退化感知的热储能与电池储能调度以实现多能微电网可持续性的提升

《Energy》:Degradation-Aware Scheduling of Thermal and Battery Energy Storage for Enhanced Sustainability in Multi-Energy Microgrids

【字体: 大 中 小 】 时间:2026年09月28日 来源:Energy 10.1

编辑推荐:

   • 引入一种退化感知模型,将电池和热储存的老化因素纳入优化目标函数。 • 通过多个案例研究(包括协同运行、需求响应和退化建模)验证了框架的稳健性和适应性。 • 微电网协同运行和需求响应显著降低了弃风率、运行成本、碳排放和负荷偏差。 • 所提出的框架通过延长电池寿命至19.2年

  

• 引入一种退化感知模型,将电池和热储存的老化因素纳入优化目标函数。
• 通过多个案例研究(包括协同运行、需求响应和退化建模)验证了框架的稳健性和适应性。
• 微电网协同运行和需求响应显著降低了弃风率、运行成本、碳排放和负荷偏差。
• 所提出的框架通过延长电池寿命至19.2年、热储存寿命至11.8年来提升长期可持续性。

**引言**

随着气候变化加剧以及全球各国推动可持续发展[1],能源领域越来越被鼓励减少碳排放并采用绿色解决方案。在此背景下,多微电网网络(MMG)的概念应运而生,成为现代能源系统的一种有前景的新思路。大多数传统微电网(MG)独立于公共电网运行,但互联的微电网可以通过MMG利用可再生能源(RES)并在本地进行能量交易和共享。这种协作结构提高了灵活性、降低了成本,并大幅减少了碳排放[2]。此外,现代MMG同时使用多种能源形式[3],如电能和热能,这使得运行规划更加复杂。因此,多能多微电网(MEMG)网络的发电调度和协调规划是一个具有非常复杂搜索空间的非凸、高维、多约束、多目标优化问题,只能通过元启发式算法求解。

MMG中的能源管理在近期研究中引起了广泛关注,侧重于各种优化和控制挑战。Nash议价策略[4]被用于研究微电网之间能量交易的激励机制。其他研究提出了点对点能量共享框架,通过分散式电力交易降低整体能源成本[5]。文献[6]研究了包含电动汽车、分布式储能和蓄能器的微电网能源管理方案,其主要目标是提供可靠、经济且可持续的电力。Gupta等人[7]研究了并网交流微电网的最优协调,该微电网包含可控和不可控电源、电池储能、插电式混合动力电动汽车和需求响应系统。通过使用可再生能源发电、负荷需求和电网价格的随机模型,开发了一种嵌套算法来优化发电调度、电池调度和需求响应激励。

能源枢纽方法也成为多能系统(MES)分析中的重要分析工具。Geidl等人[8]将能源枢纽定义为管理不同能量载体输入、输出、转换和储存的系统。该方法通过输入和输出能量向量之间的数学关系来表示MES内部复杂的相互作用。能源枢纽概念的一个主要优势是能够表示多种能量载体之间的关系,并有助于根据不同目标(如成本最小化、减排和能量损失最小化)进行供应优化。因此,许多研究利用能源枢纽模型来推导最优MES规划策略。文献[9, 10]采用了网络级方法来分析互联的多能节点,而文献[11, 12]则考虑了单枢纽或组件级方法。例如,将可再生能源和热电联产(CHP)机组整合用于微电网规划,以确定分布式能源的最优结构和容量[13]。另一项研究提出了一种针对风电机组集成能源枢纽的随机优化方法,考虑了组件可用性、能量需求和风力发电的不确定性[14]。时序需求曲线被用来表示储能等基础设施组件的时变行为,同时利用缺负荷期望(LOLE)和期望缺电量(EENS)评估系统可靠性。或者,文献[15]利用通过负荷持续曲线建模的能源枢纽多枢纽集成网络,建立了一个为期10年的输电和发电扩展规划模型。然而,该模型未能捕捉能量向量之间的动态时间相互作用,因此在表征储能行为方面存在局限。

MES还为提高一次能源效率和减少碳排放提供了机会。尽管已有若干研究探讨了碳目标对集中式和欠分布式电力系统扩展规划的影响[16, 17],但针对能源枢纽规划中碳排放的研究相对有限。一些研究将排放成本纳入优化模型[10, 18]。然而,文献[10]中考虑的排放成本相对较小,因此对规划决策的影响有限。相比之下,文献[18]建立了一个同时考虑经济和环境目标的双目标优化问题。尽管如此,该模型未明确考虑独立微电网的可靠性,尽管纳入了高可再生能源容量以减排。

多能系统规划中也采用了不同的优化技术。例如,文献[9]中建立的混合整数非线性规划模型使用粒子群优化算法求解,而文献[19]将规划问题建模为混合整数二次规划模型,以实现全局最优并提高计算效率。

近期研究越来越多地探索优化和人工智能(AI)技术以提高现代能源系统的效率、灵活性和韧性。在文献[20]中,作者开发了一种混合GA-梯度框架用于电力-氢气充电站,分别使充电站运营商利润提高了13%、50%和3%。类似地,文献[21]提出了一种连续时间二次Q-learning框架用于多代理家庭微电网,实现了运行成本降低16.50%、电力消耗降低34.38%、天然气消耗降低5.77%;然而,随机不确定性和网络约束未得到充分考虑。文献[22]将随机电动汽车建模与双层优化结合用于配电网韧性,实现了韧性提升29.55%、网络成本降低53.59%、电动汽车车主收入增加112.32%。此外,文献[23]回顾了192项基于AI的能源研究,强调了AI日益重要的作用,同时指出了数据可用性、计算复杂性、可解释性、网络安全和实际验证等主要挑战。在微电网保护方面,文献[24]开发了一种基于PMU衍生状态的在线无模型自适应保护方案,与固定时间保护相比展示了改进的稳定性;然而,建议使用高级机器学习方法进一步验证。在文献[25]中,提出了一种集成光伏发电、氢储能、燃料电池、SMR-CCS和脱水的MILP框架,实现了3.82美元/kg的氢气平准化成本和15%的脱盐容量降低。类似地,文献[26]结合了基于RBNN的预测、需求响应、市场协调和MINLP优化,将总成本降低2.92%、购电量降低3.46%,同时将收入提高13.02%。此外,文献[27]开发了一种神经网络辅助的MPPT策略,实现了超过96.5%的寿命预测准确率和28倍的计算速度提升。

在这些应用之外,近期研究越来越多地关注MMG中的灵活性、韧性和多能协同管理。在文献[28]中,提出了一种将协同调度、储能和需求侧灵活性结合用于多微电网运行的随机三阶段框架,使平均系统灵活性提高了36.48%;然而,最优联盟形成问题仍未解决。在此基础上,文献[29]提出了基于MILP的电力-氢气框架,利用燃料电池电动汽车作为移动储能,使季节性运行成本降低7-10.2%、峰谷需求降低高达22.5%;然而,详细的电力和氢气网络约束未得到考虑。从韧性角度来看,文献[30]开发了一种基于GWO的ESS选址框架,在33节点系统上使韧性指数提高42.26%、未供电能量减少46.58%。在多能协调方面,文献[31]提出了一种集成可再生能源、储能、P2G/G2P、需求响应、氢和水的合作优化框架,将运行成本降低12.71%,同时限制地下水开采。

表1总结了现有的基于AI和优化的能源管理研究,突出展示了所采用的方法、关键成果和存在的局限性。

文献综述识别了几个促使本研究开展的研究空白。首先,尽管储能是现代微电网和MMG的关键组成部分,但许多现有的能源管理方法主要关注最小化短期运行成本,而没有明确考虑电池因反复充放电导致的退化所带来的经济影响。忽略退化可能导致电池过度使用,从而产生在单一调度周期内经济上具有吸引力但在储能系统整个运行寿命期内不够可持续的调度方案。因此,退化感知调度对于获得更现实和经济可持续的能源管理决策至关重要。

其次,所综述的文献表明,调度周期开始和结束时的SOC边界条件并未得到一致执行。如果没有适当的终端SOC约束或校正机制,优化算法可能会通过在调度周期结束前大量放电来人为降低运行成本。这种策略可能提供表面的经济优势,但会导致下一个运行周期的储能不足。这个问题在多日或连续运行的MMG中尤为重要,因为一个调度周期的终端状态直接影响下一个周期的初始条件。因此,有效的调度策略应维持适当的SOC平衡,同时仍允许优化器利用储能灵活性。

第三,MMG能源管理本质上是一个涉及可再生能源发电、储能、负荷、需求响应、电力交换和耦合能源子系统之间复杂相互作用的非凸、高维、多约束、多目标优化问题。随着微电网数量和决策变量增加,相应的搜索空间变得越来越复杂。元启发式算法因其无导数搜索能力和探索复杂优化景观的能力而成为有吸引力的替代方案;然而,其性能在很大程度上取决于全局探索与局部开发的平衡。因此,已有若干元启发式算法被用于能源管理和发电调度问题。其中,Ghasemi等人[32]提出了基于自然启发的湍流水流优化算法(TWFO),展现了强大的探索能力。TWFO的改进版本随后被应用于发电调度问题[33, 34],表明其在解决复杂能源管理问题方面的潜力。尽管如此,原始TWFO的探索能力和种群多样性仍有待改进,特别是在求解高维和高约束的MEMG调度问题时。这促使将混沌映射机制引入TWFO,以增强种群多样性、提高全局探索能力并降低过早收敛的可能性。

为应对上述研究空白,本研究开发了一种电池退化感知和混沌增强优化框架用于MEMG调度。主要科学贡献总结如下:

1. **电池退化感知调度模型**:将电池退化成本模型显式纳入目标函数,以考虑重复储能循环的经济影响。

2. **新颖的SOC平衡执行机制**:引入基于修复的荷电状态(SOC)处理机制,以维持调度周期开始和结束时的SOC相等。

3. **混沌增强TWFO算法**:通过将混沌映射集成到标准TWFO框架中,提出了混沌湍流水流优化算法(CTWFO),以增强种群多样性和全局探索能力。

4. **全面的MEMG调度验证**:利用三微电网测试系统在四种不同运行场景下验证所提出方法,评估电力共享、综合需求响应和退化感知调度的单独和联合效果。

5. **日前和日内适应性**:采用包含日前和日内调度的两阶段调度策略,使能源管理系统能够响应负荷需求和可再生能源发电的变化,同时保持经济运行效率。

本文其余部分组织如下:第2节介绍所考虑的MEMG网络建模。第3节描述电池退化模型的数学表达和新颖的SOC水平处理技术。第4节概述改进TWFO在MEMG网络能源管理中的应用。第5节展示研究的数值结果,第6节为讨论部分,第7节总结全文。

**问题建模**

本研究提出了一个多能多微电网网络架构,用于电、气和热能的集中发电和供应。成员微电网连接到中央电网和燃气管网,通过中央聚合器提供系统管理的集中化运行,以确保供电的高效和安全。该网络设计支持微电网之间通过物理电力线路和无线通信进行双向电力交换。

**电池退化模型**

储能设备的反复充放电可能导致性能下降问题。因此,电池退化相关的成本是影响MEMG网络经济性的关键因素。文献[37]提出了电池循环次数与寿命之间的关系,以及电池退化成本,如式(32)所示。

其中,表示第i个微电网电池在时间区间t的退化成本,表示基本湍流水流优化算法的斜率。

**基本湍流水流优化算法**

TFWO算法受交互漩涡动力学的启发,其中每个漩涡的强度表示其最优解的适应度。

在本情况下,种群可被划分为若干涡旋群,每个涡旋群围绕一个最优粒子(吸引中心)旋转,通过向心力吸引其他粒子,而离心力及涡旋群间的相互作用则引入湍流与随机性。较强的涡旋群会影响力较弱的涡旋群,从而促进信息交换。因此,……

**结果与讨论**

评估综合需求响应及微电网间功率共享影响的仿真采用MATLAB R2025b完成,运行环境为配备Intel Core i5处理器(主频2.4 GHz)及16 GB内存的个人计算机。作者将所提出的CTWFO与DE、PSO、GWO、SCA和WOA进行对比评估,以验证CTWFO在优化微电网运行方面的有效性。其他算法的种群规模均为30,最大迭代次数为100次,而CTWFO则采用3个涡旋群……

**比较与实际意义**

本节对第5节中给出的数值结果进行全面比较,结合更广泛的相关文献进行讨论,并探讨所提出的基于CTWFO的MEMG调度框架的实际意义及其在现实世界中的应用潜力。

**结论**

本文针对MEMG系统中的发电调度问题展开研究,其中电-热子系统之间的强非线性、多模态特性及耦合关系给获取经济高效且环境友好的运行调度方案带来了巨大挑战。为应对这些挑战,本文提出了一种混沌湍流水流优化(CTWFO)框架,通过引入混沌映射以增强全局探索能力,并采用改进的基于修复的约束处理……

**CRediT作者贡献声明**

Muhammad Suhail Shaikh:论文撰写——初稿、方法论、概念构思。

Saurav Raj:论文撰写——审阅与编辑、监督指导、软件实现、项目管理、方法论、调查研究、概念构思。

Shahid A. Iqbal:论文撰写——初稿、可视化呈现、结果验证、软件实现、方法论、概念构思。

**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财务利益或个人关系。

Shahid A. Iqbal | Muhammad Suhail Shaikh | Saurav Raj
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