换电生态下换电站电池配置及经济性研究

张梅梅 黄榆洁 周梦迪 马利波

1（华北电力大学经济管理系，保定 071000）

2（新能源电力系统国家重点实验室（华北电力大学），保定 071000）

引 言

为实现 “双碳”目标，习近平总书记在中央财经委员会第九次会议上提出 “构建新型电力系统”［1］。相比于传统电力系统，新型电力系统供给结构以新能源为主体、煤为辅助性资源，需求侧增加了以电动汽车为代表的高度电气化终端负荷。然而，风光出力的随机性、波动性［2］以及电动汽车无序充电［3，4］等问题对配电网造成巨大冲击，打破了 “源随荷动”的平衡局面，供需不同步、不均衡问题日益严重。

以储能介质存储盈余电能或调节柔性负荷的使用时间，实现 “源荷互动”［5］，是解决供需错位问题的主要方向，如抽水蓄能的水风光互补模式［6］、风－光－沼模式等。探索风光电站与水电站长短期调度路径是水风光互补的一大难点［7］，且受地理环境的限制，水电站推广适用性差；在一定温度下沼气发酵产气效率较佳［8］，能有效推动“源荷互动”［9］，但因沼气产生周期长且沼气池容量有限，风－光－沼模式难以满足超大功率设备使用需求［10］；未能消纳的新能源电量转化为天然气可缓解弃风弃光现象［11］，但电转气技术不具经济性［12］。以动力电池作为储能介质，间接调节电动汽车与配电网的交互时间，可实现 “源荷互动”，既能降低动力电池充电费用，也能削峰填谷［13］；鉴于电动汽车充电高峰与社会用电高峰重叠，动力电池对电网反向输电过于理想［14］，反向充电场景更侧重于直接协调电动汽车与风电、光电［15］，提高风光消纳率［16，17］。

随着11个城市新能源汽车换电模式应用试点工作的推进，全国重卡高效换电全新场景不断涌现，换电站动力电池的数量和容量爆发式增长，动力电池参与共享储能及 “削峰填谷”的空间增大，如吉利重卡综合能源站·杭州隆欣换电站采用“风光储充换”一体化综合能源技术。鉴于电池综合服务费是换电场景经济性的最大影响因素［18］，本文设计储能参与的换电站，并探讨其最优配置及其经济性：（1）厘清换电生态下各主体的分配动作，设计换电站的 “风－光－动力电池”单一储能和 “风－光－动力电池－储能电站”混合储能两种储能参与模式；（2）考虑两种模式的换电需求和风光出力约束，构建储能参与的电池充电最优模型；（3）采用蒙特卡洛仿真换电需求，选择北京某一天风光真实出力状况，仿真分析不同充电倍率时换电站的安全电池数量及两种模式充电费用最优时的风光消纳率。

1 换电生态下动力电池参与储能模式

1.1 “车－源－网”换电生态系统

成本难降、技术难突破是汽车电动化进程的最大阻碍。动力电池成本是整车最主要成本，攻克动力电池购买价格高、充电时间长、续航里程短难题是加速汽车电动化的关键。为全面提速我国汽车电动化进程，本文提出以政府为牵引规范电动汽车充换电标准，以创新激励机制突破关键卡脖子技术，以企业联动带动区域电动汽车产业的发展，打造 “车－源－网”换电生态系统。

“车－源－网”换电生态系统主要包括以下内容：（1）换电为主、充电为辅的动力供给方式，补充电量耗时短、无电池折旧忧虑、单次使用成本较少等比较优势足以支持换电成为补充能源的主要方式；（2）动力电池梯次利用，在生产阶段利用区块链技术标记动力电池全生命周期的性能，根据不同的剩余性能匹配不同的利用场景［19］；（3）清洁电能的储蓄和利用，集成换电站利用清洁能源为闲置的动力电池储电，清洁电能的富余量输入到化学储能电站，后续以换电服务为主、稳定供给大电网为辅输出清洁电能；（4）智能网联服务，即综合空闲充电桩位置、换电网点的服务能力和排队情况等信息，为车主提供最佳补电方案；（5）作为换电生态下的新能源汽车种子用户，网约车及超级用户的壮大能为换电站密度增加提供源动力，从而解决充电耗时长、换电不便、“换电焦虑”等问题，吸引新用户入局，推动换电生态正循环发展。见图1。

图1 “车－源－网”换电生态系统

计及动力电池参与风光削峰填谷，换电生态下动力电池储能有两种模式：“风－光－动力电池”单一储能模式和 “风－光－动力电池－储能电站”混合储能模式。

1.2 “风－光－动力电池”单一储能模式的充电优化模型

为充分利用动力电池的储能优势，本文设计以动力电池为唯一储能设备的 “风－光－动力电池”模式。常态化 “风－光－动力电池”单一储能模式的电能来源于光伏和风力发电两部分。在极寒无光、极热无风条件下，风光出力不能满足电动汽车的用电需求，可利用配电网对动力电池充电。该模式的优化模型构建如下。

1.2.1 目标函数

“风－光－动力电池”单一储能模式下，优化模型目标是充电成本最小化。本文以风光消纳率为评价指标，将对电网的冲击作为约束条件。换电站充电成本根据电能来源不同而存在差异。使用风电光电充电能提高风光消纳率并缓解对配电网的冲击。若利用配电网进行充电，不仅风光消纳率低，而且会影响配电网稳定性。但风光出力的不确定性或中断动力电池充电均会减少动力电池寿命，易造成换电站对配电网过度依赖。然而在用电高峰调用配电网电量对动力电池充电，只会 “峰上加峰”［20］，因此需要优化换电站与配电网交互的时间和能量。

“风－光－动力电池”单一储能模式优化模型的目标是使单个动力电池的充电平均成本最小，如式 （1） 所示。

式中：PRt为t时刻的电价，Ct为t时刻充电所需电量，计算公式如式 （2）所示，cht为t时刻正在充电的电池数量，CAP为电池额定容量，v为电池充电倍率，s为1天内电池充满数量，计算公式如式 （3）所示，fht为t时刻结束充电的电池数量，stt为t时刻开始充电的电池数量，T为充电时长。

根据电价收费标准可知，PRv＜PRn＜PRf＜PRp，PRv为谷电电价，PRn为新能源电价，PRf为平峰电价，PRp为峰电电价。介于谷电电价最低，为避免换电站在用电低谷时大量充电导致用电低谷变为用电高峰，结合负荷曲线设定用电低谷各时段用电量限额Vt，超出限额部分按照用电平峰电价收费，谷时电价函数如式 （4）所示：

式中Pt为t时刻风光出力总和。

在峰电或平峰时段，若风光出力能满足需求，则直接使用风电光电；若风光出力不能满足需求，为保障充电的持续性，只能使用配电网输送电。峰时电价函数如式 （5）所示，平时电价函数如式 （6） 所示。

1.2.2 约束条件

根据电量将电池分为正在充电、等待充电、充满电3类，换电生态约束条件如式 （7）所示，其中cdt为t时刻充满电的电池数量，demt为t～t＋1时间段内的换电需求量，cgt为t时刻等待充电的电池数量，n为换电站备用电池总数。

1.3 “风－光－动力电池－储能电站”混合储能模式的充电优化模型

为丰富风电、光电的应用场景，设计动力电池、化学储能电站参与共享储能的 “风－光－动力电池－储能电站”混合储能模式。化学储能电站可由换电站自主投资或第三方建设，在强风强光时利用化学储能电站和动力电池吸纳电能，在弱风弱光时由化学储能电站和谷电给动力电池充电。在此基础上，为削峰填谷，尽可能在用电高峰时向配电网输电。混合储能模式结构如图2所示。

图2 混合储能模式结构图

1.3.1 目标函数

以充电成本最低为目标，以风光消纳率为评价指标，兼顾对电网的影响和储能电站的容量限制，构造优化模型。为破除弃风弃光顽疾，对所弃风电光电按新能源电价收费。目标函数如式（8）所示。

式中：PEt为t时刻（用电高峰）储能电站和风力发电站、光伏发电站对配电网的输电量之和，PRs为用电高峰时向配电网输电电价。

1.3.2 约束条件

超出储能电站最大容量即会导致弃电，储能电站各时刻的储电计算公式如式 （9）所示。

式中：t＝2，3，…，23，SPOWt为t时刻储能电站的储电量，ceil为储能电站最大容量。

储能电站向换电站和配电网的输电总量计算公式如式 （10）所示。由于储能电站储电量恒大于0，式 （11） 成立。

2 算例分析

以北京市某区7月份某天为例进行仿真。根据各时段电价、新能源电价（见表1），假设用电高峰时向配电网输电电价为1.2元/度。

表1 分时电价、新能源电价

光伏发电的容量为1500kwp，风力发电机的装机容量为10MW。利用GLOBAL SOLAR ATLAS，仿真得到7月平均每小时发电量。基于逐3小时历史风速，运用傅里叶级数回归拟合得到逐小时风速。根据风力发电机的主要参数（表2）和计算公式［21］，计算得到逐小时风力发电量如图3所示。式 （12）中：PWT为风力发电机的输出功率，vci为切入风速；vco为切出风速；vN为额定风速；PN为风力发电机的额定输出功率。

图3 逐小时发电量

表2 风力发电机的主要参数

通过中国政府网公布的北京市工作日典型负荷曲线，并结合峰谷时间，确定谷电限额如表3所示，混合储能模式下用电高峰时内各小时向配电网的输电400千瓦时。

表3 用电低谷限额

2.1 基于蒙特卡洛算法的换电需求预测

将1天平均划分为24个时段。假设电池剩余电量符合均匀分布；若电池剩余电量不满足下一次出行需求（假定电池最大放电深度为70%），则假设下一次出行的开始时间即为换电时间。基于电池参数（见表4），利用蒙特卡洛法随机抽样，得到电池初始时刻的荷电状态（State of Charge，SOC），根据2017年全美家庭出行时刻、出行时长等统计调查结果（National Household Travel Survey，NHTS），计算各辆车的换电时刻。

表4 动力电池的主要参数

将N次仿真结果按时段平均，拟合出298次换电需求在时间维度的分布特点，如图4所示。

图4 298次换电需求在1天内的分布

2.2 结果分析

基于基础参数、风光逐小时出力和用户换电需求预测结果，采用Lingo18软件求解 “风－光－动力电池”单一储能模式和 “风－光－动力电池－储能电站”混合储能模式的优化模型。

2.2.1 安全电池数量

以满足298次换电需求为前提，在不同化学储能电站容量、不同充电倍率情况下，混合储能模式、单一储能模式的安全电池数量分别如表5、表6所示。

表5 混合储能模式安全电池数量

表6 单一储能模式安全电池数量

从表5、表6可以看出，在风光出力的约束下，单一储能模式、混合储能模式的安全电池数量与充电倍率负相关。结果表明，在保障充电安全的基础上，提高动力电池的充电倍率，可有效减少换电站的安全电池数量。

2.2.2 经济性分析：

假设换电费用为1.5元/度（服务费0.5元/度，电费1元/度），化学储能电站的度电价格为2000元/度，单一储能模式的经济效益如表7所示，混合储能电站的容量在1000kwh、7560kwh时的经济效益分别如表8、表9所示。

表7 单一储能模式经济效益分析

表8 混合储能模式（1000kwh）经济效益分析

表9 混合储能模式（7560kwh）经济效益分析（换电费用1.5元/度）

结果表明，当备用电池数量一定时，两种储能模式的平均充电成本均与充电倍率正相关；充电倍率一定时，随备用电池数量增加，尽管前期投资成本相应增加，但是单一储能模式、混合储能模式的平均充电成本均逐渐下降。

此外，换电费用达到1.5元/度值得关注。混合储能模式下，化学储能电站容量为1000kwh、充电倍率为0.2C，化学储能电站容量达到7560kwh、充电倍率为0.33C、0.25C、0.2C时投资回收期均大于5年，即在全寿命周期内不能将投资成本完全回收。单一储能模式在充电倍率为0.33C、混合储能模式在化学储能电站容量为1000kwh、充电倍率为1C时，全投资内部收益率在10%～13%内，符合行业标准。单一储能模式在充电倍率为1C、0.5C时全投资内部收益率分别为41%、23%，远超行业标准，换电费用有降低的空间，企业有一定的竞争优势。

其他条件不变，当换电费用达到2元/度（服务费0.5元/度，电费1.5元/度）时，混合储能电站的容量为7560kwh时的经济效益如表10所示。在此条件下，充电倍率为0.2C时，全投资内部收益率为13%，符合行业标准。充电倍率在0.25C及以上时，全投资内部收益率均大于13%，换电费用还有降低的空间。

表10 混合储能模式（7560kwh）经济效益分析（换电费用2元/度）

2.2.3 供需协调度分析

单一储能模式、混合储能模式随备用电池数量变化风光消纳率如图5～7所示。两种模式下风光消纳率与充电倍率、备用电池数量大致正相关。混合储能模式的风光消纳率均在96%水平以上，增加备用电池数量或提高充电倍率均对提高风光消纳率无显著作用。此外，备用电池数量和充电倍率一定时，混合储能模式的风光消纳率比单一储能模式高13%以上。

图5 单一储能模式的风光消纳率

图6 混合储能模式的风光消纳率－7560kwh

图7 混合储能模式的风光消纳率－1000kwh

用电高峰时单一储能模式在不同充电倍率下的负荷曲线如图8所示，用电高峰时，混合储能模式能稳定地向配电网定量输电；单一储能模式在0.2C、0.25C充电倍率下会少量地使用峰电，在0.33C、0.5C、1C时可波动性地向电网输电。反映了混合储能模式协调供需错位效果优于单一储能模式。

图8 用电高峰时单一储能模式在不同充电倍率下的负荷曲线

综上所述，单一储能模式、混合储能模式均具备较好的经济性。其中，与单一储能模式相比，混合储能模式风光消纳效果更优。为兼顾环境和经济效益，建立化学储能电站容量为1000kwh的混合储能模式，充电倍率为1C，换电费用为1.5元/度时，全投资内部收益率为10%，风光消纳率可达96.099%。

3 结 论

以换电站建设推动换电生态系统正循环为目标，本文设计以动力电池为储能介质的 “风－光－动力电池”单一储能模式和 “风－光－动力电池－储能电站”混合储能模式，构造换电站的安全电池数量及两种模式充电费用最优时的风光消纳率计算模型，并通过仿真模拟得到：（1）在保证充电安全的前提下，提高充电倍率能显著降低安全电池数量；（2）符合行业投资收益标准的情景：换电费用为1.5元/度时，单一储能模式在充电倍率为0.33C和混合储能模式在化学储能电站容量为1000kwh、充电倍率为1C时，全投资内部收益率达到10%～13%；当换电费用为2元/度时，充电倍率为0.2C时，全投资内部收益率为13%；（3）混合储能模式下化学储能电站容量对风光消纳率、配电网无显著影响，且备用电池数量和充电倍率一定时，混合储能模式的风光消纳率比单一储能模式高13%以上；（4）为兼顾环境和经济效益，可建立化学储能电站容量为1000kwh、充电倍率为1C、换电费用为1.5元/度（服务费0.5元/度，电费1元/度）的混合储能模式，此时全投资内部收益率为10%，风光消纳率为96.099%。