💥1 概述
文献来源：
摘要-我们考虑通过联合优化框架同时使用电池存储系统进行调峰和频率调节，该框架捕获电池退化、操作约束以及客户负载和调节信号的不确定性。在此框架下，我们使用真实数据显示，用户的电费可降低12%。此外，我们证明，当电池用于两个单独的应用程序时，联合优化的节省通常大于最优节省的总和。提出了一种简单的阈值实时算法，实现了这种超线性增益。
与之前专注于将电池存储系统用于单一应用的工作相比，我们的结果表明，如果电池联合提供多种服务，它们可以获得比以前想象的更大的经济效益。
指标术语-电池管理系统，数据中心，频率调节服务，电力系统经济。
TTERY储能系统在电力系统运行中正变得越来越重要。随着不确定性和间歇性可再生资源的渗透增加，存储系统对能源系统的稳健性、弹性和效率至关重要。例如，研究表明，到2050年，加州将需要22吉瓦的储能，而整个美国可能需要152吉瓦的储能。这些容量中的大部分预计将由个人消费者拥有的分布式存储系统实现。
目前，拥有大量存储空间的两种最突出的消费者类型是信息技术公司和大型建筑物的运营商。微软和谷歌等公司在其数据中心广泛使用电池存储，作为故障转移到现场本地发电[4]。
今天，尽管这些电池存储系统有潜力用于电网服务，但它们并没有与电力系统集成。对于存储所有者来说，电池是否参与电网服务主要取决于这些服务的经济效益。例如，在正常情况下，数据中心每四年更换一次电池[6]。如果电池参与电力市场，电池可能会更快地退化，需要更频繁地更换。来自市场的收益是否证明额外的运营和资本成本是合理的?以最佳方式运行电池以最大化其经济效益的问题是一个核心问题，并刺激了大量的研究。问题包括能源套利、调峰、频率调节、需求响应等(如[7]-[10]及其参考文献)。在过去的几年里，人们已经认识到，由于电池[11]的高资本成本，服务于单一应用往往很难证明其投资[12]是合理的。此外，选择单一应用程序并没有考虑到多种收入流的可能性，可能会“把钱留在桌子上”。
因此，最近的一系列研究已经开始分析电池的能源套利和调节服务[13]，[14]的共同优化。
本文思想上接近[13]，它捕捉了未来市场的不确定性和多个应用程序的时间尺度差异。但是，与[12]、[13]相比，我们的工作有两个重要的贡献:1)我们提出了电池进行调峰并提供频率调节服务的联合优化框架。该框架考虑了电池退化、操作限制以及客户负载和调节信号的不确定性。据我们所知，之前的所有工作都没有在优化模型中考虑电池的运行成本，这可能会导致激进的充放电响应和严重的次优操作[12]-[16]。
由于电池在用于频率调节和调峰时，每天循环多次，因此降解效应在决定其运行时起着重要作用。
2)我们证明了存在一个超线性增益:其中联合优化的收益大于执行单个应用的总和。我们使用来自两个大型商业用户的真实数据来量化这一收益:微软数据中心和华盛顿大学EE & CSE CSE大楼。图2给出了两种情况下的每日负荷剖面示例。超线性增益与[13]-[15]中先前的观察结果有本质区别，[13]-[15]中仅比较了单个应用的协同优化收益，而不是应用的总和。[12]的结果暗示了协同优化收益与多个收益流之和之间的关系，而主要关注的是不同应用之间的权衡及其“次可加性”。我们在工作中观察到的关键是，如果电池通过探索不同应用的多样性来共同提供多种服务，那么它们可以获得比以前想象的更大的经济效益。
📚2 运行结果
2.1 文献结果
2.2 复现结果
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
