← 返回 NewdPower 首页

锂电与液流的分工算法：混合储能功率分摊的实时最优解

深度 · tech · 2026-10-07 · NewdPower 研究 · 阅读约 48 分钟 · 万字深度+行业分析

一座配了两种电池的光伏电站，每一分钟都面临一道分工题：当下需要储能吞吐 1.8 兆瓦的功率，锂电池和液流电池各出多少？把参考功率对半分，是最省事也最常见的做法；按荷电状态比例分，是稍精致些的工业默认。但两种电池的效率对功率的依赖曲线截然不同——锂电池的效率随功率近似线性缓降，液流电池的效率在低功率区被泵损拖入深谷、在中功率区才爬上高原。这意味着分摊方案本身就是一台损耗机器：分得不好，每分钟都在多发热。

arXiv 2026年9月25日发布的这篇论文给这道分工题找到了一个足够快、也足够准的解法：不做数值优化，而是把功率分摊问题写成凸资源分配，推导其 KKT（Karush-Kuhn-Tucker）条件的解析形式，用一维求根代替优化求解器。结果是一个可以在 200 毫秒节拍上稳定运行、实测平均求解 6.7 毫秒的实时控制器——快到足以跟随自动频率恢复备用（aFRR）的指令节奏，准到让液流电池的中位运行效率比平均分配高出约 28 个百分点。

这篇论文值得细读的原因不止于算法本身。混合储能（HESS）正在从学术概念走向工程标配：长时储能政策把液流电池推进省级规划，光储电站的控制器（PPC）需要同时调度多种技术特性迥异的储能资产。当一个电站里同时坐着锂电池、液流电池甚至超级电容时，谁来分工、按什么规则分工、分工的解算能否赶上市场的节拍——这些问题决定了混合储能的工程成色。本文基于论文原文独立撰写，拆解其机制、公式与验证边界，并做行业层面的量化推演。

一、导读：被低估的真问题——辅助服务节拍下的功率分摊

先把问题的应用场景钉牢。论文考察的不是用户侧的小储能，而是一座参与两级市场的并网光储电站：日前市场（DAM）决定次日出力计划，二次备用市场（SRM）出售 aFRR 容量，运行日内调度机构按需下发激活信号。这在国内对应的概念是电力辅助服务市场中的 AGC 调频与备用品种——电站先在容量上投标，中标后随时待命，激活指令一到就得顶上。

辅助服务的节拍是苛刻的。论文中电站控制器每 200 毫秒执行一次功率分摊决策；备用容量被激活时，响应窗口以秒计。这排除了一个大类方案：滚动时域优化（MPC 一族）固然可以把分摊做得更精细，但每个控制周期都要调用一次数值优化求解器，计算耗时动辄数十毫秒到数百毫秒，在紧俏的辅助服务时序里并不总是来得及。论文作者团队此前开发的实时控制器正是采用短程优化路线，其经验是：优化解质量好，但计算时间可能超出部分辅助服务的时间要求。新论文的动机由此而来——能不能不调用优化求解器，直接拿到解析形式的最优解？

问题本身也值得重新表述。表面看，功率分摊是个连续优化问题；细看则藏着离散决策：液流电池在功率趋零时并非零损耗——泵还在转，辅助系统还在耗电，效率曲线在低功率区急剧跌落。这意味着让液流电池带一点点功率往往不如让它完全休息，类似火电机组启停决策里的空载成本。论文把这一结构提炼为：连续部分用 KKT 条件解析求解，离散部分（谁激活、谁休息）用小规模枚举解决。这个组合拳是全文的技术主线。

二、系统架构：电站控制器如何同时伺候两级市场

论文的电站架构分三层。最外层是市场接口：日前市场清卖出力计划（论文记为 P_DAM），备用市场清出 aFRR 容量（R_SRM）；运行日内，系统运营商下发激活信号（aFRR，取值在 −1 到 1 之间乘以承诺容量）。第二层是电站控制器 PPC，接收市场信号与光伏实测，输出两台储能的功率指令。第三层是资产层：光伏阵列工作在最大功率点，锂电池与液流电池经变流器接于公共耦合点。

储能的功率参考由一个简洁的平衡式给出：P* = P_DAM + aFRR·R_SRM − P_PV。翻译成运行语言：电站要兑现日前承诺，光伏实发与计划的偏差、加上备用激活指令，全部由储能吞吐消化。这个公式是混合电站参与市场的标准姿势——储能在这里承担三重职能：计划执行器（补光伏预测偏差）、市场履约器（兑现 DAM 承诺）、服务提供器（响应 aFRR 激活）。

控制器里还有一个容易被忽略的模块：备用保障（Reserve enforcement）。备用容量在物理上意味着储能必须时刻留够 15 分钟的对应能量——充电方向要留有充电空间，放电方向要留有电量。这把储能的有效荷电状态（SOC）运行区间压得比技术极限更窄。当聚合备用水平（论文称 ROC）逼近能量边界时，该模块宁可让电站违背日前计划（承受经济罚金），也不挤占备用能量——因为反复无法兑现备用容量可能导致电站被辅助服务市场除名，这个不对称的惩罚结构决定了优先级排序：备用履约高于能量履约。这是市场规则塑造控制器设计的一个漂亮样本。

三、问题形式化：把分摊题写成凸资源分配

论文的核心建模决策是把功率分摊表述为一个带等式与不等式约束的损耗最小化问题：最小化所有储能单元损耗之和，约束是各单元功率之和等于参考功率 P*，且每单元功率处于其上下限之内。损耗函数 ℓᵢ 由效率定义：ℓᵢ = (1 − ηᵢ)·Pᵢ·Δt——效率越低、功率越大，损耗越多。

这个形式化的关键前提是效率不是常数。文献中绝大多数功率分摊方法采用恒定效率假设，论文明确指出这正是被以往研究忽视的地方：锂电池与液流电池的效率都随功率变化，且变化规律截然不同，恒定效率模型无法区分液流电池在 20% 与 60% 额定功率下天差地别的运行经济性。把效率写成功率的函数后，损耗函数成为功率的非线性函数，分摊问题才显出真实的结构。

KKT 条件的引入是这个问题的自然选择。对凸问题而言，KKT 条件是最优性的充要条件；而拉格朗日乘子 λ 在这里获得了清晰的物理含义——系统边际损耗。最优解的内部情形是所有激活单元的边际损耗相等（dℓᵢ/dPᵢ = λ）：多分 1 千瓦给谁都会增加等量损耗时，分摊才不可改进。当某单元功率触及上下限时，对应乘子激活，该单元被钉在边界上，其余单元继续按边际损耗相等分摊剩余功率。这个结构经济学味道十足——边际损耗相等正是微观经济学里边际成本相等的资源配置条件，λ 就是这台电站内部的影子电价。

四、两种电池的效率画像：线性缓降与深谷高原

分摊算法的表现完全取决于两条效率曲线的形状，值得逐一看清。锂电池采用线性模型：η_LIB(P) = η₀ − κ·P，论文参数 η₀ = 0.98、κ = 0.08（标幺值）。零功率时效率 98%，满功率时 90%，线性缓降——变流器与内阻损耗随电流增大，但没有结构性突变。其边际损耗是功率的线性增函数，天然满足凸性要求。

液流电池是另一副面孔。论文采用三参数指数模型：η_RFB(P) = c₁ − c₂·e^(−αP) − c₃·P，参数由最大效率 η_max = 0.96、最小效率 η_min = 0.60、效率峰值点 P₀ = 0.4（标幺）与形状参数 α = 7 确定。曲线形态可以拆成两段理解：低功率区，泵与冷却等辅助系统的损耗几乎不随功率下降，效率被拖入深谷——零功率附近只有 60%；随着功率上升，辅助损耗被迅速摊薄，效率陡峭爬升，在 0.4 倍额定功率附近达到 96% 的峰值；此后欧姆类损耗开始主导，效率缓缓回落，满功率时约 87%。深谷、陡坡、高原、缓降——四个字概括了液流电池与锂电池完全不同的效率画像。

两条曲线摆在一起，最优分摊的直觉已经浮现：小功率任务全部交给锂电池——它效率高且平缓；液流电池要么休息，要么一出手就该带上不低于某个门槛的功率，落在效率高原上；只有总参考功率大到锂电池独自扛不动时，液流电池才值得启动。论文的数值验证正是把这条直觉变成了定理级的结论。

五、非单调的麻烦：液流电池的凸性极限

真正的技术障碍藏在边际损耗里。对损耗函数求导可得两种电池的边际损耗：LIB 的边际损耗是功率的线性增函数，处处良好；RFB 的边际损耗在低功率区却是下降的——效率爬坡快于功率增长的那段陡坡，意味着多带一点功率反而摊薄损耗。下降的边际损耗破坏了凸性：KKT 条件只是最优性的必要条件而非充分条件，边际损耗相等的解可能是极小值也可能是极大值，解析解的可信度出了问题。

论文的处理方式干净利落：计算出 RFB 边际损耗的最小值点，定义为凸性极限功率 P_c（该参数组合下为 0.21 标幺，即约 525 千瓦）。算法层面强制 RFB 的运行功率不低于 max(技术最小功率, P_c)——要么不启动，启动就在单调区间内干活。剩下的疑虑是：绕开非单调区会不会错过更优解？论文用数值实验回答：把 LIB 单独承担总参考功率的损耗与引入不同份额 RFB 后的损耗做全平面比较，结果是在该系统参数下，RFB 参与降低总损耗的区域全部位于 P_c 以右——数值验证进一步显示，总参考功率达到约 0.23 标幺之前，启动 RFB 都不划算。换句话说，非单调区里的 RFB 本来就不值得启动，凸性极限的设置没有牺牲任何最优性。论文同时给出一个工程上友好的副产品：既然最优分摊只取决于参考功率，完全可以离线枚举全工况做成查找表；算法保留在线解析求解，是为了对不同参数的通用性。

值得强调的是这一节的方法论含金量。凸性极限不是论文为算法自圆其说的补丁，而是对液流电池物理特性（泵损结构）的精确刻画——任何想复用该框架的人，面对不同厂家、不同型号的液流电池，第一件事都应该是重算 P_c。凸性是否成立、在哪个区间成立，决定了 KKT 解析解的适用边界，这是论文留给工程界的可迁移检查清单。

六、算法：三候选枚举加一维求根

还剩一个离散结构：激活的突变损耗。储能单元从静止到启动存在损耗跳变——RFB 一旦激活，泵立即开始耗电，损耗从零跳为正。这类似火电机组的空载成本，无法被纯连续的 KKT 框架表达。论文的办法是小型枚举：所有可能的激活组合只有三种——双单元激活、仅 LIB、仅 RFB（双停机仅在零参考功率时出现，是平凡情形）。每种组合下计算总损耗，取最小者输出。

双单元激活情形是算法的内核。利用功率平衡约束消去一个变量（P_LIB = P* − P_RFB），两个驻点条件合并为一个关于 P_RFB 的方程——代入两种电池的损耗模型后，它是一个含指数项的超越方程，没有闭式解，但用一维求根算法（fzero）毫秒级可解。求出的根再过一遍边界检查：若越出 LIB/RFB 功率限值换算出的可行区间，就钉在边界上。整个过程没有优化求解器、没有迭代收敛的不确定性，计算量与单元数量几乎无关（对两单元系统就是一次求根加两次直接计算）。

把算法的全貌串起来：离线阶段一次性算好效率参数与凸性极限；在线阶段每 200 毫秒收到参考功率与各单元可用功率上限（SOC 触界则上限清零），枚举三个候选、求根、比损耗、输出指令。SOC 约束以功率上限归零的方式进入算法——充满的电池不能再充、放空的电池不能再放，分摊自动转移给另一台。整个控制器的在线状态机简单到可以用一张纸写完，这正是它能跑在 6.7 毫秒上的原因。

七、验证与结果：从合成曲线到硬件在环

论文的验证分四步递进。第一步是合成参考功率下的动态分配测试：初始 SOC 一边高一边低（RFB 92.5%、LIB 30%），参考功率在 -1.6 至 0.8 标幺的不对称区间切换，逼出六种典型工况（A 至 F 段，含参考归零的静默段）。结果与设计意图一致——低参考（0.2 标幺）时 LIB 独扛；高参考（0.8 标幺）时双单元按边际损耗相等分摊；LIB 触底后 RFB 全额接管；深度充电时双单元共同吸收；RFB 充满且 LIB 满功率充电时系统到达物理极限。值得记录的细节是：RFB 被迫独自带满功率时效率显著低于其高原区——算法的调度让它平时总是工作在 0.4 标幺以上的高效区。

第二步是全天运行对比，这是论文最有说服力的结果。控制器以 200 毫秒节拍执行一整天（价格曲线取自西班牙电网运营商历史数据，按 15 分钟市场粒度），与三种基准策略比较：策略 A 平均分配、策略 B 按可调节余量（SOC 距边界的距离）加权分配、策略 C 滚动时域优化。全天总损耗：KKT 法 880.5 千瓦时，策略 A 1364.1 千瓦时，策略 B 1477.6 千瓦时，策略 C 964.2 千瓦时。相对平均分配降耗 35.5%，相对按 SOC 加权降耗 40.4%；即便对比同为优化路线的策略 C，KKT 法仍低 8.7%——论文解释，优势来自 KKT 法使用精确效率曲线而策略 C 在线使用近似曲线。分技术看差距更惊人：RFB 全天损耗从平均分配下的 961.7 千瓦时降至 459.2 千瓦时，中位运行效率从 68.1% 提升到 95.8%。这正是分摊算法的价值所在——它几乎不花成本地让同一台设备多干了一倍的有效活。

第三步引入光伏预测偏差并激活备用保障模块。光伏实发低于预测的时段，控制器按优先级牺牲日前计划履约、保住备用能量限值；与策略 C 对比，KKT 法全天总损耗 930.0 千瓦时对 1046.0 千瓦时（低 11.1%），但策略 C 依靠预测视野能严格守住备用能量边界，KKT 法因无预测性出现小幅越限——这是短视性与合规性之间的真实取舍，论文如实呈现而非回避。

第四步是硬件在环（HIL）：电站模型跑在 OPAL-RT 4510 实时仿真器上，分摊算法在外部计算机上以 1 秒节拍执行、TCP 通信。结果与离线仿真几乎重合；算法平均求解时间 6.7 毫秒、标准差 12 毫秒，电力系统仿真步长平均 8.79 微秒。这组数字的含义是：算法的时间预算富余两个数量级，完全可以加密执行节拍或扩展单元数量。四步验证构成了从机制正确性、全天经济性、抗扰鲁棒性到工程可行性的完整证据链——在储能控制类论文里，这条链的完整度属于第一梯队。

八、工程推演：这套方法离中国的电站有多远

论文的场景在西班牙，中国读者自然要问：这套方法搬到国内适用吗？本文做三点推演（以下为本文推演，非论文内容）。其一，市场结构对得上。国内辅助服务市场正从调峰补偿走向调频、备用品种竞价，新能源电站配储参与 AGC 调频已在多省铺开；一次调频与 AGC 指令的响应时序，恰好落在论文控制器 200 毫秒至 1 秒节拍的能力区间内。其二，资产结构正在成形。长时储能政策推动液流电池进入省级规划，光储电站出现锂电池+液流电池混合配置的工程样本只是时间问题——届时 PPC 面对的就是论文研究的同构问题：两种效率画像迥异的资产，如何在秒级节拍上分工。其三，工程落地的最大变量不在算法而在参数。国内液流电池厂家的效率曲线参数（η_min、P₀、α）与论文样本差异多大，凸性极限 P_c 落在哪个功率档，需要逐台电池实测标定——论文方法的价值恰恰在于它把这件事变成了上电前的例行检查，而不是运行中的黑箱风险。

还需要指出论文框架的一项结构性约束对国内场景的分量：算法只优化损耗，不优化市场收益。论文的日前计划与备用投标由上层调度（沿用作者团队此前的优化框架）决定，KKT 分摊负责执行层。也就是说，这是一个执行层算法，不回答报价与投标策略问题。对参与现货与辅助服务的国内电站而言，收益最大化还需要上层的市场决策优化器——两层架构（市场层优化 + 执行层 KKT 分摊）才是完整方案。论文在结论中也明确将多市场协同列为未来工作。

国内工程语境下还有一层适配性值得推演。国内大储普遍采用新能源配储与独立储能形态，调度关系上有明确的涉网指令通道，AGC 指令的下发周期通常在数秒到分钟级，与论文控制器的节拍兼容；但涉网性能考核（调节速率、响应时间、调节精度）会对控制器的确定性提出硬指标，而确定性恰恰是解析解相对数值优化的结构性优势——同样的输入，KKT 分摊每次给出同一个解，不存在求解器偶发的超时与跳变。对需要通过涉网性能测试的电站而言，这种可复现性本身就是资产。反过来，国内电站对液流电池的运行习惯仍普遍停留在低功率区爬行（按 SOC 加权分摊的结果），论文显示这正是效率黑洞——以此观之，国内混合储能的软件升级空间，比硬件扩产空间更大也更便宜。

九、产业链与利润池：混合储能的价值链拆解

从论文回到行业，混合储能的价值链值得按两类技术分别拆开。锂电池链：上游碳酸锂与磷酸铁锂正极、石墨负极、电解液与隔膜；中游电芯、PCS 储能变流器、BMS 电池管理；下游系统集成与电站运营。这条链的利润池已经高度成熟，价格战把利润压向两端——上游资源环节与下游具备运营能力的集成商。液流电池链则是另一番结构：上游钒资源（五氧化二钒）与电解液制备、全氟磺酸离子交换膜；中游电堆（电极、双极板、密封）、泵与热管理系统、功率变换系统；下游系统集成与电解液租赁服务。与锂电池最大的不同在于：电解液占系统成本的大头但几乎不衰减、可近乎全额回收，这催生了电解液租赁这一锂电链没有的商业模式——行业数据显示采用租赁模式的装机占比正从 2024 年的 22% 向 2026 年底的 41% 提升。

混合储能的利润池逻辑由此清晰：锂电池贡献功率响应能力（秒级、高往返效率），液流电池贡献能量承载与循环寿命（万次级循环、SOC 窗口宽），二者组合的价值不在各自参数，而在互补之后的系统可用率与寿命成本。论文的结果给这条逻辑补上了关键一环：分摊得当，液流电池的中位效率能稳定在 95% 以上；分摊不当，同一台设备只能跑出 68% 的效率——同样一罐电解液，价值差了近三成。换言之，算法本身就是利润池的分配器：它决定了混合储能系统里每类资产的实际变现率。这是控制软件在储能行业价值链中地位上升的又一个注脚——设备同质化之后，软件决定资产的成色。

把视角再抬高一层，混合储能的价值链还包括一条常被忽略的软件与算法链：效率曲线标定、功率分摊控制、市场决策优化、聚合调度平台。这条链的毛利结构与硬件链截然不同——它随装机规模近乎零边际成本地复制，且直接决定硬件资产的变现率。论文展示的 35.5% 降耗空间，就是软件链价值的下限注脚：当硬件同质化到一定程度，电站之间比拼的将是谁的分摊算法更接近最优、谁的标定数据更贴近真实。硬件产能可以两年建成，这份数据与算法资产只能一场一场调试积累。

十、竞争格局量化：一超多强的液流电池赛道

混合储能的政策前景首先落在液流电池的竞争格局上。这个赛道呈现典型的一超多强：大连融科累计交付接近 800 兆瓦，占全国已交付量的近六成；上海电气约 250 兆瓦居第二；星辰新能 86.5 兆瓦、北京普能 53 兆瓦分列其后。按公开交付量推算，前四家合计份额接近九成——需要注明这是本文按公开数据推算的近似口径，行业尚无权威机构发布正式的液流电池 CR 统计。与锂电池电芯环节的 CR3 47.5%（InfoLink 口径，2026 年上半年全球储能电芯出货 461.3GWh 中宁德时代 27.1%、亿纬锂能 10.4%、海辰储能 10.0%）相比，液流电池赛道的头部集中度更高、市场纵深更浅，处于商业化早早期。

格局背后是量级的不对称。2026 年上半年全球储能电芯出货 461.3GWh（同比增长 71%，InfoLink 口径；SNE 口径 467.84GWh、增长 94.76%），而全钒液流电池 2025 年全年新增装机 954.5 兆瓦/4027 兆瓦时（液流电池产业联盟统计）——按电量口径，液流一整年的新增量，约相当于锂电池全球出货一天半的规模。两种技术的竞争不在同一个数量级上，这决定了混合储能的价值定位：不是替代，而是各就其位——锂电池管功率，液流电池管能量与寿命。

十一、市场规模测算：液流电池的三档情景

液流电池产业联盟预测 2026 年全钒液流电池装机功率有望达到 2 至 3 吉瓦——较 2025 年的 954.5 兆瓦增长 1.1 倍至 2.1 倍。佐证这一景气的上游信号是：钒钛股份公告 2026 年向大连融科供应钒原料折五氧化二钒 20000 吨，较 2025 年供货量 14348 吨增长 39%——上游锁量是下游排产最诚实的先行指标。省级部署同样在提速：云南 2026 年 7 月一次性落地 11 个百兆瓦级全钒液流共享储能项目、合计 1.5GW/6GWh，为国内首次省级层面的规模化集中部署。

在联盟预测的基础上，本文对 2028 年全钒液流电池年新增装机给出三档情景（本文推演假设）。保守情景 4GW：仅存量省级规划落地，长时储能补偿政策不及预期，液流电池停留在示范阶段；基准情景 7GW：强制配储时长要求向 4 小时以上延伸、容量电价对长时技术倾斜，液流在新增储能中占比向 8% 爬升；乐观情景 12GW：电解液租赁模式规模化摊薄初始投资、混合储能成为大基地标配，液流电池进入与锂电池并行的主流序列。三档情景的分野变量与论文的技术定位直接相关：混合储能控制器（如本文解读的 KKT 分摊）若能把液流电池在混合系统中的实际效率稳定在 95% 一线，液流电池的度电成本竞争力将显著改善——算法的毫秒级改进，在宏观上是技术路线的竞争力参数。

十二、上游风险：钒价的剪刀差

液流电池价值链最醒目的上游风险是钒价。国内五氧化二钒价格 2026 年 3 月下旬报 8.25 万元/吨，较 2025 年底上涨 9.3%，为 2024 年 12 月以来首次站上 8 万元——而 2025 年全年均价 7.5 万元/吨已是 2017 年以来最低。钒价低迷时电池成本友好，钒价回升时储能需求承压，这个剪刀差是全钒液流赛道最核心的宏观变量：技术放量推升钒需求（2026 年向融科的供货量增 39% 是直接证据），而钒价上行反过来侵蚀项目经济性。电解液租赁模式的价值在此时凸显——把钒价波动留给专业的电解液持有方，电站按使用付费，行业数据显示租赁模式装机占比正快速提升。

资源与材料环节的集中度风险同样值得量化。全球钒矿有效产能约 12.4 万吨（以五氧化二钒计），中国攀西地区贡献 61% 的原料供应——单一区域的高占比意味着供给端的地缘与政策敏感性。材料端，全氟磺酸离子交换膜国产化率 58%，进口依赖仍在；电堆大功率部件（泵、换热）的量产能力也被行业列为现存短板。锂电侧的风险则来自价格周期的另一面：碳酸锂价格波动直接改写混合储能中锂电池部分的成本假设，而电芯行业规划总产能接近 2TWh、约为 2026 年全球出货预测（1012 至 1026GWh）的两倍，产能出清期的价格战会持续压低设备端毛利。对混合储能的投资者而言，上游风险的本质是双边押注：既押钒价不失控，也押锂价不再深跌——两头的极端行情都会打破项目测算。

十三、边界与局限

论文自身的边界需要如实呈现，本文的行业推演也有边界。论文层面：其一，方法依赖效率曲线的凸性，凸性不满足的技术组合（或参数漂移后）需要重新标定或改用近似与重构，凸性检查是适用性的第一道闸门；其二，简化的问题形式限制了可纳入的约束数量，寿命退化、温度效应（论文明确未考虑温度）等更精细的模型无法直接进入该框架，需要外层控制补足；其三，控制器的短视性（无预测视野）导致在备用能量边界的守约上弱于滚动优化，存在小幅越限风险，论文给出的补救方向是更保守的能量限值或日内市场再调度；其四，仿真验证的光伏预测偏差场景为单一构造，未能覆盖极端天气下的深偏差工况；其五，结果基于 10MWp/2.5+2.5MW 的特定配置，容量配比改变后凸性极限与最优分摊结构会变化，外推需谨慎。本文层面：液流电池 CR 数据为按公开交付量的推算口径，非官方统计；2028 年三档情景为本文假设，其关键参数（配储时长政策、容量电价倾斜、租赁渗透率）均存在不确定性；论文场景（西班牙市场）与国内市场的规则差异未做逐项映射，工程适用性判断为方向性推演。

十四、结论与观察指标

这篇论文的漂亮之处在于克制：它没有试图用一个大框架解决所有问题，而是把功率分摊这个执行层的具体问题做到解析可解、毫秒可算、硬件可跑。三个数字足以概括其贡献——880.5 千瓦时的全天损耗（较平均分配低 35.5%）、95.8% 的 RFB 中位效率（较平均分配高约 28 个百分点）、6.7 毫秒的实测求解耗时。对正在铺设混合储能产线的行业而言，它证明了一件事：分摊规则不是实现细节，而是资产变现率的一等变量；把边际损耗相等这个经济学原理写进电站控制器，值得每一个 PPC 的设计清单。对身处液流电池与混合储能赛道的从业者，论文还提示了一个朴素的产品观：液流电池出厂时交付的不该只是电堆与储罐，还应包括那条实测效率曲线与它的凸性极限参数——这些数字进入控制器的那一刻，才真正决定这台设备在混合系统里能挣回多少度电的价值。

后续值得跟踪的观察指标有五个：其一，国内光储电站中出现锂电池+液流电池混合配置的项目数量与容量配比；其二，液流电池厂效率曲线参数的公开化与标定标准（P_c 是否成为产品规格书的一部分）；其三，全钒液流年度新增装机相对本文三档情景的落位；其四，钒价中枢与电解液租赁占比的剪刀差走势；其五，辅助服务市场对秒级响应资源的品种开放与补偿力度——它决定这套 6.7 毫秒的算法在市场上值多少钱；其六，混合储能电站的采购技术规范中是否出现效率曲线标定与分摊算法的明确条目——软件要求写进招标文件，是这条技术路线真正跑通商业闭环的标志。混合储能的竞赛才刚开始，而竞赛的胜负手，可能就藏在这些毫秒与百分点里。

观点仅供参考，不构成投资建议。

来源：Rios-Peñaloza J D, Prodanović M, Roldán-Pérez J. Optimal Power Sharing for Hybrid Energy Storage Systems Based on Karush-Kuhn-Tucker Conditions. arXiv:2609.31100v1 [eess.SY], 2026-09-25（论文原文，全文经 PDF 提取核读，所有公式、参数与结果数字均出自原文）；液流电池产业联盟装机统计及钒钛股份供货公告（转引自光大证券研究所公开研报）；InfoLink Consulting、SNE Research 2026H1 储能电芯出货统计；伍德麦肯兹《2026年全球储能系统集成商市场份额报告》；全氟磺酸膜国产化率与租赁模式占比为行业报告口径。效率曲线、凸性极限与竞争格局推算由 NewdPower 独立计算绘制。