一种用于固定式和移动式储能系统协调规划的数据驱动两阶段方法

《Journal of Energy Storage》：A data-driven two-stage method for coordinated planning of stationary and mobile energy storage systems

　　

# 摘要

为改善候选节点筛选、明确固定式与移动式储能的互补作用，并确保高可再生能源占比输电网络中的运行可行性，本文提出了一种数据驱动的混合储能系统选址定容两阶段框架。第一阶段采用复杂网络分析、运行不确定性量化以及图注意力网络与门控循环单元（GAT-GRU）模型，评估候选母线处储能部署的价值；随后利用Pareto非支配排序和熵权TOPSIS法对候选集进行优化筛选。第二阶段优化固定式储能系统（SESS）的选址与定容，同时对移动式储能系统（MESS）的选址、定容及车辆调度进行联合优化。将遗传算法与安全约束机组组合（SCUC）模型相结合以评估运行可行性，并采用铁路廊道约束的时空网络（TSN）验证MESS的调度可行性。通过迭代耦合，所提框架可同时确定储能位置、容量、运行计划及可行的MESS调度路线。基于RTS-79系统的算例结果表明，所提方法可有效缩小候选搜索空间，提高计算效率，并生成兼顾经济性能、系统安全性和运行可行性的规划方案。

# 引言

碳中和电力系统转型正加速推动可再生能源（RES），尤其是风能和太阳能，在输电网络中的大规模接入[1]。然而，可再生能源的波动性和不可预测性带来了重要的运行挑战，包括输电瓶颈、电压质量问题以及平衡能力下降[2]。储能系统（ESS）在高可再生能源电力系统中变得至关重要，因为它们能够提供灵活的容量支持、平抑可再生能源波动、延缓电网升级需求并增强系统韧性[3][4][5]。在这些选项中，固定式储能系统（SESS）和移动式储能系统（MESS）发挥着互补作用。SESS通常安装在关键母线节点，提供持续的功率支持和N-1安全备用[6]。相反，MESS可在不同区域间移动，以应对需求和运行条件的时空变化[7][8]。两者的协调使用将固定资产的稳定性与移动资源的灵活性相结合，因此已成为输电系统储能规划的重要研究方向[9][10]。

关于SESS选址定容的研究已较为成熟。在并网风电系统中，固定式储能系统被用于平抑风电出力、优化风电利用并提高电网运行稳定性[11]。文献[12]采用全枚举算法求解了铁路储能设施选址定容的联合双目标整数规划模型。文献[13]针对高光伏渗透率系统提出了基于能量转移策略的混合整数规划模型。文献[14]引入二阶锥松弛和Big-M线性化方法处理最优潮流和变压器约束问题，从而降低投资和运营成本。文献[15]通过分段线性化将电池循环寿命衰减纳入目标函数。元启发式方法也被探索应用于储能调度和规划中。例如，文献[16]将遗传算法和粒子群优化算法应用于微电网储能调度，文献[17]将LASSO辅助的凸近似学习方法与策略性采样相结合以提高多时段储能优化的计算效率。

总体而言，这些研究为关键节点识别、容量分配和运行约束建模奠定了坚实基础。然而，大多数研究假设安装位置固定且响应边界为静态，这限制了它们在涉及时空移动性的SESS-MESS协调规划问题中的适用性。

与SESS相比，MESS的研究仍较为有限，主要集中在配电网系统方面。文献[18]通过灾前预部署和灾后调度的策略增强了系统韧性。文献[19]提出了MESS的韧性竞价策略以提高收益和缓解瓶颈，联合建模了运输市场和电力市场。文献[20]开发了交流/直流配电网中虚拟电力线和软开断点的协同优化模型。MESS的移动灵活性已被用于通过协调充放电与调度优化来增强灾害条件下的系统韧性[21][22]。这些研究表明，MESS研究已从简单的路线优化逐步过渡到协同调度和韧性恢复。然而，当前研究主要集中在配电网、灾后恢复或特定的输电层规划场景中，关于固定式与移动式储能在输电系统中长期协调的系统性研究仍然有限。

随着SESS和MESS的同步发展，二者的协调规划已成为新的研究焦点。文献[23]采用共识交替方向乘子法（ADMM）实现光伏系统、固定式储能和移动式储能的分布式协调规划。文献[24]为韧性配电网中SESS和MESS的协调选址定容提出了两步优化配置模型，将正常运行条件下的站点预选择与故障条件下的鲁棒优化相结合。正如文献[25]所示，忽略网络安全特征的选址方法无法保证N-1故障条件下的鲁棒配置方案。其次，尽管混合SESS-MESS规划已被研究，但配置过程仍依赖于预定义的候选站点和爬坡率驱动的容量确定，这限制了静态和移动储能的联合全局协调选址定容[26]。第三，规划结果很少在闭环中验证其运行可行性和安全需求。因此，现有的固定式-移动式ESS协调规划仍面临在拓扑安全、互补机制表征和规划-运行一体化方面同时应对的挑战，限制了工程适用性。

与近期的SESS-MESS规划研究相比，本工作的根本区别在于建立了以安全为导向的规划框架，将基于风险的候选站点筛选、SESS-MESS协调配置和安全约束运行验证连接起来。所提框架不仅不依赖预定义的候选站点或分别确定固定式和移动式储能配置，还能协同确定SESS的位置和容量、MESS的锚定节点和容量以及相应的运行和调度可行性。在所纳入的组件中，风险引导的候选筛选模块最直接地贡献于搜索空间缩减和计算改进，而基于SCUC的验证模块主要负责确保运行可行性和N-1安全性。

为克服上述局限性，本文在N-1安全约束和源-荷不确定性条件下提出了SESS与MESS的联合规划框架。该框架在统一的两阶段架构中分层集成了候选站点的生成与评估、候选集的整合与优化、以及联合规划与安全约束运行验证之间的迭代协调。从而实现混合固定式-移动式储能在网络拓扑约束下的统一建模、协调资源配置和运行可行性评估。主要贡献如下：

（1）将复杂网络分析与数据驱动的风险预测相结合，识别和评估SESS和MESS的候选站点。采用Pareto排序、熵权法和多准则决策方法确定关键的SESS母线和有价值的MESS节点，从而缩小规划搜索空间。

（2）开发了基于GAT-GRU的时空风险预测模型，用于评估母线级安全威胁以支撑储能规划。通过构建面向规划的风险标签并捕捉运行状态的时空耦合关系，该模型为候选母线筛选及后续SESS-MESS规划决策提供了风险导向的指导。

（3）开发了闭环协调规划框架以优化SESS和MESS配置。集成遗传算法、基于SCUC的安全评估和运行仿真反馈，以提高规划可行性、系统安全性和工程适用性。

本文其余部分组织如下：第2节介绍储能系统和发电机组模型。第3节提出数据驱动的储能选址定容方法。第4节描述基于RTS-79系统的算例研究。最后，第5节总结了论文结论。

## 储能系统与发电机组联合优化模型的开发

本文将SESS和MESS集成到UC-SCUC框架中，创建统一的建模方法。在此基础上，设计了具有机组组合和安全约束的调度模型，并建立了联合优化目标。

## 两阶段通用框架

为协调高可再生能源渗透率电力系统中固定式储能系统（SESS）和移动式储能系统（MESS）的部署，本章介绍了一种数据驱动的两阶段选址定容框架。通过将候选母线筛选与容量优化分离，在保持解质量的同时减少了原组合问题的计算量。

在第一阶段，通过三种方法识别候选节点……

## 仿真平台与算例设置

基于RTS-79系统[38]，本研究使用Python 3.10和PyPSA开发了具有网络安全约束的混合整数线性规划调度模型，并使用Gurobi求解。系统拓扑及风能和光伏并网位置如图5所示。

本研究所用的风光发电曲线源自文献[39][40]报道的RTS-GMLC基准数据集。所有可再生能源发电和负荷数据均统一……

## 结论

针对高可再生能源渗透率输电系统中固定式储能系统（SESS）和移动式储能系统（MESS）的协调规划问题，本研究提出了一种数据驱动的混合储能两阶段选址定容框架。通过将候选节点筛选与协调规划和运行验证相结合，所提方法实现了SESS选址定容的联合优化以及MESS站点和车辆的……

## CRediT作者贡献声明

何东燕：撰写——原稿、验证、软件、资源、项目管理、方法学、正式分析、数据管理。

邹清宇：撰写——审阅与编辑、监督、项目管理、资金获取、概念化。

## 论文撰写过程中生成式AI和AI辅助技术的声明

在撰写本工作过程中，作者仅使用ChatGPT进行语言润色、可读性改进和语法纠正。未使用任何生成式AI工具生成论文的科学内容、数据分析或解释。使用该工具后，作者对内容进行了审查和编辑，并对已发表文章的内容承担全部责任。

## 利益冲突声明

作者声明以下可能被视为潜在利益冲突的经济利益/个人关系：邹清宇报告已获得吉林省教育厅的支持。邹清宇和何东燕有向邹清宇和何东燕提交的待批专利。如有其他作者，他们声明没有已知的可能影响本文所述工作的竞争性经济利益或个人关系。

## 致谢

所有作者均已阅读并批准论文最终稿。

何东燕 | 邹清宇

北方工业大学电气与信息工程学院，吉林省吉林市，132013，中国吉林省