退役動力電池多場景梯次利用優(yōu)化研究

摘 要：為提高退役動力電池的利用率和經(jīng)濟效益。提出一種基于多場景應(yīng)用的退役電池優(yōu)化配置及經(jīng)濟運行研究方法，該方法根據(jù)退役動力電池剩余可用容量，依次參與不同應(yīng)用場景，以年凈收益最大為目標函數(shù)，構(gòu)建多場景聯(lián)合梯次利用優(yōu)化配置和投資回收期模型，并利用改進鯨魚算法進行求解。最后，仿真結(jié)果表明：多場景梯次利用可有效提高退役電池經(jīng)濟效益和縮短投資回收期，相比風/光伏電站單一場景，其年凈收益提高了3.378倍，投資回收期縮短了10.774 a。

關(guān)鍵詞：儲能；退役電池；梯次利用；經(jīng)濟效益；改進鯨魚算法；投資回收期

中圖分類號：TK513.5" " " " " " " "文獻標志碼：A

0 引 言

到2025年，電動汽車退役動力電池將高達52.4 GWh［1-2］。然而，動力電池在退役時，其可用容量依然較高，約為80%的原始電池容量［3］，若直接進行報廢處理，不僅增加處理成本，而且會造成資源浪費。因此，國家能源局在《2020年能源工作指導意見》中，明確將“動力電池梯次利用技術(shù)”列入2018年國家重點研發(fā)計劃［4］，至此，退役動力電池梯次利用成為廣大學者研究重點。

基于退役動力電池退役時，剩余可用容量較高，可在儲能性能要求不高的場景中再次應(yīng)用，以充分發(fā)揮其殘存價值［5-6］。文獻［7］表明，相比新電池，在某些應(yīng)用場景中，梯次鋰離子電池的環(huán)境效益更好，這進一步說明了退役動力電池梯次利用的社會價值。文獻［8］將退役動力電池應(yīng)用于風電平滑場景，通過構(gòu)建日內(nèi)最大收益目標函數(shù)，進而降低棄風量和提高退役動力電池經(jīng)濟效益。文獻［9］將退役動力電池應(yīng)用于風電/光伏電站，有效降低了新能源預測誤差影響，同時也提高了退役電池梯次利用收益。文獻［10］采用滑動平均法分離風電預測功率波動分量，進而利用退役動力電池來減少風電波動，提高風電消納。文獻［11］利用退役電池參與用戶側(cè)削峰填谷，并通過仿真實例說明，當梯次利用的退役電池回收成本低于400 元/kWh時，項目具有投資價值。文獻［12］通過采用平準化成本來構(gòu)建經(jīng)濟邊界分析模型，當退役電池有效循環(huán)次數(shù)在2000次以上，且當?shù)胤骞葍r差在0.8 元/kWh以上時，具有盈利空間；當循環(huán)次數(shù)大于2500次時，其經(jīng)濟性將優(yōu)于新電池。文獻［13-14］進一步提出將容量較低的退役電池應(yīng)用于家庭儲能場景，并構(gòu)建該場景的容量優(yōu)化配置模型，最后通過仿真驗證其可行性。

現(xiàn)階段對退役電池梯次利用的研究成果頗多，但大部分研究主要是針對單一場景，而對多場景下退役電池梯次利用的容量配置和經(jīng)濟效益分析研究較少?；诖耍疚脑谝酝芯炕A(chǔ)上，根據(jù)退役電池可用容量，提出讓退役電池依次參與不同應(yīng)用場景，以年凈收益最大為目標函數(shù)，構(gòu)建多場景聯(lián)合梯次利用優(yōu)化配置和投資回收期模型，利用改進鯨魚算法（improved whale algorithm，IWA）進行求解。

1 基于退役電池壽命的多場景梯級利用研究思路

1.1 退役電池組容量利用率評估模型

退役電池組容量利用率評估是退役電池重組和梯次利用的前提。退役電池分選重組流程如圖1所示［12］。

1.2 退役電池重組策略

由于退役電池原始額定容量和耗損等因素的不同，致使其可用容量不同，如圖2所示。因此，本文提出一種基于等容量重組策略，并在此基礎(chǔ)上，根據(jù)退役動力電池可用容量大小順序參與充放電，不僅可避免采用平均分配原則，導致部分電池供能不足，而部分電池出現(xiàn)冗余的問題，而且可有效降低低容量退役電池使用次數(shù)，進而提高其使用壽命。具體實現(xiàn)過程如下：

1）根據(jù)退役電池分選重組流程對退役電池進行分組。

2）采用文獻［15］中的基于Copula理論的一致性模型，對退役電池進行篩選。

3）確定系統(tǒng)所需充放電功率[ΔP]。

4）確定每組退役電池數(shù)量。

在本文中，為降低分組數(shù)量，根據(jù)[β]每變化5%進行分組，分成4組，同時為使各組電池數(shù)量盡量均衡。采用降級處理方法［18］，若某組數(shù)量超過全部參與退役電池數(shù)量的一定比例[ξ]，則將本組超出[ξ]的部分進行降級處理，如圖3所示。若同時存在兩組或兩組以上數(shù)量超過[ξ]，則由高等級依次進行降級程序，最低等級數(shù)量超過比例[ξ]，不再進行降級處理。

5）確定每組充放電量。

假設(shè)第[j～][N]個分組的最大功率輸出量為：

式中：[ΔPD_max_i]——第[i]組最大輸出功率，kW；[N]——退役電池組數(shù)量；[K]——第[i]組退役電池數(shù)量。

則第[j]個分組功率輸出量為：

式中：[PD_max_j]——第[j]個分組最大輸出功率，kW。

1.3 多場景梯級利用研究思路

針對以往對退役動力電池梯次利用僅僅考慮單一場景，造成其經(jīng)濟性低的問題，本文提出一種退役動力電池多場景梯次利用思路，如圖4所示。即在動力電池電動汽車應(yīng)用場景中，當電池[β]低于70%時，動力電池經(jīng)過回收、拆解、重組之后，進入風/光伏電站應(yīng)用階段，此時，當退役動力電池容量不滿足屋頂光伏需求時，依次進入家庭儲能場景，最后達到報廢階段后，再進行電池金屬等資源回收，以提高動力電池全壽命周期經(jīng)濟性。

2 退役電池梯次多場景經(jīng)濟效益模型

2.1 場景一：風/光伏電站退役電池

2.1.1 成本模型

退役動力電池梯次利用成本由回收成本、設(shè)備成本（功率變換器和管理系統(tǒng)成本）、集成成本、置換成本和運行維護成本構(gòu)成。

1）回收成本

式中：[CCZ]——容量測試和重組的費用，元/Wh；[S]——重組率；[EN2]——家庭儲能額度容量，kWh；其中[CD]中的額度容量[EN1]均由[EN2]替代計算。

2.2.2 年運行收益模型

家庭梯次儲能系統(tǒng)年運行收益包括電價差套利及電池回收收益。

5 仿真分析

5.1 基礎(chǔ)數(shù)據(jù)

算例中的風/光伏電站區(qū)域和居民單元典型日負荷曲線如圖6所示，退役電池相關(guān)參數(shù)如表1所示；常規(guī)燃煤發(fā)電環(huán)境治理成本如表2所示；分時電價如表3所示。

5.2 優(yōu)化過程與結(jié)果分析

利用改進鯨魚算法求解該模型。其種群數(shù)量、迭代次數(shù)分別設(shè)置為100、200；曲率調(diào)節(jié)量[k=μ=0.5]。假設(shè)梯次電池在多儲能場景使用的臨界容量保持率為70%［14］。IWOA算法的性能分析詳見參考文獻［22］，該文詳細分析了IWOA與PSO、WOA在搜索性能上的優(yōu)越性，此處不再贅述。

5.2.1 不同梯次電池供求分析

基于上述信息，改變場景一和場景二中退役電池容量比例，得到不同供求關(guān)系下，不同應(yīng)用場景的最優(yōu)配置容量和凈收益，如表4所示。

由表4可知，不同梯次電池供求不僅影響退役電池多場景聯(lián)合運行的年收益，而且影響其配置容量，當場景一中退役儲能電池容量大于場景二中需求時，其配置容量分別為1410和510 kWh，凈收益為928.11萬元。而當場景一中退役儲能電池容量小于場景二中需求時，其配置容量分別為1300和500 kWh，此時凈收益減少108.82萬元。由式（24）和式（25）可知，在場景一中，C6為負值，可增大其收入，而在場景二中，需購置其他梯次電池，增加了其購置成本。

5.2.2 多場景梯次利用分析

為更好地說明本文提出的退役電池多場景梯次利用的有效性和合理性，結(jié)合上述分析，假設(shè)場景一中的退役電池滿足場景二需求，且退役動力電池容量均滿足場景削峰填谷需求，并在此基礎(chǔ)上，對本文提出的多場景梯次利用和單場景的經(jīng)濟性進行對比分析。其結(jié)果如表5所示，其中投資成本包含[C1、C2]和[C3]。

由表5不難發(fā)現(xiàn)，當退役動力電池僅參與家庭儲能場景時，年凈效益為負值，處于虧本狀態(tài)，無法收回成本，僅參與場景一時，其年凈效益為95.38萬元，其投資回收期為15.307 a，而采用本文提出的多場景梯次利用方法，能有效提高其經(jīng)濟性和縮短其回收年限，相比場景一，其年凈收益提高了3.378倍，投資回收期縮短了10.774 a，這主要是在相同配置下，投資和運行維護成本基本不變，而退役電池利用率得到提升，使其收益大大增大，因此，有效提升了其經(jīng)濟性。

5.3 經(jīng)濟性分析

5.3.1 退役電池成本對經(jīng)濟性影響

隨著儲能電池本身價格的下降，其退役電池價格將隨之下降。以目前價格6000 元/kWh為起點，預測其價格降低至1500 元/kWh時，退役電池系統(tǒng)的經(jīng)濟效益和投資回收期，如表6所示。

結(jié)合表5和表6不難發(fā)現(xiàn)，退役電池經(jīng)濟性主要受成本制約，隨著成本的降低，其經(jīng)濟性得到有效改善，當其成本降低至1500 元/kWh時，其投資回收期僅需1.035 a，投資盈利空間較大。

5.3.2 峰谷電價差對經(jīng)濟性影響

由表5分析可知，峰谷價差直接影響退役電池年收益。以目前峰谷電價差0.45 元/kWh為基礎(chǔ)，分析峰谷電價差演變至1.05 元/kWh時，退役電池經(jīng)濟性和投資回收期如圖7所示。

由圖7可知，峰谷電價差越大，退役電池凈收益越大，投資回收期越短。在2021年，國家發(fā)改委發(fā)布《國家發(fā)展改革委關(guān)于進一步完善分時電價機制的通知》［23］，明確峰谷電價價差達到4倍，進一步優(yōu)化了峰谷價差空間，為儲能投資提供了空間。同時《關(guān)于創(chuàng)新和完善促進綠色發(fā)展價格機制的意見》的發(fā)布，標志著峰谷價差套利模式獲得了官方認可。

可預見，隨著儲能技術(shù)的發(fā)展，其購置成本不斷降低，隨著峰谷電價差政策的不斷完善，以及政策補貼力度的不斷增強，退役電池綜合收益越發(fā)明顯，將對第三方投資機構(gòu)的吸引力不斷增強，這將極大激發(fā)退役電池梯級利用的發(fā)展。

6 結(jié) 論

本文針對大量退役動力電池梯次利用問題，構(gòu)建退役電池多場景應(yīng)用經(jīng)濟模型。通過仿真分析可知：本文梯次的退役電池在多儲能場景梯級利用，相比風/光伏電站單一場景，其年凈收益提高了3.378倍，投資回收期縮短了10.774 a，最大程度地實現(xiàn)了退役電池的經(jīng)濟效益，縮短了投資回收期。同時，隨著峰谷價差政策的不斷出臺和儲能技術(shù)的不斷發(fā)展，退役動力電池梯次利用投資價值空間較大。

［參考文獻］

［1］ 來小康. 關(guān)于動力電池梯次利用的一些思考［J］. 儲能科學與技術(shù)， 2020， 9（2）： 598-602.

LAI X K. Opinions on the reuse of retired power batteries［J］. Energy storage science and technology， 2020， 9（2）： 598-602.

［2］ 韓路， 賀狄龍， 劉愛菊， 等. 動力電池梯次利用研究進展［J］. 電源技術(shù)， 2014， 38（3）： 548-550.

HAN L， HE D L， LIU A J， et al. Advances in secondary use research of power Li-ion battery［J］. Chinese journal of power sources， 2014， 38（3）： 548-550.

［3］ 謝寶江， 婁偉明， 羅揚帆， 等. 基于H∞無跡卡爾曼濾波的退役鋰離子電池SOC估計［J］. 浙江電力， 2020， 39（8）： 53-60.

XIE B J， LOU W M， LUO Y F， et al. SOC estimation of decommissioned" " "lithium-ion" "batteries" " "based" "on" "H∞ unscented" "Kalman" "filter［J］." Zhejiang" "electric" power， 2020， 39（8）： 53-60.

［4］ 李建林， 李雅欣， 呂超， 等. 碳中和目標下退役電池篩選聚類關(guān)鍵技術(shù)研究［J］. 電網(wǎng)技術(shù)， 2022， 46（2）： 429-441.

LI J L， LI Y X， LYU C， et al. Key technology of retired batteries’ screening and clustering under target of carbon neutrality［J］. Power system technology， 2022， 46（2）： 429-441.

［5］ 賈曉峰， 馮乾隆， 陶志軍， 等. 動力電池梯次利用場景與回收技術(shù)經(jīng)濟性研究［J］. 汽車工程師， 2018（6）： 14-19.

JIA X F， FENG Q L， TAO Z J， et al. Study on the echelon used scenario and technical recycling economy of power battery［J］. Auto engineer， 2018（6）： 14-19.

［6］ 王維. 動力電池梯次開發(fā)利用及經(jīng)濟性研究［D］. 北京： 華北電力大學， 2015.

WANG W. Research on the cascade utilization and economy" "of" "power" "battery［D］." Beijing：" North" China Electric Power University， 2015.

［7］ KAMATH D， ARSENAULT R， KIM H C， et al. Economic" and" environmental" feasibility" "of" "second-life lithium-ion" batteries" as" fast-charging" energy" storage［J］. Environmental science amp; technology， 2020， 54（11）： 6878-6887.

［8］ 馬玲， 魏成偉， 謝麗蓉， 等. 基于退役動力電池的風儲有功功率協(xié)調(diào)控制策略［J］. 太陽能學報， 2021， 42（10）： 437-443.

MA L， WEI C W， XIE L R， et al. Coordinated control strategy for wind storage active power of decommissioned power battery［J］. Acta energiae solaris sinica， 2021， 42（10）： 437-443.

［9］ 樊國旗， 呂盼， 樊國偉， 等. 退役電池梯次利用對新能源消納影響的研究［J］. 浙江電力， 2021， 40（3）： 121-126.

FAN G Q， LYU P， FAN G W， et al. Effect of second-use of" "retired" batteries" "on" "new" "energy" "consumption［J］. Zhejiang electric power， 2021， 40（3）： 121-126.

［10］ 崔傳世， 謝麗蓉， 包洪印， 等. 平抑風電功率波動退役電池儲能系統(tǒng)容量配置［J］. 電源技術(shù)， 2020， 44（8）： 1185-1190.

CUI C S， XIE L R， BAO H Y， et al. Capacity configuration of retired battery energy storage system for smoothing wind power fluctuations［J］. Chinese journal of power sources， 2020， 44（8）： 1185-1190.

［11］ 孫舟， 田賀平， 王偉賢， 等. 梯次利用電池儲能系統(tǒng)參與用戶側(cè)削峰填谷的經(jīng)濟性研究［J］. 太陽能學報， 2021， 42（4）： 95-100.

SUN Z， TIAN H P， WANG W X， et al. Research on economy of echelon utilization battery energy storage system for user-side peak load shifting［J］. Acta energiae solaris sinica， 2021， 42（4）： 95-100.

［12］ 李雄， 李培強. 梯次利用動力電池規(guī)模化應(yīng)用經(jīng)濟性及經(jīng)濟邊界分析［J］. 儲能科學與技術(shù)， 2022， 11（2）： 717-725.

LI X， LI P Q. Analysis of economics and economic boundaries of large-scale application of power batteries in cascade" " utilization［J］." "Energy" "storage" " science" " and technology， 2022， 11（2）： 717-725.

［13］ 劉堅. 電動汽車退役電池儲能應(yīng)用潛力及成本分析［J］. 儲能科學與技術(shù)， 2017， 6（2）： 243-249.

LIU J. Second use potential of retired EV batteries in power system and associated cost analysis［J］. Energy storage science and technology， 2017， 6（2）： 243-249.

［14］ 許欣慧， 舒征宇， 李世春. 基于退役電池在多儲能場景下梯級利用的經(jīng)濟運行研究［J］. 智慧電力， 2020， 48（12）： 58-64.

XU X H， SHU Z Y， LI S C. Research on economic operation of retired batteries cascade utilization in multiple energy storage scenarios［J］. Smart power， 2020， 48（12）： 58-64.

［15］ 趙偉， 閔婕， 李章溢， 等. 基于一致性模型的梯次利用鋰離子電池組能量利用率估計方法［J］. 電工技術(shù)學報， 2021， 36（10）： 2190-2198.

ZHAO W， MIN J， LI Z Y， et al. Energy utilization efficiency estimation method for second-use lithium-ion battery packs based on a battery consistency model［J］. Transactions of China Electrotechnical Society， 2021， 36（10）： 2190-2198.

［16］ 戴瑞海， 林雁， 林啟待， 等. 基于模型預測控制平抑光伏輸出功率波動的儲能充放電策略［J］. 智慧電力， 2019， 47（4）： 8-15， 52.

DAI R H， LIN Y， LIN Q D， et al. Strategy of energy storage for PV power smoothing based on model predictive control［J］. Smart power， 2019， 47（4）： 8-15， 52.

［17］ 趙偉， 袁錫蓮， 周宜行， 等. 考慮運行壽命內(nèi)經(jīng)濟性最優(yōu)的梯次電池儲能系統(tǒng)容量配置方法［J］. 電力系統(tǒng)保護與控制， 2021， 49（12）： 16-24.

ZHAO W， YUAN X L， ZHOU Y X， et al. Capacity configuration" method" of" a" second-use" battery" energy storage system considering economic optimization within service" "life［J］." Power" system" protection" and" "control， 2021， 49（12）： 16-24.

［18］ 劉吉臻， 姚琦， 柳玉， 等. 風火聯(lián)合調(diào)度的風電場一次調(diào)頻控制策略研究［J］. 中國電機工程學報， 2017， 37（12）： 3462-3469， 3674.

LIU J Z， YAO Q， LIU Y， et al. Wind farm primary frequency control strategy based on wind amp; thermal power joint control［J］. Proceedings of the CSEE， 2017， 37（12）： 3462-3469， 3674.

［19］ 嚴干貴， 馮曉東， 李軍徽， 等. 用于松弛調(diào)峰瓶頸的儲能系統(tǒng)容量配置方法［J］. 中國電機工程學報， 2012， 32（28）： 27-35， 22.

YAN G G， FENG X D， LI J H， et al. Optimization of energy storage system capacity for relaxing peak load regulation bottlenecks［J］. Proceedings of the CSEE， 2012， 32（28）： 27-35， 22.

［20］ 白麗麗， 姜封國， 周玉明， 等. 基于改進鯨魚算法的結(jié)構(gòu)可靠性優(yōu)化設(shè)計［J/OL］. 吉林大學學報（工學版），DOI：10.13229/j.cnki.jdxbgxb20211421.

BAI L L， JIANG F G， ZHOU Y M， et al. Structural reliability optimization design based on improved whale algorithm［J/OL］. Journal of Jilin university（engineering and technology edition）DOI：10.13229/j.cnki.jdxbgxb20211421.

［21］ 劉喜梅， 白愷， 鄧春， 等. 大型風電項目平準化成本模型研究［J］. 可再生能源， 2016， 34（12）： 1853-1858.

LIU X M， BAI K， DENG C， et al. Research on levelized cost of energy model of large-scale wind power projects［J］. Renewable energy resources， 2016， 34（12）： 1853-1858.

［22］ 秦文龍. 基于改進鯨魚算法的光伏發(fā)電系統(tǒng)MPPT控制研究［D］. 曲阜： 曲阜師范大學， 2021.

QIN W L. Research on MPPT control of photovoltaic power generation system based on improved whale algorithm［D］. Qufu： Qufu Normal University， 2021.

［23］ 國家發(fā)展改革委. 國家發(fā)展改革委關(guān)于進一步完善分時電價機制的通知［EB/OL］. https：//www.ndrc.gov.cn/xxgk/zcfb/tz/202107/t20210729_1292067.html？code= amp; state = 123.

National Development and Reform Commission. Notice of national development and reform commission on further improving TOU pricing mechanism［EB/OL］. https：//www.ndrc.gov.cn/xxgk/zcfb/tz/202107/t20210729_1292067.html？code= amp; state = 123.

MULTI-SCENE CASCADE UTILIZATION OPTIMIZATION OF

RETIRED POWER BATTERY

Xu Qing，Teng Jie

（Economic and Technical Research Institute of State Grid Gansu Electric Power Company， Lanzhou 730030， China）

Abstract：In order to improve the utilization rate and economic benefit of retired power battery， this paper proposes a research method of optimal allocation and economic operation of retired battery based on multi-scenario application. According to the remaining available capacity of retired power battery， this method participates in different application scenarios in turn， and takes the maximum annual net income as objective function to build multi-scenario joint echelon utilization optimal allocation and investment payback period model. The improved Whale algorithm is used to solve the problem. Finally， the simulation results show that the multi-scenario stepwise utilization can effectively improve the economic benefits of retired batteries and shorten the payback period of investment. Compared with the single scenario of wind/photovoltaic power station， the annual net income is increased by 3.378 times and the payback period is shortened by 10.774 years.

Keywords：energy storage； retired battery； echelon utilization； economic benefits； improved whale algorithm； investment payback period

收稿日期：2022-07-07

基金項目：國網(wǎng)甘肅省電力公司專項研究項目（W22FZ2730020）

通信作者：許 青（1975—），女，學士、高級統(tǒng)計師，主要從事電網(wǎng)投資管理方面的研究。baronyl@126.com