《Sci》：Degradation-Aware AC-Constrained Day-Ahead Active and Reactive Power Scheduling of Battery Energy Storage Systems in Active Distribution Networks
编辑推荐：
随着分布式能源渗透率持续提升，主动配电网中需对电池储能系统（Battery Energy Storage System，BESS）进行经济调度，同时保障网络安全并计入电池寿命损耗。该研究的核心技术贡献在于：构建了一套集成化、退化感知的多BESS协同日前有功-无
随着分布式能源渗透率持续提升，主动配电网中需对电池储能系统（Battery Energy Storage System，BESS）进行经济调度，同时保障网络安全并计入电池寿命损耗。该研究的核心技术贡献在于：构建了一套集成化、退化感知的多BESS协同日前有功-无功调度框架。模型以最小化购网能耗、光伏与BESS运维成本以及经货币化的循环与日历退化成本为目标，严格嵌入非线性交流（Alternating Current，AC）潮流方程、电压与支路电流限值、变流器视在功率能力、非理想荷电状态（State of Charge，SoC）动态及终端能量约束。每条候选的24小时SoC轨迹均经由基于雨流计数（Rainflow）的半经验老化模型处理，使退化成本直接进入适应度评价。优化引擎采用自进化狼群优化器（Self-Evolving Lupine Group Optimizer，SELGO），并耦合并行逐次逼近AC潮流评估。在改进的33节点与69节点系统中，于确定性及随机需求与光伏场景各执行100次独立实验，SELGO与AJAYA、GA、MVO、PSO、TDE在等价模型与参数条件下对比。结果显示，SELGO在三类案例中均取得最小平均运行成本，较基准成本分别降低2.2015%、2.4017%与3.0108%，且满足电压、热稳、变流器及跨时段BESS约束；累积消融实验支持了完整SELGO架构的条件增益。循环强度为0.7690至0.8386 EFC/日，日老化处于10-4 day-1量级；在重复日假设下，80%健康状态（State of Health，SoH）阈值于5.9756至6.9238年达到，70% SoH对应10.8433至12.5639年，该结果仅作老化对比解释而非现场寿命预测。该框架可识别低成本、AC可行调度方案，并显式量化对应电池寿命消耗。
研究背景与问题提出
高比例分布式光伏接入使传统配电网演变为主动配电网（Active Distribution Network，ADN）。源荷时空错配会加剧净负荷波动、反向潮流、电压偏差与馈线热应力。电池储能系统（BESS）可凭借快速有功调节与变流器无功支撑缓解上述压力，但调度决策通过SoC动态跨时段强耦合，且须同时满足交流潮流、电压、支路电流、变流器视在功率与终端能量约束。既有研究常将经济性、AC可行性、不确定性与电池退化拆分建模：简化能量管理易得到低成本却电网越限或低估寿命损耗的方案。因此，需要将轨迹依赖的老化成本、非线性AC网络约束与多BESS有功-无功协同统一在同一日前优化框架中。
研究人员开展的工作与结论意义
研究人员提出退化感知的日前协同调度框架：以全天购能、光伏与BESS运维、货币化循环与日历退化为综合目标，对多台BESS的24小时有功-无功参考值进行优化。框架在DMS/EMS层给出小时级设定值，本地控制保留快速电压调节与设备级跟踪。SELGO负责全局搜索，逐次逼近（Successive Approximation，SA）并行求解各时段AC潮流；每条SoC轨迹经Rainflow半经验模型核算老化并回灌目标函数。在改进33节点（确定性100次、随机100场景）与69节点（随机100场景）中，SELGO相对AJAYA、GA、MVO、PSO、TDE均取得更低均值成本，三类案例降本2.2015%、2.4017%、3.0108%，且电压、热稳、变流器与跨时段约束全满足。该工作的意义在于把“短期经济最优”与“电池资产寿命消耗”显式绑定，为配电网运营商提供可解释、AC可行、老化透明的调度依据。
主要关键技术方法
研究人员采用四类关键方法：其一，基于Rainflow计数的半经验锂锰氧（Lithium Manganese Oxide，LMO）循环-日历老化模型，将完整与局部循环、放电深度（Depth of Discharge，DoD）、平均SoC与日历老化转为货币项；其二，非理想SoC递推（充放电效率与自放电）与时域耦合约束；其三，SELGO四阶段搜索——领导者引导追踪、群体重组、自进化更新与末期模式搜索精炼；其四，SA交流潮流并行评估与罚函数约束处理，并在33/69节点系统用蒙特卡洛生成负荷与光伏随机场景（基于Medellín参考曲线与NASA辐照数据）做不确定性验证。
研究结果
2 数学模型
建立全天成本目标与节点有功/无功平衡、支路电流直角坐标方程、电压与热极限、变流器P-Q视在功率耦合、SoC边界与首尾能量约束；证明退化项来自轨迹而非仅吞吐量。
3 优化框架
给出144维P-Q决策编码、修复机制与SELGO算子；SA逐时解潮流，仅对电压/电流越限加罚，老化成本计入适应度。
4 测试系统
33节点接3台PV与3台BESS，确定性曲线来自EPM负荷与NASA辐照；69节点沿用相同经济系数与随机场景设置。
5 仿真结果
确定性33节点：SELGO最优均费6844.97 USD，较基准降2.2015%，标准差最小，箱线图整体下移。随机33/69节点：SELGO仍居首，降本随网络复杂度升至3.0108%。老化指标显示循环强度0.7690–0.8386 EFC/日，重复日假设下80% SoH需5.98–6.92年。消融实验表明四机制叠加具条件边际增益；退化不感知方案虽日间成本低，但隐性老化成本更高。
讨论与结论翻译
讨论指出，框架在 supervisors 层协调能量平移与电压支撑，不依赖电热耦合的高保真电池态传播，固定25℃参考温度使对比一致而非现场寿命断言。结论如下：研究人员所提退化感知AC约束框架，能够在满足全部设备与网络安全约束的同时，识别低运行成本的多BESS日前P-Q调度，并将日度循环与日历老化显式量化进经济目标；SELGO相较主流元启发式在等价条件下取得更优且更稳健的解，累积消融验证了架构完整性；老化指标说明寿命消耗由循环深度、归一化循环强度与轨迹形态共同决定，该框架可推广至高比例光伏ADN的日前EMS与资产寿命协同管理。
你想先深挖SELGO算子设计，还是Rainflow老化建模？
