基于区间层次分析法的电化学储能选型方案

来源：SCI期刊网 分类：电子论文 时间：2022-04-25 09:43 热度：

　　摘 要：储能选型作为储能规划的重要环节，追求技术的适用性和投资成本的经济性，过程涉及多重决策指标，并且具有信息不完备、定性定量信息掺杂等特点，属于多目标多属性的复杂决策问题。层次分析法(AHP)是一种定性与定量相结合、系统化、层次化的分析方法，可以用来求解储能选型问题。鉴于储能技术的基础数据多以区间或定性描述形式呈现，所以引入区间数与层次分析法相结合的区间层次分析法(IAHP)提高选型方案的可操作性。采用 IAHP 法构建选型方案过程中，结合储能选型问题目前没有足够的量化数据作为决策依据，选用主客观组合赋权法确定权重，首先结合专家经验，确定一层决策指标的权重，然后基于储能技术对工况需求期望值响应程度的差异性，采用熵值法确定二层决策权重，以保证选型结果具备较好的工程适用性。最后选取平抑某 20MW (峰值)光伏电站出力波动工况开展算例分析，通过计算在该工况条件下，工况适用性最高的为锂电池，其次是液流电池和普通铅酸电池，钠硫电池、胶体电池和铅炭电池的工况适用性较差。通过案例分析证明，该储能选型方法可实现互有优劣势的不同储能类型间的综合量化对比，可在理论方法上为储能规划提供技术支撑。

　　关键词：光伏电站;储能选型;电池储能;工况特征;平抑波动

　　0 引言

　　储能选型作为储能规划的重要环节，对推动间歇式电源规模化消纳具有重要现实意义。截止目前，多种类型的储能技术已有大量示范应用，而目前已发表大量储能应用方面的文献关注点主要集中在储容优化配置及控制策略等方面[1-3]，涉及储能选型方面的研究大多是基于技术可用性和考虑价格因素，进行简单对比得出，选型过程掺杂大量主观因素和不确定性。桑迪亚国家实验室开发储能选型软件 ES-Select 在选型过程中结合考虑了电力系统内的多种工况需求及各储能技术特点[4]，可用于在诸多不确定因素下的储能系统粗选，但在打分环节通过对应用工况分类简化选型过程，提高了选型过程受主观因素的影响程度。文献[5]以提高电能质量为场景，分别以层次分析法和模糊理论开展简单对比选型。文献[6]以光伏发电为应用背景，采用层次分析法，研究采用科学方法规范了储能对比过程，但未结合工况侧提出针对性需求，且影响因素考虑较少。目前国内关于储能选型的研究仍停留在考虑储能应用目标的技术可用性基础上，再根据厂家提供的标准技术、经济数据的简单对比层面[7-9]。总体来看，选型过程涉及大量模糊因素，决策过程过于依赖专家判断，欠缺客观评价机制，尚未就储能选型开展深入的系统性研究，而作为储能规划的关键环节，储能选型存在多重技术问题亟需突破。

　　层次分析法(AHP)具有定性与定量相结合处理各种决策因素的特点[10]，在电力系统背景下已有部分应用[11]。目前储能技术发展仍不成熟，业内认可的各项技术发展水平的数据以区间形式表征，并且原始数据中掺杂了大量的主观因素和不确定性，所以储能选型研究属于柔性问题，由于信息不完备，在作决策时，往往出现判断不确定的情况，所以区间数与 AHP 法相结合的区间层次分析法(IAHP)更适宜用来解决储能选型问题[12]。以平抑光伏电站出力波动工况为应用背景，鉴于我国光伏电站大多不具备抽水蓄能、压缩空气储能的应用条件，另外在数十 MW 级的光伏电站应用单一储能，显然功率型储能类型不能满足容量需求，并且鉴于目前多种电池储能技术发展较快，在国内外示范中也多有应用，所以将选型范围设定在电池储能类型。选取磷酸铁锂电池、钛酸锂电池、全钒液流电池、传统铅酸电池、阀控胶体铅酸电池、铅炭电池和钠硫电池等 7 种电池储能作为待选储能方案，开展系统性选型方法研究。

　　1 决策指标集

　　首先构造用于电化学储能选型的决策指标集，从技术水平、经济成本、环境方面以及技术成熟度 4 个方面出发，选择适用于平抑光伏出力波动的电池储能类型。

　　在技术水平方面，首先，能量转换效率和循环寿命是两个重要指标，影响储能系统总成本。低效率会增加有效输出能源的成本，低循环寿命因需要高频率的设备更新而增加总成本。未来广泛用于电力系统的储能技术，至少需要达到 MW 级/MW·h 级的规模，安全与可靠始终是电力系统运行的基本要求，MW 级/MW·h 级规模的储能系统将对安全与可靠性提出更高的要求。在经济成本方面，除初始购置成本外，规模化的储能系统还要考虑相应的运行维护成本，在较长的规划时间尺度内，置换成本在总投资成本中可能占有较大的比重，因此不容忽视。低功率密度/能量密度意味着设备占地面积较大，势必会增加储能系统的基建成本。另外电池储能因为其电化学的本质形态，在生产、使用及报废后的回收处理阶段还存在环保问题，其对环境的影响也是必须的考虑因素。

　　图 1 为储能选型的决策指标集，决策指标集共含目标层 A、决策层 B 和方案层 C 3 层，其中目标层A为储能选型的追求目标—储能系统的工况适用性;决策层 B 汇总了储能选型过程中涉及到的所有决策指标，决策指标包含两层，第 1 层为决策指标大类，包含技术水平、经济成本、环境方面和技术成熟度 4 项，第 2 层为各大类指标下设的决策子指标，其中技术水平包含安全性、规模化程度、能量转换效率、循环寿命、自放电率、放电深度、响应速度、维护量等 8 项，经济成本包含功率成本、容量成本、运维成本和置换成本 4 项，环境方面包含功率密度、能量密度和环境影响 3 项;方案层 C 为储能系统待选方案。

　　本文在选型过程中限于篇幅有限并没有就储能系统的全寿命周期成本展开讨论，但是在研究过程中，已开展了该方面研究，通过调研及前期研究发现，包含温度、充放电倍率、放电深度等在内的储能工况条件对储能寿命损耗速率的影响较大，进而影响储能系统的置换成本，所以在储能系统经济性成本评估过程中，不但要从初始购置成本、运维成本、置换成本等全过程成本考虑，还要在计及工况条件下，考虑长时间尺度内储能系统的动态寿命损耗过程，提高储能系统经济成本计算的工程适用性[13]。

　　各种储能技术的基础数据见表 1 [14-18]。

　　2 方案判断矩阵

　　按照决策指标的表述方式不同，可以将其分为定量指标和定性指标[19]。定量指标是指可以用具体数字表述的决策指标，例如能量转换效率、循环寿命等。而那些不易获得定量值的决策指标，决策者只可进行定性的表述，如安全性的“高”、“低，维护量的“大”、“小”等，为定性指标。按照决策指标从数值变化趋势又可分为固定型、成本型、效益型、区间型和偏离型。对照图 1 中储能选型指标集和以上指标类型的定义可知，储能决策指标可分为 4 类，分别为定性成本型指标、定性效益型指标、定量成本型指标和定量效益型指标。目前应用较多的定性指标量化方法有模糊法、AHP 法等，相较而言模糊法可认为是绝对量化法，即将不同方案的同一指标在统一标尺下量化，而 AHP 法可认为是相对量化法，通过不同方案的同一指标间相互比较、量化的过程，采用 AHP 法可以保证不同方案间的优势排序不发生变化，相互间的优劣程度可以体现在量化结果中，所以在本文研究过程中选用了 AHP 法。针对定性指标首先采用表 2 所示 AHP 的 9 级标度法转化为定量指标，以构造方案判断矩阵。

　　3 决策权重矩阵

　　在多指标决策问题中，指标权重的大小反映了各指标的相对重要程度，指标越重要，其权重应该越大，反之则越小，所以指标权重合适与否在多指标决策中具有举足轻重的作用，对于区间数多指标决策问题也是如此。 指标权重的确定方法根据依据数据的不同，可分为 3 大类，第 1 类是主观赋权法;第 2 类是客观赋权法;第 3 类方法是组合赋权法。组合赋权法是前两种方法的综合，既依据了决策者的主观偏好又考虑到了决策客观指标数据。鉴于储能选型技术发展尚不成熟，对多数指标在决策过程中的重要程度缺少量化判定依据，专家经验在决策过程中必不可少，同时储能技术实际水平与工况特征对储能的技术需求期望值之间的差距又可以转化为量化权重的判定依据，所以采用主客观组合赋权法来确定储能选型过程中的决策指标权重较为适宜。

　　相关知识推荐：电化学储能方面论文发EI怎么好发

　　层次分析法是使用最广的一种主观赋权法，通过采用层次分析法，专家可以通过两两比较的形式对决策指标的重要程度作出较准确的的判断。就主客观赋权法中的客观部分，一般地，若所有决策方案在指标 uj下的取值差异越小，则说明该指标对方案决策与排序所起的作用越小，反之，如果指标 uj 能使所有决策方案的取值有较大偏差，则说明其对方案决策与排序将起重要作用。因此，从对决策方案进行排序的角度考虑，取值偏差越大的指标应该赋予越大的权重。特别地， 若所有决策方案在指标 uj下的取值无差异，则指标 uj对方案排序将不起作用，可令其权重为零。而熵是信息不确定性的度量，熵值越小，所蕴涵的信息量越大。因此，若某个指标下的熵值越小，则说明该指标在决策时所起的作用越大，应赋于较大的权重[21]。所以采用将主观赋权法中的层次分析法(AHP)和客观赋权法中的熵值赋权法相结合的主客观组合赋权法来确定决策指标的权重。权重计算步骤如下：

　　步骤 1：针对准则层的第一层指标技术性、经济性、环境方面和技术成熟度，根据专家经验，在综合评估储能应用远景及投资等情况的基础上，采用 AHP 法的 9 级标度法计算出一层权重判断矩阵，过程与方案判断矩阵的构造过程类似。

　　步骤 2：然后针对二层权重，如技术性中的安全性、规模化程度等子指标，分别采用熵值法确定其在各层的权重。

　　步骤 3：最后计算各指标的综合权重。由于决策矩阵的元素是区间数，无法直接利用熵值法， 因此在利用熵值法之前，需要对决策矩阵进行量化处理。

　　4 案例分析

　　应用场景设置为某 20 MW(峰值)光伏电站，首先开展工况特征分析，在平抑工况条件下，储能系统充放电状态频繁切换，多工作于浅充浅放状态，并且多以低倍率充放电，基于该工况特征，提出储能技术需求期望值，见表 8。图 3 中对比了工况需求和储能技术发展现状，可以发现储能技术对规模化程度可以较好地响应，但对安全性、循环寿命、能量转换效率、成本的响应程度较差。并且各储能技术互有长短，不能通过观察对比选出最优的储能技术。

　　采用图 1 中所示决策指标集，首先求解各决策指标的判断矩阵，然后在权重确定过程中，基于专家经验，采用 AHP 法得一层权重的判断矩阵如表 9 所示。

　　基于 Guass-Sieder 迭代法，解得一层决策指标的权重如表 10 所示。

　　按照储能选型流程图中的计算流程，计算得到各储能方案的工况适用性如图 4 所示。从图中可看出，工况适用性最高的为锂电池，其次是液流电池和普通铅酸电池，钠硫电池、胶体电池和铅炭电池的工况适用性较差。

　　5 结论

　　基于区间层次分析法完成了系统性的电化学储能选型方案，该方案可解决储能选型过程中的多重问题：

　　1)将多元化、不可公度性且原始信息掺杂大量主观因素的多重决策指标标标准化处理。

　　2)以工况技术需求期望值形式将工况特征引入选型过程中，实现有针对性的选型。

　　3)决策过程综合考虑了专家意见及客观决策依据，提高了选型方案的工程适用性。

　　该储能选型方案可用于明确工况特征情况下的储能系统选型，选型范围不限于电化学储能。本文的研究过程是基于工况需求差异性，开展储能选型方法研究，并未形成闭环，对选型结果进行验证，但是在研究过程中，工况条件对储能技术的需求期望值是紧贴工程实际提出的，并且选型过程结合了储能多方面基础数据、专家经验，这些都为选型结果的工程适用性提供了较好的保障。后期验证方面，基于目前在储能领域所开展的研究，认为储能选型方案的验证需要通过对储能应用进行后评估开展，包括储能系统应用过程中的健康状态、工况响应情况、技术经济性等等，这也是后续深入研究的方向。——论文作者：李建林 1 ，马会萌 1 ，田春光 2 ，惠 东 1

　　参考文献 References

　　[1] 田立亭，李建林，程 林. 基于概率预测的储能系统辅助风电场爬坡率控制[J]. 高电压技术，2015，41(10)：3233-3239. TIAN Litin, LI Jianling, CHENG Ling. Wind farm ramp rate control using energy storage based on probability prediction[J]. High Voltage Engineering, 2015, 41(10): 3233-3239.

　　[2] 梁 亮，李建林，惠 东. 大型风电场用储能装置容量的优化配置 [J]. 高电压技术，2011，37(4)：930-936. LIANG Liang, LI Jianling, HUI Dong. Optimization configuration for capacity of energy storage system in large-scale wind farm[J]. High Voltage Engineering, 2011, 37(4): 930-936.

　　[3] 高志刚，樊 辉，徐少华，等. 改进型双向 Z 源储能变流器拓扑结构及空间电压矢量调制策略[J]. 高电压技术，2015，41(10)： 3240-3248. GAO Zigang, FAN Hui, XU Shaohua, et al. Topology and SVPWM modulation strategy of the improved bi-directional Z-source converter for energy storage[J]. High Voltage Engineering, 2015, 41(10): 3240-3248.

　　[4] Department of Energy Sandia National Laboratories. ES-Select™ documentation and user’s manual[M]. Sandia, USA: Department of Energy Sandia National Laboratories, 2012.

　　[5] Barin A, Canha L N, Abaide A da R, et al. Selection of storage energy technologies in a power quality scenario-the AHP and the Fuzzy logic[C]∥IECON '09. Porto, Portugal :IEEE, 2009: 3615-3620.

　　[6] Faouzi B A, nes H H, Faten H. Analytic hierarchy process selection for batteries storage technologies[C]∥2013 International Conference on Electrical Engineering and Software Applications (ICEESA). Hammamet, Tunisia: IEEE, 2013.

　　[7] 王成山，于 波，肖 峻，等. 平滑可再生能源发电系统输出波动的储能系统容量优化方法[J]. 中国电机工程学报，2012，32(16)： 1-8. WANG Cengshan, YU Bo, XIAO Jun, et al. Sizing of energy storage systems for output smoothing of renewable energy systems[J]. Proceedings of the CSEE, 2012, 32(16): 1-8.

　　[8] 叶季蕾，薛金花，吴福保，等. 可再生能源发电系统中的储能电池选型分析[J]. 电源技术，2013，37(2)：333-335. YE Jilei, XUE Jinghua, WU Fubao, et al. Application analysis and capacity configuration of battery energy storage in renewable generation system[J]. Chinese Journal of Power Sources, 2013, 37(2): 333-335.

　　[9] 王承民，孙伟卿，衣 涛，等. 智能电网中储能技术应用规划及其效益评估方法综述[J]. 中国电机工程学报，2013，33(7)：33-41. WANG Chenmin, SUN Weiqing, YI Tao, et al. Review on energy storage application planning and benefit evaluation methods in smart grid[J]. Proceedings of the CSEE, 2013, 33(7): 33-41.

文章名称：基于区间层次分析法的电化学储能选型方案

文章地址：http://www.sciqk.com/lwfw/dzlw/13228.html