未来电力系统储能的新形态：云储能

康重庆, 刘静琨, 张 宁

(电力系统及发电设备控制和仿真国家重点实验室， 清华大学, 北京市 100084)

未来电力系统储能的新形态：云储能

康重庆, 刘静琨, 张 宁

(电力系统及发电设备控制和仿真国家重点实验室， 清华大学, 北京市 100084)

风电与太阳能发电等间歇性可再生能源的快速发展增加了电力系统对储能的需求,共享经济的迅速发展为储能的应用带来新的商业机会,基于储能设施共享的云储能可能成为未来电力系统新的形态特征之一。云储能是一种基于电网的储能服务,它使得用户可以随时、随地、按需使用电网级的共享储能资源池中的资源,可以显著地降低提供储能服务的成本。文中解释了云储能的概念,并对云储能商业模式的各个要素进行了详细阐述。在此基础上,分析了云储能的投资与规划、运行以及服务定价等关键问题,总结了当前的研究进展并提出了相关的研究思路与方法,探讨了未来为了促进云储能的发展与实施还需要着力解决的问题,对云储能未来的研究进行了简要的展望。

共享经济; 可再生能源； 能源互联网； 云储能

0 引言

近年来,风电与太阳能发电等可再生能源在全球范围内发展迅猛,其发电比例在各国均有显著提高[1-3]。未来30年内,电力系统将逐渐步入高比例可再生能源的时代,其重要特征之一是电力系统中灵活资源稀缺化[4]。一方面,大规模集中式的可再生能源发电出力具有很大间歇性[5],进而导致系统实时电价的大幅度变化[6-7],这些波动性需要有储能来平抑[8-9]。另一方面,分布式的可再生能源电源也需要配备分散的储能装置[10-11],以满足用户存储和使用可再生能源所产生的过剩电能的需求[12-14]。储能在电力系统中的价值逐渐增加,将成为未来电力系统中的一类重要而广泛的资源。而目前电力系统中的储能资源主要以大型抽水蓄能电站为主,基于电池的储能设备由于成本较高等原因尚未在电力系统范围内广泛应用。

近年来,全球范围内广泛开展了共享经济模式的商业实践[15]。Uber(优步)和Airbnb(爱彼迎)作为共享经济的典型代表,已经获得了较大的商业成功。电力系统的核心任务是为用户提供稳定可靠的电能,这一提供商品与服务的过程就是电力系统的商业本质之所在。而在目前的电力系统商业模式中,用户大多被动地“共享”电网基础设施,而较少真正主动地通过共享的方式与电力系统产生互动。文献[16-17]对此进行了一定的研究,提出了云储能这一理念,并对其盈利能力进行了论证。可以预见,将共享经济模式与电力系统深度融合将会产生未来电力系统的新形态,为用户释放更多的红利。云储能很可能成为未来高比例可再生能源电力系统的新形态特征之一。

本文详细分析了云储能的概念与商业模式,描述了云储能应当怎样进行投资、规划与运行,以及云储能服务如何定价等关键问题,总结了当前云储能的研究进展并对未来的研究进行了展望。

1 云储能的定义

本文对云储能及相关概念的定义如下。

定义1云储能是一种基于已建成的现有电网的共享式储能技术,使用户可以随时、随地、按需使用由集中式或分布式的储能设施构成的共享储能资源,并按照使用需求而支付服务费。

云储能依赖于共享资源而达到规模效益,使得用户可以更加方便地使用低价的电网电能和自建的分布式电源电能。云储能可以综合利用集中式的储能设施或聚合分布式的储能资源为用户提供储能服务。云储能可将原本分散在用户侧的储能装置集中到云端,用云端的虚拟储能容量来代替用户侧的实体储能。云端的虚拟储能容量以大规模的储能设备为主要支撑,以分布式的储能资源为辅助,可以为大量的用户提供分布式的储能服务。

云储能提供商投资大规模的储能设备可以充分利用规模效应,而使用分布式的储能资源可以提高现有的闲置储能的利用率。使用云储能的用户可以根据实际需求向云储能提供商购买一定期限内的虚拟储能的使用权。云储能用户使用云端的虚拟储能如同使用实体储能,通过公共互联网,用户可以控制其云端虚拟电池充电和放电,但与使用实体储能不同的是,云储能用户免去了用户安装和维护储能设备所要付出的额外成本。而云储能提供商把原本分散在各个用户处的储能装置集中起来,通过统一建设、统一调度、统一维护,以更小的成本为用户提供更好的储能服务。根据云储能的理念,云储能模式的构建图如图1所示。

图1 云储能模式构建图Fig.1 Designing graph of cloud energy storage model

基于以上描述,可以对云储能的相关概念进行符号化的表达。设ξi为用户ui所能获得的虚拟储能资源与服务,ψk和φl分别为实体的集中式和分布式的储能资源。

虚拟储能资源与服务集合为:

Z={ξi}

(1)

与之对应的用户集合为:

S={ui}

(2)

易知,集合Z与集合S之间的元素是一一对应的,一个用户只能有一份虚拟储能资源与服务。

实体储能资源集合为:

Ξ={ψk,φl}

(3)

并且,设Ξ和S所处的电网为G,则可以进行如下定义。

定义2云储能服务模式:若存在映射F、集合Ξ和集合Z,满足式(4)的关系,则称包含F,Ξ,Z,与Z相对应的S以及电网G的集合C为云储能服务模式,如式(5)所示。

F:Ξ→Z

(4)

C={F,Ξ,Z,S,G}

(5)

定义3云储能用户:包含于集合C的集合S中的元素称为云储能用户,即云储能用户就是云储能服务的使用者。

定义4储能设施:包含于集合C的集合Ξ中的元素称为储能设施,即储能设施是响应云储能用户的储能使用需求的储能实体。

定义5云储能提供商:包含于集合C的映射F称为云储能提供商,即云储能提供商是控制运营储能设施并为用户提供云储能服务的企业。

值得指出的是,由于云储能服务的提供需要借助电网现有基础设施,因此一旦电网发生故障,将可能引起云储能系统的共模故障,因而云储能也很难在电网故障时成为应急备用。然而,实际上国内很多地区电网可靠性相对较高,储能提供应急备用而被调用的概率很低。故当前云储能研究的着眼点更多在于从用户的角度应对可再生能源出力和电价的波动。

2 云储能基本商业模式

传统意义上,用户想要使用储能来降低综合用电费用,需要在本地自己投资建设储能系统,并进行日常的维护。而与之不同的是,云储能是基于共享经济的一种新型的储能商业模式,其内涵主要通过图2中的要素体现,具体阐述如下。

图2 云储能基本商业模式要素Fig.2 Elements of basic business model for cloud energy storage

1)价值主张:云储能以“共享”为主要价值取向,通过用户共享储能资源而提高资源利用效率,进而实现综合成本的降低,并在此基础上可以进一步满足更多用户的储能使用需求。云储能致力于为用户提供与实体储能一致的服务,用户使用云端虚拟电池就如同使用实体的分布式储能一样。用户在云储能模式中的参与感大大增强,他们可以按照自己的意愿去控制云端电池的充电和放电,云储能提供商会做出相应的响应。云储能商业模式以服务用户为核心,全力为用户提供简便易用、质优价廉的储能服务。

2)消费者目标群体:根据目前的研究,云储能所针对的细分市场为家庭用户和小商业用户。这类用户数量庞大,每个用户都有使用储能设备来降低用电费用的动力。然而这类用户中单一用户储能需求量较小,对于价格较为敏感,但是市面上难以买到恰好符合其容量需求的储能设备,这就为用户共享储能资源提供了可能性。此外,家庭用户之间以及小商业用户之间的用电行为存在着一定的互补性。因此,为了产生更大更可观的聚合效益,云储能服务应当大量吸收这类用户。

3)营销渠道:云储能商业模式可以直接通过售电商或者节能服务公司来进行营销。随着售电侧市场的不断发展,云储能将作为能源增值服务中的一个品种,建立线上线下相结合的灵活营销渠道。同时结合大数据技术,能够根据用户用能习惯实现差异化精准营销。

4)客户关系:云储能提供商与云储能用户之间是互惠互利的关系。云储能提供商能够提供储能服务,为用户降低用电成本,另一方面也能通过提供储能服务而盈利,此外,云储能提供商也通过提供云储能服务而改善了用户的负荷曲线,缓解了系统供需平衡压力。

5)资源配置:云储能提供商的储能资源配置主要分为两部分,一部分是集中式的储能设施,另一部分是分布式的储能资源。集中式的储能设施由云储能提供商投资建设,方便调度控制,是提供云储能服务的主要储能实体。分布式的储能资源的所有者一般为用户或者电网,云储能提供商主要通过租赁的方式获得分布式储能资源的使用权。云储能提供商所聚集的这些分布式储能资源是其集中式储能资源的重要补充。

6)核心能力:云储能提供商成功的关键是要聚拢大量的具有互补性的用户并实现规模效益。因此,它需要有数据分析、优化、通信、预测等多种技术作为支撑[16]。

7)服务流程:云储能提供商根据其所掌握的技术经济信息为用户设定云储能服务价格。用户根据云储能服务的价格和自己的用电情况决定购买多少云端电池容量。云储能提供商根据用户购买云端电池容量的情况和所模拟出的用户充放电需求投资建设集中式的储能设施和租赁分布式的储能资源。用户向云储能提供商购买储能容量使用权之后,在运行中根据自身储能使用需求向其所购买的云端电池发出充电和放电指令。云储能提供商通过合理地选择储能设施的充放电时机以及充放电功率,以期达到尽可能小的自身成本。在运行过程中,配电网为云储能充当备用,当储能设施中的电能不足以满足用户的放电需求时,云储能提供商从电网直接购买电能供用户使用。

8)结算方法:用户使用云储能服务需要向云储能提供商支付服务费从而获得云端电池容量的使用权。在实际运行中,用户控制云端电池充电所产生的充电电费按照运行时的实时电价结算,由云储能提供商代收。用户控制云端电池放电不产生直接费用。用户控制云端电池放电的功率超过用户负荷而产生的向电网反送电的收益将首先由云储能提供商代为支付。用户的负荷不能被云端电池放电所满足的部分将由用户直接与电网结算,支付相应的用电费用。云储能提供商向电网支付储能设施充电的电费、储能设施电量不能满足用户放电需求时从电网获得功率的电费。储能设施放电超过用户放电需求而产生的向电网反送电的收益将由电网支付给云储能提供商。因此,在实际运行中的结算次序首先是云储能提供商、用户与电网进行结算,然后是云储能提供商和用户之间进行结算。结算周期可视实际情况设定为每天、每周或每月。

9)成本结构:云储能提供商的成本可分为投资成本和运行成本。投资成本包括云储能提供商建设集中式储能设施的成本和租赁分布式储能资源的成本。运行成本包括两项正成本和一项负成本。两项正成本分别是云储能提供商充电成本和用户发出放电需求但是储能资源中能量不足从而需要从电网直接购电的成本。负成本为用户因操作其云端电池充电而产生的充电成本。因此，云储能提供商的运行成本为上述两项正成本之和再扣除用户充电费用。其他类型的成本,例如财务费用等,暂时未予以考虑。

10)收入结构:在云储能商业模式开展的初期,云储能提供商的收入主要是用户支付的云储能服务费。用户支付给云储能提供商服务费从而获得未来一定时期内的一定容量的云端电池的使用权。值得指出的是,为了吸引用户使用云储能服务而不是自己投资分布式储能,云储能提供商为用户设定的云储能服务费单价应低于用户自建分布式储能的单位成本的年值。此外,由于云储能服务费单价与用户购买云端电池的容量的大小呈负相关关系,云储能提供商需要进行有策略的定价方式以追求利润的最大化。

11)利润来源:云储能提供商可以充分利用用户的储能使用需求在时间上的互补性,其所投资的储能设施的容量可以显著低于所有用户购买的云端电池容量的加总。而用户购买云端电池容量使用权所缴纳的云储能服务费是云储能提供商的收入,这就给云储能提供商提供了利润空间。虽然云储能提供商实际投资储能容量低于用户购买云端电池容量会导致云储能提供商运行成本增加,即其需要在储能装置电量不足以满足用户放电需求时从电网购买高价的电能以供用户使用,但是这种情况不经常发生,并且这部分增加的运行成本可以被云储能提供商减小容量投资所带来的收益完全覆盖。云储能提供商通过权衡投资成本和运行成本实现总成本最小化。此外,由于云储能提供商可以投资建设集中式的储能装置,因此可利用规模效应降低单位容量投资成本,进一步扩大其利润。

12)裂变模式:目前对于云储能的研究主要在于储存电能,随着未来商业模式的铺开以及相关研究的推进,云储能也可能会涵盖储热、储气等领域。

此外,值得指出的是,云储能商业模式和虚拟电厂商业模式[18]有着一些本质的不同之处。首先是概念提出的初衷不同:虚拟电厂要实现对大量的分布式电源的控制,服务于电网;云储能要实现储能资源的共享,服务于用户。第二是功能定位不同:虚拟电厂强调其对外的特性是作为一个电厂,是趸售市场中的一个主体;云储能强调其储能设施的本质是满足用户的需求,用户和云储能提供商都是零售市场的主体。第三是盈利模式不同:虚拟电厂依靠向电网出售电能和辅助服务获利;云储能的收入来源于其向用户收取的云储能服务费。第四是负荷的可控性不同:虚拟电厂中包含一些可控负荷;云储能不试图控制用户负荷。第五是分布式电源依赖性不同:虚拟电厂如果没有内部的分布式电源则无法很好地运行;云储能只要保证零售电价随时间变化即有盈利的可能。

3 云储能投资与规划

云储能提供商想要为用户提供云储能服务,首先就是要确定其所需要投资和建设的储能设施的种类及相应的容量。为了解决这一问题,云储能提供商需要进行两方面的工作,一方面是要对用户使用云储能服务的需求进行有效的估计,另一方面是根据所估计出的用户储能需求进行最优化的投资决策，如图3所示。

图3 云储能投资与规划主要内容Fig.3 Main contents of investment and planning of cloud energy storage

为了估计用户使用云储能的需求,云储能提供商需要根据用户的历史用电数据推测其最优的储能使用行为。云储能提供商应当考虑云储能服务费用的单价、实时电价以及用户使用储能时的各项约束,建立以用户年度综合投资和用电成本最小化为目标的储能优化投资模型。通过该模型云储能提供商能够筛选出那些使用云储能的总成本低于其不使用储能时的总成本的用户,将这类用户作为目标客户。用户充电的时机选择一般与电价波动具有较强的相关性,而其放电时机的选取则在很大程度上取决于用户的负荷,即实际用电需求。用户之间实际用电需求较大的差异性导致了其具有较强的互补性,因此将全部用户的充放电需求加总之后的放电需求最大值低于单个用户放电需求最大值的加总。这一特征为下一步云储能提供商削减投资成本奠定了基础。

云储能提供商所决定投资的储能容量并非是每个用户所需要的储能容量的简单加总,而应当是根据全体用户的放电需求和可再生能源充电需求所优化决策出的结果。由于用户的放电需求和使用可再生能源充电的需求在优化模型中的位置一致但符号相反,故可将其归并为放电需求,因此云储能提供商的任务就是通过优化的方法找到最优的储能技术组合及相应的容量,使储能系统能够以最小的综合成本去满足用户的放电需求。

对于用户的尖峰放电需求,云储能提供商不必投入对应量的储能设施予以保障,而可以在这种需求出现时通过直接向电网购买高价电能的方式来满足用户的尖峰需求,从而进一步节约投资成本,保持较高的储能装置利用率。云储能提供商能够利用多种储能技术为用户提供性价比更高的储能服务,一些功率型的储能技术,如超级电容等,可以用于满足用户放电曲线中波动较为强烈的部分,而一些能量型储能技术,如液流电池等,可以用来支撑用户放电需求曲线中较为平滑的部分。对性能各异的各种储能技术的综合投资使用有助于云储能提供商满足用户储能使用需求的同时努力降低投资成本。

然而,对用户储能需求的估计与优化储能设施投资决策并非单向的过程,因为储能设施为了满足用户需求而进行的充放电会对其寿命产生一定的影响。而寿命的变化会影响分摊到每年的投资成本,因此储能设施寿命的变化反过来会影响用户所面临的云储能服务费,反过来又会影响用户的决策。

值得强调的是,云储能提供商获取储能设施主要是通过两种途径:一是投资使用集中式的储能设施,二是租赁已有的用户侧分布式的储能资源。投资集中式的储能设施可以充分利用规模效应降低单位投资成本,并且便于云储能提供商在运行中对其进行调度管理。租赁分布式的储能资源可以使得云储能提供商以较小的成本获得一定的储能资源的使用权,在增加了云储能投资与规划的灵活性的同时也提高了闲置资源的利用率,提升了社会福利水平。

4 云储能运行

云储能提供商的另一个核心任务就是在实时运行中满足用户的储能使用需求,并在此基础上实现运行成本最小化。云储能运行所涉及要素如图4所示。

图4 云储能运行的要素Fig.4 Main elements of cloud energy storage operation

在实际运行中,用户和云储能提供商的储能充放电行为都具有较强时间上的关联性,即只有事先充电,才能在后续某个时间节点放电,这是由储能装置的物理特性所决定的。由于云储能主要是满足用户放电需求,因此云储能提供商实际上不必去盲目地跟随用户使用电网电能向云端电池充电的需求,而是可以选择适当的时机控制储能设施充电。这就需要云储能提供商对于未来的信息,即用户的充放电功率和电价等做出预测,进而采取优化的方式进行决策。此外,还要考虑储能装置相邻时段的电量关系,即当前时段的电量是前一时段的电量经过一个时段的充电或放电的作用结果。另外,通过优化的方法可以实现对不同种类的储能设施的充放电的协调。各类储能设施具有不同的特性和参数,通过优化的方法可以实现不同储能设施的最优协调。

在运行中,云储能提供商可以采取日前优化的方法根据对于下一日的预测值进行日前决策。它的日前充电和放电计划是基于对于用户需求的预测。云储能提供商根据对于用户的需求的预测值通过日前运行优化模型,获得下一日的储能设施充电和放电策略。云储能提供商需要考虑一系列储能装置相关的约束，如利用储能装置的充放电功率均不应超过其功率容量限值,储能装置的电量既不能低于最小电量也不能高于储能能量容量等。

云储能在运行中需要面对较多的不确定性的情况,只有对距离当前时刻较近的时间段进行预测才可以得到相对较好的预测结果。因此为了进一步加强云储能应对不确定性的能力,可以采取更为复杂的决策模式,使云储能提供商利用更多的电价、负荷等预测信息,做出更具有准确性的前瞻性的运行决策。云储能提供商可以基于模型预测控制的理念,采取滚动优化的方法得到实时的控制策略。使用该方法时,云储能提供商结合对于未来n个时间段的用户行为的预测、用户当前充放电需求以及储能设施当前t时段的状态,优化出t至t+n时间段储能设施的充电和放电策略。但实际上只采用所优化出的t时间段的策略操控储能设施并对电网及用户做出反应。在接下来的每一时间段,再次重复上述过程,滚动优化出每个时间段的控制策略。

值得注意的是,在云储能的运行中,需要控制储能设施频繁充放电,这种充放电的模式会引发储能设施的寿命损耗。因此为了更加精确地对云储能的运行建模,还需要对储能设施寿命损耗的非线性模型进行充分地考虑。同时考虑储能寿命损耗所分摊的投资成本,还可以将云储能的规划投资与运行建立为一个统一的模型,从而使云储能提供商做出更加合理的决策。

5 云储能服务定价

价格机制设计是联系云储能提供商和用户的关键,是云储能模式盈利性的根本保证。为了促进云储能模式的快速发展并提升社会福利,云储能的服务定价必须在保证云储能提供商利润的基础上让用户相较于不使用云储能的情形获得一定的收益。云储能服务定价的方法主要可以分为三类,分别是按容量定价、按流量定价和按套餐定价。

按容量定价指云储能为用户设定单位千瓦和单位千瓦时的云储能服务费价格,用户按照自己实际储能需求向云储能提供商购买一定时期内一定容量的云端电池使用权。由于用户在使用云储能之外还有一种潜在的选择就是自己投资建设实体的储能,因此为了吸引用户使用云储能而非投资实体储能,在按容量定价时,云储能单位容量年度服务费应不大于投资实体储能的单位功率容量投资成本年值。为了确定云储能服务费的价格,云储能提供商首先需要得到用户的储能容量需求曲线。云储能提供商可以采用优化的方法对不同的云储能服务费价格下用户的最优投资决策进行模拟,进而可以得到用户的云储能需求曲线。根据用户的云储能需求曲线,云储能提供商可以依据其市场竞争集中度的大小,找到定价与销售量的最优点实现利益的最大化。

按流量定价是受到移动互联网模式启发而产生的一种新的定价模式。这种定价方式可以让用户实现“用多少,付多少”的消费模式,云储能提供商依据用户每次向云端电池中存入的能量的多少而收取相应的费用。在这种定价模式下,云储能提供商要计算出在不同的储能设施荷电状态和不同的电价下满足用户存储和释放单位电能的需求所产生的成本,进而形成云储能按流量定价的分段或连续价格曲线。值得指出的是,受储能设施容量规模的限制,云储能服务流量定价无法做到“量大价优”,而是会随着使用量的增加单位流量价格显著上升。这种定价策略可以抑制用户的非理性的储能使用需求,最终能够保护云储能提供商和用户的共同利益。

云储能服务的定价还可以使用套餐定价的方法。云储能提供商需要挖掘用户的用电行为和储能使用的历史数据,对大量用户的储能使用的特点进行梳理和分类。在此基础上,针对每类用户开发不同的云储能服务套餐并给予相应的使用奖励和优惠措施。不同的套餐可以设定不同的云端电池参数,有些套餐可以是“功率型”,有些可以是“能量型”,还有些可以是“平衡型”。在套餐定价中,还可以考虑引入“可靠性”,对于需要保证云端电池时刻都可以充放电的用户,其云储能服务费可以设定得比较高,而对于接受在一天中的某些尖峰时刻不能使用云储能服务的用户,其云储能服务费可以设定得比较低。通过利用不同用户对于云储能服务的可靠性要求不同的这一特点,可以进一步增加储能设施的利用效率。此外,套餐定价也可以综合容量定价和流量定价的特点,即同一套餐中既包含容量定价的部分又包含流量定价的部分。本质上,云储能服务按套餐定价的方法就是一种价格歧视的策略,最大限度地让用户使用云储能,从而使云储能提供商获得利润。

6 讨论

云储能模式是共享经济在用户侧储能领域中的一种探索,未来将会有广阔的应用空间。从物理角度来讲,云储能可以在一定程度上将已有的或者潜在的分布式储能集中并形成一些具有一定规模的储能电站。云储能的出现还将促进用户侧分布式可再生能源的投资并网与就地消纳。此外,储能设施布置位置与用户对储能资源的调用也会改变原有的电网潮流分布。

云储能理论与方法的研究是一个新的领域,涉及内容广泛,而目前的研究工作所涵盖的范围较为有限。因此云储能领域的一些重要问题还需要后续的研究来解决。故需要对此进行简要的探讨与展望。

1)用分布式储能资源提供云储能服务

云储能的储能实体可以是集中式的储能设施也可以是分布式的储能资源,目前的研究侧重于如何利用集中式的储能设施提供云储能服务,对聚合利用分布式的储能资源涉及较少。未来可以对使用分布式的资源提供云储能服务进行进一步的研究与探讨。

2)包含大规模云储能的未来电力系统形态

云储能可能成为未来电力系统应用储能的重要形式,云储能的服务需要输配电网提供能量传输支撑,目前的研究尚处于提出云储能的理念、模式与方法的阶段。因此,需要研究包含大规模云储能的未来电力系统形态,具体包括包含云储能设备的输配电网结构、云储能大规模接入下输配电网的潮流特征,以及由此产生的新的电力系统运行方式、市场机制和定价策略及计算方式等问题。

3)多能源系统中的云储能

能源互联网的发展大背景下,多能源系统的联合规划运行的重要性日益凸显,未来的云储能也许不再局限于电能的云端存储,可能会涉及储热、储气、储氢等领域,与之相关的理论与方法也需要后续进一步地研究与探索。

此外,云储能的研究还涉及考虑不同管制规则、考虑多市场主体博弈、考虑对电网可靠性造成的影响等诸多方面,这些领域也有待于未来的研究和探索。

值得指出的是,云储能模式顺利推向工程实际的应用还需要其他技术和产业政策两方面的支撑。用户、云储能提供商与电网三者之间的实时准确的通信是云储能商业模式得以实施的关键,因此云储能有赖于先进信息通信技术提供信息流动的载体。此外,储能技术本身的突破也将会为云储能模式的发展起到促进作用,在一定范围内的储能单位成本的降低将有助于云储能模式产生更大的社会福利改善。在产业政策方面,随时间而波动的电价是云储能得以开展的基础,因此需要有实时电价或峰谷电价等电价机制的支持。在云储能实施和推广的初期,用户未必会很好地理解与接受将储能放在“云端”的理念,因此也需要制定相关的政策对其进行宣传与教育。

7 结语

云储能是共享经济与电力系统储能融合的产物,是未来电网的一个新的形态选择。本文在给出了云储能的定义并详细阐述云储能基本商业模式的基础上对云储能的投资规划、运行、服务定价等子领域的研究方法、研究进展和研究思路进行了阐述。此外,本文还对未来云储能研究中的关键问题进行了讨论与展望。随着云储能研究的不断深入,未来可能会出现与云储能相关的工程实践,届时会对云储能的理论研究产生进一步的推动作用。

[1] 康重庆,姚良忠.高比例可再生能源电力系统的关键科学问题与理论研究框架[J].电力系统自动化,2017,41(9):2-11.DOI:10.7500/AEPS20170120004.

KANG Chongqing, YAO Liangzhong. Key scientific issues and theoretical research framework for power systems with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2017, 41(9): 2-11. DOI: 10.7500/AEPS20170120004.

[2] 白建华,辛颂旭,刘俊,等.中国实现高比例可再生能源发展路径研究[J].中国电机工程学报,2015,35(14):3699-3705.

BAI Jianhua, XIN Songxu, LIU Jun, et al. Roadmap of realizing the high penetration renewable energy in China[J]. Proceedings of the CSEE, 2015, 35(14): 3699-3705.

[3] 鲁宗相,黄瀚,单葆国,等.高比例可再生能源电力系统结构形态演化及电力预测展望[J].电力系统自动化,2017,41(9):12-18.DOI:10.7500/AEPS20170109001.

LU Zongxiang, HUANG Han, SHAN Baoguo, et al. Morphological evolution model and power forecasting prospect of future electric power systems with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2017, 41(9): 12-18. DOI: 10.7500/AEPS20170109001.

[4] 丁明,陈忠,苏建徽,等.可再生能源发电中的电池储能系统综述[J].电力系统自动化,2013,37(1):19-25.

DING Ming, CHEN Zhong, SU Jianhui, et al. An overview of battery energy storage system for renewable energy generation[J]. Automation of Electric Power Systems, 2013, 37(1): 19-25.

[5] 袁小明,程时杰,文劲宇.储能技术在解决大规模风电并网问题中的应用前景分析[J].电力系统自动化,2013,37(1):14-18.

YUAN Xiaoming, CHENG Shijie, WEN Jinyu. Prospects analysis of energy storage application in grid integration of large-scale wind power[J]. Automation of Electric Power Systems, 2013, 37(1): 14-18.

[6] MOHSENIAN-RAD H. Coordinated price-maker operation of large energy storage units in nodal energy markets[J]. IEEE Trans on Power Systems, 2016, 31(1): 786-797.

[7] KINTNER-MEYER M. Regulatory policy and markets for energy storage in north America[J]. Proceedings of the IEEE, 2014, 102(7): 1065-1072.

[8] MASIELLO R D, ROBERTS B, SLOAN T. Business models for deploying and operating energy storage and risk mitigation aspects[J]. Proceedings of the IEEE, 2014, 102(7): 1052-1064.

[9] GOEBEL C, JACOBSEN H A. Bringing distributed energy storage to market[J]. IEEE Trans on Power Systems, 2015, 31(1): 173-186.

[10] 王成山,武震,李鹏.分布式电能存储技术的应用前景与挑战[J].电力系统自动化,2014,38(16):1-8.DOI:10.7500/AEPS20140108002.

WANG Chengshan, WU Zhen, LI Peng. Prospects and challenges of distributed electricity storage technology[J]. Automation of Electric Power Systems, 2014, 38(16): 1-8. DOI: 10.7500/AEPS20140108002.

[11] AGOSTINO R D, BAUMANN L, DAMIANO A, et al. A vanadium-redox-flow-battery model for evaluation of distributed storage implementation in residential energy systems[J]. IEEE Trans on Energy Conversion, 2015, 30(2): 421-430.

[12] 谭兴国,王辉,张黎,等.微电网复合储能多目标优化配置方法及评价指标[J].电力系统自动化,2014,38(8):7-14.DOI:10.7500/AEPS20130719005.

TAN Xingguo, WANG Hui, ZHANG Li, et al. Multi-objective optimization of hybrid energy storage and assessment indices in microgrid[J]. Automation of Electric Power Systems, 2014, 38(8): 7-14. DOI: 10.7500/AEPS20130719005.

[13] TOLEDO O M, FILHO D O, DINIZ A S A C, et al. Methodology for evaluation of grid-tie connection of distributed energy resources—case study with photovoltaic and energy storage[J]. IEEE Trans on Power Systems, 2013, 28(2): 1132-1139.

[14] 尤毅,刘东,钟清,等.主动配电网储能系统的多目标优化配置[J].电力系统自动化,2014,38(18):46-52.DOI:10.7500/AEPS20130722009.

YOU Yi, LIU Dong, ZHONG Qing, et al. Multi-objective optimal placement of energy storage systems in active distribution network[J]. Automation of Electric Power Systems, 2014, 38(18): 46-52. DOI: 10.7500/AEPS20130722009.

[15] 刘奕,夏杰长.共享经济理论与政策研究动态[J].经济学动态,2016(4):116-125.

[16] LIU J, ZHANG N, KANG C Q, et al. Cloud energy storage for residential and small commercial consumers: a business case study[J]. Applied Energy, 2017, 188: 226-236.

[17] LIU J, ZHANG N, KANG C Q, et al. Decision-making models for the participants in cloud energy storage[J/OL]. IEEE Trans on Smart Grid[2017-05-23]. DOI: 10.1109/TSG.2017.2689239.

[18] 卫志农,余爽,孙国强,等.虚拟电厂的概念与发展[J].电力系统自动化,2013,37(13):1-9.

WEI Zhinong, YU Shuang, SUN Guoqiang, et al. Concept and development of virtual power plant[J]. Automation of Electric Power Systems, 2013, 37(13): 1-9.

ANewFormofEnergyStorageinFuturePowerSystem:CloudEnergyStorage

KANGChongqing,LIUJingkun,ZHANGNing

(State Key Laboratory of Control and Simulation of Power Systems and Generation Equipments, Tsinghua University, Beijing 100084, China)

The rapid development of intermittent renewable energy has increased the demands for storage in power systems. In the meantime, the expeditious advances in shared economy would bring new business opportunities to the application of storage. Based on the sharing of storage devices, cloud energy storage (CES) would become one of the important features for future power system configuration. CES is a grid-based storage service that enables ubiquitous and on-demand access to a shared pool of grid-scale energy storage resources. It is capable of providing energy storage services at a substantially lower cost. This paper explains the concept of CES and elaborates the elements of the CES business model. The key issues on CES investment and planning, operation, and service pricing are analyzed. The current research progress, approach and methodology are reviewed. The key problems that should be addressed in the future are pointed out to improve the development and implementation of CES. The future research on CES are previewed and discussed.

This work is supported by National Key Research and Development Program of China (No. 2016YFB0900101) and Funds for International Cooperation and Exchange of the National Natural Science Foundation of China (No. 51620105007).

shared economy; renewable energy; Energy Internet; cloud energy storage (CES)

2017-06-01。

上网日期: 2017-06-06。

国家重点研发计划资助项目(2016YFB0900101);国家自然科学基金国际(地区)合作与交流项目(51620105007)。

康重庆(1969—),男,通信作者,博士,教授,主要研究方向:电力系统规划、低碳电力技术、负荷预测、电力经济。E-mail： cqkang@tsinghua.edu.cn

刘静琨(1989—),男,博士研究生,主要研究方向:储能技术、电力系统不确定性分析。E-mail: liujk12@mails.tsinghua.edu.cn

张 宁(1985—),男,博士,副教授,主要研究方向:电力系统不确定性分析、多能源系统。E-mail: ningzhang@tsinghua.edu.cn

(编辑万志超)