基于储能的家庭需求响应策略和经济性分析

郑梦莲 胡亚才 浙江大学



基于储能的家庭需求响应策略和经济性分析

郑梦莲 胡亚才 浙江大学

摘要：在不影响实际设备使用的前提下，基于储能的需求响应旨在通过平缓需求曲线，减轻电网压力、降低整体发电成本。此外，储能也有希望促进新能源的并网。以纽约城市大学能源研究院开发的锌锰电池和特斯拉Powerwall家庭电池为例：展示两种需求响应策略，即移峰填谷策略和削峰策略；探究了这两种策略的经济效益，即给一户普通美国家庭居民带来实际的净收益（即扣除了平准化储能成本的电费减少）。

关键词：储能；需求响应；电池

1 研究背景

2003年8月在美国东北和2011年9月在美国西海岸的大停电，影响了几百万的用户，带来了超过60亿美元的经济损失［1， 2］。人们已经意识到，可靠的能源供应是经济发展的至关重要的因素［1］。而随着风电、光电不断渗入电力系统，以及电动汽车市场的不断发展，电力系统将迎来更加严峻的挑战。传统的电力系统使用调峰、调频电厂，以牺牲效率为代价，来满足需求侧不断变化的用电需求以及接受更多的风电、光电并网，然而，这些传统策略增加了发电的整体成本和发电过程中的排放［3］。

储能，能够给传统的电力系统带来时间上的灵活性，因此在近些年来受到了世界范围内越来越多的关注［1］。如美国在近几年投入了超过2.5亿美元的基金，用于支持储能项目的研发，从而获得更多的第一手储能关键性数据：如性能、寿命、成本和风险等，而这些数据对于储能系统的实际应用有着重要作用［4］。美国电力研究所（Electricity Power Research Institute）在其2010年发布的报告中，对各种传统和新型的储能技术（包括抽水蓄能、压缩空气储能、飞轮储能、钠硫电池、锂电池、液态电池等）进行了详细的总结和评价，并且总结了10种储能在电力系统中的主要应用，如支持新能源并网、输送电系统等，这些应用可以给发电、配电系统和用户带来多重经济效益，如推迟输送电系统的升级需求、辅助调峰等［4］。

需求响应（Demand Response）是在市场电价较高、或在电力系统可靠性受到挑战时，降低需求侧用电量［5］。参与用户可通过一些需求响应电价获得一定的经济奖励，如分时电价（Time-of-use tariff，即分别设定高峰期和非高峰期电价费率）、实时电价和日前市场电价（如［6， 7［8］、备转容量［9［10］）或者电灯的明暗，降低其用电高峰时的用电需求，但是这些措施往往伴随用户的舒适度的牺牲。因此，我们提出在家庭侧安装储能设备，以不影响用户的舒适度为前提，利用储能进行需求响应。

在本文中，我们以美国纽约城市大学能源研究所研发的锌锰电池和特斯拉在2015年4月最新发布的家庭电池（Tesla Powerwall）为例，根据美国纽约地区现有的分时电价，对一户普通美国家庭开发需求响应的策略，并且评估此系统给家庭带来的经济效益。

2 数据来源与研究方法

2.1需要响应方案

在图1中，控制单元（control unit）根据提前设定的需求响应策略，在用电高峰期时，使用储存的电能和电网供电供给家用电器的用电需求（根据控制策略，可仅用储存的电能、或仅用电网供电、或两者相辅供电）；在非高峰期时，则对储能设备进行充电。该系统可应用不同的需求响应策略，并且在将来的研究中，可加入分布式新能源、电动汽车和备用发电机等（如图1 灰色箭头所示）。

2.2方案中的电能存储技术

储能技术在近些年来有了很大的进步，价格也在不断地降低，电动汽车、新能源并网的需求更是极大地推动了电池的技术革新和规模化生产。

（1）纽约城市大学能源研究院开发的锌锰电池

这款锌锰电池，使用低成本的二氧化锌锰（多用于一次性碱性电池中），通过水流动辅助，将其转变为持久的、可充电的新型电池。该电池的价格为US$ 100～200/kWh，并可完成5 000次充放电。

（2）Tesla Powerwall家庭电池

特斯拉在2015年4月发布针对家庭用户的新型电池，其产品分为两种规格，一种为7 kWh，US$ 3 000，可每天充放电，持续10 a；另一种为10 kWh，US$ 3 500，作为备用电池使用。该电池可悬挂于家庭墙面，并组合获得更大容量（如图2）。

图1　需求响应方案

图2　特斯拉Powerwall 家庭电池

在进行经济性分析时，我们使用平准化储能成本模型，综合考虑电池的寿命、充放电效率、转化效率、电池的安装成本（US$ 2 000；包括变压器的成本）等，对不同储能技术的成本进行平准化。具体模型可参考文献［3， 11］。

2.3用电量模型

为获得一户普通美国居民的用电曲线（以min为时间单位），我们使用了电器层面的、随机用电量模型［11， 12］。其模拟的家庭日平均用电约为31kWh（其中夏天日平均用电约为50 kWh）［12］。通过验证，该模型能够很好地反映普通美国居民的用电特征［11， 12］。

2.4需求响应电价

本文使用了两种分时电价，其中kWh电价（i.e.， energy tariff［11］）是根据用户的每kWh电能消耗量进行计费（见图3），而每kW电价（i.e.， demand tariff［11］）则是根据每个计费周期（通常为一个月）的最大功率需求和用户的每kWh电能消耗量（约占总电费的25%）进行计费（见表1）。一般而言，高峰期是周一至周五的10：00～22：00，其余时间使用非高峰期费率。并且，每年的6月至9月会使用稍高于其他月份的费率。具体的电价信息和其他需求响应电价可参见纽约Con Edison网站和NYISO网站。

图3　kWh分时电价

表1　kW分时电价

3 研究结果

3.1移峰填谷策略

基于上述kWh分时电价，我们设计了家庭储能的移峰填谷策略。图4展示在夏天（灰色线条）和秋天（黑色线条）的随机一天中，电池的充放电过程（图4b和4c）和家庭需求曲线的变化（未使用储能时见图4a，使用储能后见图4d）。该策略设定：在工作日（周一至周五），从早上10：00开始（图4b中点B），首先使用存储电供给电器使用。当电池达到最大健康放电水平（health depth of discharge）时，开始使用电网供电（如图4d中点F所示）。22：00以后（如图B中点A所示），则开始对电池进行充电。在此充放电过程中，如图4b和4c所示，控制单元对电池的充放电功率和充电状态（state of charge）进行实时监控，以确保不会超过最大充放电功率和最大健康放电水平，从而避免电池的过早老化。

图4　移峰填谷策略［11］

在使用了该策略后，以30 kWh（有效容量）锌锰电池为例，其年平准化成本约为 980美元 （其中包括了一次性安装费用2 000美元 ）。与使用基础电价（没有高峰期和非高峰期的区别）的电费相比，此策略可每年减少夏天（6月至9月）高峰期电费约美元550，其他月份高峰期电费约710美元 。由于在非高峰期需进行充电，所以每年增加非高峰期电费约 150美元，另外，增加年服务费约 100美元。因此，总体上而言，该家庭每年净收益为30美元。而经济效益的最大化，则是对电池容量进行最优化，在高峰期电费降低更多和更高的电池年平准化成本之间做权衡，找出最优解。

表2总结了锌锰电池和特斯拉电池在使用移峰填谷策略时的最优容量和家庭的经济效益。由表2可见，特斯拉电池由于其较高的年平准化成本（约是锌锰电池的两倍），因此并不能给家庭带来经济收益，相反，家庭每年需多支付约 955美元。

表2　优化和经济效益结果（移峰填谷策略）

3.2削峰策略

削峰策略则是基于千瓦分时电价，可有多种策略，本文仅展示其中一种策略。如图5所示，首先在系统中设定需求约束（如图5a中点画线所示），当电器用电需求超过该约束时（如图5a中点A），使用存储电和电网电共同供给用电需求（存储电只供给超过需求约束部分用电；如图5d中点B）；而当用电需求未达到该约束时，对电池进行充电。当电池放电达到其最大健康放电水平（如图5c中点C所示），则仅使用电网供电满足电器的用电需求（如图5d中点D）。

在优化的过程中，我们发现，根据不同季节的用电特性不同，如夏天（图5浅灰色线所示）和冬天（中灰色线）由于使用空调和电加热器，则用电需求比春天和秋天（黑色线）多。如果能够对不同季节使用不同的需求约束，则可进一步降低电费。因此，对于削峰策略的优化则不再是仅对于电池容量的单一维度优化，而且需要对三个季节（春天和秋天归为一季）的三个需求约束参数进行多维度优化。具体优化过程可参见文献［3， 11］。

由表3的优化结果可见，在使用削峰策略后，一户普通美国家庭每年可有净收益 914美元（使用锌锰电池）和 643美元（使用特斯拉电池）。

4 结语

根据以上分析，基于储能的需求响应策略能够为普通美国家庭用户带来一定的经济效益，其中，在使用移峰填谷策略后，一户美国家庭年净收益约为30美元和- 955美元，为使用此策略前年电费的1%和39%；在使用削峰策略后，年净收益约为 914美元和643美元，约为非需求响应时年电费的29%和20%。

图5　削峰策略［11］

本文所用到的两种电池，其效率都已在80%以上，正如文献［14］中总结的，现在电池的更大规模应用的制约因素，是其过高的成本。对比两种电池，Tesla Powerwall每单位容量购买成本约为锌锰电池的5倍。锌锰电池成本的降低，是在于使用了较为便宜的原料，但是通过水流动辅助的技术手段，保证了电池的性能。我们期望，能够有更多这样的案例，通过技术的革新，降低储能的成本，使得储能在电力系统中有更多的应用。

表3　优化和经济效益结果（削峰策略）

参考文献

［1］ Dunn B， Kamath H， Tarascon J-M. Electrical Energy Storage for the Grid： A Battery of Choices［J］. Science. 2011；334：928-35. http：//dx.doi. org/10.1126/science.1212741.

［2］ U.S. Department of Energy. The smart grid： an introduction［R］. 2008.

［3］ Zheng M， Meinrenken CJ， Lackner KS. Smart households： Dispatch strategies and economic analysis of distributed energy storage for residential peak shaving［J］. Applied Energy. 2015；147：246-57. http：//dx.doi. org/10.1016/j.apenergy.2015.02.039.

［4］ Electric Power Research Institute. Electricity Energy Storage Technology Options： A White Paper Primer on Applications， Costs， and Benefits［c］. Electric Power Research Institute Technical Update 1020676. December 2010. http：//large.stanford.edu/courses/2012/ph240/doshay1/docs/EPRI.pdf. ［5］ Balijepalli VSKM， Pradhan V， Khaparde SA， et al. Review of demand response under smart grid paradigm［c］. Innovative Smart Grid Technologies - India （ISGT India）， 2011 IEEE PES2011. p. 236-43.

［6］ Shcherbakova A， Kleit A， Cho J. The value of energy storage in South Korea’s electricity market： A Hotelling approach［J］. Applied Energy. 2014；125：93-102. http：//dx.doi.org/10.1016/j.apenergy.2014.03.046.

［7］ Lujano-Rojas JM， Monteiro C， Dufo-López R， et al. Optimum residential load management strategy for real time pricing （RTP） demand response programs［J］. Energy Policy. 2012；45：671-9. http：//dx.doi.org/10.1016/ j.enpol.2012.03.019.

［8］ White CD， Zhang KM. Using vehicle-to-grid technology for frequency regulation and peak-load reduction［J］. Journal of Power Sources. 2011；196：3972-80. http：//dx.doi.org/10.1016/j.jpowsour.2010.11.010.

［9］ Byrne RH， Silva-Monroy CA. Estimating the maximum potential revenue for grid connected electricity storage： arbitrage and regulation［R］. Sandia Report SAND2012-3863. December 2010. http：//www.sandia.gov/ ess/publications/SAND2012-3863.pdf.

［10］ Piette MA， Sezgen O， Watson DS， et al. Development and evaluation of fully automated demand response in large facilities［R］. Lawrence Berkeley National Laboratory. 2004.

［11］ Zheng M. Smart households： Economics and emission impacts of distributed energy storage for residential sector demand response［c］. Columbia University Academic Commons. 2015. http：//dx.doi.org/10.7916/ D89P315H.

［12］ Zheng M， Meinrenken CJ， Lackner KS. Agent-based model for electricity consumption and storage to evaluate economic viability of tariff arbitrage for residential sector demand response［c］. Applied Energy. 2014；126：297-306. http：//dx.doi.org/10.1016/j.apenergy.2014.04.022.

［13］ Consolidated Edison Company of New York Inc. Schedule for Electricity Service［R］， P.S.C. No.10-Electricity. 2012. http：//www.coned. com/documents/elecPSC10/GR1-23.pdf ［Accessed February 2012］.

［14］ Hittinger E， Whitacre JF， Apt J. What properties of grid energy storage are most valuable？ ［J］Journal of Power Sources. 2012；206：436-49. http：// dx.doi.org/10.1016/j.jpowsour.2011.12.003.

节能信息与动态

Study on Family Demand Response Strategy and Economic Analysis Based on Energy Storage

Zheng Menglian， Hu Yacai Zhejiang University

Abstract：Demand response based on energy storage is used to flat demand curve， reduce power grid pressure and decrease overall power generation cost under the premise of not affecting actual device using. Besides energy storage would promote new energy grid-connected. As examples ： New York university energy research institute developing Zn Mn battery and Tesla Powerwall family battery， which demonstrates two kinds demand response strategies， peak shifting strategy and peak clipping strategy. It carries out study on these strategies to analyze actual net income for American ordinary households （electricity tariff reduction by reducing levelized energy storage cost）

Key words：Energy Storage， Demand Response， Battery

DOI：10.13770/j.cnki.issn2095-705x.2016.05.006