支撑电力系统清洁转型的储能需求量化模型与案例分析

肖晋宇，侯金鸣，杜尔顺，金 晨，周原冰，康重庆

（1.全球能源互联网发展合作组织，北京市 100031；2.全球能源互联网集团有限公司，北京市 100031；3.清华大学电机工程与应用电子技术系，北京市 100084）

0 引言

当前世界各国的电力系统都正朝着绿色、低碳的方向发展。从资源角度看，水电相对有限，风电、光伏等可再生能源将逐步成为主力电源。可再生能源发电具有随机性和波动性等特点，给保障电力系统可靠供应带来了挑战。规模化储能技术的发展和应用，为构建安全、经济、清洁和可持续的高比例可再生能源电力系统提供了技术手段［1-2］。

目前，储能需求的研究多集中于特定应用场景下特定储能技术的配置研究。文献［3-6］针对给定的一种储能技术，分析了储能对系统灵活调节能力和经济性的影响。文献［7］以大工业用户电费的计费规则为基础，构建了需量防守与削峰填谷相结合的用户侧储能配置优化模型。文献［8］采用自适应小波分解方法处理风电功率波动，以系统年综合成本最小为目标，建立了考虑电池寿命的优化模型。文献［9］构建了微网在独立模式下的储能系统优化配置模型，优化变量包括储能系统的额定功率和容量。文献［10］基于随机规划的p-有效点理论，获得一种将不确定规划转化为确定性规划的解析方法，从而求解计算系统所需的最小储能总量。文献［11］以用户投资回报率最大为目标建立储能规划模型，采用多步动态优化方法求解，得到最优储能规模和最优合同容量。上述研究一方面都局限于单一场景下的储能容量配置，另一方面，无法回答新型储能相比于其他技术手段（如新建其他灵活调节电源）的经济性水平。

针对应用场景的储能配置忽视了新增储能设备同时具有的调峰、平滑出力、系统备用等多重功能，无法准确评估系统整体的储能需要。规模化配置储能是一个电源优化问题，需要在电源规划研究中统筹考虑储能配置［12］，这一类规划问题的求解方法包括 随 机 动 态 规 划［13］和 遗 传 算 法［14］等 方 法。文 献［15］提出了一种能同时给出常规电源、可再生能源和储能方案的优化方法。上述优化方法主要针对以电池为代表的新型储能技术建模，反映了储能的功率特性，但是无法解决可再生能源高渗透下系统净负荷在长时间尺度（月度或跨季节）下波动的问题，更无法统筹优化系统对短时功率调节能力和长期能量调节能力的双重需求。

本文提出了一种基于混合整数规划的储能与可再生能源联合优化的量化模型与方法，在模型参数上对短时功率型储能和长期能量型储能进行区分，使得优化算法能够针对功率和能量2种不同调节能力在系统平衡中发挥不同作用，实现对系统多时间尺度储能需求的统筹优化。考虑到当前电力系统日内调峰对储能放电时长的需求一般为4～6 h，而应对季调峰主要以按月安排机组检修为主要手段，结合未来储能技术的发展，将短时储能和长期储能持续放电时间分别设置为6 h和720 h。

全球能源互联网骨干网架研究提出了全球各大洲能源清洁转型目标，分析预测了全球用电需求、电力供应、清洁能源占比和电网互联方案［16-17］，本文以此为边界条件开展储能需求量化研究。

1 储能需求的量化分析方法

1.1 储能需求的维度

能源系统对储能的需求本质上取决于能源生产与消费间的不平衡程度，对于电力系统而言，生产与消费间的不平衡度由净负荷的特性决定。储能不仅在平抑可再生能源波动［18］或调频［19-20］等单一场景中发挥作用，更具有系统价值［21］。本文从系统级视角研究和回答能源清洁化转型需要什么样的储能、需要多少储能、能接受什么价格水平的储能等3个重要问题。与现有研究不同，本文提出按照短时功率型和长期能量型在模型中区分2种储能，分别应对功率平衡和能量平衡这2种不同类型的不平衡问题。因此，在能源系统清洁化转型要求下，从系统级角度分析，储能的需求应包括3个维度：①总量，包含功率总量和能量总量；②结构，即短时和长期储能的比例；③成本，即系统可接受的最高储能成本。

分析储能需求，首先要明确系统的清洁化发展目标，主要包括3个方面：一是可再生能源占比不断提高；二是供电充裕度不降低；三是用电成本下降。也就是要回答在电力系统中如何配置储能，才能在可再生能源比例不断提高的同时，确保整体供电充裕度不变且用电成本可以持续下降。

1.2 量化分析流程

系统级储能需求的量化分析流程如图1所示。

图1 储能需求分析的流程Fig.1 Analysis procedure of energy storage demand

首先，通过设定明确的清洁能源占比，准备相关基础数据，主要分为2类：一类是系统运行的仿真数据，包括系统目标水平年的用电负荷及全年逐小时特性、可调节机组（火电、核电及可调节水电等）的发电特性和区域内主要风电、光伏发电基地的全年逐小时发电特性等；另一类是优化计算的经济性参数，包括预测的各类发电和储能投资、运行成本和储能损耗等。结合当前新型储能技术发展趋势，本文采用预测的锂离子电池和氢储能（电-氢-电）的成本水平分别代表短时和长期2类不同储能设备的成本。

然后，以预测规划模块结果作为输入，分析最优的系统储能配置需求，包括总量、结构和成本。随着清洁能源占比的提高，如果系统综合用电成本不断降低，说明能源清洁转型能够顺利推进；如果系统综合用电成本上升，说明预估的储能成本水平无法满足要求，应调整储能成本预测并重新迭代。

最后，根据优化计算的结果，提出储能需求总量、结构，以及能够实现系统综合度电成本下降的储能经济性指标。

1.3 量化分析模型

本文建立的储能与可再生能源联合规划优化方法是完成系统级储能需要研究的核心，其主要框架如图2所示。模型采用计及系统运行灵活性约束的全年逐小时时序运行模拟方法，计及电力电量平衡约束、各类发电及储能设备的运行约束，对火电、水电、核电、间歇性可再生能源机组（包括风电、光伏）和短时、长期2类储能设备进行协同优化，以系统综合度电成本最低作为优化目标，构成大规模混合整数线性规划模型，并采用CPLEX软件包进行求解［22］。

图2 量化分析储能需求的优化方法框架Fig.2 Framework of optimization method for quantitative analysis of energy storage demand

具体数学模型如下。

1）目标函数

其中，电源投资成本可通过式（2）计算。

系统运行成本可通过式（3）计算，包括火电机组的启停成本、电源的运行成本及系统的切负荷成本。假设可再生能源设备和储能设备的运行成本为0，不考虑可再生能源弃电的额外惩罚。

2）投资决策约束条件

可再生能源与储能设备的最大可建容量约束为：

可再生能源发电占比约束为：

电力系统供电充裕度约束为：

式中：α为电力系统供电充裕度，本文取0.000 1。式（6）表示切负荷总量不超过α的负荷需求比例。

3）运行模拟约束条件

发电-负荷平衡约束为：

节点切负荷功率不能大于所在节点的用电负荷，即

线路潮流约束为：

间歇性可再生能源出力约束为：

储能设备运行约束为：

式（12）要求充、放电功率不超过储能容量；式（13）为能量平衡方程；式（14）要求存储电量不超过设备容量；式（15）要求储能设备充电与放电状态互斥；式（16）说明储能设备的储能水平在初始时刻和最后时刻均等于初始设定值。

火电机组运行约束为：

2 欧洲案例研究

2.1 欧洲案例边界条件

本文采用全球能源互联网发展合作组织发布的《欧洲能源互联网规划研究》［23］成果作为边界条件，预计到2035年，欧洲电网最大负荷为1 160 GW，可再生能源渗透率达到45%；2050年欧洲电网的最大负荷为1 425 GW，可再生能源渗透率达到61%。火电、水电、核电等可调节电源装机容量如附录A表A1所示。综合国际可再生能源署（IRENA）和国家可再生能源实验室（NREL）等机构对可再生能源发电和新型储能成本发展趋势的预测［24-26］，算例中设置的各类发电机组装机容量及成本如附录A表A2所示。

风电及光伏发电出力特性来自全球能源互联网发展合作组织开发的全球清洁能源开发评估平台（global renewable-energy exploration analysis platform，GREAN），采用Vortex和SolarGIS的全球风速、气压、太阳辐照、温度等能源气象再分析产品［27-28］，纳入地形、地面覆盖物信息，结合当前主流风机和光伏组件发电特性，计算得到了全球9 km×9 km格点分辨率的风电、光伏逐小时发电特性。附录B图B1给出了在欧洲选择的主要风电和光伏基地发电特性。

2.2 欧洲案例优化结果

在确定负荷、常规电源装机容量和可再生发电占比后，统筹优化风电、光伏、短时储能和长期储能规模。优化计算结果表明，2035年，为满足转型要求，欧洲风电装机容量为1 230 GW，光伏装机容量为940 GW，需要配置储能（短时+长期）180 GW，占最大负荷的15.5%，储能总容量为35 100 GW·h，占用电量的0.5%，可再生能源利用率为80.1%；系统综合度电成本为7.01美分/（kW·h）。2050年，欧洲风电装机容量为1 660 GW，光伏装机容量为1 260 GW，电网需要储能430 GW，占最大负荷的33%，储能总容量为113 100 GW·h，占总用电量的1.4%，可再生能源利用率为74.8%，系统综合度电成本为6.07美分/（kW·h）。

附录B图B2（a）给出了2050年优化方案最大负荷周的逐小时电力平衡结果和短时储能运行工况，由图可见，周三和周六风电大发，系统中的水电、火电和核电低功率运行，储能充电，最大限度地减少弃电；短时储能的功率调节能力在日内和周内得到充分利用。附录B图B2（b）给出了全年52周平均平衡结果和长期储能全年运行工况，在可再生能源弃电集中的3～9月进行长期储能充电，欧洲用电负荷大的10月至次年2月进行长期储能放电，发挥了能量调节功能。

以2050年优化方案作为对比，若只配置短时储能，储能总装机容量将达到690 GW，仅能为系统提供日内调节，可再生能源利用率下降至59.1%，系统综合度电成本上升至6.29美分/（kW·h）。若不配置储能，系统灵活性严重不足，只能增加可再生能源装机冗余，以弃风、弃光为代价进行调节，可再生能源利用率仅为32.7%，系统综合度电成本上升至7.57美分/（kW·h）。结果对比如表1所示。

表1 2050年欧洲3种配置方式的储能量化分析结果Table 1 Quantitative analysis results of energy storage in three configurations for Europe in 2050

附录B图B3给出了3个不同储能配置方案在系统最小负荷周（一般也是最大弃电周）逐小时电力平衡的结果对比，可见配置了短时和长期2种储能的优化方案中长期储能全周运行在充电工况，因为可再生能源装机容量小，因此弃电也少。

在2050年优化方案的基础上增加或减少储能装机容量，可再生能源利用率和综合度电成本的变化趋势如图3所示。结果表明，相比于优化方案的结果，无论储能增加或减少，系统综合度电成本都会升高，即装设储能或提高可再生能源发电的冗余都可以为系统提供调节能力，但都需要付出代价，最优储能规模（430 GW）是在这2种调节措施间取得平衡的经济性优化结果。因此，从经济性最优的角度看，一定程度的弃风弃光是合理选择。

图3 改变储能装机容量对弃电率和系统度电成本的影响Fig.3 Impact of energy storage capacity change on ratio of electric power curtailment and system levelized cost of energy

2.3 敏感性分析

1）可再生能源渗透率的影响

在2050年优化方案的基础上，调整系统中火电、核电装机容量并改变可再生能源发电占比，储能量化指标结果的变化如图4所示。

图4 系统储能需求及其量化指标随可再生能源渗透率的变化Fig.4 Variation of system energy storage demand and its quantitative indicators with permeability of renewable energy resources

系统对储能的需求与可再生能源渗透率密切相关，随着可再生能源渗透率的提高，储能需求总量不断增大，系统对储能结构的需求也逐步变化。可再生能源渗透率在20%左右时，系统仅需要短时储能提供功率调节能力；随着渗透率的提高，短时储能对减少系统弃风、弃光的贡献逐步饱和，弃风、弃光率升高；当渗透率超过30%以后，仅配置短时储能难以继续满足系统需求，需要逐渐引入长期储能为系统提供能量调节能力。相对于可再生能源渗透率40%以下（未配置储能或以配置短时储能为主）的情况，渗透率超过40%以后的系统弃风、弃光率增长明显趋缓，说明长期储能发挥了重要作用。

2）可再生能源发电成本的影响

图5给出了在可再生能源发电成本预测水平、中等水平（可再生能源成本提高50%）和较高水平（提高100%）3个情景下的弃电率、储能需求以及系统综合度电成本变化情况。

图5 储能需求及其量化指标随可再生能源成本增长的变化Fig.5 Variation of energy storage demand and its quantitative indicators with increase of cost of renewable energy resources

结果表明，在同等可再生能源渗透率水平且储能成本不变的情况下，可再生能源发电成本越低，弃电的成本也越低，优化储能规模越小，即系统更倾向于用弃风弃光为系统提供调节能力。

对比3个场景下的系统度电成本变化趋势可见，可再生能源发电成本下降是确保清洁转型过程中系统综合成本下降的重要条件，若可再生能源发电成本下降速度低于预期，则系统综合度电成本可能上升。

3）储能成本的影响

随着储能成本下降，系统更倾向于增加储能来提供调节能力。在优化方案基础上，可再生能源装机规模对储能成本敏感性计算的结果如图6所示，图中横轴的0点对应的是基础方案预设的储能成本。

图6 不同储能成本下的系统可再生能源装机容量变化Fig.6 Variation of installed capacity of renewable energy resources with different energy storage costs

结果表明，储能成本下降对系统经济性的贡献存在边际效益。当储能成本高于预设水平10%时（图中A段，门槛期），单位储能成本变化对风、光装机规模的影响较小，主要是由于此时储能成本高，系统更倾向于多配置风电、光伏电源，以弃风弃光为代价为系统提供调节能力，储能难以被系统接受。在图中B段（竞争期），储能成本对减少风、光装机规模的边际效益先逐渐增大，当低于预设水平12%时，储能成本每降低1%，风、光装机容量可减少1.2%，边际效益达到最大，意味着储能降价可带来最大的系统效益；当储能成本低于预设水平的40%时（图中C段，饱和期），储能成本下降的边际效益降低，对系统经济性的贡献不大。

3 2050 年全球储能需求分析

3.1 全球案例边界条件

根据全球能源互联网骨干网架研究［16］，2050年全球各大洲及中国电力需求预测如附录A表A3所示，火电、水电、核电等可调节电源装机容量如附录A表A1所示；根据全球清洁能源开发评估平台，全球六大洲主要风电、光伏发电基地的年特性曲线如附录B图B4所示。

3.2 全球案例优化结果

按照前述方法，对全球各大洲及中国2050年的储能需求进行测算，结果如表2所示。到2050年全球需配置储能4 100 GW。具体来看，各大洲的负荷水平、负荷特性、可调节装机占比、可再生能源发电特性等边界条件差异较大，因此储能需求结果也各有不同。北美洲、欧洲净负荷长期波动较大，需要更多的长期储能，因此储电量占年用电量比例明显高于其他洲，分别达到1.8%和1.6%；非洲光伏装机容量占比大，需要大量短时储能减少弃光，储能装机需求约为最大负荷的30%；中南美洲水电资源丰富，为系统提供充足的调节能力，因此储能装机需求最小，仅占最大负荷的12%；亚洲幅员辽阔，内部各区域特点各异，东亚风电出力的季节性波动较大，因此需要配置较多长期储能；西亚、南亚、中亚光伏装机容量占比高，对短期储能需求较高；东南亚水电资源丰富，调节能力充足，对储能需求较少。

表2 2050年全球储能需求分析结果Table 2 Analysis results of global energy storage demand in 2050

2050年，中国可再生能源渗透率预计将达到62.7%，“三北”地区是最主要的可再生能源基地。在跨区联络线仅考虑送电功能的条件下，全国需要配置储能825 GW/140.6 TW·h，其中长期储能190 GW/136.8 TW·h。

4 结语

采用提出的联合优化模型，本文以2050年欧洲、全球和中国为算例，测算能源清洁转型背景下的电力系统储能需求，结果揭示了储能行业中长期发展需要重点关注的一些问题。

1）关于长期储能。在当前可再生能源渗透率水平（10%左右）下，充分利用水电（包括抽水蓄能）的调节能力，开展部分火电机组灵活性改造可基本满足系统要求，大规模应用新型储能的需求并不迫切。随着清洁转型的深入（超过20%），系统需要配置新型的短时储能；当可再生能源渗透率超过30%时（按照转型目标，大致在2035年左右），仅配置短时储能也无法满足要求，必须配置具备跨季节能量调节的长期储能。

2）关于可再生能源利用率。弃风弃光是可再生能源高渗透系统的一种合理选择，弃电率与风电、光伏成本负相关。采用本文的模型和方法，可以分析确定系统条件下经济合理的弃电率水平。提出过高的可再生能源利用率要求，片面保护发电企业效益，反而会阻碍转型发展。

3）关于储能经济性。新型储能技术面临的竞争不仅来自其他储能技术，更来自可再生能源发电。如果新型储能成本下降速度低于可再生能源发电，提高合理弃风弃光比例的经济代价更小，新型储能从经济性角度将难以被系统所接受。

4）关于储能发展目标。预计到2050年，全球电力系统中应用的新型储能产业规模将超过28 000亿美元，中国市场规模约为60 000亿元（美元汇率按7计算），将有力带动整个行业发展。目前，行业普遍认为储能成本越低越有利于能源清洁转型。技术成熟和成本下降往往需要大量的科研投入和政策补贴。本文的研究表明，在给定的转型目标下，新型储能的发展应以追求系统边际效益最大为目标，成本下降应与风电、光伏发电成本下降相适应、相匹配，才能获得最大的系统整体效益。

最后需要指出的是，本文案例研究以全球能源互联网骨干网架规划研究作为边界条件，以跨国大区域（如东亚、欧洲）为单位采用单母线节点模型开展优化计算，没有计及区域内电网瓶颈的影响。后续工作将重点研究考虑输电约束的复杂电网中优化储能需求的模型和算法，进一步提高方法的适用性。

本文受全球能源互联网集团有限公司科技项目（2700/2020-75001B）资助，特此感谢！

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。