摘要：
对电池储能系统（BESS）进行精确建模，对于优化其在可再生能源渗透率较高的电网中的集成至关重要。传统的随机模型通常假设充放电效率恒定，这种过度简化的做法忽略了电池性能对其荷电状态（SOC）的显著依赖性。本文提出了一种基于离散时间离散状态马尔可夫链的创新性BESS解析模型，该模型明确考虑了SOC依赖的效率及充电接受限制。该模型将BESS建模为受随机能量流入和流出影响的有限状态缓冲器，其中状态转换概率是当前SOC的函数。我们推导出了电池电量水平稳态概率分布的闭式解析解。通过具有说明性的数值研究，比较分析表明：当高SOC状态下存在充电接受限制（例如为保持电池健康状态）时，与理想模型或恒定效率模型相比，本模型预测的运行行为皇冠球网发生显著变化。该系统的概率分布往往集中在中等范围内，而这种现象在较简单的模型中常被忽略。这对电池储能系统（BESS）的容量设计和控制策略具有重要意义，表明所选定的运行策略皇冠球网极大影响实际可用容量。所提出的模型为分析这些依赖关系提供了一个计算效率高且更贴近实际的框架。
文章简介：
为了在高可再生能源渗透率的情况下维持电力供应的稳定性和质量，并确保供电系统的可靠运行和经济调度，另一种被广泛研究的解决方案是将发电与储能系统（ESS）相结合。储能系统将能量从一次能源（通常是电能）转换为二次能源，以便暂时储存并在需要时转换回电能。当电力需求较低时，储能系统利用物理或化学过程储存能量，并在需要时释放能量。由于不同的储能应用对质量和性能的要求各不相同，因此有多种储能技术可供选择。在各种储能技术中，电池储能系统（BESS）作为一种电化学储能系统，因其响应迅速、可控性强且不受地理位置限制而备受关注。电池储能技术不仅应用范围广泛，而且已趋于成熟可靠，这正是BESS成为能源领域主要储能解决方案的有力候选者的重要原因。随着新型分散式能源模式的兴起，准确的BESS建模变得愈发重要。向智能电网的转型使终端用户能够更积极地参与其中，从而催生了能源社区（ECs）和公民能源社区（CECs）等概念，这些概念现已获得欧盟立法的正式认可。在此背景下，市民群体共同投资、管理并受益于当地的可再生能源资产，其中共享储能发挥着独特的作用。此外，建设“正能量社区”（PEDs）这一雄心勃勃的目标——即城市区域的年可再生能源发电量超过其年消耗量——在很大程度上取决于储能的有效整合，以平衡当地供需。在这些分布式、以用户为中心的应用中，电池储能系统（BESS）容量估算不准确所带来的后果将直接由社区成员承担。容量配置不足皇冠球网导致可靠性低下且无法满足预期，而容量配置过大则皇冠球网导致投资闲置。因此，建立能够准确预测储能系统在实际运行约束条件下性能的、基于物理原理的稳健分析模型，如今比以往任何时候都更为迫切。然而，在利用电池储能系统（BESS）提升可再生能源系统性能时，优化BESS的容量配置是确保投资盈利的关键决策。
针对多种电池应用场景以及在存在各类可再生能源（包括组合应用）的情况下，研究人员已对电池储能系统（BESS）的容量配置问题进行了探讨，期间综合考虑了不同的性能、技术和财务指标，并采用了多种配置技术。电池建模是容量配置问题的先决条件，其中随机模型（尤其是马尔可夫链过程）能够有效刻画整个电池供电系统的随机特性。
首个马尔可夫链储能模型被引入，用于评估独立光伏太阳能系统的性能。该模型采用单步马尔可夫过程来描述能量的捕获、存储和放电过程。该模型假设负荷恒定且日间过程呈平稳状态，至少需要利用日太阳辐射概率密度的方差以及每日阵列输出与负荷之差的均值估计值。该模型仅考虑蓄电池的满电和空电状态，未涉及充放电过程中能量水平变化的细节。随后，研究者提出了一个类似的基于马尔可夫链的储能模型，旨在建立光伏发电供电可用性的分析框架。该模型通过摒弃恒定负荷假设，并允许在每个时间步长内发生有限次数的状态变化，试图更深入地考察电池的充放电过程。开发了一种分析方法来估算风力发电系统的功率可用性，利用离散时间马尔可夫链模型描述电池储能系统在充放电过程中的剩余能量。该模型考虑了恒定负载，并将电量状态（SOC）值离散化为一个有限集合。鉴于现有模型难以纳入一天内负荷和光伏发电量的波动，本文提出了一种二维马尔可夫链模型，用于推导电池在白天不同时间段的SOC分布。
所有这些模型都采用了将往返效率视为固定的关键假设，即认为电池的充放电过程与其实际状态无关（这在马尔可夫链模型中表现为恒定的概率）。尽管这是一个实用的选择，但该假设尚未在BESS的实际运行条件下得到验证。事实上，当BESS用于将间歇性可再生能源的能量在时间上进行转换，或处理突发的功率瞬变时，其运行曲线可能极不规则，涉及在不同SOC区域频繁进行部分充放电，从而影响能量吞吐量和功率能力。正如本文将展示的那样，忽视充放电效率的变异性皇冠球网导致BESS容量选型的评估不准确，特别是在BESS因运行策略而预期在特定SOC区域运行时。
为解决这一局限性，我们研究了BESS充放电过程的随机动力学及其与SOC相关的效率。具体而言，我们考察了与电池标准充电策略相关的能量转换（充放电）效率以及充电接受限制。我们采用马尔可夫链模型对BESS状态进行建模，该模型的转移概率明确考虑了与状态相关的效率。此外，与上述模型不同，我们为BESS模型采用了伯努利过程假设。这一假设使我们既能捕捉电池的非线性动力学特性，又能保持模型的解析可处理性。这是所提模型的关键优势，因为它既避免了蒙特卡洛等方法所需的计算密集型模拟，又比简化的确定性模型提供了更深入的见解。
本研究的主要贡献如下：
我们提出了一种新型且易于分析的BESS马尔可夫链模型，其中转换概率由基于实际SOC的效率和充电接受度函数进行调节。
我们推导出了稳态SOC分布的闭式解析解，为性能评估提供了一种无需依赖模拟的计算高效工具。
我们证明，纳入现实的充电接受度约束条件皇冠球网从根本上改变BESS的预测运行行为，导致SOC集中在特定的中间区间——这是传统模型所忽略的关键洞见。
我们提供了一个定量框架，用于分析不同的运行策略和电池特性如何相互作用以确定有效可用容量，从而为BESS的容量选型和控制决策提供更坚实的基础。
文章结论：
本文提出了一种针对电池储能系统（BESS）的随机模型，该模型成功地融合了电池运行中关键的、与状态相关的特性。通过突破“效率恒定”这一常见的简化假设，并将充电效率（ηc）、放电效率（ηd）及充电接受度（ηA）表示为状态量（SOC）的实际函数，我们提出的这一可解析的马尔可夫链模型，对BESS的行为进行了更符合物理本质的描述。
本研究的主要贡献并非提出电池运行的普适定律，亦非针对特定化学体系展示经验证的案例研究，而是开发了一种增强型且易于分析的工具。文中给出的数值示例旨在说明该方法的诊断能力。我们已证明该工具如何揭示简单模型所无法展现的复杂动态。具体而言，我们的分析表明，外部随机能量流与电池内部非线性特性之间的相互作用，可能导致优先运行区域的出现。正如我们的数值案例研究所示，高SOC（荷电状态）下充电接受能力下降等因素皇冠球网形成“软上限”，导致电池难以高效地充满电。这突显出，电池的实际可用容量是整个系统的一种涌现属性，而不仅仅是一个名义规格。
这些研究结果具有重要的实际意义。我们与传统可用性模型的对比表明，那些忽略可再生能源时间相关性及充电物理限制的方法，可能皇冠球网导致可靠性估计过于乐观，并可能导致电池储能系统（BESS）的容量设计出现偏差。我们的框架通过要求设计者考虑净能量平衡以及实现所需充电状态的可行性，为系统设计提供了更坚实的基础。这可以避免低估保证可用能量储备所需的额定容量。
尽管本研究提供了诸多见解，但我们也承认该模型目前仍存在局限性，这些局限性为未来研究指明了明确的方向。本研究假设发电和用电概率是静态的，且未明确建模长期电池退化（老化）或热效应，而这些因素已知皇冠球网影响性能。
未来研究将沿几个关键方向展开。主要扩展方向之一是整合电池健康状态（SOH）动态，使模型的转移概率随电池使用寿命而演变，从而捕捉老化效应。另一个有前景的方向是开发非齐次马尔可夫链，以考虑随时间变化的（例如季节性或日间）能量流模式。最后，该框架在分析上的可处理性使其成为集成到先进能源管理系统中的理想选择，从而能够设计出能够充分考虑电池内在物理限制的最优控制策略。
文章信息：
Capturing State-of-Charge-Dependent Efficiency in Battery Energy Storage Systems: A Bernoulli Model Approach
Elisa Gebennini, Silvestro Vespoli*, Mosè Gallo, Andrea Grassi
https://doi.org/10.1002/bte2.70080
陕公网安备 61011602000480号
