(fù)荷需求的基礎(chǔ)數(shù)據(jù)。

由圖7可得，該居民小區(qū)典型日中出現(xiàn)了兩個(gè)負(fù)荷高峰時(shí)段，分別在中午和晚上，并且中午的負(fù)荷高峰低于晚上。該典型日的最大負(fù)荷為546.547kW，最小負(fù)荷值為118.579kW，峰谷差為427.968kW。結(jié)合圖5和圖7可得，儲能系統(tǒng)可在負(fù)荷低谷時(shí)段利用電網(wǎng)充電，從而增加居民小區(qū)的負(fù)荷需求，達(dá)到“填谷”的作用；可在白天存儲部分光伏產(chǎn)生的電能，在負(fù)荷高峰時(shí)段釋放電能供小區(qū)居民使用，可達(dá)到“削峰”的作用；同時(shí)光伏在白天產(chǎn)生的多余電能可上網(wǎng)獲得售電收益。

（a）非夏季常規(guī)日負(fù)荷曲線

（b）非夏季休息日負(fù)荷曲線

（c）夏季常規(guī)日負(fù)荷曲線

（d）夏季休息日負(fù)荷曲線

圖6 各場景負(fù)荷曲線

表2 四類負(fù)荷場景對應(yīng)的權(quán)重

圖7 綜合典型日的負(fù)荷曲線

4.2 基本參數(shù)設(shè)置

該光儲系統(tǒng)選用磷酸鐵鋰電池作為儲能電池，部分儲能電池參數(shù)數(shù)據(jù)參考文獻(xiàn)[24]，具體的光儲系統(tǒng)配置參數(shù)見表3。將儲能SOH與壽命損耗程度關(guān)系進(jìn)行SO-PWL處理后的分段線性化情況如圖8所示，各段參數(shù)取值見表4。由圖8可知，SO-PWL處理后的分段線性化曲線與原始儲能SOH與壽命損耗程度曲線更加貼合，且表達(dá)更加簡便。電網(wǎng)的購售電價(jià)見表5。

表3 光儲系統(tǒng)配置參數(shù)

4.3 算例設(shè)置

為分析該儲能衰減模型應(yīng)用于居民小區(qū)電力系統(tǒng)中的有效性及其對儲能經(jīng)濟(jì)性的影響，設(shè)置不同的光儲運(yùn)行場景進(jìn)行仿真；同時(shí)，配置不同條件下最優(yōu)的光儲系統(tǒng)運(yùn)行方式，場景設(shè)置如下。

圖8 儲能SOH與壽命損耗程度關(guān)系分段線性化

表4 各段參數(shù)取值

表5 電網(wǎng)的購售電價(jià)

場景1：采用本文所提方法為居民小區(qū)配置光儲系統(tǒng)，對儲能電池SOH與壽命損耗的關(guān)系進(jìn)行簡單的分段線性化處理，不考慮儲能電池壽命損耗對儲能系統(tǒng)運(yùn)行的影響，在滿足約束條件情況下，儲能系統(tǒng)只利用光伏出力補(bǔ)充電能，儲存的電能在負(fù)荷高峰時(shí)段進(jìn)行供能。

場景2：配置ESS時(shí)考慮儲能電池運(yùn)行對壽命損耗和容量衰減的影響，其余條件與場景1一致。

場景3：配置ESS時(shí)考慮儲能電池運(yùn)行對壽命損耗和容量衰減的影響，儲能系統(tǒng)并網(wǎng)運(yùn)行，使儲能在“低儲高放”的套利模式下運(yùn)行，其余條件與場景1一致。

4.4 結(jié)果分析

在配置光儲系統(tǒng)時(shí)，在經(jīng)濟(jì)性方面以光儲系統(tǒng)年均收益最大為目標(biāo)，在儲能運(yùn)行方面以配置光儲系統(tǒng)后負(fù)荷峰谷差最小為目標(biāo)，滿足各類型能源的約束。利用Matlab建立模型，采用多目標(biāo)粒子群算法對模型進(jìn)行求解，各場景下的居民小區(qū)光儲系統(tǒng)配置結(jié)果見表6。

表6 各場景下居民小區(qū)光儲系統(tǒng)配置結(jié)果

對比分析3種場景下的居民小區(qū)光儲系統(tǒng)配置結(jié)果，可得出如下結(jié)論：

1）對比場景1與場景2的配置結(jié)果，本文所采用的儲能電池壽命衰減模型不僅可以預(yù)測儲能系統(tǒng)的可服務(wù)年限，還可以降低系統(tǒng)配置成本、增加凈收益，同時(shí)本文所采用的光儲系統(tǒng)配置模型可以最大化地利用小區(qū)可用空間來安裝光伏發(fā)電系統(tǒng)。

2）對比場景2與場景3的配置結(jié)果，儲能系統(tǒng)在并網(wǎng)行時(shí)，不僅能夠增加其年均凈收益，還可降低系統(tǒng)的安裝成本，最大可運(yùn)行年限略有減小，入網(wǎng)的光伏發(fā)電量大大增加。

4.5 光儲系統(tǒng)優(yōu)化運(yùn)行策略

1）場景1下的居民小區(qū)光儲系統(tǒng)運(yùn)行策略

場景1的仿真結(jié)果如圖9所示。由圖9可得，儲能系統(tǒng)在白天吸納光伏出力，減少了送入電網(wǎng)的光伏發(fā)電量，削減了對電網(wǎng)的沖擊；儲能系統(tǒng)通過消納光伏出力存儲的電能，在午高峰和晚高峰時(shí)段即11:00—11:30和16:00—22:15供負(fù)荷使用，達(dá)到了“削峰”的作用，從一定程度上減小了負(fù)荷的峰谷差，降低了電力部門進(jìn)行負(fù)荷預(yù)測和調(diào)度的難度；儲能系統(tǒng)吸納光伏出力時(shí)段主要對應(yīng)分時(shí)電價(jià)的平時(shí)電價(jià)，向負(fù)荷供電時(shí)段對應(yīng)分時(shí)電價(jià)的峰時(shí)電價(jià)，因此可獲得一定的經(jīng)濟(jì)收益。同時(shí)，最大峰谷差最優(yōu)解為285.88kW，比原始負(fù)荷最大峰谷差427.968kW減小了142.088kW即減小了33.2%。

2）場景2下的居民小區(qū)光儲系統(tǒng)運(yùn)行策略

場景2的仿真結(jié)果如圖10所示。由圖10可得，由于儲能系統(tǒng)配置容量的增加，吸納光伏出力的能力有所提高，故光伏系統(tǒng)售電收益減少；在場景2下，負(fù)荷功率的最大、最小值分別為382.023kW和118.579kW，最優(yōu)峰谷差為263.444kW，比原始負(fù)荷最大峰谷差降低了38.443%，對比場景1峰谷差有所減小，儲能“削峰”作用明顯提升，同時(shí)負(fù)荷波動(dòng)性有一定程度的緩解。因此，對比場景1，場景2下的經(jīng)濟(jì)性有所提升，且其“削峰”作用更加突出。

圖9 場景1的仿真結(jié)果

3）場景3下的居民小區(qū)光儲系統(tǒng)運(yùn)行策略

場景3的仿真結(jié)果如圖11所示。通過對比場景2和場景3下的儲能充放電情況可發(fā)現(xiàn)，場景3下的儲能系統(tǒng)在白天吸納光伏出力能力降低，致使大量多余出力出售給電網(wǎng)，從而光伏系統(tǒng)的售電收益高于其余場景。場景3下的最大負(fù)荷功率為374.093kW，最小負(fù)荷功率為197.071kW，最大峰谷差為177.022kW，比原始負(fù)荷峰谷差降低了58.64%，可以最大限度地平抑負(fù)荷波動(dòng)。對場景2和場景3的配置結(jié)果和儲能系統(tǒng)的運(yùn)行情況進(jìn)行綜合分析，若優(yōu)先考慮儲能系統(tǒng)對光伏出力的消納能力時(shí)，光儲系統(tǒng)首選運(yùn)行于場景2下；若優(yōu)先考慮光儲系統(tǒng)的經(jīng)濟(jì)性和儲能系統(tǒng)減小負(fù)荷峰谷差的能力，則光儲系統(tǒng)首選運(yùn)行于場景3下。

圖10 場景2的仿真結(jié)果

5 結(jié)論

1）本文通過引入多種氣候條件下的光伏出力和不同季節(jié)下的負(fù)荷需求，使居民小區(qū)光儲系統(tǒng)的配置結(jié)果更精確，更具有實(shí)際效用。為小區(qū)配置儲能不僅能夠獲得經(jīng)濟(jì)效益，還能夠發(fā)揮儲能系統(tǒng)“削峰填谷”的作用。從配置結(jié)果可知，配置的儲能系統(tǒng)容量不大，能夠滿足居民小區(qū)占地面積小的要求。

2）要使儲能系統(tǒng)具有較強(qiáng)的光伏出力消納能力，光儲系統(tǒng)首選運(yùn)行于場景2下；要使光儲系統(tǒng)的經(jīng)濟(jì)性最優(yōu)且儲能系統(tǒng)平滑負(fù)荷曲線的能力突出，則光儲系統(tǒng)首選運(yùn)行于場景3下。本文所提模型有助于更準(zhǔn)確、客觀地進(jìn)行光儲系統(tǒng)優(yōu)化配置及投資決策。

圖11 場景3的仿真結(jié)果

3）采用儲能動(dòng)態(tài)衰減模型，能夠更精確地預(yù)測儲能電池的服務(wù)年限，更合理地安排充放電次數(shù)和放電深度，以獲取更大的經(jīng)濟(jì)收益。

[1] 魯正, 孫煒, 陳蕓菲. 基于用戶側(cè)的光伏項(xiàng)目成本-效益分析[J]. 太陽能學(xué)報(bào), 2021, 42(4): 209-214.

[2] 王俊, 蔡興國, 季峰, 等. 考慮新能源發(fā)電不確定性的可用輸電能力風(fēng)險(xiǎn)效益評估[J]. 電力系統(tǒng)自動(dòng)化, 2012, 36(14): 114-118.

[3] 麻秀范, 王戈, 朱思嘉, 等. 計(jì)及風(fēng)電消納與發(fā)電集團(tuán)利益的日前協(xié)調(diào)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(3): 579-587.

[4] 劉暢, 卓建坤, 趙東明, 等. 利用儲能系統(tǒng)實(shí)現(xiàn)可再生能源微電網(wǎng)靈活安全運(yùn)行的研究綜述[J]. 中國電機(jī)工程學(xué)報(bào), 2020, 40(1): 1-18.

[5] 劉靜琨, 張寧, 康重慶. 電力系統(tǒng)云儲能研究框架與基礎(chǔ)模型[J]. 中國電機(jī)工程學(xué)報(bào), 2017, 37(12): 3361-3371, 3663.

[6] 董濤, 雍靜, 趙瑾, 等. 含光、儲、電動(dòng)汽車居民小區(qū)電力負(fù)荷綜合管理系統(tǒng)[J]. 重慶大學(xué)學(xué)報(bào), 2021, 44(8): 45-58.

[7] 王立娜, 譚麗平, 徐志強(qiáng), 等. 電池儲能抑制直流配電網(wǎng)振蕩的控制策略研究[J]. 電氣技術(shù), 2022, 23(6): 42-48.

[8] 張效言, 李先允. 金屬加工區(qū)分層儲能優(yōu)化配置方法研究[J]. 電氣技術(shù), 2022, 23(1): 49-55.

[9] 湯杰, 李欣然, 黃際元, 等. 以凈效益最大為目標(biāo)的儲能電池參與二次調(diào)頻的容量配置方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(5): 963-972.

[10] YUAN Haozhe, YE Huanhuan, CHEN Yaoting, et al. Research on the optimal configuration of photovoltaic and energy storage in rural microgrid[J]. Energy Reports, 2022, 8: 1285-1293.

[11] ALAM M J E, MUTTAQI K M, SUTANTO D. Mitigation of rooftop solar PV impacts and evening peak support by managing available capacity of distributed energy storage systems[J]. IEEE Transa- ctions on Power Systems, 2013, 28(4): 3874-3884.

[12] 向育鵬, 衛(wèi)志農(nóng), 孫國強(qiáng), 等. 基于全壽命周期成本的配電網(wǎng)蓄電池儲能系統(tǒng)的優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2015, 39(1): 264-270.

[13] 修曉青, 唐巍, 李建林, 等. 計(jì)及電池健康狀態(tài)的源儲荷協(xié)同配置方法[J]. 高電壓技術(shù), 2017, 43(9): 3118-3126.

[14] 安東, 楊德宇, 武文麗, 等. 基于改進(jìn)多目標(biāo)蜉蝣算法的配網(wǎng)電池儲能系統(tǒng)最優(yōu)選址定容[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(10): 31-39.

[15] 李欣, 盧景濤, 肖林潤, 等. 高速鐵路列車長大坡道混合儲能系統(tǒng)容量優(yōu)化配置[J]. 電工技術(shù)學(xué)報(bào), 2023, 38(20): 5645-5660.

[16] 申江衛(wèi), 高承志, 舒星, 等. 基于遷移模型的鋰離子電池寬溫度全壽命SOC與可用容量聯(lián)合估計(jì)[J]. 電工技術(shù)學(xué)報(bào), 2023, 38(11): 3052-3063.

[17] 李琳. 鋰離子電池荷電狀態(tài)及健康狀態(tài)估計(jì)研究[D]. 北京: 北京林業(yè)大學(xué), 2020.

[18] 顧菊平, 蔣凌, 張新松, 等. 基于特征提取的鋰離子電池健康狀態(tài)評估及影響因素分析[J]. 電工技術(shù)學(xué)報(bào), 2023, 38(19): 5330-5342.

[19] ATTIA P M, GROVER A, JIN N, et al. Closed-loop optimization of fast-charging protocols for batteries with machine learning[J]. Nature, 2020, 578(7795): 397-402.

[20] 桂強(qiáng), 史一煒, 周云, 等. 考慮儲能動(dòng)態(tài)運(yùn)行特性的充電站光儲容量優(yōu)化配置模型[J]. 電力建設(shè), 2021, 42(5): 90-99.

[21] ZHOU Yun, XU Ran, YUN Jingyang, et al. Self- optimal piecewise linearization based network power flow constraints in electrical distribution system optimization[C]//2020 12th IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), Nanjing, China, 2020: 1-3.

[22] 王澤. 基于雙層決策模型的用戶側(cè)儲能優(yōu)化配置方法[D]. 太原: 太原理工大學(xué), 2021.

[23] 閆群民, 董新洲, 穆佳豪, 等. 基于改進(jìn)多目標(biāo)粒子群算法的有源配電網(wǎng)儲能優(yōu)化配置[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(10): 11-19.

[24] GUI Qiang, SU Hao, FENG Donghan, et al. A novel linear battery energy storage system (BESS) life loss calculation model for bess-integrated wind farm in scheduled power tracking[C]//8th Renewable Power Generation Conference (RPG 2019), Shanghai, China, 2019: 1-8.

Optimal configuration of photovoltaic energy storage systems in residential communities taking into account energy storage battery life decay

SHANG Liqun1ZHANG Jiantao1,2

(1. College of Electrical and Control Engineering, Xi’an University of Science and Technology, Xi’an 710054; 2. DAYUN Automobile Co., Ltd, Yuncheng, Shanxi 044000)

Configuration of photovoltaic systems in residential communities can reduce the power supply pressure of the power system, and configuration of energy storage devices can reduce the photovoltaic light abandonment rate, while realizing the temporal and spatial transfer of loads, and reducing the peak-valley difference of loads. In order to make the configuration of photovoltaic storage system in residential communities more reasonable, the influence of the number of charge/discharge and the depth of charge/discharge on the life of the storage battery is adopted, and the dynamic loss model of the storage battery is established through the improvement of the curve-fitting method and the linear segmentation processing method, to obtain a more accurate curve-fitting function and a segmented linear function that is more appropriate to the original curve. The maximum average annual net return is taken as the objective function, and the photovoltaic storage system is optimized. Finally, the photovoltaic output value and load demand value are obtained by using different weight solving methods. The multi-objective particle swarm algorithm is used to simulate the configuration of photovoltaic storage system in residential communities under different operation scenarios. The opera-tion strategy of the optical storage system under different operation scenarios is analyzed by comparison simulation. The results show that the operation of the residential district storage system is more effective in terms of economy and peak shaving under the grid-connected scenarios, and the rationality and effectiveness of the model adopted are verified, which provides a reference for the planning and construction of residential district optical storage system.

residential communities; energy storage battery life; photovoltaic energy storage systems; optimal configuration

陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃資助項(xiàng)目（2021JM-393）

2023-10-06

2023-11-24

商立群（1968—），男，河南省濟(jì)源市人，博士，教授，主要研究方向?yàn)殡娏ο到y(tǒng)保護(hù)與控制、新能源發(fā)電等。