|
电话：15313702523
基于逆变器的光伏-Discover蓄电池储能系统智能降额调度
摘要
太阳能光伏（PV）和电池储能系统（BESS）正越来越多地部署在家庭和社区中。然而，传统的运行策略往往优先考虑短期电费成本，而忽略了装备老化问题。电池的反复循环会导致容量衰减，而与温度相关的光伏损耗则会影响可用发电量和系统效率。本研究为逆变器并网的光伏-电池系统开发了一种智能的退化感知调度框架，该框架在轻量化、基于规则的架构中集成了降阶电池老化、光伏退化与热降额、逆变器约束以及自适应监督控制。该框架评估了在运行约束下电费成本与电池保护之间的权衡。通过15分钟分辨率的全年模拟，对比了四种策略：基准策略、电池感知策略、电池+光伏感知策略以及自适应监督策略。相对于基准，电池感知和电池+光伏感知分别减少了18.03%和29.10%的年等效满充放电循环（EFCs），其电费变化为和自适应监督策略将EFCs降低了8.49%，并将运行成本降低了1.81%。受控消融实验表明，在补充合成电价下，监督自适应使循环次数分别减少了2.14%和10.15%，但在原始三级电价下并未改变调度。等约束比较进一步揭示了固定与自适应退化权重之间存在依赖于电价的权衡，并未确立普遍的自适应优势。使用UK-DALE住宅需求和PVGIS气象输入进行的补充模拟显示，电池循环次数一致减少了19。198.25天内为27–20.67%。研究结果表明，基于退化信息的策略可以在适度的经济权衡下减少电池循环，而自适应监管在合适的电价条件下能提供额外收益。该框架为生命周期感知型能源管理提供了一种透明且计算可行的方案，物理验证和校准老化模型仍是未来工作的重点。
1. 引言
向可再生能源的转型正在加速住宅、社区和小型工业应用中太阳能光伏（PV）和电池储能系统（BESS）的部署。这些系统可以降低电力成本，提高电网灵活性，并支持减排[1,2,3,4,5]。2023年全球新增可再生能源装机容量超过510 GW，这主要得益于太阳能光伏发电的扩展[6,7,8]。电池储能部署预计也将大幅增长，支持可再生能源的整合、韧性和系统灵活性[9]，近期评估强调了其向2030年迈进的显著增长[10,11,12]。因此，协调光伏发电与电池储能构成了分布式能源系统中的重要控制挑战，其中调度决策会影响效率、资产利用率和可靠性[13]。由于这两种资源均通过电力电子变换器与电网相连，这些决策还决定了逆变器接口资源的有功功率参考值和运行条件。
近期关于基于逆变器资源的研究也通过频率-频谱阻抗分析探讨了系统级稳定性，包括识别弱互联点[14]。虽然此类研究侧重于电气稳定性，但本研究探讨了光伏-电池系统中与运行成本和退化相关的调度权衡。
传统的能量管理策略通常优先考虑短期经济目标，包括电价套利、削峰填谷和自发自用，而未充分考虑装备老化。电池容量会因日历老化和循环老化而退化，受温度、荷电状态、放电深度和运行时间的影响[15,16,17]。光伏组件还会经历与光致衰减（LID）、电势诱导衰减（PID）以及环境应力相关的性能损失，其衰减率因技术和运行条件而异[18,19,20虽然这些过程发生在不同的时间尺度上，但它们会影响可用能量、电池利用率和系统经济性。因此，忽视与退化相关的效应可能会以牺牲长期资产性能为代价，来换取眼前的财务回报。
2. 文献综述
]光伏-电池系统的研究涵盖了经济调度、老化模型、生命周期评估、数字孪生和人工智能[33,34,35,36,37,38,39,40]运行策略通常通过模型预测控制（MPC）、线性规划和启发式方法来解决削峰填谷、电价套利和自发自用问题[1,41,42,43]。尽管在经济调度方面有效，但它们对资产老化的处理方式各异，可能忽略了与长期退化相关的成本。
电池退化源于日历老化和循环老化，其中雨流计数法被广泛用于表征循环应力[44,45]。详细的电化学模型具有物理保真度，但需要大量的校准和计算资源[46,47]。因此，降阶老化模型和退化成本公式已被纳入运行调度中[45,48,49,50]。同样，光伏退化研究记录了不同技术和气候条件下的长期性能变化[5,19,20,51]。虽然辐照度和温度通常在发电模型中有所体现，但规定的光伏老化情况在运行评估中的整合程度较低，不应将其与可调度控制的降解混淆。包括平准化度电成本（LCOE）和储能成本（LCOS）在内的生命周期方法，通过评估投资、更换和长期运营成本来补充这些模型[32,52,53,54,55].
数字孪生方法支持能源系统监控、性能评估、预测性维护和决策制定[24,25]，包括在微电网管理和监督控制中的应用[56,57]。然而，必须将基于模拟的数字副本与包含实时物理系统同步的运行孪生区分开来。人工智能和深度强化学习（DRL）也被应用于需求、发电和电价波动的能源管理中[12,58,59,60,61]。尽管这些方法可能包含降解惩罚和运行约束，但其有效性取决于模型构建、训练要求和计算资源。在需要透明的监督决策以及明确的逆变器和电池约束作为优先事项的情况下，确定性分层控制仍然具有重要意义。
最近的储能与能量转换研究推动了数字孪生建模、电池退化评估以及考虑老化的优化技术[62,63,64,65,66,67]。然而，在透明调度框架中整合降阶电池老化、预设光伏性能退化、逆变器约束和自适应监管，仍面临实际评估的挑战。特别是需要进行受控对比，以区分自适应机制与特定政策运行限制的贡献，并检验在不同运行输入下的性能表现。
表1比较了涵盖调度决策（DD）、电池老化（BA）、光伏退化（PVD）、数字孪生监控（DT-M）、运行决策支持（DT-O）、生命周期成本建模（LCO）、基于学习的AI控制（DRL/AI）以及硬件在环验证（HIL）的代表性研究。该比较识别了现有方法所涉及的建模与运行维度。本研究将考虑退化因素和逆变器约束的调度与固定策略比较、受控监督消融实验以及补充的实测输入评估相结合。
表1。代表性研究与所提框架在选定建模和运营维度上的比较（Y：是；N：否；P：部分）。
创新性与贡献
本研究为逆变器接口的光伏-电池储能系统提供了一个智能的退化感知调度框架，将电池老化指标、温度相关的光伏性能以及逆变器运行约束整合到一个统一的能量管理架构中。基于已有的退化模型和启发式调度原则，本研究的贡献在于对这些因素的透明整合与对比评估，而非开发新的老化物理模型或数值优化算法。电池退化通过边际放电成本惩罚来体现，而光伏老化和热降额则被纳入可用发电模型和性能评估中。这种区分使得能够在不涉及对底层光伏老化过程进行主动控制的情况下，研究与退化相关的运行影响。
一个轻量级的自适应监督层根据归一化的运行应力指标（包括荷电状态、温度、负荷需求和电价）来调整电池退化权重和放电阈值。底层确定性控制器则负责执行功率平衡、电池运行限制和逆变器约束。除了比较固定和自适应调度策略外，该研究还在不同电价条件下采用了受控的监督消融实验，以区分自适应机制与特定策略的运行阈值及约束所产生的影响。使用实测住宅需求和历史气象输入进行的补充评估，进一步检验了在主要合成模拟之外，所产生的电池循环趋势的一致性。
图1展示了所提出的退化感知、数字孪生启发式框架的概念结构。模拟的光伏-电池系统通过相互连接的功率转换、储能、退化和监督决策模型来表示。面向用户的交互层支持场景探索以及对运行和退化相关指标的解释。调度计算通过基于规则的控制器自动执行，提供了一个透明且计算轻量级的决策支持环境。当前的实现并未包含实时物理系统同步或双向硬件交互，因此被定位为基于模拟的数字对应物，而非完全部署的物理数字孪生。
图1。所提出的退化感知监督调度框架的概念概述。
3. 方法论
所提出的框架为逆变器并网的光伏-电池储能系统实现了考虑退化的监督调度。该计算架构结合了(i)基于物理的运行系统模型，(ii)降阶电池和光伏退化模型，以及(iii)将老化相关指标纳入调度决策的加权监督决策层。该结构旨在实现短间隔的运行能量管理，同时保持低计算复杂度和透明的退化核算。这种方法与近期考虑退化的能量管理研究一致[72,77,78].
图2展示了物理系统层、退化评估层与运行决策逻辑之间的交互。与面向规划的优化框架不同，所提出的监督调度框架在短控制间隔内运行，并随系统功率流同步更新退化指标。
图2。集成系统动力学、老化模型、逆变器接口和运行决策逻辑的退化感知监督调度框架架构。
3.1. 系统模型
该能源系统由光伏（PV）阵列、电池储能系统（BESS）以及用于供应剩余需求和接收过剩发电的电网连接组成。在每个控制间隔内，系统模型会评估交流侧的功率平衡，综合考虑光伏发电、电池充放电以及电网交换。