《Electric Power Systems Research》：Quasi-real-time degradation-aware energy management for standalone PV-battery microgrids under uncertainty
编辑推荐：
•该联合框架在微电网可靠性与电池使用寿命之间进行权衡。•电池使用寿命可达到14.36年（而传统方案为4.51年），但无法满足的负荷比例上升至28.78%。•因负荷损失带来的损失远高于电池老化成本。•该框架提供了一种可调机制，可在电池维护成本过高时优先保障电池性能。•其在线循环检测
- •
该联合框架在微电网可靠性与电池使用寿命之间进行权衡。
- •
电池使用寿命可达到14.36年（而传统方案为4.51年），但无法满足的负荷比例上升至28.78%。
- •
因负荷损失带来的损失远高于电池老化成本。
- •
该框架提供了一种可调机制，可在电池维护成本过高时优先保障电池性能。
- •
其在线循环检测方法的平均绝对误差仅为pyLife方法的2.68%。
引言
随着可再生能源在独立式及弱电网电力系统中的广泛应用，迫切需要先进的能源管理策略，以在发电和负荷条件不确定的情况下确保系统稳定运行。在独立式微电网中，由于可再生能源具有间歇性，且分布式资源的可控性有限，因此电池储能系统对于平衡短期电力波动、保障供电充足至关重要。由此，考虑不确定性下的调度策略以及电池老化管理已成为微电网运行中的关键研究课题。
已有大量研究采用鲁棒优化[1]、[2]、[3]、[4]、[5]、[6]、随机优化[7]、机会约束方法[8]以及多层EMS架构[9]、[10]、[11]、[12]来解决微电网最优调度中的不确定性问题。强化学习也被用于微电网的调度与储能控制研究[13]。同时，也有不少研究致力于将电池老化因素纳入EMS模型中[14]、[15]、[16]、[17]。
然而，在准实时EMS系统中同时考虑短期不确定性与电池老化仍面临挑战，因为建模精度与计算可行性之间存在矛盾。现有方法要么依赖简化版的电池老化模型，导致老化预测精度下降；要么采用过于复杂的模型，难以在实时系统中实现。
例如，Ju等人[18]提出了一种基于时间线性老化假设的电池老化模型，并将其集成到双层EMS架构中。但其模型并未明确考虑电池制造商通常规定的实际寿命终止标准。Izumida Martins等人[19]为车网互动应用提出了半经验型电池老化模型，但其整合过程需要在混合整数线性规划框架内进行线性化处理。同样，Córdova等人[20]提出了混合分辨率储备策略来应对短期不确定性，但他们所采用的分段老化模型可能会显著影响电池老化的预测精度。
还有些研究在考虑不确定性调度的同时采用了简化的电池老化假设。Huang等人[21]提出了结合粒子群优化与内点法的混合EMS优化策略，但其采用的电池老化模型忽略了容量衰减及实际寿命限制。Zhang等人[22]则采用了基于阿伦尼乌斯公式的电池老化模型，但其整合过程需要分段线性化处理，导致结果易受分割方式的影响。
此外，还有研究探索了基于在线循环计数的替代方法。在[23]中，研究人员根据循环计数原理推导出了凸形老化函数，并通过次梯度法进行求解。Huang等人[24]则将基于降雨流的电池老化评估方法与ARIMA预测技术相结合，而Sandeli?等人[25]则在电池管理系统框架内提出了在线电池老化评估方法。
尽管取得了这些进展，但目前仍有少数研究能够同时解决以下问题：(i)在细粒度层面处理短期不确定性；(ii)开发与实时EMS运行兼容的电池老化跟踪方法；(iii)为独立式微电网设计计算效率高的滚动时域调度策略。
为弥补这些不足，近期有一些研究聚焦于微电网EMS设计的相关方面。Nkambule等人[26]对微电网EMS的智能控制策略进行了全面综述，指出将模型预测控制与数据驱动预测层相结合的混合框架是平衡可靠性、计算可行性与可再生能源利用效率的最有前景的方向，同时也指出了人工智能驱动模型的高计算需求这一亟待解决的难题。这一观点促使本文采用了变分辨率建模方法，该方法在降低非线性MPC的计算负担的同时，仍能保持小时级调度决策的精确度。在短期预测领域，Jahani等人[27]证明，相比单纯的LSTM模型，混合SPM-LSTM架构在微电网EMS应用中的负荷预测精度有显著提升，这也为本文选择基于信号特性的LSTM-RNN网络用于负荷、光伏出力及备用容量预测提供了依据。从概率预测的角度来看，Qui?ones等人[28]利用基于LSTM和GRU循环结构的编码器-解码器序列到序列模型对风速和太阳辐射进行预测，并实现了明确的不确定性量化，证明了深度学习架构能够在季节变化及极端天气条件下提供可靠的短期预测结果。这些最新研究成果为本文所提出的框架设计提供了有力支持，同时也凸显了本文要解决的剩余问题：如何在统一的独立式微电网EMS系统中，将基于预测的运行储备、在线电池老化评估以及计算高效的滚动时域调度策略有机整合在一起。
为克服上述局限，本文提出了一种针对独立式光伏-电池微电网的、具备电池老化感知功能的准实时EMS系统。该框架旨在实现供电可靠性、电池使用寿命与计算可行性的平衡。
本文的主要贡献如下：
- •
一种集成了变分辨率调度、基于LSTM的预测驱动运行储备机制以及嵌入在非线性滚动时域模型预测控制模型中的在线电池老化评估算法的准实时能源管理框架。
- •
一个专门的多模型预测层，包含三个具有不同信号特性架构的LSTM-RNN网络：一个50单元的模型用于5分钟分辨率的负荷预测，一个64单元的模型用于快速响应光照变化的光伏出力预测，还有一个32单元的模型用于计算三小时内的总能量偏差，以便进行备用容量分配。
- •
一种与优化时间范围相匹配的在线电池老化评估算法，其循环检测功能已通过与pyLife的降雨流基准实现进行交叉验证。
- •
对独立式微电网中基于电池老化感知的能源管理所固有的可靠性与使用寿命之间的权衡关系进行了全面分析，结果表明该框架并非在所有指标上都优于简单策略，而是通过目标函数结构为运行人员提供了对这种权衡关系的主动调控能力。
- •
将该框架与常规固定储备策略进行了对比，后者分别设置了额定电池容量的15%、20%和30%作为备用容量比例，从而明确了在不同备用容量约束下，调度策略的变化规律。
本文的其余部分结构如下：第二节介绍所提出的具备电池老化感知功能的EMS框架，包括电池老化模型、在线健康状态评估算法、备用容量确定方法以及调度优化问题；第三节展示仿真结果与性能分析；最后，第四节对全文进行总结。
章节要点
问题建模与公式构建
本节介绍了专为独立式光伏-电池微电网设计的具备电池老化感知功能的能源管理框架。该框架整合了以下要素：(i)基于优化思想的电池老化模型；(ii)在线电池健康状态跟踪算法；(iii)基于能量需求的运行储备确定方法；(iv)为实现高效实时运行而设计的变分辨率滚动时域EMS架构。
结果与分析
本节在真实的光伏出力与负荷变化条件下，评估了所提EMS框架的运行性能。分析重点包括三个方面：(i)不同时间分辨率对运行性能的影响；(ii)明确考虑电池老化与不确定性因素的作用；(iii)所提方法在实际实时应用中的计算可行性。
所提EMS框架是通过以下方式进行评估的
结论
本文提出了一种适用于可再生能源发电及负荷条件不确定环境下的独立式光伏-电池微电网的、具备电池老化感知功能的准实时EMS框架。该框架整合了以下元素：(i)与非线性编程相兼容的基于优化思想的电池老化模型；(ii)具备亚秒级跟踪能力的在线电池健康状态评估算法；(iii)用于提升不确定性管理能力的基于能量需求的短期运行储备确定方法。与以往的
CRediT作者贡献说明
Aissam AIT-OMAR：论文撰写——审稿与编辑、论文撰写——初稿撰写、可视化处理、验证工作、软件开发、方法设计、实验研究、形式化分析、概念构思。 Hichame LAABASSI：论文撰写——审稿与编辑、验证工作、数据整理。 Ghassane ANIBA：论文撰写——审稿与编辑、研究指导。
利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关联或个人关系。
Aissam AIT-OMAR|Hichame LAABASSI|Ghassane ANIBA
