面向多元耦合辅助服务的电化学储能多维价值与归因分析

doi:10.11930/j.issn.1004-9649.202507004

中国电力 ›› 2025, Vol. 58 ›› Issue (12): 199-210.DOI: 10.11930/j.issn.1004-9649.202507004

• 新能源与储能 • 上一篇

面向多元耦合辅助服务的电化学储能多维价值与归因分析

武冰清¹(), 岳昊¹(), 关皓闻¹, 孟子剑², 单体华¹, 杨琳燕², 武昭原²()

1. 国网冀北电力有限公司经济技术研究院，北京　100089
2. 华北电力大学电气与电子工程学院，北京　102206

收稿日期:2025-07-03 修回日期:2025-09-11 发布日期:2025-12-27 出版日期:2025-12-28
作者简介:
武冰清（1992），女，工程师，从事能源电力经济、电网规划研究，E-mail：wu.bingqing@jibei.sgcc.com.cn
岳昊（1985），男，高级工程师（教授级），从事能源电力经济、电网规划研究，E-mail：yue.hao@jibei.sgcc.com.cn
武昭原（1994），男，通信作者，博士，副教授，从事电力市场机制设计、能源政策分析研究，E-mail：wuzy@ncepu.edu.cn
基金资助:
国家自然科学基金资助项目（52207098）；国网冀北电力有限公司科技项目（52018F240001）。

Multi-dimensional Value Assessment and Attribution Analysis of Electrochemical Energy Storage for Multi-service Coupling

WU Bingqing¹(), YUE Hao¹(), GUAN Haowen¹, MENG Zijian², SHAN Tihua¹, YANG Linyan², WU Zhaoyuan²()

1. Economic and Technological Research Institute, State Grid Jibei Electric Power Co., Ltd., Beijing 100089, China
2. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China

Received:2025-07-03 Revised:2025-09-11 Online:2025-12-27 Published:2025-12-28
Supported by:
This work is supported by National Natural Science Foundation of China (No.52207098) and Science and Technology Project of State Grid Jibei Electric Power Co., Ltd. (No.52018F240001).

摘要/Abstract

摘要：

在“双碳”目标引领下，电化学储能凭借其高效灵活的特性，成为新型电力系统中不可或缺的调节资源。当前亟需一种方法，能够全面量化储能在多元耦合辅助服务中的系统价值，并识别其价值形成的关键驱动因素，以支撑科学配置与政策制定。提出了一种面向多元耦合服务场景的电化学储能多维价值评估与归因分析框架。该方法构建了涵盖经济、技术与环境多维度的价值指标体系，系统反映储能在调峰、调频等多服务中的综合贡献。进一步地，基于随机森林模型识别系统运行特征对储能价值的非线性驱动关系，揭示复杂运行条件下的价值形成机制。算例结果显示，储能提供多元耦合服务可使系统惯量提升46.09%、最低频率改善0.21 Hz、碳排放强度降低18.9%，并在多维价值间呈现显著协同效应。所提方法可为储能的价值挖掘、功能定位与配置优化提供机制性、可解释的量化依据，服务于新型电力系统灵活性提升与低碳转型战略。

关键词: 电化学储能, 多维价值评估, 多元耦合服务, 归因分析

Abstract:

Driven by the "dual-carbon" goals, electrochemical energy storage (EES) has emerged as an indispensable flexibility resource in new-type power systems due to its high efficiency and operational flexibility. However, no systematic and interpretable framework is in place to comprehensively quantify the multidimensional values of EES across multiple coupled services and to identify the underlying drivers of value formation. Therefore, this paper proposes an integrated framework for multidimensional value and attribution analysis of EES under multi-service coupling scenarios. Firstly, a multidimensional value indicator system covering economic, technological, and environmental aspects is established to systematically reflect the comprehensive contribution of energy storage in multiple services such as peak shaving and frequency regulation. Furthermore, based on the random forest model, the nonlinear driving relationship between system operational characteristics and energy storage value is identified, revealing the value formation mechanism under complex operational conditions. The case study results demonstrate that energy storage providing multi-service coupling can increase system inertia by 46.09%, improve the minimum frequency by 0.21 Hz, reduce carbon emission intensity by 18.9%, and exhibit significant synergistic effects across multiple value dimensions. The proposed method offers a mechanism-driven and interpretable quantitative basis for value mining, functional positioning, and configuration optimization of energy storage, supporting the strategic goals of enhancing flexibility and promoting low-carbon transition in new-type power systems.

Key words: electrochemical energy storage, multi-dimensional value assessment, multi-service coupling, attribution analysis

武冰清, 岳昊, 关皓闻, 孟子剑, 单体华, 杨琳燕, 武昭原. 面向多元耦合辅助服务的电化学储能多维价值与归因分析[J]. 中国电力, 2025, 58(12): 199-210.

WU Bingqing, YUE Hao, GUAN Haowen, MENG Zijian, SHAN Tihua, YANG Linyan, WU Zhaoyuan. Multi-dimensional Value Assessment and Attribution Analysis of Electrochemical Energy Storage for Multi-service Coupling[J]. Electric Power, 2025, 58(12): 199-210.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.202507004

https://www.electricpower.com.cn/CN/Y2025/V58/I12/199

图/表 11

参考文献 25

1	武昭原, 周明, 王剑晓, 等. 双碳目标下提升电力系统灵活性的市场机制综述[J]. 中国电机工程学报, 2022, 42 (21): 7746- 7764.
	WU Zhaoyuan, ZHOU Ming, WANG Jianxiao, et al. Review on market mechanism to enhance the flexibility of power system under the dual-carbon target[J]. Proceedings of the CSEE, 2022, 42 (21): 7746- 7764.
2	MENG Q L, JIN X L, LUO F Z, et al. Distributionally robust scheduling for benefit allocation in regional integrated energy system with multiple stakeholders[J]. Journal of Modern Power Systems and Clean Energy, 2024, 12 (5): 1631- 1642.
3	孙伟卿, 裴亮, 向威, 等. 电力系统中储能的系统价值评估方法[J]. 电力系统自动化, 2019, 43 (8): 47- 55. DOI
	SUN Weiqing, PEI Liang, XIANG Wei, et al. Evaluation method of system value for energy storage in power system[J]. Automation of Electric Power Systems, 2019, 43 (8): 47- 55. DOI
4	CHACRA F A, BASTARD P, FLEURY G, et al. Impact of energy storage costs on economical performance in a distribution substation[J]. IEEE Transactions on Power Systems, 2005, 20 (2): 684- 691. DOI
5	FARES R L, MEYERS J P, WEBBER M E. A dynamic model-based estimate of the value of a vanadium redox flow battery for frequency regulation in Texas[J]. Applied Energy, 2014, 113, 189- 198. DOI
6	李虎军, 张栋, 吕梦璇, 等. 考虑碳排放约束的新能源与调峰资源优化配置方法[J]. 中国电力, 2024, 57 (4): 42- 51. DOI
	LI Hujun, ZHANG Dong, LV Mengxuan, et al. Research on the optimal configuration method of new energy and flexible regulation resources considering carbon emission constraint[J]. Electric Power, 2024, 57 (4): 42- 51. DOI
7	徐祥海, 商佳宜, 赵天煜, 等. 考虑碳排放限制与市场参与的储能利润优化[J]. 中国电力, 2025, 58 (3): 204- 212. DOI
	XU Xianghai, SHANG Jiayi, ZHAO Tianyu, et al. Optimization of energy storage profit considering carbon emission constraints and market participation[J]. Electric Power, 2025, 58 (3): 204- 212. DOI
8	GRANGER C W J. Investigating causal relations by econometric models and cross-spectral methods[J]. 2001: 31–47.
9	KUGIUMTZIS D. Direct-coupling information measure from nonuniform embedding[J]. Physical Review E, Statistical, Nonlinear, and Soft Matter Physics, 2013, 87 (6): 062918. DOI
10	SUGIHARA G, MAY R, YE H, et al. Detecting causality in complex ecosystems[J]. Science, 2012, 338 (6106): 496- 500. DOI
11	余嘉熹, 李奇, 陈维荣, 等. 基于随机森林算法的大功率质子交换膜燃料电池系统故障分类方法[J]. 中国电机工程学报, 2020, 40 (17): 5591- 5599.
	YU Jiaxi, LI Qi, CHEN Weirong, et al. A fault classification method of high-power proton exchange membrane fuel cell systems based on the random forest[J]. Proceedings of the CSEE, 2020, 40 (17): 5591- 5599.
12	魏勤, 陈仕军, 黄炜斌, 等. 利用随机森林回归的现货市场出清价格预测方法[J]. 中国电机工程学报, 2021, 41 (4): 1360- 1367, 1542.
	WEI Qin, CHEN Shijun, HUANG Weibin, et al. Forecasting method of clearing price in spot market by random forest regression[J]. Proceedings of the CSEE, 2021, 41 (4): 1360- 1367, 1542.
13	赵腾, 王林童, 张焰, 等. 采用互信息与随机森林算法的用户用电关联因素辨识及用电量预测方法[J]. 中国电机工程学报, 2016, 36 (3): 604- 614.
	ZHAO Teng, WANG Lintong, ZHANG Yan, et al. Relation factor identification of electricity consumption behavior of users and electricity demand forecasting based on mutual information and random forests[J]. Proceedings of the CSEE, 2016, 36 (3): 604- 614.
14	BASHEER M, NECHIFOR V, CALZADILLA A, et al. Balancing national economic policy outcomes for sustainable development[J]. Nature Communications, 2022, 13, 5041. DOI
15	XU B L, OUDALOV A, ULBIG A, et al. Modeling of lithium-ion battery degradation for cell life assessment[J]. IEEE Transactions on Smart Grid, 2018, 9 (2): 1131- 1140. DOI
16	CARDOSO G, BROUHARD T, DEFOREST N, et al. Battery aging in multi-energy microgrid design using mixed integer linear programming[J]. Applied Energy, 2018, 231, 1059- 1069. DOI
17	FARZIN H, FOTUHI-FIRUZABAD M, MOEINI-AGHTAIE M. A practical scheme to involve degradation cost of lithium-ion batteries in vehicle-to-grid applications[J]. IEEE Transactions on Sustainable Energy, 2016, 7 (4): 1730- 1738. DOI
18	XU B L, ZHAO J Y, ZHENG T X, et al. Factoring the cycle aging cost of batteries participating in electricity markets[J]. IEEE Transactions on Power Systems, 2018, 33 (2): 2248- 2259. DOI
19	SHAZON M N H, JAWAD A. Frequency control challenges and potential countermeasures in future low-inertia power systems: a review[J]. Energy Reports, 2022, 8, 6191- 6219. DOI
20	DIAO R, HU Z C, SONG Y H. Subgradient of cycle-based aging cost function and its application in optimal operation of battery energy storage system with multiple subsystems[J]. IEEE Transactions on Energy Conversion, 2024, 39 (1): 625- 643. DOI
21	齐步洋, 卓振宇, 杜尔顺, 等. 考虑储能装置寿命的电网侧规模化电化学储能规划与评估方法[J]. 中国电力, 2023, 56 (8): 1- 9, 47.
	QI Buyang, ZHUO Zhenyu, DU Ershun, et al. Planning and assessment method of large-scale electrochemical energy storage in power grids considering battery aging[J]. Electric Power, 2023, 56 (8): 1- 9, 47.
22	王海冰, 王承民, 张庚午, 等. 考虑条件风险价值的两阶段发电调度随机规划模型和方法[J]. 中国电机工程学报, 2016, 36 (24): 6838- 6848, 6939.
	WANG Haibing, WANG Chengmin, ZHANG Gengwu, et al. Two-stage stochastic generation dispatching model and method considering conditional value-at-risk[J]. Proceedings of the CSEE, 2016, 36 (24): 6838- 6848, 6939.
23	BREIMAN L. Random forests[J]. Machine Learning, 2001, 45 (1): 5- 32. DOI
24	张智, 周明, 武昭原, 等. 考虑动态频率支撑的储能选址定容规划方法[J]. 中国电机工程学报, 2023, 43 (7): 2708- 2721.
	ZHANG Zhi, ZHOU Ming, WU Zhaoyuan, et al. Energy storage location and capacity planning method considering dynamic frequency support[J]. Proceedings of the CSEE, 2023, 43 (7): 2708- 2721.
25	童宇轩, 胡俊杰, 刘雪涛, 等. 新能源电力系统灵活性供需量化及分布鲁棒优化调度[J]. 电力系统自动化, 2023, 47 (15): 80- 90. DOI
	TONG Yuxuan, HU Junjie, LIU Xuetao, et al. Quantification of flexibility supply and demand and distributionally robust optimal dispatch of renewable energy dominated power systems[J]. Automation of Electric Power Systems, 2023, 47 (15): 80- 90. DOI

系统价值维度	系统价值量化指标	对应的运行指标
经济价值$ {V}_{1} $	经济指标$ {V}_{11} $	度电成本$ {C}_{\rm ave} $
技术价值$ {V}_{2} $	充裕性概率指标$ {V}_{21} $	失负荷概率$ {P}_{\rm LOL} $
	充裕性期望指标$ {V}_{22} $	电量不足期望$ {E}_{\rm ENS} $
	运行惯量指标$ {V}_{23} $	最小运行惯量极值$ {H}_{\rm sys,min} $
	频率安全指标$ {V}_{24} $	最低点频率极值$ {f}_{\rm nadir,min} $
	新能源消纳指标$ {V}_{25} $	新能源消纳率$ {R}_{\rm REC} $
环境价值$ {V}_{3} $	碳排放指标$ {V}_{31} $	碳排放强度$ {S}_{ \rm carb} $

系统价值维度	系统价值量化指标	对应的运行指标
经济价值$ {V}_{1} $	经济指标$ {V}_{11} $	度电成本$ {C}_{\rm ave} $
技术价值$ {V}_{2} $	充裕性概率指标$ {V}_{21} $	失负荷概率$ {P}_{\rm LOL} $
	充裕性期望指标$ {V}_{22} $	电量不足期望$ {E}_{\rm ENS} $
	运行惯量指标$ {V}_{23} $	最小运行惯量极值$ {H}_{\rm sys,min} $
	频率安全指标$ {V}_{24} $	最低点频率极值$ {f}_{\rm nadir,min} $
	新能源消纳指标$ {V}_{25} $	新能源消纳率$ {R}_{\rm REC} $
环境价值$ {V}_{3} $	碳排放指标$ {V}_{31} $	碳排放强度$ {S}_{ \rm carb} $

系统需求指标	指标定义	指标表征因素	指标计算方法
电能量需求$ {D}_{1} $	系统一年中对于电能量的最大需求水平	系统对全部资源发电能力的最大需求	为年峰值负荷
灵活爬坡需求$ {D}_{2} $	系统全年净负荷变化值与变化时间的乘积之和	系统净负荷变化速率的综合情况，也反映了系统对于灵活调节资源调节速率的综合需求	为净负荷变化量与时间乘积的绝对值之和
能源转型需求$ {D}_{3} $	系统电源结构中新能源装机规模占比	为实现低碳转型，电力系统需要实现的电源结构转型情况	为新能源装机规模占系统总装机规模的比例
新能源配比需求$ {D}_{4} $	系统新能源装机中风力发电规模占比	受地理、气象、政策等环境的制约，系统在投资建设过程中不同类型新能源需要保持的比例	为风电装机规模占系统新能源装机总规模的比例
频率支撑需求$ {D}_{5} $	电化学储能配置前系统最低点频率限值与实际值的差值	为保证系统动态频率安全，需要提升的频率支撑能力的水平	为系统允许的最低点频率和电化学储能配置前的最低点频率极值之差
新能源消纳需求$ {D}_{6} $	系统新能源消纳需要实现的最小水平	在能源低碳转型过程中，对于系统充分利用新能源发电的能力要求	为新能源消纳率要求值
储能时长需求$ {D}_{7} $	系统对于所配置的电化学储能时长需求	为提供多元耦合服务，系统需要电化学储能容量与功率间关系所实现的水平	为待配置的电化学储能时长
碳减排需求$ {D}_{8} $	系统对于二氧化碳排放的惩罚力度	系统对于减碳需求的迫切程度	为二氧化碳排放价格

系统需求指标	指标定义	指标表征因素	指标计算方法
电能量需求$ {D}_{1} $	系统一年中对于电能量的最大需求水平	系统对全部资源发电能力的最大需求	为年峰值负荷
灵活爬坡需求$ {D}_{2} $	系统全年净负荷变化值与变化时间的乘积之和	系统净负荷变化速率的综合情况，也反映了系统对于灵活调节资源调节速率的综合需求	为净负荷变化量与时间乘积的绝对值之和
能源转型需求$ {D}_{3} $	系统电源结构中新能源装机规模占比	为实现低碳转型，电力系统需要实现的电源结构转型情况	为新能源装机规模占系统总装机规模的比例
新能源配比需求$ {D}_{4} $	系统新能源装机中风力发电规模占比	受地理、气象、政策等环境的制约，系统在投资建设过程中不同类型新能源需要保持的比例	为风电装机规模占系统新能源装机总规模的比例
频率支撑需求$ {D}_{5} $	电化学储能配置前系统最低点频率限值与实际值的差值	为保证系统动态频率安全，需要提升的频率支撑能力的水平	为系统允许的最低点频率和电化学储能配置前的最低点频率极值之差
新能源消纳需求$ {D}_{6} $	系统新能源消纳需要实现的最小水平	在能源低碳转型过程中，对于系统充分利用新能源发电的能力要求	为新能源消纳率要求值
储能时长需求$ {D}_{7} $	系统对于所配置的电化学储能时长需求	为提供多元耦合服务，系统需要电化学储能容量与功率间关系所实现的水平	为待配置的电化学储能时长
碳减排需求$ {D}_{8} $	系统对于二氧化碳排放的惩罚力度	系统对于减碳需求的迫切程度	为二氧化碳排放价格

参数	取值	参数	取值
单位容量成本/($ {10}^{5} $美元·(MW·h)^–1)	2	充放电效率	0.95
单位功率成本/($ {10}^{5} $美元·MW^–1)	2.5	储能虚拟惯性时间常数/s	8
单位维护成本/(美元·(MW·h)^–1)	20	快速频率响应调用概率	0.6
单位更换成本/($ {10}^{5} $美元·(MW·h)^–1)	3	虚拟惯量支撑调用概率	0.4
容量配置范围/(MW·h)	[20, 300]	额定功率/MW	100

面向多元耦合辅助服务的电化学储能多维价值与归因分析

Multi-dimensional Value Assessment and Attribution Analysis of Electrochemical Energy Storage for Multi-service Coupling

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 25

相关文章 5

编辑推荐

Metrics

系统价值量化指标	配置前运行指标值	配置后运行指标值		系统价值评估结果
系统价值量化指标	配置前运行指标值	仅电力电量平衡服务	提供多元耦合服务	仅电力电量平衡服务/%	提供多元耦合服务/%
V₁₁	0.0117	0.0097	0.0098	17.09	16.24
V₂₁	1.0274	0.4939	0	51.93	100.00
V₂₂	360.0000	329.5200	0	8.47	100.00
V₂₃	8800.0000	12241.0000	12856.0000	39.10	46.09
V₂₄	49.3980	49.5000	49.6100	0.21	0.43
V₂₅	93.7360	99.7910	99.8420	6.46	6.51
V₃₁	0.2333	0.1920	0.1892	17.70	18.90

评估指标	决策树深度	决策变量数	决策树数量
取值范围	[1, 20]	[1, 8]	[1, 300]
经济指标 V₁₁	17	2	191
充裕性概率指标 V₂₁	2	4	41
充裕性期望指标 V₂₂	19	4	151
运行惯量指标 V₂₃	9	5	241
频率安全指标 V₂₄	12	4	61
新能源消纳指标 V₂₅	16	4	11
碳排放指标 V₃₁	15	3	31

[1]	邵冲, 胡荣义, 余姣, 王明典. 考虑荷电与储氢状态的风光氢储系统动态控制仿真模型[J]. 中国电力, 2024, 57(7): 109-124.
[2]	林毅, 林威, 吴威, 江岳文, 林阿竹. 电化学储能和抽水蓄能电站参与多市场联合运行价值分析[J]. 中国电力, 2023, 56(7): 175-185.
[3]	宋少群, 熊嘉丽, 张伟骏, 惠东, 牛萌, 戴立宇, 蔡强. 电化学储能参与调频市场的贡献评估方法[J]. 中国电力, 2023, 56(1): 87-95.
[4]	黄昊, 吴继平, 滕贤亮, 孙国强, 徐瑞. 基于Fréchet算法的电化学储能AGC控制性能评价指标[J]. 中国电力, 2020, 53(1): 108-114.
[5]	胡静, 黄碧斌, 蒋莉萍, 冯凯辉, 李琼慧, 许钊. 适应电力市场环境下的电化学储能应用及关键问题[J]. 中国电力, 2020, 53(1): 100-107.

参数	取值	参数	取值
负荷水平/MW	[2500, 3500]	新能源装机占比/%	[0,70]
风电规模占比/%	[0, 100]	储能时长/h	[1, 12]
消纳率限制/%	[85, 100]	碳排放价格/(美元·t^–1)	[0, 200]

参数	取值	参数	取值
负荷水平/MW	[2500, 3500]	新能源装机占比/%	[0,70]
风电规模占比/%	[0, 100]	储能时长/h	[1, 12]
消纳率限制/%	[85, 100]	碳排放价格/(美元·t^–1)	[0, 200]

模态框（Modal）标题

面向多元耦合辅助服务的电化学储能多维价值与归因分析

Multi-dimensional Value Assessment and Attribution Analysis of Electrochemical Energy Storage for Multi-service Coupling

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 25

相关文章 5

编辑推荐

Metrics