CN113555929B - 一种考虑风险的退役电池储能系统及其优化调度方法 - Google Patents

Abstract

本发明公开了一种考虑风险的退役电池储能系统优化调度方法，包括以下步骤：分析退役电池不一致特性，利用威布尔分布计算退役电池模块失效率，建立退役电池可靠性模型；基于所述退役电池可靠性模型，综合考虑退役电池故障、新能源波动和负荷变化，以系统运行成本最小为目标函数，建立优化调度模型；利用条件风险价值为风险计量指标，建立考虑风险的退役电池储能系统优化调度模型，并对目标模型求解。本发明可有效缓解退役电池故障给电力系统带来的负面影响，推广退役电池的使用。

Description

一种考虑风险的退役电池储能系统及其优化调度方法

技术领域

本发明涉及电池领域，特别涉及一种考虑风险的退役电池储能系统及其优化调度方法。

技术背景

退役电池(second life battery，SLB)单位成本约为40美元/kWh、重装成本为14美元/kWh， 总单位成本相较全新电池下降了约75％，具有明显的价格优势。然而，退役电池本身性能衰 减程度不均衡，电池间电压、内阻存在明显差异，表现为电池整体一致性差。此外，随着电 池老化程度的增加，退役电池失效概率相较新电池更高。由若干退役电池模块成的储能系统， 当其中部分电池失效时，会影响整个储能系统的正常运行，引起系统功率缺额。因此，有必 要将退役电池可靠性分析纳入优化调度模型进行研究。

当前对电池储能系统的优化调度研究大多集中在新电池储能系统和电动汽车等方面。新 电池成本过高，实际应用推广受到限制；而电动汽车本身具有随机不确定特性，难以满足系 统运行需求。退役电池梯次利用容量可观、价格相对低廉，是未来储能系统的重要发展方向， 但当前对于退役电池优化调度研究却不多见。除了退役电池模块的不确定风险外，运行人员 还需要适当考虑新能源、负荷波动等其他因素，这些不确定因素都会给系统安全稳定运行带 来风险。在研究包含退役储能电池的优化调度模型时，就需要在最小化系统运行成本的同时 适当控制相应风险。

发明内容

为解决上述技术问题，本发明提供一种低成本、应用灵活且易实现的考虑风险的退役电 池储能系统及其优化调度方法。

本发明解决上述问题的技术方案是：一种考虑风险的退役电池储能系统，由退役电池储 能组和新电池储能组两部分构成；退役电池储能组由退役电池模块、DC/AC变换器、变压器、 电池管理系统、控制单元组合而成，其中退役电池模块结构为电芯串联成电池块，电池块并 联成电池串，电池串并联成电池组；一个电池组即为一个电池模块，每个电池模块都与一个 DC/AC变换器串联形成独立供电单元，供电单元以并联方式连接在储能组中。

上述考虑风险的退役电池储能系统，退役电池储能组中各并联支路相同且可独立工作、 主动通断，对于拥有n个退役电池模块并联运行的退役电池储能组，将具有n+1个功率输出 水平，即{0,1*p_slb,···,(n-1)*p_slb,n*p_slb}，p_slb表示单个退役电池模块额定输出功率；通过调 整退役电池模块投运数，获得多个不同功率输出等级，部分退役电池模块故障退出运行，不 会使整个储能组停运。

一种考虑风险的退役电池储能系统的优化调度方法，包括以下步骤：

步骤一：分析退役电池不一致特性，利用威布尔分布计算退役电池模块失效率，建立退 役电池可靠性模型；

步骤二：基于所述退役电池可靠性模型，综合考虑退役电池故障、新能源波动和负荷变 化，以系统运行成本最小为目标函数，建立优化调度模型；

步骤三：利用条件风险价值为风险计量指标，建立考虑风险的退役电池储能系统优化调 度模型，并对目标模型求解。

上述考虑风险的退役电池储能系统优化调度方法，所述步骤一中，退役电池可靠性模型 建立过程为：

1-1)评估由若干单体电池构成的退役电池模块的不一致性，包括退役电池模块最大可用 容量和不一致性系数，最大可用容量由公式(1)确定，其值等于本模块电池单体中最小可充 电容量与最小可放电容量之和，不一致性系数则由公式(2)计算：

式中，C^slb为退役电池模块最大可用容量，

为该退役电池模块额定容量，SOC_q、SOC_q1、 SOC_q2分别为该退役电池模块第q、q1、q2个退役电池单体的荷电状态，

为该退役电池 模块平均荷电状态，ε为退役电池模块不一致性系数，q、q1、q2为退役电池单体索引，Q为 退役电池模块中单体总个数；

1-2)计算退役电池模块的失效率，已知退役电池失效概率随工作时间增长而增大，采用 威布尔分布对退役电池模块可靠性进行分析，则退役电池模块j的失效率表示为：

式中，F_j(h)、R_j(h)分别为退役电池模块j的失效率和可靠率，η₁、η₂分别为威布尔分 布函数的比例参数和形状参数，h为退役电池已循环次数；由上式可得，退役电池失效率是 关于已循环次数h的函数；

1-3)计算含退役电池模块的退役电池储能组运行可靠概率，当退役电池储能组中只有单 个退役电池模块时，其正常运行可靠概率计算为：

p′＝R_j(h)·R_con·R_tran·R_else (4)

式中，p′为退役电池储能组正常运行可靠率，R_j(h)为退役电池模块j的可靠率，R_con为 DC/AC变换器的可靠率，R_tran为电池专用变压器可靠率，R_else为其余设备正常运行可靠率； R_tran、R_else值取为1；

对于有n个退役电池模块并联运行的退役电池储能组，其多个电池模块同时正常运行的 可靠概率计算为：

式中，p(m)为退役电池储能组中m个退役电池模块同时正常运行时的概率，n为退役电 池储能组中退役电池模块总数，m为储能组中正常运行的退役电池模块个数，

为组合数， 代表n个数中取m个数进行组合。

上述考虑风险的退役电池储能系统优化调度方法，所述步骤二中，退役电池储能组日前- 日内阶段都参与运行而新电池储能组只在日内阶段参与运行，建立的优化调度模型包括：

2-1)基于新能源出力和负荷需求预测值，建立日前优化调度模型，目标函数F^DA表示为：

式中，a_i、b_i分别为微型汽轮机i发电成本函数的常数项系数和一次项系数，

为日前 t时段微型汽轮机i的出力，i、I分别为微型汽轮机组号索引和总组数；c′_age,j为退役电池模块 j的度电充放电成本，

为t时段退役电池模块j的充/放电功率，j、J分别为退役电池模 块组号索引和总组数；λ_g,t为t时段外电网购电电价，

为日前t时段系统从外电网购电的 购电功率；t、T分别为调度时段索引和总调度时段；

对建立的日前优化调度模型设置约束条件，包括：日前阶段系统功率平衡约束、微型汽 轮机约束、退役电池模块运行约束、日前阶段系统购电约束；

2-2)实时运行中退役电池突发故障、新能源波动和负荷变化等不确定因素导致系统出现 的功率缺额表示为：

式中，P_{shortage,t,ω}为场景ω中系统t时段出现的功率缺额，F_j为退役电池模块j失效率，

为退役电池模块j的最大出力；

为日内场景ω中t时段光伏实际出力，

为日前t时段 光伏出力预测值；

为日前t时段负荷需求预测值，

为日内场景ω中t时段负荷实际 需求，ω为日内阶段场景索引；

通过调度储能系统新电池储能组和向外电网购电使系统达到功率平衡，建立日内优化调 度模型，目标函数F^ID表示为：

式中，c_age,k为新电池模块k的度电充放电成本，

为日内场景ω中t时段新电池 模块k的充/放电功率，k、K分别为新电池模块组号索引和总组数，λ_g,t为t时段外电网购电 电价，

为日内场景ω中t时段外电网新增购电功率，p(ω)为场景ω发生概率，S为日内场景总数；

对建立的日内优化调度模型设置约束条件，包括：日内阶段系统功率平衡约束、新电池 模块运行约束、日内阶段系统购电约束。

上述考虑风险的退役电池储能系统优化调度方法，所述步骤三中，利用条件风险价值为 系统计量风险，建立考虑风险的退役电池储能系统优化调度模型，过程为：

3-1)计算系统条件风险值CVaR：

式中，辅助变量μ为风险值VaR，代表最小的成本值，α为置信水平，ρ_ω为辅助变量，代表各场景下调度成本超过μ的值，p(ω)为场景ω发生概率，S为场景总数；

对式(9)设置约束条件：

式中，a_i、b_i分别为微型汽轮机i发电成本函数的常数项系数和一次项系数，

为日前 t时段微型汽轮机i的出力；c′_age,j为退役电池模块j的度电充放电成本，

为t时段退役 电池模块j的充/放电功率；λ_g,t为t时段外电网购电电价，

为日前t时段系统从外电网 购电的购电功率；c_age,k为新电池模块k的度电充放电成本，

为日内场景ω中t时段 新电池模块k的充/放电功率；

为日内场景ω中t时段外电网新增购电功率；μ代表风险 值VaR，ρ_ω代表各场景下调度成本超过μ的值，S为场景总数；

3-2)基于优化调度模型和CVaR，引入风险规避系数β，在最小化运行成本与风险中博 弈，建立的优化调度模型最终目标函数如式(11)所示，通过式(12)计算总运行成本：

Min{(1-β)*(F^DA+F^ID)+β*CVaR} (11)

F_cost＝F^DA+F^ID (12)

式中，F_cost为总运行成本，F^DA为日前阶段运行成本，F^ID为日内阶段运行成本，CVaR为条件风险值；β为风险规避系数，当β值为1时，目标模型以最小化风险为目标，当β值 为0时，目标模型以最小化总运行成本为目标，β的取值范围为[0,1]。

本发明的有益效果在于：

1、本发明分析退役电池不一致特性和失效率，建立基于威布尔分布的退役电池可靠性模 型，同时采用改进的退役电池储能组拓扑结构，有效降低电池间不一致性和电池失效给系统 运行带来的负面影响，提高了退役电池可靠性。

2、本发明建立考虑风险的优化调度模型，能有效缓解退役电池故障、新能源波动和负荷 变化等不确定因素给系统带来的负面影响，还能通过CVaR分析不同风险条件对调度方案、 运行成本的影响。

附图说明

图1为本发明的流程图。

图2为退役电池容量不一致性示意图。

图3为基于CVaR的两阶段优化调度模型框架图。

图4为退役电池储能组拓扑结构示意图。

图5为风险中立下一典型运行日系统最优运行方案示意图。

具体实施方式

下面结合附图和实施例对本发明做进一步的说明。

如图1所示，本发明的一种考虑风险的退役电池储能系统优化调度方法，其步骤为：

步骤一：分析退役电池不一致特性，利用威布尔分布计算退役电池模块失效率，建立退 役电池可靠性模型。

相较新电池模块，退役电池模块本身性能(电压、内阻、温度)稍差，表现在电池一致 性差和失效率高两方面，基于此，退役电池可靠性模型建立过程为：

1-1)评估由若干单体电池构成的退役电池模块的一致性，包括退役电池模块最大可用容 量和不一致性系数。最大可用容量由公式(1)确定，其值等于本组电池单体中最小可充电容 量与最小可放电容量之和，不一致性系数则由公式(2)计算：

式中，C^slb为退役电池模块最大可用容量，

为该退役电池模块额定容量，SOC_q、SOC_q1、 SOC_q2分别为该退役电池模块第q、q1、q2个退役电池单体的荷电状态，

为该退役电池 模块平均荷电状态，ε为退役电池模块不一致性系数，q、q1、q2为退役电池单体索引，Q为 退役电池模块中单体总个数，如图2所示。

1-2)计算退役电池模块的失效率，已知退役电池失效概率随工作时间增长而增大，一般 采用威布尔分布对退役电池模块可靠性进行分析，则退役电池模块j的失效率可表示为：

式中，F_j(h)、R_j(h)分别为退役电池模块j的失效率和可靠率，η₁、η₂分别为威布尔分 布函数的比例参数和形状参数，h为退役电池已循环次数；由上式可得，退役电池失效率是 关于已循环次数h的函数；

1-3)计算含退役电池模块的退役电池储能组运行可靠概率，当退役电池储能组中只有单 个退役电池模块时，其正常运行可靠概率计算为：

p′＝R_j(h)·R_con·R_tran·R_else (4)

式中，p′为退役电池储能组正常运行可靠率，R_j(h)为退役电池模块j的可靠率，R_con为DC/AC变换器的可靠率，R_tran为电池专用变压器可靠率，R_else为其余设备正常运行可靠率； 相较于可靠性较低的退役电池模块和DC/AC变换器，变压器及其余设备可靠率极高，R_tran、 R_else值取为1；

对于有n个退役电池模块并联运行的退役电池储能组，其多个电池模块同时正常运行的 可靠概率计算为：

式中，p(m)为退役电池储能组中m个退役电池模块同时正常运行时的概率，n为退役电 池储能组中退役电池模块总数，m为储能组中正常运行的退役电池模块个数，

为组合数， 代表n个数中取m个数进行组合。

步骤二：基于所述退役电池可靠性模型，综合考虑退役电池故障、新能源波动和负荷变 化，以系统运行成本最小为目标函数，建立优化调度模型。

如图3所示，退役电池储能组日前-日内阶段都参与运行而新电池储能组只在日内阶段参 与运行，建立的优化调度模型包括：

2-1)基于新能源出力和负荷需求预测值，建立日前优化调度模型，目标函数F^DA表示为：

式中，a_i、b_i分别为微型汽轮机i发电成本函数的常数项系数和一次项系数，

为日前 t时段微型汽轮机i的出力，i、I分别为微型汽轮机组号索引和总组数；c′_age,j为退役电池模块 j的度电充放电成本，

为t时段退役电池模块j的充/放电功率，j、J分别为退役电池模 块组号索引和总组数；λ_g,t为t时段外电网购电电价，

为日前t时段系统从外电网购电的 购电功率；t、T分别为调度时段索引和总调度时段。

对建立的日前优化调度模型设置约束条件，包括：日前阶段系统功率平衡约束、微型汽 轮机约束、退役电池模块运行约束、日前阶段系统购电约束。

2-2)实时运行中退役电池突发故障、新能源波动和负荷变化等不确定因素导致系统出现 的功率缺额表示为：

式中，P_{shortage,t,ω}为场景ω中系统t时段出现的功率缺额，F_j为退役电池模块j失效率，

为退役电池模块j的最大出力；

为退役电池模块j的最大出力；

为日内场景ω中t 时段光伏实际出力，

为日前t时段光伏出力预测值；

为日前t时段负荷需求预测值，

为日内场景ω中t时段负荷实际需求，ω为日内阶段场景索引。

通过调度储能系统新电池储能组和向外电网购电使系统达到功率平衡，建立日内优化调 度模型，目标函数F^ID表示为：

式中，c_age,k为新电池模块k的度电充放电成本，

为日内场景ω中t时段新电池 模块k的充/放电功率，k、K分别为新电池模块组号索引和总组数，λ_g,t为t时段外电网购电 电价，

为日内场景ω中t时段外电网新增购电功率，p(ω)为场景ω发生概率，S为日 内场景总数。

对建立的日内优化调度模型设置约束条件，包括：日内阶段系统功率平衡约束、新电池 模块运行约束、日内阶段系统购电约束。

步骤三：利用条件风险价值为风险计量指标，建立考虑风险的退役电池储能系统优化调 度模型，并对目标模型求解，过程为：

3-1)计算系统条件风险值CVaR：

式中，辅助变量μ为风险值VaR，代表最小的成本值，α为置信水平，ρ_ω为辅助变量，代表各场景下调度成本超过μ的值，p(ω)为场景ω发生概率，S为场景总数；

对式(9)设置约束条件：

式中，a_i、b_i分别为微型汽轮机i发电成本函数的常数项系数和一次项系数，

为日前 t时段微型汽轮机i的出力；c′_age,j为退役电池模块j的度电充放电成本，

为t时段退役 电池模块j的充/放电功率；λ_g,t为t时段外电网购电电价，

为日前t时段系统从外电网 购电的购电功率；c_age,k为新电池模块k的度电充放电成本，

为日内场景ω中t时段 新电池模块k的充/放电功率；

为日内场景ω中t时段外电网新增购电功率；μ代表风险 值VaR，ρ_ω代表各场景下调度成本超过μ的值，S为场景总数；

3-2)基于优化调度模型和CVaR，引入风险规避系数β，在最小化运行成本与风险中博 弈，建立的优化调度模型最终目标函数如式(11)所示，通过式(12)可计算总运行成本：

Min{(1-β)*(F^DA+F^ID)+β*CVaR} (11)

F_cost＝F^DA+F^ID (12)

式中，F_cost为两阶段总运行成本，F^DA为日前阶段运行成本，F^ID为日内阶段运行成本， CVaR为条件风险值；β为风险规避系数，当β值为1时，目标模型以最小化风险为目标，当β值为0时，目标模型以最小化总运行成本为目标，β的取值范围为[0,1]。

实施例中，优化调度模型通过Matlab平台调用Cplex进行求解，具体求解步骤为本领域 技术人员所知，本发明实施例对此不作赘述。

本发明的一种考虑风险的退役电池储能系统，包含2个200kW/600kWh退役电池储能组 和1个200kW/800kWh新电池储能组。如图4所示，退役电池储能组由退役电池模块、DC/AC 变换器、变压器、电池管理系统、控制单元组合而成，其中退役电池模块结构为电芯串联成 电池块，电池块并联成电池串，电池串并联成电池组；一个电池组为一个电池模块，每个电 池模块都与一DC/AC变换器串联形成独立供电单元，供电单元以并联方式连接在储能组中。

本实施例中退役电池储能组有5个并联运行的退役电池模块，因此具有6个功率输出水 平，即{0,1*40,2*40,3*40,4*40,5*40}。

为使本领域技术人员更好地理解，本发明以澳大利亚东部某地区微网为例进行数值仿真。 表1为退役电池储能组器件参数，表2为经所述退役电池可靠性模型计算得到的退役电池储 能组正常运行可靠概率，表4和表5分别表示设备经济参数和外电网购电实时电价。日内阶 段96个场景由4个SLB#1运行场景、6个SLB#2运行场景、2个负荷场景和2个光伏场景 组合而成，SLB#1和SLB#2的运行场景概率可由表2得到，负荷与光伏场景概率均取0.5， 最终的场景概率为SLB#1和SLB#2运行场景概率、负荷场景概率和光伏场景概率的乘积。 本实施例中CVaR置信度α取0.9，风险规避系数β从0变化到1，本调度模型中总调度时段T取24小时，间隔1小时，总调度时段为24个。

表1退役电池储能组器件参数

表2退役电池储能组正常运行可靠概率

表3设备经济参数

表4电网实时电价

为验证本实施例中考虑风险的退役电池储能系统及其优化调度方法的有效性，并说明风 险对系统运行的影响，对以下两种案例进行仿真分析：

(1)风险中立，即β＝0，不考虑CVaR的系统优化调度；

(2)风险规避，即β∈(0,1]，考虑CVaR的系统优化调度；

图5所示为案例(1)一典型运行日下系统最优运行方案的详细比较情况，可以发现在日 前阶段，SLB在低谷时段(1:00-7:00、21:00-24:00)充电，在高峰时段(9:00-20:00)放电。 为说明退役电池的经济优势，此处测试了两种不同情形：1)日前阶段采用退役电池储能且考 虑其停运风险；2)日前阶段采用新电池储能。计算结果如表5所示，情形1日前成本值F^AD相较情形2减少2.47％。虽然日内阶段情形1因SLB失效导致F^ID值有所上升，但总成本F相较情形2降低了1.17％。综上所述，SLB可参与系统优化调度，有效降低系统运行成本。

表5不同储能电池参与运行时的目标值

从图5还可以发现，凌晨5:00，SLB#2中一个单元因失效退出运行，SLB#2可用容量下 降20％，此时系统内多余功率被新电池吸收；下午16:00，SLB#2可用容量再次下降23％。同样地，SLB#1在11:00和16:00也出现电池失效事件，可用容量分别都下降20％。一个典 型调度日内，SLB#2和SLB#1总容量分别下降43％和40％，从图5和计算结果分析，SLB#2 的可靠性相较于SLB#1更低，因此，决策者在日常运行中将更倾向于调度SLB#1以减少运 行风险。综上所述，由于退役电池可靠性较低，若想通过应用退役电池降低运行成本，决策 者须预备额外手段或策略去解决退役电池突然失效引起的系统功率波动，在承担一定风险下获得较好的经济性。

为说明不同风险规避系数对系统运行的影响，案例(2)中计算了不同风险规避系数β下 系统运行总成本和对应风险值，详细结果可见表6。β越大说明决策者对风险越厌恶，要求越 小的系统风险即对系统运行的可靠性要求越高；而风险越小则高可靠性意味着相对应的经济 性变差，系统总运行成本将增加。从表中数据可知，随着β从0增大到1，日内成本目标值 和CVaR值分别减少26.4$和0.55％，说明系统风险减小；为减少SLB失效和新能源出力波动 带来的风险，系统需要减少两者出力份额，相对应地增加如汽轮机、外电网等稳定电源出力 份额。由于单位发电成本增加了，因此日前成本目标值从6563.7$增加到了6631.3$，总运行 成本从6982.8$增加到了7024.0$，增幅分别为1.03％和0.59％。上述计算结果说明风险规避 系数对系统运行方案具有显著影响，充分体现“高风险-低成本、低风险-高成本”的投资组 合原理，当β≈0时，系统运行方案经济性好但最冒险，此时系统风险最大而运行成本最小； 当β≈1时，系统运行方案经济性差但最保守，此时系统风险最小而运行成本最高。

表6不同β值下的各目标值

综上所述，本发明提出的考虑风险的退役电池储能系统及其优化调度方法，可有效降低 系统运行成本，利用CVaR分析不同风险规避系数对调度方案的影响；同时通过考虑风险的 优化调度，有效缓解退役电池可靠性差、新能源波动等不确定因素给系统运行带来的负面影 响，本方法可推广退役电池使用，促进电力系统低碳节能高效发展。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较 佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容， 依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明 技术方案保护的范围内。

Claims (4)

1.一种考虑风险的退役电池储能系统的优化调度方法，其特征在于，其中退役电池储能系统由退役电池储能组和新电池储能组两部分构成；退役电池储能组由退役电池模块、DC/AC变换器、变压器、电池管理系统、控制单元组合而成，其中退役电池模块结构为电芯串联成电池块，电池块并联成电池串，电池串并联成电池组；一个电池组即为一个电池模块，每个电池模块都与一个DC/AC变换器串联形成独立供电单元，供电单元以并联方式连接在储能组中；

退役电池储能组中各并联支路相同且可独立工作、主动通断，对于拥有n个退役电池模块并联运行的退役电池储能组，将具有n+1个功率输出水平，即{0,1*p_slb,···,(n-1)*p_slb,n*p_slb}，p_slb表示单个退役电池模块额定输出功率；通过调整退役电池模块投运数，获得多个不同功率输出等级，部分退役电池模块故障退出运行，不会使整个储能组停运；

优化调度方法包括以下步骤：

步骤一：分析退役电池不一致特性，利用威布尔分布计算退役电池模块失效率，建立退役电池可靠性模型；

步骤二：基于所述退役电池可靠性模型，综合考虑退役电池故障、新能源波动和负荷变化，以系统运行成本最小为目标函数，建立优化调度模型；

步骤三：利用条件风险价值为风险计量指标，建立考虑风险的退役电池储能系统优化调度模型，并对目标模型求解。

2.根据权利要求1所述的考虑风险的退役电池储能系统优化调度方法，其特征在于，所述步骤一中，退役电池可靠性模型建立过程为：

1-1)评估由若干单体电池构成的退役电池模块的不一致性，包括退役电池模块最大可用容量和不一致性系数，最大可用容量由公式(1)确定，其值等于本模块电池单体中最小可充电容量与最小可放电容量之和，不一致性系数则由公式(2)计算：

式中，C^slb为退役电池模块最大可用容量，

为该退役电池模块额定容量，SOC_q、SOC_q1、SOC_q2分别为该退役电池模块第q、q1、q2个退役电池单体的荷电状态，

为该退役电池模块平均荷电状态，ε为退役电池模块不一致性系数，q、q1、q2为退役电池单体索引，Q为退役电池模块中单体总个数；

1-2)计算退役电池模块的失效率，已知退役电池失效概率随工作时间增长而增大，采用威布尔分布对退役电池模块可靠性进行分析，则退役电池模块j的失效率表示为：

式中，F_j(h)、R_j(h)分别为退役电池模块j的失效率和可靠率，η₁、η₂分别为威布尔分布函数的比例参数和形状参数，h为退役电池已循环次数；由上式可得，退役电池失效率是关于已循环次数h的函数；

1-3)计算含退役电池模块的退役电池储能组运行可靠概率，当退役电池储能组中只有单个退役电池模块时，其正常运行可靠概率计算为：

p′＝R_j(h)·R_con·R_tran·R_else (4)

式中，p′为退役电池储能组正常运行可靠率，R_j(h)为退役电池模块j的可靠率，R_con为DC/AC变换器的可靠率，R_tran为电池专用变压器可靠率，R_else为其余设备正常运行可靠率；R_tran、R_else值取为1；

对于有n个退役电池模块并联运行的退役电池储能组，其多个电池模块同时正常运行的可靠概率计算为：

式中，p(m)为退役电池储能组中m个退役电池模块同时正常运行时的概率，n为退役电池储能组中退役电池模块总数，m为储能组中正常运行的退役电池模块个数，

为组合数，代表n个数中取m个数进行组合。

3.根据权利要求2所述的考虑风险的退役电池储能系统优化调度方法，其特征在于，所述步骤二中，退役电池储能组日前-日内阶段都参与运行而新电池储能组只在日内阶段参与运行，建立的优化调度模型包括：

2-1)基于新能源出力和负荷需求预测值，建立日前优化调度模型，目标函数F^DA表示为：

式中，a_i、b_i分别为微型汽轮机i发电成本函数的常数项系数和一次项系数，

为日前t时段微型汽轮机i的出力，i、I分别为微型汽轮机组号索引和总组数；c′_age,j为退役电池模块j的度电充放电成本，

为t时段退役电池模块j的充/放电功率，j、J分别为退役电池模块组号索引和总组数；λ_g,t为t时段外电网购电电价，

为日前t时段系统从外电网购电的购电功率；t、T分别为调度时段索引和总调度时段；

对建立的日前优化调度模型设置约束条件，包括：日前阶段系统功率平衡约束、微型汽轮机约束、退役电池模块运行约束、日前阶段系统购电约束；

2-2)实时运行中退役电池突发故障、新能源波动和负荷变化等不确定因素导致系统出现的功率缺额表示为：

式中，P_{shortage,t,ω}为场景ω中系统t时段出现的功率缺额，F_j为退役电池模块j失效率，

为退役电池模块j的最大出力；

为日内场景ω中t时段光伏实际出力，

为日前t时段光伏出力预测值；

为日前t时段负荷需求预测值，

为日内场景ω中t时段负荷实际需求，ω为日内阶段场景索引；

通过调度储能系统新电池储能组和向外电网购电使系统达到功率平衡，建立日内优化调度模型，目标函数F^ID表示为：

式中，c_age,k为新电池模块k的度电充放电成本，

为日内场景ω中t时段新电池模块k的充/放电功率，k、K分别为新电池模块组号索引和总组数，λ_g,t为t时段外电网购电电价，

为日内场景ω中t时段外电网新增购电功率，p(ω)为场景ω发生概率，S为日内场景总数；

对建立的日内优化调度模型设置约束条件，包括：日内阶段系统功率平衡约束、新电池模块运行约束、日内阶段系统购电约束。

4.根据权利要求3所述的考虑风险的退役电池储能系统优化调度方法，其特征在于，所述步骤三中，利用条件风险价值为系统计量风险，建立考虑风险的退役电池储能系统优化调度模型，过程为：

3-1)计算系统条件风险值CVaR：

式中，辅助变量μ为风险值VaR，代表最小的成本值，α为置信水平，ρ_ω为辅助变量，代表各场景下调度成本超过μ的值，p(ω)为场景ω发生概率，S为场景总数；

对式(9)设置约束条件：

式中，a_i、b_i分别为微型汽轮机i发电成本函数的常数项系数和一次项系数，

为日前t时段微型汽轮机i的出力；c′_age,j为退役电池模块j的度电充放电成本，

为t时段退役电池模块j的充/放电功率；λ_g,t为t时段外电网购电电价，

为日前t时段系统从外电网购电的购电功率；c_age,k为新电池模块k的度电充放电成本，

为日内场景ω中t时段新电池模块k的充/放电功率；

为日内场景ω中t时段外电网新增购电功率；μ代表风险值VaR，ρ_ω代表各场景下调度成本超过μ的值，S为场景总数；

3-2)基于优化调度模型和CVaR，引入风险规避系数β，在最小化运行成本与风险中博弈，建立的优化调度模型最终目标函数如式(11)所示，通过式(12)计算总运行成本：

Min{(1-β)*(F^DA+F^ID)+β*CVaR} (11)

F_cost＝F^DA+F^ID (12)

式中，F_cost为总运行成本，F^DA为日前阶段运行成本，F^ID为日内阶段运行成本，CVaR为条件风险值；β为风险规避系数，当β值为1时，目标模型以最小化风险为目标，当β值为0时，目标模型以最小化总运行成本为目标，β的取值范围为[0,1]。

Images