一、储能调度概述
大家好，我是老张。在储能行业摸爬滚打了十几年，今天咱们来聊聊储能调度这个核心话题。
说实话，很多人一听到「储能调度」就觉得是高大上的算法问题。其实没那么玄乎。你想想看，储能系统说白了就是一个大号充电宝，调度就是决定什么时候充、什么时候放。
但问题来了——怎么充、怎么放才能最赚钱？怎么才能让电网更稳定？这就是调度算法要解决的事。
1.1 储能系统在电力系统中的作用
先说说储能系统到底在电力系统里扮演什么角色。我个人习惯把储能比作「电力系统的缓冲器」。
核心作用：削峰填谷、频率调节、新能源消纳、备用容量
我在项目里遇到过不少客户，上来就问：「储能能帮我省多少钱？」其实储能的价值远不止省钱那么简单。
- 削峰填谷：电价低时充电，电价高时放电。说白了就是赚差价。
- 频率调节：电网频率一波动，储能可以毫秒级响应。这个速度，火电机组根本做不到。
- 新能源消纳：光伏、风电这些「看天吃饭」的电源，配上储能才能稳定输出。
- 备用容量：万一发电机组跳了，储能能顶上几秒钟到几分钟，给调度争取时间。
嗯，这里要注意：不同应用场景下，储能的调度策略是完全不同的。你不能用削峰填谷的算法去做频率调节，那会出大问题。
1.2 储能调度的基本概念与目标
什么叫储能调度？说白了就是：在满足各种约束条件的前提下，决定储能系统每个时刻的充放电功率。
约束条件有哪些？我列一下：
| 约束类型 | 具体内容 |
|---|---|
| 功率约束 | 充放电功率不能超过PCS额定功率 |
| 容量约束 | SOC不能过充过放，一般限制在10%~90% |
| 寿命约束 | 充放电次数、DOD深度影响电池寿命 |
| 时间约束 | 响应时间、调度周期等 |
调度目标呢？通常有这几个：
- 经济性最优：收益最大化，成本最小化
- 安全性最优：保证电池不过充、不过放、不过温
- 效率最优：减少充放电损耗，提高系统效率
- 寿命最优：延长电池使用寿命
我的经验：实际项目中，这些目标往往是冲突的。比如你想多赚钱，就得频繁充放电，但电池寿命就短了。怎么权衡？这就是调度算法的艺术。
1.3 储能调度算法的分类与演进
调度算法的发展，我把它分成三个阶段。为什么这么分？因为我亲身经历过。
第一阶段：规则式调度
最早期的做法。就是写死几条规则：
if 电价 > 阈值:
放电
elif 电价 < 阈值:
充电
else:
待机简单粗暴，但问题也很明显——不够灵活。我曾经在一个项目中，用规则式调度，结果遇到极端天气，电价波动剧烈，规则完全失效了。
第二阶段：优化式调度
后来大家开始用数学优化方法。比如线性规划、混合整数规划。
目标函数: max(收益)
约束条件:
SOC(t+1) = SOC(t) + η_charge * P_charge - P_discharge / η_discharge
0 <= P_charge <= P_max
0 <= P_discharge <= P_max
SOC_min <= SOC <= SOC_max这种方法能算出全局最优解，但计算量大，实时性差。我记得有个项目，模型建得特别精细，结果求解一次要5分钟，调度周期才15分钟，根本来不及。
第三阶段：智能式调度
现在的主流方向。用机器学习、强化学习来做调度决策。
举个例子，强化学习的思路是这样的：
- 状态：当前SOC、电价、负荷预测
- 动作：充/放/待机，以及功率大小
- 奖励：收益 - 惩罚项（过充过放等）
- 策略：通过训练得到最优决策
避坑指南：我曾经踩过一个坑——用强化学习做调度，训练时效果很好，一上线就崩了。后来发现是训练数据和实际数据的分布不一样。所以，智能算法一定要做在线学习和迁移学习。
下面这张图是我自己画的，展示了调度算法的演进脉络：
从这张图可以看得很清楚：调度算法的发展趋势是从简单到复杂，从确定性到不确定性，从离线到在线。
我个人认为，未来几年混合式调度会成为主流——规则式保证底线，优化式追求最优，智能式适应变化。三种方法结合起来，才能应对实际工程中的各种复杂场景。
总结一下：储能调度不是单纯的算法问题，而是系统工程。你得懂电池特性、懂电力市场、懂控制理论，还得有工程经验。我见过太多人只盯着算法，忽略了实际约束，结果项目做出来根本跑不通。
好了，这一章就聊到这儿。下一章咱们深入讲讲调度算法的性能评估指标——怎么判断一个算法到底好不好用。
公众号:蓝海资料掘金营，微信deep3321