基于两阶段模型预测控制的微电网中以电池电动车为核心的移动能源存储系统

《Journal of Energy Storage》:Two-stage model predictive control for battery electric vehicle-centric mobile energy storage in microgrids

【字体: 大 中 小 】 时间:2026年09月23日 来源:Journal of Energy Storage 10.7

编辑推荐:

  •我们提出了一种以电池电动汽车(BEV)为主导,并辅以电池储能系统(BESS)的能源存储策略。•通过整合潮汐能、传统风能和太阳能,构建了一个多样化的可再生能源组合。•我们开发了一个两阶段的模型预测控制(MPC)框架,这两个阶段通过动态电价机制进行协调。引言微电网为整合和本地消费分

  
  • •
    我们提出了一种以电池电动汽车(BEV)为主导,并辅以电池储能系统(BESS)的能源存储策略。
  • •
    通过整合潮汐能、传统风能和太阳能,构建了一个多样化的可再生能源组合。
  • •
    我们开发了一个两阶段的模型预测控制(MPC)框架,这两个阶段通过动态电价机制进行协调。

引言

微电网为整合和本地消费分布式能源资源提供了一个有效的平台,通过灵活可靠的运营方式提高了区域能源自给率和可再生能源的利用率[1]。在全球脱碳目标的推动下,风能和光伏(PV)发电的部署速度正在加快。然而,由于资源特性和时空分布的原因,可再生能源具有间歇性和不确定性。这一特性导致在需求高峰期微电网出现供电不足,在需求低谷期产生过剩发电。这种现象使微电网的运营变得复杂,并增加了对外部电网支持的依赖[2],[3]。为了缓解这种不确定性,广泛采用了固定式电池储能系统(BESS)来平滑电力波动并提供运营灵活性。大量能源管理研究,从考虑不确定性的优化到滚动时域调度,都证明了BESS可以有效降低运营成本并提高可靠性[4],[5],[6],[7]。尽管有这些优势,但基于BESS的解决方案资本密集型,需要专门的土地资源,并且通常在非高峰调节期利用率有限,从而降低了系统的整体经济效率[8]。这些限制突显了寻找替代或互补的灵活性资源的重要性,以减少对固定储能基础设施的依赖。
同时,交通领域的快速电气化催生了大量且不断增长的电池电动汽车(BEV)群体,它们共同形成了一个具有巨大总容量的分布式移动储能资源[9]。通过车对网(V2G)技术,BEV能够在需求低或电价低时充电,在供应不足时放电,与传统固定储能相比,提供了削峰和负载均衡的能力[10],[11]。因此,BEV越来越多地被纳入微电网调度和能源管理框架中。然而,在大多数现有模型中,BEV的参与被建模为基于BESS的调度结构之上的一个补充灵活性选项[12],[13],[14]。这种建模简化了系统优化,但隐含地假设固定储能仍然是主要的灵活性提供者,从而未能充分探索大规模BEV车队替代或抵消固定储能投资的潜力。
从可再生能源组合的角度来看,大多数微电网研究集中在风能和太阳能的协调上,因为它们分布广泛且具有互补的日变化特性[15]。先进的优化和随机建模技术已被应用于管理风能和PV发电的不确定性[16],[17]。然而,这些组合往往忽略了具有根本不同不确定性结构的其他可再生能源。潮汐能受天文力量驱动,具有强烈的周期性和高可预测性,这使其在长期调度和不确定性减少方面具有先天优势[18],[19]。尽管先前的研究已经展示了潮汐能、风能和太阳能的互补潜力,并考察了潮汐能技术及其广泛影响[20],[21],[22],但明确整合潮汐能发电与协调移动和固定储能调度的系统级微电网能源管理框架仍然相对有限。
在优化方法方面,模型预测控制(MPC)因其滚动时域结构、明确的约束处理和反馈校正能力而成为微电网能源管理的广泛采用的范式[23],[24]。基于MPC的框架已被应用于协调可再生能源发电和灵活需求,包括在风能不确定性下的BEV充电调度[25],[26]。这些方法的扩展包括分布式决策、电池退化建模和适用于V2G系统的规模化协调技术[27],[28]。虽然这些研究展示了MPC的计算有效性和经济优势,但一个常见的简化假设是用户参与行为可以用固定或完全可控的充放电配置来表示。然而,在实践中,BEV用户的决策受到电池剩余电量(SOC)、出行需求和电价激励的多重影响,导致参与V2G服务的意愿具有异质性和时变性[29],[30]。对于这些用户驱动的约束的不足表示限制了现有基于MPC的调度框架的实际应用能力。表1总结了上述代表性研究,并将其与本工作进行了对比。
总之,尽管微电网能源管理取得了显著进展,但仍有三个相互关联的挑战尚未得到充分解决。首先,现有的储能架构主要以BESS为中心,未能充分利用BEV车队作为主导移动储能资源的潜力,以减少对固定储能基础设施的投资。其次,可再生能源组合通常仅限于风能和太阳能发电,忽视了潮汐能的可预测性和互补特性。第三,尽管MPC提供了一个强大的优化框架,但现有公式往往无法将系统级经济目标与现实的用户行为约束相协调,阻碍了V2G的实际应用。
为了解决这些挑战,本文提出了一个用于并网微电网实时调度的两阶段MPC框架。该方法将基于BEV的移动储能视为主要的灵活性资源,而固定BESS则起到辅助作用。在第一阶段,通过考虑SOC、出行需求和价格敏感性的用户偏好建模来确定可行的充放电功率范围。在第二阶段,解决QP公式以在功率平衡和运营约束下获得成本最小的调度策略。此外,将潮汐能与传统风能和PV发电相结合,形成一个多样化和更可预测的可再生能源组合,从而提高经济性能和运营可靠性。
本文的主要贡献总结如下:
(1) 提出了一种以BEV为主导的储能框架,以解决传统微电网对固定电池储能的过度依赖,证明了电池电动汽车车队作为主要储能资源的可行性。
(2) 开发了一种整合潮汐能的多样化可再生能源组合策略,以缓解风能和太阳能主导的微电网的有限可预测性问题并提高系统可靠性。
本文的其余部分安排如下。第2节介绍系统模型,包括可再生能源发电、固定储能和移动储能效益模型。第3节发展了两阶段模型预测控制方法,包括用户意愿阶段和电网调度优化阶段。第4节报告了仿真设置、结果、敏感性分析、比较分析、季节性和计算分析。第5节总结了本文并展望了未来工作的方向。

章节片段

架构

本研究考虑的并网微电网网络包括可再生能源、固定电池储能系统、具有V2G功能的电池电动汽车车队以及电气负载。该系统与主电网保持双向电力交换,允许在供应不足时购买电力,在供应过剩时出售电力。图1展示了整体系统架构和电力流动关系。
实现供需平衡

方法论

基于第2节中的系统模型,本节制定了两阶段MPC调度策略。开发了一种基于两阶段MPC策略的能源管理框架,通过协调可再生能源和储能资源的调度来最小化系统运营成本。

数值实验

根据第3节开发的MPC框架,本节通过一系列仿真来评估所提出方法的有效性和性能。这些仿真旨在检验所提出的两阶段MPC策略在不同运营情景下的调度行为、经济效益、可再生能源利用和削峰能力。

结论

本研究提出了一种用于优化并网微电网调度的两阶段MPC框架。该框架将BEV移动储能系统作为主要储能资源,而固定电池储能系统作为辅助组件。通过整合潮汐能与传统风能和太阳能资源,该框架构建了一个更加可预测的多样化可再生能源组合。所提出的方法将用户偏好评估与电网调度分离

CRediT作者贡献声明

蒋峰(Jiangfeng Nan):撰写——原始草案、项目管理、方法论、调研、概念化。王梅晓(Meixiao Wang):软件开发、资源管理、正式分析、数据整理。芮英旭(Yingxu Rui):撰写——审稿与编辑、可视化、验证、方法论、概念化。梁志鹏(Zipeng Liang):监督、概念化。张奎(Kui Zhang):验证、软件开发。史俊青(Junqing Shi):可视化、资金筹措。尹国东(Guodong Yin):可视化、验证、资金筹措、正式分析。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能会影响本文所述的工作。

致谢

本工作部分得到了国家自然科学基金(NSFC)的资助(项目编号:52502500),部分得到了中国博士后科学基金委员会(CPSF)的资助(项目编号:GZC20250927),以及部分得到了江苏省优秀博士后人才资助计划的资助(项目编号:2025ZB408)。
蒋峰(Jiangfeng Nan)|王梅晓(Meixiao Wang)|芮英旭(Yingxu Rui)|梁志鹏(Zipeng Liang)|张奎(Kui Zhang)|史俊青(Junqing Shi)|尹国东(Guodong Yin)
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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