安全、寿命与收益一体化调度的真实技术路径

摘要 本文梳理三条被真实文献验证过的技术路径，将电池健康作为当期经济变量写进调度模型：其一，钠电专属的需量管理＋峰谷套利联合优化（MILP 滚动求解，放电深度 DoD 由循环寿命与日历寿命的权衡曲线优化给出）；其二，深度强化学习套利加上准确的电池退化成本模型（MDP 建模＋噪声网络探索＋CNN-LSTM 次日电价预测，在英国批发市场历史数据上与 MILP 基准对比验证）；其三，MPC-RL 两层分层控制——上层 MPC 以慢时间尺度生成安全包络与退化感知的长期设定值，下层 RL 以2 秒级频率在包络内追踪短期收益，实测电池寿命延长约 84%、运营利润提升约 34%。三条路径合起来回答一个问题：安全预警、充放电策略与收益优化，怎么放进同一套决策体系，并共同接受市场与监管的检验。

关键词：钠离子电池；储能调度；退化成本；峰谷套利；需量管理；MILP；深度强化学习；MPC；分层控制

正文 一、退化成本为什么必须是当期成本 在电力市场里，电池的每次充放都在消耗两类资产：一是买电卖电价差对应的现金流，二是电池自身的物理寿命。文献[4]（Batteries, 2024）在日前市场调度里做了三组对照：只最大化毛收入（不计退化）、考虑容量衰减、再叠加内阻增长，三组得出的充放计划表面相似，但利润结构完全不同——把退化成本从目标函数里拿掉，得到的“高利润”是用未来的容量损失换来的账面幻象。文献[2]（Cao et al., 2020, IEEE TSG）的描述是对电池退化成本的准确估计，是储能参与套利市场的主要障碍之一——因为市场人物的模型默认只有价格与电量，可将边际退化成本算得准，即可在真实交易里不亏本钱。这也是为什么本文将健康即经济作为全篇的组织原则。

二、路径一：钠电专属的联合优化（MILP） 工厂与商业用户侧的储能有两个赚钱套路：降低需量电费（demand charges）与峰谷价差套利。文献[1]（IEEE PEDG 2025）是检索窗口内少见的“钠电专属”调度研究，值得抄录其三个技术要点：第一，钠电有“高倍率放电、低倍率充电”的化学体系差异，常规调度策略不能照搬；第二，最优放电深度 DoD 不是拍脑袋给的，而是由钠电循环寿命与日历寿命的权衡分析确定，这一步正是“把健康写进调度”的具体落点；第三，MILP 模型以滚动实时方式求解，配合变时均载感知机制消除滑窗削峰的失效区间，并按需量风险时窗与TOU特征设计优先级调度。案例研究表明该策略在真实负荷下的有效性。

三、路径二：把退化写进奖励函数的DRL套利 文献[2] 的技术栈分为三层：第一层把电池充放决策建模为马尔可夫决策过程（MDP），决策变量是每个时隙的充放功率，目标是累计收益；第二层用基于噪声网络（noisy network）的深度强化学习求解策略，探索效率在电价大幅波动时尤为重要；第三层用混合 CNN＋LSTM 网络做次日电价预测，把价格不确定性交给模型学习而不是人工假设。退化成本以锂电实测退化为参考计入每一步的收益折减，最后用英国批发市场历史电价与 MILP 基准对比验证。作为 2020 年发表的工作，它的价值不在算法惊艳，而在“把退化当作定价对象”这条思路被干净地工程化了——2026 年的 MPC-RL 分层控制研究（文献[3]）延续了这个思路：其 RL 奖励函数里专门设了容量贬值惩罚项，且参数直接取自文献[2]（容量长期经济价值 12000 美元），可见两条文献体系是真实接续。

四、路径三：MPC-RL分层控制是安全包络与收益追逐分工 文献[3]（arXiv, 2026）解决的是一个更具体的问题：调频（FR）市场里，电池要每小时申报调频容量，而 ISO每 2 秒就可能调用其中任意比例；同时电池退化是“周月级”的慢过程。两层决策天然需要一个分工：上层 MPC（4 小时预测时窗，20 分钟步长）在低 fidelity 模型上快速求解，负责退化感知的长期调度与安全包络；下层 RL（DDPG 架构，行为克隆预训练＋高保真 DAE 环境精调＋锚点蒸馏）作为 2 秒级实时执行体，只负责在包络内追短期收益。两层分工之后，MPC 算得快、RL 追得准。实测结果（PJM 数据集，三体系 LFP/NMC/NCA，EOL 定义为 20% 容量衰减）：与纯 MPC 基线相比，电池寿命延长约 84%，运营利润提升约 34%（约合 8 万美元）。需要坦白的事实：三条路径中，文献[2][3] 都是锂电体系，钠电专属的收益侧实验验证仍未出现——这份空白与稿件 04关于充电策略的结论一致：方法学是化学无关的，但每个体系都需要重新焊一遍成本与约束。 图1｜MPC-RL 分层控制框架总览 图2｜不同调频策略下的运营利润随时间演化 图3｜RL 控制器对 MPC 设定值的实时追踪（2 秒级）：偶尔上冲以捕获短期利润，始终不越MPC 安全包络

五、对“同一套模型”的落位建议 把三张图纸叠起来看：路径一给了钠电专属的调度规范口感（DoD、需量、TOU），路径二给了“把退化成本当作计量工具”的方法学样板，路径三给了让上层保守地设定安全包络、让下层激进地追逐利润的架构模板。钠电平台若是落位的时候，可以据此确定三件优先事项：第一，选取或自建钠电退化成本曲线，这一步决定所有上层优化是否真实；第二，采用上层保守、下层佐衡的双层架构，把安全预警放上层、把对利润敏感的充放执行放下层；第三，积累属于本平台的运行数据集，各技术方向都指向同一个结论：拥有自身的钠电退化数据者拥有定价权。

参考文献 [1] A Joint Optimization Strategy for Demand Management and Peak-Valley Arbitrage of Industrial and Commercial Loads Based on Sodium-Ion Battery Energy Storage System. IEEE PEDG 2025. [2] Cao J, Harrold D, Fan Z, Morstyn T, Healey D, Li K. Deep Reinforcement Learning Based Energy Storage Arbitrage With Accurate Lithium-ion Battery Degradation Model. IEEE Transactions on Smart Grid, 2020. [3] Hierarchical Control via MPC-RL for Multi-Timescale Battery Systems. arXiv:2610.03508, 2026. [4] Optimal Battery Energy Storage Dispatch for the Day-Ahead Electricity Market. Batteries, 2024. [5] Adaptive Hierarchical Deep Reinforcement Learning with Meta Learning for Health-Aware Multi-Service Battery Energy Storage Systems in Dynamic Electricity Markets. IEEE NPEC 2025.