基于粒子群優化算法的儲能電站經濟性優化方法研究

中電建華東勘測設計院（深圳）有限公司 張學昶

隨著新能源技術的不斷發展，電力系統中新能源并網容量不斷增加，這使得儲能技術在電力系統的應用中越來越重要。儲能電站在電力系統穩定運行、優化資源配置、提高能源利用效率等方面發揮著重要作用。然而，在儲能電站建設之前，需要對儲能電站的經濟性進行分析，以確保其建設具有較高的經濟效益[1]。本文旨在介紹一種基于粒子群優化算法的儲能電站經濟性優化方法，以提高儲能電站的經濟性。

在實際工程應用中，儲能電站的經濟性會受到安裝以及維護運行等成本影響，因而需要綜合考慮其經濟性并采用最優方案。本文主要研究如何根據實際中的典型應用場景，建立儲能電站在配網側的經濟性價值評估模型，并利用粒子群優化算法來確定儲能系統充放電控制經濟性最優策略。

1 儲能電站的研究現狀

蓄電池儲能技術的日益成熟與廣泛應用，正逐步攻克風電、光伏發電等新能源接入與消納所面臨的技術難題，緩解電網因需求波動而產生的調峰壓力，降低投資建設配套輸電線路容量的需求[2]。

目前，各種儲能蓄電池技術中，鉛酸蓄電池由于歷史悠久、技術成熟且成本較低而被廣泛應用，但由于其能量密度有限、使用壽命短以及可能引發的環境問題，使得鉛酸蓄電池在實際應用中的推廣逐漸受阻。鎳鎘電池在動力電池領域的應用以達到一定的普及度，然而因其所帶來的重金屬污染問題日益突出，使得更為環保的鎳氫電池逐漸取代其地位。與此同時，鋰電池因受限于大規模集成技術的復雜性，始終未能在大容量應用方面取得突破[3-4]。

新興鈉硫電池和液流電池技術日益受到人們的矚目，并在實際應用中逐漸占據一席之地。鈉硫電池因具有高能量密度、高效率、環保性以及大容量等諸多引人注目的特點，被視為一種具有較大潛力的儲能技術，正在能源領域嶄露頭角。液流電池憑借其大容量、高效率以及超長的循環使用壽命等諸多優勢，在新能源領域和電力系統中得到了廣泛應用和高度認可。這些新興的儲能技術為提高電力系統的穩定性和效率提供了一定的可能性。

2 儲能電站的經濟性分析

2.1 初期投資成本

首先是儲能電站的初期投資成本。儲能電站初期投資成本主要包括：一是規劃設計成本，這包括進行項目研究和初步設計的費用；二是物資采購成本，涵蓋了設備的采購費用以及運輸費用；三是工程建設成本，涵蓋了設計費、安裝調試費、場地費、驗收費。上述成本總和即儲能電站的初期投資。綜合而言，儲能電站初期投資成本如下：

cje是儲能電站建設所需j類裝置單價；Nj是j類裝置數目；m是裝置種類數；lj是j類裝置運輸距離；cjt是運輸單價；ca是裝置的安裝調試費；A是儲能電站占地面積；cg是單位土地價格。

2.2 運行維護成本

儲能設備的操作與維護成本可劃分為運營成本和維修成本兩部分。其中，運營成本涵蓋了由于設備運行所產生的損失費用，以及定期進行的巡檢和檢查所產生的費用。立足于設備整個生命周期視角出發，為了得出準確的經濟評估，需要將通貨膨脹、稅收等各種經濟因素都納入考量范圍，通過綜合計算得出一個社會折現率，然后依據這一折現率來確定每年費用的現值。因此，儲能電站第t年的運行維護成本通過下述公式來完成計算：

cOM,t是單位容量年運維成本（萬元/MW/年）；Psmax是儲能電站最大容量。

2.3 儲能裝置的退役成本

能量存儲單元的退役費用主要包括退役處理的人工費用、環境保護費用和銷售回收設備的剩余費用。儲能設備因其所使用的電池等特殊材質，在退役后將帶來較大的環境成本，因此退役后的處理費用在儲能設備的總成本中占有相當大的比重。殘值是指在資產的使用年限內，在處理一項長期資產時可以預期獲得的價值，即資產殘值，通過雙倍余額遞減法來進行精確計算，以確定第a年資產的殘值C殘值，Ccaptials是資產初期投資金額，資產在折舊年限Nsi到達時的殘值為：

儲能電站退役成本為：

初始第0年設第1次投運，設第i次投運儲能設備壽命周期為Nsi。如達到及，總的投運次數為a+1次。各業務設備壽命不同，投運次數各有差異。再投入費用需計a次，殘值則多計一次。若設備未至退役年限，僅計殘值，不計人工與環保費。

儲能電站成本的現值為：

3 基于粒子群優化算法的儲能電站經濟性優化方法

3.1 粒子群優化算法

粒子群優化算法是一種高效、收斂速度快的優化方法，具有概念簡單、易于實現的特點，需要調節的參數較少[5]。本文采用粒子群優化算法來解決儲能電站經濟性的優化問題。在電力系統的優化計算和數學模型的求解中，粒子群優化算法得到了廣泛地應用。圖1展示了粒子群優化算法的計算流程。在粒子群算法中，首先需要初始化種群。然后根據預設的目標函數，計算每個粒子的適應度值。接著隨機生成粒子的速度，并保存每個粒子的個體最優值，同時更新粒子群的全局最優值。隨后更新粒子的速度與位置，并且擴大種群的規模。在擴大種群規模的每一步中，都會更新每個粒子的個體最優值與粒子群的全局最優值。同時，判斷是否達到預設的最大迭代次數或者精度范圍。如果滿足條件，算法結束。

圖1 粒子群算法計算流程圖

3.2 基于粒子群優化算法的儲能電站經濟性優化模型

由于儲能設備的運行年限一般較長，故也應該從全壽命周期這一長時間尺度去優化儲能設備的充放電控制策略，本文詳細對此進行了分析。在基于粒子群優化算法的儲能電站經濟性優化模型當中，本文以儲能電站的全壽命周期成本最小為目標函數，如下式所示：

對于基于粒子群優化算法的儲能電站經濟性優化模型當中的約束條件，包括了儲能設備自身的充放電容量約束、充放電次數約束、儲能電池的荷電狀態約束等。

4 案例分析

近年來，電力用戶側的儲能設備安裝容量也在不斷提高，需要對儲能設備的容量配置及運行控制策略進行優化，以便提高儲能設備安裝的經濟性[6]。以某電力用戶為例，分析電力儲能設備的容量配置及運行控制策略。該電力用戶對于供電可靠性的要求較高，該用戶的日負荷曲線如圖2所示。

圖2 用戶的日負荷曲線

假設儲能設備的全壽命使用周期為30年，經過對模型采用粒子群算法，并通過MATLAB 軟件編程求解，得出了儲能設備的最佳安裝容量為11.43MWh、儲能設備的額定功率為1.42MW，此時儲能設備的運行綜合效益為110萬元。在迭代計算的過程中，迭代次數的收斂曲線如圖3所示。

圖3 算法的收斂曲線

同時，通過下層優化模型的求解，也得出了儲能設備的最佳運行控制策略。儲能設備在一天的時間尺度下的充放電運行策略如圖4所示。

圖4 儲能設備的運行充放電控制策略

從圖4的儲能設備運行充放電控制策略中可以看出，在夜間時段，由于此時的負荷較低，故儲能設備運行在充電狀態，總共充電了一次。而在白天時段，此時的用電負荷水平較高，故儲能一般運行在放電狀態，以滿足用戶的實際用電需求，總共放電了兩次，達到了優化儲能設備運行的目的。本文詳細分析了儲能設備在運行過程中的成本及效益，并建立了儲能設備的運行優化控制模型。采用粒子群算法對所建立的模型進行求解，并開展了算例分析。結果表明，對儲能設備的容量及充放電控制策略進行合理地優化，具有較高的經濟效益。

綜上所述，儲能環節的引入為電力系統帶來了積極的影響。儲能環節的實施能夠實現需求側的有效管理，通過消除晝夜間的電力峰谷差異，實現負荷的均衡分配。提高了電力設備的利用效率，降低了供電成本。同時，儲能環節在推動可再生能源利用方面也發揮著重要作用，其能提升系統運行的穩定性，調整電網頻率，并對負荷波動進行有效補償。本文所探討的基于粒子群優化算法的儲能電站經濟性優化方法，對于提高電力系統的運行穩定性具有重要意義。