【NREL】储能未来研究—分布式太阳能和储能展望：方法与情景（英）.docx

AshreetaPrasanna,KevinMcCabe,BenSigrin和NateBlair夏NRE1.TransformingENERGY仓储期货研究分布式太阳能和储能展望：方法论和情景AshreetaPrasanna,KevinMcCabe,BenSigrin和NateBlair建议引用：PrasannaAshreeta.KevinMcCabe,BenSigrirNateBlaij存储期货研究：分布式太阳能和存储展望：方法论和场景。Gdden,CO:国家可再生能源实验室。NRE1./TP-7A40-79790。https:/www.nrd.gov/does/fy21osti/7990.pdf。通知这项工作是由美国可持续能源联盟有限责任公司运营的国家可再生能源实验室撰写的S.能源部（DOE）根据合同编号DE-AC36-08G028308aU.提供的资金S.美国能源部能源效率和可再生能源太阳能技术办公室S.美国能源部能源效率和可再生能源办公室风能技术办公室S.能源效率和可再生能源水力发电技术办公室和美国能源部S能源部能源效率和可再生能源战略分析办公室。本文表达的观点不一定代表美国能源部或美国的观点。S.政府。该报告可从国家可再生能源实验室（NRE1.）免费获得，网址为WWw.nrel.gof/PUbIiCaIions.美国能源部（DOE）1991年后产生的报告和越来越多的1991年以前的文件可用免费通孔WWW.OST1.SQV.封面和封底照片/Stock93699950G.iStock1178922834,iStock1202603676.iStock1270012506NRE1.在包含回收内容的纸张上打印。刖百该报告是国家可再生能源实验室存储期货研究(SFS)系列出版物之一。SFS是一个多年的研究项目，探索能源储存在美国的演变和运作中的作用和影响。S.电力部门。SFS旨在研究储能技术进步对公用事业规模存储部署和分布式存储采用的潜在影响，以及对未来电力系统基础设施投资和运营的影响。研究结果和支持数据将作为一系列报告发布，每个报告都在完成时发布。下表列出了计划在SFS和相关出版物格式下进行检查的特定研究主题。本报告是SFS系列的第四篇报告，为一系列方案提供了一系列成本效益和客户采用的方案，包括未来的技术成本和备用电源的评估。SFS系列提供数据和分析支持美国S.能源部的能源存储大挑战，这是一项全面的计划，旨在加快下一代能源存储技术的开发，商业化和利用，并保持美国在能源存储领域的全球领先地位。能源存储大挑战采用用例框架，以确保存储技术可以经济有效地满足特定需求，并结合了多个类别的广泛技术：电化学，机电，热，柔性发电，柔性建筑和电力电子。有关更多信息、与本报告相关的任何支持数据、指向本系列其他报告的链接以及有关更广泛研究的其他信息，请访问https:/www.nrel.gov/analysis/storage-futures,htmlo标题说明与本报告的关系存储部署的四个阶段：扩大存储在美国电力系统中的作用的框架通过基于当前和潜在未来存储部署的四个阶段的概念框架，探索新的，具有成本竞争力的固定式储能的作用和机会，并提出了储能的价值主张，该价值主张可能导致具有成本效益的部署达到数百千兆瓦的装机容量，为美国电网的成本和性能特征的影响提供了更广泛的背景，并为本报告的分布式存储结论提供了网格规模的背景。回顾了广泛的机械.热和电化学存储技术在电力提供存储技术成本和性能假设.为仓储期货研究：仓储技术建模输入数据报告部门的应用的当前特征。提供了当前和未来的成本,性能特征以及已经部署的特定商业技术的位置可用性的预测，包括锂离子电池系统和抽水蓄能水电。本报告中介绍的存储部署和网格演进方案提供信息。评估实用规模昼夜存储的经济潜力以及存储容量增加可能对电力系统演变和运营的影响。评估客户在未来几种情况下采用分布式昼夜存储的恬田以及对分布浴由和由力系伟游讲的分析公用事业规模的存储部署和网格演进方案，作为本报告的补充仓储期货研究：昼夜仓储的经济潜力美国电力部门部署的影响。评估几种电力系统演进方案的储能运行和相关价值流并搽付春节性修俳对中网运行的影晌一这份报告。存储期货研究：分布式太阳能和存储展望：方法论和情景广泛存储部署的网格运营影响便IJ将出版综合并总结了整个系列以及相关分析和报告的发现,并确定了进一步研究的主题。考虑存储部署和网格演进方案的操作影响，以测试四阶段框架和ReEDS结果。仓储期货研究：执行摘要和调查结果综合(即将出牌包括对研究的所有其他方面的讨论，并为这项研究的结果提供背景。5Acknowledgments我们要感谢整个仓储期货研究团队的贡献，以及我们的美国S.能源部（DOE）能源效率和可再生能源战略分析团队的同事，作为本文件的核心贡献者。这些贡献者包括国家可再生能源实验室（NRE1.）的PalDeholm1WesleyCole,WillFrazier,NateBlair和ChadAgstie以及De）E的KaraPodamier0我们要感谢DariccGittct和BriaMirletz以及更广泛的SystemAdViSOr模型团队感谢他们在NRE1.分布式发电市场需求（dGe）模型中集成PySAM模块，特别是SamKOebriCh使用他的代码来生成一些数字。我们还要感谢其他NRE1.工作人员和技术审查委员会的反馈和贡献，包括DogAret（NRE1./主席）,PalAlberts,IesAzevedo,RyaWiser,SsaBabiec1AaroBloom,ChrisNamovicz1ArvidJaggi1KeithPars,KiraKmaraswamy1GragerMorga1CaraMarcy,VicetSprale1OliverSchmidt1DavidRoser1JohGava和HowardGrespeet提供评论和6首字母缩略词列表仪表后面的BTMDER分布式能源ClGen分布式发电市场需求(dGen)模型ElA美国能源信息管理局kW千瓦千瓦时1.BN1.劳伦斯伯克利国家实验室MW兆瓦MWh兆瓦时净现值NRE1.国家可再生能源实验室光伏光伏发电ReEDS区域能源部署系统SAIDI系统平均中断持续时间指数SAIFI系统平均中断频率指数SAMSystemAdvisor模型SFS仓储期货研究USD美元7执行摘要电池存储成本的下降以及对弹性和电网服务的日益重视导致人们对将电池存储与分布式太阳能配对以向客户和配电网提供价值的兴趣增强。包括电池存储在内的分布式能源（DER）的日益广泛的部署是现代电力系统中一个重要的新兴主题。DER可以有助于电网灵活性，戒少电网功率损耗，并支持需求侧管理。现有的电表后电池容量估计约为。0.82020年底美国GW/1.6GWh（WoodMacezie和US储能协会2020）o由于对备用电源的需求和分布式太阳能光伏（PV）的部署，预计小型电池系统的市场将急剧增加。最近批准的联邦能源管理委员会（FERC）2222号令（FERC2020）使DER能够与传统（公用事业规模）发电一起参与区域批发产能，能源和辅助服务市场。2222号令和新的DER补偿机制，如纽约州分布式能源资源价值（VDER）（NYSERDA2020b）,预计将为DER释放新的市场机会，从而导致DER容量的额外部署。由于分布式电池存储系统的新兴市场状态，分布式电池存储部署的公开预测相对较少。这项工作通过表征电表后电池存储的潜力并确定采用的关键驱动因素来解决这一差距。本报告描述了分布式发电市场需求（dGe）模型的扩展功能，以分析与电池存储系统配对的分布式（电表后）光伏的经济性1,并提出了在美国到2050年在一系列情况下采用的预测。这些方案使用的技术成本和性能假设与国家可再生能源实验室的2020年标准方案以及更新的电池成本预测（AgStie和BIair2021）和现有政策一致。其他方案评估对备用电源和DER补偿机制的价值的敏感性，共同表征未来仪表存储的潜力,并确定采用的关键驱动因素。为了计算电池存储系统和光伏采用率，dGen模型首先确定技术，经济和市场潜力： 技术潜力：纯光伏和光伏+电池存储系统技术上可行的最大容量，光伏系统规模受客户屋顶面积和能耗限制，电池容量上限为特定地点最佳光伏容量的一小部分。 经济潜力：技术潜力的一个子集，经济潜力被估计为具有正投资回报或净现值（NPV）的总容量。经济潜力也可以解释为特定年份具有成本效益的系统的总容量。I本分析中不考虑独立电治存储系娩2本分析未蚓森更广泛的电力部门和整个经济范BB的脱碳目标.这可解会加速并增加分布式光伏和电池存储系统的双用.8 市场潜力：经济潜力的一部分，表示客户在指定的投资回收期内投资于技术的意愿O 收养：采用3容量是预计由住宅，商业和工业建筑物所有者购买并以仪表后配置安装在客户场所的容量C采用基于应用BaSS扩散函数，其中采用的上限设定为市场潜力。在图ES-I中描述了每个级别以及2050年基本情况场景的关键假设和相应的潜在容量。PotentialKeyAssumptions11631161104AdoptionEconomicTechnologydiffusionpatternsTechnologydiffusionratesPolicyimpactsInvestorresponseMarketpenetrationProjectedtechnologycostFinancingparametersValuestreamsSystemsizeconstraintsSystemperformanceconstraintsTechnicalCIrkeIpvwdbatefypotet>ai(GW)图ES-1.在2050年基本情况下确定采用/部署分布式存储系统以及PV和电池电位(GW)的方法改编自1.OPeZ等人(2012)表ES-I总结了经济潜力以及到2050年部署或采用的所有评估方案的预计累积电池和光伏容量。3部署和采用这两个术is在本报告中互SS使用，表ES-I中列出的累积PV容是"PV和PV电池存偌系统的PV容量之和，9表ES-1.到2050年所有方案的分布式光伏和电池经济潜力和采用情况场景名称场景描述蓄电池PV经济潜力GW/GWh用预计累计采(GW)GW/GWh经济潜力预计累计采用（GW）基本情况下光伏和电池的适度成本预测存储系统；所有其他输入均为默认值114/228；考虑备用电源的值8/161,104152高级成本高级（低）成本预测电池电池方案与光伏发电的适度成本预测相匹配14711/221,114160高级成本光伏光伏配对的高级（低）成本预测与电池的情况适度成本预测11611/221,142223先进成本PV+光伏配对的先进（低）成本预测与电池方案先进的（低）电池成本预测14716/321,143234无备份价值光伏和光伏的适度成本预测电池方案和备用电源无价值855/101,100146无备份价值+先进的（低）成本预测电池和备用电源116/232电池方案的高级成本没有价值7/141,1101502倍备份价值光伏和电池的适度成本预测将所有138/276个州和部门的备用电源价值加倍11/221,0601392x备份价值+先进的（低）电池和成本预测高级成本使所有245/490电池方案州和部门的备用电源价值加倍17/341,085151净计量所有状态切换到净计量补偿从2020年到2050年的扩展方案1118/161,080209国家净计费所有状态切换到净计费2020年至2050年的情景补偿1148/161,105145对于所有建模方案，我们发现电池存储容量的经济潜力在85-245GW/170490GWh之间，2050年的累计采用电池存储容量在5-17GW10-34GWh之间。尽管电表后面的电池存储具有巨大的经济潜力（是现有装机容量的300倍以上），但在我们的建模方案中，仅采用了其中的一小部分。从我们的分析中选择的见解如下：。 在所有建模的场景下，分布式光伏+电池存储系统都有很大的经济潜力。分布式电池存储与光伏耦合的基本经济潜力约为114GW/228GWh,是2020年容量的90倍以上。在所调查的方案中，在2x备份价值+先进成本电池方案下，分布式电池存储与光伏耦合的经济潜力上限为245GW/490GWh,在无备份价值方案下，下限为85GW/170GWh。 尽管具有很高的经济潜力，但在我们的建模方案下，预计分布式光伏+电池储能的采用将略有增长。在基本情况下，分布式电池储能容量的预计部署为8GW/16GWh,占经济潜力的7%,范围从5-17GW/10-34GWh0 从经济潜力到采用的大幅下降反映了很长的投资回收期，因此愿意投资的客户份额较低。分布式光伏+电池储能系统的平均投资回收期相当长：2030年居民部门为11年，商业部门为12年，工业部门为8年。 在全国范围内，分布式共同采用电池存储的最重要驱动因素是先进（低）未来电池成本和高备用电源价值的组合。电池容量的最高采用估计是在2倍备份值+先进成本电池方案下（与基本情况相比增加121%）。 与仅电池技术的成本降低相比，光伏和电池存储技术的综合成本降低推动了更多的采用。高级成本光伏+电池方案考虑了光伏和电池的未来成本降低，与基本情况相比，电池部著更高，增长了106%o 与纯PV系统相比,PV+电池系统具有更大的PV容量。光伏+电池储能系统配置中的平均光伏系统尺寸（住宅系统为8kW）大于纯光伏配置中的平均光伏系统尺寸（住宅系统为4kW）。因此，电池储能增加了光伏容量。这可能是由于电池增加光伏经济价值的能力。 当地条件决定了收养。美国各地特定位置参数的差异也导致各个州和县采用分布式电池存储容量的数量和速率的显着差异。存储部署对备份电源的区域价值高度敏感。此分析中使用的备用电源值在美国各地具有较高的区域差异C在具有较高备用电源值的特定州和部门中，存储部署对备用电源值的敏感性更高C零售关税包括高需求费用，使用时间关税和分层关税，鼓励光伏+电池存储的采用。然而,其他因素如气候、负荷概况、电价和DER补偿机制，结合零售资费，可以最大限度地戒少其影响。在住宅部门，固定结构费率，最常见的零售费率结构，不激励电池存储。通过首次演示dGe模型的电池功能，本报告中提供的结果主要用于场景比较，以了解不同的部署驱动因素，但它们有一些局限性，不能作为精确的预测。结果中报告的数值精度旨在区分并允许在值差异较小的情况下进行比较。随着市场的发展和其他数据的可用，应进行进一步的校准。此外，该模型没有考虑光伏+电池存储系统的新兴收入来源，如参与批发市场、需求响应计划或电网服务。需要对dGe进行其他增强才能探索此类研究问题。最后，分布式存储的部署可能会受到大型电力系统演进和电表前端存储部署的影响。然而,该分析不考虑这些相互作用。进一步感兴趣的潜在领域是预测社区DER和存储容量的采用及其对配电网的影响，探索分布式和公用事业规模存储之间的权衡，以及DER在支持向脱碳过渡中的作用经济。总之,分布式电池存储的经济潜力是显著的。客户越来越多地采用Pv+电池存储系统可以为电力公司带来好处和挑战。如本报告所述，采用高空间和时间分辨率的DER和电池存储预测可以实现对技术基础设施的明智规划，帮助规划者获得好处并减轻挑战，以支持分布式发电的持续趋势。目录1 Introduction12 方法和数据32.1 研究参数32.2 费用32.3 加载配置文件52.4 零售电价和激励措施52.5 批发价格62.6 备用电源/弹性值72.7 历史存储采用Il2.8 PySAM详细电池模型集成112.8.1 最佳系统配置的选择122.8.2 存储调度152.9 情景分析框架173 结果193.1 经济潜力193.2 投资回收期223.3 光伏和电池采用估计263.3.1 技术成本方案273.3.2 备用电源方案的值283.3.3 DER估值方案293.4 州和县级结果313.4.1 备用电源方案的值343.4.2 DER估值方案353.5 县级结果393.6 部门一级的结果413.7 平均系统规模和共同采用423.8 模型限制和警告454 讨论、结论和未来的工作46参考文献49附录备用电源计算53数字列表图ES1.确定采用/部署分布式存储系统和PV的方法和2050年基本情况场景的电池电势(GW)ix图1.确定光伏和电池存储系统采用/部署的模型和工具2图2.使用NRE1.自下而上估算的住宅光伏独立、电池储能独立和光伏+电池储能系统的成本模型4图3.使用NRE1.自下而上的商业和工业独立PV、电池存储独立系统和PV+电池存储系统的估计成本模型.5图4.美国毗连国家和部门的备用电源价值(每年美元)10图5.在住宅和非住宅中观察到的年度储能部署(MW)扇区11图6.加利福尼亚州一栋办公楼的光伏和电池系统尺寸以及评估的净现值14图7.加州16办公楼的每小时电池电量图8.德克萨斯州一栋办公楼的每小时电池电量16图9,加利福尼亚州单户住宅的每小时电池电量16图10.20年电池存储的经济潜力图I1.敏感性案例对2050年经济潜力的影响21图12.最大市场份额与投资回收期之间的关系23图13.基础下所有行业的PV+电池存储系统的平均投资回收期案例24图14.PV+电池存储系统在所有部门的平均投资回收期高级成本PV+电池方案25图15.所有方案26的按年累积电池部署图16.按年度划分的所有方案的累积PV部署27图17.技术成本方案的按年的累积电池部署27图18.按年计算的备用电源方案价值的累积电池部署28Figure 19. CumulativebatterydeploymentbyyearfortheDER估值方案30Figure 20. CumulativePVDeploymentbyyearfortheDER估值情景30图21.2050年基本情况下按状态划分的累积电池部署32图22.状态对备用电源的敏感度：电池容量的差异35图23.按状态对DER评估的敏感性：电池容量的差异37Figure24.AdoptiontransporiesforCaliforniaundertheBaseCase,NationalNetBillingScenario,和净计量扩展方案38图25.2050年基本情况下各县的累积电池部署39图26.2030年和2050年各县光伏+电池储能系统的平均净现值40图27.在所有场景中按年份和部门划分的累积电池部署，其中一行为基础案例41Figure28.NumberofPV+battery,storage采纳者byyearandsectorintheBaseCase42图29.按部门和情景划分的敏感度对2050年电池容量的影响42图30.住宅中的纯光伏系统和光伏+电池存储系统的光伏系统尺寸基本情况的部门43图31.基础案例44的住宅部门的电池系统大小图32.选定情景下电池存储系统的共同采用44表列表TableES-1.DistributedPVandBatteryEconomicPotentialandAdoptionforallScenariosThrough2050ix表1电池存储的激励措施6表2.所有建模方案的说明18表3.到2050年的经济潜力，市场潜力和采用的电池存储容量22表4.2050年技术成本的累计采用光伏和电池存储容量SCenarioS28表5.到2050年，用于备份价值的累积采用的光伏和电池存储容量电源方案29表6.2050年DER估值的累计采用光伏和电池存储容量方案30表7.按2050年电池最高预计容量排序的国家32表A-I.按美国各州和部门分列的备用电源价值(美元/年)531Introduction储能系统的广泛部署被认为是至关重要的，以实现可靠的能源电网提供高比例的可再生能源和实现电网脱碳（NRE1.2016;SteeIi,DehOIm和Chalamala2017）。分布式存储系统可以提供多种电网服务，包括减少需求，减少峰值消耗，从低到高需求时期的能源套利以及辅助电网服务。此外，分布式存储系统在与零边际成本可再生能源配对时特别有效，可以为客户节省账单。电池存储系统的成本下降以及平衡可变的可再生能源生产与负载的至关重要性激发了对分布式电池存储在未来电力系统中的作用的研究。与许多其他新兴能源技术一样，电池存储系统具有可扩展性，可以千瓦到千兆瓦的规模部署，并以多个电压水平与电网互连。本报告重点介绍了消费者采用的电池存储系统以及用于家庭和企业的光伏（PV）,以直接抵消电力消耗，并通过电表后（BTM）配置提供可靠性服务。与公用事业规模的存储不同，BTM电池在配电级电压下直接与零售电力系统接合，并为每千瓦的电力系统产生更多的位置值（Brger等人。2019年）；然而，它们也往往每千瓦更昂贵，因此需要专门的分析来确定它们的成本效益。成本效益或提供正投资回报的能力通常是促使采用分布式能源（DER）和电池存储的最重要因素。本研究中的成本效益是通过对光伏和电池存储系统进行详细的现金流量分析来确定的，该现金流量分析将系统收入计算为三个主要价值流的总和。首先是通过减少或转移消费来减少客户账单，以避免高需求费用（1.Procedres.,根据每月电力需求的最高瞬时水平收取更高的电费）和使用时间费用（i。Proccdrcs.,具有昼夜价格差异的电价）。第二个是在计划或计划外的系统中断情况下的备用电源的价值。第三是出售光伏系统多余发电的收入。由于分布式电池存储系统的相对市场新颖性，分布式电池存储采用或部署的公开预测相对较少。成本效益受到未来电池存储系统成本降低和生产改进、零售电价演变以及鼓励技术创新和/或电网脱碳的公共政策演变的影响。这些不确定性激发了本报告和以下研究问题：。1 .根据当前的关税、激励措施和预期的研发改进，美国分布式存储的前景如何？2 .影响采用的驱动因素是什么？为了回答这些研究问题，国家可再生能源实验室（NRE1.）的分布式发电市场需求（dGen）模型（Sigrin等人，2016年）用于模拟光伏和电池存储的成本效益和随后的客户采用在美国毗邻的住宅，商业和工业实体。1存储期货研究(SFS),对dGe模型进行了修改，以使其能够评估BTM电池存储以及分布式资源的现有功能(例如ProCedre、太阳能光伏、风能和地热能)。新模型的开发包括集成PySAM电池存储模型，增加备用电源的价值，并考虑将纯PV和PV电池存储系统作为客户采用的候选技术。PySAM是一个基于Pytho的应用程序编程接口，以编程方式访问NRE1.的SyStemAdViSOrModel(SAM)中的函数和模型。图1描述了用于确定dGe中的技术，经济和市场潜力的具体方法和模型。PySAMPVWattsPySAMBatteryPySAMUtiIityrateSPySAMCashloanICustomer.SurveysBassDiffusionModel图1.确定光伏和电池存储系统采用/部署的模型和工具报告的其余部分组织如下。第2节描述了dGen和模型开发中使用的数据。第3节描述了我们的结果，其中包括一系列基于情景的电池存储采用预测以及这些预测如何按部门和地理分布。最后，在第4节中，我们讨论了结果及其含义。5NRH.承统颈向模型（h«p:ifxm.nrel.g<n>22方法和数据作为存储期货研究的一部分，dGen模型被调整为包括PySAM6详细电池存储模型和相应的PySAMCaShk）an模型。此外，在模拟中使用了更新的输入数据。下面列出了对输入数据的具体更新，并在后续章节中进行了说明：1 .太阳能+储能系统的当前和未来成本。2 .针对各州和部门的DER和电池存储的公用事业关税和激励措施C3 .备用电源的值。4 .电池存储采用历史数据。2.1 研究参数每个dGc分析都从对指定研究的代表性客户或代理商进行抽样开始。为了捕获驱动DER采用的属性变化，dGe使用统计框架通过美国每个县的一组代理来表示个人级别的特征。在这项研究中，dGe模拟了93,120个单独的药物（ioProcedres.,全国每个县的每个县部门10个代理商）用于计算技术和经济潜力，然后用于确定采用率估计。在这些代理商中，31,080代表住宅客户，31,080代表商业部门客户，30,960代表工业客户。通过从相同参数的分布中进行采样，为每个代理分配了唯一的位置，系统容量（基于最大屋顶面积）和年用电量,，这既可以表示个人层面的投资决策，也可以表示群体的变异性（Sigri等人。2016）0从2014年到2050年，该模型以2年的间隔运行18个时间步长。对于每个模拟年份，使用8,760小时时间步长来确定主要经济参数，例如账单储蓄和净现值。前三个模拟年（2014年，2016年和2018年）被认为是历史年，这些年中采用的电池容量是根据对历史采用数据的审查而设置的值（在第2.7节中描述）。历史存储采用被用作未来采用的起点;然而,用于PV+电池存储的BaSS扩散参数尚未使用这些数据来校准。这是由于缺乏粒度和数据点不足。目前，只有少数几个州拥有分布式光伏+电池存储采用的历史数据。相反，dGe中的BaSS扩散参数已使用光伏采用的历史数据针对每个州和部门进行了校准；合同中的此数据集包含超过10年的历史数据。2.2 Costs存储未来研究：存储技术建模输入数据报告（AUgUStine和BIair2021）中详细解释了dGen模型中使用的分布式存储成本数据。该报告包括所有建模存储技术（包括电池）的当前和预计的未来成本,以及dGen中使用的不同部门的电池存储系统的成本6NREl,-PySAMlh<p:；,nrel->a*um.rexhhcdnc工io/5Jitumc>3和系统大小是从该报告中获得的。在AgStie和Blair(2021)中，使用自下而上的成本模型来生成当前住宅和商业/工业系统的详细成本。未来成本预测是基于通过文献调查得出的预期公用事业规模存储成本降低的百分比下降得出的(Cole等人。2020年)，并适用于住宅和商业成本起点。应当注意,电池组的成本降低显著大于其他电池存储系统(软)成本的成本降低。图2和图3显示了住宅成本和商业/工业成本的当前成本分解。住宅成本细分具有较高的非硬件成本部分。对于纯光伏系统，dGe中使用的技术成本来自NRE1.的2020年年度技术基线数据集(NRE1.2020)oBanetySkW.14kWhBaawy5kW.UkWhAC-C<×ie<lBattwy=5KW.14kWhDNetProfit Sales&Marketing(Customeracquisition) Overhead(General&Admin.) Pennrtting.Inspection.Intefcomection Install1.abor(Burdened)&Equipment SalesTax SupplyChanCostsQEIecthcaiBOS StructuralBOS BatteryInverter(Bidirectiocai) PVInvertet(Grid-Tied) UtfiiufTHonBatteryPVModules图2.使用NRE1.自下而上模型估算的住宅光伏独立、电池存储独立和光伏+电池存储系统的成本(Augustine和Blair2021)ColocatedPVPlusBatteryPVPlusBatteryinDifferentSites3,0002,0001,0001-MWPVSystem461$2,8191781.EPC/DeveloperNetProfit DeveloperOverhead Contingency(3%) Transmission1.ine InterconnectionFee PermittingFee 1.andAcquisition SaleTax EPCOverhead Install1.abor&Equipment ElectricalBOS StructuralBOS BidirectionalInverter11SolarInvedef 1.ithium-ionBattery PVModule0.6MW/2.4MWh1-MWPV+1-MWPV+1-MWPV+BatteryStorage600kW/2400kWh600kW/2400kWh600kW/2400kWhSystemBatteryStorageBatteryStorageBatteryStorageDC-CoupIedAC-CoupIedinDifferentSites2018USDIndividualPVandBatteryStorageThousands4图3.使用NRE1.自下而上模型的商业和工业独立光伏、电池存储独立系统和光伏+电池存储系统的估计成本(Augustine和Blair2021)2.3 加载配置文件dGen模型是基于代理的模型，其中每个代理都是特定县和部门的代表性客户。每个客户(代理)使用基于EnergyPlus建筑能源使用模拟的典型气象年度的标准化小时用电量模式进行建模，并根据每个代理的年消耗量进行缩放(SigrilI等人。2016)。配置文件是根据建筑物类型和位置(基于气象站位置)分配的，在美国的每个位置处针对17种建筑物类型具有17个负载配置文件。每小时消耗配置文件中的详细级别与分配给每个客户的零售电价相结合，可以实现详细的光伏发电和电池调度建模。2.4 零售电价和激励措施为了估算DER系统对代理商的价值，dGen计算了从特定位置的零售电价中得出的预计电费。在这项研究中，根据公用事业费率数据库(OPenEI2020)的最新数据更新了费率结构，该数据库是美国大多数电力公司的实际费率数据的开源数据库。光伏和电池存储的激励措施也包括在dGe中,并应用于各种地理范围，例如电力服务地区，县，州和整个国家。光伏激励措施来自国家可再生能源和效率激励措施数据库(DSIRE)数据库(DSlRE2020)。从公用事业网站，太平洋西北国家实验室的储能政策数据库中确定了每个州的电池储能激励措施。5（PNN1.2020）,以及DSIRE数据库（DSIRE2020）。表1中列出了为电池存储提供激励措施的州和公用事业，以及dGen中考虑的具体激励计划。dGe也考虑了联邦投资税收抵免（ITC）,这是促进早期采用的关键激励措施C在进行此分析时，投资税收抵免计划在不延期的情况下到期C因此，在dGe中，我们将住宅系统的信用额度建模为2020年到期，并将在2020年从安装成本的30%降至非住宅系统的10%。2020年12月，投资税收抵免再延长2年。但是，由于我们的模型模拟到那时已经完成，因此我们的结果不考虑这种2年的扩展。我们认为2年延期的遗漏不会对我们的长期预测产生重大影响。这是因为2年的扩展只会在dGe的单个模拟年中导致改善的经济性，并且与模型中随后的16个模拟年相比，其影响将是最小的。RccwableportfolioStadardsadstorage-specificcomnadsarcalsootcosidcrcdaspartoformodeledsceariobecasetheyeedtobetraslateditoecoomicicetivestoberepresetedwithidGe.由于缺乏可再生能源组合标准和具体储存任务将如何提供经济激励措施的详细信息,因此本分析未对其进行考虑。表1电池存储的激励措施State激励计划参考/网站来源Scope亚利桑那盐河项目（SRP）电池存储激励SRP(2021)每位客户最高$3,600（每千瓦时DC$300）；仅限于4,500个客户加利福尼亚州自我生成激励计划加利福尼亚州（2021）到2024年10亿美元佛罗里达JEA电池激励计划JEA(2021)每个家庭/企业4.000美元的回扣马里兰州马里兰州储能所得税抵免计划马里兰州能源管理局（2020）75万美元的储能所得税抵免证书内华达州净计量和储能装置方案NVEnergy(2021)设备成本的50%或3,000美元NewYorkNYSERDA的零售储能激励NYSERDA(2020a)400万美元，目标是到2025年储能1500兆瓦.到2030年储能3000兆瓦俄勒冈州俄勒冈州太阳能+存储退款计划俄勒冈州能源部（2020）$200万2.5 批发价格根据系统配置、资源特性和代理特定的能量消耗模式,代理的系统生成和电力消耗的时间分布的不平衡可能导致生成超过消耗的数小时。当允许将多余的发电输出到电网时.基于规定BTM客户可用的补偿机制的州或公用事业政策来对其进行估值。典型。6机制包括净计量.其中具有并网分布式发电的客户获得客户生产但不消耗的能源的全部零售信用，以及净计费.其中超额发电按预定的销售率进行估值（Zinaman等人2017）o在以净计费为现行政策的州和部门中，dGe使用批发电价作为出售费率。这些批发价格按年份和地区计算，也可能因情况而异，具体取决于NRE1.的区域能源部署系统（ReEDS）模型模拟的电网组成。标准方案中按年和ReEDS平衡区域划分的批发电价（Cohe等人。2019）用作dGe模型运行的输入。2.6 备用电源/弹性值客户在决定是否安装电池存储时的一个重要考虑因素是其提供备用电源的能力。例如，加州野火的增长导致更多的房主考虑使用备用电源C此外，电池存储在防止诸如德克萨斯州停电之类的事件中可以发挥的作用以及在这种情况下具有备用电源的相应值是一个不断发展的分析领域。未来的气候情景意味着更极端的天气，因此对备用电源的需求更大，因此也更有价值。为了分析提供备用电源的能力是否推动了电池存储的采用，我们在dGe财务计算中加入了新的价值流。该价值流旨在反映由电池存储系统提供的货币化价值,作为对客户的备用