收稿日期：2023-02-02

通信作者：沈 瑾（1982—），女，博士、教授，主要從事能源動(dòng)力工程管理方面的研究。shenjin2002@sina.com

DOI：10.19912/j.0254-0096.tynxb.2023-0103 文章編號(hào)：0254-0096（2024）05-0217-08

摘 要：為提高居民區(qū)微網(wǎng)削峰填谷的效果，并降低儲(chǔ)能系統(tǒng)成本，該文選擇梯次電池作為儲(chǔ)能系統(tǒng)，突破現(xiàn)有優(yōu)化模型，考慮用戶(hù)側(cè)、儲(chǔ)能側(cè)多主體同時(shí)參與調(diào)峰，提出考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的微網(wǎng)梯次電池儲(chǔ)能優(yōu)化配置方法。首先，引入相關(guān)電源出力、負(fù)荷計(jì)算、儲(chǔ)能充放電數(shù)學(xué)模型；其次，以配置梯次電池儲(chǔ)能系統(tǒng)成本最低、用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用最低為目標(biāo)函數(shù)，并采用粒子群算法進(jìn)行模型求解；最后，以某居民區(qū)微網(wǎng)為算例，對(duì)比分析該方法的經(jīng)濟(jì)性與有效性，并對(duì)梯次電池儲(chǔ)能配置的成本進(jìn)行敏感性分析，得到不同參數(shù)變化對(duì)梯次儲(chǔ)能電池總成本的影響程度。

關(guān)鍵詞：微網(wǎng)；梯次電池；電池儲(chǔ)能；優(yōu)化配置；調(diào)峰輔助服務(wù)

中圖分類(lèi)號(hào)：TM727.2""""""" """"""""""""" 文獻(xiàn)標(biāo)志碼：A

0 引 言

近年來(lái)，能源危機(jī)和環(huán)境污染問(wèn)題日益突出，社會(huì)用電量不斷增加，用戶(hù)用電行為習(xí)慣不合理使得峰谷差值不斷增大。光伏發(fā)電等分布式可再生能源的波動(dòng)性或間歇性嚴(yán)重影響電力系統(tǒng)的安全穩(wěn)定運(yùn)行［1］。為解決這些難題，學(xué)者們提出在微網(wǎng)中配置合理的電池儲(chǔ)能裝置［2］，或在電網(wǎng)運(yùn)行時(shí)采取相應(yīng)的調(diào)峰措施來(lái)削峰填谷［3］。

當(dāng)前，選用電池儲(chǔ)能進(jìn)行削峰填谷的研究主要集中在對(duì)電池儲(chǔ)能系統(tǒng)進(jìn)行優(yōu)化配置上。陸燕娟等［4］對(duì)社區(qū)光儲(chǔ)微網(wǎng)進(jìn)行容量配置，結(jié)合電動(dòng)汽車(chē)有序充放電模式，有效降低峰谷差；嚴(yán)干貴等［5］基于負(fù)荷特性，提出松弛調(diào)峰瓶頸的儲(chǔ)能容量配置方法；韓曉娟等［6］分析削峰填谷作用下電網(wǎng)公司的成本和收益，通過(guò)遺傳算法求得經(jīng)濟(jì)性最優(yōu)下的電池儲(chǔ)能配置容量。上述研究多采用動(dòng)力電池儲(chǔ)能，但動(dòng)力電池能量有限，當(dāng)剩余容量為80%時(shí)，需從電動(dòng)汽車(chē)上退役［7］。退役后的動(dòng)力電池可通過(guò)篩選、拆解、重組等技術(shù)，基于剩余容量應(yīng)用到新的合適場(chǎng)景，即通過(guò)梯次利用發(fā)揮其剩余價(jià)值［8］。對(duì)退役電池進(jìn)行梯次利用，不僅可減少整體儲(chǔ)能系統(tǒng)成本，還可節(jié)約原材料和能源，推動(dòng)可持續(xù)發(fā)展。因此本文選擇梯次電池作為儲(chǔ)能系統(tǒng)。

而在調(diào)峰措施方面，傳統(tǒng)的調(diào)峰方法多從發(fā)電側(cè)進(jìn)行調(diào)節(jié)，而發(fā)電機(jī)組的頻繁啟停會(huì)造成燃料資源浪費(fèi)［9］。另外，中國(guó)關(guān)于調(diào)峰輔助服務(wù)費(fèi)用主要由電廠機(jī)組承擔(dān)，但用戶(hù)用電行為習(xí)慣是影響峰谷差值的重要原因，因此，用戶(hù)理應(yīng)參與分?jǐn)偛糠仲M(fèi)用，公正合理的分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用將激勵(lì)發(fā)電企業(yè)積極參與調(diào)峰［10］。王玉萍等［11］考慮電力用戶(hù)的不同責(zé)任，按照責(zé)任大小比例對(duì)輔助服務(wù)費(fèi)用進(jìn)行分?jǐn)偅缓斡佬愕龋?2］從經(jīng)濟(jì)學(xué)角度分析大用戶(hù)直接購(gòu)買(mǎi)輔助服務(wù)費(fèi)用成本的分?jǐn)倷C(jī)制；江岳文等［10］引入調(diào)峰影響指標(biāo)評(píng)價(jià)用戶(hù)的調(diào)峰效果，使得調(diào)峰輔助服務(wù)費(fèi)用分?jǐn)倷C(jī)制更合理。上述研究只考慮用戶(hù)側(cè)對(duì)電網(wǎng)峰谷差值的影響，一定程度上減小了電網(wǎng)峰谷差值，但削峰填谷效果并不突出。

綜上，現(xiàn)有文獻(xiàn)對(duì)于解決削峰填谷問(wèn)題的方法大多從單一主體角度出發(fā)，只對(duì)儲(chǔ)能進(jìn)行優(yōu)化配置或只考慮用戶(hù)側(cè)的影響，缺少同時(shí)考慮兩者的研究。若在儲(chǔ)能優(yōu)化配置中考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用，不僅可為儲(chǔ)能成本分擔(dān)一部分壓力，引導(dǎo)規(guī)范用戶(hù)的用電行為，還可促進(jìn)削峰填谷。本文結(jié)合已有相關(guān)研究，針對(duì)光伏系統(tǒng)、電動(dòng)汽車(chē)接入居民區(qū)微網(wǎng)以及居民用戶(hù)用電行為不合理造成的電網(wǎng)峰谷差值較大這一問(wèn)題，將梯次電池儲(chǔ)能作為源/荷之間的樞紐，構(gòu)建考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的微網(wǎng)梯次電池儲(chǔ)能優(yōu)化配置模型，通過(guò)粒子群算法求解，最后對(duì)不同方案進(jìn)行對(duì)比分析，證明同時(shí)考慮梯次電池儲(chǔ)能配置和用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的合理性與可行性。

1 居民區(qū)微網(wǎng)基本結(jié)構(gòu)

本文所述的微網(wǎng)選取某居民區(qū)微網(wǎng)，其基本結(jié)構(gòu)如圖1所示，主要由光伏發(fā)電系統(tǒng)、單雙向DC/DC變換器、電動(dòng)汽車(chē)、儲(chǔ)能系統(tǒng)、儲(chǔ)能系統(tǒng)DC/AC變流器、居民基本用電負(fù)荷及當(dāng)?shù)嘏潆娬鞠到y(tǒng)7部分組成，當(dāng)?shù)嘏潆娬鞠到y(tǒng)與電力系統(tǒng)連接進(jìn)行功率交互［13］。

1.1 光伏發(fā)電出力模型

光伏發(fā)電將太陽(yáng)能轉(zhuǎn)化為電能，有利于環(huán)境保護(hù)和發(fā)展能源戰(zhàn)略［14］。但由于太陽(yáng)輻照度等因素，光伏出力具有不確定性，導(dǎo)致光伏出力大于或不滿足負(fù)荷用電需求，造成棄光、負(fù)荷缺電等問(wèn)題。本文采用的光伏發(fā)電輸出功率簡(jiǎn)化模型為［15］：

[Ppv=PstcGGstc1+k（Tc-Tr）]" （1）

式中：[Ppv]——太陽(yáng)電池的輸出功率，kW；[Pstc]——標(biāo)準(zhǔn)測(cè)試條件下的光伏額定輸出功率，kW；[G]——實(shí)際太陽(yáng)輻照度，W/m2；[Gstc]——標(biāo)準(zhǔn)測(cè)試條件下（1000 W/m2，25 ℃）的太陽(yáng)輻照度；[k]——功率溫度系數(shù)，%/℃；[Tc]——太陽(yáng)電池溫度，℃；[Tr]——參考溫度，℃。

1.2 電動(dòng)汽車(chē)充電負(fù)荷模型

電動(dòng)汽車(chē)（electric vehicle，EV）是一種柔性可控負(fù)荷資源。其在一個(gè)周期內(nèi)有固定的工作時(shí)長(zhǎng)，對(duì)時(shí)間連續(xù)性要求高。無(wú)序充電會(huì)增大峰谷差值，本文假設(shè)電動(dòng)汽車(chē)有序充電，電動(dòng)汽車(chē)充電負(fù)荷簡(jiǎn)化計(jì)算為［16］：

[PEV（t）=j=1NevPjc]"""" （2）

式中：[PEV（t）]——有序充電模式下居民區(qū)總的電動(dòng)車(chē)充電負(fù)荷，kW；[Nev]——電動(dòng)汽車(chē)數(shù)量；[Pjc]——第[j]輛車(chē)的充電功率，kW。

1.3 梯次電池儲(chǔ)能充放電模型

在居民用電高峰時(shí)段，電價(jià)較高，光伏發(fā)電與配電站供給電量無(wú)法滿足居民負(fù)荷需求時(shí)，梯次電池儲(chǔ)能系統(tǒng)釋放存儲(chǔ)的電能，即：

[ΔEf（t）=ΔtPe（t）/η1-Ppv（t）-Pg（t）η2ηd] （3）

式中：[Δt]——時(shí)間間隔，取1 h；[Pe（t）]——居民用電負(fù)荷需求，kW，數(shù)值為[PEV（t）]與其他日?；居秒娯?fù)荷的疊加；[η1]——單向DC/AC逆變器的效率；[Ppv（t）]——[t]時(shí)刻的光伏出力，kW；[Pg（t）]——聯(lián)絡(luò)線功率，kW，即用戶(hù)從電網(wǎng)所購(gòu)電量；[η2]——儲(chǔ)能系統(tǒng)變流器的效率；[ηd]——梯次電池儲(chǔ)能系統(tǒng)的放電效率。

在居民用電低谷時(shí)段，電價(jià)較低，光伏發(fā)電和配電站供給的功率能滿足居民負(fù)荷要求，則儲(chǔ)能系統(tǒng)將光伏發(fā)電及配電站供給的多余電量存儲(chǔ)起來(lái)：

[ΔEc（t）=Pg（t）-Pe（t）/η1-Ppv（t）η2ηcΔt] （4）

式中：[ηc]——梯次電池儲(chǔ)能系統(tǒng)的充電效率。

因此，所需配置的梯次電池儲(chǔ)能功率、容量參考文獻(xiàn)［17］，可得：

[Pbat=maxPb（t）1-dEbat=maxΔE（t）-minΔE（t）Qsocmax（t）-Qsocmin（t）]"" （5）

式中：[Pbat]——配置后的梯次電池儲(chǔ)能功率，kW；[Pb（t）]——[t]時(shí)刻梯次電池儲(chǔ)能的充放電功率，kW；[d]——儲(chǔ)能裕度；[Ebat]——配置后的梯次電池儲(chǔ)能容量，kWh；[ΔE（t）]——[t]時(shí)刻梯次電池儲(chǔ)能的電量，kWh；[Qsocmax（t）]、[Qsocmin（t）]——梯次電池儲(chǔ)能[t]時(shí)刻荷電狀態(tài)上下限。

2 考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的梯次電池儲(chǔ)能優(yōu)化配置模型

2.1 問(wèn)題描述

假設(shè)退役電池梯次利用時(shí)已完成標(biāo)準(zhǔn)化模塊成組，已知退役電池的單位功率轉(zhuǎn)換系統(tǒng)成本、單位容量成本以及使用年限等條件，以梯次電池儲(chǔ)能成本最低、用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用最少為目標(biāo)，以電源出力、梯次電池儲(chǔ)能充放電、梯次電池儲(chǔ)能能量平衡、功率平衡以及電網(wǎng)交互功率為約束條件，優(yōu)化求解梯次電池儲(chǔ)能的功率和容量。

2.2 優(yōu)化目標(biāo)

2.2.1 梯次電池儲(chǔ)能成本

配置梯次電池儲(chǔ)能不僅可降低儲(chǔ)能成本，還可促進(jìn)削峰填谷。因此，選取梯次電池儲(chǔ)能系統(tǒng)成本最低作為目標(biāo)函數(shù)，即：

[minf1=Cb+Com+Cdis] （6）

[Cb=r（1+r）n（1+r）n-1×（CEEbat+CpPbat）]"" （7）

[Com=fom（CEEbat+CpPbat）]""""" （8）

式中：[Cb]——購(gòu)買(mǎi)安裝梯次電池的費(fèi)用，元；[Com]——梯次電池儲(chǔ)能運(yùn)行維護(hù)成本，元；[Cdis]——梯次電池儲(chǔ)能置換成本，元/kWh；[r]——貼現(xiàn)率，%；[n]——梯次電池儲(chǔ)能使用壽命，a；[r（1+r）n（1+r）n-1]——梯次電池儲(chǔ)能投資系數(shù)；[CE]——梯次電池儲(chǔ)能單位容量成本，元/kWh；[Cp]——儲(chǔ)能單位功率轉(zhuǎn)換系統(tǒng)成本，元/kW；[fom]——運(yùn)行維護(hù)系數(shù)。

2.2.2 用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用

在用電高峰時(shí)，若居民用戶(hù)用電負(fù)荷超過(guò)經(jīng)放縮后的電網(wǎng)基準(zhǔn)負(fù)荷，意味著用戶(hù)用電行為增大了峰谷差值，此時(shí)用戶(hù)需分?jǐn)傄徊糠终{(diào)峰輔助服務(wù)費(fèi)用［9］。用戶(hù)需分?jǐn)偟恼{(diào)峰輔助服務(wù)費(fèi)用可按式（9）和式（10）計(jì)算。

[minf2=AtθtPg，tPe，tPg，t-Pe，i，ti∈MPg，tPe，tPg，t-Pe，i，t]""" （9）

[θt=1""""""，"""t=[8，21]-1""""，"""t=[1，7]?[22，24]"]"""" （10）

式中：[At]——[t]時(shí)刻所有居民用戶(hù)所需分?jǐn)偟恼{(diào)峰輔助服務(wù)費(fèi)用，元；[θt]——電網(wǎng)峰谷指標(biāo)；[Pg，t]——電網(wǎng)當(dāng)日在[t]時(shí)刻的負(fù)荷，kW；[Pg，t]、[Pe，t]——電網(wǎng)、用戶(hù)[i]當(dāng)日在[t]時(shí)刻的平均負(fù)荷，kW；[Pe，i，t]——用戶(hù)[i]在t時(shí)刻的負(fù)荷，kW；[Pg，tPe，tPg，t]——電網(wǎng)放縮后的基準(zhǔn)負(fù)荷，kW；[M]——所需分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的用戶(hù)集合。

由于[f1]、[f2]兩個(gè)目標(biāo)函數(shù)相關(guān)性較小，為了兼顧兩種優(yōu)化目標(biāo)，給每個(gè)目標(biāo)函數(shù)賦予權(quán)重轉(zhuǎn)為單目標(biāo)函數(shù)，即：

[minF=min[λ1f1+λ2f2]]""" （11）

式中：[λ1]、[λ2]——優(yōu)化權(quán)重系數(shù)，[λi]之和為1。

2.3 約束條件

微網(wǎng)梯次電池儲(chǔ)能配置的約束條件主要包括：電源出力約束、梯次電池儲(chǔ)能充放電約束、梯次電池儲(chǔ)能能量平衡約束、功率平衡約束以及電網(wǎng)交互功率約束。

2.3.1 電源出力約束

[0≤Ppv≤PpvmaxPminbat≤Pbat≤Pmaxbat]"""" （12）

式中：[Ppvmax]——光伏組件的最大出力，kW；[Pmaxbat]、[Pminbat]——梯次電池儲(chǔ)能的充放電功率上下限值，kW。

2.3.2 梯次電池儲(chǔ)能充放電約束

[Qsocmin（t）≤Qsoc（t）≤Qsocmax（t）]""" （13）

式中：[Qsoc（t）]——梯次電池儲(chǔ)能[t]時(shí)刻的荷電狀態(tài)。

2.3.3 梯次電池儲(chǔ)能能量平衡約束

[t=124Pbat（t）=0]""" （14）

2.3.4 功率平衡約束

[Pe（t）=Ppv（t）+Pg（t）+Pbat（t）Pj（t）=Pe（t）-Ppv（t）Pbat（t）=Pj（t）-Pg（t）]""" （15）

式中：[Pj（t）]——[t]時(shí)刻凈負(fù)荷功率，kW；[Pbat（t）gt;0]時(shí)，梯次電池儲(chǔ)能放電；[Pbat（t）lt;0]時(shí)，梯次電池儲(chǔ)能充電。

2.3.5 電網(wǎng)交互功率約束

[0≤Pg≤Pgmax]"" （16）

式中：[Pgmax]——聯(lián)絡(luò)線功率最大值，kW，即居民用戶(hù)從電網(wǎng)購(gòu)電最大功率值。

2.4 模型求解流程

粒子群優(yōu)化（particle swarm optimization， PSO）算法由Kennedy［18］和Ebrehart［19］在1995年提出，其設(shè)計(jì)模型簡(jiǎn)單，控制參數(shù)變量少、運(yùn)行收斂速度快，因此本文采用PSO算法求解模型。具體求解步驟如圖2所示。

1）參數(shù)初始化，設(shè)置粒子群數(shù)量、速度和位置；

2）根據(jù)式（1）、式（2）計(jì)算居民區(qū)光伏發(fā)電量以及電動(dòng)汽車(chē)充電負(fù)荷；

3）根據(jù)式（3）、式（4）計(jì)算梯次電池儲(chǔ)能出力；

4）基于分時(shí)電價(jià)，計(jì)算t時(shí)刻所有用戶(hù)需分?jǐn)偟恼{(diào)峰費(fèi)用；

5）根據(jù)式（11）計(jì)算目標(biāo)函數(shù)，得到當(dāng)前粒子群下賦予權(quán)重后的梯次電池儲(chǔ)能成本以及用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用之和最小值；

6）對(duì)粒子速度和位置更新；

7）判斷是否迭代結(jié)束。若需繼續(xù)迭代，則重復(fù)步驟，直至選出目標(biāo)函數(shù)最小時(shí)對(duì)應(yīng)的[Ebat]、[Pbat]。

3 算例分析

3.1 算例說(shuō)明

本文以江蘇省某居民區(qū)微網(wǎng)系統(tǒng)儲(chǔ)能配置為算例，居民分時(shí)電價(jià)和模型參數(shù)如表1和表2所示。

假設(shè)條件：1）居民區(qū)微網(wǎng)系統(tǒng)有住戶(hù)264戶(hù)，設(shè)其全部參與分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用，即[M]=264，電動(dòng)私家汽車(chē)90輛，全部有序充電，即服從V2G模式；2）居民區(qū)微網(wǎng)功率負(fù)荷包括電動(dòng)汽車(chē)充電負(fù)荷和居民基本日用負(fù)荷，如冰箱、電視、洗衣機(jī)等；3）本文所研究的居民區(qū)微網(wǎng)電源包括當(dāng)?shù)嘏潆娬緸榫用駞^(qū)供電，光伏發(fā)電系統(tǒng)以及退役梯次電池儲(chǔ)能系統(tǒng)［13］；4）梯次電池購(gòu)買(mǎi)時(shí)和梯次利用終止時(shí)，容量保持率分別為0.7和0.6，此容量保持率狀態(tài)下梯次電池的壽命為5 a［18］。

居民區(qū)微網(wǎng)典型日中的光伏出力、負(fù)荷如圖3所示［20］，可看出，用戶(hù)用電習(xí)慣一般多在08：00—21：00，22：00開(kāi)始用電量開(kāi)始減小，到次日08：00屬于用電低谷時(shí)期。

該典型日負(fù)荷曲線用戶(hù)最大負(fù)荷為478 kW，而光伏出力最大為298 kW，遠(yuǎn)遠(yuǎn)小于居民用電負(fù)荷，說(shuō)明光伏利用率達(dá)到100%，光伏被完全消納，因此暫不考慮光伏電量上網(wǎng)價(jià)格情況。因此圖3所示凈負(fù)荷為用戶(hù)實(shí)際負(fù)荷需求，由當(dāng)?shù)嘏潆娬疽约皟?chǔ)能系統(tǒng)供給電量。在電價(jià)低谷時(shí)間段，當(dāng)?shù)嘏潆娬径嘤嚯娏肯蛱荽坞姵貎?chǔ)能系統(tǒng)充電，在電價(jià)高峰時(shí)間段，當(dāng)?shù)嘏潆娬竟╇姴蛔銜r(shí)，由梯次電池儲(chǔ)能系統(tǒng)放電用以供給居民用電。

3.2 優(yōu)化結(jié)果分析

采用PSO算法按照?qǐng)D2所示流程對(duì)模型進(jìn)行求解。設(shè)種群規(guī)模為100，迭代次數(shù)200，慣性權(quán)重為0.8，學(xué)習(xí)因子為2。此外，由于目標(biāo)函數(shù)[f1]、[f2]對(duì)削峰填谷效果的影響并不相同，參考專(zhuān)家意見(jiàn)，[λ1=3/4]，[λ2=1/4]。

通過(guò)PSO算法對(duì)居民區(qū)微網(wǎng)梯次電池儲(chǔ)能配置模型進(jìn)行計(jì)算，得到該居民區(qū)微網(wǎng)最優(yōu)配置梯次電池儲(chǔ)能功率為195.3 kW，容量為592.2 kWh。

為了驗(yàn)證該結(jié)果的有效性，本文進(jìn)一步對(duì)比和分析其他配置方案。

方案1：本文所建考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的梯次電池儲(chǔ)能配置。

方案2：只考慮退役電池梯次利用的儲(chǔ)能配置。

方案3：只考慮常規(guī)動(dòng)力電池的儲(chǔ)能配置。

方案4：只考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用，不考慮儲(chǔ)能配置。

基于上述方案在式（12）～式（16）的約束條件下的優(yōu)化結(jié)果如表3、表4所示。

對(duì)比方案1與方案2的優(yōu)化配置結(jié)果，方案2只考慮梯次電池儲(chǔ)能削峰填谷的能力，配置功率較方案1提高60.2 kW，由此也加大了儲(chǔ)能的投資成本。而方案1中考慮了用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用，使得由于不合理用電習(xí)慣造成峰谷差值增大的用戶(hù)額外承擔(dān)一定懲罰費(fèi)用，有利于減小峰谷差值的同時(shí)也為儲(chǔ)能分擔(dān)一部分成本壓力。方案1比方案2儲(chǔ)能成本節(jié)省約2.96萬(wàn)元，而由表4與圖4可知，在削峰填谷效果方面，方案1峰谷差減小49.1%，方案2峰谷差減小33.8%，因此，方案1優(yōu)于方案2。

方案2和方案3采用兩種不同儲(chǔ)能，常規(guī)電池儲(chǔ)能與梯次電池儲(chǔ)能相比，雖維護(hù)成本較低，但其購(gòu)買(mǎi)成本較高，導(dǎo)致整體儲(chǔ)能系統(tǒng)成本較高，采用PSO算法求解后，配置常規(guī)電池儲(chǔ)能比梯次電池儲(chǔ)能成本高3.59萬(wàn)元。由此可見(jiàn)，梯次電池儲(chǔ)能具有較好的經(jīng)濟(jì)優(yōu)勢(shì)。而在削峰填谷效果方面，由表4、圖5可看出，配置梯次電池儲(chǔ)能與配置常規(guī)電池儲(chǔ)能后凈負(fù)荷曲線基本一致，說(shuō)明配置兩種電池儲(chǔ)能基本均可實(shí)現(xiàn)相同的能量平衡交換，即在用戶(hù)用電低谷時(shí)，儲(chǔ)能充電；在用電高峰時(shí)，儲(chǔ)能放電。

參考圖6可知，居民用戶(hù)負(fù)荷趨勢(shì)與電網(wǎng)當(dāng)日負(fù)荷趨勢(shì)較為相似，對(duì)調(diào)峰效果具有消極影響，該類(lèi)用戶(hù)也是造成電網(wǎng)峰谷差增大的主要原因，而用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用后，一定程度上規(guī)范了用戶(hù)的用電習(xí)慣，用戶(hù)用電趨勢(shì)和電網(wǎng)負(fù)荷趨勢(shì)呈反向，即電網(wǎng)處于高峰時(shí)，用戶(hù)用電較少；電網(wǎng)處于低谷時(shí)，用戶(hù)用電處于高峰，具有積極調(diào)峰影響。儲(chǔ)能充放電也隨之變化，如圖7所示。

但只考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用時(shí)，由表4和圖8可知，雖然方案4不配置儲(chǔ)能，達(dá)到經(jīng)濟(jì)最優(yōu)，但峰谷差僅減小5.7%，削峰填谷效果不明顯，對(duì)電力系統(tǒng)穩(wěn)定性影響較大。為了確保電力系統(tǒng)可靠穩(wěn)定運(yùn)行，方案1優(yōu)于方案4。

由上述對(duì)比分析可見(jiàn)：

1）電網(wǎng)峰谷差值較大會(huì)影響電力系統(tǒng)的電能質(zhì)量，會(huì)嚴(yán)重影響其可靠性、穩(wěn)定性，考慮用戶(hù)側(cè)、儲(chǔ)能側(cè)同時(shí)參與到調(diào)峰中是解決問(wèn)題的有效途徑。

2）本文假定購(gòu)買(mǎi)時(shí)和梯次利用終止時(shí)，退役電池容量保持率分別為0.7、0.6，在此邊界條件下，配置梯次電池儲(chǔ)能比配置常規(guī)電池儲(chǔ)能具有一定經(jīng)濟(jì)、環(huán)保優(yōu)勢(shì)。

3）提出用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的微網(wǎng)梯次電池儲(chǔ)能優(yōu)化配置模型，不僅能規(guī)范用戶(hù)行為習(xí)慣、促進(jìn)削峰填谷，還可為儲(chǔ)能分擔(dān)部分成本壓力。

3.3 梯次電池儲(chǔ)能配置的成本敏感性分析

由3.2節(jié)的優(yōu)化結(jié)果分析可知，在本文邊界條件下，梯次電池儲(chǔ)能在成本上較常規(guī)電池儲(chǔ)能具有優(yōu)勢(shì)，而隨著電池容量保持率的改變，電池儲(chǔ)能成本相應(yīng)發(fā)生變化。因?yàn)槿萘勘３致瘦^高則需要更高品質(zhì)的電池材料，于是導(dǎo)致電池初始投資成本增加，而由于電池容量衰減速率減慢，則不需要頻繁地運(yùn)行維護(hù)或置換操作，從而降低運(yùn)行維護(hù)成本。容量保持率是衡量電池的重要指標(biāo)之一，本文進(jìn)行單因素敏感性分析不同容量保持率對(duì)梯次電池儲(chǔ)能成本的影響，忽略回收成本的影響，不同容量保持率的電池在削峰填谷應(yīng)用場(chǎng)景下的成本變化如圖9所示。

當(dāng)容量保持率為1.0時(shí)所對(duì)應(yīng)成本為常規(guī)電池儲(chǔ)能的成本，由圖9計(jì)算結(jié)果清晰可知，梯次電池儲(chǔ)能在容量保持率為0.8、0.7、0.6時(shí)的成本均低于常規(guī)電池儲(chǔ)能成本，而當(dāng)容量保持率小于0.6時(shí)，梯次電池則不具有成本優(yōu)勢(shì)，這是因?yàn)楫?dāng)容量保持率過(guò)低時(shí)，電池容量衰減速度較快，電池壽命減少，需要頻繁更換電池并進(jìn)行維護(hù)，從而增加了整體電池儲(chǔ)能系統(tǒng)的運(yùn)維和置換成本。儲(chǔ)能容量需求增加，系統(tǒng)需要更大的電池容量來(lái)維持平衡，從而增加了電池儲(chǔ)能的投資成本。

此外，隨著篩選重組等技術(shù)的提高和相應(yīng)政策的扶持，梯次電池儲(chǔ)能成本將大幅下降，梯次電池儲(chǔ)能的優(yōu)勢(shì)將進(jìn)一步凸顯。以梯次電池的單位容量成本、電池儲(chǔ)能的單位功率轉(zhuǎn)換系統(tǒng)成本作為獨(dú)立可變參數(shù)，通過(guò)改變參數(shù)，計(jì)算可得梯次電池儲(chǔ)能單位容量成本和電池儲(chǔ)能的單位功率轉(zhuǎn)換系統(tǒng)成本下降時(shí)對(duì)梯次電池儲(chǔ)能系統(tǒng)總成本的影響程度，如圖10所示。

由圖10可知，梯次電池單位容量成本對(duì)梯次電池儲(chǔ)能系統(tǒng)總成本影響最顯著，而儲(chǔ)能系統(tǒng)的單位功率轉(zhuǎn)換系統(tǒng)成本的敏感性相對(duì)較低。從結(jié)果數(shù)據(jù)上分析，當(dāng)梯次電池單位容量成本下降40%時(shí)，總成本可減小47.6%，而當(dāng)儲(chǔ)能系統(tǒng)單位功率轉(zhuǎn)換系統(tǒng)成本下降40%時(shí)，總成本可減小19.1%。這是由于當(dāng)單位容量成本降低時(shí)，梯次電池購(gòu)買(mǎi)成本顯著降低，而梯次電池購(gòu)買(mǎi)成本在總成本中占比較大，總成本因此顯著降低。相比單位容量成本，單位功率轉(zhuǎn)換系統(tǒng)成本對(duì)梯次電池購(gòu)買(mǎi)成本影響較小，因此梯次電池儲(chǔ)能配置中有必要多關(guān)注容量單價(jià)。

4 結(jié) 論

針對(duì)光伏發(fā)電系統(tǒng)、電動(dòng)汽車(chē)接入居民區(qū)微網(wǎng)以及居民用戶(hù)用電行為不合理造成的電網(wǎng)峰谷差值較大這一問(wèn)題，建立考慮用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用的微網(wǎng)梯次電池儲(chǔ)能優(yōu)化配置模型，主要結(jié)論如下：

1）考慮單一主體削峰填谷具有局限性，儲(chǔ)能側(cè)、用戶(hù)側(cè)多主體同時(shí)參與到調(diào)峰中可達(dá)到更好的削峰填谷效果。

2）在電池儲(chǔ)能的選擇方面，當(dāng)容量保持率大于0.6時(shí)，梯次電池比常規(guī)電池更具有優(yōu)越性，不僅降低了儲(chǔ)能配置成本，且在削峰填谷方面，同樣可達(dá)到較好的效果。

3）用戶(hù)分?jǐn)傉{(diào)峰輔助服務(wù)費(fèi)用，可促進(jìn)用戶(hù)合理用電，有效削峰填谷，對(duì)電網(wǎng)的經(jīng)濟(jì)可靠運(yùn)行具有重要意義。

［參考文獻(xiàn)］

［1］"""" 張家安， 郝峰， 董存， 等. 基于兩階段不確定性量化的光伏發(fā)電超短期功率預(yù)測(cè)［J］. 太陽(yáng)能學(xué)報(bào)， 2023， 44（1）： 69-77.

ZHANG J A， HAO F， DONG C， et al. Ultra-short-term power forecasting of photovoltaic power generation based on two-stage uncertainty quantization［J］. Acta energiae solaris sinica， 2023， 44（1）： 69-77.

［2］"""" 劉文軒， 宋璇坤， 韓柳， 等. 計(jì)及需求響應(yīng)的用戶(hù)側(cè)光伏微電網(wǎng)儲(chǔ)能配置方法［J］. 電氣自動(dòng)化， 2020， 42（5）： 22-24， 79.

LIU W X， SONG X K， HAN L， et al. Energy storage configuration method for user-side photovoltaic micro-grid considering demand response［J］. Electrical automation， 2020， 42（5）： 22-24， 79.

［3］"""" 周喜超， 孟凡強(qiáng)， 李娜， 等. 電池儲(chǔ)能系統(tǒng)參與電網(wǎng)削峰填谷控制策略［J］. 熱力發(fā)電， 2021， 50（4）： 44-50.

ZHOU X C， MENG F Q， LI N， et al. Control strategies of battery energy storage system participating in peak load regulation of power grid［J］. Thermal power generation， 2021， 50（4）： 44-50.

［4］"""" 陸燕娟， 潘庭龍， 楊朝輝. 計(jì)及電動(dòng)汽車(chē)的社區(qū)微網(wǎng)儲(chǔ)能容量配置［J］. 太陽(yáng)能學(xué)報(bào)， 2021， 42（12）： 362-367.

LU Y J， PAN T L， YANG Z H. Energy storage capacity configuration in community microgrid considering electric vehicles［J］. Acta energiae solaris sinica， 2021， 42（12）： 362-367.

［5］"""" 嚴(yán)干貴， 馮曉東， 李軍徽， 等. 用于松弛調(diào)峰瓶頸的儲(chǔ)能系統(tǒng)容量配置方法［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2012， 32（28）： 27-35， 22.

YAN G G， FENG X D， LI J H， et al. Optimization of energy storage system capacity for relaxing peak load regulation bottlenecks［J］. Proceedings of the CSEE， 2012， 32（28）： 27-35， 22.

［6］"""" 韓曉娟， 田春光， 張浩， 等. 用于削峰填谷的電池儲(chǔ)能系統(tǒng)經(jīng)濟(jì)價(jià)值評(píng)估方法［J］. 太陽(yáng)能學(xué)報(bào)， 2014， 35（9）： 1634-1638.

HAN X J， TIAN C G， ZHANG H， et al. Economic evaluation method of battery energy storage system in peak load shifting［J］. Acta energiae solaris sinica， 2014， 35（9）： 1634-1638.

［7］"""" 孟高軍， 蘇令， 孫玉坤， 等. 退役電池梯次利用的一致性管理研究綜述［J］. 電源技術(shù)， 2021， 45（10）： 1376-1379.

MENG G J， SU L， SUN Y K， et al. Review on consistency management of echelon use of retired battery［J］. Chinese journal of power sources， 2021， 45（10）： 1376-1379.

［8］"""" 劉若桐， 李建林， 呂喆， 等. 退役動(dòng)力電池應(yīng)用潛力分析［J］. 電氣技術(shù)， 2021， 22（8）： 1-9.

LIU R T， LI J L， LYU Z， et al. Application potential analysis of decommissioned power batteries［J］. Electrical engineering， 2021， 22（8）： 1-9.

［9］"""" 尚瑨， 邰能靈， 劉琦， 等. 采用區(qū)間控制的蓄電池儲(chǔ)能電站調(diào)峰運(yùn)行控制策略［J］. 電工技術(shù)學(xué)報(bào)， 2015， 30（16）： 221-229.

SHANG J， TAI N L， LIU Q， et al. Load shifting scheme of battery energy storage system based on interval controlling［J］. Transactions of China Electrotechnical Society， 2015， 30（16）： 221-229.

［10］""" 江岳文， 韋嘉睿. 考慮用戶(hù)側(cè)參與的調(diào)峰輔助服務(wù)費(fèi)用分?jǐn)倷C(jī)制［J］. 電力自動(dòng)化設(shè)備， 2022， 42（4）： 41-47.

JIANG Y W， WEI J R. Allocation mechanism of peak-shaving auxiliary service cost considering consumer side participation［J］. Electric power automation equipment， 2022， 42（4）： 41-47.

［11］""" 王玉萍， 劉磊， 李小璐， 等. 調(diào)峰輔助服務(wù)費(fèi)用分?jǐn)倷C(jī)制［J］. 廣東電力， 2019， 32（2）： 1-7.

WANG Y P， LIU L， LI X L， et al. Allocation mechanism of peak load regulation auxiliary service cost［J］. Guangdong electric power， 2019， 32（2）： 1-7.

［12］""" 何永秀， 黃文杰， 趙曉麗， 等. 大用戶(hù)直購(gòu)電輔助服務(wù)成本分?jǐn)倷C(jī)制［J］. 華北電力大學(xué)學(xué)報(bào)， 2004， 31（4）： 70-74.

HE Y X， HUANG W J， ZHAO X L， et al. Cost allocation designing of ancillary service for larger electricity customers supplied directly by suppliers［J］. Journal of North China Electric Power University， 2004， 31（4）： 70-74.

［13］""" 劉景超. 考慮電動(dòng)汽車(chē)負(fù)荷的微電網(wǎng)光-儲(chǔ)系統(tǒng)優(yōu)化配置［D］. 大連： 大連理工大學(xué)， 2020.

LIU J C. Optimal configuration for PV-BESS system in residential area microgrid considering electric vehicles［D］. Dalian： Dalian University of Technology， 2020.

［14］""" 劉建濤， 曹雷， 馬杰， 等. 基于儲(chǔ)能系統(tǒng)的用戶(hù)光伏并網(wǎng)發(fā)電系統(tǒng)經(jīng)濟(jì)性分析［J］. 太陽(yáng)能學(xué)報(bào)， 2012， 33（11）： 1887-1892.

LIU J T， CAO L， MA J， et al. Economic analysis of user’s grid-connected PV system based on energy storage system［J］. Acta energiae solaris sinica， 2012， 33（11）： 1887-1892.

［15］""" 付波， 鄧競(jìng)成， 李超順， 等. 計(jì)及虛擬儲(chǔ)能的風(fēng)光儲(chǔ)獨(dú)立微電網(wǎng)優(yōu)化配置［J］. 科學(xué)技術(shù)與工程， 2022， 22（19）： 8340-8346.

FU B， DENG J C， LI C S， et al. Optimal allocation of wind-solar-battery microgrid considering virtual energy storage［J］. Science technology and engineering， 2022， 22（19）： 8340-8346.

［16］""" 李含玉， 杜兆斌， 陳麗丹， 等. 基于出行模擬的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)模型及V2G評(píng)估［J］. 電力系統(tǒng)自動(dòng)化， 2019， 43（21）： 88-96.

LI H Y， DU Z B， CHEN L D， et al. Trip simulation based charging load forecasting model and vehicle-to-grid evaluation of electric vehicles［J］. Automation of electric power systems， 2019， 43（21）： 88-96.

［17］""" 楊錫運(yùn)， 張璜， 修曉青， 等. 基于商業(yè)園區(qū)源/儲(chǔ)/荷協(xié)同運(yùn)行的儲(chǔ)能系統(tǒng)多目標(biāo)優(yōu)化配置［J］. 電網(wǎng)技術(shù)， 2017， 41（12）： 3996-4003.

YANG X Y， ZHANG H， XIU X Q， et al. Multi-objective optimal configuration of energy storage systems based on coordinated operation of source/storage/load in commercial park［J］. Power system technology， 2017， 41（12）： 3996-4003.

［18］""" KENNEDY J， EBERHART R. Particle swarm optimization［C］//Proceedings of ICNN'95-International Conference on Neural Networks. Perth， WA， Australia， 1995： 1942-1948.

［19］""" EBERHART R， KENNEDY J. A new optimizer using particle swarm theory［C］//MHS’95. Proceedings of the Sixth International Symposium on Micro Machine and Human Science. Nagoya， Japan， 1995： 39-43.

［20］""" 劉夢(mèng). 含柔性負(fù)荷的微網(wǎng)儲(chǔ)能配置與調(diào)度方法研究［D］. 北京： 北京交通大學(xué)， 2018.

LIU M. Capacity configuration of battery energy storage system and scheduling for microgrid considering flexible load［D］. Beijing： Beijing Jiaotong University， 2018.

OPTIMIZATION OF MICROGRID SECONDARY BATTERIES ENERGY STORAGE CONSIDERING USER-SHARED PEAK-SHAVING

AUXILIARY SERVICE COST

Li Xinru1，Shen Jin1，Chen Zhuohang2

（1. School of Business， Shanghai Dianji University， Shanghai 201306， China；

2. Zhuhai Power Supply Bureau of Guangdong Power Grid Co.， Ltd.， Zhuhai 519075， China）

Abstract：To enhance the peak-shaving and valley-filling effectiveness in residential microgrids and reduce the cost of energy storage system， this paper adopts secondary batteries as the chosen energy storage solution. The paper innovates beyond existing optimization models by involving multiple entities on both the user and energy storage sides concurrently in peak-shaving. A microgrid secondary batteries energy storage optimal configuration model is proposed， considering user-shared peak-shaving auxiliary service cost. Initially， the paper introduces relevant mathematical models for power generation， load calculation， and energy storage charge and discharge. Subsequently， the paper formulates objective functions， aiming to minimize both the cost of configuring the secondary batteries energy storage system and the user-shared peak-shaving auxiliary service cost. The particle swarm optimization algorithm is adopted for the model solution. Finally， a case study is conducted on a residential microgrid to compare the economic and effective performance of the proposed method. Additionally， sensitivity analysis of the cost of secondary batteries energy storage configuration is performed to examine the impact of parameter variations on the total cost of energy storage batteries.

Keywords：microgrids； secondary batteries； battery storage； optimal configuration； peak-shaving auxiliary service