SSB蓄电池可再生能源不确定性下储氢微电网与退役电池零售商间的博弈论优化

2026-04-07 08:51:43

随着可再生能源的大规模并网和退役动力电池的激增，氢储能微电网在稳定运行与锂电池资源回收方面面临双重挑战，亟需协同解决能源管理与资源回收的耦合问题。现有能源管理研究往往局限于单一主体，未能充分考虑退役电池零售商与微电网运营商之间复杂的"竞争-合作"关系。当前缺乏能够整合双方决策的统一分析框架。本文构建了考虑退役电池梯次利用的微电网多主体主从双层博弈模型，创新点体现在：1）将零售商的"回收-转售"策略与微电网运营商的"源-储-荷"调度整合至统一优化框架中。2) 以退役电池零售商为核心决策者、互联园区微电网为跟随者，该模型量化了电池成本对微电网购电计划的影响，并建立了"定价-采购"联动机制。3) 通过最大限度发挥不同数量退役电池在互联园区微电网调度中的作用，从而提升梯级利用效率。实验结果表明，将不同规模的退役动力电池与混合储能微电网整合，可有效实现运营成本的自调节。同时，合理利用退役动力电池进行微电网调度，不仅能增强微电网的风险抵御能力，还可显著提升退役电池零售商的整体利润，最终达成"资源再生-能源优化-效益提升"的多赢目标。

引言

温室效应的加剧已促使全球范围内开展广泛研究，旨在有效降低碳排放并减轻其对环境的负面影响。在此背景下，作为能源基础设施的关键组成部分，电力系统在实现这一目标中发挥着核心作用[1]。目前，众多学者正致力于新型电力系统构建的相关研究；例如，Liu等人[2]针对新型电力系统需求开展了共享储能价值评估模型研究，Li等人[3]研究了含多元灵活性资源协同的新型电力系统规划与演进路径。然而，随着可再生能源主导的新型电力系统建设加速推进，如何灵活高效地利用各类分布式能源资源已成为亟待解决的关键问题。针对上述问题，微电网技术作为能源管理的基石，为分布式能源资源(DER)的整合提供了更强的灵活性与效率[[4], [5], [6]]。研究表明，微电网能显著提升能源自给率并降低对传统电网的依赖[7,8]。然而，太阳能光伏等主流可再生能源（RES）固有的间歇性与波动性，对运行可靠性和经济可行性构成重大挑战，阻碍了其大规模应用[9,10]。为突破这一瓶颈，亟需强有力的储能解决方案来平抑RES波动，实现能源供需平衡。在此背景下，通过市场机制将退役动力电池的梯次利用与氢储能微电网系统深度融合，是提升可再生能源消纳能力和风险抵御能力的有效策略。

当前，国内外关于储能系统的研究主要集中于单一的传统储能技术。然而，随着储能技术的持续发展，单一储能系统已无法同时满足长寿命周期与宽工作范围等多性向需求[11]。Upadhyay等学者[12]在研究储能技术对欧洲电力系统实现净零排放目标的贡献时指出，短期电池储能最能有效平抑光伏波动，与太阳能发电形成最优策略组合，而长期氢储能则能补偿风光发电的峰值缺口。因此，以氢能为主体的新型储能系统正日益成为研究热点。传统技术——主要是锂离子电池和铅酸电池——虽已发展成熟，但其循环寿命、成本和容量仍无法完全满足微电网需求[13]。储氢作为长时大规模储能的理想解决方案，可有效平抑风电、光伏等可再生能源的波动性，实现季节性能量转移，从而为微电网稳定运行提供坚实支撑。目前，在融合新型氢储能系统的微电网研究领域已取得显著进展。Tang等[14]针对光伏微电网电-氢混合储能系统开展了能量管理研究，通过Simulation验证了所提框架的有效性。Nguyen等[15]提出了一种集成氢储能的两阶段微电网规划优化模型，该模型显著降低了微电网运行成本。Gillessen等[16]提出了一种光伏电站与电池储能系统及制氢电解槽耦合的概念。该研究采用混合整数线性规划(MILP)方法，在优化容量配置的同时实现总成本最小化，从而论证了以氢气生产为主要Objective的PV-氢能-储能微电网的可行性。Aktar等[17]研究了一种集成氢能组件、六十户住宅单元、光伏发电及电动汽车的智能电网。该研究运用混合整数优化算法，在六种不同的多性向案例及多种电价情景下对设计系统进行评估。Dozein等[18]专注于氢基储能系统，提出利用电解槽的快速响应Ability来提供短期储能服务。Benedetto Nastasi等[19]以某多功能建筑为案例研究对象，针对500千瓦时至2000千瓦时的氢燃料电池-电池混合储能系统开展全年运行模拟，采用专为该集成设施定制的最优调度策略。Mori Mitjaet a文献[20]提出了一种整合储氢系统与电池储能的山地住宅方案，并通过对八种微电网架构的评估，从技术、环境和经济角度完成了全生命周期综合分析。这些研究共同表明，氢能具有能量密度高、适合长期储存及零碳排放运行等优势，在微电网中可作为连接可再生能源的关键纽带，既能提升可再生能源利用率，又能增强整体系统可靠性[[21], [22], [23], [24]]。但现有研究主要集中于新型氢储能系统的集成应用，往往忽视传统锂离子储能的成本优势。高昂的Equipment购置维护费用、报废处理成本及潜在环境问题，极大制约了独立氢储能系统的经济与环境效益。相比之下，退役动力电池凭借其庞大的现有<Inventory>背包</Inventory>、低能源成本和良好的循环性能，可通过梯次利用有效整合至微电网储能系统中。该方法不仅能直接降低储氢容量需求与全生命周期成本，还能促进电池资源循环利用，从而为构建氢-锂混合储能微电网开辟一条经济可行且绿色低碳的新路径。
过去几年间，新能源汽车行业经历了爆发式增长。作为电动汽车核心动力源与固定式储能领域增长最快的技术，锂离子电池在储能市场的占有率正快速提升[25]。2015至2020年间，全球锂离子电池部署量以36%的年复合增长率持续扩张[26]。就市场规模而言，电动汽车电池领域预计将从2021年的2647亿元人民币激增至2025年的1万亿元人民币，实现40%的年复合增长率[27]。锂电池在电动汽车中的主导地位不仅引发了一场市场革命，也为管理报废电动汽车电池组带来了新的挑战[28]。作为宝贵的二次资源，退役动力电池的合理高效回收可产生显著的经济效益与环境效益[29,30]。此外，退役动力电池含有大量有价金属，不符合梯次利用标准的电池可经拆解回收原材料，用于新电池生产。例如，综合回收企业GEM为比亚迪提供再生材料[31]。迄今为止，众多学者已对报废电动汽车电池展开研究，主要聚焦于三大方向：回收技术、回收商业模式及回收路径[32]。以黄等人[33]为例，其构建了以最小化电力供应短缺概率(LPSP)、总成本及环境损害率(EDR)为目标的函数。研究采用改进模拟退火(SA)算法进行优化，验证了退役牵引电池在固定式储能系统中重复使用的有效性。关于回收模式与路径，Giri等人[34]构建了包含制造商、零售商和传统物流供应商的供应链，并对比了不同决策情境下的利润差异。Omkar等[35]采用价格-利润共享协调机制，在双层供应链成员间公平分配回收量与利润。另有学者通过Stackelberg合作博弈模型研究利润分配问题。然而现有研究主要集中于退役动力电池回收效能与利润分配，鲜少探讨其在微电网协同回收场景中的具体表现。本文旨在通过构建退役电池零售商与互联微电网之间的主从博弈模型，验证双方合作对电池梯次利用的有效性。
然而在实际运行中，微电网系统不仅面临不同实体间的交互作用，还需应对可再生能源出力的不确定性。鉴于此，鲁棒优化作为一种无需掌握不确定变量精确概率分布、仅需其不确定集合范围的优化方法，所得解能适应最恶劣场景，被广泛应用于解决实际不确定性问题，已有诸多学者开展深入研究。Niu等[36]建立了一个针对冷负荷不确定性下冷源设计的鲁棒优化模型。Yan等[37]提出了一种融合模糊多目标决策与两阶段自适应鲁棒优化的规划方法，用以解决负荷不确定性条件下的综合能源系统(IES)规划问题。He等[38]引入了分布鲁棒优化方法进行IES规划，以应对风电功率不确定性，从而提升解的鲁棒性。Zhao等[39]开发了一种结合分段线性热电转换效率曲线的鲁棒优化方法，以适应冷、热、电负荷及光伏出力的不确定性。Yang等[40]提出基于鲁棒等效表示的微电网优化方法，采用两阶段模型和可调参数来避免传统鲁棒优化的过度保守性。Ma等[41]构建了一个针对微电网的两阶段随机-鲁棒优化框架，量化了空调负荷对储能的替代效应，并通过将场景概率与最坏情况分析相结合来平衡经济性与鲁棒性。然而上述鲁棒优化研究主要集中于工业园区内的单一微电网或含多微电网的综合能源系统，普遍忽视了退役动力电池梯次利用过程中容量配置与定价因素对不确定性的复杂影响。现有研究主要解决传统储分配问题，例如Meng等[42]提出了一种创新的双层优化框架用于储能容量规划，该框架整合了两个原创指标：灵活性需求匹配系数与综合性节点重要性评估指标。然而，该方法既未考虑可再生能源的不确定性，也未能发挥混合储能技术相较于单一技术方案的优势。为填补这一关键研究空白，本文构建了一个融合退役动力电池零售商与氢储能微电网决策过程的创新性领导者-追随者博弈模型。在此框架下，我们引入了一个充分考虑退役动力电池零售商定价决策的鲁棒优化决策流程，旨在当前定价策略下实现最优的鲁棒运行效果。

传统储能容量配置研究未能充分利用氢能系统在微电网中提供长时、大规模储能的优势，且忽视了可再生能源不确定性对混合储能容量规划的影响。此外，现有研究仅孤立探讨容量分配或电池回收策略，忽略了退役电池零售商与微电网之间竞争协作的交互关系。为弥补上述不足，本研究作出以下核心贡献：

• (1)
  退役电池零售商与氢储能微电网之间建立起一种可建模为竞争性博弈论策略的战略互动关系。在此框架下，零售商作为领导者负责制定退役电池价格，而微电网运营商作为跟随者则通过优化其储能容量配置与调度进行响应。这种斯塔克伯格（领导者-跟随者）博弈过程旨在使定价策略与储能规模决策趋于稳定状态。在此稳定状态下，队伍双方所采取的策略可视为相互最优响应，这意味着任何一方都无法通过单方面改变自身策略来显著获取额外收益或降低成本。
• (2)
  本文提出了一种集成储氢单元的混合储能微电网模型，并采用两阶段鲁棒优化框架。该框架将可再生能源发电的不确定性明确纳入考虑，针对不同锂电池容量配置开展日前调度优化。通过大M法对非线性项进行线性化处理，并采用列与约束生成（C&CG）算法对模型进行迭代求解。C&CG算法在第一阶段识别并预留最恶劣场景所需的调节容量，确保极端条件下仍能获得可行且最优的运行方案。实验表明，该方法在显著降低微电网对主网依赖度的同时，有效提升了可再生能源消纳率。
• (3)
  为量化可再生能源不确定性对混合储能系统容量配置的影响，本研究采用基于动态时间规整（DTW）的聚类方法处理主流可再生能源发电数据（如光伏发电）。该场景缩减技术可有效降低个别极端场景对容量分配决策与后续调度策略的过度影响。