⚡ electrical engineering

Planning Future Microgrids with Second-Life Batteries: A Degradation-Aware Iterative Optimization Framework

本文提出了一种考虑光伏衰减与梯次利用电池性能退化的迭代优化框架，用于解决传统微网规划中因忽略退化效应而导致的可靠性不足和成本增加问题，从而实现更具鲁棒性的长期微网规划。

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

这篇论文讲的是一个关于如何给未来的“微型电网”做长期规划的故事，特别是当我们要使用**“退役的电动汽车电池”**（也就是二手电池）时，该怎么算账才不吃亏。

为了让你更容易理解，我们可以把整个微型电网想象成一个家庭的小菜园，而这篇论文就是教农民（规划者）如何在这个菜园里种菜和存粮，确保未来 25 年都能吃饱，还要省钱。

1. 背景：为什么要用“二手电池”？

想象一下，现在满大街都是电动汽车。这些车开久了，电池就不太能跑长途了（比如只能跑原来 80% 的路程），但把它们扔了太浪费，回收又太贵。
于是，人们想到把这些**“退役电池”（Second-Life Batteries, SLBs）拿来用在家庭或社区的微型电网里存电。这就像把旧轮胎**拿来给自行车做备用胎，虽然不如新轮胎完美，但便宜啊！

问题在于： 这些旧电池本身就已经“老”了，而且用着用着还会继续“变老”（性能下降）。传统的规划方法就像是个**“近视眼”**，只看了第一年的情况，以为电池永远那么耐用，结果规划出来的系统，过几年就经常停电（因为电池容量缩水了，或者效率变低了）。

2. 核心方法：一个“会思考”的规划工具

这篇论文提出了一种叫**“退化感知迭代优化框架”（DAIO）的方法。我们可以把它想象成一位经验丰富的老农，他在规划时不仅看现在，还会推演未来**。

这个工具分三步走：

第一步：先画个“粗略草图”（初始优化）
老农先算一笔大账：我要买多少太阳能板（PV）？买多少新电池或二手电池？买多少发电机？
- 比喻： 就像你计划装修房子，先大概算算需要多少砖头和水泥，假设这些东西永远不坏。这一步是为了快速得出一个大概的方案。
第二步：进行“时间旅行”验证（年度验证）
这是最关键的一步。老农拿着草图，开始模拟未来 25 年的变化：
- 太阳能板会“褪色”： 就像衣服晒久了会褪色，太阳能板每年效率都会下降一点点（比如每年降 0.5%）。
- 电池会“衰老”： 就像人老了力气变小，电池用久了，存电能力（容量）会变少，充放电的效率也会变低。特别是二手电池，一开始就比新电池“虚”一点。
- 比喻： 老农会想：“如果第 10 年电池只能存原来 80% 的电了，那天晚上停电了，我还能撑住吗？”如果算出来撑不住，就会经常“停电”（Load Shedding）。
第三步：不断“微调”直到完美（迭代优化）
如果第二步发现未来会停电，老农就回到第一步，把电池买大一点，然后再重新模拟。
- 聪明的搜索法（二分法）： 论文里用了一种很聪明的方法（二分搜索），就像猜数字游戏。
  - 如果买 2 度电的电池不够，买 3 度电又太贵，老农不会一个个试（1, 2, 3...），而是直接试中间值（2.5），根据结果再缩小范围。这样能用最少的次数找到那个“刚刚好”能撑过 25 年、又最省钱的电池大小。

3. 主要发现：如果不算“老化”，你会吃亏

论文通过模拟发现了很多有趣的道理：

忽视老化会“偷走”你的钱： 如果你规划时以为电池永远那么强，结果几年后电池不行了，你就得花大价钱去修或者买新的，甚至导致停电，损失更大。
二手电池其实很香： 虽然二手电池性能差一点，但因为价格便宜太多（论文里提到能便宜 30% 甚至 70%），只要规划得当（多买一点容量来弥补性能不足），它们反而比买新电池更省钱！
太阳能板也会“变老”： 太阳能板不是永远那么高效。如果规划时不考虑它每年效率下降，你可能会买太少的太阳能板，导致以后电费变高。
电价政策很重要： 如果电费价格波动大（像股市一样），用电池存电再卖出去（套利）能赚很多钱；如果电价固定，电池的用处就小一些。

4. 总结：这篇论文有什么用？

简单来说，这篇论文给未来的微型电网设计师提供了一个**“防坑指南”和“精算工具”**。

它告诉我们：

别只看眼前： 买电池和太阳能板，必须算上它们未来 20 年的“衰老”过程。
二手电池是好东西： 只要算得准，用退役的电动汽车电池能帮社区省下一大笔钱。
方法要聪明： 用这种“先估算、再验证、再微调”的循环方法，能找到既不会停电、又最省钱的最佳方案。

一句话总结：
这就好比你在给未来的家庭存粮，这篇论文教你不仅要算今天存多少，还要算清楚米缸里的米未来 25 年会不会受潮、变少，从而决定今天到底该买多大的米缸，既不让家人饿肚子，也不让钱白花。

论文技术总结：面向二次寿命电池的退化感知迭代优化微电网规划框架

1. 研究背景与问题 (Problem)

随着电动汽车（EV）的普及，大量退役动力电池（即二次寿命电池，SLBs）可用于微电网储能，这为降低储能成本提供了新机遇。然而，现有的微电网规划模型存在以下关键缺陷：

忽视退化效应：传统模型通常假设光伏（PV）和电池（BESS）的容量与效率保持不变，或仅使用简化的线性退化假设。实际上，PV 效率会随时间衰减，而 BESS 的容量和往返效率（RTE）会随充放电循环深度（DOD）和使用年限显著下降。
SLB 特性未充分建模：SLB 的初始状态健康度（SOH）较低，且其退化特性与新电池不同。忽视这些特性会导致系统容量配置不足，增加长期运行中的负荷削减（Load Shedding）风险和停电概率。
计算复杂性与精度的矛盾：精确的非线性退化模型（如基于 DOD 的循环寿命模型）计算量巨大，难以直接嵌入长周期的混合整数规划（MILP）中，导致现有研究往往在模型精度和计算可行性之间做出妥协。

2. 方法论 (Methodology)

本文提出了一种**退化感知迭代优化（Degradation-Aware Iterative Optimization, DAIO）**框架，旨在平衡计算效率与长期规划精度。该框架包含三个核心阶段：

A. 集成多年优化模型 (Integrated Multi-year Model)

目标：在规划期内最小化总成本（包括资本投资、运维、退化惩罚及负荷削减惩罚）。
策略：
- 将 PV 效率退化建模为年度线性衰减。
- 将 BESS 的容量和效率退化暂时排除在初始优化之外，而是通过“退化惩罚成本”来间接反映其经济影响，确保模型为混合整数线性规划（MILP），具有计算可解性。
- 利用时间缩放因子（ $\alpha$ ）处理高时间分辨率数据（如全年 8760 小时），同时保持模型灵活性。

B. 年度退化验证模型 (Yearly Validation Model)

目的：基于初始优化结果，逐年评估 PV 和 BESS 的实际退化情况。
机制：
- PV：根据预设的年退化率更新转换效率。
- BESS：利用等效全循环（EFC）方法，根据每年的充放电轨迹（SOC 和 DOD）计算实际循环次数。结合制造商提供的“循环寿命-DOD"曲线，计算当年的容量衰减量（ $\Delta S_{BESS}$ ）和状态健康度（SOH）。
- 效率更新：假设 BESS 往返效率与 SOH 呈线性关系，逐年更新效率参数。
- 若验证发现因退化导致负荷削减（Load Shedding）或可靠性不足，则触发迭代调整。

C. 迭代容量调整 (Iterative Capacity Adjustment)

目标：消除负荷削减，同时最小化总投资成本。
算法：采用**二分搜索（Binary Search）**策略调整 BESS 的初始容量。
- 设定上下界，通过不断重运行“优化 - 验证”循环，寻找满足零负荷削减条件的最小 BESS 容量。
- 相比固定步长调整，二分搜索显著减少了迭代次数，提高了计算效率。

3. 主要贡献 (Key Contributions)

可扩展的退化感知框架：提出了一种将 PV 效率衰减和 BESS 容量/效率退化（基于 DOD 的非线性模型）纳入长期规划的方法，同时通过解耦优化与验证保持了 MILP 的线性特征和计算可行性。
二次寿命电池（SLB）的经济评估：不仅考虑 SLB 的低资本成本，还联合建模了其初始 SOH 较低及后续退化特性，提供了更真实的 SLB 在微电网中的经济可行性分析。
高分辨率迭代优化：通过解耦投资决策与退化评估，保留了小时级的高时间分辨率，利用二分搜索快速收敛至最优容量配置，有效降低了长期运行中的可靠性风险。
鲁棒性分析：通过敏感性分析，评估了 PV 退化率、SLB 成本折扣及电网电价结构（固定、分时、实时电价）对规划结果的影响。

4. 关键结果 (Results)

基于德克萨斯州休斯顿地区的案例研究（25 年规划期，LFP 电池，含 SLB 场景）：

PV 退化的影响：忽视 PV 退化会导致过度投资光伏。在 1% 的年退化率下，优化模型倾向于完全取消光伏配置，转而依赖燃气轮机，因为光伏的长期边际效益下降。
SLB 的经济优势：
- 在固定电价和分时电价（TOU）场景下，采用成本降低 70% 的 SLB 能显著降低系统总成本（例如，在 TOU 场景下，SLB 方案比新电池方案节省约 13% 的总成本）。
- SLB 使得微电网能够配置更大的光伏容量和储能容量，提高能源自给率。
迭代优化的必要性：
- 在实时电价（Wholesale）场景下，若忽略 BESS 退化，初始优化的 2.725 MWh 容量在第 25 年会导致显著的负荷削减。
- 通过 DAIO 的二分搜索迭代，将 BESS 容量调整至 3.812 MWh（增加约 39.9%），即可实现整个规划期内零负荷削减。
- 二分搜索仅需 13 次迭代即可收敛，而固定步长法（1% 步长）需约 40 次，证明了该算法在计算效率上的优势。
电价结构的影响：实时电价虽然增加了成本波动，但为储能套利提供了机会；固定电价则提供了成本稳定性。SLB 在各类电价下均表现出成本优势，但在高波动电价下更能发挥削峰填谷作用。

5. 意义与结论 (Significance)

规划可靠性提升：该研究证明了忽视设备退化（尤其是 BESS 的容量和效率双重退化）会导致微电网规划结果过于乐观，增加长期运行中的停电风险。DAIO 框架通过迭代修正，确保了系统在全生命周期的可靠性。
SLB 商业化推动：为二次寿命电池在微电网中的规模化应用提供了量化的规划工具，表明只要成本优势足够大（如 70% 折扣），即使性能略低，SLB 仍是极具经济价值的选择。
方法论创新：提出的“优化 - 验证 - 迭代”范式，解决了非线性退化模型难以直接嵌入大规模 MILP 的难题，为未来包含高比例可再生能源和储能系统的微电网规划提供了可扩展、高精度的解决方案。
实际应用价值：该框架不仅适用于单节点微电网，其逻辑可推广至多节点或网状微电网，为电网公司和投资者在设备选型、容量配置及长期运维策略制定上提供了科学依据。