详尽分析报告:《Measuring the Dunkelflaute: How (not) to analyze variable renewable energy shortage》
1. 元数据与概览
报告标题 :Measuring the Dunkelflaute: How (not) to analyze variable renewable energy shortage
作者 :Martin Kittel、Wolf-Peter Schill
发布机构 :DIW Berlin(德国经济研究所),Technical University Berlin(柏林工业大学)
发布日期 :2024年初(根据引用信息推断)
主题 :可变可再生能源(Variable Renewable Energy, VRE)短缺事件的定义、分析方法及其比较,尤其聚焦于所谓的“Dunkelflaute”(即变量可再生能源如风电和太阳能的长期低产出期)
核心论点 :
随着风能和太阳能在全球能源系统中占比日益上升,研究这些能源供应严重短缺的“Dunkelflauten”事件愈发重要。尽管已有多种研究采用不同的方法分析此类事件,但缺乏统一的定义、术语和方法论指导,导致结果难以比较和整合。本文旨在提供完善且系统的方法学框架,介绍和批判现有的多种VRE短缺事件识别方法,提出新的识别算法,强调跨技术、跨区域分析的可比性需求,并提出未来研究方向的建议。作者将“variable renewable energy shortage”作为涵盖单一或多种VRE技术资源枯竭与VRE与负荷之间失衡的总称。 1 ,1,5,18]
2. 逐节深度解读
2.1 引言(Introduction)
介绍风能和太阳能为实现气候中和能源系统的支柱技术,其电力输出具有明显的间歇性和波动性,因此需提升系统的时空灵活性,如储能、需求侧响应和跨区域传输。
“Dunkelflauten”被定义为风光资源同时极度不足的长期天气事件,引发能源供应安全的担忧。
由于这些事件在空间上呈大尺度(千公里量级)分布,传统的地理调节能力受限,故长时储能需求显著增加。
目前尚无统一公认的对VRE短缺事件的定义和量化方法,分析方法复杂且多样,本文旨在填补该领域方法论的空白。 1 ,1]
2.2 VRE短缺分析方法概述(Overview of VRE Shortage Analysis)
两大主流视角:
纯能源供应角度 :聚焦变量可再生能源的低可用性期,基于观测、模拟气象数据或产能因子时间序列,通过设定阈值定义短缺期,相关术语多样,如“wind drought”、“energy production droughts”等。
供需失衡角度 (Residual Load分析):考虑VRE供应相对于负荷的净负荷,叫“positive residual load (PRL) events”,定义涉及“energy deficits”、“energy shortfall events”等。
还有以电力市场价格或系统模型中的系统压力(system stress events)为信号的次级识别方法。
术语定义混乱,本文提议统一,区分VRE资源枯竭(variable renewable energy droughts)、累积异常(variable renewable energy anomaly)、PRL事件(positive residual load events)和系统压力事件(electricity system stress events)。
不同方法和视角各有所长,需根据具体研究目的选取,且分析范围从单技术、区域到多技术、多区域均有。强调促成多维度可比性的重要性。 2 ,5]
2.3 文献综述(Literature Review)
单一技术风电研究 :英国风电“drought”研究较多,采用百分位阈值、连续低风速日数等指标,数据多源于ERA5气象再分析数据。
风光组合或多区域研究 :增加太阳能及水电后,定义更复杂,采用容量因子加权平均、多技术复合时间序列及相应阈值,如欧洲、美国、印度等地研究。阈值多基于相对平均可用率设定。
残余负荷视角研究 :分析VRE与负荷的差额,识别高负荷与低VRE发电并存的情景,采用绝对阈值或概率阈值。部分研究使用复杂统计模型(例如copula)分析需求与VRE产出联合分布。
累积异常指标 :计算超短期至多年尺度的VRE可用性累积偏差,捕捉大尺度气候型事件的影响,如“Climatological Renewable Energy Deviation Index (CREDI)”等。 4 ,4,46]
2.4 VRE短缺事件识别方法详解(Identification Methods)
作者首推基于时间连续事件的识别方法 ,给出四种主流识别策略:
CBT(Constantly-Below-Threshold,始终低于阈值) :连续时间步骤全部低于阈值,识别严格但对突变敏感,会导致过多短期事件且低估总体持续时长。
FMBT(Fixed-duration Mean-Below-Threshold,固定时长均值低于阈值) :基于固定长度滑动平均低于阈值,平滑短期波动,但参数(滑动窗口长度)难以物理对应。
VMBT(Variable-duration Mean-Below-Threshold,变时长均值低于阈值) :作者新提出方法,迭代不同滑动窗口,从大到小寻找最长持续的低均值事件,排除事件重叠,平衡了事件唯一性和长度准确性。优于FMBT和CBT。
SPA(Sequent Peak Algorithm,连续峰值法) :计算累积能量差(阈值与实际可用性之间),事件起始于累积亏缺首次正值,终结于最大亏缺点,可容忍事件内短期“回血”,无须迭代,计算效率高,被视为识别VRE短缺的优选方法之一。
不同方法对事件持续时间、数量和严重度的影响显著(见图3)。SPA和VMBT产出唯一、连续且合理的短缺集合。
能量亏缺(energy deficit)与电力系统实际需求关系复杂,仅PRL方法中其物理意义直接明确。
阈值选择关键且敏感,影响事件识别。推荐以各系统的平均可用率(Availability Factor Mean)乘以比例参数作为阈值,以解决不同区域和技术间的可比性问题,避免全负荷小时数(FLH)偏差。7 ,7,8,9,10,11,12]
2.5 技术与区域范围的扩展(Technological and Spatial Scope)
单技术与多技术组合,需用加权平均容量因子复合时间序列反映不同技术间互补性,前者倾向于风险高估。
多区域分析应考虑电网互联状况,极端假设包括完全“铜板模型”(完美电力传输无阻)与隔离系统两极。
多区域合并时区域容量占比作为权重,无需再调整阈值。
PRL事件不需基于标准化的容量因子,因其本身以能量绝对值计量,自然跨区域与技术具可比性。 14
3. 图表深度解读
图2(页7)——VRE短缺定义:固定长窗口与事件视角对比
左图(a)展示固定持续时间窗口检测阈值以下事件的缺陷,短暂高于阈值间断导致部分短缺片段被忽略,短缺被分割,低估持续时长且高估事件数量。
右图(b)展现事件定义方法,不预设时长,连续时间片计为单一事件。不同阈值定位的短缺范围和时长差异明显(阈值越高事件越长但越少)。
图示强调事件角度优于窗口角度。8
图3(页8)——四种识别方法示意与数据对比
主图展示风光发电量因子时间序列(实线)及其不同滑动平均(虚线)和阈值线(0.1)。
绿色区域为CBT识别的能量亏缺,橙色为FMBT能量亏缺。
下方条形展示了CBT、FMBT、VMBT和SPA识别的事件持续时间可变,VMBT最长,CBT最短,SPA次之。
VMBT以多时长滑动平均递归识别方式最细致捕获短缺事件;SPA则单次遍历计算累积能量差,效率高。
说明传统CBT和FMBT方法在事件过滤和持续时长估计上的不足,VMBT和SPA较优。9 ,9,10]
图4(页12)——不同技术与组合的全可用时长曲线(Availability Duration Curves)
(a) 单一技术分别在德国与西班牙的全时段发电因子降序曲线。风电在两国多于光伏,西班牙风电略优德国。
(b) 不同技术配比(风电33%/光伏67%,风电67%/光伏33%)在两国的曲线。组合时间序列反映风光互补的发电潜力,德国整体低于西班牙。
该图说明绝对阈值基方法难以横向比较,需调整阈值以适应不同技术或区域间不同的年发电潜力和全负荷小时数。
以平均发电因子为基准比例阈值调节,最能保证跨区域跨技术事件识别的公平性。13
图5(页15)——正残余负荷(PRL)事件识别方法示例
展示负荷与VRE发电供需差(残余负荷)时间序列及其多种识别方法(CAZ、FMAZ、VMAZ、SPA、调整版SPA_adj)
绿色、橙色阴影代表CAZ与FMAZ事件对应的能量缺口。
下方条形比较各识别方法事件持续长度、SPA恢复期,包括考虑存储效率损失调整的SPA_adj。
SPA及其调整版本可量化恢复期,反映存储(长时储能)对能源缺口的调节时间需求,具有良好的现实政策指导意义。
说明PRL识别比VRE短缺方法参数要求低,结果与电力系统运作及储能需求更直接相关。16 ,16,17]
4. 估值分析
本报告为研究方法与事件识别框架综述,未进行特定资产或公司的估值分析。故无DCF、PE、多元估值模型探讨。
5. 风险因素评估
报告虽未明确列篇专门章节细分风险因素,但在文中隐含相关风险点,包括:
阈值选择的主观性及敏感性 :阈值过高/过低分别导致事件过度宽泛或过度片段化,影响识别结果的可靠性与政策指导价值。
时空多样性和技术多样性背景下的可比性风险 :不同技术和区域VRE发电特征差异显著,未经恰当调整的阈值令跨系统比较产生偏差。
负荷预测及需求响应假设不确定性 :PRL事件识别依赖负荷和VRE容量假设,模型假设误差将传导至结果。
模型结果的不确定性及情景依赖性 :系统模型输出固有参数依赖及优化逻辑导致PRL事件结果特定场景相关,降低普适性。
数据质量及气象模拟误差 :VRE可用性数据多依赖于再分析数据集或合成数据,可能存在偏差。
针对以上风险,报告建议提高透明度,明确算法与参数,建议多阈值敏感性分析,使用开放数据和开源代码推动结果复现与验证。强调跨领域合作,促进气象与能源系统建模的融合以降低方法分歧风险。 12 ,17,19,20]
6. 审慎视角与细微差别
报告在方法论推荐(VMBT和SPA)中显示偏好 ,或对部分传统方法(CBT、FMBT)的批评较为强烈,需警惕作者对新方法的倾向可能带来的选择性侧重。
文中提及大量研究,但未做到详尽量化对比,且尤其对PRL过程实际复杂度的模型依赖性仅作说明,缺少定量敏感度分析。
阈值的主观设定依然是研究方法论的难点,建议探索区间而非定点,实际操作中仍可能产生结果差异大、不确定性强的问题。
报告强调“多区域、多技术”分析可比性,但多区域合并假设(铜板模型)较理想化,实际电网局限性未深入探讨。
SPA算法虽高效,但对短期、多峰事件的精细识别仍可能存在不足,报告也指出这一点。
能量亏缺指标在纯VRE缺乏直接系统物理解释,应用时需谨慎避免过度解读。 11 ,17,19,20]
7. 结论性综合
本文系统综述了关于变量可再生能源(VRE)短缺事件的定义、识别方法和比较框架。通过广泛文献回顾,梳理出多种称谓混用的现状,归纳四大核心概念:“VRE短缺”、“VRE异常”、“正残余负荷(PRL)”和“系统压力”事件。作者深刻解析了各识别方法(CBT、FMBT、VMBT、SPA等)及其优劣,重点推介了创新的VMBT和SPA方法,以期实现事件识别的准确性、唯一性及计算效率优化。
研究特别强调阈值选择的重要性,建议以各系统的年均可用率乘以阈值因子为准,以消除不同技术与区域间全负荷小时差异的干扰,从而提高跨系统比较的科学性。
PRL事件的分析被视为更具政策导向意义,尤其适用于评估对长时储能及可靠发电容量的需求,建议采用SPA及其经过存储效率调整的改进版本。
图表与实证示例(如德国风电样本)展示,不同识别方法对事件数、持续时长和严重度的显著影响,指导研究者避免使用固定窗口法或无法合并依赖事件的传统方法(如CBT、FMBT)。
此外,报告呼吁提高研究透明度,倡导开源开数原则,推动能源气象研究的跨领域融合,以增强未来新能源系统设计与决策的科学性和稳健性。
报告总体评价 :为新能源系统领域提供了极为细致、条理清晰、方法创新且实用的VRE短缺事件分析指导,既涵盖理论建构,也适用实际系统模拟与规划,具有高度学术与实践价值。其提出的VMBT方法和对SPA方法的推广,促进了事件识别方法论的标准化和统一,有助于推动全球能源转型的科学决策。 19 ,19,20,31,32,33]
综合建议:
未来研究应基于VMBT与SPA等方法展开大规模、多区域、多技术的量化比较,结合不同气象再分析数据,探究阈值敏感性和事件对能源系统影响的因果联系。
政策制定者和能源系统规划者需关注PRL事件分析,合理规划储能和调峰容量,保障高度可再生能源系统的稳健运行。
建议建立公开数据和工具库,以促使不同研究在可重复和可比较的基础上推进。
关键图表Markdown引用示例
以上为该金融能源研究报告《Measuring the Dunkelflaute》详尽且全面的分析解读。