⚡ electrical engineering

Multi-Region Optimal Energy Storage Arbitrage

本文提出了一种基于混合整数线性规划的多区域储能套利优化模型，通过精确处理跨区域互联约束与电池运行特性，利用比利时 - 英国八年数据验证了跨市场参与可将套利收益提升 40% 以上，并引入伪效率概念以优化电池循环利用率。

原作者： Md Umar Hashmi, Harsha Nagarajan, Dirk Van Hertem1

发布于 2026-04-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Md Umar Hashmi, Harsha Nagarajan, Dirk Van Hertem1

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**“跨国电力套利”的聪明故事。为了让你轻松理解，我们可以把电力市场想象成两个相邻的“超级菜市场”，而电池就是一个“超级搬运工”**。

1. 核心故事：两个菜市场的差价

想象一下，有两个相邻的菜市场：

A 市场（比利时）： 早上菜价很便宜，晚上很贵。
B 市场（英国）： 早上菜价很贵，晚上很便宜。

以前，如果你只有一个**“电动购物车”（电池）**，你只能在一个市场里玩“低买高卖”的游戏：早上在 A 市场买便宜菜，晚上在 A 市场卖高价。这能赚点钱，但机会有限。

这篇论文提出的新玩法是：
在这个购物车旁边，架起了一座**“跨海大桥”（互联电缆）。现在，你的购物车不仅可以自己在 A 市场买卖，还可以通过大桥，把 A 市场的便宜菜运到 B 市场去卖**，或者反过来。

2. 这个“搬运工”面临的挑战

虽然听起来很美好，但实际操作中有三个大难题：

难题一：不能“分身术”（充放电冲突）
电池就像一个水桶。你不能在同一秒钟既往桶里倒水（充电），又从桶里往外舀水（放电）。
- 论文的创新点： 以前的数学模型在处理这种“要么全进，要么全出”的复杂逻辑时，容易算错或者算得太慢。作者发明了一种**“二选一”的数学技巧**（叫析取线性化），确保电池在任何时刻，要么在两个市场同时充电，要么同时放电，绝不会搞混。
难题二：大桥会堵车（互联线拥堵）
那座跨海大桥（电缆）是有容量限制的。如果大桥上已经挤满了运煤的卡车（其他电力交易），你的购物车可能就没法过桥了，或者只能过一点点。
- 论文的发现： 如果大桥堵车，你的套利利润会大打折扣，甚至可能比只在本地买卖还亏。
难题三：车会磨损（电池寿命）
你的购物车轮子（电池）是有寿命的，推得越勤，坏得越快。如果为了赚几块钱的小差价，把轮子磨坏了，长远来看是亏本的。
- 论文的妙招： 作者引入了一个**“伪效率”过滤器**。这就好比给购物车装了一个“智能刹车”：如果这次搬运赚的钱太少，连磨损轮子的成本都覆盖不了，系统就自动决定“这次不干了”。虽然总利润少了，但**每一次搬运赚的钱（单次利润）**变多了，轮子也更耐用。

3. 他们做了什么实验？

作者拿比利时和英国之间真实的 8 年电力数据（就像 8 年的菜价记录）做了一场模拟。

结果惊人： 如果只在一个市场玩，电池赚的钱是有限的。但如果利用这座“跨海大桥”在两个市场之间倒手，总利润能增加 40% 以上！
位置很重要： 把电池放在英国那边，有时候比放在比利时那边更赚钱（取决于哪边的差价更大）。
速度很快： 这个复杂的计算模型非常快，算完一年的数据只需要不到 30 秒，这意味着它真的可以用来指导现实中的实时操作。

4. 总结：这到底意味着什么？

这篇论文就像给电力公司画了一张**“藏宝图”**：

机会更大： 只要两个地方的电价不一样，把电池放在连接它们的“桥头”，就能赚得更多。
算得准： 用新的数学方法，能精准地算出什么时候该充、什么时候该放，还能避开“堵车”和“过度磨损”的坑。
更聪明： 不再盲目地为了赚钱而频繁折腾电池，而是懂得“挑肥拣瘦”，只干最划算的活，让电池更长寿。

一句话概括：
这就好比给电池装上了**“跨国导航仪”和“智能钱包”**，让它不仅能利用两地差价大赚一笔，还能在赚钱的同时，保护好自己，算得又快又准。这对于未来我们利用风能、太阳能等不稳定能源，以及建设更聪明的电网，有着非常重要的指导意义。

论文技术总结：多区域最优能源存储套利

1. 研究背景与问题定义

随着交流（AC）和直流（DC）输电线路的广泛互联，电网规模的大型储能系统（如电池）有机会同时参与多个电力市场。然而，现有的套利模型大多局限于单一市场，无法充分利用跨区域电价波动带来的经济价值。

核心问题：

跨区域套利（MREA）的建模挑战： 如何在考虑电池物理约束（容量、充放电速率）、换流器及线路损耗、互联线路容量限制（拥堵）以及不同市场电价差异的情况下，优化储能系统的充放电策略？
非凸性处理： 在存在负电价（常见于高可再生能源渗透率市场）的情况下，传统的线性规划（LP）模型可能失效，因为利润来源不仅包括高价售电，还包括低价（甚至负价）充电。
充放电冲突约束： 物理上，电池在同一时刻不能既充电又放电。在多区域模型中，必须确保电池在所有参与的市场中处于相同的运行模式（即要么同时在所有市场充电，要么同时在所有市场放电），避免不切实际的“一边充电一边放电”的套利行为。
电池寿命与利用率： 频繁的充放电循环会加速电池老化。如何在最大化收益的同时，通过剔除低利润循环来延长电池寿命？

2. 方法论与数学模型

本文提出了一种混合整数线性规划（MILP） 模型，用于优化位于互联线路一端的电网级电池在多区域市场中的套利行为。

A. 系统架构与假设

场景设置： 电池位于区域 A（如比利时），通过互联线路连接区域 B（如英国）。
代理机制： 假设电池在区域 A 物理存在，但在区域 B 通过“伪代理”进行交易，以利用区域 B 的电价。
成本构成： 考虑了电池充放电效率、换流器效率、线路传输损耗以及互联线路的租金（按传输能量计费）。

B. 数学 formulation 的关键创新

非线性约束的精确线性化（Disjunctive Linearization）：
- 传统模型中，防止同时充放电的约束（ $x_A \cdot x_B \ge 0$ ）是非凸的双线性项。
- 本文引入二元变量 $z^{ch}_i$ 和 $z^{dis}_i$ ，将可行域重构为两个互斥的象限（非负或非正）。通过一组线性不等式（如 $x_A \ge z^{ch} \cdot X_{min}$ 等），精确地将非线性约束转化为 MILP 形式，避免了松弛带来的次优解。
- 优势： 这种方法确保了电池在所有参与市场中的充放电状态严格一致，且无需为每个市场单独引入充/放变量，具有良好的可扩展性。
处理负电价：
- 模型不依赖“禁止放电”（noDis）等启发式规则，而是直接通过 MILP 处理负电价情况下的凸性丢失问题，能够自动选择“低价充电”或“高价放电”的最优组合。
互联线路拥堵处理：
- 引入了互联线路流量（ $L^{AB}_i$ ）对电池充放电能力的动态约束。当互联线路被其他用途（如可再生能源消纳）占用时，模型会自动调整电池在另一端的可用充放电范围。
伪效率项（Pseudo-efficiency）：
- 引入可调参数 $\eta_{pseudo}$ 来人为降低充放电效率。
- 目的： 过滤掉那些利润微薄但消耗电池寿命的循环，从而在总收益和“每循环收益”之间取得平衡，延长电池资产寿命。
不确定性处理（扩展性）：
- 提出了基于样本平均近似（SAA）的随机规划框架，以及模型预测控制（MPC）的滚动时域实现方案，以应对电价预测的不确定性。

3. 主要贡献

提出了首个针对多区域能源套利（MREA）的精确 MILP 优化模型： 该模型能够同时处理多个市场的价格波动、互联线路容量限制以及电池物理约束，且计算效率高。
解决了负电价环境下的非凸优化难题： 通过精确的线性化技术，证明了在负电价存在时，MILP 模型比传统的 LP 或启发式模型（如 noDis）更具鲁棒性和最优性。
建立了全面的储能技术经济评估框架： 不仅计算总收益，还引入了“每循环收益”指标，并结合电池寿命模型（循环寿命与日历寿命）进行长期评估。
引入了“伪效率”机制优化资产利用： 提供了一种实用的策略，通过牺牲部分总收益来大幅减少低效循环，显著提升单位循环的经济价值。

4. 实验结果与案例分析

案例设置：

数据： 使用比利时（BE）和英国（UK）之间 NEMO Link 互联线路 8 年（2017-2024）的日前（Day-ahead）电价数据。
参数： 1 MWh 电池，0.5C 充放电速率，互联线路容量 1 GW，电池成本 100 欧元/kWh。

关键发现：

收益显著提升： 与仅参与单一本地市场相比，参与多区域套利（MREA）可将套利收益提高 40% 以上。
- 例如，2022 年比利时端 MREA 总收益约为 9.55 万欧元，而单市场 LP 模型仅为 5.31 万欧元。
互联线路拥堵的影响： 互联线路的流量状态对收益有重大影响。如果互联线路流量方向与套利策略冲突，收益可能减少 36%。
模型性能对比：
- 在负电价频繁出现的日子里，传统的 LP 模型和启发式模型（noDis）表现次优。
- 本文提出的 MILP 模型在计算上高效（8 年模拟仅需约 30 秒），且能处理负电价带来的非凸性。
伪效率项的效果：
- 当设置 $\eta_{pseudo} = 0.7$ 时，8 年总收益从 27.8 万欧元降至 15.3 万欧元（减少约 45%），但运行循环次数从 6281 次大幅降至 1593 次（减少约 74%）。
- 结果： 每循环收益（Euros per cycle）显著提升，证明了该策略在延长电池寿命和提高资产利用率方面的有效性。
投资回报： 基于假设的电池成本，MREA 模型在未达到电池循环寿命极限前，即可实现约 178% 的投资回报率。

5. 研究意义与结论

经济价值： 证明了跨市场参与是提升电网级储能资产盈利能力的关键途径，特别是在欧洲等互联紧密且电价波动剧烈的市场中。
技术突破： 提供了一种计算高效且数学上精确的框架，解决了多区域储能调度中的非凸性和物理约束难题，为实际运营提供了可靠的决策工具。
资产优化： 提出的“伪效率”策略为储能运营商提供了一种新的资产管理视角，即在追求总收益最大化和延长设备寿命之间进行权衡。
未来展望： 该模型可扩展至更多互联市场，并可进一步结合随机规划以应对市场不确定性，或扩展至与辅助服务（如频率调节）的联合优化。

总结： 该论文通过创新的数学建模和详尽的实证分析，确立了多区域能源套利作为提升储能经济性的核心策略，并提供了兼顾技术可行性与经济最优性的完整解决方案。