基于熵理论的储能配置方法研究

doi:10.19799/j.cnki.2095-4239.2024.1229

摘要/Abstract

摘要：

基于熵理论建立储能系统功率的熵值分析方法与系统中储能的多项关键指标，如功率、时长、容量等，均有关联并存在一致的正相关关系，可以综合反映系统调节能力的功能。本工作在以往研究的基础上，研究并提出了“功率熵”体系下的系统调节能力标定方法，并结合特例对应用该方法指导系统储能优化配置进行了探讨。得出结论，一是特定能源系统的功率熵存在最大和最小值，可分别体现系统中储能提供的最大调节能力以及系统最低调节能力需求，案例中不同配置方式熵值差异19%。二是随着储能个数的增加，系统功率熵的最小值逐渐降低，并趋近于某一极限值，小型储能装置可作为优先调度的单元。三是功率熵受选取的标准化时间(T₀)影响，但对于储能配置结果的影响将随着T₀趋于0而快速收敛。综上，功率熵能够体现不同储能配置之间的差异，在储能配置优化方面有参考意义。

关键词: 储能, 优化配置, 功率熵, 标准化, 泛函

Abstract:

Inspired by the thermodynamic concept of Clausius entropy, power entropy can be used to assess the adjustment ability of energy systems. Power entropy exhibits a consistent positive correlation with key energy storage indicators, such as power, duration, and capacity. Building on previous research, this study proposes a calibration method for evaluating system adjustment ability within a power entropy framework and discusses its application in optimizing energy storage configurations under specific conditions. The results demonstrate that under different energy storage configurations, the system power entropy decreased by 33%. The system optimization progresses as the power entropy increase introduced by the energy storage decreases, which corresponds to reduced redundancy in the energy storage regulation performance. The power entropy concept provides a new idea for the optimization of energy storage configurations in future power systems and the optimization of multiple energy forms in integrated energy systems.

Key words: energy storage, optimize configuration, power entropy, normalization, functional analysis

中图分类号:

TM 911

孙振新, 张秩鸣, 张怡, 李海昭, 廖海燕, 魏良杰. 基于熵理论的储能配置方法研究[J]. 储能科学与技术, 2025, 14(6): 2431-2438.

Zhenxin SUN, Zhiming ZHANG, Yi ZHANG, Haizhao LI, Haiyan LIAO, Liangjie WEI. Research on the energy storage configuration method based on entropy theory[J]. Energy Storage Science and Technology, 2025, 14(6): 2431-2438.

图/表 9

图1

表1

图2

图3

图4

图5

图6

图7

图8

参考文献 21

1	李相俊, 马会萌, 姜倩. 新能源侧储能配置技术研究综述[J]. 中国电力, 2022, 55(1): 13-25. DOI: 10.11930/j.issn.1004-9649.2021 09032.
	LI X J, MA H M, JIANG Q. Review of energy storage configuration technology on renewable energy side[J]. Electric Power, 2022, 55(1): 13-25. DOI: 10.11930/j.issn.1004-9649.202109032.
2	田蓓, 王朝晖, 张爽, 等. 面向风光综合消纳的电力系统广域储能容量优化配置研究[J]. 智慧电力, 2020, 48(6): 67-72.
	TIAN B, WANG Z H, ZHANG S, et al. Wide-area optimized allocation of energy storage capacity considering wind/photovoltaic power accommodation in power systems[J]. Smart Power, 2020, 48(6): 67-72.
3	夏新茂, 关洪浩, 丁鹏飞, 等. 基于改进型量子遗传算法的储能系统容量配置与优化策略[J]. 储能科学与技术, 2019, 8(3): 551-558.
	XIA X M, GUAN H H, DING P F, et al. Capacity allocation and optimization strategy of an energy storage system based on an improved quantum genetic algorithm[J]. Energy Storage Science and Technology, 2019, 8(3): 551-558.
4	马速良, 马会萌, 蒋小平, 等. 基于Bloch球面的量子遗传算法的混合储能系统容量配置[J]. 中国电机工程学报, 2015, 35(3): 592-599. DOI: 10.13334/j.0258-8013.pcsee.2015.03.011.
	MA S L, MA H M, JIANG X P, et al. Capacity configuration of the hybrid energy storage system based on the Bloch spherical quantum genetic algorithm[J]. Proceedings of the CSEE, 2015, 35(3): 592-599. DOI: 10.13334/j.0258-8013.pcsee.2015.03.011.
5	张晴, 李欣然, 杨明, 等. 净效益最大的平抑风电功率波动的混合储能容量配置方法[J]. 电工技术学报, 2016, 31(14): 40-48. DOI: 10.19595/j.cnki.1000-6753.tces.2016.14.005.
	ZHANG Q, LI X R, YANG M, et al. Capacity determination of a hybrid energy storage system for smoothing wind power fluctuations with maximum net benefit[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 40-48. DOI: 10.19595/j.cnki.1000-6753.tces. 2016.14.005.
6	董昱, 范高锋, 董存, 等. 电力系统配置储能分析计算方法[J]. 中国电力, 2022, 55(1): 26-36. DOI: 10.11930/j.issn.1004-9649.202101138.
	DONG Y, FAN G F, DONG C, et al. Analysis and calculation of the energy storage configuration in power system[J]. Electric Power, 2022, 55(1): 26-36. DOI: 10.11930/j.issn.1004-9649.2021 01138.
7	曾紫光. 基于经济效益的风/储系统容量优化配置及研究[D]. 南昌: 南昌大学, 2014.
8	曹一家, 王光增, 曹丽华, 等. 基于潮流熵的复杂电网自组织临界态判断模型[J]. 电力系统自动化, 2011, 35(7): 1-6.
	CAO Y J, WANG G Z, CAO L H, et al. An identification model for the self-organized criticality of power grids based on power flow entropy[J]. Automation of Electric Power Systems, 2011, 35(7): 1-6.
9	赵源上, 林伟芳. 基于皮尔逊相关系数融合密度峰值和熵权法典型场景研究[J]. 中国电力, 2023, 56(5): 193-202.
	ZHAO Y S, LIN W F. Research on typical scenarios based on the fusion density peak value and entropy weight method of Pearson's correlation coefficient[J]. Electric Power, 2023, 56(5): 193-202.
10	蒋群. 电力系统可靠性裕度评估[D]. 北京: 华北电力大学, 2011.
11	翟峰, 冯云, 程凯, 等. 基于信息熵的多源电力物联终端设备信任度评价方法[J]. 中国电力, 2022, 55(5): 158-165.
	ZHAI F, FENG Y, CHENG K, et al. Information entrop-basedd multisource power IoT terminal equipment trust degree evaluation method[J]. Electric Power, 2022, 55(5): 158-165.
12	徐艳春, 赵彩彩, 孙思涵, 等. 基于改进LMD和能量相对熵的主动配电网故障定位方法[J]. 中国电力, 2021, 54(11): 133-143.
	XU Y C, ZHAO C C, SUN S H, et al. Fault location for the active distribution network based on improved LMD and energy relative entropy[J]. Electric Power, 2021, 54(11): 133-143.
13	钟静, 吕飞鹏, 孔德洪, 等. 基于加权潮流转移熵的电网脆弱线路辨识[J]. 电测与仪表, 2016, 53(10): 22-26. DOI: 10.3969/j.issn.1001-1390.2016.10.004.
	ZHONG J, LV F P, KONG D H, et al. Vulnerable line identification of the power grid based on the weighted transfer entropy of the power flow[J]. Electrical Measurement & Instrumentation, 2016, 53(10): 22-26. DOI: 10.3969/j.issn.1001-1390.2016.10.004.
14	李志民, 李卫星, 王永建. 基于熵理论的最优潮流代理约束算法[J]. 电力系统自动化, 2001, 25(11): 28-31. DOI: 10.3321/j.issn: 1000-1026.2001.11.007.
	LI Z M, LI W X, WANG Y J. Surrogate constraint algorithm for the optimal power flow based on the entropy theory[J]. Automation of Electric Power Systems, 2001, 25(11): 28-31. DOI: 10.3321/j.issn: 1000-1026.2001.11.007.
15	朱成骐, 孙宏斌, 张伯明. 基于最大信息熵原理的短期负荷预测综合模型[J]. 中国电机工程学报, 2005, 25(19): 1-6. DOI: 10.13334/j. 0258-8013.pcsee.2005.19.001.
	ZHU C Q, SUN H B, ZHANG B M. A combined model for short-term load forecasting based on maximum entropy principle[J]. Proceedings of the CSEE, 2005, 25(19): 1-6. DOI: 10.13334/j.0258-8013.pcsee.2005.19.001.
16	谢敬东, 陆池鑫, 鲁思薇, 等. 基于序关系-熵权法的电力市场风险评估[J]. 中国电力, 2021, 54(6): 71-78. DOI: 10.11930/j.issn.1004-9649.202006099.
	XIE J D, LU C X, LU S W, et al. Electricity market risk evaluation based on the order relation-entropy weight method[J]. Electric Power, 2021, 54(6): 71-78. DOI: 10.11930/j.issn.1004-9649.2020 06099.
17	管霖, 卓映君, 周保荣, 等. 复杂波动时间序列的多尺度分解算法及其在可再生能源发电建模应用中的性能评估[J]. 南方电网技术, 2020, 14(6): 11-16, 32. DOI: 10.13648/j.cnki.issn1674-0629.2020. 06.002.
	GUAN L, ZHUO Y J, ZHOU B R, et al. Multi-scale decomposition algorithms for complicated fluctuant time series and their performance evaluation in renewable energy generation modeling[J]. Southern Power System Technology, 2020, 14(6): 11-16, 32. DOI: 10.13648/j.cnki.issn1674-0629.2020.06.002.
18	陈中, 胡吕龙, 丁楠. 基于改进熵的风光储互补并网系统优化运行[J]. 电力系统保护与控制, 2013, 41(21): 86-91.
	CHEN Z, HU L, DING N. Optimized operation of the wind-solar-battery hybrid power system based on improved entropy[J]. Power System Protection and Control, 2013, 41(21): 86-91.
19	ZHOU G Y, CHAN C C, ZHANG D, et al. Smart energy evolution roadmap based on the correlation between energy and information[J]. Energy Procedia, 2019, 158: 3082-3087. DOI: 10.1016/j.egypro.2019.01.997.
20	孙振新, 张秩鸣, 马俯波, 等. 基于熵理论的能量调节性能研究[J]. 储能科学与技术, 2024, 13(5): 1584-1591. DOI: 10.19799/j.cnki. 2095-4239.2023.0940.
	SUN Z X, ZHANG Z M, MA F B, et al. Research on energy regulation performance based on entropy theory[J]. Energy Storage Science and Technology, 2024, 13(5): 1584-1591. DOI: 10.19799/j.cnki.2095-4239.2023.0940.
21	孙振新, 李海昭, 张秩鸣, 等. 克劳修斯熵在多时间尺度储能配置问题上的应用[J]. 热力发电, 2024, 53(9): 92-99. DOI: 10.19666/j.rlfd.202404081.
	SUN Z X, LI H Z, ZHANG Z M, et al. Application of Clausius entropy to energy storage configuration problems at multitime scale[J]. Thermal Power Generation, 2024, 53(9): 92-99. DOI: 10.19666/j.rlfd.202404081.

组别	参量	ES1	ES2	ES3	总和
第一组	P_max/kW	8	5	3	16
	T_cap/h	6.895	4.648	2.309	13.853
	E/kWh	55.163	23.242	6.928	85.333
	S/kW	16.530	8.657	3.590	28.777

第二组	P_max/kW	6	5	5	16
	T_cap/h	7.195	5.451	2.981	15.628
	E/kWh	43.170	27.257	14.907	85.333
	S/kW	12.621	9.321	6.908	28.851

最优解	P_max/kW	9.076	4.999	1.925	16
	T_cap/h	6.726	4.147	1.850	12.722
	E/kWh	61.040	20.733	3.560	85.333
	S/kW	18.556	8.191	2.016	28.763

[1]	樊慧敏, 彭浩鸿, 孟辉, 唐梦宏, 易昊昊, 丁静, 刘金成, 徐成善, 冯旭宁. 储能电池模组膨胀力特性研究及仿真分析[J]. 储能科学与技术, 2025, 14(6): 2488-2497.
[2]	袁帅, 崔煜杰, 程东浩, 台枫, 吴金中. 2017—2024年全球电化学储能电站火灾爆炸事故统计分析[J]. 储能科学与技术, 2025, 14(6): 2362-2376.
[3]	尹朝莛, 郭威, 王金鑫, 孟洋. 水系锌离子电池正极的改性策略及发展展望[J]. 储能科学与技术, 2025, 14(6): 2320-2335.
[4]	王斌, 谭鋆, 李凤合, 蔺新星, 关苏敏, 丁若晨, 苏文. 基于CO₂ 混合工质的压缩储能系统性能[J]. 储能科学与技术, 2025, 14(6): 2391-2404.
[5]	郝俊博, 闫广颖, 裴红兰, 赵盈鑫, 郝晋. 基于贡献度的台区分布式新能源共享储能合作联盟收益分配策略[J]. 储能科学与技术, 2025, 14(6): 2462-2472.
[6]	贺悝, 冷肇星, 谭庄熙, 李雪源, 吴晓文, 陈超洋. 考虑放电倍率的电池储能容量自适应SOC估计方法[J]. 储能科学与技术, 2025, 14(6): 2405-2415.
[7]	刘康彬, 申海川, 赵贯甲, 谢文涛, 荀玮瑶. 自增压型超高压水热储能实验和数值模拟研究[J]. 储能科学与技术, 2025, 14(6): 2352-2361.
[8]	邵尹池, 巩宇, 牛萌, 杨若奂, 刘雅婷, 丁然. 计及相角与幅值跳变的构网型储能短路电流特性及其计算模型[J]. 储能科学与技术, 2025, 14(6): 2451-2461.
[9]	谈家宝, 王育飞, 薛花. 活塞式重力储能系统建模与性能分析[J]. 储能科学与技术, 2025, 14(6): 2383-2390.
[10]	陈海生, 李泓, 徐玉杰, 徐德厚, 王亮, 周学志, 陈满, 胡东旭, 林海波, 李先锋, 胡勇胜, 安仲勋, 刘语, 肖立业, 蒋凯, 钟国彬, 王青松, 李臻, 康飞宇, 王选朋, 尹钊, 戴兴建, 林曦鹏, 朱轶林, 张弛, 张宇鑫, 刘为, 岳芬, 张长昆, 俞振华, 党荣彬, 邱清泉, 陈仕卿, 史卓群, 张华良, 李浩秒, 徐成, 周栋, 司知蠢, 宋振, 赵新宇, 刘轩, 梅文昕. 2024年中国储能技术研究进展[J]. 储能科学与技术, 2025, 14(6): 2149-2192.
[11]	屈笑羽, 豆流鑫. 储能技术在食品电商冷链物流中的创新应用与前景分析[J]. 储能科学与技术, 2025, 14(6): 2336-2338.
[12]	李政, 任旭凯. 储能电站消防安全管理举措探析[J]. 储能科学与技术, 2025, 14(6): 2377-2379.
[13]	张路霞. 基于可重构电池的储能安全系统设计与机制分析[J]. 储能科学与技术, 2025, 14(6): 2380-2382.
[14]	陈勋. 基于深度强化学习的储能系统能量管理与优化调度策略[J]. 储能科学与技术, 2025, 14(6): 2439-2441.
[15]	刘震宇, 陈建, 尹兆磊, 杨慢慢. 基于深度学习的电网-储能联合调度策略设计[J]. 储能科学与技术, 2025, 14(6): 2555-2557.