太阳能社区日前共享SSB蓄电池储能调度的随机凸优化

2026-10-13 22:16:05

摘要

能源社区代表了去中心化可再生能源整合的一种变革性范式，通过对光伏（PV）系统和电池储能系统（BESS）的集体投资，实现经济和环境效益。然而，由于太阳能发电、负荷消耗和电价存在固有的不确定性，这些社区的最优运行面临着重大挑战。本文提出了一种随机优化框架，用于在多种不确定性来源下，对太阳能社区中共享电池储能进行日前调度。该问题被建模为一个随机混合整数非线性规划（MINLP）模型，旨在最小化每日预期运行成本，包括从电网采购的能源、光伏运维（O&M）、电池运行成本以及退化引起的费用。基于等效全循环计数的电池退化模型捕捉了不确定条件下循环的经济影响。所提出的方法采用基于场景的蒙特卡洛方法来表示不确定性，并通过对退化成本中绝对值项进行精确线性化，将混合整数非线性规划（MINLP）重新表述为混合整数线性规划（MILP），从而能够使用商业求解器进行高效求解。该框架应用于一个聚合能源社区，其光伏装机容量（6.888 MW）和共享电池储能系统（BESS）容量（2.1667 MWh）定义自修改后的IEEE 33节点网络的资源分布；聚合侧重于调度问题的能量-时间维度，未考虑网络电压、支路潮流和节点损耗。随机解价值（VSS）为2319.74美元/天，表明在相同的随机场景集下评估时，随机调度比确定性调度成本大幅降低。基于30个随机种子的鲁棒性研究得出的期望成本为11,825.77 ± 295.83美元/天。相对于无储能基准，共享电池储能系统（BESS）使每日期望成本降低了约1.2%，而终端荷电状态（SoC）松弛进一步使成本降低了194.61美元/天。混合整数线性规划（MILP）模型及其连续松弛模型得出了相同的最优解，证实了在最优解处不需要二值变量。

1. 引言

全球能源转型正加速向去中心化的可再生能源电力系统迈进，这主要受到雄心勃勃的气候目标以及分布式能源技术快速进步的推动。能源社区已成为一种极具前景的组织模式，使公民、企业和地方政府能够共同投资、生产和管理可再生能源[1]。如图图1这些社区通常整合光伏（PV）系统、电池储能系统（BESS）和柔性读档，使成员能够共享能源、降低成本并增强地方能源自主性[2]. 该图描绘了能源社区的核心运行范式：共享太阳能发电系统通过配电网向多个终端用户供电，中央BESS提供时间灵活性，并与主网连接以实现能量交换。BESS、电网和消费节点之间的双向箭头突显了功率流的动态特性，必须对其进行优化管理以实现经济和环境效益。
Sci 08 00301 g001

图1。基于太阳能的能源社区示意图。
太阳能因其成本不断降低和广泛的可用性，已成为能源社区的基石。然而，太阳能发电固有的间歇性带来了巨大的运行挑战。光伏输出随云层覆盖、一天中的时间以及季节性模式而变化，产生了巨大的不确定性，使系统运行和电网交互变得复杂[3]。同时，能源社区面临着读档消耗模式的不确定性和波动的电力市场价格，这进一步增加了最优决策的复杂性[4]. 这些不确定性来源——太阳辐射、读档需求和电价——以复杂的方式相互作用，确定性方法无法充分捕捉这些影响，因为它们会通过系统传播，并影响社区规模能源投资的经济可行性。
所示，电池储能系统通过提供时间上的能量转移灵活性、执行能量套利、削峰填谷以及提供电网服务，在应对这些挑战中发挥着关键作用[5,6]。配备先进电力电子设备的现代电池储能系统能够独立控制有功和无功功率，提供前所未有的运行灵活性[7]。然而，电池储能系统（BESS）的经济可行性取决于复杂的调度策略，这些策略需要在运营收益与电池退化成本之间取得平衡，而电池退化成本会随着循环次数和放电深度而增加[8,9]. 这种权衡在能源社区中尤为突出，因为电池储能系统（BESS）需要服务于具有不同消费模式的多个用户，且储能投资由社区成员共同分担，因此，优化调度对于确保公平的成本分配和财务可持续性至关重要。
传统的电池储能系统（BESS）调度确定性优化方法依赖于对读档需求、可再生能源发电量和能源价格的完美预测[10]。虽然这些方法计算效率高，但无法捕捉现实能源社区运行中固有的波动性和不确定性[11]。这种局限性可能导致次优决策，要么高估经济效益，要么低估运行风险，从而产生在实际条件下表现不佳的调度方案。
在更广泛的电力系统优化领域中，存在三种主要的方法论体系。确定性调度假设预测完全准确，并生成单一的成本最优方案；随机和鲁棒优化通过场景或不确定性集合显式表示不确定性，并优化预期或最坏情况下的目标；而元启发式和混合方法，如熵驱动的分数粒子群优化结合引力搜索算法[12] 或战争优化 [13] 使用基于种群的搜索来探索解空间，当问题高度非凸或目标是黑盒时，这种方法非常具有吸引力。本研究属于第二类方法：它采用数学规划方法，将随机调度问题重新表述为可处理的混合整数线性规划问题，并使用商业求解器求解至全局最优。这一选择是刻意为之的，因为共享BESS调度问题的结构——线性功率平衡、线性荷电状态动态以及分段线性退化成本——允许进行精确重构，因此无需进行启发式探索。元启发式和混合方法对于该问题的扩展仍然具有相关性，在这些扩展中，网络约束可能变为非凸，或者决策变量的数量超出了精确求解器的处理能力，因此它们被视为互补而非竞争的方法。
随机优化已成为不确定条件下决策的强大方法，能够在显式考虑变动性和风险的同时优化预期性能[14,15]。近期研究已将随机方法应用于分布式能源系统运行的各个方面，包括最优潮流[16]和微电网中的电池储能系统（BESS）管理[17]。多位作者采用不同的随机建模方法解决了不确定条件下的BESS调度问题。Ahsen等人[18] 提出了一种适用于伊比利亚市场电池储能系统（BESS）的多阶段随机优化方法，证明了考虑多阶段不确定性消解的价值。Han等人 [19] 为配电网中的电池储能系统（BESS）和中压直流（MVDC）链路开发了一种随机运行框架，考虑了价格和读档的不确定性。Žilka等人 [20]提出了一种针对具有混合动力学的BESS的随机控制方法，强调了捕捉离散和连续状态转换的重要性。最近，专门的研究探讨了能源社区中共享储能的随机和鲁棒调度，包括基于场景和分布鲁棒的公式，这些公式明确利用了储能资产在社区层面的聚合。这些研究证实了人们对不确定性下社区级储能调度日益增长的兴趣，并为本文提供了有用的基准。本文与它们的不同之处在于结合了考虑退化的成本模型、精确的混合整数线性规划重构，以及社区的聚合能量-时间表示。然而，这些研究通常侧重于电池储能系统运行的特定方面，并未解决能源社区特定背景下多重不确定性来源的综合调度问题。
在能源社区背景下，将考虑退化的电池调度与多重不确定性下的主动功率调度相结合，并进行精确重构以提高计算可行性，仍是一个开放性挑战。虽然近期研究已探讨了配电网中电池储能系统（BESS）的容量规划与运行[21,22,23,24]，但能源社区中考虑退化建模与精确重构的多源不确定性共享BESS调度问题尚未得到充分关注。Pizzuti和Delibra[25] 研究了可再生能源社区中电池储能系统（BESS）集成的最佳配置与策略，但未考虑该问题的随机性。Ntube和Li [26] 探讨了住宅应用中BESS的随机多性向最佳容量配置。此外，现有文献通常将能源社区视为抽象概念，未明确考虑聚合资源配置，而这对于捕捉社区成员的集体发电与储能潜力至关重要。
本文通过提出一种用于太阳能社区共享电池储能系统日前调度的随机优化框架，填补了这些研究空白。本研究的主要贡献在于：

我们构建了一个随机混合整数非线性规划模型，通过基于场景的蒙特卡洛方法，考虑负荷需求、光伏发电和电价的不确定性，优化能源社区内共享电池储能系统（BESS）的有功功率调度。该目标旨在最小化每日预期的总运营成本，包括能源采购、光伏运维、电池储能系统运维以及电池退化成本。
基于等效全循环计数的电池退化模型，通过荷电状态轨迹的累积变化量得以整合。该模型捕捉了在不确定运行条件下电池循环对寿命的经济影响，这是能源社区经济可行性的关键因素。
我们证明，通过将退化成本中的绝对值项线性化，随机混合整数非线性规划（MINLP）可以被精确地重新表述为混合整数线性规划（MILP）。无需锥约束或凸松弛，且该MILP可以使用最先进的商业求解器求解至全局最优。我们还验证了二元变量的连续松弛会产生相同的最优解，从而证实了在最优解处不需要二元变量。
所提出的框架应用于一个聚合能源社区，其装机容量源自修改后的IEEE 33节点网络的资源分布，总光伏容量为6.888兆瓦（三台机组分别为2.25兆瓦、2.64兆瓦和1.998兆瓦），共享电池储能系统容量为2.1667兆瓦时（三台机组分别为0.5兆瓦时、1.0兆瓦时和0.667兆瓦时）。这种聚合是刻意为之：它将调度问题的能量-时间维度与空间维度分离，而本研究未涉及空间维度。
我们通过随机解价值（VSS）来量化随机模型的价值。当使用与随机规划相同的场景进行评估时，确定性排程的成本为14,296.20美元/天，而随机解的成本为11,976.46美元/天，从而得出VSS为2319.74美元/天。此外，我们还提供了无储能基准（12,121.12美元/天）、BESS运维敏感性研究、逐一不确定性分析、终端SoC松弛以及二元变量松弛对比等进一步的数值证据。

本文余下部分安排如下。第2节介绍了能源社区概念和测试系统配置。定义了一个单阶段两阶段随机规划，其中BESS决策在所有场景中是共同的（非预见性），目标是场景集上的期望成本。第5节中的四个标签“场景1-4”详细阐述了完整的随机问题建模。第4节描述了重构与实现。第5节展示并讨论了数值结果。最后，第6节总结了全文。

2. 能源社区模型与测试系统

本节介绍了能源社区概念以及用于验证所提随机优化框架的测试系统。该系统代表一个由产消者组成的社区，拥有聚合的光伏发电和电池储能系统资源，通过单一变电站连接至主电网。

2.1. 能源社区概念

能源社区是成员共同汇集资源以发电、共享和管理可再生能源的集体组织[1]。在本研究中，我们考虑一个具有以下特征的社区：

聚合光伏发电：社区建筑群中的多个光伏系统被聚合为一个等效的光伏电站。这种聚合方式在简化建模的同时，捕捉了社区的集体发电潜力。
聚合电池储能系统：多个电池储能系统被聚合为一个等效的电池储能系统，从而实现能量套利、削峰填谷和电网支持服务[2,5].
集体负荷：所有社区成员的聚合负荷代表了总需求。
电网连接：社区通过单一的公共连接点（变电站）连接到主配电网。

该社区在日前调度框架下运行，其中电池储能系统（BESS）的调度决策基于对读档、光伏发电和价格的预测提前24小时做出。这些预测的随机性通过场景生成进行限制级建模。

2.2. 测试系统配置

测试系统基于改进的IEEE 33节点径向配电网[10]定义，该网络提供了额定电压（12.66 kV）、基准功率（1000 kVA）、峰值有功和无功功率需求（约3.715 MW和2.3 MVAr），以及能源社区中三个光伏单元（节点13、25和30）和三个电池储能系统（BESS）单元（节点6、14和31）的位置。网络拓扑、支路参数和节点电压不直接用于优化过程；仅将光伏和电池储能系统的总装机容量传递到聚合模型中。图2因此仅作为资源物理分布的参考，本研究未报告任何电压或支路潮流结果。
Sci 08 00301 g002

图2。修改后的IEEE 33节点网络参考布局，该网络定义了能源社区的总装机容量。光伏系统安装在13、25和30号节点，电池储能系统安装在6、14和31号节点。优化是在聚合的单节点表示上进行的图3，而非在此网络上。
Sci 08 00301 g003

图3。能源社区的聚合单节点表示。
如上所述，所有读档、光伏发电和电池储能系统单元均被聚合为单节点等效模型，如图3所示。这种聚合是能源社区调度问题的标准做法，其重点在于能源-时间维度——具体而言，是最佳充放电模式、能源套利机会，以及运营收益与电池退化之间的经济权衡[27]。聚合表示捕捉了核心的经济权衡与操作约束，同时显著降低了计算复杂度。
本研究采用的单节点聚合模型的适用范围和局限性可总结如下。所提出的框架旨在实现能源社区内共享储能系统的日前经济调度，其主要决策变量为电池储能系统（BESS）的充放电轨迹以及由此产生的与主网的能量交换。在此范围内，采用聚合表示法是合适的，原因如下：(i) 假设社区通过合作运行协议实现内部平衡，因此发电与需求的空间分布不会改变总体的功率平衡；(ii) BESS被视为社区共享资产，其经济性能由聚合荷电状态而非物理位置决定；(iii) 假设社区内的电价和运维成本均一，因此位置边际效应不属于决策空间的一部分。因此，单节点模型足以用于研究构成本研究核心的能量-时间套利与退化权衡。然而，该模型并非旨在捕捉电压分布、支路拥塞或位置损耗。尽管使用了修改后的IEEE 33节点网络来定义总装机容量和资源的物理分布，但优化过程本身并未在33节点拓扑上进行，因此未报告任何电压或支路潮流结果。若要评估电池储能系统（BESS）运行的空间影响，则需要完整的多节点交流潮流表示，以及相应的电压和热限制，这已被明确列为未来研究的一个方向。第6节.

2.2.1. 聚合社区读档

能源社区的聚合读档由原始IEEE 33节点系统的总峰值有功和无功功率需求表示，分别约为3.715 MW和2.3 MVAr。读档曲线遵循源自标准基准数据的典型日模式，峰值需求出现在早晚时段。

2.2.2. 聚合光伏发电

测试系统在原网络13、25和30号母线处安装了三个光伏发电单元[10]。这些机组的额定容量分别为2.25 MW、2.64 MW和1.998 MW。对于聚合模型，光伏机组被组合成一个总额定功率为：

上一篇：太阳能、二次锂离子SSB蓄电池与等离子体活化水集成用于低氮温室栽培

下一篇：光伏储能系统中SSB蓄电池内源性退化优化：利用NSGA-II算法确定生命周期成本的最优平衡点