⚡ electrical engineering

Ageing-aware Energy Management for Residential Multi-Carrier Energy Systems

本文提出了一种结合物理电池老化模型的非线性经济模型预测控制策略，用于优化包含电、热、交通多载体的住宅能源系统，在降低电网成本的同时有效延长电池寿命，并验证了不同电池化学体系及老化状态下的性能优势。

原作者： Darío Slaifstein (Delft University of Technology), Gautham Ram Chandra Mouli (Delft University of Technology), Laura Ramirez-Elizondo (Delft University of Technology), Pavol Bauer (Delft University of

发布于 2026-04-20

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Darío Slaifstein (Delft University of Technology), Gautham Ram Chandra Mouli (Delft University of Technology), Laura Ramirez-Elizondo (Delft University of Technology), Pavol Bauer (Delft University of Technology)

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

这篇论文讲述了一个关于如何更聪明地管理家庭能源的故事。想象一下，你的家不再只是一个消耗电力的地方，而是一个拥有“发电厂”（太阳能板）、“充电宝”（电池）、“电动车”和“暖炉”的微型能源中心。

这篇论文的核心就是提出了一种**“会思考、懂保养”的能源管家系统**。

为了让你更容易理解，我们可以用几个生动的比喻来拆解它：

1. 过去的管家 vs. 现在的管家

过去的管家（传统方法）：
以前的能源管理系统就像一个只盯着钱包的短视管家。
- 它的逻辑： “现在电价便宜，赶紧把电存满！现在电价贵，赶紧把电放掉！”
- 后果： 它为了省电费，会让电池像拉磨的驴一样不停地转，不管电池累不累。这就好比为了省几块钱油费，让汽车引擎超负荷运转，结果导致发动机（电池）提前报废。
- 问题： 它不知道电池也会“老”，也不知道不同品牌的电池（比如 NMC 和 LFP）性格不同，一概而论。
现在的管家（本文提出的新方法）：
这是一个**“懂物理、会算账”的长寿管家**。
- 它的逻辑： “虽然现在的电价很便宜，但如果我让电池充放电太猛，它的寿命会缩短，以后换电池要花大钱。我要在‘省电费’和‘保寿命’之间找个完美的平衡点。”
- 核心能力： 它不仅仅看电压和电量，它还能“透视”电池内部，知道电池里的化学物质（比如正极材料）正在发生什么变化，从而做出最明智的决定。

2. 核心比喻：电池就像“人”

论文中提到的物理模型，其实就是把电池当成了有血有肉的人，而不是一个冷冰冰的容器。

不同的“体质”（化学材料）：
就像人有不同的体质一样，电池也有不同的“性格”。
- NMC 电池（三元锂）： 像是一个**“急性子”**，能量密度高，但稍微折腾一下（比如深度充放电）就容易“生病”（老化）。
- LFP 电池（磷酸铁锂）： 像是一个**“壮实的老汉”**，虽然反应慢一点，但特别耐造，怎么折腾都不容易坏。
- 管家的智慧： 这个新系统能认出你是“急性子”还是“壮实老汉”。如果是“壮实老汉”（LFP），它就敢让它多跑几趟（多充放几次），因为它知道这老汉身体好，反而能帮你省更多电费；如果是“急性子”（NMC），它就温柔一点，让它多休息。
不同的“年龄”（老化状态）：
电池用久了会老。
- 新电池： 像年轻人，恢复力强，主要怕“过度劳累”（循环老化）。
- 旧电池（比如用了几年，健康度 90%）： 像老年人，恢复力变差，主要怕“自然衰老”（日历老化）。
- 管家的智慧： 这个系统知道电池“老”了，就会自动调整策略。对于旧电池，它不再强迫它去干重活，而是更温和地使用，从而延长它的“晚年”寿命。

3. 家里的“三兄弟”如何协作？

这个系统管理的不仅仅是电池，还有家里的三个主要能源角色，它们像三兄弟一样分工合作：

电动车（EV）： 它是**“大胃王”，也是“移动充电宝”**。它的首要任务是保证你出门时电量充足（就像人出门要吃饱）。管家会利用它来帮家里省电费（比如晚上充电，白天把电卖给电网），但前提是别把你饿着。
固定电池（BESS）： 它是**“精明的会计”**。它专门负责在电价低时存钱（存电），电价高时花钱（放电）。管家会根据电池的健康状况，决定让它多干点活还是少干点活。
热能存储（TESS）： 它是**“慢吞吞的暖炉”**。它存热量的速度很慢，就像烧开水一样。管家不会让它像电池那样频繁开关，而是让它慢慢蓄热，在需要的时候慢慢释放。

4. 这个新系统带来了什么好处？

论文通过模拟夏天的炎热和冬天的寒冷，得出了几个有趣的结论：

省钱又省心： 使用这个新系统，虽然可能不会像“短视管家”那样把电费压到最低（因为要保护电池），但算上**“换电池的总成本”**，它是最划算的。就像你买一双耐穿的鞋，虽然单价贵，但穿五年不换，比买五双便宜鞋更省钱。
选对材料更省钱： 研究发现，如果你家装的是**LFP（磷酸铁锂）电池，配合这个聪明的管家，夏天能比用 NMC 电池省10%**的电费，而且电池坏得更慢。这就像给“壮实老汉”配了个好教练，他能发挥得更好。
越老越香： 最神奇的是，当电池变老（健康度下降）时，这个系统反而能比旧系统表现得更好。旧系统会让老电池“带病工作”，结果电费更高；新系统知道它老了，就调整策略，反而在夏天帮用户省下了**6%**的电费。

总结

这篇论文提出了一种**“全生命周期”的能源管理智慧**。

它不再把电池看作一个只会存电的容器，而是看作一个会衰老、有性格的伙伴。通过给这个伙伴配备一个懂物理、会算账的 AI 管家，我们可以在享受廉价电力的同时，让家里的电池、电动车和暖炉都活得更久、更健康。

一句话概括： 别为了省今天的电费把电池累坏了，用这个新系统，让你的能源设备“细水长流”，算总账更划算！

这是一份关于论文《Ageing-aware Energy Management for Residential Multi-Carrier Energy Systems》（面向住宅多载能系统的老化感知能源管理）的详细技术总结。

1. 研究背景与问题 (Problem)

随着建筑电气化的推进，住宅能源系统正从单一电力供应向多载能系统（Multi-Carrier Energy Systems, MCES）转变，整合了电力、热能和交通（电动汽车，EV）。然而，现有的能源管理系统（EMS）在优化调度时面临以下关键挑战：

老化模型的不准确性： 现有的 EMS 通常使用经验主义（Empirical）的老化模型，这些模型往往基于特定的拟合条件，缺乏外推能力，且难以区分不同的电池化学体系（如 NMC 与 LFP）。这导致对电池寿命的预测不准确，进而造成次优的调度决策。
多载能耦合被忽视： 许多研究将电力和热系统分开优化，或者使用简化的线性模型，忽略了不同储能系统（如电池储能 BESS、电动汽车 EV、热能存储 TESS）之间动态特性的差异及其相互影响。
短期成本与长期寿命的权衡缺失： 传统优化往往只关注短期的电网电费最小化，导致电池过度循环，加速老化，增加了全生命周期成本（TCO）。
老化状态适应性差： 现有系统难以根据电池的实际老化状态（State of Health, SoH）动态调整控制策略，导致在电池老化后性能下降。

2. 方法论 (Methodology)

本文提出了一种**基于物理模型的老化感知非线性经济模型预测控制（Ageing-aware Nonlinear Economic MPC）**框架，用于住宅多载能系统。

核心架构

系统组成： 包括光伏（SPV）、电池储能（BESS）、电动汽车（EV）、热泵（HP）、太阳能集热器（ST）、热能存储（TESS）以及电网连接。
控制策略： 采用双层架构：
1. 日前规划器（Day-ahead Planner）： 基于确定性预测进行长周期优化。
2. 经济 MPC（Economic MPC）： 处理短期动态和不确定性，滚动优化。
目标函数： 最小化总成本，包括：
- 电网购售电成本 ( $C_{grid}$ )
- 电池容量衰减成本 ( $C_{loss}$ )
- 电动汽车未充满电的惩罚项 ( $p_{SoC}$ )
- 热能存储越界惩罚 ( $p_{TESS}$ )

关键建模创新

物理降阶模型 (PBROM) 的集成：
- 摒弃了传统的经验公式，集成了基于第一性原理的电池老化模型（PBROM）。
- 老化机制： 明确建模了固体电解质界面（SEI）膜生长和活性材料（AM）损失两种主要退化机制。
- 动态更新： 模型能够根据当前的电流、电压、SoC 和温度动态更新电池参数（如容量 $Q$ 和内阻 $R_0$ ），从而反映电池的真实老化状态。
多载能差异化建模：
- BESS 和 EV： 使用非线性等效电路模型（ECM）结合 PBROM 进行性能与老化建模。
- TESS： 使用线性热力学模型，但考虑到其较长的时间常数，设计了不同的终端约束。
混合终端约束设计：
- 为了解决非凸优化问题的可行性，设计了灵活的终端约束：BESS 采用周期性约束（允许每日 SoC 浮动），EV 采用软跟踪约束（满足出发时 SoC 要求），TESS 无终端约束（自然运行）。

3. 主要贡献 (Key Contributions)

物理驱动的老化感知控制： 首次将基于物理的降阶模型（PBROM）直接集成到住宅多载能系统的 EMS 中，实现了从“价格驱动”向“全生命周期成本驱动”的转变。
化学体系区分能力： 算法能够区分不同的正极化学体系（NMC vs. LFP）。研究表明，LFP 电池在夏季能实现更低的电网成本和更低的容量衰减，而传统经验模型无法做到这一点。
老化状态自适应： 系统能够识别电池的老化状态（如 SoH 从 100% 降至 90%），并自动调整调度策略。随着电池老化，SEI 膜生长对老化的贡献减小，而活性材料损失占比增加，控制器能据此优化策略。
多载能协同优化： 成功将快速响应的电化学储能（BESS, EV）与慢速响应的热能存储（TESS）在同一优化框架下协同调度，利用各自的时间尺度特性降低成本。

4. 实验结果 (Results)

研究通过三个案例研究（夏季和冬季数据）验证了所提方法（CPBDeg）的有效性，并与两种基准（无老化模型 BNoDeg、经验老化模型 CEmpDeg）进行了对比：

案例一：老化模型对比
- 结果： CPBDeg 在保持电网成本接近最优（仅略高于无老化模型）的同时，显著降低了电池容量衰减。
- 数据： 相比无老化模型，CPBDeg 减少了约 10% 的容量衰减；相比经验模型，其每循环的相对老化率（ $\partial Q_{loss}/\partial FEC$ ）最低，表明控制策略最高效。
- 计算效率： 尽管引入了非线性物理模型，计算时间（1-5 秒）仍在实时控制可接受范围内，并未显著增加计算负担。
案例二：不同正极化学体系（NMC vs. LFP）
- 结果： 使用 LFP 电池时，CPBDeg 能更激进地进行 V2G（车网互动）和深度充放电，因为 LFP 对 SEI 生长不敏感。
- 数据： 夏季，LFP 方案的电网成本比 NMC 方案降低 10%，容量衰减降低 20%。这证明了物理模型能根据电池特性优化调度。
案例三：新旧电池管理
- 结果： 当电池老化（SoH=90%）时，传统线性基准（BNoDeg）性能恶化（电网成本增加，老化加剧），而 CPBDeg 性能反而提升。
- 数据： 在夏季，CPBDeg 利用老化后的电池特性，使电网成本比基准降低了 6%，同时容量衰减减少了 30-45%。这表明老化感知控制器能随着电池寿命的推移，自动找到更优的操作点。

5. 意义与影响 (Significance)

经济价值： 该研究证明了通过考虑电池老化物理机制，可以显著延长电池寿命，降低全生命周期成本（TCO）。对于住宅用户而言，这意味着更少的电池更换频率和更高的投资回报率（NPV）。
技术突破： 解决了多载能系统中非线性、非凸优化与复杂物理模型集成的难题，为未来智能电网和微电网的精细化控制提供了新范式。
政策与选型指导： 研究结果支持在住宅储能系统中优先选择 LFP 电池，并建议 EMS 设计应包含老化感知模块，而非仅关注短期电价套利。
可扩展性： 虽然目前假设了恒温和中等倍率，但该框架为未来结合主动热管理和极端工况下的电池控制奠定了基础。

总结： 本文提出了一种先进的能源管理策略，通过深度融合电池物理老化模型，实现了在降低电网电费的同时最大化电池寿命。该方法不仅适用于新电池，还能在电池老化过程中持续优化性能，为住宅多载能系统的经济高效运行提供了强有力的理论支持和解决方案。