考虑微电网需求响应与非线性电池退化的经济调度

《Sustainable Energy, Grids and Networks》:Economic Scheduling Considering Microgrid Demand Response and Nonlinear Battery Degradation

【字体: 大 中 小 】 时间:2026年09月20日 来源:Sustainable Energy, Grids and Networks 5.6

编辑推荐:

   # 摘要 高比例可再生能源,特别是风电和光伏在电网中的广泛接入,给电力调度带来了更大的不确定性,对系统的安全经济稳定运行提出了严峻挑战。本文提出了一种优化微网调度模型,综合考虑了可再生能源和负荷的不确定性,同时兼顾了需求响应、电池健康状态(SOH)以及初始荷电状态(SOC)

  

# 摘要

高比例可再生能源,特别是风电和光伏在电网中的广泛接入,给电力调度带来了更大的不确定性,对系统的安全经济稳定运行提出了严峻挑战。本文提出了一种优化微网调度模型,综合考虑了可再生能源和负荷的不确定性,同时兼顾了需求响应、电池健康状态(SOH)以及初始荷电状态(SOC)的优化。首先,采用蒙特卡洛模拟方法构建参数不确定变化特征模型;然后,建立基于供需偏差的动态定价机制,激励用户在可再生能源发电过剩或不足时的消费行为,并采用基于价格弹性的负荷调整算法优化可再生能源发电消纳;此外,引入电池非线性SOH衰减模型以增强能源调度决策能力。该模型旨在最小化系统总成本,包括购电成本、碳排放、弃电惩罚和电池维护成本。在单节点建模假设下,利用系统仿真平台对一个园区级微网进行性能评估,该微网包含311 kW风电、378 kW光伏、984 kWh电池储能以及504 kW峰值负荷。结果表明,所提模型的总运行成本为1504.41元,碳排放为1827.43 kg,电池衰减成本为246.12元,同时最终SOH保持在0.9863。在高比例可再生能源场景下,模型的鲁棒性和有效性得到了验证,同时强调了初始SOC优化对系统性能的重要性。

# 引言

随着全球能源系统逐步向清洁低碳资源转型,可再生能源的广泛利用已成为能源结构转型的关键驱动力。然而,风能和光伏发电的间歇性与随机性显著增加了系统调度的复杂性,给供需平衡带来了严峻挑战[1]。作为一种高效的区域电力系统,集成多种分布式能源的微网能够提升可再生能源的本地消纳能力,并通过合理的调度优化降低运行成本[2]。

针对由可再生能源出力与负荷需求引起的多种不确定性所导致的调度问题,近年来在微网调度优化方面开展了大量研究。其中,概率优化和鲁棒优化是应对供需波动问题的两种主要方法。概率优化通常利用历史数据生成风电、光伏出力和负荷需求的概率分布,并在多个场景下评估系统性能[3]、[4]、[5]。文献[6]基于Hermite混沌多项式与二阶锥规划(SOCP),利用随机响应面方法(SRSRM)提出了一种日前-日内联合随机优化框架。然而,概率优化往往依赖于对输入数据分布的具体假设,这在复杂运行场景下可能限制其可靠性[7]。相比之下,鲁棒优化不依赖于特定的概率分布,而是确保在不确定性条件下最坏场景下的系统性能,因此在微网运行中占据主导地位[8]、[9]。文献[10]采用两阶段鲁棒优化(TSRO)实现日前与日内的协同调度,同时关注运行成本与可再生能源利用率。然而,当不确定性边界过宽时,鲁棒优化可能过于保守,导致运行成本显著上升。为了在鲁棒性与经济性之间取得平衡,分布鲁棒优化(DRO)应运而生,通过引入模糊集来准确描述不确定性,同时避免过度保守[11]。在此基础上,文献[12]将动态调整机制与自适应模型预测控制(DRAMPC)相结合,实现了经济性与鲁棒性之间的更好平衡。文献[13]进一步引入了频率越限惩罚成本和多时间尺度优化方法,综合考虑需求响应(DR)后提高了可再生能源利用率,并在鲁棒性、经济性和稳定性之间取得了更好的平衡。然而,多时间尺度优化在复杂场景中的适应性仍然有限,难以灵活应对各种场景下的不确定性动态变化。

需求响应(DR)是提升微网经济性能和调度灵活性的关键问题,同时通过有效减小峰谷差、优化负荷分布来提高可再生能源利用率[14]、[15]、[16]。在此过程中,基于价格的需量响应(PDR)通过实时定价引导用户用电行为,实现削峰填谷,支撑供需平衡,降低运行成本[17]。相关技术得到了连续研究。文献[18]提出了一种混合价格需量响应(HPDR)策略,将实时电价(RTP)与分时电价(TOU)相结合,调节消费行为并进一步平滑负荷曲线。尽管现有技术在一定程度上能够降低负荷波动,但它们通常采用静态负荷调整策略,忽视了DR的灵活性和实时响应能力,使其难以在复杂动态场景下做出可靠调度。因此,柔性负荷技术应运而生[19],例如将长短期记忆网络(LSTM)与鲸鱼优化算法(WOA)相结合以提高可再生能源预测精度,并采用Hampel-Butterworth-SG滤波技术来平滑负荷曲线[20]。文献[21]将用户不满成本纳入优化模型,同时采用田口损失函数平衡经济性能与用户舒适度。然而,在高可再生能源波动场景下,其灵活性和精确性仍然不足。为解决该问题,文献[22]提出了一种基于双层优化的动态定价机制,通过双向信息交互并结合风、光特性,实现了净负荷曲线的平滑,提高了可再生能源利用率,有效缓解了大规模DR引起的峰反弹风险。

另一方面,电池储能系统(BESS)作为微网的关键组成部分,在可再生能源消纳和系统稳定中发挥着不可替代的作用[23]、[24]、[25]。由于电池在充放电循环过程中性能会发生退化,其退化特性直接影响储能系统的长期经济性能和可靠性。文献[26]提出了一种退化率均衡策略,通过平衡单体储能单元(ESU)的充放电行为来降低不均衡退化率。然而,该方法主要关注固定运行条件下的退化率优化,未能充分考虑复杂运行条件下的动态退化特性及其对长期调度的影响。因此,近年来一些研究者尝试改进建模和优化策略,以增强电池退化特性在多场景中的适应性。例如,文献[27]通过多功能能源管理系统协同电池充放电与负荷调整来减少能量浪费,但对电池非线性退化的长期影响关注不足。文献[28]采用非支配排序遗传算法III(NSGA-III)平衡容量退化与运行成本,虽然优化了电池寿命,但对复杂动态场景下退化特性的描述仍不够精确。文献[29]将温度效应和动态效率纳入能源系统模型(ESM),显著提高了电池退化建模的精度和系统经济性能。同时,储能系统的初始SOC也是影响微网运行效率和电池寿命的关键参数[30]。因此,不宜简单地将初始SOC视为固定值[31]。通过充分挖掘初始SOC的灵活优化空间,可以实现更高的经济性能和系统可靠性。

为应对园区级微网中可再生能源波动、需求侧不确定性和电池长期退化带来的挑战,本文提出了一种综合经济调度框架,同时考虑基于动态定价的需求响应、可再生能源/负荷不确定性、电池非线性SOH退化和初始SOC优化。与将上述因素孤立处理的已有文献不同,所提框架将它们整合到统一的调度模型中,具体而言:建立将可再生-负荷失衡与柔性DR联动的动态定价机制;将基于放电深度(DOD)和能量吞吐量的非线性SOH退化模型纳入调度优化;并将电池初始SOC作为决策变量而非固定预设参数。由此,该模型能够捕捉不确定性、需求响应、电池健康与初始SOC之间的交互作用,从而提升经济性能和电池管理水平。

为进一步展示本文与已有工作的差距,对几篇代表性文献进行了考察。当前微网经济调度研究主要集中在需求响应、不确定性供需调整、电池退化建模、初始SOC设置及并网协调运行等方面。然而,大多数研究仅涉及其中一个或几个方面。文献[32]主要研究了储能与DR协同的日前调度;文献[33]和文献[34]纳入电价或源-荷不确定性以提高调度适应性;文献[35]和文献[36]聚焦于电池退化建模;文献[37]进一步研究了微网与分布式发电之间的协调运行。总体而言,尽管各自在特定方向取得了一定成果,但在统一框架内,需求响应、电池非线性退化、不确定性供需处理与初始SOC优化的耦合效应尚未得到充分研究。相比之下,本研究将所有这些因素整合到一个经济调度模型中,从而在简化的单节点微网调度框架下,提供了关于这些因素之间交互作用的更全面的表述方法。表1列出了本文与所选代表性文献的对比总结,其中"☆"表示主要创新点,"√"和"×"分别表示是否考虑了对应特性。

本文的主要贡献如下:

(1) 针对园区级微网开发了一种统一的含不确定性感知调度框架,利用蒙特卡洛模拟刻画负荷需求、风电和光伏的联合不确定性。

(2) 建立了基于动态定价的DR模型,使其能够根据实时供需偏差进行主动负荷转移,从而提高可再生能源消纳能力和系统调度灵活性。

(3) 将基于放电深度(DOD)和能量吞吐量的电池非线性SOH退化模型纳入调度框架,并对初始SOC进行优化,从而实现健康感知型经济调度。

## 系统结构

微网是由多种分布式能源组成的综合系统,能够实现区域能源资源的高效利用和动态管理,通常由风力发电系统、光伏(PV)发电系统、储能系统和负荷组成。风能和光伏发电的间歇性和波动性由储能系统调节,以平衡供需电力,确保系统稳定运行。

## 基于动态定价的微网需求响应与负荷优化

随着并网可再生能源比例的攀升,电力系统不仅要面对随机负荷变化,还要应对不稳定的能源供应带来的挑战。为缓解峰值负荷压力并提高可再生能源利用率,需求响应机制已成为有效的调节工具,包括PDR和IDR[40]。本文提出了一种基于动态定价的主动负荷调整方法,通过稳定可再生能源发电与微网之间的供需偏差来进行优化调度。

## 微网优化调度模型

为验证核心调度框架,将微网模型简化为单节点调度结构,重点关注风电、光伏、电池储能和负荷需求。这一简化配置旨在突出基于动态定价的需求响应、电池退化感知调度、不确定性供需处理和初始SOC优化之间的交互关系。因此,详细的电网约束,如潮流限制、电压约束和电网功率交换等。

## 案例背景

本案例研究选择工业园区作为应用场景,该园区配备风力发电、光伏系统和储能电池。园区的能源需求主要由工业生产负荷组成,表现出一定的波动性。为实现能源的经济高效利用,优化调度策略至关重要。

## 案例参数

采用负荷、风电、光伏发电数据以及系统参数。

## 结论

本文旨在解决高比例可再生能源渗透微网的安全稳定经济运行问题,提出了一种基于需求响应和电池非线性退化的优化调度模型。通过仿真分析评估了所提方法在假设条件下的性能,主要结论如下:

(1) 所提模型引入动态定价机制和负荷调整策略,显著降低了系统运行成本。

未引用参考文献[43]

CRediT作者贡献声明

Bojun Zhou:可视化、验证。Shaoxuan Chen:原稿撰写、软件、方法论、调查研究、形式化分析。Jian-hong Zhu:审阅与编辑、原稿撰写、方法论、形式化分析、概念化。Yu He:验证、软件。

顾菊平:指导、项目管理、方法论、资金获取。利益冲突声明:作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。致谢:本工作部分受国家自然科学基金创新研究群体项目(项目编号:52377117;U2066203)、江苏省重点研发计划产业前瞻与关键核心技术-竞争项目(项目编号:BE2021063)以及江苏省研究生科研与实践创新计划创新研究项目(项目编号:KYCX24_3576)资助。作者感谢中华人民共和国科技部提供的财政支持。作者名单:朱建华 | 陈少宣 | 顾菊平 | 张新松 | 何宇 | 周博军 | 张军
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号