基于光伏電站場景下的梯次電池儲能經濟性分析

劉大賀， 韓曉娟， 李建林

(1. 華北電力大學控制與計算機工程學院，北京 102206；2. 中國電力科學研究院，北京 100192)

基于光伏電站場景下的梯次電池儲能經濟性分析

劉大賀1， 韓曉娟1， 李建林2

(1. 華北電力大學控制與計算機工程學院，北京 102206；2. 中國電力科學研究院，北京 100192)

大規模可再生能源并網時，通過配置儲能系統平抑功率波動，可以實現能量的平穩轉移。以某光伏電站為應用場景，分析梯次電池儲能在平抑光伏功率波動這一應用模式下的優化規劃并評估其經濟性。建立光伏電站儲能系統優化規劃和經濟性評估模型，以滿足并網波動率限制下儲能容量成本最小為目標函數，采用人工魚群算法進行優化求解，并通過對比常規儲能系統評估梯次電池的經濟性。選取相關算例進行分析，結果表明模型具有一定的合理性和有效性。

梯次電池儲能；光伏電站；經濟性；人工魚群算法

0 引言

近年來，應用梯次電池儲能已成為研究熱點，但成本仍是制約電池儲能大規模應用的主要因素[1，2]。對于退役動力電池，直接報廢回收處理會對環境造成極大的危害，同時也是對電池價值的巨大浪費。退役動力電池雖然無法滿足在電動汽車應用領域的性能要求，但仍可在其他場合發揮其作用，一個最主要的用途就是用于儲能領域，比如用于可再生能源發電等領域[3]。在一定程度上可以降低電池儲能系統的成本，優化儲能配置。對退役動力電池進行梯次利用，可充分發揮動力電池的容量價值、延長使用壽命、促進節能減排，有利于緩解大量電池報廢帶來的回收工作壓力，并能在一定程度上分攤電池儲能的高成本。研究動力電池的梯次利用技術，對于推動電力行業的健康綠色發展、儲能系統的推廣應用以及節能環保具有重要的社會意義和巨大的經濟效益[4]。

國內外對于動力電池梯次利用的重要性和經濟效益已經有了較明確的認識，但對于動力電池的梯次利用仍處于初步階段。在國外市場，商業運作方面的應用主要集中在家庭儲能、商業儲能、移動電源等小型靈活的設備[5，6]。國內示范工程的應用領域主要集中在新能源發電、低速電動車、電動汽車充換電站等方面[7-10]。示范工程驗證了梯次電池用于儲能系統的技術可行性，而動力電池梯次利用是否具有經濟可行性，則決定了其在未來能否具有成規模的商業化運作。文獻[11]從動力電池所有者的角度，以動力電池全壽命周期的整體價值為研究對象，提出了評估動力電池梯次利用經濟性的方法。文獻[12]根據給出的典型住宅負荷曲線，分別確定了典型住宅在具備和不具備梯次利用電池儲能系統進行負荷調節情況下的年成本，并分析了在不同電價和輔助費用等級下采用梯次利用動力電池所節約的成本。文獻[13]從環保角度出發，分析了動力電池梯次利用所面臨的技術難題和成本問題，并提出了新的動力電池商業模式：租賃。文獻[14]以退役動力電池梯次利用的電動汽車快速充電站為研究對象，從電網引入梯次利用儲能系統所帶來的價值的角度，建立了梯次利用儲能系統的經濟效益模型。大都沒有考慮梯次電池儲能在光伏電站場景下的經濟性。

本文以某光伏電站為應用場景，分析梯次電池儲能在平抑光伏功率波動這一應用模式下的優化規劃并對其經濟性進行評估。建立光伏電站儲能系統優化規劃和經濟性評估模型，以滿足并網波動率限制下儲能容量成本最小為目標函數，采用人工魚群算法(artificial fish school algorithm，AFSA)進行優化求解，對比常規儲能系統，以此評價梯次電池的經濟性，并選取相應的算例進行分析來驗證該模型的合理性和有效性。

1 梯次電池儲能用于光伏電站的優化規劃和經濟性評估模型

模型采用基于馬爾可夫鏈的光伏功率預測方法[15]，對光伏電站的出力進行預測，同時考慮光伏并網的功率波動限制，即光儲系統合成出力在單位時間內的功率波動量λPE應小于其并網電網所能接受的最大功率波動量λlim，采用滑動平均法[16]從馬爾科夫預測功率Ppv,pre中分離出持續分量和波動分量，其中持續分量Ppv,ref作為光伏電站的并網功率Pgrid，而光伏實際出力與并網功率的差額則由儲能來彌補，即儲能系統的目標出力為：

Pess=Ppv-Pgrid

(1)

式中：Pess為儲能系統的目標出力；Ppv為預測功率；Pgrid為光伏電站的并網功率。

1.1模型目標函數及約束條件

光伏電站儲能系統容量優化配置模型以光伏電站配置儲能系統的成本最小為目標函數。即：

F=minCess

(2)

其中配置儲能系統的成本Cess包括電池儲能系統初始投資成本Cess1和運行維護成本Cess2，各成本均折算到等年值，如式(4)、式(5)所示。

Cess=Cess1+Cess2

(3)

(4)

Cess2=kess×(CEEb+CPPb)

(5)

電池儲能系統初始投資成本Cess1主要包括容量成本與功率成本兩部分，即儲能電池成本和功率轉換系統(PCS)的成本[17]；運行維護成本Cess2包括儲能電池和電池儲能系統的(battery energy storage system，BESS)年運行維護成本；CE為儲能電池的單價；CP為PCS的單價；Pb和Eb分別為儲能電池系統的額定功率與額定容量；m為儲能系統的使用年限；kess為電池儲能系統的年運行維護系數；r為貼現率。

模型的約束條件包括電池荷電狀態約束(state of charge，SOC)、電池充放電功率約束、電池充放電守恒約束、系統功率平衡約束以及光伏并網功率波動限制約束。

(1) 電池荷電狀態約束。

ESOCmin≤E(t)SOC≤ESOCmax

(6)

式中：ESOCmin和ESOCmax為SOC的上下限。

(2) 電池充放電功率約束。

|Pba(t)|≤Pba,max

(7)

式中：Pba,max為充放電功率限制；Pba(t)為t時刻電池的充放電功率；Pba,max≤(1-a)Pb，即儲能電池的充放電功率需留有一定裕度。

(3) 電池充放電守恒約束[19]。

(8)

電池充放電守恒約束即一天內蓄電池總充電量和總放電量相等。

(4) 系統功率平衡約束。

Pgrid(t)=Ppv(t)+Pba(t)

(9)

式中：Pgrid(t)，Ppv(t)，Pba(t)分別為各時刻光伏電站并網功率、光伏發電出力以及儲能出力。

(5) 光伏并網功率波動限制約束。

λPE(n)<λlim

(10)

式中：λPE(n)為光儲系統合成出力在單位時間內功率的波動量；λlim為并網電網所能接受的最大功率波動量，通常并網波動功率不超過裝機容量的10%。

1.2 求解算法

本文采用人工魚群算法對所建的光伏電站儲能系統容量優化配置模型進行求解。AFSA是由李曉磊等[18]提出的一種基于模擬魚群行為的智能優化算法，其原理是在一片水域中,魚生存數目最多的地方往往是水域中富含營養物質最多的地方,依據這一特點來模仿魚群的覓食等行為，從而實現全局尋優。AFSA需初始化一組魚群，每條人工魚代表一個經濟優化模型的一個解狀態，每個個體所在位置的食物濃度代表解狀態下對應的經濟效益值。魚群通過覓食、聚群及追尾行為向食物濃度更大的區域游動，從而向經濟性最優解附近的區域靠近。

采用AFSA能夠具有較快的收斂速度，可以用于解決有實時性要求的問題，在本文中對求解精度要求不高，可以通過AFSA快速得出解。 采用AFSA進行光伏電站儲能優化配置和經濟性評估模型的優化求解步驟如圖1所示。

圖1 人工魚群算法流程Fig.1 Flow chart of artificial fish swarm algorithm

1.3 梯次電池儲能系統成本估計

在可計算得到梯次電池的循環壽命和日歷壽命[19-23]的基礎上，本節提出以梯次電池儲能系統所能產生的使用價值為依據的配置梯次電池儲能系統的成本估算方法。梯次電池儲能系統的成本由初始購買成本和運行維護成本構成。初始購買成本(折算到等年值)由容量成本(梯次儲能電池成本)和功率成本(儲能變流器成本)組成，可由式(11)計算：

(11)

式中：CE_sec為梯次電池儲能系統單位容量的價格，不同于常規電池儲能系統的容量成本；CP_sec為梯次儲能系統單位功率的價格，即儲能變流器(power control system，PCS)的單價，可認為與常規電池儲能系統的PCS單價一致；Esec，Psec分別為梯次電池儲能系統的額定容量與額定功率；msec為梯次電池儲能系統的日歷壽命(年)。運行維護成本由梯次儲能電池的運維成本和PCS的運維成本組成，可由式(12)計算：

C2_sec=KE_secEsec+KP_secPsec

(12)

式中：KE_sec為單位容量梯次儲能電池運行維護費用，其值受梯次電池的初始容量保持率影響；KP_sec為PCS運行維護單價，其值與常規儲能系統的PCS運維單價一致。

由式(11)和(12)可知，梯次電池儲能和常規電池儲能系統在計算成本時，除了日歷壽命msec不同之外，單位容量的購買費用CE_sec和運行維護費用KE_sec也有差異。

針對梯次儲能電池單位容量的購買費用CE_sec，從梯次電池用于儲能所能產生的使用價值角度出發來進行評估，與常規儲能電池的使用價值相比較，梯次電池用于儲能系統產生的使用價值可由式(13)估計其單位容量購買費用CE_sec。

(13)

式中：CE_con為單位容量常規儲能電池的價格；mcon為常規儲能電池壽命。

單位容量梯次儲能電池運行維護費用KE_sec隨梯次電池初始容量保持率變化，以鋰離子電池為例，不同初始容量保持率的梯次電池對應的運行維護單價如表1所示。

表1 不同容量保持率的鋰電池對應的運行維護單價Table 1 Operation and maintenance price of lithium battery with different capacity retention rate

采用指數函數擬合得到單位容量梯次儲能電池運行維護費用KE_sec與梯次電池初始容量保持率的關系，如式(14)所示：

KE_sec=0.051 65×β-6

(14)

2 算例分析

2.1 模型參數設定

在本文中選取河北張家口風光儲能電站的數據進行算例分析，其裝機容量Pins為40 MW，功率數據采樣間隔Δt=1 min，即一個典型日內共采1440個點。由于光伏發電夜間出力為0，因此只考慮每天從6：00時至19：00時的出力數據。模型所需各參數如表2所示。

表2 模型所需各參數Table 2 parameters of the model

2.2 算例分析

采用人工魚群算法對所建模型進行優化求解，AFSA算法參數設置如下：最大迭代次數為100；魚群規模為30；視野范圍為6—12；最大步長為3—5；擁擠度因子為0.628；T為4—8；安全度系數為0.9；則求解得到該光伏電站配置儲能系統的額定容量為2.218 9 MW·h，額定功率為3.925 9 MW。圖2為典型日光伏電站實測功率、馬爾可夫預測功率以及光伏并網功率曲線。圖3為儲能電池充放電功率及荷電狀態變化曲線。

圖2 光伏實測功率和預測功率以及并網功率曲線Fig.2 Measured power, predictive power and grid connected power

圖3 儲能電池充放電功率以及荷電狀態變化曲線Fig. 3 Charging and discharging power and state of charge curve of energy storage battery

由所述計算梯次電池等效循環壽命[19]的方法，根據儲能電池的荷電狀態計算得到電池在該典型日內的等效完全充放電次數Nday=3.350 2 次。根據式(14)計算得單位容量梯次儲能電池運行維護費用為0.2 元/(kW·h)。從梯次電池用于儲能所能產生的使用價值角度出發，由式(13)可估算梯次儲能系統單位容量購買價格CE取1270 元/(kW·h)，則可計算得到配置常規儲能系統和梯次儲能系統的成本，同時對比梯次儲能系統單位容量分別為990.8 元/(kW·h)、800 元/(kW·h)、600 元/(kW·h)時的情況，得到如表3所示的經濟性對比結果。

表3 配置常規儲能和梯次儲能系統的經濟性對比Table 3 Economic comparison of conventional configuration and echelon storage system

從表3中可以看出，當梯次儲能系統單位容量的購買價格CE取1270 元/(kW·h)時，梯次儲能系統的購買成本和運維成本均高于常規儲能系統，說明該情況下配置梯次儲能系統相較于常規儲能并不具有優勢；當CE取990.8 元/(kW·h)時，配置梯次儲能與配置常規儲能的總成本相同；當CE取800 元/(kW·h)和600 元/(kW·h)時，配置梯次儲能的成本低于常規儲能系統。由以上分析可說明，在光伏電站應用場景中，考慮經濟性的前提下，當梯次儲能單位容量購買價格CE小于990.8 元/(kW·h)時，該模型能夠帶來一定的經濟效益。

3 結論

本文以某光伏電站為應用場景，建立光伏電站儲能系統優化規劃和經濟性評估模型，以滿足并網波動率限制下儲能容量成本最小為目標函數，分析梯次電池儲能在平抑光伏功率波動這一應用模式下的優化規劃并對其進行經濟性評估。采用AFSA進行優化求解，并對比常規儲能系統，以此來評價梯次電池儲能的經濟性，算例分析結果表明了模型的合理性和有效性。

[1] 傅 旭, 李海偉, 李冰寒. 大規模風電場并網對電網的影響及對策綜述[J]. 陜西電力, 2010, 38(1):53-57.

FU Xu, LI Haiwei, LI Binghan. Influence of large scale wind farm on grid and its counter measures[J]. Shaanxi Electric Power, 2010, 38 (1): 53-57.

[2] 金 虹, 衣 進. 當前儲能市場和儲能經濟性分析[J]. 儲能科學與技術, 2012, 1(2):103-111.

JIN Hong, YI Jin. Current energy storage market andenergy storage economy analysis[J]. Energy Storage Science and Technology, 2012, 1 (2): 103-111.

[3] 朱廣燕, 劉三兵, 海 濱, 等. 動力電池回收及梯次利用研究現狀[J]. 電源技術, 2015(7):1564-1566.

ZHU Guangyan, LIU Sanbing, HAI Bin, et al. Study on the status of power battery recycling and echelon utilization [J]. Power System Technology, 2015(7): 1564-1566.

[4] 仝瑞軍. 動力鋰電池梯次利用的關鍵技術研究[J]. 客車技術與研究,2014(3):30-32.

TONG Ruijun. Power lithium battery echelon of the key technology research[J]. Bus Technology and Research, 2014(3): 30-32.

[5] HESSAMI M, BOWLY D R. Economic feasibility and optimization of an energy storage system for Portland wind farm[J]. Applied Energy, 2011, 88: 2755-2763.

[6] 佚 名. 日產和住友集團合資成立廢棄鋰電池能源公司[J]. 新材料產業, 2010(10):83-83.

Anonymous. Nissan and Sumitomo group jointly established waste lithium battery energy company [J]. New Materials Industry, 2010(10): 83-83.

[7] 退役動力電池有救了，電動地車動力電池的梯次利用分析 [EB/OL]. [2015-06-24]. http:www.d1ev.com38911-4.html.

Retired power battery has saved, electric vehicle power battery echelon use analysis [EB / OL].http:www.d1ev.com38911-4.html.

[8] 裴 鋒. 江西電力開展動力電池梯次利用研究[EB/OL].[2014-12-12].http:www.cpnn.com.cnjs201209t20120903_461000.html.

PEI Feng. Jiangxi electric power to carry out the use of power battery echelon [EB /OL]. [2014-12-12]. http:www.cpnn.com.cnjs201209t20120903_461000.html.

[9] 河南省攻克退役動力電池再利用技術難題[EB/OL]. [2014-9-23].http:www.zhev.com.cnnewsshow-1411426688.html.

Henan Province to overcome the retired power battery recycling technology problems[EB/OL]. [2014-9-23]. http:www.zhev.com.cnnewsshow-1411426688.html.

[10] 陳佰爽. 磷酸鐵鋰電池梯次利用于儲能領域的影響因素分析[J]. 儲能科學與技術, 2014(4):427-428.

CHEN Baishuang. Lithium iron phosphate battery echelon utilization and energy storage field influencing factors analysis [J]. Energy Storage Science and Technology, 2014(4): 427-428.

[11] VISWANATHANV, VILAYANUR V, MICHAEL K M. Second use of transportation batteries: maximizing the value of batteries for transportation and grid services[J]. IEEE Transactions on Vehicular Technology, 2011, 60(7):2963-2970.

[12] CATHERINEH, WALKER S B, YOUNG S B, et al. Economic analysis of second use electric vehicle batteries for residential energy storage and load-leveling[J]. Energy Policy, 2014, 71(1): 22-30.

[13] LIH W C, YEN J H, SHIEH F H, et al. Second-use applications of lithium-ion batteries retired from electric vehicles: challenges, repurposing process, cost analysis and optimal business model[J]. International Journal of Advancements in Computing Technology, 2012,4(22): 518-527.

[14] 張金國, 焦東升, 王小君, 等. 基于梯級利用電池的儲能系統經濟運行分析[J]. 電網技術, 2014, 38(9):2551-2555.

ZHANG Jinguo, JIAO Dongsheng, WANG Xiaojun, et al. Economic operation analysis of energy storage system based on cascade battery [J]. Power System Technology, 2014, 38 (9): 2551-2555.

[15] ZHANG H, HAN X, DOU J Y. A method to forecast photo-voltaic power outputs based on Markov Chain[C]International Power, Electronics and Materials Engineering Conference, Dalian, China:2015.

[16] 林衛星, 文勁宇, 艾小猛,等. 風電功率波動特性的概率分布研究[J]. 中國電機工程學報, 2012,32(1):38-46.

LIN Weixing, WEN Jingyu, AI Xiaomeng, et al. Study on the probability distribution of the fluctuation of wind power [J]. Proceedings of the CSEE, 2012,32 (1): 38-46.

[17] 張 浩. 儲能系統用于配電網削峰填谷的經濟性評估方法研究[D]. 北京:華北電力大學, 2014.

ZHANG Hao. Study on the economic evaluation method of energy storage system for peak shaving and valley filling in distribution network [D].Beijing:North China Electric Power University, 2014.

[18] 李曉磊, 邵之江, 錢積新. 一種基于動物自治體的尋優模式:魚群算法[J]. 系統工程理論與實踐, 2002, 22(11):32-38.

LI Xiaolei, SHAO Zhijiang, QIAN Jixin. An animal optimizing method based on autonomous: fish swarm algorithm [J].Systems Engineering Theory & Practice, 2002, 22 (11): 32-38.

[19] 韓曉娟, 張 婳, 修曉青,等. 配置梯次電池儲能系統的快速充電站經濟性評估[J]. 儲能科學與技術, 2016, 5(4):514-521.

HAN Xiaojuan, ZHANG Hua, XIU Xiaoqing, et al. Economic evaluation of fast charging station for echelon battery energy storage system[J]. Energy Storage Science and Technology. 2016,5(4):514-521.

[20] 程 成. 用于可再生能源發電并網技術的混合儲能控制策略研究[D]. 北京:華北電力大學, 2014.

CHENG Cheng. Research on hybrid energy storagecontrol strategy for grid connected generation of renewable energy [D]. Beijing: North China Electric Power University, 2014.

[21] 李新靜, 張佳瑢, 魏引利,等. 鋰離子電池日歷壽命研究進展[J]. 電源技術,2015, 39(8):1777-1779.

LI Xinjing, ZHANG Jiarong, WEI Yinli, et al. Research progress of lithiumion battery calendar life [J]. Power Technology, 2015, 39 (8): 1777-1779.

[22] 徐 晶. 梯次利用鋰離子電池容量和內阻變化特性研究[D]. 北京:北京交通大學, 2014.

XU Jing. Research on the variation characteristics of capacity and internal resistance of Lithium-ion batteries echelon use[D]. Beijing:Beijing Jiaotong University, 2014.

[23] 陳偉華, 李 娜, 苑津莎. 梯次利用鋰離子電池循環性能分析[J]. 華北電力技術, 2017(6):14-19.

CHEN Weihua, LI Na, YUAN Jinsha. Cycle performance analysis of second-use of Lithium-ion power batteries[J]. North China Electric Power, 2017(6):14-19.

劉大賀

劉大賀(1991—)，男，北京昌平人，碩士研究生，研究方向為新能源發電控制技術、儲能技術等(E-mail:1067236785@qq.com)；

韓曉娟(1970—)，女，北京昌平人，博士，教授，研究方向為新能源發電控制技術、故障診斷、信息融合和檢測技術等(E-mail:wmhxj@163.com)；

李建林(1976—)，男，北京海淀人，教授級高級工程師，主要從事大規模儲能應用技術的研究(E-mail:dkyljl@163)。

(編輯陳 娜)

EconomicAnalysisofEchelonBatteryEnergyStorageBasedonArtificialFishSwarmAlgorithm

LIU Dahe1，HAN Xiaojuan1，LI Jianlin2

(1． School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China; 2. China Electric Power Research Institute, Beijing 100192, China)

Large scale renewable energy such as wind power grid, photovoltaic grid and others has brought great challenges to the grid′s afety and stability. Energy storage system should be configured so as to stabilize the power fluctuation and achieve energy smooth transfer. Under the application scenario of photovoltaic power plant，the echelon battery storage′ optimal planning is analyzed in the mode of stabilizing the photovoltaic power fluctuation . Economic evaluation is assessed. The optimal planning and economic evaluation model of the photovoltaic power plant energy storage system is established to meet the minimum storage capacity cost under the limit of the grid fluctuation ratio. The artificial fish swarm algorithm is used for solution optimization, and the economy evaluation of echelon battery is assessed and compared with conventional energy storage system. The results show the rationality and validity of the model.

echelon battery energy storage; photovoltaic power plants; economy; AFSA

TM912

A

2096-3203(2017)06-0027-05

2017-06-28；

2017-08-20

國家自然科學基金資助項目(51577065)；國家重點研發計劃資助項目(2017YFGX100110)