一份关于欧洲电网深度去碳化下可靠性建模的详尽分析报告
1. 元数据与报告概览
报告标题 :《Modelling reliability under deep decarbonisation of the European electricity grid》
作者与机构 :J. Dunsmore*(麻省理工学院核科学与工程系及相关研究中心),L.M. Arthur,R.S. Kemp;均隶属麻省理工学院(MIT)多个相关实验室
发布日期 :文章内部引用最新数据为2024年阶段,具体发布日期未知
研究主题 :该报告关注在欧洲电力系统实现深度去碳化背景下,风能与太阳能为主的可再生能源系统的可靠性分析与成本优化。重点探讨可再生能源与储能、调度式备用发电(例如天然气)的权衡,尤其是在多时段(43年气象数据覆盖)视角下的多解耦衡量手段。
核心论点总结:
介绍了首个基于多十年气象数据的模型(RESCORE),对欧洲电力系统中高渗透率再生能源结构与电网可靠性关系进行模拟。
表明储能与调度式备用发电均为保证电网高可靠性的关键组成。
探讨了低利用率的调度备用发电能极大优化成本。
成本优化场景中,风能相比太阳能起主导作用。
该研究为规划低碳、可行且具成本效益的欧洲电网提供了新视角与量化依据。1 , 2
2. 逐节深度解读
2.1 引言与研究背景
作者指出目前风能和太阳能因成本优势,预期将在全球电力去碳化中发挥主力作用。但其中不确定性源于其内生的间歇性和可变性,限制了其在几近100%去碳化的电力系统中的可行性与成本效益。引用多项文献及已有研究模型 (比如LUT、PLEXOS),指出多数研究只用短期或者部分时间的气象数据,导致其对长周期极端事件的适应性不足。已有研究如Ruggles等指出无调度备用情况下需40年气象数据验证网格可靠性,虽然存在计算复杂性限制,这在设计长周期规划时带来挑战。2 , 3
2.2 RESCORE模型及数据输入
为克服上述限制,作者设计RESCORE (Renewable Energy System Cost Optimisation and Reliability Evaluation)模型,使用43年(1980-2022)的MERRA-2格点气象数据及2022年电力需求数据,模拟欧洲35国范围内电网运行不含输电损耗的单节点模型,采用逐小时分辨率。其核心假设包括:
可再生能源(太阳、陆上风)的空间资源均匀分布。
储能采用理想化的锂离子电池,完美转换效率,无放电损耗。
备用机组为天然气具备调度灵活性。
需求数据以2022年为基年,复制应用于整个43年模拟期(该点在附录及补充材料有详细讨论风险)。
模型模拟采用基于阈值的简单规则而非完美预测,以避免过度乐观。
两大技术计算细节:
太阳能发电潜力基于地面短波辐射和顶层大气辐射数据,结合板面倾角、温度效率修正,计算非跟踪光伏组件输出。
风能潜力基于110米高、单机4.1MW风机,基于10米、50米风速数据外推,利用分段函数模拟切入切出速率与最大功率约束。
天然气作为备用机组,是当前低成本且灵活的解决方案,尽管非零碳,但短期内仍发挥“保险”作用。
表1给出了四种技术的主要成本参数,包含投资、运维及寿命(详见章节3.2),单位均转为2024美元。4 –7, 11
2.3 可靠性模拟与调度规则 (章节3.1)
模型最终输入五个参数:
可再生能源的装机超配因子(overbuild factor)
风-太阳比例
储能容量(GWh)
天然气装机容量(GW)
启动天然气调度的储能阈值(占储能容量百分比)
模拟按照以下逻辑逐小时更新:
当可再生能源发电超出需求时,剩余电量用于充电储能,直至容量最大。
需要电力时,优先调用储能,但储能容量若低于阈值,将启动天然气发电补偿并充电至阈值。
该模型采用“短视”策略,非完美预知,防止调度过度乐观。
该设计使得调度灵活性有限,但计算效率极高且适合大规模灵敏度分析。区别于现有模型不同之处在于探讨了非零阈值启动天然气的潜在可靠性与成本优势。
2.4 成本模型(3.2和表1)
投资成本采用一次性过夜资本成本(I O N I_{\mathrm{ON}} I ON ),考虑建设周期、通胀及利率折算为年化成本(公式11、12)
假设运维固定成本,加总容量乘以单位资本回收成本得年度总费用
不考虑输电成本,简算系统成本
燃料成本忽略(天然气发电仅占极低比例)
2.5 模型局限性(3.3)
无输电模型,假设无功及传输完美,缺乏网络约束,令成本估算偏低
仅考虑四种技术,忽视其他现有发电资源,影响成本估算真值
需求数据缺乏历史时间谱,复制近年单年数据可能忽略需求-气象相关波动,但补充材料论证影响不显著
使用MERRA-2数据存在数据偏差风险,作者通过与renewables.ninja数据对比验证,确认主要结论稳健(见附录A及图1)
3. 图表深度解读
3.1 图1:欧洲分析国家地图
绿色为主分析国家(同时包含在renewables.ninja数据分析中),蓝色为仅包含于本研究分析中,橙色为均未包含但属于同步区。说明研究覆盖核心欧洲主导市场,但排除部分非成员国和部分非发布需求数据国家。30
3.2 图2:年内及日间可再生发电与需求情况
图2a显示2022年不同日期24小时内风能、太阳能与需求动态。风发电稳定日内波动小,量相对均衡;太阳明显昼夜大幅波动,峰值远高于冬季低谷。
图2b横跨43年逐日均发电量,显示太阳全年季节性显著,风能年际变异但日内平稳,证明两者季节互补性强,有助平衡系统。31
3.3 图3:风太阳装机比例、储能与可靠性对比
3a:无储能、无燃气情况下,不同可再生超配因子与风比例对可靠性的影响。可见单纯装机容量正比提升可靠性,但高装机因子边际效用降低。100%可再生系统几乎无法满足99.97%的现代可靠性要求。
3b:显示加入储能后,为达到不同可靠性目标所需的装机超配因子随储能容量增长下降。储能起初对降低装机需求作用显著,超过几小时容量边际回报减少。欧洲现有17GWh容量相当于峰值需求2分钟,远不足以有效支撑高可靠性。32
3.4 图4:成本与可靠性关系(含燃气渗透)
图4a:不同天然气允许使用比例下,系统年度总成本与允许断电小时数(即可靠性)的权衡。表明无燃气时,99%到100%可靠性的成本极度上涨($2000亿/年,约36%整体成本)。
引入少量(1%)天然气显著降低总成本,总成本从4910亿降至3350亿美元,并缩小了放宽可靠性所带来的成本区间。
图4d, 4e:1%天然气时提升可靠性的额外成本130 亿美元 / 年 130亿美元/年 130 亿美元 / 年 ,支出主要体现在天然气装机容量的翻倍(121GW到218GW),而实际天然气利用率极低(<2%)。
风电成本占总体设备投资主导地位,优化配置倾向于高比重风电。原因包括欧洲冬季用电高峰配合风季节性,以及风出力季节变化低于太阳。15 –15, 33
3.5 图5:储能成本敏感性分析(99.97%可靠)
图5a:随着储能单位资本成本变化,总系统成本相应波动。无燃气时降低电池成本对降低整体成本显著(430亿美元节约),而引入燃气后,降低储能成本的边际效益大幅减少。
例如,1%天然气+高储能成本 vs 2%天然气+低储能成本,系统成本相差几亿美元,说明燃气作为备用的成本优势显著。
依然存在一定储能容量,被证明对减少天然气使用和提升可靠性重要。
降低储能成本反而可能导致更严重的短暂断电事件,因为增加了风光装机比例,导致断电时设备不足分担负荷。17 –17, 34
4. 估值分析(成本估算)
报告采用资本回收成本模型 ,结合投资成本、建设周期、利率、寿命等参数计算各发电/储能设施年化成本。忽略输电成本及燃料成本(燃气使用极低)。
关键参数来源于国际能源署(IEA)、IRENA和美国能源信息署(EIA)等权威机构。资本成本和运维成本均折算为2024年美元,使研究具备较好的未来参考价值。储能以锂电池为标杆,天然气作为调度备用仅考虑资本及运维,无燃料成本,反映其备用性质。11
5. 风险因素评估
气象数据不确定性 :MERRA-2数据可能存在偏差。对此,作者进行对比分析使用renewables.ninja数据集(校正MERRA-2数值),确认主要结论稳健,体现一定的科学严谨性。
需求数据限制 :仅有单年2022年需求数据,长周期复制可能忽略需求和可再生发电间潜在的统计相关性,可能影响极端事件分析。
模型简化假设 :无输电成本、无网络约束,忽略多样化发电结构等简化导致估算的系统成本与现实存偏差。
天然气低碳替代品缺乏 :天然气虽然资本低且灵活,但其碳排放问题及未来政策不确定性是风险焦点。
超配与储能规模高及成本持续减幅的风险 :过度依赖装机容量与储能系统可能带来风险,若成本未能有效降低,经济合理性或被质疑。12 , 13 , 20 –20]
6. 批判性视角与细微差别
报告采用单节点模型,忽略传输限制与区域发电多样性,可能高估风电与太阳能的互补效应。
未考虑负荷侧管理、需求响应等新兴技术,模型依赖于固定阈值调度规则,天然气使用策略未达完全动态最优。
需求数据使用重复年,可能忽视需求年度变化带来系统风险或机遇。
对天然气角色强调较重,碳中和替代技术如氢能、储氢和碳捕获技术未被纳入成本效益权衡。
结果表明储能降价不及调度备用重要,可能存在依赖传统化石能源的潜在政策和环保矛盾。
风电占优观点与当前太阳能增长势头矛盾,提醒需谨慎解读短期产业激励与长远系统规划之间的张力。16 , 19
7. 结论性综合
该报告首创性运用43年历史气象数据,以高时间分辨率模拟欧洲35国范围内高度可再生电力系统的可靠性与成本,突破了此前研究仅用单一年份数据或简化假设的限制。
主要结论如下:
实现近100%可再生电力供应,需求平均装机容量需达到峰值需求4倍以上,即装机超配因子极高。
储能和调度备用发电缺一不可 ,单独依赖其中任何一方均导致成本飙升或可靠性不足。储能有效降低备用容量需求,但无法完全替代。
低利用率的天然气调度备用,即使发电贡献仅1%-2%,亦可使系统成本降低30%以上,极大缓解极端可靠性需求带来的成本上升压力。
风电在优化配置中占主导地位,约为太阳能装机容量的2倍,关键原因系冬季高需求峰值与风季节性相符,且风发电表现更稳定。
储能成本大幅降低虽有益,但不及调度备用引入对成本节约重要。储能角色逐渐转向降低备用发电使用频率,而非完全替代。
高频容量超配与储能部署产生边际效益递减,显示系统设计需实现平衡。
传统零排放约束阻碍“社会最优”方案,保留少量低碳但非零碳调度机组可实现成本与可靠性的理想权衡。
系统发生的电力缺失事件集中在极少数极端时间段,强调采用多十年数据的重要性。
图表深刻支持上述结论:
图2展示了风光发电的季节性互补及容量利用率低的现实;
图3体现储能与装机超配对提升可靠性的边际贡献;
图4和5详细展示了系统成本在可靠性、燃气渗透率、储能成本间的敏感性关系及对应发电组合与缺电事件的统计特征。
报告提示政策制定者应关注适度灵活的可靠性目标与技术组合,不宜简单追求零排放或最大储能,而应平衡经济性、可靠性及环境影响。风电的优先发展亟需规划调整,而储能与调度备用的合理耦合则是未来欧洲电网转型的关键。
综上,报告提供了一个科学而实用的模型平台(RESCORE),为高度可再生能源系统的成本、可靠性及运行策略提供了多维度的分析视角与定量指导,对于欧洲乃至全球的电网去碳化政策与规划具有重要参考价值。1 –18,29–33]
(全文引用标识均已按页码列出,可用于后续内容溯源与验证)