0 引言
未来能源互联网将实现物理配电网与信息通信系统的高度融合，实现多种能源的共享和供需匹配[1]。作为其物理部分的配电网，随着分布式电源、储能装置、电动汽车、供热（冷）系统等新型元件的大量接入，将逐步演变为电、气、热（冷）等多种能源耦合形成的多能源系统[2]。类似地，作为多能源系统基本单元的微能源系统，由微电网发展而来，正逐渐演变成包含风、光、气等多类型能源输入和电、冷、热等多类型输出的小型综合能源系统，可实现不同类型能源的互补融合和综合利用[3-4]。
微能源系统作为未来能源系统发展的趋势之一，吸引了国内外相关工作者的广泛关注。文献[5]针对电力-天然气组成的微能源系统，提出一种电-气耦合的微能源系统能量流计算方法，实现稳态能量流的快速求解，并提出评估微能源系统电网和气网耦合程度的指标；文献[6]构建了微能源系统中电、热、气多能流计算模型，提出了一种适用于微能源系统的多能流计算方法；文献[7]建立了微能源系统中各部分的数学模型，以各类经济成本、一次能耗和环境影响最小为目标，实现微能源系统的最优综合效益；文献[8]为提高微能源系统在不确定环境下的安全可靠性，引入弱鲁棒优化方法，以微能源系统综合效益和惩罚项之差最大为目标，构建了微能源系统的调度模型；文献[9]结合已有研究成果，讨论了能源互联网中需求侧响应的关键问题，并对未来需求侧响应的发展进行展望；文献[10]以社区微能源系统为研究对象，将主从博弈引入需求侧响应，提出了一种基于主从博弈的能量管理方法。
以上针对微能源系统的研究主要集中在微能源系统的能量流建模分析、优化运行调度、需求侧响应等方面。随着供冷（热）系统、电动汽车等新型元件接入微电网，微能源系统开始初见雏形，为使得系统运行成本最低，并保证系统的可靠高效运行，需对各能源的生产、存储及消费进行合理的安排，储能设备的接入将打破能源生产和消费的不同步性，提高微能源系统的灵活性和可靠性[4]。如何协调以电能为核心的多能源生产和消费，对微能源系统的储能容量进行合理规划，提高整体投资效益成为值得研究的问题。
从储能容量规划角度出发，文献[11]在传统微电网基础上加入电锅炉，对比分析了储能协调电锅炉对风电的跟踪效果；文献[12]建立了包含热电机组的微电网模型，对储能系统进行优化配置研究；文献[13]通过分析商业园区微电网中人员作息规律，制定了储能与制冷机组的协调运行策略；文献[14]建立了包含冷热电联供的微电网模型，通过微电网与用户相互博弈，优化冷热电出力；文献[15]以海岛微电网运行成本最低为目标，结合居民驾驶习惯，规划电动汽车投放数量，为电动汽车在独立微电网中的推广提供参考。上述针对储能容量规划的研究，其场景多为在传统微电网基础上加入热电机组、制冷机组、冷热电联供、电动汽车等其中之一，其储能容量规划结果对实际包含多种能源类型的微能源系统建设不能提供较好的技术与经济参考。
本文以实现多类型能源的协同优化、微能源系统的运行效益最优为出发点，在包含光伏发电、储能系统、蓄热式电锅炉、冰蓄冷空调、电动汽车的微能源系统的简化模型基础上，对微能源系统的储能容量配置和投资效益展开研究。首先为保证微能源系统的各类型能源的生产/消费需求，假设分别为其配置虚拟储能，基于储能系统成本、多种类型能源的生产/消费需求约束及储能系统约束，同时考虑峰谷分时电价、碳减排政策，进行优化求解得出各虚拟储能运行曲线，基于各虚拟储能运行曲线，汇聚出实际储能运行曲线，最终给出实际储能所需功率容量配置。结合某微能源系统示范工程，开展新型混合能源系统配置方案的应用验证，从投资人角度出发，考虑银行贷款、内部收益率等投资回收相关参数，对储能系统进行投资回收分析，旨在探索微能源系统中储能系统的优化配置方案。
1 微能源系统结构组成
微能源系统作为能源互联网的缩影，是能源互联网背景下微电网的自然延伸。其一次能源以可再生能源为主，终端能源消费体现为冷、热、电、气等多种能源形式，是实现多种能源的利用、存储及相互转换的小型综合能源互联系统[4]。微能源系统能够实现独立运行，在无法满足自身负荷需求或自身能源产出过剩时，可以与外部能源网络互联，进行能源传输。此外，微能源系统可以与外部能源网进行能源交易，通过能源转换、存储和分配，向用户提供能源服务，获取相应的收益[8]。典型微能源系统结构如图1所示。
图1 微能源系统结构
Fig.1 Micro-energy system structure
在微能源系统中，多种能源以最清洁高效的方式进行转换、传输、存储并在终端分配，储能破解了能源生产和消费的不同步性，使能源在时间和空间上具有可平移性，实现了能源共享的前提，将成为电能与其他能源灵活转换和综合利用的关键设备[16]。本文重点考虑微能源系统中储能的容量规划，建立了包含光伏发电、储能系统、蓄热式电锅炉、冰蓄冷空调、电动汽车的微能源系统的简化模型，微能源系统与大电网联合运行，当系统内部能量不足时，由外部大电网提供。如图2所示。
图2 本文微能源系统结构
Fig.2 Micro-energy system structure in this paper
虚拟储能。本文中提出的“虚拟储能”是为保证微能源系统中实际安装储能能够满足光伏发电、用户用电负荷、冷负荷、热负荷、电动汽车充电的需求，假设为以上各环节分别配置的储能。通过评估各环节储能之间的协同配置方案，优化求解得出各环节储能运行曲线，并进行汇聚，最终得出微能源系统实际储能所需功率容量配置。由于各环节配置储能实际并不存在，故将其称为“虚拟储能”。
2 数学模型
2.1 微能源系统储能配置方法
图2中所示电池储能的功率由光伏、电锅炉、制冷机组、快速充电站和用户侧各自所需虚拟储能功率汇聚得出。微能源系统实际所需电池储能功率为
式中，
分别为光伏、蓄热式电锅炉、冰蓄冷空调、快速充电站、常规用电负荷所需的虚拟储能功率。
对各虚拟储能功率进行汇聚得到实际储能各时刻的充放电功率数据
，同时考虑储能成本、储能实际应用要求，设置相应的置信度，置信度内的最大充放电功率即为实际储能的额定功率 rateP ，则
为计算实际储能的最优容量配置，引入储能的剩余能量状态（State of Energy, SOE），有
式中，
为储能额定容量；
为储能累积放电量。设SOE初始值为 
，则k时刻实际储能SOE为
式中，tΔ为时间点间隔。
为保证实际储能的SOE处于允许范围内，设定
式中，
分别为实际储能SOE的上限和下限，
将式（4）代入式（5）得
则实际储能的最优容量配置为
2.2 虚拟储能配置目标函数
考虑虚拟储能容量衰减[17]、全寿命周期内成本和收益、资金的时间价值，建立虚拟储能r的净收益模型，有
式中，
为第n年虚拟储能r的第 j项收益，包含虚拟储能运行、减少碳排放和延缓配电网升级等带来的收益；
为第n年虚拟储能r的第l项支出，包含初期投资、运行维护和电池更换等支出；i0为预期收益率。
2.2.1 系统收益
（1）虚拟储能运行效益。电力市场峰谷分时电价下，虚拟储能通过“低储高放”对负荷曲线进行削峰填谷，减少电费支出。
式中，
为储能系统年运行天数；
为t时刻电价；
为初始负荷；
为储能作用后的合成负荷。
（2）延缓配电网升级带来的收益[18]。储能的“谷电峰用”降低了负荷对配电网的容量需求。设负荷的年增长率为λ，对应虚拟储能的削峰率为γ，虚拟储能延缓配电网升级的时间为
带来的效益为
式中，
为配电网升级改造的成本；
为虚拟储能降低的峰值负荷。
（3）碳减排效益。虚拟储能带来的碳减排效益为
式中，
碳的日减排量；
为碳的交易价格。
2.2.2 虚拟储能成本
（1）投资成本
。储能系统投资成本主要包括功率成本和容量成本。
式中，
为储能系统单位功率成本； 
为储能系统单位容量成本；
为储能系统额定功率；
为储能系统额定容量。
（2）运维成本C2。为使储能系统工作于良好的状态，其运营维护所需要的费用为
式中， 
为储能单位运维成本； 
为储能年放电量。
（3）电池更换成本C3。电池管理系统虽然能够确保电池的安全可控运行，但由于锂离子电池自身非线性、不一致性和时变性等特性，导致电池单体间的离散性问题难以解决，当部分电池离散性较大时，需进行更换。更换成本为
式中，ε为电池更换率。
2.3 约束条件
（1）光伏。储能装置可以降低光伏出力的波动性和随机性对电网稳定性造成的影响，光伏发电功率约束为
式中，
为光伏发电功率；
为光伏配合虚拟储能向微能源系统传输的功率。
（2）电锅炉。电锅炉是一种将电能转换成热能的锅炉设备，相比以往采暖锅炉更加安全高效、对环境污染大大减少，通过配置储能可将低谷时段电能储存供白天供热[11]。电锅炉运行功率 boil()P t需满足如下约束
功率平衡约束为
式中，
为电锅炉运行功率即热负荷功率；
为电锅炉搭配虚拟储能后从微能源系统所吸收功率。
（3）制冷机组。冷负荷高峰与用户用电高峰基本处于相同时段，制冷机组搭配储能系统可以降低负荷高峰，实现能量再分配[13]。制冷机组运行功率
需满足如下约束
功率平衡约束为
其中
式中，
为制冷机组搭配虚拟储能后从微能源系统所吸收功率；α为蓄冰槽槽壁传热效率；
和
分别为制冷机组在空调工况和制冰工况下的制冷量； 
为冷负荷功率；δ为制冷机组容量变化率； 
为制冷机组在空调工况下的能效比，表示设备在单位耗电量下的制冷量。
（4）快速充电站。快速充电站的短时大功率充电功能会严重影响电网输电质量，储能系统可以作为快速充电站的电力缓冲，通过谷电峰用减小配网压力，延缓配网升级改造[19]。功率平衡约束为
式中， 
为快速充电站的负荷功率；
为快速充电站搭配虚拟储能后从微能源系统所吸收功率。
（5）用户侧。用户侧功率平衡约束为
式中，
为用户侧搭配虚拟储能后从微能源系统所吸收功率。
（6）电池储能。储能充放电功率约束
式中，
分别为对应虚拟储能充放电功率的上、下限。
为提高电池储能系统寿命，避免过充过放，通常对储能的荷电状态进行约束。
式中
分别为对应虚拟储能的荷电状态值上、下限。另外电池储能系统在充放电过程中，电池内阻、储能变流器等在电能转换过程中都会造成能量的损失，需考虑电能转换效率η 对储能充放电量的影响。
式中， 
分别为虚拟储能系统充电功率和放电功率；
为虚拟储能系统的充放电电量。
当 P i( t - 1 )＜0 ，即储能系统充电时，有
当 P i( t - 1 )＞0 ，即储能系统放电时，有
当 P i( t - 1 ) = 0 ，即储能系统不动作时，有
2.4 配置流程
本文考虑电价政策、微能源系统技术经济参量、电网升级改造、碳减排，分别对不同能源环节配置虚拟储能，并对各虚拟储能进行多目标优化求解，最后经过汇聚得出实际储能系统配置及效益。微能源系统储能配置算法流程如图3所示。
本文储能协同配置采用了多目标优化算法，将不同的虚拟储能配置方案通过算法优化，得出相应的充放电功率曲线，选取经济性最优的各虚拟储能配置，合成实际储能充放电曲线，最终得出实际储能功率容量需求。具体的求解过程如下所述：
图3 算法流程
Fig.3 The algorithm flow chart
通过设定各虚拟储能配置初值及上限，采用遍历算法，当各虚拟储能配置超过设定值时，退出循环；同时，以各虚拟储能充放电功率为优化变量，经济性最优为目标，采用粒子群优化算法进行求解；选取各虚拟储能在不同配置下经济性最优的储能充放电功率曲线，通过聚合得出实际储能充放电曲线；根据储能实际应用要求，设置相应的置信度，最终得出微能源系统中实际储能功率容量需求。此外，算法还考虑虚拟储能系统容量逐年衰减情况，来评估其全寿命周期配置方案，为微能源系统中储能的容量规划提供技术经济参考。
3 仿真分析
3.1 算例简介
以某微能源系统实际运行数据为例，并结合当地电价，仿真分析电锅炉、制冷机组、快速充电站和常规用户在配置不同规模虚拟储能下，投资回收相关指标值的变化情况，以经济性最优为目标，规划微能源系统的储能规模，实现投资效益最大化的同时，满足系统内不同时刻各用户的用能需求。用户常规电负荷、热负荷、冷负荷、电动汽车充电站负荷曲线如图4所示。分时电价参数见表1。
图4 各类型负荷曲线
Fig.4 Load curves of various types
表1 分时电价参数
Tab.1 Time-of-use electricity price
时段 电价/[元/(kW·h)]高峰时段 08∶00～12∶00 17∶00～21∶00 1.012 2平时段 12∶00～17∶00 21∶00～24∶00 0.660 1低谷时段 00∶00～次日08∶00 0.320 0
3.2 投资效益分析
从投资人角度出发，考虑银行贷款、预期收益率等投资相关参数，对整个投资回收期进行评估分析。其中，电池储能采用锂离子电池，结合锂电池储能技术现状和当前投资实际参数，设定边界条件，见表2。
表2 投资效益分析相关参数
Tab.2 Relevant parameters of investment benefit analysis
相关参数 设定值功率成本/(元/W) 0.72容量成本/[元/(W·h)] 1.3运维成本/[万元/(MW·h⋅年)] 0.04循环次数 4 500 PCS效率(%) 90 DOD(%) 90贷款比例(%) 70贷款利率(%) 4.8贷款年限 6预期收益率(%) 6评估期/年 6
图5 不同虚拟储能配置下投资指标变化情况
Fig.5 Changes in investment indicators under different virtual energy storage configurations
设定储能功率配置上限约为负荷最大值的1/5，依据项目工程经验及分时电价曲线，设定储能系统持续放电时间上限T=5h，得出电锅炉、制冷机组、快速充电站和常规用户在不同的虚拟储能配置下净现值、投资回收期、内部收益率的变化情况，如图5所示。其中，净现值表示储能系统投入使用后的净现金流量，按预期收益率折算为现值，减去初始投资以后的余额，是反映项目投资获利能力的指标；内部收益率能够把项目评估期内的收益与其投资总额联系起来，指出这个项目的盈利率；投资回收期表示累计的经济效益等于最初的投资费用所需的时间。
图 5a为常规用户侧不同虚拟储能配置下净现值、投资回收期、内部收益率的变化情况。当虚拟储能配置功率一定时，随着可持续放电时间的增加，净现值先升后降，投资回收期先降后升，内部收益率先升后降；当虚拟储能可持续放电时间一定时，随着配置功率的增加，净现值总体呈先升后降趋势，投资回收期总体呈上升趋势，内部收益率基本稳定。
图5b为热负荷侧不同虚拟储能配置下净现值、投资回收期、内部收益率的变化情况。当虚拟储能配置功率一定时，随着可持续放电时间的增加，净现值主体先升后降，投资回收期先降后升，内部收益率先升后降；当虚拟储能可持续放电时间一定时，随着配置功率的增加，净现值主体呈上升趋势，投资回收期基本稳定，内部收益率呈下降趋势。
图5c为冷负荷侧不同虚拟储能配置下净现值、投资回收期、内部收益率的变化情况。当虚拟储能配置功率一定时，随着可持续放电时间的增加，净现值先升后降，投资回收期先降后升，内部收益率先升后降；当虚拟储能可持续放电时间一定时，随着配置功率的增加，净现值主体呈先升后降趋势，投资回收期总体上升，内部收益率呈下降趋势。
图 5d为快速充电站不同虚拟储能配置下净现值、投资回收期、内部收益率的变化情况。当虚拟储能配置功率一定时，随着可持续放电时间的增加，净现值先升后降，投资回收期先降后升，内部收益率先升后降；当虚拟储能可持续放电时间一定时，随着配置功率的增加，净现值主体呈上升趋势，投资回收期总体稳定，内部收益率总体稳定。
表3给出了常规电负荷、热负荷、冷负荷、电动汽车充电站分别在净现值、投资回收期、内部收益率达到最优值时，对应的虚拟储能配置。从投资人角度出发，为保证评估期内获得最大经济效益，本文选择净现值作为主要评估指标，确定电负荷、热负荷、冷负荷、电动汽车充电站虚拟储能配置容量，分别为7MW×4h、7MW×3h、2MW×4h、5MW×4h。
表3 最优虚拟储能配置
Tab.3 Optimal configuration of virtual energy storage
负荷类型 净现值/万元投资回收期/年内部收益率(%)最优值 877.68 2.93 29.2电负荷虚拟储能配置 7MW×4h 5MW×4h 5MW×4h最优值 435.72 2.93 29.2热负荷虚拟储能配置 7MW×3h 1MW×4h 1MW×4h最优值 268.85 2.93 29.2冷负荷虚拟储能配置 2MW×4h 1MW×4h 1MW×4h最优值 706.38 2.93 29.2电动汽车虚拟储能配置 5MW×4h 2MW×4h 2MW×4h
图6 各虚拟储能充放电曲线
Fig.6 Charge and discharge curve of each virtual energy storage
各虚拟储能充放电曲线如图6所示。由图可以看出，在 00∶00～08∶00电价低谷时段，各虚拟储能均处于充电状态；08∶00～12∶00的电价高峰时段，此时各类负荷也处于用能高峰，各虚拟储能切换为放电状态；12∶00～17∶00为电价平时段，各虚拟储能经过负荷高峰连续放电，荷电状态（State of Charge, SOC）过低进入充电状态，其中，用户侧在13∶00左右出现负荷最高峰，此时对应虚拟储能充电功率降低；热负荷需求在该时间段内逐渐升高，虚拟储能充电功率逐渐减少；冷负荷在14∶00左右出现负荷最高峰，此时配置虚拟储能充电功率降低；快速充电站在该时间段内为负荷低谷，配置虚拟储能持续充电。17∶00～21∶00电价晚高峰时段，各虚拟储能切换为放电状态。21∶00～24∶00为电价平时段，此时各类负荷处于用能低谷，各虚拟储能停止动作。可以看出，本文的模型与算法可以使得各类型负荷配置虚拟储能后，在不增加负荷对配电网的容量需求情况下，实现运行经济效益最优。
将各类型负荷对应的虚拟储能充放电功率曲线进行汇聚，可以得到微能源系统中实际电池储能系统的充放电功率曲线，如图7所示。考虑储能成本、储能实际应用要求，设置相应的置信度，计算得出实际储能最优额定功率容量为17MW×4h。
图7 实际储能充放电功率曲线
Fig.7 Charge and discharge power curve of actual energy storage
表4给出本文微能源系统算例中，实际储能系统投资回收的现金流，可以看出：按照当前储能功率容量单价及70%贷款比例，该储能系统初始投资为3 021.92万元；由于储能容量逐年衰减，通过“低储高放”、延缓配电网升级、碳减排等获得的收益（现金流入）逐年减少；每年现金流出为1 381.80万元，包含年还贷款、运维成本和电池更换等支出。
表4 微能源系统储能投资现金流
Tab.4 Cash flow statement for energy storage investment in micro energy systems（单位: 万元）
年份 现金流入现金流出净现金流量净现金流量折现值（预期收益率6%）累计净现金流量折现值（预期收益率6%）0 0 3 021.92 -3 021.92 -3 021.92 -3 021.92 1 2 545.18 1 381.80 1 163.38 1 097.53 -1 924.39 2 2 508.62 1 381.80 1 126.82 1 002.86 -921.53 3 2 472.06 1 381.80 1 090.25 915.40 -6.13 4 2 435.50 1 381.80 1 053.69 834.62 828.49 5 2 398.93 1 381.80 1 017.13 760.06 1 588.55 6 2 362.37 1 381.80 980.57 691.26 2 279.81
评估期（6年）内，该微能源系统储能项目投资净现值为2 279.81万元，投资回收期为3.01年，内部收益率达到28%。
4 结论
本文以实现多类型能源的协同优化、微能源系统的运行效益最优为出发点，在包含新能源发电、储能系统、用户用电负荷、冷负荷、热负荷、电动汽车充电站和储能系统的微能源系统简化模型基础上，对微能源系统的储能容量配置和投资效益展开研究。
1）针对微能源系统中储能容量配置问题。为保证微能源系统的各类型能源的生产/消费需求，假设分别为其配置虚拟储能，基于储能系统成本、多种类型负荷需求约束及储能系统约束，同时考虑峰谷分时电价、碳减排政策等，进行优化求解得出各虚拟储能运行曲线，基于各虚拟储能运行曲线，汇聚出实际储能运行曲线，最后仿真得出，本文所采用微能源系统算例，储能系统最优额定功率容量为17MW×4h。
2）本文所建立的模型为微能源系统中储能的容量规划提供技术经济参考，通过考虑储能容量衰减、系统投资和运维成本、以及电价政策、微能源系统技术经济参量、电网升级改造、碳减排，建立储能系统的净收益模型，来评估各虚拟储能之间的协同配置方案和实际储能最优配置方案。
3）本文从投资人角度出发，对微能源系统中储能系统进行投资回收分析。通过分析不同规模虚拟储能下，投资回收相关指标值的变化情况，以经济性最优为目标，规划微能源系统的储能规模，最后得出实际储能系统评估期内完整现金流，旨在探索储能商业运营模式，推动储能产业发展。
本文在保证储能满足不同类型能源需求的同时，为保证投资效益最大化，未对储能循环次数进行约束。随着国内电化学等主流储能技术成本不断下降，储能的商业化应用机遇不断显现，本文将进一步考虑储能整体健康状态。
[1] 李建林, 马会萌, 惠东. 储能技术融合分布式可再生能源的现状及发展趋势[J]. 电工技术学报, 2016,31(14): 1-10, 20.Li Jianlin, Ma Huimeng, Hui Dong. Present development condition and trends of energy storage technology in the integration of distributed renewable energy[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 1-10, 20.
[2] 邵成成, 王锡凡, 王秀丽, 等. 多能源系统分析规划初探[J]. 中国电机工程学报, 2016, 36(14): 3817-3829.Shao Chengcheng, Wang Xifan, Wang Xiuli, et al.Probe into analysis and planning of multi-energy systems[J]. Proceedings of the CSEE, 2016, 36(14):3817-3829.
[3] Guo Binqi, Niu Meng, Lai Xiaokang, et al. Application research on large-scale battery energy storage system under global energy interconnection framework[J]. Global Energy Interconnection, 2018, 1(1):79-86.
[4] 陈柏翰, 冯伟, 孙凯, 等. 冷热电联供系统多元储能及孤岛运行优化调度方法[J]. 电工技术学报,2019, 34(15): 3231-3243.Chen Bohan, Feng Wei, Sun Kai, et al. Multi-energy storage system and islanded optimal dispatch method of CCHP[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3231-3243.
[5] 李建林, 郭斌琪, 牛萌, 等. 风光储系统储能容量优化配置策略[J]. 电工技术学报, 2018, 33(6): 1189-1196.Li Jianlin, Guo Binqi, Niu Meng, et al. Optimal configuration strategy of energy storage capacity in wind/PV/storage hybrid system[J]. Transactions of China Electrotechnical Society, 2018, 33(6): 1189-1196.
[6] 王英瑞, 曾博, 郭经, 等. 电-热-气综合能源系统多能流计算方法[J]. 电网技术, 2016, 40(10): 2942-2951.Wang Yingrui, Zeng Bo, Guo Jing, et al. Multienergy flow calculation method for integrated energy system containing electricity, heat and gas[J]. Power System Technology, 2016, 40(10): 2942-2951.
[7] 刘方泽, 牟龙华, 张涛, 等. 微能源网多能源耦合枢纽的模型搭建与优化[J]. 电力系统自动化, 2018,42(14): 91-98.Liu Fangze, Mu Longhua, Zhang Tao, et al. Modelling and optimization of multi-energy coupling hub for micro-energy network[J]. Automation of Electric Systems, 2018, 42(14): 91-98.
[8] 张勇军, 林晓明, 许志恒, 等. 基于弱鲁棒优化的微能源网调度方法[J]. 电力系统自动化, 2018,42(14): 75-82.Zhang Yongjun, Lin Xiaoming, Xu Zhiheng, et al.Dispatching model of micro energy grid based on light robust optimization network[J]. Automation of Electric Systems, 2018, 42(14): 75-82.
[9] 曾鸣, 武赓, 李冉, 等. 能源互联网中综合需求侧响应的关键问题及展望[J]. 电网技术, 2016, 40(11):3391-3398.Zeng Ming, Wu Geng, Li Ran, et al. Key problems and prospects of integrated demand response in energy internet[J]. Power System Technology, 2016,40(11): 3391-3398.
[10] 马丽, 刘念, 张建华, 等. 基于主从博弈策略的社区能源互联网分布式能量管理[J]. 电网技术, 2016,40(12): 3655-3662.Ma Li, Liu Nian, Zhang Jianhua, et al. Distributed energy management of community energy internet based on leader-followers game[J]. Power System Technology, 2016, 40(12): 3655-3662.
[11] 牛萌, 靳文涛, 艾小猛, 等. 大规模储能减小弃风的规划配置研究[J]. 电器与能效管理技术, 2018(14):69-78.Niu Meng, Jin Wentao, Ai Xiaomeng, et al. Research on planning and configuration of energy storage system for improving wind power outgoing capacity[J].Electrical & Energy Management Technology, 2018(14):69-78.
[12] 崔明勇, 王楚通, 王玉翠, 等. 独立模式下微网多能存储系统优化配置[J]. 电力系统自动化, 2018,42(4): 30-38, 54.Cui Mingyong, Wang Chutong, Wang Yucui, et al.Optimal configuration of multi-energy storage system in standalone microgrid[J]. Automation of Electric Power Systems, 2018,42(4): 30-38, 54.
[13] 雷鸣宇, 杨子龙, 王一波, 等. 光/储混合系统中的储能控制技术研究[J]. 电工技术学报, 2016, 31(23):86-92.Lei Mingyu, Yang Zilong, Wang Yibo, et al. Study on control technology of energy storage station in photovoltaic/storage system[J]. Transactions of China Electrotechnical Society, 2016, 31(23): 86-92.
[14] 林凯骏, 吴俊勇, 郝亮亮, 等. 基于非合作博弈的冷热电联供微能源网运行策略优化[J]. 电力系统自动化, 2018, 42(6): 25-32.Lin Kaijun, Wu Junyong, Hao Liangliang, et al.Optimization of operation strategy for micro-energy grid with CCHP systems based on non-cooperative game[J]. Automation of Electric Power Systems, 2018,42(6): 25-32.
[15] 王泽森, 唐艳梅, 门向阳, 等. 独立海岛终端一体化系统下电动汽车投放数量规划研究[J]. 中国电机工程学报, 2019, 39(7): 2005-2016.Wang Zesen, Tang Yanmei, Men Xiangyang, et al.Research on the quantity planning of electric vehicle on the isolated island terminal integration system[J].Proceedings of the CSEE, 2019, 39(7): 2005-2016.
[16] 李建林, 牛萌, 张博越, 等. 电池储能系统机电暂态仿真模型[J]. 电工技术学报, 2018, 33(8): 1911-1918.Li Jianlin, Niu Meng, Zhang Boyue, et al. Simulation model of battery energy storage system in electromechanical transient[J]. Transactions of China Electrotechnical Society, 2018, 33(8): 1911-1918.
[17] 修晓青, 唐巍, 李建林, 等. 计及电池健康状态的源储荷协同配置方法[J]. 高电压技术, 2017, 43(9):3118-3126.Xiu Xiaoqing, Tang Wei, Li Jianlin, et al. Collaborative configuration of distributed generation,energy storage and load in microgrid considering state of health[J]. High Voltage Engineering, 2017,43(9): 3118-3126.
[18] 张金国, 焦东升, 王小君, 等. 基于梯级利用电池的储能系统经济运行分析[J]. 电网技术, 2014,38(9): 2551-2555.Zhang Jinguo, Jiao Dongsheng, Wang Xiaojun, et al.Analysis on economic operation of energy storage based on second-use batteries[J]. Power System Technology, 2014, 38(9): 2551-2555.
[19] 韩晓娟, 张婳, 修晓青, 等. 配置梯次电池储能系统的快速充电站经济性评估[J]. 储能科学与技术,2016, 5(4): 514-521.Han Xiaojuan, Zhang Hua, Xiu Xiaoqing, et al.Economic evaluation of fast charging electric vehicle station with second-use batteries energy storage system[J]. Energy Storage Science and Technology,2016, 5(4): 514-521.