基于多主體投資的雙儲能系統(tǒng)分層優(yōu)化配置方案

卞一帆，謝麗蓉，魯宗相，葉 林，路 朋，馬 偉，

（1. 可再生能源發(fā)電與并網(wǎng)技術教育部工程研究中心（新疆大學），新疆維吾爾自治區(qū)烏魯木齊市 830017；2. 電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室（清華大學），北京市 100084；3. 中國農(nóng)業(yè)大學信息與電氣工程學院，北京市 100083）

0 引言

為實現(xiàn)“碳達峰·碳中和”的能源戰(zhàn)略目標、推進中國電力市場深化改革，國家發(fā)展和改革委員會鼓勵各類投資主體投資各類電源、儲能（energy storage，ES）及增量配電網(wǎng)項目［1］。近年來，儲能在電力系統(tǒng)的發(fā)電環(huán)節(jié)得到了廣泛應用，風電場中的儲能主要起到調(diào)峰調(diào)頻［2］、平抑風電功率波動［3］、消納棄風［4］、補償風電預測誤差［5］等作用。儲能的靈活調(diào)節(jié)能力可有效平衡風電出力的隨機性、間歇性和反調(diào)峰特性，從而促進風電消納［6］。在風儲系統(tǒng)的相關研究中，儲能的優(yōu)化配置以及如何降低儲能成本等問題是當下研究的熱點。

針對儲能的優(yōu)化配置問題，文獻［7-9］分析了傳統(tǒng)單投資主體下的儲能優(yōu)化配置方法。其中，文獻［7］考慮網(wǎng)架結(jié)構(gòu)，提出一種以風儲聯(lián)合運行效益最大為目標的配置方法；文獻［8］基于模型預測控制提出在不同平抑策略下的發(fā)電側(cè)儲能配置方案；文獻［9］考慮儲能充放電的損耗，利用頻譜分析和低通濾波來求解風儲最優(yōu)配置結(jié)果。但上述文獻中單一投資主體將承擔巨大的儲能配置成本，不利于其經(jīng)濟性。

為提高投資主體的經(jīng)濟收益，文獻［10-11］對儲能運行策略進行了優(yōu)化。其中，文獻［10］采用了考慮循環(huán)壽命的雙儲能運行策略，結(jié)果表明所提策略可提升儲能經(jīng)濟性，但該策略只是在配置單一儲能后，人為增加一個規(guī)模相等的儲能，并沒有對兩組儲能進行統(tǒng)一優(yōu)化；文獻［11］利用分級控制實現(xiàn)了對雙退役電池組充放電功能的動態(tài)切換，從而提升了經(jīng)濟性，但退役電池再利用的安全性有待進一步考證。文獻［12-14］對項目投資模式進行了研究，表明多主體投資電力項目可將成本有效分散到各投資方，從而提升項目經(jīng)濟性。其中，文獻［12］基于演化博弈提出一種配電網(wǎng)與微電網(wǎng)運營商聯(lián)合投資的微電網(wǎng)規(guī)劃方法；文獻［13］提出一種基于改進非支配排序遺傳算法的綜合能源多主體投資利益均衡優(yōu)化調(diào)度方法；文獻［14］提出一種基于成本效益分析和非支配排序遺傳算法求解的多主體投資虛擬電廠容量配置模型。但目前關于多主體投資的研究主要集中于對微電網(wǎng)、綜合能源系統(tǒng)、虛擬電廠的規(guī)劃問題，對儲能規(guī)劃問題的研究較少。

針對以上問題，本文首先采用“交替工作、同步切換”方式的雙儲能運行策略，以減小儲能頻繁切換帶來的壽命損耗；然后，提出儲能分層優(yōu)化經(jīng)濟性模型，以實現(xiàn)投資主體利益均衡及最大化、保持儲能較強的充放電能力；進一步，采用單、多目標黏菌算法和模糊隸屬度函數(shù)對分層模型進行求解，得到雙儲能的最佳配置結(jié)果；最后，利用實際數(shù)據(jù)對本文方案進行驗證，并對鈉硫電池（sodium sulfur battery，NAS）、全 釩 液 流 電 池（vanadium redox battery，VRB）、多硫化物/溴液流電池（polysulfide bromine battery，PSB）、閥 控 式 鉛 酸 電 池（valve-regulated lead-acid battery，VRLA）、磷酸鐵鋰電池（lithium iron phosphate battery，LFP）的運行效果進行對比分析。

1 雙儲能系統(tǒng)運行策略

對于儲能類型的選取，目前大多數(shù)學者主要考慮目標實現(xiàn)效果及成本，一般采用能夠?qū)崿F(xiàn)大容量能量存儲的單一能量型儲能，但其與雙儲能相比響應時間更長，影響了儲能作用效果［15］。在完成相同消納任務的前提下，相較于雙儲能，單一儲能頻繁的充放電狀態(tài)轉(zhuǎn)換將導致循環(huán)壽命快速耗盡，縮短儲能的服役年限，從而極大地降低儲能的經(jīng)濟性［11］。因此，本文基于文獻［16-17］將兩個容量相等、功率相等的儲能A 和B 組合，提出一種雙儲能運行策略。具體策略如下：

1）兩組儲能采用“交替工作”方式，分別承擔充電和放電工作，且同一時段內(nèi)只有一組儲能工作。當一組儲能處于充電或放電狀態(tài)時，另一組儲能處于浮充待放電狀態(tài)或浮充待充電狀態(tài)。為簡化分析，將浮充待充電狀態(tài)和浮充待放電狀態(tài)分別歸結(jié)為充、放電狀態(tài)。

2）兩組儲能采用“同步切換”方式，當達到切換條件時，兩組儲能在運行時段交界處同步切換，具體切換策略見附錄A。

3）重復過程2），直至仿真結(jié)束。

2 多主體投資風儲系統(tǒng)分層優(yōu)化配置模型

如何合理配置儲能容量和功率、提高系統(tǒng)消納棄風的能力和運營商收益是規(guī)劃儲能的重點。相較于單主體投資模式，多主體投資模式具有更多的投資運營商，可對項目投資成本進行有效分攤。本章建立多主體投資模式下的儲能優(yōu)化配置模型。

2.1 優(yōu)化模型整體框架

綜合考慮儲能充放電能力指標和多投資主體收益建立儲能分層優(yōu)化模型。其中，上層優(yōu)化模型負責分配雙方主體對儲能的投資運維成本和收益，達到雙方主體利益最大化；下層優(yōu)化模型負責優(yōu)化儲能充放電能力，使雙儲能保持較強的充放電能力。分層優(yōu)化方案結(jié)構(gòu)如圖1 所示。

圖1 經(jīng)濟優(yōu)化配置的分層優(yōu)化方案結(jié)構(gòu)Fig.1 Structure of hierarchical optimization scheme for economic optimal allocation

2.2 上層目標函數(shù)

在規(guī)劃儲能電站時，雙方主體目標為配置儲能后各自年總收益最大，即

式中：f1為風電場運營商年收益；f2為電網(wǎng)運營商年收益；Fcur為棄風上網(wǎng)收入；Fsub，w為棄風上網(wǎng)補貼；α為風電場運營商投資占比和分成系數(shù)，取值在0 到1之 間；Fevn為 環(huán) 境 收 益；Fsub，s為 儲 能 投 運 補 貼 收 入；Crun，year為雙儲能年運行維護成本；Cinv，year為計及壽命損耗的雙儲能年投資成本；Ftgc為電網(wǎng)綠證交易年收入；Fsel為電網(wǎng)年新增售電收益。

1）計及壽命損耗的年投資成本

儲能投資建設成本包括硬件和軟件成本，其中，硬件成本是指配備一定容量儲能的成本，軟件成本是指配置功率轉(zhuǎn)換系統(tǒng)（power conversion system，PCS）、電池管理系統(tǒng)（battery management system，BMS）等設備的成本［18］。該成本函數(shù)如下：

式中：Cinv為儲能初始投資成本；CE為儲能單位容量成本；Eb，A、Eb，B和Pb，A、Pb，B分別為儲能A、B 的額定容量和額定功率；CP為儲能PCS 單位功率成本；r為貼現(xiàn)率，取6%；τbat為雙儲能使用年限。

雙儲能的循環(huán)壽命受到工作溫度、充放電切換次數(shù)、放電深度等因素的影響，儲能的運行會造成其性能的緩慢衰退并產(chǎn)生循環(huán)壽命損耗［10］。為準確計算雙儲能使用年限τbat，本文主要計及儲能A、B 充放電次數(shù)和放電深度對循環(huán)壽命的影響［17］。

2）年運行維護成本

儲能系統(tǒng)運行維護成本主要與儲能電池規(guī)模大小有關，包含由功率轉(zhuǎn)換子系統(tǒng)決定的固定部分和儲能充放電電量決定的可變部分［20］。該成本函數(shù)如下：

式中：Crun為儲能系統(tǒng)全生命周期的運行維護成本；Crun，P為儲能單位功率運行維護成本；Crun，E為單位容量運行維護成本；W1，i為儲能第i年總充放電電量；i為雙儲能系統(tǒng)建設以來運行的年數(shù)。

3）年棄風上網(wǎng)收益

建設儲能系統(tǒng)后，可將棄風電量儲存并在負荷高峰時并入電網(wǎng)，以獲得棄風上網(wǎng)收益。年棄風上網(wǎng)收益Fcur計算如下：

式中：C1為風電上網(wǎng)指導單價；W2(t)為t時段內(nèi)棄風上網(wǎng)量。

4）年風電補貼收益

由國家發(fā)展和改革委員會發(fā)布的《關于完善風電上網(wǎng)電價政策的通知》［21］可知，若風電場滿足政策要求，則新增上網(wǎng)電量將得到補貼收入。年風電補 貼 收 益Fsub，w計 算 如 下：

式中：C2為風電上網(wǎng)補貼單價。

5）年環(huán)境收益

儲能的環(huán)境效益主要包括兩部分：一部分是將部分棄風電量上網(wǎng)從而減少傳統(tǒng)火電機組并網(wǎng)電量，實現(xiàn)溫室氣體、污染物（主要包括CO2、SO2、NOx、碳粉塵和懸浮顆粒物等）減排產(chǎn)生的效益［17］；另一部分為儲能壽命終結(jié)后從電池中提取金屬材料的回收收益。年環(huán)境收益Fenv計算如下：

式中：Femi為減少傳統(tǒng)機組污染年收益；Frec為儲能電池回收收益等年值；n為排放污染物總數(shù)；λj為第j種污染物環(huán)境負荷量單位成本；Qj為傳統(tǒng)火電機組發(fā)電第j種污染物排放量；K為電池所含金屬類別總數(shù)；Rmet，k為金屬k的單價；βmet，k為單位重量儲能電池中金屬k的含量；C3為處理單位重量廢電池所需生產(chǎn)性支出；ξenery為儲能電池能重比；Eb為儲能系統(tǒng)總?cè)萘俊?/p>

6）年儲能補貼收益

對于“新能源+儲能”項目中自發(fā)自儲設施所發(fā)售的省內(nèi)電網(wǎng)電量，可根據(jù)不同地區(qū)的相關補貼政策得到補貼收入，如青海省是給予0.10 元/（kW·h）的運營補貼［22］。年儲能補貼收益Fsub，s計算如下：

式中：C4為儲能發(fā)售電能補貼單價。

7）電網(wǎng)年綠色證書交易收益

可交易綠色證書（tradable green certificate，TGC）是較為常見的一種配額制度，電網(wǎng)公司的證書數(shù)量代表其對配額制要求完成的情況［23］。若電網(wǎng)公司無法滿足配額制要求，則會受到相關部門的懲罰。因此，電網(wǎng)公司會從電源側(cè)購買可再生能源電能來獲得證書，或者從市場側(cè)通過購買其他電網(wǎng)公司的冗余證書來滿足配額要求。

棄風上網(wǎng)電量是新增接入電網(wǎng)的可再生能源電量，可利用TGC 制度將其轉(zhuǎn)換為電網(wǎng)運營商的收入。電網(wǎng)年綠色證書交易收益Ftgc計算如下：

式中：C5為綠色證書交易單價。

8）電網(wǎng)年售電收益

電網(wǎng)運營商將儲能消納的電能經(jīng)輸電網(wǎng)傳輸售賣給用戶，可獲得相應的售電收入。電網(wǎng)年售電收益Fsel計算如下：

2.3 下層目標函數(shù)

在參與棄風消納時，應盡量將兩個儲能的荷電狀態(tài)（state of charge，SOC）維持在理想?yún)^(qū)間內(nèi)，以保證足夠的充放電容量儲備。利用電池充放電能力指標f3來衡量電池SOC 偏離理想?yún)^(qū)間的程度［24］，其值越大，表明儲能電池的SOC 偏離理想?yún)^(qū)間的程度越深。當電池的SOC 為0.5 時，說明電池具有良好的充放電容量儲備，文獻［25］設定電池SOC 理想?yún)^(qū)間為［0.4，0.6］，本 文 選 取 更 嚴 格 的 區(qū) 間 為［0.45，0.55］。則下層優(yōu)化目標為儲能A、B 在年調(diào)度周期內(nèi)電池充放電能力指標值之和最小，即

式中：f3，A、f3，B分別為儲能A、B 在年調(diào)度周期內(nèi)的電池充放電能力指標值；Soc，A，avg為儲能A 的SOC 在年調(diào)度周期內(nèi)的平均值；Soc，A(t)為t時段末儲能A 的SOC 大小。儲能B 的充放電能力指標值計算方法同儲能A，這里不再贅述。

2.4 約束條件

儲能約束包括儲能充放電功率約束、SOC 約束、功率平衡約束，儲能A 與儲能B 的約束一致，此處僅描述儲能A 的約束條件。

1）儲能A 充放電功率約束

假設儲能電池在t時段內(nèi)充放電功率恒定，則其充放電功率不僅與額定功率、棄風功率有關，而且與儲能電池剩余充放電容量有關。

式 中：Pcha，A(t) 為t時 段 內(nèi) 儲 能A 的 充 電 功 率；Pdis，A(t)為t時段內(nèi)儲能A 的放電功率；Pwin(t)為t時段內(nèi)的風電場輸出功率；Pnet(t)為風儲系統(tǒng)t時段內(nèi) 的 并 網(wǎng) 功 率；Soc，A，max、Soc，A，min分 別 為 儲 能A 的SOC 上、下限值；η為儲能電池充放電效率；Δt為仿真步長。

2）儲能A 的SOC 約束

式中：τ為儲能的自放電率；Lcha，A(t)為t時段儲能的充電狀態(tài)，取值為0 或1，其中0 表示浮充等待放電、1 表示充電；Ldis，A(t)為t時段儲能的放電狀態(tài)，取值為0 或1，其中0 表示浮充等待充電、1 表示放電；Soc，A(0)為儲能A 的初始SOC；Soc，A(T)為調(diào)度期結(jié)束時儲能A 的SOC。

3）系統(tǒng)功率平衡約束

并網(wǎng)功率為風電輸出功率與儲能電站充放電功率之和。系統(tǒng)功率平衡約束如下：

儲 能B 的Lcha，B(t)、Ldis，B(t)、Pcha，B(t)、Pdis，B(t)等參數(shù)含義同儲能A 參數(shù)。

3 雙儲能系統(tǒng)多主體投資經(jīng)濟性評估指標

選取經(jīng)典投資評價指標（投資回收期和投資收益率）對雙儲能的經(jīng)濟效益進行科學評價。

1）投資回收期

投資回收期是從時間角度衡量項目投資風險程度的重要指標，本文選用投資回收期作為評價指標［26］。計算公式如下：

式中：M1為針對風電場投資儲能的投資回收期；M2為針對電網(wǎng)投資儲能的投資回收期。投資回收期越短，說明對該儲能的投資越保險。

2）投資收益率

投資收益率是衡量投資項目盈利水平的一個經(jīng)濟指標，可用系統(tǒng)全生命周期內(nèi)的年均總收益與總投資運營成本的比值來表示。計算公式如下：

式中：M3為針對風電場的投資收益率；M4為針對電網(wǎng)的投資收益率；Crun，i為儲能系統(tǒng)第i年的運行維護成本。投資收益率越大，說明該投資項目的盈利水平越好。

4 模型求解

智能算法對數(shù)學模型要求較低、應用方便，在電力系統(tǒng)優(yōu)化問題上已有較成熟的應用。本文的配置模型是非線性、多約束的混合整數(shù)優(yōu)化問題，可采用改進多目標黏菌算法對其進行求解，得到多組配置結(jié)果后利用模糊隸屬度理論求得最優(yōu)折中解。

4.1 多目標黏菌算法

黏菌算法通過使用權值來模擬覓食過程中的正負反饋，并根據(jù)食物的品質(zhì)來調(diào)整黏菌的搜索路徑［27］。文獻［28］在此基礎上，提出了多目標黏菌算法，并證明了算法的有效性。

4.2 改進多目標黏菌算法

本文將廣義反向?qū)W習策略應用到多目標黏菌算法 的 初 始 化 階 段 。 假 設xk={xk，1，…，xk，w，…，xk，v}∈X是初始種群中的第k個隨機個體，其個體變量維數(shù)為v，并且該個體的第w維變量滿足xk，w∈[lw，uw]，權重因子a是0～1 之間的隨機數(shù)。 則該個體的反向個體o(xk)={o(xk，1)，…，o(xk，w)，…，o(xk，v)} 可 利 用 式（36）求得。

對改進多目標黏菌算法的性能測試環(huán)節(jié)和算例模擬仿真步驟見附錄B。

4.3 確定最優(yōu)配置結(jié)果

上層優(yōu)化模型的目標函數(shù)和下層優(yōu)化模型的目標函數(shù)的量綱不同，本文根據(jù)模糊集理論來確定各組配置結(jié)果中各目標的滿意度。可用模糊隸屬度hd表示：

式中：fd為第d個目標函數(shù)值（d=1，2，3）；fd，min、fd，max分別為第d個目標函數(shù)的最小值、最大值。hd為0或1 時表示對第d個目標函數(shù)完全不滿意或完全滿意。定義所有配置結(jié)果的標準化滿意度為：

式中：h為各組配置結(jié)果的標準化滿意度。最后，選取標準化滿意度最大的配置結(jié)果作為最優(yōu)配置結(jié)果。

5 算例分析

5.1 算例參數(shù)

為測試改進算法在電力系統(tǒng)多目標求解中的性能，將改進多目標黏菌算法與4 種經(jīng)典的多目標智能算法進行對比，所有算法的參數(shù)設置見附錄B 表B1。選取經(jīng)典雙目標ZDT1-6 系列函數(shù)作為測試函數(shù)，測試對比統(tǒng)計結(jié)果見附錄B 表B2。

選取中國新疆哈密地區(qū)某200 MW 風電場數(shù)據(jù)、負荷數(shù)據(jù)、分時電價數(shù)據(jù)建立算例系統(tǒng)，算例參數(shù)設置見附錄C 表C1。利用K-means 聚類算法求取春、夏、秋、冬4 個季節(jié)典型日的風電數(shù)據(jù)和負荷數(shù)據(jù)，并求取其加權平均值得到一年內(nèi)某典型日的風電數(shù)據(jù)和負荷數(shù)據(jù)，見附錄C 圖C1。運用本文所提方案，對5 種不同蓄電池進行配置，電池參數(shù)［29］見附錄C 表C2、表C3。

5.2 優(yōu)化配置結(jié)果

劃分4 種場景對儲能電池容量進行分層優(yōu)化配置。情景1：單主體投資單儲能；情景2：單主體投資雙儲能；情景3：多主體投資單儲能；情景4：多主體投資雙儲能。

5 種電池優(yōu)化配置結(jié)果見附錄C 表C4。分別對比情景1 與情景3、情景2 與情景4 可知，多主體投資情景下的儲能容量和功率較大。假設儲能充電為正、放電為負，以磷酸鐵鋰電池配置結(jié)果為例，繪制多主體投資情景2、4 中儲能A 和B 充放電功率隨時間變化的情況，見附錄C 圖C2。由圖C2 可以看出，儲能A、B 處于“交替工作、同步切換”模式。

5.3 最優(yōu)儲能配置效果對比分析

5 種電池在4 種不同投資情景下的最優(yōu)儲能配置的具體運行效果對比如表1 所示。

表1 不同投資情景下的最優(yōu)儲能配置效果對比Table 1 Effect comparison of optimal energy storage configuration in different investment scenarios

分別對比情景1 與情景2、情景3 與情景4 可知，雙儲能在給投資商帶來較高收益的同時可消納更多棄風，說明雙儲能切換策略帶來的增效益可以彌補大容量大功率的成本增加。雙儲能相比于傳統(tǒng)單儲能的優(yōu)越性在附錄D 中給出了詳細的論證。分別對比情景1 與情景3、情景2 與情景4 可知，多主體投資相較于單主體，在為風電場運營商帶來較大收益并提升系統(tǒng)棄風消納能力的同時，可以為電網(wǎng)運營商帶來效益，實現(xiàn)多投資主體的互利共贏。

電池參數(shù)雷達對比圖如附錄E 圖E1 所示。分析情景4 中5 種電池的配置效果可知，LFP 為雙方運營商帶來的收益分別高達753.73 萬元和427.45 萬元，雙儲能充放電指標低至0.005，消納棄風電量高達14 019 MW·h，是較理想的儲能類型。而目前推廣較為順利的是VRLA，主要原因在于它的技術成熟度高，但VRLA 存在循環(huán)壽命短、回收價值低的缺點，使得VRLA 給運營商帶來的收益較低。相比之下，LFP 能量轉(zhuǎn)換效率高、循環(huán)壽命較長，但其高昂的投資成本阻礙了它的推廣與應用。與其他儲能電池相比，NAS、PSB 和VRB 的經(jīng)濟優(yōu)勢適中，有望在電力系統(tǒng)中得到大量應用。

5.4 經(jīng)濟性分析

根據(jù)第3 章的經(jīng)濟性評價指標模型，運營商的投資回收期和投資收益率如圖2 所示。

投資回收期越短，投資風險就越小，對項目投資者越有利。對圖2 進行分析可知，PSB 的投資風險較小，LFP 和VRB 的投資風險較大，但不同電池在不同情景下的投資回收期均在15 年或10 年的設計使用年限內(nèi)，故均具備經(jīng)濟性。

圖2 不同電池在不同情景下的經(jīng)濟性指標值Fig.2 Economic indices of different batteries in different scenarios

投資回報率越大，說明投資項目的盈利水平越高。圖中，VRLA 的投資收益率較大，VRB 和LFP的投資收益率較小，VRLA 的投資收益率最大是其仍得到廣泛使用的原因之一，而LFP、VRB 的壽命特性相對VRLA 更有優(yōu)勢，但高昂的成本導致其投資收益率較小。

在多主體投資模式下，不同的投資占比和不同的SOC 理想?yún)^(qū)間會對儲能最優(yōu)配置結(jié)果產(chǎn)生影響。為此，下文將以多主體投資LFP 為例，進一步分析儲能電池成本、電池SOC 理想?yún)^(qū)間、運營商投資占比對雙儲能系統(tǒng)的影響。

5.4.1 電池成本變化的影響分析

隨著儲能技術的發(fā)展，儲能單位成本也會降低，不同儲能成本下的最優(yōu)配置結(jié)果如圖3（a）所示，儲能成本按照10%遞減，容量起初有明顯增長趨勢，隨后漲勢趨于平緩。這是因為當儲能容量足夠大時，選取合適的功率便可消納較多棄風，繼續(xù)增大容量只會增加成本。當成本降低70%時，儲能的容量比當前約增長9.95 MW·h、功率比當前約增長2.96 MW。對圖3（b）和（c）分析可知，儲能容量功率的增大可增加棄風消納量，其所帶來的收益增加可以彌補大容量大功率帶來的成本增加。但是，隨著成本的不斷減小，投資回收期均呈現(xiàn)降低的趨勢，而投資收益率則大幅度增加，這說明較低的儲能成本會減小投資方的投資風險，提升投資方的盈利水平。

圖3 儲能成本減小對系統(tǒng)的影響Fig.3 Influence of energy storage cost decrease on system

5.4.2 電池SOC 理想?yún)^(qū)間的影響分析

以［0.45，0.55］為基準，電池SOC 理想?yún)^(qū)間的左、右邊界分別按0.025 間隔遞減、遞增，圖4（a）給出了不同理想?yún)^(qū)間下的最優(yōu)配置結(jié)果。分析可知，當區(qū)間變大后，容量和功率首先呈現(xiàn)減小的趨勢，這是因為小容量電池在運行周期結(jié)束時也能得到較優(yōu)的充放電能力指標，較大的SOC 理想?yún)^(qū)間則弱化了充放電能力指標對配置大容量電池的影響。但隨著區(qū)間的繼續(xù)增大，容量和功率出現(xiàn)增長趨勢，這是因為較小的容量功率所帶來的潛在成本效益已無法彌補其因消納棄風減少帶來的損失。由圖4（b）和（c）可知，區(qū)間的大小對系統(tǒng)年收益影響較小，對棄風消納量的影響較大。雙方運營商的投資回收期和投資收益率均呈現(xiàn)先減小后增大的趨勢，但變化不明顯，這說明電池SOC 理想?yún)^(qū)間的大小對項目的投資風險和盈利水平的影響較小。

圖4 電池SOC 理想?yún)^(qū)間增大對系統(tǒng)的影響Fig.4 Influence of increased SOC ideal range increase of batteries on system

5.4.3 運營商投資占比變化的影響分析

風電場和電網(wǎng)運營商之間存在經(jīng)濟性博弈，不同的投資占比也會影響系統(tǒng)的經(jīng)濟性。因此，圖5給出了儲能最優(yōu)配置結(jié)果和不同投資占比對系統(tǒng)經(jīng)濟性的影響。當投資占比為0.60～0.65 時，雙方運營商的投資收益率相等且雙方運營商的投資回收期相差不大，說明風電場運營商儲能投資占比取0.60～0.65 的值時，可以更好地平衡雙方主體的收益。

圖5 不同投資占比對系統(tǒng)的影響Fig.5 Influence of different proportions of investment on system

6 結(jié)語

本文在“碳達峰”和“碳中和”能源戰(zhàn)略目標的背景下，為提升新能源利用率和系統(tǒng)經(jīng)濟性，在雙儲能協(xié)調(diào)運行策略基礎上，構(gòu)建了基于多主體投資的雙儲能系統(tǒng)分層優(yōu)化配置方案。考慮兩大投資主體的利益沖突，將復雜博弈問題轉(zhuǎn)換成多目標求解問題，并通過實驗驗證，得出以下結(jié)論：

1）構(gòu)建了兼顧投資主體收益和電池充放電能力的多主體投資風儲的雙層優(yōu)化模型，提升了電池充放電能力和系統(tǒng)經(jīng)濟效益；

2）提出了雙儲能系統(tǒng)運行策略，使得雙儲能系統(tǒng)在完成相同消納任務的基礎上，減少了雙儲能系統(tǒng)中單組儲能的充放電切換次數(shù)，延長了雙儲能系統(tǒng)的使用壽命。

本文接下來的研究工作將會增加儲能應用場景，進一步完善雙儲能系統(tǒng)運行策略和多主體投資儲能經(jīng)濟性模型，并將其運用至配電網(wǎng)側(cè)、用戶側(cè)的儲能配置問題中。

本文研究受到清華大學電力系統(tǒng)及大型發(fā)電設備安全控制與仿真國家重點實驗室開放研究課題（SKLD20M20）的資助，特此感謝！

附錄見本刊網(wǎng)絡版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡全文。