1. 储能充放电计划优化工程导论

储能系统在电力系统中的角色，已经从早期的“辅助备用”逐步演变为新型电力系统的关键灵活性资源。风电、光伏的出力具有强随机性和波动性，而负荷曲线又存在明显的峰谷差，这两者叠加后，系统对“可调度功率”的需求急剧上升。储能正是通过充放电计划，把不可控的可再生能源出力在时间维度上重新分配，从而在功率平衡、电能质量、经济性和电网安全等多个目标之间取得折中。

本课程的核心目标，是让学习者掌握一套可落地的储能充放电计划优化方法：从明确优化对象与边界条件开始，建立功率与能量的约束模型，选择合适的优化目标与求解方式，最终形成可执行、可校核、可复盘的充放电计划。课程不追求纯理论推导，而是围绕工程中真实存在的参数、约束和判断依据展开，使读者能够独立完成一个储能站或储能集群的日计划编制与评估。

储能系统在电力系统中的角色

从电力系统运行角度看，储能承担的角色可以归纳为四类。第一类是功率平衡与调峰：在负荷低谷时充电，在高峰时放电，削减净负荷峰谷差。第二类是新能源消纳：在光伏大发、电网接纳能力不足时吸收多余电量，减少弃风弃光。第三类是频率与电压支撑：通过快速功率响应参与一次调频、惯量支撑和电压调节。第四类是备用与黑启动：在故障或停电场景下提供紧急功率支撑。

这四类角色对充放电计划的要求并不相同。调峰关注的是能量吞吐和峰谷价差收益，消纳关注的是与新能源出力的时序匹配，频率支撑关注的是响应速度和功率裕度，备用关注的是荷电状态（SOC）的可用区间。因此，一个优秀的充放电计划，必须首先明确当前储能站承担的主要角色，再据此确定优化目标和约束优先级。

充放电计划优化的核心价值

充放电计划优化的价值，最直接地体现在经济性上。以某工商业储能站为例，假设其容量为 1 MWh，最大充放电功率为 0.5 MW，综合效率为 90%，当地峰谷电价差为 0.8 元/kWh。若每天在谷段充电 0.5 MW 持续 2 小时，在峰段放电 0.5 MW 持续 2 小时，则单日理论收益约为 0.5×2×0.8×0.9 = 0.72 元/kWh×1000 = 720 元。若考虑电池衰减成本约 0.15 元/kWh，则净收益约为 720 − 0.5×2×1000×0.15 = 570 元。这个示例说明，充放电计划直接决定了储能资产的日收益水平。

但经济性并非唯一目标。在新能源高渗透率场景下，储能计划还需要兼顾消纳与安全。例如，当光伏大发导致并网点功率接近上限时，储能应优先充电；当负荷高峰叠加新能源出力不足时，储能应优先放电。这种时序上的匹配关系，仅靠人工经验很难精确把握，必须借助优化模型进行量化决策。

典型应用场景

储能充放电计划优化在工程中主要有以下几类典型场景。第一类是用户侧峰谷套利：以工商业园区为代表，储能站在电价低谷时充电、高峰时放电，降低用户电费支出。这类场景的优化重点是电价曲线识别和充放电时段划分。第二类是新能源场站配套储能：储能与风电、光伏共用并网点，计划优化需要同时考虑新能源出力预测误差和电网调度指令。第三类是电网侧独立储能：储能站直接参与调峰、调频和现货市场，计划优化需要兼顾多个市场的价格信号和响应要求。第四类是微电网与离网系统：储能作为主电源，计划优化需要优先保证供电可靠性，其次才是经济性。

不同场景下，优化模型的边界条件、目标函数权重和求解精度要求差异很大。例如，用户侧峰谷套利通常采用线性规划即可获得满意解；而电网侧独立储能参与调频时，可能需要引入混合整数规划来处理充放电状态互斥约束。因此，本课程后续章节将按照“场景识别—模型构建—参数整定—求解实现—结果校核”的工程逻辑逐步展开。