摘 要：為提升微電網(wǎng)經(jīng)濟(jì)效益，需充分考慮新能源發(fā)電的間歇性和混合儲(chǔ)能系統(tǒng)（HESS）的高成本問題。提出一種基于價(jià)格型需求響應(yīng)的HESS微網(wǎng)雙層預(yù)測(cè)能量管理系統(tǒng)（EMS）模型?？紤]價(jià)格對(duì)需求響應(yīng)的影響，基于HESS的放電深度和使用壽命的退化成本；對(duì)電池和超級(jí)電容器的長期成本進(jìn)行建模，并轉(zhuǎn)換為實(shí)時(shí)的短期成本。雙層EMS中上層實(shí)現(xiàn)基于價(jià)格需求響應(yīng)條件下總運(yùn)營成本最小化，下層降低由預(yù)測(cè)誤差引起的波動(dòng)及負(fù)荷功率變化帶來的影響，以保持較高的系統(tǒng)穩(wěn)定性。算例從不同的預(yù)測(cè)時(shí)間范圍和預(yù)測(cè)準(zhǔn)確性兩種情況進(jìn)行分析，表明了兩層EMS的有效性；考慮價(jià)格需求響應(yīng)后，超級(jí)電容器能夠快速平抑因價(jià)格調(diào)整引起的負(fù)荷功率變動(dòng)；同時(shí)降低了電池平均退化成本及系統(tǒng)平均運(yùn)營成本，提升經(jīng)濟(jì)效益。

關(guān)鍵詞：微電網(wǎng)；儲(chǔ)能；能量管理系統(tǒng)；價(jià)格需求響應(yīng)；退化成本；運(yùn)營成本

中圖分類號(hào)：TM614 " " " 文獻(xiàn)標(biāo)志碼：A

0 引 言

可再生能源滲透率不斷提高促使微電網(wǎng)向更加協(xié)調(diào)及穩(wěn)定運(yùn)行的方向發(fā)展，但RES輸出的間歇性和不可調(diào)度性會(huì)引起系統(tǒng)魯棒性問題；當(dāng)用戶需用電時(shí)，惡劣的天氣條件使得可再生能源的能量可能無法使用［1］?；旌蟽?chǔ)能微電網(wǎng)系統(tǒng)能有效避免可再生能源發(fā)電不確定性因素帶來的影響［2-3］。微網(wǎng)中通常采用儲(chǔ)能系統(tǒng)（energy storage system，ESS）補(bǔ)償功率不匹配問題。功率型儲(chǔ)能器件（例如超級(jí)電容器）功率密度大、響應(yīng)速度快，但能量密度小，適用于平抑功率波動(dòng)頻繁、幅度小的瞬時(shí)功率；能量型器件（例如各類電池）能量密度大，但動(dòng)態(tài)響應(yīng)能力差，循環(huán)次數(shù)有限，適用于平抑功率波動(dòng)平滑、幅度大的平均功率［4］。實(shí)際應(yīng)用中通常將能量型與功率型儲(chǔ)能聯(lián)合使用，從而提高儲(chǔ)能的使用壽命。

目前，微電網(wǎng)中ESS的研究主要集中在能量管理系統(tǒng)（energy management system，EMS）的設(shè)計(jì)上，以提高微電網(wǎng)的能源利用效率和運(yùn)行可靠性［5-6］?；旌蟽?chǔ)能經(jīng)濟(jì)效益方面，現(xiàn)有研究狹義地考慮ESS運(yùn)行的經(jīng)濟(jì)性，通常以HESS成本最小為目標(biāo)，而忽略儲(chǔ)能成本或僅將儲(chǔ)能固定價(jià)格作為運(yùn)營成本［7-9］。研究表明長時(shí)間頻繁充電和放電會(huì)大大降低電池壽命；經(jīng)濟(jì)性和穩(wěn)定性兩方面存在的矛盾使得微電網(wǎng)的最佳能量管理復(fù)雜化，也使HESS的運(yùn)營成本與實(shí)時(shí)運(yùn)行中的長期退化過程密切相關(guān)。文獻(xiàn)［10］表明，以往研究中通常僅簡單考慮或直接忽略HESS的退化成本。近年來，考慮混合儲(chǔ)能退化成本研究越來越受到關(guān)注［11］，但相關(guān)研究內(nèi)容未考慮價(jià)格需求響應(yīng)對(duì)電池退化成本及系統(tǒng)運(yùn)營費(fèi)用的影響。

文獻(xiàn)［12］從經(jīng)濟(jì)性角度出發(fā)，計(jì)及電價(jià)引導(dǎo)下用戶、企業(yè)的用電行為，建立考慮不確定性價(jià)格需求響應(yīng)的微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化模型，提高微電網(wǎng)的經(jīng)濟(jì)效益?？紤]價(jià)格需求響應(yīng)能提升微電網(wǎng)經(jīng)濟(jì)效益，高效的需求側(cè)管理能提高能源的利用率，降低用能費(fèi)用［13-14］。文獻(xiàn)［15］將分時(shí)電價(jià)用于激勵(lì)電力用戶，降低微電網(wǎng)的日運(yùn)行成本；文獻(xiàn)［16］考慮峰谷分時(shí)電價(jià)是一種有效的價(jià)格型需求響應(yīng)策略，合理的分時(shí)電價(jià)能為能源需求方提供充分高效的價(jià)格信號(hào)；文獻(xiàn)［17］研究基于價(jià)格型需求響應(yīng)的微電網(wǎng)定價(jià)模型，結(jié)果表明，儲(chǔ)能系統(tǒng)和需求響應(yīng)可優(yōu)勢(shì)互補(bǔ)，降低供電方的運(yùn)營成本。面對(duì)HESS中的不同設(shè)備，EMS的綜合設(shè)計(jì)需考慮不同的時(shí)間分辨率，長期時(shí)間范圍體現(xiàn)了運(yùn)營經(jīng)濟(jì)性，而短期時(shí)間范圍則反映了系統(tǒng)安全性；雙層EMS能有效解決HESS中優(yōu)化調(diào)度面臨的困難。

基于以上分析，本文提出考慮價(jià)格需求響應(yīng)的兩層EMS來解決研究中HESS成本問題，進(jìn)一步降低電池退化成本及系統(tǒng)運(yùn)營費(fèi)用。本文從不同的預(yù)測(cè)時(shí)間范圍和預(yù)測(cè)準(zhǔn)確性兩種情況進(jìn)行分析，分別對(duì)比是否考慮價(jià)格需求響應(yīng)兩方面內(nèi)容，得出：

1）當(dāng)考慮價(jià)格需求響應(yīng)時(shí)，研究結(jié)果表明兩種情況對(duì)系統(tǒng)電池荷電狀態(tài)影響較小，而對(duì)超級(jí)電容器荷電狀態(tài)影響較大，旨在適應(yīng)因價(jià)格變動(dòng)使負(fù)荷功率發(fā)生相應(yīng)變化及系統(tǒng)預(yù)測(cè)誤差引起的功率波動(dòng)的需要，維持系統(tǒng)穩(wěn)定。

2）考慮價(jià)格需求響應(yīng)后，電池退化成本均值相對(duì)減小，同時(shí)也較大幅度降低了系統(tǒng)平均運(yùn)營成本，提升經(jīng)濟(jì)效益。

1 微電網(wǎng)結(jié)構(gòu)及需求響應(yīng)模型

1.1 微電網(wǎng)結(jié)構(gòu)

圖1給出了典型的微電網(wǎng)并網(wǎng)示意圖。微電網(wǎng)包括公用電網(wǎng)的公共耦合點(diǎn)（common coupling point，PCC）、混合儲(chǔ)能、新能源及負(fù)荷等。圖中，[PM]表示微網(wǎng)與電網(wǎng)交換的功率；[PB、PSC]分別表示電池及超級(jí)電容器承擔(dān)的功率；[PPV、PWT]分別表示光伏、風(fēng)力發(fā)電功率；[PL]表示負(fù)荷功率。

HESS承擔(dān)的系統(tǒng)剩余功率（[Phess]）表示為（[PM+PPV+PWT]）與負(fù)荷[PL]兩者之差。[Phess]交由混合儲(chǔ)能系統(tǒng)承擔(dān)（即[Phess=PB+PSC]），電池承擔(dān)的功率始終由超級(jí)電容器消納不了的功率分量決定。上述內(nèi)容表明，負(fù)荷功率變動(dòng)將影響電池承擔(dān)的功率分量，進(jìn)而將對(duì)電池的退化成本及系統(tǒng)運(yùn)營成本產(chǎn)生影響。因此，本文首先分析價(jià)格需求響應(yīng)對(duì)負(fù)荷功率的影響，并將結(jié)果應(yīng)用于HESS退化成本模型研究中。

1.2 價(jià)格型需求響應(yīng)模型

需求響應(yīng)（demand response，DR）按激勵(lì)方式不同可分為激勵(lì)型與價(jià)格型兩種類型。激勵(lì)型對(duì)負(fù)荷直接管理，實(shí)現(xiàn)負(fù)荷的削減或中斷計(jì)劃，但調(diào)整范圍小，響應(yīng)時(shí)間較短，無法有效改善用戶的用電方式，可再生能源不能充分消納；價(jià)格型需求響應(yīng)管理的范圍廣、幅度大，能有效改變用戶的用電方式，同時(shí)也可充分消納可再生能源發(fā)電。

根據(jù)經(jīng)濟(jì)學(xué)原理，電力負(fù)荷的彈性系數(shù)表示在一定時(shí)期內(nèi)負(fù)荷轉(zhuǎn)移率與價(jià)格轉(zhuǎn)移率的比值，該系數(shù)描述了電價(jià)變化引起用戶電力需求變化的關(guān)系。電價(jià)和電力需求量在不同時(shí)段是相互聯(lián)系的，某時(shí)刻電價(jià)的變化將會(huì)影響其他時(shí)刻負(fù)荷需求量［12］。相關(guān)表達(dá)式如式（1）所示。

2 混合儲(chǔ)能退化成本模型

2.1 電池退化成本模型

電池儲(chǔ)能是一種經(jīng)典的電化學(xué)儲(chǔ)能方式。影響電池壽命主要有兩個(gè)因素：1）循環(huán)壽命，反映電池單元可達(dá)到的總循環(huán)次數(shù)；2）循環(huán)條件，例如頻繁的充放電（次數(shù)），充放電速率和維護(hù)計(jì)劃。一般采用電池的循環(huán)次數(shù)來表示其使用壽命；電池的充放電循環(huán)次數(shù)取決于使用的電池容量和使用過程中的放電深度（depth of charge，DOD）；由電池的循環(huán)次數(shù)與DOD之間的關(guān)系曲線可知，電池的使用壽命會(huì)隨 DOD 的增加而減少［18］。除循環(huán)條件外，狀態(tài)參數(shù)與溫度對(duì)電池壽命也有重要影響。當(dāng)電池長時(shí)間處于過高或過低的荷電狀態(tài)（state of charge，SOC）下運(yùn)行時(shí)，會(huì)導(dǎo)致電池能量損失與功率衰減，然而這種衰減與電池長期使用對(duì)自身造成的損耗相比是可忽略的；當(dāng)電池使用不超過制造商規(guī)定的電流和溫度額定值時(shí)，充放電速率對(duì)電池壽命的影響也可忽略［11］。本文分析電池長期退化成本模型，主要考慮 DOD和使用壽命的對(duì)電池退化成本的影響。

電池放電深度為已放電的能量占電池總?cè)萘康陌俜直?。電池制造商?guī)定了電池最佳性能的推薦DOD［11］，即DOD為式（6）中[dB]時(shí)，電池壽命最為合適。

式（11）表明，超級(jí)電容器退化成本與循環(huán)條件無關(guān)。微電網(wǎng)中超級(jí)電容器的退化成本可看作是時(shí)間線性的，它更適合于頻繁的充電/放電以填補(bǔ)瞬時(shí)功率不平衡。

3 兩層能量管理系統(tǒng)模型

當(dāng)前，常見的經(jīng)濟(jì)優(yōu)化調(diào)度策略難以解決RES預(yù)測(cè)存在的誤差以及負(fù)荷調(diào)整產(chǎn)生較大的功率波動(dòng)等問題，例如單一時(shí)間尺度的經(jīng)濟(jì)調(diào)度策略很難適應(yīng)微網(wǎng)能量調(diào)度需求。HESS有助于發(fā)揮各項(xiàng)技術(shù)的優(yōu)勢(shì)，但會(huì)增加控制問題的復(fù)雜性。本文采用一種基于模型預(yù)測(cè)控制（model predictive control，MPC）的兩層能量管理方法，以解決微電網(wǎng)中混合儲(chǔ)能的管理問題。

兩層EMS的目標(biāo)為：在有限的時(shí)間內(nèi)實(shí)現(xiàn)電源和能源的電力調(diào)度，使微網(wǎng)能在滿足RES不確定性運(yùn)行限制的同時(shí)能經(jīng)濟(jì)運(yùn)行。本文考慮將離散時(shí)間優(yōu)化問題與MPC框架相結(jié)合，由于MPC存在反饋機(jī)制［11，18］，可潛在補(bǔ)償預(yù)測(cè)不確定性。兩層EMS的分層結(jié)構(gòu)如圖2所示，其中，[Tu]和[T1]分別表示上層和下層中的預(yù)測(cè)長度。上層EMS由具有時(shí)間范圍[tl∈{1，…，Tl}]的非線性滾動(dòng)模型預(yù)測(cè)控制器組成，下層EMS由具有時(shí)間范圍[tu∈{1，…，Tu}]的二次模型預(yù)測(cè)控制器組成。[Δtu]和[Δtl]分別表示上層和下層的時(shí)間間隔，每個(gè)時(shí)間間隔內(nèi)的控制行為是通過求解自身在每層中的目標(biāo)函數(shù)來獲得的，進(jìn)而使得一層的決策影響另一層?；诮o定的預(yù)測(cè)數(shù)據(jù)，在上層[Tu]制定了最佳調(diào)度，但只有在時(shí)間[TlΔtl+Δtu]內(nèi)的調(diào)度才會(huì)作為參考值來控制下層的調(diào)度行為；下層的EMS通過超級(jí)電容器實(shí)現(xiàn)自身優(yōu)化，能盡量將系統(tǒng)功率波動(dòng)降至最低。在[Δtu]之后，下層的EMS將更新的狀態(tài)變量發(fā)送回上層，并開始下一個(gè)[ΔTu]的調(diào)度問題。

3.1 模型約束條件

3.1.1 等式約束

微電網(wǎng)模型需滿足功率平衡約束，如式（12）所示。

式中：[σlB、][σlM]和[σlSC]——成本加權(quán)系數(shù)。

兩層EMS的控制策略流程如圖3所示。上層EMS將系統(tǒng)總運(yùn)營成本降至最低，并將決策變量[{PB（tu）[PL（tu）]，PM（tu）}]傳輸至下層作為參考。考慮到負(fù)荷功率變化和RES預(yù)測(cè)誤差，先針對(duì)每個(gè)時(shí)間間隔[ΔTl]執(zhí)行優(yōu)化過程，然后在下層進(jìn)行調(diào)度。在[Δtu]內(nèi)做出所有調(diào)度決策后，上層將更新狀態(tài)變量[{EB（Tl），ESC（Tl）}]，并開始下一次調(diào)度（即[tu=tu+1]）。

4 算例分析

4.1 參數(shù)設(shè)置

本文采用的小時(shí)數(shù)據(jù)是通過對(duì)新加坡能源市場公司某年的半小時(shí)數(shù)據(jù)分析后獲得。針對(duì)48 h的調(diào)度范圍進(jìn)行仿真，設(shè)置上層和下層的時(shí)間間隔分別為1 h和5 min。電池的初始電量（容量）設(shè)置為12 kWh，最大功率為4 kW，充電效率和放電效率均為95％，SOC范圍設(shè)置為10％～90％。式（6）中系數(shù)（a，b，c）分別取值為（4980， 1.98， 0.016）。超級(jí)電容器的初始電量和最大功率分別設(shè)置為1和10 kWh，其充電和放電效率均為92％。將一天24 h分為3種不同電價(jià)方案：22：00—08：00為用電低谷期，電價(jià)設(shè)置最低，取0.40元/kWh；08：00—09：00及16：00—17：00為電價(jià)過渡時(shí)段，電價(jià)居中，取0.80元/kWh；其余時(shí)間為用電高峰期，電價(jià)最高，取1.33元/kWh。本文基于上述條件驗(yàn)證所述方法及模型的有效性。

4.2 價(jià)格需求響應(yīng)分析

本文采用的電價(jià)及負(fù)荷功率如圖4所示，其中預(yù)算負(fù)荷、實(shí)用負(fù)荷分別表示未考慮、考慮價(jià)格需求條件下的負(fù)荷功率（48 h內(nèi)，預(yù)算負(fù)荷與實(shí)用負(fù)荷功率總量基本保持一致）。圖4表明，考慮價(jià)格需求響應(yīng)后負(fù)荷量發(fā)生相應(yīng)變化：電價(jià)升高時(shí)負(fù)荷需求量相對(duì)降低，電價(jià)降低時(shí)需求量相對(duì)增加?；趦r(jià)格需求響應(yīng)的最佳調(diào)度結(jié)果如圖5所示，圖5中曲線分別表示微網(wǎng)與公用電網(wǎng)交換功率（PCC或[PM]）、電池及超級(jí)電容器承擔(dān)的功率曲線。圖5中可再生能源在第9～15小時(shí)產(chǎn)生的多余能量被賣回到公用電網(wǎng)（圖中虛線框所示，PCC功率為負(fù)）；附錄A給出了未考慮價(jià)格需求響應(yīng)條件下最佳調(diào)度結(jié)果曲線，便于下文對(duì)比分析。

4.3 預(yù)測(cè)時(shí)間范圍的影響

圖6給出了6～72 h期間，考慮價(jià)格需求響應(yīng)時(shí)，光伏、風(fēng)電5個(gè)不同預(yù)測(cè)時(shí)間范圍的結(jié)果。圖6a表明，電池的SOC（SB）隨預(yù)測(cè)水平的變化而變化；同時(shí)，與未考慮價(jià)格需求響應(yīng)條件下SB曲線相比（如附錄B所示），兩圖中各預(yù)測(cè)時(shí)間范圍SB曲線差異相對(duì)較小。價(jià)格需求響應(yīng)條件下系統(tǒng)負(fù)荷功率隨電價(jià)波動(dòng)，剩余功率呈現(xiàn)較大變化，主要由超級(jí)電容器進(jìn)行快速平抑消納（對(duì)SB影響較?。？紤]價(jià)格需求響應(yīng)條件下超級(jí)電容器SOC（SSC）曲線如圖6b所示，與附錄C中未考慮價(jià)格需求響應(yīng)時(shí)SSC曲線相比，當(dāng)電價(jià)出現(xiàn)大幅落差時(shí)段時(shí)，SSC曲線發(fā)生較大變化，以16、45 h附近時(shí)段區(qū)域?yàn)槔ㄌ摼€框內(nèi)所示）；同時(shí)，對(duì)比分析圖5與附錄A中實(shí)線框內(nèi)超級(jí)電容器功率曲線，可合理解釋相同預(yù)測(cè)時(shí)間范圍條件下SSC發(fā)生較大變化的根本原因在于：考慮價(jià)格需求響應(yīng)后，負(fù)荷功率在電價(jià)出現(xiàn)大幅落差時(shí)段發(fā)生較大變化（與未考慮價(jià)格需求響應(yīng)相比），主要由超級(jí)電容器快速對(duì)功率變化部分進(jìn)行消納，以維持系統(tǒng)穩(wěn)定。

電池退化成本及系統(tǒng)運(yùn)營成本48 h曲線如附錄D所示。為便于直觀的對(duì)比分析，本文采用均值成本進(jìn)行具體描述?？紤]/不考慮價(jià)格需求響應(yīng)下電池退化成本均值及系統(tǒng)平均運(yùn)營成本結(jié)果如圖6c、圖6d所示。圖6c表明：考慮價(jià)格需求響應(yīng)后（并結(jié)合式（7）、式（8）、式（20）），負(fù)荷功率隨電價(jià)的變化而變化，進(jìn)而使得電池承擔(dān)的功率分量發(fā)生相應(yīng)變化；結(jié)合上層EMS目標(biāo)函數(shù)及圖6a與附錄B中SB曲線表明，電池承擔(dān)功率分量波動(dòng)得到平緩，降低了電池?fù)p耗，使得電池的退化成本相對(duì)減小。圖6a中，當(dāng)預(yù)測(cè)時(shí)間范圍為6 h時(shí)，相比其他預(yù)測(cè)時(shí)間范圍的SB曲線具有明顯差異，表明電池承擔(dān)功率變化較大，加劇電池?fù)p耗，可解釋圖6c中：電池在6 h預(yù)測(cè)時(shí)間范圍內(nèi)退化成本相對(duì)較大；圖6a也表明了其他預(yù)測(cè)時(shí)間范圍SB曲線之間變化差異較小，使得電池退化成本均值無6 h預(yù)測(cè)時(shí)間范圍明顯。圖6d可看出：考慮價(jià)格需求響應(yīng)后，[CuM（tu）]與電網(wǎng)交換功率及電價(jià)有關(guān)（式（17）），結(jié)合式（12）及上層EMS目標(biāo)函數(shù)要求，表明進(jìn)行電價(jià)調(diào)控后，一方面使電池退化成本降低；另一方面使得公用電網(wǎng)交換功率相對(duì)變化：電價(jià)高時(shí)，負(fù)荷功率減小，光伏、風(fēng)電功率與HESS承擔(dān)的功率總量（圖5與附錄A中電池與超級(jí)電容器承擔(dān)功率總量）變化差異較小，即[PM]減小量相對(duì)較小；當(dāng)電價(jià)較低時(shí)，負(fù)荷功率增加，使得[PM]增加量相對(duì)較大。圖6c、圖6d對(duì)比結(jié)果表明，考慮價(jià)格需求響應(yīng)后能降低電池退化成本及微網(wǎng)系統(tǒng)運(yùn)營成本。由于下層EMS主要目標(biāo)是維持系統(tǒng)穩(wěn)定，下層設(shè)計(jì)了超級(jí)電容器退化成本，并將結(jié)果回饋至上層進(jìn)行分析，因此本文不再具體研究超級(jí)電容器退化成本的影響。

4.4 預(yù)測(cè)準(zhǔn)確性的影響

圖7給出了光伏、風(fēng)電4種不同預(yù)測(cè)準(zhǔn)確性（誤差范圍）情況下結(jié)果，其中預(yù)測(cè)誤差范圍從10％增加到40％。圖7a表明，隨著預(yù)測(cè)誤差的增加，考慮價(jià)格需求響應(yīng)時(shí)，在不同誤差范圍內(nèi)的SB未發(fā)生較大變化，且與未考慮價(jià)格需求響應(yīng)條件下SB各條曲線相比差異也較小，本文不再表述。圖7b表明，超級(jí)電容器的SOC受到很大程度的影響，并且相比于未考慮價(jià)格需求響應(yīng)情況下[SSC]曲線（如附錄E所示），當(dāng)電價(jià)出現(xiàn)大幅落差時(shí)段時(shí)，相同預(yù)測(cè)準(zhǔn)確性條件下[SSC]發(fā)生較大變化，例如16、45 h時(shí)段附近（圖中實(shí)線框內(nèi)所示），產(chǎn)生該現(xiàn)象的原因與不同預(yù)測(cè)時(shí)間范圍情況下的基本相同，不再贅述。由于下層EMS的一個(gè)主要目標(biāo)是使電池輸出平滑，因此也可合理地解釋：預(yù)測(cè)誤差范圍的增加及考慮價(jià)格需求響應(yīng)引起的負(fù)荷功率的波動(dòng)會(huì)導(dǎo)致超級(jí)電容器承擔(dān)的功率分量產(chǎn)生較大變化，而對(duì)電池的影響較小?？紤]價(jià)格需求響應(yīng)后，圖7c、圖7d也表明電池退化成本及系統(tǒng)運(yùn)營成本呈降低趨勢(shì)，驗(yàn)證了本文思路的可行性與正確性。

4.5 基礎(chǔ)模型及算法對(duì)比

表1給出了在不同預(yù)測(cè)時(shí)間范圍情況時(shí)，本文所述方法與現(xiàn)有的模型及算法的對(duì)比結(jié)果。

其中，Ⅰ、Ⅱ分別表示本文提出的儲(chǔ)能退化成本模型及固定電池退化成本模型。A表示兩層能量管理系統(tǒng)控制算法（方法）；B表示單（層）邏輯控制算法；C表示集中能量管理系統(tǒng)控制算法。放電率表示將電池所有放電事件的DOD相加，然后在24 h內(nèi)取平均值；計(jì)算時(shí)間表示在上層的時(shí)間間隔內(nèi)搜索最優(yōu)結(jié)果的時(shí)長。

由表1可看出，本文提出的方法除計(jì)算時(shí)間較慢外，其他方面均具有優(yōu)越性。固定電池退化成本模型結(jié)果較差，因?yàn)槠淦骄嘶杀竞头烹娐示^高，即電池存在不合理的使用。表1同時(shí)也表明，由于無法在預(yù)定的時(shí)間間隔（5 min）內(nèi)解決優(yōu)化問題，I-C中的單層模型計(jì)算時(shí)間超出預(yù)定時(shí)間間隔；單層優(yōu)化將很難解決HESS的能量管理問題。本文提出考慮價(jià)格需求響應(yīng)的兩層EMS模型，雖然會(huì)犧牲計(jì)算時(shí)間，但使用高性能的計(jì)算機(jī)和先進(jìn)的求解器，可進(jìn)一步提高計(jì)算速度。

5 結(jié) 論

本文考慮了混合儲(chǔ)能系統(tǒng)成本模型，為進(jìn)一步降低儲(chǔ)能退化成本，提升系統(tǒng)經(jīng)濟(jì)效益，提出基于價(jià)格需求響應(yīng)的HESS微電網(wǎng)兩層EMS。以價(jià)格需求響應(yīng)為前提，調(diào)度功率以使上層的運(yùn)營成本最??；將下層中RES預(yù)測(cè)誤差及負(fù)荷變化引起的功率波動(dòng)最小化，以維持系統(tǒng)穩(wěn)定。本文從不同預(yù)測(cè)時(shí)間范圍、不同預(yù)測(cè)準(zhǔn)確性兩種情況進(jìn)行驗(yàn)證分析，分別對(duì)比了考慮/不考慮價(jià)格需求響應(yīng)兩個(gè)方面內(nèi)容，并得出以下結(jié)論：

1）考慮價(jià)格需求響應(yīng)后對(duì)電池SOC影響較小，但對(duì)超級(jí)電容器SOC影響較大，原因是超級(jí)電容器快速調(diào)節(jié)了因電價(jià)變化產(chǎn)生的較大負(fù)荷功率變動(dòng)及系統(tǒng)預(yù)測(cè)誤差引起的功率波動(dòng)，以維持系統(tǒng)穩(wěn)定。

2）與不考慮價(jià)格需求響應(yīng)條件相比，考慮價(jià)格需求響應(yīng)能降低電池退化成本及系統(tǒng)平均運(yùn)營成本，提升了系統(tǒng)經(jīng)濟(jì)效益。

［參考文獻(xiàn)］

［1］ TANI A， CAMARA M B， DAKYO B. Energy management in the decentralized generation systems based on renewable" " energy-ultracapacitors" " and" " battery" " to compensate" the" wind/load" power" fluctuations［J］." IEEE transactions on industry applications， 2015， 51（2）： 1817-1827.

［2］ 侯祖鋒， 陳建鈿， 丘冠新， 等. 考" 慮分布式電源無功調(diào)節(jié)的配電網(wǎng)兩級(jí)動(dòng)態(tài)無功調(diào)度策略［J］. 電力系統(tǒng)保護(hù)與控制， 2022，50（6）： 158-164.

HOU Z F， CHEN J D， QIU G X， et al. Two-level dynamic reactive power scheduling strategy in a distribution network considering reactive power regulation of distributed" generation［J］." Power" system" protection" and control， 2022， 50（6）： 158-164.

［3］ 張宇華， 李青松， 王叢， 等. 區(qū)域風(fēng)光低頻相關(guān)性互補(bǔ)與高頻混合儲(chǔ)能平抑的并網(wǎng)方法研究［J］. 中國電機(jī)工程學(xué)報(bào)， 2023， 43（4）： 1492-1504.

ZHANG Y H， LI Q S， WANG C， et al. Grid-connected method of regional wind-solar low-frequency correlation complementation and high-frequency hybrid energy storage stabilization［J］. Proceedings of the CSEE， 2023， 43（4）： 1492-1504.

［4］ 張宇涵， 杜貴平， 雷雁雄， 等. 直流微網(wǎng)混合儲(chǔ)能系統(tǒng)控制策略現(xiàn)狀及展望［J］. 電力系統(tǒng)保護(hù)與控制， 2021，49（3）： 177-187.

ZHANG Y H， DU G P， LEI Y X， et al. Current status and prospects of control strategy for a DC micro grid hybrid energy storage system［J］. Power system protection and control， 2021， 49（3）： 177-187.

［5］ 蘇浩， 張建成， 馮冬涵， 等. 模塊化混合儲(chǔ)能系統(tǒng)及其能量管理策略［J］. 電力自動(dòng)化設(shè)備， 2019， 39（1）： 127-133， 140.

SU H， ZHANG J C， FENG D H， et al. Modular hybrid energy storage system and its energy management strategy［J］. Electric power automation equipment， 2019， 39（1）： 127-133， 140.

［6］ 李建林， 袁曉冬， 郁正綱， 等. 利用儲(chǔ)能系統(tǒng)提升電網(wǎng)電能質(zhì)量研究綜述［J］. 電力系統(tǒng)自動(dòng)化， 2019， 43（8）： 15-24.

LI J L， YUAN X D， YU Z G， et al. Comments on power quality enhancement research for power grid by energy storage system［J］. Automation of electric power systems， 2019， 43（8）： 15-24.

［7］ 何俊強(qiáng)， 師長立， 馬明， 等. 基于元模型優(yōu)化算法的混合儲(chǔ)能系統(tǒng)雙層優(yōu)化配置方法［J］. 電力自動(dòng)化設(shè)備， 2020， 40（7）： 157-167.

HE J Q， SHI C L， MA M， et al. Bi-level optimal configuration method of hybrid energy storage system based on meta model optimization algorithm［J］. Electric power automation equipment， 2020， 40（7）： 157-167.

［8］ 丁明， 吳杰， 張晶晶. 面向風(fēng)電平抑的混合儲(chǔ)能系統(tǒng)容量配置方法［J］. 太陽能學(xué)報(bào)， 2019， 40（3）： 593-599.

DING M， WU J， ZHANG J J. Capacity optimization method of hybrid energy storage system for wind power smoothing［J］. Acta energiae solaris sinica， 2019， 40（3）： 593-599.

［9］ 蒲雨辰， 李奇， 陳維榮， 等. 計(jì)及最小使用成本及儲(chǔ)能狀態(tài)平衡的電氫混合儲(chǔ)能孤島直流微電網(wǎng)能量管理［J］.電網(wǎng)技術(shù)， 2019， 43（3）： 918-927.

PU Y C， LI Q， CHEN W R， et al. Energy management for islanded DC microgrid with hybrid electric-hydrogen energy storage system based on minimum utilization cost and" "energy" "storage" "state" "balance［J］." Power" "system technology， 2019， 43（3）： 918-927.

［10］ KE X D， LU N， JIN C L. Control and size energy storage systems for managing energy imbalance of variable generation resources［C］//2015 IEEE Power amp; Energy Soliety General Meeting. Denver， CO， USA， 2015： 1.

［11］ 馬海勃. 高可再生能源滲透率下微電網(wǎng)的能量管理優(yōu)化策略研究［D］. 廣州： 廣東工業(yè)大學(xué)， 2020.

MA H B. Research on energy management optimization strategy" for" microgrids" with" high-penetration renewables［D］. Guangzhou： Guangdong University of Technology， 2020.

［12］ 張有兵， 任帥杰， 楊曉東， 等. 考慮價(jià)格型需求響應(yīng)的獨(dú)立型微電網(wǎng)優(yōu)化配置［J］. 電力自動(dòng)化設(shè)備， 2017， 37（7）： 55-62.

ZHANG Y B， REN S J， YANG X D， et al. Optimal configuration considering price-based demand response for stand-alone" "microgrid［J］." Electric" "power" "automation equipment， 2017， 37（7）： 55-62.

［13］ 高佳， 肖迎群， 馬蕊， 等. 考慮不確定性價(jià)格型需求響應(yīng)的多源微網(wǎng)運(yùn)行優(yōu)化［J］. 現(xiàn)代電力， 2020， 37（4）： 425-433.

GAO J， XIAO Y Q， MA R， et al. Multi-source micro-grid operation optimization considering uncertain electricity price demand response［J］. Modern electric power， 2020， 37（4）： 425-433.

［14］ 閆夢(mèng)陽， 李華強(qiáng)， 王俊翔， 等. 計(jì)及綜合需求響應(yīng)不確定性的園區(qū)綜合能源系統(tǒng)優(yōu)化運(yùn)行模型［J］. 電力系統(tǒng)保護(hù)與控制， 2022， 50（2）： 163-175.

YAN M Y， LI H Q， WANG J X， et al. Optimal operation model of a park integrated energy system considering uncertainty" "of" "integrated" "demand" "response［J］." Power system protection and control， 2022， 50（2）： 163-175.

［15］ 孫叢叢， 王致杰， 江秀臣， 等. 計(jì)及需求響應(yīng)的并網(wǎng)型微電網(wǎng)協(xié)同優(yōu)化策略［J］. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)， 2018， 30（1）： 30-37.

SUN C C， WANG Z J， JIANG X C， et al. Coordinated optimization" "strategy" "for" "grid-connected" "microgrid considering demand response［J］. Proceedings of the CSU-EPSA， 2018， 30（1）： 30-37.

［16］ 馬駿超， 黃弘揚(yáng)， 樓伯良， 等. 分時(shí)電價(jià)背景下綜合能源需求響應(yīng)優(yōu)化建模［J］. 電力工程技術(shù)， 2020， 39（5）： 99-106.

MA J C， HUANG H Y， LOU B L， et al. Optimal modeling of integrated energy demand response under time-shared electricity price［J］. Electric power engineering technology， 2020， 39（5）： 99-106.

［17］ 孔曉磊. 計(jì)及需求響應(yīng)的微型能源系統(tǒng)定價(jià)模型研究［D］. 秦皇島： 燕山大學(xué)， 2019.

KONG X L. Research on pricing model of micro energy system" considering" demand" response［D］. Qinhuangdao： Yan shan University， 2019.

［18］ JU C Q， WANG P， GOEL L et al. A two-layer energy management system for microgrids with hybrid energy storage considering degradation costs［J］. IEEE transactions on smart grid， 2018， 9（6）： 6047-6057.

［19］ FARZIN H， FOTUHI FIRUZABAD M， MOEINI-AGHTAIE A M. A practical scheme to involve degradation cost of lithium-ion batteries in vehicle-to-grid applications［J］. IEEE transactions on sustainable energy， 2016， 7（4）： 1730-1738.

［20］ HAN S， AKI H， HAN S. A practical battery wear model for electric vehicle charging applications［C］//2013 IEEE Power amp; Energy Society General Meeting. Vancouver， BC， Canada， 2013： 1-5.

RESEARCH ON DEGRADATION COST MODEL OF ENERGY STORAGE

SYSTEM BASED ON PRICE DEMAND RESPONSE

Ma Bingtai1，Liu Haitao1，2，Hao Sipeng 1，2，Lu Heng1，Zhang Chengyu1

（1. School of Electrical Engineering， Nanjing Institute of Technology， Nanjing 211167， China；

2. Jiangsu Distribution Network Intelligent Technology and Equipment Collaborative Innovation Center， Nanjing 211167， China）

Abstract：In order to improve the economic benefits of microgrids， it is necessary to fully consider the intermittent of new energy power generation and the high cost of hybrid energy storage system （HESS）. This paper presents a microgrid double-layer predictive energy management system （EMS） model based on price demand response. Considering the impact of price on demand response， based on the degradation cost of HESS depth of charge and service life. The long-term cost of battery and supercapacitor is modeled and converted into real-time short-term cost. Based on the price demand response， the upper layer of the double-layer EMS minimizes the total operating cost， and the lower layer reduces the impact caused by the fluctuation of prediction error and change of load power， so as to maintain system stability. The example analysis shows the effectiveness of two-layer EMS from two aspects： different prediction time range and prediction accuracy. When considering the price demand response， the supercapacitor can quickly stabilize the load power change which caused by price adjustment. Simultaneously， it reduces the average battery degradation cost and operation cost of the system and improves the economic benefits of the system.

Keywords：microgrid； energy storage； energy management system； price demand response； degradation cost； operation cost

收稿日期：2022-07-04

基金項(xiàng)目：國家自然科學(xué)基金（51777197）；江蘇省自然科學(xué)基金（18KJA470002）; 江蘇省研究生實(shí)踐創(chuàng)新計(jì)劃（SJCX22_1072）

通信作者：劉海濤（1972—），女，博士、教授，主要從事微電網(wǎng)運(yùn)行與控制關(guān)鍵技術(shù)方面的研究。13851424346@163.com