未来能源研究所-充电_美国公用事业规模的电力储存状况(英)-2025.4_37页_3mb
报告摘要
总结:美国大规模电力存储现状分析
核心内容
本报告探讨了美国电力系统中大规模电力存储(grid-scale storage)的发展现状、潜在角色、市场规则以及支持政策,旨在分析影响其部署的因素,并为实现电力系统的低碳化和能源转型提供见解。
主要观点
- 能源存储的重要性:随着可再生能源(如风能和太阳能)在电力系统中的占比增加,大规模电力存储在保障电网可靠性、调节供需、支持系统稳定性方面发挥着越来越重要的作用。
- 当前存储用途:
- 套利(Arbitrage):存储设备在能源价格波动时,作为需求或供应参与市场,以获取利润。价格波动越大,套利机会越多。
- 辅助服务(Ancillary Services):如频率调节、备用容量等,电池因其快速响应能力,正逐渐成为主要参与者。
- 容量与资源充足性(Capacity and Resource Adequacy):存储可作为容量资源,帮助系统应对高需求或低供应时的可靠性问题。
- 传输专用资产(Transmission-Only Assets, SATOAs):部分市场允许存储设备作为传输资产参与,但尚未广泛实施。
- 垂直整合公用事业中的存储:存储在垂直整合的公用事业中可同时支持多种服务,但受限于缺乏小时级价格信号,其部署速度较慢。
- 高可再生能源未来中的存储角色:随着碳约束趋严和可再生能源占比提升,电力价格波动将加剧,存储的经济价值也将随之上升。长期储能技术(如氢储能)可能在未来扮演关键角色,但目前仍面临经济激励不足的问题。
- 长期储能潜力:美国能源部(DOE)预计,到2050年,美国电网可能需要225-460 GW的长期储能。然而,当前市场结构主要由短时储能(如锂离子电池)主导,长期储能的部署需要技术进步、成本下降和政策支持。
关键信息
市场规则
- 并网规则(Interconnection):存储设备并网需满足特定的技术和经济要求,影响其市场参与度。
- 资源充足性补偿(Compensation for Resource Adequacy):存储在某些市场中可获得容量市场补偿,但补偿标准因地区而异。
- 竞价规则(Bidding Rules):存储在不同市场中的竞价策略影响其盈利能力和市场竞争力。
- 充电状态要求(State of Charge Requirements):某些市场要求存储设备保持一定电量以确保系统可靠性,这可能影响其套利行为和运营策略。
政策支持
- 减少化石燃料发电的政策:如可再生能源标准、碳排放交易机制等,推动电力系统向低碳转型。
- 支持清洁能源部署的政策:如《通胀削减法案》(IRA)中的投资税收抵免(ITC)和生产税收抵免(PTC),为储能提供经济激励。
- 直接要求储能采购的政策:某些州或地区可能出台政策,强制电力公司采购一定比例的储能设备。
- 促进清洁基载发电的政策:未来可能出台针对先进核能、氢能、地热能等清洁基载资源的专项激励政策。
部署趋势与挑战
- 区域差异:美国各地区储能部署增长不一,与电网结构、政策环境和市场机制密切相关。
- 可再生能源与储能的协同作用:储能可延长可再生能源的可用时间,提高其在市场中的竞争力。
- 市场饱和风险:在某些市场(如加州和德州),储能设备在辅助服务市场的渗透率已接近饱和,导致价格和收益下降。
- 技术与经济限制:目前短时储能(如锂离子电池)占据主导地位,但长期储能(如氢储能)的经济性和市场激励仍需改善。
结论
大规模电力存储在实现电网可靠性和推动能源转型中具有重要作用。然而,其部署受制于市场规则、政策激励和经济因素。随着可再生能源比例上升,存储的经济价值将增加,但长期储能技术仍需突破成本和市场机制的瓶颈。未来政策和市场设计需更灵活地支持不同类型的储能技术,以确保其在低碳电力系统中的有效应用。
数据与案例
- 储能容量分布:截至2023年,美国储能容量占比仅为13%,远低于风能(19%)和太阳能(18%)。
- 价格波动影响:在碳约束严格的未来情景下,能源价格波动幅度增加,储能的经济价值也随之上升。
- 市场饱和现象:在加州和德州等市场,储能设备在辅助服务市场中的渗透率已接近饱和,导致收益下降。
未来展望
- 技术发展与成本下降:长期储能技术的经济性有望随着技术进步和成本下降而改善。
- 政策与市场机制的调整:需要更合理的市场规则和政策支持,以促进储能的多样化部署和长期发展。
- 跨区域协同:加强区域间传输能力,可能减少对储能的依赖,但也会改变储能的市场定位和盈利模式。
参考文献
- Qin et al. (2023)
- Mallapragada et al. (2023)
- DOE GDO (2023, 2024)
- CAISO (2024)
- EIA (2018, 2023b)
- Lo Prete et al. (2024)
- Denholm et al. (2023)
- Staadecker et al. (2024)
- Scott (2023)
- Ascend Analytics (2023)
- Vermillion (2023b)
- Mansfield and Konet (2023)
- Buchsbaum et al. (2024)
- Ryan et al. (2018)
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载