Reducing transmission expansion by co-optimizing sizing of wind, solar, storage and grid connection capacity

📄 arXiv: 2409.12971v1 📥 PDF

作者: Aneesha Manocha, Gabriel Mantegna, Neha Patankar, Jesse D. Jenkins

分类: eess.SY

发布日期: 2024-09-02

备注: arXiv admin note: substantial text overlap with arXiv:2303.11586

💡 一句话要点

通过联合优化风光储容量与电网连接容量，减少输电扩容需求

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 可再生能源 储能 输电规划 能源系统建模 容量优化

📋 核心要点

  1. 现有宏观能源系统模型难以捕捉VRE与电网连接容量优化以及VRE与储能共址对输电容量的影响。
  2. 通过开发新功能，研究储能对输电的可替代性，并优化可再生能源和电池资源的容量和选址。
  3. 研究表明，优化互连和储能共址建模能更好地捕捉储能的全部价值，并减少电网连接和短距离输电容量扩展。

📝 摘要（中文）

输电容量的扩展可能成为限制可再生能源（VRE）部署以实现减排目标的关键瓶颈。通过优化VRE与电网连接容量的配比，以及将VRE和储能资源共址于互连点之后，可以替代互连和区域间输电的建设。然而，宏观能源系统模型通常无法捕捉到这些能力。本文开发了两个新功能，以研究在美国西部互联电网中，储能对输电的可替代性，以及可再生能源和电池资源在2030年之前的最佳容量和选址决策。研究结果表明，优化互连和储能共址建模能更好地捕捉储能的全部价值及其替代输电的能力。优化互连容量和共址可以减少总电网连接和短距离输电容量扩展约10%，储能渗透率相当于系统峰值需求的2.5-10%。互连容量的下降与更高的VRE与电网连接容量比率相关（平均1.5-1.6兆瓦(MW)光伏:1 MW逆变器容量，1.2-1.3 MW风电:1 MW互连）。与VRE共址储能也会导致风电容量增加10-15%，因为风电场址往往需要更长和更昂贵的互连。最后，在我们的模型设置中，共址储能比独立储能具有更高的价值（22-25%）。鉴于我们的模型中输电网络的粗略表示，这一结果可能夸大了储能与VRE共址在现实世界中的重要性。然而，它突出了在电网受限位置部署储能如何最大化储能价值并减少输电扩展。

🔬 方法详解

问题定义：论文旨在解决在实现减排目标的过程中，输电容量扩展可能成为可再生能源部署瓶颈的问题。现有宏观能源系统模型无法充分考虑VRE与电网连接容量的优化配置，以及VRE与储能共址对减少输电需求的潜力。因此，需要更精细的模型来评估储能对输电的替代作用，并优化可再生能源和储能的容量和选址决策。

核心思路：论文的核心思路是通过联合优化风能、太阳能、储能的容量以及电网连接容量，来减少对传统输电扩容的需求。通过允许模型自主选择VRE和储能的共址方案，并优化VRE与电网连接容量的比例，可以更有效地利用储能的价值，并降低对大规模输电基础设施的依赖。这种方法旨在更准确地反映储能在能源系统中的作用，并为未来的能源规划提供更优的方案。

技术框架：论文构建了一个宏观能源系统模型，该模型包含以下主要模块：可再生能源发电模块（风能、太阳能），储能模块，输电网络模块，以及需求响应模块。该模型通过优化算法，在满足电力需求的同时，最小化系统总成本，包括可再生能源和储能的投资成本、运行成本以及输电扩容成本。模型考虑了美国西部互联电网的实际情况，并对2030年之前的能源系统进行了模拟。

关键创新：论文的关键创新在于以下两点：一是将VRE与电网连接容量的优化纳入模型，允许模型自主选择VRE与电网连接容量的最佳比例；二是引入了VRE与储能共址的建模，允许模型自主选择VRE和储能的共址方案。这两个创新使得模型能够更准确地评估储能对输电的替代作用，并为能源规划提供更优的方案。

关键设计：模型中，VRE的容量、储能的容量、电网连接容量以及VRE和储能的选址都是优化变量。目标函数是最小化系统总成本，约束条件包括电力供需平衡、输电容量限制、可再生能源渗透率目标等。模型采用线性规划或混合整数线性规划进行求解。关键参数包括VRE的发电成本、储能的投资成本和运行成本、输电扩容成本、以及VRE和储能的发电特性和充放电特性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

研究结果表明，优化互连容量和共址可以减少总电网连接和短距离输电容量扩展约10%，储能渗透率相当于系统峰值需求的2.5-10%。互连容量的下降与更高的VRE与电网连接容量比率相关（平均1.5-1.6 MW光伏:1 MW逆变器容量，1.2-1.3 MW风电:1 MW互连）。与VRE共址储能也会导致风电容量增加10-15%，共址储能比独立储能具有更高的价值（22-25%）。

🎯 应用场景

该研究成果可应用于能源规划和政策制定领域，帮助决策者更好地评估储能和可再生能源在减少输电需求方面的潜力。通过优化可再生能源和储能的部署，可以降低对大规模输电基础设施的依赖，从而降低能源系统的总成本，并提高能源系统的可靠性和韧性。该研究还可以为电力公司和投资者提供参考，指导其在可再生能源和储能领域的投资决策。

📄 摘要（原文）

Expanding transmission capacity is likely a bottleneck that will restrict variable renewable energy (VRE) deployment required to achieve ambitious emission reduction goals. Interconnection and inter-zonal transmission buildout may be displaced by the optimal sizing of VRE to grid connection capacity and by the co-location of VRE and battery resources behind interconnection. However, neither of these capabilities is commonly captured in macro-energy system models. We develop two new functionalities to explore the substitutability of storage for transmission and the optimal capacity and siting decisions of renewable energy and battery resources through 2030 in the Western Interconnection of the United States. Our findings indicate that modeling optimized interconnection and storage co-location better captures the full value of energy storage and its ability to substitute for transmission. Optimizing interconnection capacity and co-location can reduce total grid connection and shorter-distance transmission capacity expansion on the order of 10% at storage penetration equivalent to 2.5-10% of peak system demand. The decline in interconnection capacity corresponds with greater ratios of VRE to grid connection capacity (an average of 1.5-1.6 megawatt (MW) PV:1 MW inverter capacity, 1.2-1.3 MW wind:1 MW interconnection). Co-locating storage with VREs also results in a 10-15% increase in wind capacity, as wind sites tend to require longer and more costly interconnection. Finally, co-located storage exhibits higher value than standalone storage in our model setup (22-25%). Given the coarse representation of transmission networks in our modeling, this outcome likely overstates the real-world importance of storage co-location with VREs. However, it highlights how siting storage in grid-constrained locations can maximize the value of storage and reduce transmission expansion.