计及电池寿命衰减与源荷不确定性的光伏换电站运行优化方法
本发明属于光伏换电站运行优化,具体涉及计及电池寿命衰减与源荷不确定性的光伏换电站运行优化方法。
背景技术:
1、双碳目标引导下,电动汽车(ev)因其环保的优势得到快速发展。截至2025年底,ev保有量为3022万辆,预计至2030年,国内ev保有量将达到8300万辆。目前ev的补能方式分为充电和换电两种。光伏换电站相较于充电站,具有补能速度快、操作便捷等优势,并且可实现动力电池集群和ev集群在时间、空间、资产上的解耦。近年来,光伏换电站(bss)模式得以推广,通过光伏与站内电池协同运行,可以进一步提升光伏换电站的经济效益。因此,光伏换电站的运行优化问题逐渐获得国内外学者的关注。
2、在光伏换电站运行优化方面,现有技术多以各电池荷电状态(soc)分段的电池数量为优化变量,建立基于恒功率充电机制的光伏换电站运行优化模型,或以最大化光伏换电站收益与光伏消纳率为目标构建考虑光伏消纳的光伏换电站优化调度模型。上述方法均属于基于预测信息的确定性调度方式,即假定光伏出力和换电需求已知,据此安排站内电池的充放电计划。然而,光伏出力受天气影响呈现显著的波动性与间歇性,换电需求随用户行为变化具有随机性,确定性模型在实际运行中难以应对源荷双侧的波动,可能导致调度方案失效或运行收益大幅偏离预期。因此,在光伏换电站运行优化中,必须计及源荷双侧不确定性的影响。
3、针对不确定性问题,现有技术主要采用随机规划、机会约束规划、分布鲁棒优化和鲁棒优化四类方法。随机规划通过优化多个场景下的期望目标值进行决策,但光伏出力和换电需求场景的生成通常依赖蒙特卡洛方法,其决策效果受场景数量和概率分布准确性的制约。机会约束规划允许在给定置信水平下求解含不确定性因素的优化问题,已有应用于光伏换电站日前调度的方法通过概率序列化将机会约束转化为确定性约束,并设定换电需求无法满足和光伏出力不足的风险阈值,但该方法依赖于概率分布的准确获取,实际中难以满足。分布鲁棒优化可在概率分布不准确时降低方案的保守性,但现有应用于光伏换电站的方法大多只考虑光伏出力预测误差及其概率分布的不确定性,未同时计及换电需求的随机性。传统单阶段鲁棒优化能够保证方案在最恶劣场景下的可行性,但所得调度方案过于保守,经济性较差。两阶段鲁棒优化将决策分为“事前状态决策”和“事后功率调整”两个阶段:第一阶段确定站内电池和储能的充放电状态,第二阶段根据光伏出力的实际值对充放电量进行调整,能够有效降低保守性;但现有采用多面体不确定集合的方法在降低保守性的同时显著增加了模型复杂度和求解时间,难以满足日内调度的时效性要求。相比之下,在箱式集的基础上引入鲁棒调节参数,将不确定集合表征为预算集,可在兼顾求解速度的同时实现鲁棒性与经济性的平衡。然而,上述各类方法在处理源荷不确定性时,均忽略了电池充放电所导致的电池寿命衰减问题。
4、除源荷不确定性外,电池寿命衰减是影响光伏换电站经济性的另一关键因素。光伏换电站为应对源荷波动,需频繁调整电池充放电策略,导致电池循环次数和放电深度增大,从而加速电池寿命损耗。因此,在优化调度中计及电池寿命衰减带来的成本,是提升光伏换电站全生命周期经济性的关键。电池寿命的影响因素主要包括放电深度、循环次数和温度。现有技术中,一类方法通过给定放电深度和循环次数的上限值来减缓电池寿命衰减,但未刻画二者与电池寿命之间的内在定量关系;一类方法以最小化循环次数为目标,构建充电成本与循环次数最小化的多目标优化模型,却忽略了放电深度和温度的影响;还有方法进一步考虑放电深度和循环次数对电池寿命的共同影响,构建计及电池运维成本的光伏换电站优化调度模型,在保障换电收益的同时降低了电池运维成本。然而,上述方法均着眼于通过优化放电深度和循环次数来减少电池损耗,忽视了温度对电池寿命和电池效率的影响。实际上,在低温环境下,电池内阻增大,充放电过程中产生的焦耳热增多,导致电池充放电效率下降;同时电池内部副反应加剧,寿命衰减明显加快。若调度模型不考虑低温效应,所得方案在寒冷地区实际运行时将显著偏离经济性预期。
5、综上所述,现有技术在光伏换电站运行优化方面仍存在以下不足:其一,确定性调度模型难以应对光伏出力与换电需求的双侧不确定性,现有不确定性处理方法在保守性、求解效率或需求侧随机性刻画上各有欠缺;其二,现有方法在处理源荷不确定性时普遍忽略电池充放电导致的寿命衰减问题,应对最恶劣场景的调度方案可能以牺牲电池寿命为代价;其三,现有电池寿命建模多基于常温条件,缺乏对低温环境下电池效率降低与寿命加速衰减问题的考虑。
技术实现思路
1、根据以上现有技术中的不足,本发明的目的在于提供计及电池寿命衰减与源荷不确定性的光伏换电站运行优化方法,计及低温下电池寿命衰减与源荷不确定性,构建两阶段鲁棒优化模型,兼顾经济性与鲁棒性,可有效延长电池寿命,提升光伏换电站低温运行收益。
2、为达到以上目的,本发明提供了计及电池寿命衰减与源荷不确定性的光伏换电站运行优化方法,包括以下步骤:
3、s1、基于放电深度、循环次数和温度三个影响因素,建立电池寿命的半经验模型;
4、s2、将电池全寿命周期成本折算为日运维成本并分段线性化,线性化温度影响系数,建立电池充放电功率与环境温度共同决定的电池温升方程;
5、s3、借助中间变量及大m法对电池运维成本中的非线性项进行线性化;
6、s4、将线性化的电池日运维成本计入目标函数,考虑光伏出力和换电需求的不确定性,将光伏换电站运行构建为一个两阶段鲁棒优化模型,第一阶段确定光伏换电站与电网的购售电状态量和电池充放电状态量,第二阶段确定最恶劣场景下的光伏换电站在各时段的购售电量和电池的充放电功率;
7、s5、采用mccormick包络定理线性化两阶段鲁棒优化模型中的双线性项,并采用c&cg算法将两阶段鲁棒优化模型分解为主问题与子问题迭代求解,其中子问题的互补松弛约束采用大m法线性化,迭代至上下界收敛后输出光伏换电站最优充放电调度方案。
8、作为本发明的优选实施方式,所述的s1中,电池寿命与放电深度呈指数衰减的关联,与循环次数则表现为线性衰减的关系,电池寿命的半经验模型表示为:
9、(1);
10、式中,为电池的寿命;为电池的放电深度;表示放电深度为下的总循环次数;为电池的日循环次数;为电池满充满放时对应的总循环次数;表示循环次数与放电深度非线性关系的指数参数;为温度相关的电池寿命衰减率;
11、对于低温对电池寿命衰减的影响,通过阿伦尼乌斯公式来描述衰减率,寿命衰减率与温度的关系为:
12、(2);
13、式中,、分别为副反应对电池寿命的影响系数;、为副反应的活化能;r为摩尔气体常数;为电池温度;e为自然常数。
14、作为本发明的优选实施方式,所述的s2中,建立电池温升方程的过程为:
15、s2.1、将电池全寿命周期成本折算为日运维成本:
16、(3);
17、式中,为电池的日运维成本;为电池的度电运维成本;r为贴现率;
18、s2.2、对式(3)分段线性化,得到式(4),对式(2)线性化,得到式(5):
19、(4);
20、(5);
21、式中,t为时段数量;k为光伏换电站拥有的电池数量;d为放电深度的分段数量;为时间尺度;为电池k在t时段的放电深度分段标志量,当放电深度处于第i分段时为1,否则为0;ai和bi为放电深度处于第i分段时,分段线性函数中的比例系数和常数项;为电池k在t时段的温度影响系数;为电池k在t时段的电池温度;表示电池k的日循环次数;
22、s2.3、将空调散热和电池充放电时产生的焦耳热集中表示为热功率,电池自热功率与电池的充放电功率成正比,电池温升方程表示为:
23、(6);
24、(7);
25、(8);
26、式中,为电池k在t时段的自发热功率:ah为热功率关于电功率的比例系数;与分别为电池k在t时段的充电功率和放电功率;为电池k在t时段的温升;为电池热阻;为环境温度。
27、作为本发明的优选实施方式,所述的s3中,线性化具体为,利用大m法,对线性化,表示为:
28、(9);
29、(10);
30、式中,为对应第i个放电深度分段引入的中间变量,当取值为1时,,否则取0;为各分段中间变量之和;为大m法中的常数。
31、作为本发明的优选实施方式,所述的s4中,光伏换电站的运行优化目标为在光伏出力和换电需求场景最恶劣情况下的日运行成本最小,包括光伏换电站从电网购电的成本与向电网售电的收益之差、电池日运维成本、光伏运维成本和提供换电服务的收益,两阶段鲁棒优化模型的目标函数表示为:
32、(11);
33、式中,与分别为光伏换电站在t时段向电网的购电电价与售电电价;与分别为光伏换电站在t时段向电网的购电功率与售电功率;为光伏单位运维成本;为t时段光伏出力的实际值;为光伏换电站在t时段的换电价格;为电池k在t时段的换电电量;表示第一阶段决策变量;表示第二阶段决策变量;表示不确定变量。
34、作为本发明的优选实施方式,两阶段鲁棒优化模型的约束条件包括光伏换电站电池调度约束和系统运行约束;
35、其中,光伏换电站电池调度约束包括电池状态约束、电池充放电约束、电池荷电状态约束、放电深度分段约束、换电电池电量约束、电池的循环次数约束、电池运维成本和电池温升相关约束;
36、系统运行约束包括光伏换电站与上级电网间的交易约束、功率平衡约束和光伏换电站整体功率互斥约束。
37、作为本发明的优选实施方式,各个约束条件具体为:
38、电池状态约束,光伏换电站的电池有充电、放电和静置3种状态,某一时段,电池只能有一种状态,表示为:
39、(12);
40、式中,、和分别为电池k在t时段充电状态、放电状态和静置状态的0-1变量,对于,处于充电状态时为1,否则为0,其余同理;
41、电池充放电约束,当电池充电或放电时,充电功率和放电功率不超过上限值;当电池静置时,充电功率和放电功率均为0,表示为:
42、(13);
43、(14);
44、(15);
45、式中,为电池的最大充放电功率;
46、电池荷电状态约束,表示为:
47、(16);
48、(17);
49、(18);
50、(19);
51、式中,、分别为电池k在t、t+1时段的电量;和分别为电池的荷电状态最小值和最大值;为电池的容量上限;为电池k在t时段的电池效率;、分别为电池k在起始时段、末尾时段的电量;
52、放电深度分段约束,放电深度与荷电状态之和为1且电池放电深度在某时段只能处于一个分段,表示为:
53、(20);
54、(21);
55、(22);
56、(23);
57、式中,为电池k在t时段的放电深度;和分别为第i个放电深度分段的上下限范围;
58、换电电池电量约束,光伏换电站内只有满电的电池才能用于换电,表示为:
59、(24);
60、式中,为t时段电池k是否用于换电的状态量,用于换电时取值为1,否则为0;
61、电池的循环次数约束,电池的一充一放为一个循环,故电池的循环次数用状态改变次数的一半来表示:
62、(25);
63、(26);
64、式中,为电池k在t时段的电池状态量改变标志,满足式(26)中条件时取值为1,否则为0;、和分别为电池k在t-1时段充电状态、放电状态和静置状态的0-1变量;
65、电池运维成本和电池温升相关约束,包括式(5)~式(10);
66、光伏换电站与上级电网间的交易约束,交易功率受边界约束,且购电与售电不能同时进行,表示为:
67、(27);
68、(28);
69、(29);
70、式中,和为光伏换电站在t时段向上级电网的购电状态和售电状态,对于,购电时取值为1,否则为0,同理;为光伏换电站与上级电网间的最大交易功率;
71、功率平衡约束,光伏换电站在任意时段均满足功率平衡,表示为:
72、(30);
73、(31);
74、(32);
75、式中,为t时段光伏换电站整体充电功率;为t时段光伏换电站整体放电功率;
76、光伏换电站整体功率互斥约束,整体功率需满足充放电互斥:
77、(33);
78、式中,为t时段光伏换电站整体功率是否为充电的状态量,为0时光伏换电站充电,否则为不充电。
79、作为本发明的优选实施方式,不确定变量的取值集合v为:
80、(34);
81、式中,为t时段光伏出力的预测值;为光伏换电站在t时段的电池数量需求;为预测误差最大值;为t时段电池数量需求的预测值;为电池数量需求的最大波动;为电动汽车用户电池电量需求的期望值;为光伏出力不确定性的鲁棒调节参数,表示光伏出力最多个时段取最恶劣场景;为换电需求不确定性的鲁棒调节参数,表示换电需求最多个时段取最恶劣场景。
82、本发明所具有的有益效果是:
83、本发明建立了计及温度、放电深度和循环次数的电池寿命衰减模型,并通过贴现率将电池全寿命周期成本折算为日运维成本纳入调度目标,同时构建了低温环境下电池温度、充放电功率与充放电效率之间的耦合关系,实现了充放电决策与电池寿命衰减之间的双向影响刻画。与现有换电站调度技术相比,本发明能够避免单纯追求电费最低而导致的过充、深放等损伤电池的运行工况,显著降低电池等效日循环次数,延长电池使用寿命,实现换电站全寿命周期的经济性最优,尤其解决了低温环境下电池效率下降与寿命加速衰减难以计及的问题。
84、本发明考虑光伏出力与换电需求的双侧不确定性,构建了两阶段鲁棒优化模型,并引入鲁棒调节参数将不确定集合表征为预算集,在兼顾求解速度的同时实现鲁棒性与经济性的灵活平衡,克服了确定性调度方案难以应对源荷波动、单阶段鲁棒方案过于保守以及多面体集合法复杂度高的问题;同时,针对温度耦合引入的双线性项,采用mccormick包络定理线性化并结合c&cg算法迭代求解,拟合误差小、收敛速度快,保证了模型在工程应用中的可求解性,所得调度方案在最恶劣场景下仍能保障换电服务的可靠性与运行收益。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com