在2030年前实现碳达峰、2060年前实现碳中和，是党中央、国务院从我国国情出发作出的重大战略决策。在众多会排放碳元素的活动中，能源活动的碳排放占比最高，因此实现国家重大战略目标的关键在于能源转型。储能作为新能源战略性新兴产业，有助于增强电力系统安全性、稳定性和灵活性，是提高全社会综合效率的重要环节。此外，储能作为智慧能源的重要组成部分，是支撑能源转型的关键技术之一。

 图1 智慧能源新型储能系统

由于用户负荷特性各异，各新型储能设备特性不同，使用固定能源设备的储能规划系统难以对设备特性进行精准的描述，导致储能规划产生偏差。根据国家双碳对能源转型发展的要求，为适应不同的电力市场环境，使储能系统以最佳运行优化策略来实现经济和社会效益最大化，促进储能市场化良性发展，智能算法研究中心联合各大投资方、知名设计院和设备厂，基于微搜索算法开发了一款储能市场开发仿真系统（系统网址：https://energystorage.autosem.net/，以下简称“仿真系统”）。该系统涵盖用户侧储能、电网侧独立储能、联合调频储能和新能源智能微网储能等多个应用场景。其中，用户侧储能因其商业模式清晰而成为储能市场最活跃的领域。

 图2 储能市场开发仿真系统首页

仿真系统一期上线了用户侧储能模块，这是基于用户侧储能模式下的规划设计和市场开发工具，面向的使用对象为储能投资方、设计院和设备集成商。仿真系统应用广泛，它可为储能投资方选择市场目标客户，为最佳收益下的投资规模提供技术支撑，也可基于人工智能算法为储能规划设计工程师提供储能精细化规划及选址，基于自身设备特性为设备集成商寻找与规划容量最匹配的运行控制策略。

仿真系统首先结合用户预测或者历史数据和设备技术参数，自适应一部制电价、两部制电价或者现货市场节点电价机制及需求侧响应，以内部收益率最优计算出储能规划方案，然后根据净现值、削峰率等指标选择符合自身企业需求的最佳配置，最后生成运行优化控制策略、经济评价分析和现金流收益报表。

 图3 储能市场开发仿真系统计算得出的最佳储能规划方案

仿真系统功能强大，可支持多种负荷模式，精确计算用户负荷。在系统处于典型日负荷计算的基础上，用户可直接使用历史数据进行负荷计算，使系统能够精确描绘出建设储能后的负荷削减曲线。

 图4 储能市场开发仿真系统负荷参数设置

此外，为提高负荷电量计价的准确性，仿真系统提供了多种电价模式，包括容量/需量计价模式和全年分钟级/小时级分时动态调整模式，同时也提供电力需求侧响应。

 图5 储能市场开发仿真系统电价参数设置

储能市场开发仿真系统的高性能得益于背后提供技术支持的储能模型优化算法。储能模型优化算法以各时段的电价、负荷功率、配置价格等为输入，利用业务建模以及快速精准的最优化算法与启发式搜索技术，采用在微小范围内的定向搜索方法，最终得到满足业务需求的最优配置与储能充放电方案。

储能模型优化算法可分为三个主要阶段。首先，该算法以最大需量计价跨度分段确定充放电方案，确定配置储能后该月的最大需求量，并生成初始的充放电方案。进入收益最大化阶段后，该算法将根据电价随时间段的变化情况对不同时段的充放电收益进行快速评估，进一步完善充放电方案。最后，在所有符合约束的充放电方案中，该算法选出在特定时段电价和负荷功率的条件下有助于增加内部收益率的功率范围作为有效决策子集，对基本电费收益、电度电费收益、需求响应收益、系统残值、贷款还款额、运维成本和税收金额综合信息进行搜索，快速获取储能最佳配置。

 图6 储能模型优化算法流程

长期以来，智能算法研究中心一直致力于智能优化算法的研究，其所研发的微搜索算法已经在多个领域的多个问题上取得了不错的成绩。其中，智能算法研究中心提出的启发式优化抠图算法不同于传统的图像采样算法，它采用像素级采样策略，在采样空间中进行定向有效搜索，提高了抠图和图像合成的效果，得到了广泛的应用，例如证件照换底[1]、红外行人分类[2]等。

 图7 微搜索算法在求解抠图问题的应用

相对于双层车辆路径问题（Two-Echelon Vehicle Routing Problem, 2E-VRP）完整的解集而言，具有嵌入式哈密尔顿子图结构的解集是一个微小的搜索范围，因此智能算法研究中心的研究人员以微搜索思想为基础，提出了基于嵌入式哈密尔顿图的启发式算法（EHG-HA）[3]。该算法在2E-VRP上提供了高质量的求解方案，为求解城市物流系统规划、车辆路径管理等实际问题提供了新思路。

图8微搜索算法在求解2E-VRP的应用

基于流形搜索的测试用例自动生成算法（MISA）[4] 运用流形学习的思想，定义了等价映射子空间有效决策子集，为路径覆盖的测试用例自动生成问题提供了优化方案。该算法在目前先进的算法中拥有最高的路径覆盖率，将来可应用到大型软件的测试中。

 图9 微搜索算法在求解测试用例自动生成问题的应用

针对滤波器自动调优问题，智能算法研究中心的研究人员基于微搜索的思想，设计了一种微尺度搜索算法[5]，通过搜索有效决策子空间来代替整个决策空间，解决了微波滤波器关于版本和物理结构对调优精度敏感的问题。

 图10 微搜索算法在求解滤波器自动调优问题的应用

此外，在2021年IEEE进化计算大会（IEEE Congress on Evolutionary Computation, IEEE CEC）中，智能算法研究中心的研究人员针对智能电网优化问题而设计的两种微搜索算法[6]在比赛中脱颖而出，取得了优异的成绩。其中，区域电力市场竞价策略的双层优化算法在能源领域进化计算竞赛的智能电网应用赛道一上斩获桂冠，得到了国际权威的认可。

 图11 微搜索算法在IEEE CEC 2021竞赛赛道一上获得第一名

总而言之，储能市场开发仿真系统具有强大且先进的算法基础，为储能规划问题提供了高水平的解决方案，在规划和优化能源系统领域取得了不错的成绩，在储能管理市场中具备很高的经济价值。

后续我们将进一步扩展系统功能，构建出基于储能系统的综合能源管理系统。综合能源管理系统将实现高效的能源优化控制，基于多能耦合技术构建多类型能源互联网络，计划为设计院、工业园区等全行业不同用户群体提供服务。目前，该系统已处于最终调试阶段，即将上线，敬请期待！

参考文献

[1] H. Huang, Y. Liang, X. Yang, and Z. Hao, “Pixel-level discrete multiobjective sampling for alpha matting,” IEEE Transactions on Image Processing, vol. 27, no. 8, pp. 3739-3751, 2019.

[2] Y. Liang, H. Huang, Z. Cai, Z. Hao and K. Tan, “Deep infrared pedestrian classification based on automatic image matting,” Applied Soft Computing, vol. 77, pp. 484-496, 2019.

[3] H. Huang, S. Yang, X. Li*, and Z. Hao, “An embedded hamiltonian graph guided heuristic algorithm for two-echelon vehicle routing problem,” IEEE Transactions on Cybernetics, doi: 10.1109/TCYB.2021.3108597.

[4] F. Liu, H. Huang, J. Su, S. D. Semujju, Z. Yang and Z. Hao, “Manifold-inspired search-based algorithm for automated test case generation,” IEEE Transactions on Emerging Topics in Computing, vol. 99, pp. 1-15, 2021.

[5] H. Huang, F. Feng, S. Huang, L. Chen and Z. Hao, “Micro-scale searching algorithm for coupling matrix optimization of automated microwave filter tuning,” IEEE Transactions on Cybernetics, doi: 10.1109/TCYB.2022.3166225.

[6] J. Su, H. Huang, and Z. Hao, “Cooperative co-evolution strategies with time-dependent grouping for optimization problems in smart grids,” in Proceedings of the Genetic and Evolutionary Computation Conference Companion, 2021.

总编：黄翰

责任编辑：袁中锦

文字：梁靖欣

图片：梁靖欣

校稿：何莉怡

时间：2022年5月27日