一種考慮儲能動態特性的高速公路用能場景光儲協同配置運行方案

郁鎮瑋

（華北電力大學（北京）國家能源交通融合發展研究院，北京 102206）

經濟持續發展帶來社會對交通運輸需求的快速增長，我國交通運輸行業的能源消耗也在不斷增加，占全社會總能耗的比重逐年提升。按照近幾年國家統計數據分析，交通運輸行業能耗己成為第三大能源消耗行業，僅次于工業和生活消費業［1］。交通運輸行業中，近9成的碳排放來自公路運輸，隨著3060雙碳戰略的提出，以及新冠肺炎疫情對用能的影響［2］，我國的能源結構面臨轉型升級。從供給側改革的角度出發，公路側的高速公路場景是亟待改革的主要部分。為了落實國家政策以及減小疫情對于能源結構帶來的沖擊，我國豐富的可再生資源成為了“靈丹妙藥”。但由于可再生能源不穩定的出力與高速公路用電負荷在時間上并不匹配，必須結合儲能裝置才可以解決這一問題。隨著鋰離子電池技術的發展，國內外不斷研發出大容量，小體積，大功率的鋰離子電池［3］，為其在交通行業的應用奠定了堅實的基礎。由于鋰離子電池的物理特性，使用不當會加速鋰電池壽命的衰減，它的平抑保供作用得不到充分的發揮，系統也將出現不同程度的功率缺額，節能減排的功效得不到充分發揮，同時會增加系統全生命周期的配置成本［4］。由于高速公路的用電設備對供電可靠性的要求高，一旦負荷供能出現不穩定可能會造成巨大的危害，因此對于儲能使用過程中壽命變化的預測十分必要。

國內外的學者也已經對儲能壽命預測做出了相關研究。文獻［5］通過改進雨流計數法對儲能壽命進行預測。文獻［6］提出了一種實時評估儲能系統狀態以及壽命衰減的方法，15ms即可計算完成，但是此類方法為后驗算法，無法在優化模型中使用。文獻［7］以度電成本量化儲能損耗成本，通過取均值的方法計算20%～80%的放電深度（Depthofdischarge，DOD）的循環次數。

對于光儲的協同配置，國內外有很多學者做了相關研究。文獻［8］考慮了儲能的運行成本和售電收益，優化配置了光伏電站的儲能容量，但并未對光伏裝機進行優化。有學者從用戶側出發，考慮了用戶電價，以用電成本最小為目標，但未考慮儲能系統的損耗成本［9］。目前，關于儲能系統優化配置的研究中，很少把壽命衰減計入目標函數［10，11］，有相關學者在光儲優化配置時，僅將壽命作為目標函數中的單一變量考慮，并未在運行層面上考慮儲能壽命衰減帶來的影響［12］。

文中首先根據儲能的實際運行特性，建立了儲能放電深度與儲能壽命衰減的模型。然后，根據儲能壽命衰減特性，建立了儲能容量和額外的運行成本模型。最后根據之前提出的模型，建立了高速公路場景光儲協同配置運行混合整數非線性規劃模型，并用量子粒子群算法求解。以光伏資源充足的新疆地區高速公路隧道與附近服務區組成的微網為例，驗證了該模型的有效性。

1 鋰離子電池壽命模型

電池的壽命與工作溫度、放電深度、充放電次數有關，放電深度越大，電池的壽命越短，充放電次數越多，電池壽命越短。在電池運行時，環境溫度是可控的，因此本文考慮了放電深度和充放電次數對電池壽命以及電池容量的影響。有相關研究表明，當儲能電池的實際容量衰減至80%的額定容量時，電池的壽命可以認為是0［13］。

文獻［6］中使用雨流法計算了鋰離子電池循環次數與DOD對應表如表1所示：

表1 循環次數與DOD對應表

常見的擬合方法有N階函數擬合法，冪函數擬合法等，本文使用冪函數擬合法表征循環次數與DOD的關系，對應函數曲線如圖1所示。

圖1 循環次數與DOD對應函數曲線圖

擬合后的函數公式為：

其中NC為電池循環次數，DOD為放電深度。

儲能系統在全生命周期內的放電量為：

其中RA為儲能實際放電量，NA為該放電量下的儲能循環次數，DODA為儲能實際的放電深度，ES為儲能額定容量。則儲能系統的全生命周期額定放電量Rr為：

式（3）中，Nr為儲能的額定循環次數，DODr為儲能的額定放電深度。

由于儲能在使用過程中的充放電與負荷、光伏出力有關，并不規則，即儲能的放電深度不同，導致了電池的壽命衰減也不同。因此，為了更明顯地表征儲能壽命，對于不同放電過程需要將其放電量折算到額定放電深度下的放電量。

式（4）中，Rir為第i次放電在額定放電深度下的儲能放電量，Ri為第i次放電的放電量，Ni為第i次放電所對應的循環次數，DODi為第i次放電所對應的放電深度。

假設儲能元件進行了n次的放電，第i次的放電量為Ri。定義鋰離子電池的等效壽命L為：

式（5）中，當L＝1時，儲能元件折算到額定放電深度下的放電量Eir之和等于儲能元件以額定放電深度運行時的全生命周期放電量Er，即需要更換儲能元件。

將公式（3）－（5）整合得到L與DOD有關的公式：

因為當儲能容量小于80%時儲能退役，所以儲能的20%容量會隨著壽命的減少而衰退。與等效壽命對應的儲能容量為：

2 系統優化配置運行模型

2.1 優化函數

由于高速公路場景對于用能要求高，因此本文在保證負荷可靠供能的前提下，將系統的光儲配置運行成本最小作為指標。

式（8）中，C為系統的光儲配置運行成本，PE1為儲能配置運行成本，PE2為光伏配置運行成本，Psell為系統的售電收入，Pbuy為系統的購電消費，N為儲能使用年限。

2.1.1 儲能成本

儲能的配置運行成本PE1主要包括儲能的配置成本PC，儲能運行成本PO，儲能維護成本PD，以及儲能的壽命損耗成本Pi。

其中ES為儲能配置容量，pC為單位儲能的配置成本，pO為單位儲能運行成本，pD為單位儲能維護成本，PR為儲能的更換成本，pR為單位儲能的更換成本，當L等于1時，儲能壽命為0，需要更換，此時壽命損耗成本等于更換成本。

2.1.2 光伏成本

光伏的配置運行成本PE2主要與光伏的裝機容量有關。

式（14）中，EPV為光伏裝機容量，pPV為單位光伏的配置成本。

2.1.3 售電收入與購電成本

其中Ssell為系統向電網的售電量，psell為售電電價，Sbuy為系統向電網的購電量，pbuy為購電電價。

2.2 約束模型

設備的出力必須滿足其出力能力約束，即：

式（17）中，Pi（t）表示第i類設備在t時刻的出力，表示第i類設備的出力上限。

能量平衡約束：

PPV（t）表示光伏組件在 t時刻的出力，PS（t）為儲能在t時刻的出力，PG（t）為系統與電網在t時刻的能量交互，PLoad（t）為t時刻的負荷。

儲能在各個時刻的荷電狀態不得超過其上下限約束，充放電功率的絕對值不得超過其額定功率。儲能充放電約束：

微網與電網功率交換不能超過最大值，功率交互約束為：

儲能等效壽命等于1，儲能容量低于額定容量的0.8時，就要被淘汰，儲能壽命約束：

2.3 方法選取

光儲優化模型是一個含約束條件的非線性規劃問題，粒子群算法可以用于求解大多數優化問題，但基本粒子群算法需要設定的參數過多，缺少隨機性，容易陷入局部最優解，因此本文采用改進后的量子粒子群算法。量子粒子群算法引入了所有個體平均最優（mbest），增加了例子移動的隨機性，相比傳統的粒子群算法更具有優勢。

3 算例說明

3.1 參數設置

高速公路用能場景主要分為三部分：高速公路沿線分布用能裝置，高速公路隧道，高速公路服務區。由于第一類高速公路用能場景包括路燈、監控、可變信息標識等，分布零散，能耗小，可以使用少量光伏加儲能的模式自給自足，因此本文不考慮該種模式下的用能。根據相關規定，隧道負荷主要為通風系統、照明系統、消防系統和監控系統等，負荷較大，波動幅度較大，波動較大，但是每日負荷變化不大。服務區負荷可分為生活負荷、照明負荷、監控負荷以及通信負荷，負荷較大，波動幅度小，具有季節性。因此，可將隧道附近道路兩側的服務區與隧道組成光儲微網。

本文選取新疆地區的隧道和附近的服務區組成的微網，根據相關數據可得，隧道負荷、服務區負荷如下圖所示。其中一類負荷包括隧道的應急照明負荷，監控負荷，消防負荷，服務區的照明負荷，部分生活負荷如空調，取暖器等，二類負荷包括隧道的通風負荷，剩余的照明負荷，服務區的監控負荷，通信負荷，三類負荷包括服務區剩余的生活負荷，如圖2所示。

圖2 微網負荷

光伏組件參數如下表2所示：

表2 光伏組件參數

儲能參數如下表3所示：

表3 儲能參數

其他系統參數設置如下表4所示：

表4 其他參數

購電電價參考一般的工業分時電價，售電電價采取最新的光伏補貼政策。

3.2 模型處理

由于壽命函數是一個非線性函數，需要進行線性化，因此本文采用了文獻［14，15］的方法，具體步驟如下：

其中L（t）為第t段時間內的儲能壽命損耗，f（DOD，x） 為分段線性化函數，φDODt為分段線性化函數第i段的斜率，△DODt為DOD在第i段的取值，x為分段數，△DODt為△DODt的最大取值。

3.3 運行結果

最終運行結果儲能電池額定容量為1172.89kWh，額定功率為419.02kW，光伏配置容量為1999.102kW，考慮到實際情況，對其進行取整，運行結果如下表5所示：

表5 運行結果

微網的儲能運行情況以及與電網的交互功率如下圖3所示。由圖可知，在0－3時，由于負荷較小，電價較低，不超過電網傳輸功率約束，儲能進行充電，4時到7時，負荷超過電網功率傳輸，且光伏輸出為0或較小，儲能進行放電。8時－17時，光伏輸出較大，停止向電網購電，由于考慮到了儲能壽命，儲能進行平緩的充電。18時－24時光伏輸出逐漸減小趨于0，電價高時，儲能放電較多，電價低時，儲能放電較少，22時－24時負荷較小，電價最低，儲能充電。

圖3 仿真運行結果

為了更直觀的說明本文考慮儲能壽命模型在運行時的作用，本文將未考慮儲能壽命的優化方法進行對比，未考慮儲能壽命模型的仿真運行結果如下圖4所示。

圖4 未考慮壽命模型的仿真運行結果

典型日運行方式對儲能壽命衰減的對比以及運行一年儲能壽命變化的對比如下圖5所示。

圖5 考慮壽命模型與未考慮壽命模型的對比

本文考慮了在運行過程中，儲能壽命減少對微網與電網交互的影響。在不考慮壽命模型的情況下，儲能的壽命損耗大約是考慮壽命模型的14倍，隨著運行時間的增加，儲能容量損耗增大，會從兩方面導致經濟成本的增大：一方面儲能容量衰減過快，會導致儲能使用時間減少，全生命周期的成本會增大；另一方面當儲能容量過小時，為了滿足負荷的需求，向電網的購電量會增大，碳減排量減小。

4 結論

本文提出了一種考慮鋰離子電池壽命的光儲配置方法，首先對鋰離子電池放電深度與壽命之間的關系進行建模，并提出了壽命損耗成本。在優化時，不僅考慮了鋰離子電池在運行過程中導致的壽命損耗成本，還考慮了在運行時，因壽命減少帶來與大電網交互的變化。然后以新疆地區的高速公路場景為例，使用更具優勢的量子粒子群進行優化，并與未考慮鋰電池壽命的優化方法進行對比，有效說明了本文提出方法的優越性，未考慮鋰電池壽命的方式不僅在運行成本上有劣勢，而且對負荷供能的可靠性也較低。因此本文提出的模型對于可靠性要求較高的場景具有參考價值。