4. 储能调度中的典型目标函数

储能调度优化本质上是一个多目标决策问题。所谓“目标函数”，就是把调度想要达到的目的写成可计算的数学表达式，让求解器在满足功率平衡、荷电状态、充放电速率等约束的前提下，找到使目标最优的充放电功率序列。工程中常见的五类目标——经济成本最小化、碳排放最小化、可再生能源消纳最大化、寿命损耗最小化、供电可靠性提升——并不是彼此独立的，它们往往通过同一条充放电曲线相互耦合：多充一度电可能降低购电成本，却增加循环损耗；少充一度电可能延长寿命，却造成弃风弃光。理解每个目标函数的物理含义、数学形式和量纲，是后续做加权、分层或帕累托优化的前提。

一、经济成本最小化

经济成本最小化是最基础也最常用的目标，通常以调度周期内的总运行成本最小为目标。对于并网型储能，成本项一般包括：从电网购电费用、向电网售电收益（取负）、储能充放电引起的能量损耗折算成本、以及需求侧需量电费。以一天 96 个 15 分钟时段为例，目标函数可写为：

min  C_econ = Σ_t [ P_buy(t)·π_buy(t)·Δt
                  − P_sell(t)·π_sell(t)·Δt
                  + c_deg·|P_ch(t)−P_dis(t)|·Δt ]
其中：P_buy、P_sell 为购/售电功率(kW)
      π_buy、π_sell 为对应电价(元/kWh)
      c_deg 为度电损耗折算成本(元/kWh)
      Δt = 0.25 h

这里的关键是分时电价结构。假设某地峰段（10:00–12:00、17:00–21:00）电价 1.20 元/kWh，谷段（23:00–07:00）0.35 元/kWh，平段 0.75 元/kWh。储能的最优策略通常是谷段充电、峰段放电，赚取价差。若某 100 kW/200 kWh 储能在谷段以 50 kW 充电 4 小时，充入 200 kWh（考虑 95% 效率实际约 190 kWh），峰段以 50 kW 放电 3.5 小时放出约 180 kWh，则单日套利收益约为 180×1.20 − 200×0.35 ≈ 146 元。这个数字直观说明了经济目标对电价信号的敏感性。

二、碳排放最小化

碳排放最小化关注的是调度周期内因购电和储能运行产生的等效二氧化碳排放量最小。其核心在于电网的边际碳排放因子随时间变化：当电网中火电占比高时，购电碳排放因子高；当风光大发时，因子低。目标函数可表示为：

min  C_carbon = Σ_t [ P_buy(t)·EF_grid(t)·Δt
                     + E_loss(t)·EF_storage ]
其中：EF_grid(t) 为 t 时段电网边际碳排放因子(kgCO₂/kWh)
      E_loss 为储能循环损耗电量(kWh)
      EF_storage 为储能系统全生命周期折算碳强度

与经济学目标不同，碳目标下储能的最佳充电时段不一定是电价最低的谷段，而可能是电网碳因子最低的时段（例如午间光伏大发时）。若某日午间 EF_grid 降至 0.15 kgCO₂/kWh，而夜间谷段为 0.55 kgCO₂/kWh，则同样充 200 kWh，午间充电的碳排放仅 30 kg，夜间则达 110 kg。因此，碳目标会驱动储能“追着清洁电充”，这与经济目标可能产生冲突，需要权衡。

三、可再生能源消纳最大化

可再生能源消纳最大化通常用于新能源场站配套储能或区域电网调度，目标是最大化本地风光发电被实际利用的比例，等价于最小化弃风弃光电量。目标函数可写为：

max  R_consume = Σ_t [ P_re_used(t)·Δt ]
或   min  E_curtail = Σ_t [ P_re_avail(t) − P_re_used(t) ]·Δt
其中：P_re_avail 为可用风光功率
      P_re_used 为实际消纳功率
      P_re_used = P_load + P_ch − P_dis（并网场景）

该目标直接与储能充电功率挂钩：当风光出力超过负荷和外送能力时，储能应尽可能充电以吸收多余电量。例如某风电场装机 50 MW，某日 02:00 风速骤增，出力达 42 MW，而负荷仅 20 MW、外送限额 15 MW，则理论弃风 7 MW。若配置 10 MW/20 MWh 储能，以 7 MW 充电约 2.8 小时即可基本消纳。消纳率从 83% 提升到接近 100%，这就是该目标的直接价值。

四、寿命损耗最小化

储能寿命损耗主要来自循环次数、放电深度（DOD）、充放电倍率和工作温度。寿命损耗最小化目标通常用等效循环次数或雨流计数法折算的寿命衰减成本来表示：

min  C_life = Σ_t [ c_cycle · N_eq(t) ]
其中：N_eq(t) 为 t 时段等效循环次数
      c_cycle 为单次循环折算成本(元/次)
      N_eq 与 DOD 呈非线性关系，常用拟合式：
      N_eq = a·DOD^b（a、b 由电池厂家数据拟合）

工程上更常用的是“吞吐量法”：将不同 DOD 的循环折算为标准 DOD（如 80%）下的等效循环。例如某磷酸铁锂电池在 DOD=80% 时循环寿命 6000 次，DOD=40% 时约 12000 次，DOD=20% 时约 20000 次。若每天做一次 80% DOD 循环，寿命约 16 年；若改为两次 40% DOD 循环，等效循环仍为一次，但实际寿命可能更长。因此，寿命目标倾向于“浅充浅放、减少深度循环”，这会限制套利收益，形成经济性与寿命的典型矛盾。

五、供电可靠性提升

供电可靠性目标通常用于孤岛或弱电网场景，衡量的是负荷缺电概率或期望缺供电量（EENS）。目标函数可写为：

min  EENS = Σ_t [ P_shed(t)·Δt ]
或   max  R_reliability = 1 − EENS / E_load_total
其中：P_shed(t) 为 t 时段切负荷功率
      E_load_total 为总负荷电量

该目标要求储能在故障或新能源不足时保留足够能量支撑关键负荷。例如某海岛微网，夜间无风无光，负荷 200 kW，储能容量 500 kWh，若允许放电至 SOC=10%，则可支撑约 2.25 小时。若将 SOC 下限提高到 30%，可靠性提升但可用套利电量减少。因此，可靠性目标往往表现为对 SOC 运行区间的约束，而非直接出现在经济目标中。

六、多目标处理与工程取舍

五个目标量纲不同、方向不同，不能简单相加。工程上常用三种处理方式：一是加权求和，将各目标归一化后乘以权重，适合目标间可公度性较好的场景；二是分层优化，先保证可靠性或消纳等硬目标，再在经济目标内寻优；三是帕累托前沿法，求出一组非劣解供调度员选择。以某园区储能为例，若权重取经济 0.5、碳 0.2、寿命 0.2、消纳 0.1，则求解器会在套利收益、碳减排和循环损耗之间自动折中，输出一条兼顾多方的充放电曲线。实际工程中，权重往往由运行策略决定：现货市场模式下经济权重高，绿电考核模式下碳和消纳权重高，孤岛模式下可靠性权重最高。