中國儲能網(wǎng)訊：
如何建立ERCOT電池儲能資產(chǎn)收入預測模型？
Modo Energy已為ERCOT開發(fā)了電池儲能收入預測模型。該預測模型使電池所有者、運營商、開發(fā)商和融資方能夠了解到2050年的收入機會。
您可以自定義輸入?yún)?shù)，查看不同規(guī)模、容量、系統(tǒng)時長和位置的電池的收入預測。通過這種方式，您可以輕松地基于不同場景建立和比較商業(yè)案例。
那么這個模型實際上是如何運作的呢？該預測模型有兩個主要組成部分。
首先，生產(chǎn)成本模型模擬了滿足需求的最優(yōu)經(jīng)濟調(diào)度發(fā)電。它以15分鐘為顆粒度，一直延伸到2050年；其次調(diào)度模型模擬單個電池儲能系統(tǒng)的運行。在此過程中，它計算儲能系統(tǒng)的的吞吐量和循環(huán)效率。
收入模型假設至關重要——這些假設會影響電力價格（并最終產(chǎn)生電池儲能收入）。
什么是生產(chǎn)消費模型？
生產(chǎn)消費模型按技術類型和區(qū)域點位計算發(fā)電輸出——以確定每個區(qū)域的能源價格。與此同時，輔助服務采購進行協(xié)同優(yōu)化，以最低的系統(tǒng)成本滿足所有需求——包括能源和輔助服務需求，這樣就能產(chǎn)生15分鐘間隔的能源和輔助服務價格。
生產(chǎn)消費模型需要幾個輸入來預測全天候電價。
1) 長期需求預測
長期需求預測是模型的主要需求側(cè)輸入。長期需求預測確定了ERCOT在每個15分鐘時段內(nèi)所需的總能量。
ERCOT有自己的長期負荷預測，用于確定未來十年的預計需求。這建立在歷史經(jīng)濟和天氣數(shù)據(jù)的基礎上。它按區(qū)域和需求來源（包括基礎負荷、靈活負荷、屋頂太陽能和電動汽車充電）預測小時總能量需求。
在過去幾個月里，ERCOT修訂了這一預測——預計到2030年的峰值需求約為150 GW。
然而，這種需求中的大部分可能是靈活的、非傳統(tǒng)的需求。因此，在夏季ERCOT的四個同期峰值期間，它實際上可能不會對峰值需求有所貢獻。此外，到2030年實際可能投入運營的發(fā)電量（基于ERCOT的發(fā)電互聯(lián)隊列）根本不支持這種水平的負荷增長。
因此，Modo的長期需求預測主要依賴于ERCOT長期負荷預測的前一版本，并將其延伸至2050年，假設年增長率。此外，ERCOT最新修訂版的長期負荷預測為Modo模型中更激進的需求增長提供了參考。
Modo預測還包括預計的輔助服務采購要求。ERCOT發(fā)布了一個預計輔助服務要求數(shù)據(jù)集，提供了到2027年的每小時預測。Modo Energy使用最后一年數(shù)據(jù)的假設將該數(shù)據(jù)集延伸到2050年。
2) 發(fā)電容量
該模型的主要供應側(cè)輸入是發(fā)電容量預測。這決定了ERCOT已安裝的發(fā)電量及其按技術類型的細分。Modo Energy發(fā)電容量預測是多個數(shù)據(jù)集的匯總，包括：
EIA月度電力發(fā)電機清單
ERCOT互聯(lián)隊列
美國能源信息署（EIA）2023年度能源展望（或AEO - 特別是來自低零碳技術成本情景的數(shù)據(jù)）
然而，Modo自己的研究表明，典型的發(fā)電機組并網(wǎng)隊列時間線比預計的要長。因此，發(fā)電容量模型假設太陽能場站將花費2倍于互聯(lián)隊列中所述的并網(wǎng)預計時間，而風能和電池場址將花費3倍的時間才能并網(wǎng)。
除了供需模型外，還有哪些因素影響預測能源生產(chǎn)的經(jīng)濟性？
3) 停機
Modo Energy的生產(chǎn)成本模型還預測計劃維護和非計劃停機。Modo的發(fā)電停機預測基于兩個主要數(shù)據(jù)來源（均由ERCOT提供）：
60天SCED發(fā)電資源數(shù)據(jù) ：概述電廠級運營數(shù)據(jù)
月度資源充足性展望（MORA）： 跟蹤每個發(fā)電資源的銘牌容量
Modo已將60天SCED數(shù)據(jù)中的遙測資源狀態(tài)與MORA報告中列出的銘牌容量進行交叉引用。因此，我們可以看到每15分鐘時段的歷史停機情況，并且是基于場址的。然后，這些數(shù)據(jù)按技術類型匯總成過去三年每15分鐘時段的可用性百分比。這些比例停機計劃重復到2050年。
那么，這些停機如何被納入預測發(fā)電量中？
4) 容量因子
由于大型可再生能源發(fā)電（風能和太陽能）是間歇性的，根據(jù)每個場址的天氣條件對這些資源的輸出進行建模至關重要。
Modo Energy預測考慮了ERCOT中每個場址隨時間變化的高持續(xù)限制（HSLs）。對于給定資源，其HSL代表其最大持續(xù)功率輸出——對于被削減的太陽能或風能資產(chǎn)而言，這意味著如果不被削減，它可以提供的輸出。
Modo Energy預測使用2022年天氣年來建立風能和太陽能發(fā)電的15分鐘容量因子。Modo的預測將單年容量因子模型與發(fā)電容量模型相結(jié)合，預測到2050年每個地區(qū)未來的風能和太陽能發(fā)電。
然而，這個容量因子模型不包括削減。相反，它計算每個時期的總發(fā)電潛力。此外，使用單年天氣數(shù)據(jù)提供了有用的基準參考，但并未捕捉所有極端天氣情況。
5) 商品價格
最后，Modo Energy的生產(chǎn)成本模型依賴于能源商品價格假設，以適當預測每種發(fā)電技術類型的能源生產(chǎn)成本。這決定了它們在能源供應中的相對位置（成本高低）——并隨后影響電價走勢。
這些能源商品價格對于模擬熱力發(fā)電資源至關重要。天然氣和煤炭的商品價格來源于2023年度能源展望（AEO）。
對于核電站，我們不對燃料或鈾的成本做任何假設。然而，預測假設它們足夠便宜，可以24/7運行，并作為價格接受者。同樣，對于褐煤電廠，我們假設燃料成本為-5美元/MWh——以確保這些場址作為價格接受者。這是因為ERCOT目前運營的三個褐煤電廠一直這樣做。
生產(chǎn)成本模型如何為電池儲能收入提供信息輸入？
Modo Energy的生產(chǎn)成本模型允許預測訂閱者看到2050年前每15分鐘時段的以下輸出：
峰值需求（GW）
總能量需求（TWh）
隱含燃料成本（美元/MWh）
發(fā)電容量（GW）
按技術類型分類的發(fā)電量（TWh）
除了這些輸出外，還計算了ERCOT每個地區(qū)相同時段的能源價格（美元/MWh）。所有這些最終都輸入到Modo Energy的調(diào)度模型中。該模型根據(jù)自定義規(guī)格（如大小、系統(tǒng)時長和位置）模擬假設的電池儲能系統(tǒng)性能。
