⚡ electrical engineering

Enhancing Optimal Microgrid Planning with Adaptive BESS Degradation Costs and PV Asset Management: An Iterative Post-Optimization Correction Framework

本文提出了一种基于迭代后优化校正（IPOC）框架的微网规划模型，通过动态调整电池储能系统（BESS）和光伏（PV）的退化成本，实现了在复杂经济条件下更精准、可扩展且具成本效益的长期资源分配。

原作者： Hassan Zahid Butt, Xingpeng Li

发布于 2026-03-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Hassan Zahid Butt, Xingpeng Li

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是在教我们如何更聪明地给一个“离网小社区”设计能源系统。

想象一下，你要在一个偏远的地方建一个自给自足的小社区。你需要三样东西：

太阳能板（PV）：像免费的午餐，但看天吃饭，有太阳才有，没太阳就没了。
柴油/天然气发电机（DG）：像备用发电机，随时能开，但要花钱买油，而且噪音大、有污染。
大电池（BESS）：像一个大水桶，白天把多余的太阳能存起来，晚上没太阳时放出来用。

以前的做法有什么问题？
以前的规划师在算账时，往往把电池想得太简单了。他们要么：

完全忽略电池的“磨损”：就像你买了一个新手机，却假设它永远像新的一样，永远不会电池老化。结果导致你买了一个电池，结果用两年就坏了，钱白花了。
或者算得太死板：他们假设电池每次都用同样的力度放电（比如每次都用到 80% 没电），然后按这个固定标准算损耗费。但现实中，电池有时候只用了 20%，有时候用了 90%，它的“寿命消耗”是完全不同的。

这就像你开出租车，以前是按“每天固定跑 100 公里”来算油费和磨损费，但实际上你有的日子只跑了 10 公里，有的日子跑了 200 公里。按固定标准算，要么让你多付冤枉钱（导致你不敢多用电池），要么让你少付钱但车早就报废了（导致电池过度使用）。

这篇论文提出了什么新招？
作者提出了一种叫**“迭代后优化修正”（IPOC）的聪明方法。我们可以把它想象成“先试跑，再算账，再调整”**的过程：

第一轮试跑（初步规划）：
先假设一个大概的电池使用强度（比如假设它每天平均用掉 50% 的电），算出一个初步的电池大小和成本。
看回放（观察实际表现）：
系统运行后，作者会像看比赛录像一样，仔细检查电池到底是怎么用的。
- 发现：“哎？原来电池大部分时间只用了 30% 的电，只有偶尔才用到 80%。”
- 修正：既然大部分时间用得轻，那电池的“磨损费”其实应该比刚才算的便宜。
重新算账（修正成本）：
根据刚才看到的真实情况，把电池的“磨损费”重新算一遍（调低或调高），然后再次运行规划模型。
循环直到完美：
重复这个过程，直到算出来的“电池怎么用”和“电池磨损费”完全对上号。这时候得出的方案，就是最省钱、最耐用的方案。

这个方法带来了什么好处？

省钱：通过更精准地计算电池寿命，系统发现可以稍微多用一点电池，少用一点昂贵的天然气发电机。论文结果显示，这种方法比老办法能再省下约 1% 的钱。在大型项目中，1% 就是巨款。
不浪费太阳能：因为电池被更合理地使用了，白天多余的太阳能不再被白白扔掉（弃光），而是存起来晚上用。
算得准：它解决了“要么电池用得太狠早坏，要么电池太惜用没发挥价值”的矛盾。

总结一下
这就好比你在规划一次长途旅行。

旧方法是：“不管路况，假设全程高速，按平均油耗算钱。”结果可能到了半路油不够了，或者带了太多油浪费钱。
**新方法（IPOC）**是：“先走一段，看看实际路况和油耗，然后动态调整剩下的路线和油量预算。”

这篇论文就是给未来的微电网规划者提供了一套**“动态调整、精打细算”**的工具，让太阳能和电池能发挥最大的价值，既省钱又环保。

论文技术总结：基于自适应电池退化成本与光伏资产管理的微电网优化规划

1. 研究背景与问题陈述 (Problem Statement)

随着可再生能源向微电网（Microgrid, MG）的转型，光伏（PV）系统和电池储能系统（BESS）已成为关键资产，特别是在偏远地区。然而，现有的微电网规划模型存在以下主要局限性：

忽视动态退化成本：传统模型往往忽略或简化了电池和光伏组件随时间退化的动态成本，导致长期规划结果不切实际。
非线性模型的复杂性：现有的高精度退化模型通常是非线性的，导致求解时间长、难以收敛或陷入局部最优，缺乏可扩展性。
静态惩罚机制的缺陷：传统方法通常使用固定的退化惩罚成本（Penalty Cost），未能考虑电池实际运行中的放电深度（DOD）变化。这导致模型无法准确评估电池寿命，进而造成电池资产的过度利用（加速老化）或利用不足（未能发挥削峰填谷的经济效益）。

2. 方法论 (Methodology)

本文提出了一种名为**迭代后优化修正（Iterative Post-Optimization Correction, IPOC）**的框架，旨在解决上述问题。该框架基于混合整数线性规划（MILP），通过以下步骤实现：

2.1 三种规划模型对比

为了验证方法的有效性，作者构建了三种微电网资源 sizing（容量配置）模型：

MGS (基准模型)：仅包含可控分布式发电（DG，此处为天然气发电机）和光伏系统，不含电池。
MGS-IB (理想电池模型)：在基准模型中加入 BESS，但忽略电池退化成本，假设电池为理想状态。
MGS-NIB (非理想电池模型)：在基准模型中加入 BESS，并纳入电池和光伏的退化成本。

2.2 IPOC 核心算法

针对 MGS-NIB 模型中电池退化成本计算的问题，提出了 IPOC 算法：

初始假设：首先假设一个固定的 DOD 水平（例如 80%）来计算电池的退化成本因子（ $\delta_{BESS}^{deg}$ ），并将其作为惩罚项放入 MILP 目标函数中。
迭代修正：
1. 求解 MILP 得到初步的电池运行策略（充放电功率、SOC 曲线）。
2. 根据实际运行数据，计算电池在模拟周期内的实际平均 DOD 和不同 DOD 水平下的循环次数。
3. 利用实际 DOD 分布重新计算更准确的电池退化成本（ $C_{BESS}^{deg\_actual}$ ）。
4. 将计算出的实际成本与初始假设成本进行比对。如果两者不一致，则更新目标函数中的惩罚项，并重新求解 MILP。
5. 重复上述过程，直到实际平均 DOD 与假设 DOD 收敛，或达到迭代终止条件。

2.3 光伏退化建模

模型同时考虑了光伏组件的退化，将其建模为基于环境因素（如紫外线、热循环）的固定年退化率，作为初始投资成本的一部分计入总成本。

2.4 仿真设置

测试系统：包含 PV、天然气发电机（DG）和 LiFePO4 电池的独立微电网。
数据分辨率：测试了三种时间分辨率以评估模型鲁棒性：
- 365 天（全年每小时数据，最高精度）。
- 12 天（每月典型日，中等精度）。
- 1 天（单一典型日，最低精度）。
求解器：使用 AMPL 建模语言，Gurobi 求解器。

3. 主要贡献 (Key Contributions)

IPOC 框架：提出了一种新颖的迭代方法，使电池退化成本能够动态适应实际观察到的 DOD 分布，解决了静态惩罚导致的资源分配偏差问题。
光伏与电池退化集成：在长期规划模型中同时集成了 PV 和 BESS 的退化成本，提供了更全面的资产性能评估。
可扩展的 MILP 方法：通过线性化技术（Big-M 方法）和迭代修正，避免了复杂的非线性优化，保证了计算效率和全局最优解的获取。
高分辨率数据处理能力：模型能够处理全年 365 天的高分辨率数据，无需牺牲时间精度来换取计算速度。

4. 关键结果 (Key Results)

基于 365 天高分辨率数据的测试结果显示：

成本节约：
- 引入理想电池（MGS-IB）相比无电池基准（MGS）降低了约 18.6% 的总成本。
- 引入考虑退化的非理想电池（MGS-NIB，未修正前）相比基准降低了约 3.1%。
- 应用 IPOC 修正后，MGS-NIB 模型的总成本进一步降低，相比基准模型实现了约 4.1% 的节约。这意味着 IPOC 框架带来了额外的 ~1% 成本优化。
资源配置优化：
- 修正后的模型（MGS-NIB + IPOC）配置了更合理的电池容量（0.37 MWh），相比理想模型（0.45 MWh）更小，但避免了过度配置。
- 同时，DG 和 PV 的容量配置也根据电池的实际可用性进行了微调。
光伏消纳提升：
- 引入电池后，光伏弃光率（Curtailment）显著下降。MGS-NIB 模型将弃光量减少了约 69%（从 2309 MWh 降至 709 MWh）。
不同分辨率下的表现：
- 在 12 天和 1 天分辨率下，IPOC 同样带来了 0.5% 到 1.7% 不等的额外成本节约，证明了该方法的鲁棒性。
灵敏度分析：
- 在 PV 和 BESS 资本成本波动 ±20% 的情况下，IPOC 框架均能自适应调整，保持最优解的准确性。

5. 意义与结论 (Significance & Conclusion)

经济性与可靠性平衡：该研究证明了通过精确建模电池退化成本，可以在保证系统可靠性的同时，显著降低微电网的全生命周期成本。
解决“利用不足”与“过度利用”矛盾：IPOC 框架有效解决了传统静态模型中因惩罚项设置不当导致的电池利用不足（无法发挥储能价值）或过度利用（加速寿命损耗）的问题。
实用性与可扩展性：该方法基于 MILP，计算效率高，能够处理高时间分辨率数据，适用于实际工程中的微电网规划，特别是对于依赖天然气和光伏的混合微电网。
未来展望：虽然本研究未显式考虑碳排放约束，但该框架为未来结合碳税或碳交易机制的微电网规划奠定了坚实基础。

总结：本文提出了一种基于 IPOC 框架的微电网规划新方法，通过动态修正电池退化成本，显著提升了长期资源规划的准确性和经济性，为可再生能源与储能系统的规模化应用提供了强有力的技术支撑。