计及多类型储能全寿期动态投资归算的高占比新能源系统爬坡灵活性协同规划

曹昉; 王淳奕; 郑金钊

doi:doi:10.19912/j.0254-0096.tynxb.2024-0983

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

计及多类型储能全寿期动态投资归算的高占比新能源系统爬坡灵活性协同规划

更新时间：2025-12-17

- 计及多类型储能全寿期动态投资归算的高占比新能源系统爬坡灵活性协同规划
- Issue 10, Pages: 45-55(2025)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-0983
  CLC： M715
- Published Online：31 October 2025，
  
  Published：31 October 2025
- 稿件说明：
移动端阅览
曹昉, 王淳奕, 郑金钊. 计及多类型储能全寿期动态投资归算的高占比新能源系统爬坡灵活性协同规划[J]. 2025, (10): 45-55.
DOI：

曹昉, 王淳奕, 郑金钊. 计及多类型储能全寿期动态投资归算的高占比新能源系统爬坡灵活性协同规划[J]. 2025, (10): 45-55. DOI： doi:10.19912/j.0254-0096.tynxb.2024-0983.

摘要

为进一步提高电力系统爬坡灵活性

提出计及多类型储能全寿期动态投资归算的高占比新能源系统爬坡灵活性协同规划方法。首先

考虑到储能的最大充放电功率及SOC特性随运行寿命的延长有明显衰减

在后续运行期间需对储能逐年追加装设容量

故在实验数据基础上建立储能全寿期衰减模型

并据此提出计及追加投资的全寿期动态投资归算方法;其次

在将储能按照充放电速度和单位容量投资进行分类的基础上

构建高占比新能源系统多类型储能及煤电改造一体化的爬坡灵活性协同规划配置模型;再次

基于系统爬坡需求对不同类型储能的放电速度要求、可用SOC要求以及煤电改造要求

将大规模多变量模型分成多个阶段的小规模求解过程

每一阶段求解部分未知变量;最后

采用改进的IEEE 30节点为算例

验证所提模型的正确性及有效性。

Abstract

In order to further improve the power system ramping flexibility

this paper puts forward the method of ramping flexibility collaborative planning of high proportion of renewable energy power system considering lifespan dynamic investment of multi-types energy storage. Firstly

considering that the maximum charging and discharging power and state of charge （SOC） characteristics of energy storage shows obvious deterioration over their service lifespan

additional capacity needs to be installed each year during subsequent operation

therefore

this paper established a lifespan deterioration model for energy storage based on experimental data and proposed a dynamic investment allocation method that takes into account the additional investment during the lifespan. Secondly

based on the classification of energy storage by charging and discharging speed and unit capacity investment

a multi-type energy storage and coal fired power plant transformation integrated ramping flexibility coordinated planning and configuration model was established for high proportion of new energy systems. Thirdly

based on the ramping requirements of different types of energy storage and coal fired power plant transformation

the large-scale multi-variable model was divided into multiple stages of small-scale solution processes

in which the unknown variables were solved in each stage. Finally

the IEEE 30-node system was used as an example to verify the correctness and effectiveness of the proposed model.

关键词

Keywords

references

龚银, 刘煜. 高比例可再生能源渗透电力系统关键技术研究[J]. 电气技术与经济,2024 (2): 104-106, 109.

自然资源保护协会、华北电力大学.电力系统灵活性提升:技术路径、经济性与政策建议[R]. 2022.

李杨, 孙斌, 吴峰, 等.考虑动态频率约束的多能源电力系统日前-日内优化调度[J]. 太阳能学报, 2024, 45(2): 406-415.

梁璐, 洪烽, 季卫鸣, 等. 大规模飞轮储能阵列协同火电机组调频的能量管理系统[J]. 中国电机工程学报, 2025, 45(7): 2658-2669.

虞启辉, 高胜昱, 孙国鑫, 等. 基于风光互补发电系统的压缩空气混合储能系统容量优化[J]. 新能源进展, 2024, 12(1): 74-81.

张浚坤, 雷二涛, 韩蓉, 等. 计及转化效率的电化学储能电站日运行策略研究[J]. 太阳能学报, 2024, 45(5): 198-205.

刘道兵, 李珏岑, 齐越, 等.考虑碳效益和运行策略的风电场储能优化配置[J].太阳能学报, 2025, 46(2): 664-675.

王威, 谢丽蓉, 张琦, 等.基于优化赋权模型预测控制的风储协调策略研究[J]. 太阳能学报, 2024, 45(5): 260-266.

桑丙玉, 杨波, 李克成, 等.模型差异性混合储能系统建模及功率分配[J]. 太阳能学报, 2024, 45(1): 433-441.

HU X S, JIANG H F, FENG F, et al.An enhanced multi-state estimation hierarchy for advanced lithium-ion battery management[J]. Applied energy, 2020, 257: 114019.

谢翌, 江迪生, 张扬军, 等. 新能源汽车锂离子电池组SOC-SOP联合估计算法[J]. 汽车安全与节能学报, 2022, 13(3): 580-589.

吴雄, 贺明康, 何雯雯, 等. 考虑储能寿命的风-光-火-储打捆外送系统容量优化配置[J]. 电力系统保护与控制, 2023, 51(15): 66-75.

邵泽广, 李永丽, 李怡, 等. 计及混合储能寿命损耗的光伏功率平抑策略[J]. 电力系统及其自动化学报, 2024, 36(2): 97-104.

刘凡, 李凤婷, 张高航, 等.计及循环寿命和运营策略的风电汇集区域储能电站优化配置[J]. 电力系统保护与控制, 2023, 51(8): 127-139.

孙一飞. 满足新型电力系统特性的爬坡辅助服务市场机制研究[D]. 北京:华北电力大学,2023.

李霞, 陈景文, 周光荣, 等. 基于半经验法的锂离子电池衰减模型[J]. 计算机与数字工程, 2024, 52(2): 578-583.

程苒, 段瑶, 吴亚雄, 等. 考虑等效循环放电深度约束的配电网储能规划[J]. 南方电网技术, 2024(10): 54-63.

ESTER M,KRIEGEL H P,SANDER J,et al.A density-based algorithm for discovering clusters in large spatial databases with noise[C]//Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining. Portland: AAAI Press, 1996: 226-231.

闫强强, 张敏, 荀亚玲. 采用有效邻近点和适应密度的密度聚类算法[J]. 计算机技术与发展, 2022, 32(9): 14-22.

汪鹏, 刘泽玲, 王利琴, 等. 基于PB-DBSCAN的GPS数据去噪[J]. 计算机工程与设计, 2021, 42(3): 678-683.

赵小磊, 姚良忠, 刘运鑫, 等.面向储能多应用价值协同的风光储系统日前优化调度方法[J]. 高电压技术, 2024, 50(6): 2511-2522.

魏乐, 李承霖, 房方, 等. 小样本下基于改进麻雀算法优化卷积神经网络的飞轮储能系统损耗[J]. 电网技术, 2025, 49(1): 366-372.

田博文, 张志禹, 杨梦飞. 基于多次滑动均值滤波的混合储能功率分配与定容研究[J]. 电工技术学报, 2024, 39(5): 1548-1564.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

SCALE AND STRUCTURE PLANNING OF GRID-CONNECTED ENERGY STORAGE BASED ON VALUE SUBSTITUTION

新能源场站电化学储能暂态能量支撑优化控制模型

光-储-充一体化电动汽车充电站规划方法研究

Related Author

潘艳

赵伟

徐鹏

李智

董雪情

Peng Yumin

Wang Mu

Chen Man

Related Institution

Energy Storage Research Institute of CSG Power Generation Company

Sichuan Energy Internet Research Institute, Tsinghua University

Energy Storage Technology Engineering Research Center, North China University of Technology

China Datang Corporation Renewable Power Co., Limited

Department of Electrical Engineering, Tsinghua University

AI问答

⁰