2023美国电力部门日间储能的经济潜力

昼夜存储在美国电力部门的经济潜力 昼夜存储在美国电力部门的经济潜力PAGE10PAGE10前言本报告是美国国家可再生能源实验室存储未来研究（SFS）系列出版物之一。SFS是一个为期多年的研究项目，旨在探索储能在美国电力部门发展和运营中的作用和影响。SFS旨在研究储能技术进步对公用事业规模储能部署和分布式储能采用的潜在影响，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出版物出版。下一页的表格列出了他们将在SFS下审查的计划出版物和具体研究课题。SFSReEDS模型执行一组成本驱动的方案，以检查电网规模的存（VRE）储的经济潜力以及存储容量增加可能对电力系统演进和运营产生的影响SFS系列提供数据和分析，以支持美国能源部的储能大挑战，这是一项全面的计划，旨在加速下一代储能技术的开发，商业化和利用，并保持美国在储能领域的全球领导地位。储能大挑战采用用例框架来确保储能技术能够经济高效地满足特定需求，它结合了几个类别的广泛技术：电化学、机电、热能、柔性发电、柔性建筑和电力电子。标题描述关系促成了这一报告扩大作用的框架储能技术建模输入数据报表经济潜力的昼夜存储美国电力行业采用分布式存储客户场景广泛存储部署的电网运营影响存储期货研究：执行摘要和研究结果综合

的装机容量回顾各种机械、热和电化学存储技术的当前特性，并将其应用于电力部门。提供对已部署的特定商业技术（包括锂离子电池系统和抽水蓄能水电）的成本、性能特征和位置可用性的当前和未来预测。评估公用事业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进和运营产生的影响评估客户在几种未来场景中采用分布式昼夜存储的情况，以及对分布式发电部署和电力系统演进的影响评估几种电力系统演进场景的储能运行和相关价值流，并探讨季节性储能对电网运营的影响综合和总结整个系列和相关分析和报告的发现，并确定进一步研究的主题

景结果支持这一框架。PSH成本和性能值的详细背景信息。这份报告。分析分布式存储采用方案，以测试与本报告中建模的网格存储部署并行的各种成本轨迹和假设。ReEDS发现的网格规模方案结果包括对研究所有其他方面的讨论，并为本报告的结果提供背景确认我们要感谢整个存储期货研究团队以及我们的美国能源部（DOE）战略分析办公室同事作为本文件的核心贡献者的贡献。这些贡献者包括国家可再生能源实验室（NREL）的ChadAugustine，BenSigrin，KevinMcCabe和AshreetaPrasanna以及DOE的KaraPodkaminer。我们还要感谢其他NREL员工的反馈和贡献，包括ChadHunter，EvanReznicek，MichaelPenev，GregStark，VigneshRamasamy，DavidFeldman和TrieuMai，我们还要感谢技术审查委员会的意见，包括Dougarenot（NREL/主席），PaulAlbertus，InesAzevedo，RyanWiser，SusanBabinec，AaronBloom，ChrisNamovicz，阿文德·贾吉、基思·帕克斯、基兰·库马拉斯瓦米、格兰杰·摩根、卡拉·马西、文森特·斯普伦克尔、奥利弗·施密特、大卫·罗斯纳、约翰·加文和霍华德·格鲁恩斯佩希特。最后，美国能源部的各种技术专家提出了其他想法和建议，包括PaulSpitsen，KathrynJackson，NehaRustagi，MarcMelaina，AndrewDawson，AdriaBrooks，SamBaldwin，SarahGarman。这项工作由国家可再生能源实验室撰写，该实验室由可持续能源联盟有限责任公司运营，为美国能源部（DOE）根据合同号DE-AC36-08GO28308撰写。资金由美国能源部能源效率和可再生能源办公室太阳能技术办公室、美国能源部能源效率办公室和可再生能源风能技术办公室提供，美国能源部能源效率和可再生能源水力技术办公室和美国能源部能源效率和可再生能源战略分析办公室。文章中表达的观点不一定代表美国能源部或美国政府的观点。美国政府保留，出版商接受该文章发表，即承认美国政府保留非排他性、付费、不可撤销的全球许可，以出于美国政府目的出版或复制本作品的出版形式，或允许他人这样做。执行概要储能未来研究（SFS）是一个为期多年的研究项目，旨在探索储能在美国不断发展的电力部门中的作用和影响。SFS旨在研究储能技术进步对公用事业规模储能部署和分布式储能采用的潜在影响，以及对未来电力系统基础设施投资和运营的影响。本报告根据现有政策，使用跨多个成本情景的最小成本优化框架，模拟了2020年至2050年美国电力部门昼夜存储（<12小时）的演变。在评估昼夜存储与其他资源的第一个全面的美国全国性分析中，我们发现昼夜存储在经济基础上极具竞争力。我们发现，在各种场景中，昼夜储能具有巨大的市场潜力，使用不同的储能、风能、太阳能光伏（PV）和天然气的成本和性能假设。在所有场景中，到2050年，储能的建模部署将超过125吉瓦，比2020年目前的23吉瓦（其中大部分是抽水蓄能）增加了五倍以上。2050年，电池容量至少是现在的3，000倍（图ES-1）。根据成本轨迹和其他变量，2050年储能部署范围从130吉瓦到680吉瓦，表明电力部门昼夜存储的机会迅速扩大。这些结果基于与2020NREL标准方案一致的技术成本降低以及更新的电池成本预测（AugustineBlair，2021年），突出了昼夜存储部署的基本驱动因素和存储资源竞争力的提高。在这些成本驱动的情景中，可变可再生能源（VRE）的渗透率达到43-81%，但无法实现实现深度脱碳目标所需的部署。未来的工作将考虑到2035年加速向清洁能源电网过渡的情景及其对储能部署的影响。我们使用扩展的建模功能，使我们能够按持续时间区分存储资源。在大多数情况下，大多数存储投资的持续时间为4-6小时，但这种分布因未来天然气价格和可再生能源成本上涨的假设而异。在这个经济部署框架内，这些结果表明，昼夜存储可能足以满足至少80%的高可再生能源渗透率的整合需求。图ES-1.参考案例中按存储持续时间（左）和所有场景（右）分隔的国家存储容量有关此处包含的资源方案的完整列表，请参阅表1（方法：方案和模型输入部分）。有关每种情况下按技术分列的发电量和容量的更多详细信息，请参见附录中的图A-1。虽然储能可以为电网提供许多服务，但我们发现经济储能部署主要是由容量价值和能量套利（或时移）价值的组合驱动的，并且需要这些价值流的组合来实现最佳存储部署。我们还发现光伏渗透率与储能市场潜力之间存在很强的相关性。光伏发电量增加导致夜间净负荷峰值收窄，从而增加了储能容量价值的市场潜力。更多的光伏发电也创造了更不稳定的能源价格曲线，这增加了储能时移价值的市场潜力。总的来说，这些结果展示了第一份存储未来研究报告中列出的分阶段部署路径：存储部署的四个阶段：存储在美国电力系统中不断扩大作用的框架（Denholm等人，2021年）。最初部署较短持续时间的存储，随着时间的推移，在经济高效的基础上部署较长的存储资产持续时间。该分析还强调了仅具有成本效益的昼夜存储就可以在多大程度上推动电力部门实现成本优化部署。基于对昼夜存储经济部署的分析，未来的工作应研究昼夜存储与长期存储资源之间的关系，特别是在工作范围之外的高度脱碳电网条件下，例如接近100%清洁能源的电网条件。此外，还需要做更多的工作来了解全国范围内存储与需求方灵活性之间的关系。最后，虽然这项工作的重点是锂离子电池，因为该技术比其他新兴技术具有更大的市场成熟度，但这项研究的结果可以推广到能够满足这些成本和性能预测的其他存储技术。总的来说，这些结果说明了昼夜存储在电力系统中提供最低成本解决方案的机会越来越大。表的内容介绍1方法:改进模型3方法:场景和模型输入5结果:国家部署8结果:驱动程序部署9结果：存储的其他交互作用和影响15讨论和未来工作17参考文献附件21场景结果21操作储备26存储成本输入26个芦苇模型警告和限制34与风的关系渗透35区域结果36数据列表图ES-1.参考案例中按存储持续时间（左）和所有情景分隔的国家存储容量(右) 七世图1.参考案例中按存储持续时间（左）和所有情景分隔的国家存储容量(右) 8图2.加利福尼亚州2050年低光伏成本和低风电成本案例的负荷和净负荷（上图）;作为光伏渗透率函数的昼夜存储（长达12小时）的国家峰值容量潜力（左下）和作为光伏渗透率函数的国家昼夜能量时移潜力（部）右) 图3.网格服务限制存储的场景中的累积电池存储部署，如方案名称所示，电池成本低（左）、参考电池成本（中）和高电池成本(右) 11图4.2050年模拟存储峰值容量潜力作为存储渗透率和持续时间的函数（阴影条），与每种情况下2050年的模拟经济累积存储容量（固体酒吧) 图5.电池存储（左上）、输电（右上）、PV（左下）和风(右下角) 15图6.2050年通过储能的发电量在国家和地区层面的所有情景中与光伏渗透率（左）和风力渗透率的关系图(右) 16图A-1.B.所有资源敏感性情景中按技术和年份分列的能力22图A-2.在所有资源敏感性情景中按技术和年份生成23图A-3.所有储能网格服务敏感度情景中按技术和年份划分的容量24图A-4.在所有存储网格服务敏感场景中按技术和年份生成25图5。泵送水电资本成本33图A-6.加利福尼亚州2050年低光伏成本和低风电成本案例的负荷和净负荷（上图）;昼夜蓄能（长达12小时）的国家峰值容量潜力与风的传导（左下）和全国昼夜能量时移潜力与风的传导（底部）的函数右) 图A-7.ReEDS可靠性评估区地图36图A-8.每个可靠性评估区（如图A-7所示）中按持续时间和年份划分的累积存储容量参考案例 37图A-9.ERCOT所有资源敏感场景下2050年存储的经济存储部署和峰值容量潜力（图a-7) 38图A-10.在大湖区所有资源敏感情景下，2050年储能的经济部署和峰值容量潜力（图a-7) 39图A-11.MISO东区所有资源敏感场景下2050年存储的经济部署和峰值容量潜力（图a-7) 40图A-12.在MISO南部区域的所有资源敏感场景中，2050年存储的经济存储部署和峰值容量潜力(图a-7) 41图A-13.MISO西部区域所有资源敏感场景下2050年存储的经济存储部署和峰值容量潜力（图a-7) 42图A-14.2050年NPCC新英格兰区所有资源敏感情景下储能的经济部署和峰值容量潜力（图a-7) 43图A-15.2050年，NPCC纽约区所有资源敏感情景下储能的经济部署和峰值容量潜力（图a-7) 44图A-16.在PJM东部区域的所有资源敏感场景中，2050年存储的经济部署和峰值容量潜力（图a-7) 45图A-17.在SERC东部区域的所有资源敏感情况下，2050年存储的经济部署和峰值容量潜力（图）a-7) 46图A-18.在SERC佛罗里达半岛区域的所有资源敏感情景中，2050年存储的经济部署和峰值容量潜力（图A-7）47图A-19.在SERC北部区域的所有资源敏感性情景中，2050年存储的经济存储部署和峰值容量潜力（图A-7）48图A-20.在SERC东南区域的所有资源敏感情况下，2050年存储的经济部署和峰值容量潜力（图A-7）49图A-21.在SPP区域的所有资源敏感情况下，2050年存储的经济部署和峰值容量潜力（图A-7）50图A-22.在WECC加利福尼亚区域的所有资源敏感情况下，2050年存储的经济部署和峰值容量潜力（图A-7）51图A-23.在WECC山区西部地区所有资源敏感性情景下，2050年存储的经济部署和峰值容量潜力（图A-7）52图A-24.在WECC太平洋西北地区所有资源敏感性情景下，2050年存储的经济部署和峰值容量潜力（图A-7）53图A-25.在WECC落基山脉地区所有资源敏感性情景下，2050年存储的经济部署和峰值容量潜力（图A-7）54图A-26.在WECC西南区所有资源敏感性情景下，2050年存储的经济部署和峰值容量潜力（图A-7）55名单表表1.研究中包含的资源敏感性情景5表2.研究中使用的存储服务限制方案，每个方案都以高、参考和低电池资本成本执行预测 6表A-1.2050年风能、光伏和可再生能源在所有资源敏感性方面的渗透率结果场景 21表a-。存款准备金率,芦苇26表a3。参考电池资本成本27表4。电池电量过低资本成本表5。电池资本成本高31PAGE10PAGE10介绍最近许多储能技术（特别是锂离子电池）的成本下降，以及可变可再生能源（VRE）技术（主要是风能和光伏）的部署增加，提高了人们对储能作为电网资源的兴趣。（布朗和萨平顿，2020年;丹霍尔姆和马戈利斯，2016年;段等，2020;乔根森等人，2018）.然而，储能的总市场潜力以及储能容量对电力行业发展和运营的影响仍不清楚。估计存储的市场潜力很复杂(Beuseetal.,2020;戴维斯etal.,2019).储能提供的许多电网服务，包括调峰、能量时移和运营储备准备，随着储能渗透，价值都在下降。(玻雷吉etal.,2019;Denholmetal.,2020).此外，这些值高度依赖于电网系统条件，并且会随着时间的推移而变化，具体取决于负载的整体演变、负载灵活性以及电力部门发电技术的混合。（哈特纳和佩尔莫瑟，2018年;马拉普拉加达等人，2020）.存储设备还有一个传统发电机所没有的额外系统设计考虑因素，即存储投资持续时间的选择。我们将持续时间定义为可用能量容量（以瓦特小时为单位，Wh）——在考虑损耗和最大/最小荷电状态后——除以功率容量（瓦特、W）。因此，持续时间以小时为单位。一个持续时间为4小时的100兆瓦系统将能够存储高达400兆瓦时的可用能量。持续时间会影响存储设备的成本。6小时100兆瓦存储设备的成本将超过4小时100兆瓦的存储设备，因为6小时设备需要额外的能量容量(科尔和弗雷泽,2020).储能提供的电网服务的价值也随着持续时间的增长而增长，但必须将这种额外能源容量的成本与这一附加价值进行比较，并在整个系统生命周期的基础上进行评估，以确定储能投资的最佳持续时间。此外，由于这种有限的持续时间，存储比传统生成器对时间顺序更敏感(皮和莫拉莱斯,2018).存储设备的充电状态按时间顺序排列，这会影响在任何给定时间的使用方式。与传统发电机不同，储能实际上并不发电，因此其运行完全依赖于所有其他电网资源的调度。在可以预测市场潜力的大型模型中正确捕捉这些按时间顺序排列的考虑因素是一项挑战(Bistlineetal.,2020).存储提供峰值容量的能力是存储持续时间和净负载形状的函数(罗伊etal.,2020)，其中净负载定义为负载减去VRE生成。最初相对较短的存储持续时间可以在高峰期可靠地满足需求，但随着存储渗透率的增长，净负载峰值的宽度会扩大。保持存储持续时间不变，这会导致随着渗透率的增加而存储的容量信用下降。但是，容量信用的这种下降可以通过安装持续时间更长但成本更高的存储设备来抵消。净负载曲线的形状也随着VRE的投资而变化，这改变了从不同存储持续时间提供峰值容量的技术经济潜力(弗雷泽etal.,2020).能源时移值来自价格低时的储能充电和价格高时的放电，因此存储的持续时间和能源价格曲线的形状决定了该服务的可能价值。价格概况在不同空间区域之间差异很大，并随着对新一代、输电和存储资源的投资而变化。光伏和风力发电的低成本发电在高发电期间下降。输电投资可以减少拥堵，从而降低价格飙升的频率和幅度(王etal.,2017).储能时移可以提高非高峰价格和降低高峰价格，这导致能源时移价值下降，存储渗透率增加，最终技术经济极限，价格概况的波动性不足以克服储能损失(玻雷吉etal.,2019).在这项工作中，我们在区域能源部署系统（ReEDS）容量扩展模型中添加了新功能，以包括昼夜存储提供的电网服务的详细表示。在建模框架中明确考虑了这些服务与存储持续时间之间的关系，这些服务的价值随着存储渗透的下降，以及不断变化的电网基础设施不断变化的技术经济影响。按时间顺序操作对所有这些因素的影响也以每小时的时间分辨率进行考虑。有关这些建模改进的更多详细信息，请参阅方法部分。为了限制范围，本作品不考虑持续时间短于2小时且超过12小时的存储。此外，成本和性能投入导致全国可再生能源渗透率高达80%，并且没有考虑实现更高可再生能源渗透率的其他驱动因素。本研究的目的是提供一个框架，以了解昼夜存储部署如何受到电网演变的影响，以及昼夜存储部署如何影响其他资源的运营和投资。虽然我们的存储成本预测是基于锂离子技术，但这项工作的结果适用于任何可以实现用作模型输入的成本和性能值的技术。方法:模型的改进我们使用ReEDS容量扩展模型，该模型代表美国电力系统在134个地区通过聚合输电走廊连接，在2050年之前对电力系统退役和发电，输电和存储容量投资进行最低成本的系统范围优化(布朗etal.,2020).我们按连续两年的时间步长优化对电力系统的投资;电力系统运行在每个两年期时间步长中都得到优化，时间分辨率有限。因为存储操作在很大程度上取决于时间顺序(Yousifetal2019)ReEDS中添加了一个优化之外的模块，该模块以每小时的时间顺序分辨率模拟系统操作。与存储相关的参数（和储能的容量信用、能量时移值以及储能、传输和弃电之间的关系）由该小时调度的结果确定，并用于为下一个求解年度的投资优化提供信息。通过使用ReEDS模拟的发电容量和输电网络执行简单的最低成本生产调度，可以获得每小时发电、存储调度、输电和能源价格曲线。该调度在每个日历日的24小时块中执行，并将结果拼接在一起，因此不考虑日间决策。我们使用2012年负荷数据中的每小时净负荷曲线，以及通过将建模的风力和光伏容量乘以2012年天气数据的每小时容量因子曲线获得的时间同步风电和光伏剖面(Draxletal.,2015;森古普塔etal.,2018).为了保持问题的可持续性，没有强制执行启动成本和最小发电限制，但稍后会调整生成的配置文件以考虑这些因素。弃电是通过比较发电、输电和净负荷的时间序列曲线来确定的。发电概况根据从输电扩展规划和政策委员会（TEPCC）数据库中获得的最低发电水平进行调整(Frewetal.,2019).处于打开状态但生成低于此级别的发电机将提升到其最低生成级别。处于或高于其最低发电水平的发电机被认为具有“净空”，可以下降以避免减少风力和光伏发电量。从区域净负荷曲线中减去调整后的发电和净输电曲线，任何负值都解释为弃电。这些按时间顺序排列的缩减配置文件将聚合为ReEDS优化中使用的粗略时间分辨率，并在那里强制执行。边际弃电率是通过模拟额外的VRE生成来确定的，同时考虑净负载和剩余传输容量的时间序列曲线。按时间顺序排列的弃电、输电和净负荷曲线在计算弃电、输电和存储之间的相互作用方面具有额外的效用;通过将这些配置文件进行比较，我们确定了相邻地区之间的输电投资通过减少限电时段的拥堵来减少弃风的能力。我们还对不同的存储持续时间执行简单的时间顺序调度，以确定存储对缩减的影响。这些每小时按时间顺序计算的能力提高了模型以存储或传输的形式表征系统灵活性值的能力。在计算存储时移值之前，将根据启动成本调整区域每小时价格配置文件。启动成本也来自TEPCC数据库(Frewetal.,2019).在每个日历日内，如果发电机在任何时候关闭，那么其启动成本将按发电量分摊到每小时。根据该发电机当天的最大输出，使用部分启动成本。每小时将启动成本加上可变运营成本的总和与该地区该小时的能源价格进行比较。如果发电机的运行加启动成本高于该小时的能源价格，则能源价格将替换为最昂贵的发电机的启动成本和运营成本之和。能源时移值是根据这些调整后的小时价格配置文件计算得出的。我们使用利润最大化的取价储能调度模型来模拟储能投资的时移价值(Frewetal.,2019;森古普塔etal.,2018).此值针对ReEDS中表示的每个存储持续时间计算，并将此值添加到下一个求解年度优化中的任何存储投资中。该方法使用完美的价格预测，因此考虑到这一点，我们将存储持续时间减少了一小时，有效地要求所有存储设备在发生不可预见的事件时保持一小时的能量容量。(中提琴etal.,2014).风能、光伏和储能的容量信用额度使用7年的时间同步天气和负荷数据计算(科尔etal.,2020b).产能信用是针对每个季节计算的，ReEDS中的约束要求企业产能超过需求，加上每个季节的计划储备保证金（NERC（北美电力可靠性公司），2020年）.风能和光伏发电能力取决于最高10个负荷小时的负荷减少到最高10个净负荷小时的净负荷(Frewetal.,2017).使用简化的时间序列存储调度方法确定存储峰值容量潜力，并在模型中优化存储资源的容量信用，如弗雷泽etal.,2020.存储峰值容量潜力也是通过存储持续时间减少1小时来计算的，例如，4小时存储因3小时存储具有完美预见的峰值减少潜力而获得荣誉。有关与使用ReEDS模型相关的注意事项和限制，请参阅附录中的A.4节。方法:场景和模型输入我们在这项工作中使用了两组场景。第一组情景包括风能、光伏、天然气和输电的几种不同的成本和价格假设，并将这些假设与对未来电池成本的不同预测相结合，以构成未来电力系统条件的广泛空间，并确定影响存储采用的系统条件。第二组方案限制存储可以提供的服务。这些方案的结构旨在确定哪些服务是储能部署的最强驱动因素，并且还对每个服务执行各种电池成本预测，以捕获服务价值与电池成本之间的关系。这些服务限制方案并非旨在表示真实案例，而是用于识别存储价值的关键驱动因素。但是，服务提供可能存在市场或其他限制，因此这些方案确实有助于确定各种服务的货币化和补偿的重要性，以确保资源的成本优化部署。本研究中的资源敏感性情景侧重于储能、风能、光伏、天然气和输电。之所以选择这些资源敏感性而影响储能的成本竞争力。本研究共包括181案的完整集。表1.研究中包含的资源敏感度场景资源的敏感性电池成本预测参考电池成本高参考电池成本低电池成本低成本光伏参考电池成本低电池成本光伏成本高参考电池成本风力发电成本低参考电池成本低电池成本高风成本参考电池成本NG价格较低参考电池成本低电池成本NG价格高企参考电池成本低电池成本资源的敏感性电池成本预测低风力和光伏成本低廉参考电池成本低电池成本高风力和光伏成本高参考电池成本低电池成本传输成本高参考电池成本低电池成本所有模型输入均符合NREL的2020年标准场景(科尔etal.,2020)，除了电池存储成本预测，这些预测取自奥古斯丁和布莱尔(奥古斯汀和布莱尔,即将出版)（见附录表A-3至A-5）。抽水蓄能成本来自水电愿景研究(能源部,2016)（见附录中的图A-5），并且没有涵盖最近的进展或以较低成本部署抽水蓄能持续时间较短的潜力。电池存储和其他技术的性能特征取自NREL的2020年度技术基线（NREL（国家可再生能源实验室），2020）.请注意，电池存储的功率和能量组件在对最大/最小充电状态的损耗进行任何调整后都会报告。例如，本研究中的100MW4小时存储设备的铭牌能量容量为400MWh，但实际上，它具有更高的物理能量容量，以考虑存储损失或最低充电状态要求。本研究中使用的第二组场景（限制存储向电网提供服务的能力）如表2所示。表2.研究中使用的存储服务限制场景，每个场景都执行高、参考和低电池资本成本预测网格服务限制电池成本预测存储不能提供信贷的能力电池成本高低电池成本存储不能执行能量改变时间电池成本高低电池成本存储不能提供操作储备电池成本高低电池成本在存储无法提供容量信用的情况下，存储的峰值容量潜力在所有存储持续时间内设置为零。ReEDS仍然可以自由构建存储，并在模型的粗略时间分辨率内确定存储的最佳调度配置文件，但此更改阻止存储在任何区域为规划储备利润做出贡献。因此，模型必须从其他资源获得足够的容量。在存储无法执行能量时移的情况下，在确定弃电、时移值和VRE存储交互的每小时生产调度模型中忽略存储。由于在此每小时模型中忽略了存储，因此计算弃电时不受存储能量时移的影响。根据每小时价格配置文件确定的存储时移值设置为零，因此对于任何存储投资决策，都将忽略此值。描述存储减少缩减能力的所有VRE存储交互也会被忽略。允许存储在高负载时段在ReEDS中调度，在低负载时段充电，这是提供固定容量的存储所必需的，但不允许通过充电来减少限电，并且不会从这种时移中获得任何价值。在存储无法提供运营储备的情况下，存储设备可用于提供辅助服务的容量比例设置为零（A.2节）但每个方案中的指定服务除外。结果:国家部署到20501显示了参考案例中按持续时间划分的部署（左）和所有场景中的累积存储部署（右）。在参考案例中，到2050年，有213吉瓦（1，318吉瓦时）的存储，占总规划储备保证金要求的17%132GW（702GWh）和380GW（1，783GWh）。在所有情景中，2050年的累计存储容量范围为132-679吉瓦（702-3242吉瓦时），电池存储的年部署范围为2030年的1-30吉瓦至2050年的7-77吉瓦。这些情景在2050年达到VRE渗透率达到35%-74%（可再生能源总体渗透率为43%-81%）。有关每个方案的结果，请参阅附录中的表A-1，有关这些方案的完整列表，请参阅方法中的表1。到2020年，美国有23吉瓦的抽水蓄能能力，所有这些蓄能的持续时间都假设为12小时。尽管模型评估的技术套件中包含新的抽水蓄能，但在我们研究的场景中，模型仅部署了新的电池储能。在所有情况4-6124-6电池存储(能源部,2016).此外，如ReEDS模型警告和限制（附录A.4）所述，这项工作中未考虑的较长时间资源可能会与昼夜存储竞争。图1.参考案例中按存储持续时间（左）和所有场景（右）分隔的国家存储容量有关此处包含的资源方案的完整列表，请参阅表1（方法：方案和模型输入部分）。见附录中的图A-1和A-2，了解每种情况下按技术分列的发电量和容量的更多详细信息。新的存储部署最初是从持续时间较短的存储（最多4小时）开始的，然后随着部署的增长而发展到更长的持续时间。持续时间较长的存储成本更高，这与模型对较短持续时间的偏好一致。在所有情况下~100-150GWDenholm（2021）12非常吻合，其2阶段旨在提供峰值容量。结果:司机的部署为了探索存储部署的驱动因素，我们考虑了存储服务的技术经济潜力、这些服务的价值以及存储成本。潜力是技术经济的，因为它们取决于技术因素（例如，存储效率，负载形状）和经济因素（例如，部署的光伏数量，哪个发电机处于边缘）。ReEDS模型考虑了存储独立提供三种服务（容量、能量时移和运营储备）的能力，并共同优化存储持续时间和存储部署以及对发电和输电的投资。存储服务的技术经济潜力表示存储可以提供的服务量的上限，但并不反映存储成本或这些服务的价值。对于运营准备金，这只是系统所需的准备金总量。对于容量和能量时移，潜力评估起来更加复杂，并且在很大程度上取决于净负荷状况，而净负荷状况受风力和光伏发电量和时间的影响。特别是光伏发电对储能技术经济潜力有重大影响，如图2所示。上图举例说明了光伏如何缩小净峰值需求期的示例，将加利福尼亚州的负荷与2050年低光伏成本案例（63%的年光伏渗透率）和低风电成本案例（40%的年光伏渗透率）中的净负荷进行了比较（有关负荷假设的详细信息，请参阅方法部分）。峰值的缩小以及最小和最大净负载之间差异的增加增加了存储的整体技术经济潜力。图2中的左下面板显示了昼夜存储（持续时间为12小时或更短的存储）在每种情景下每年在美国提供峰值容量的国家潜力，绘制为光伏渗透率的函数。昼夜存储的峰值潜力是使用Frazier等人（2020）描述的净负载剖面形状和存储往返效率计算的，全国存储峰值潜力相对于2020年的水平翻了一番，光伏渗透率约为35%。储能的时移价值流对光伏渗透也很敏感。最小和最大净负载之间差异的增加也增加了存储提供能量时移的潜力。图2中的右下面板显示了每年每个情景中昼夜能源时移的国家年度技术经济潜力，绘制为光伏渗透率的函数。这种技术经济潜力基于每小时最佳的发电和输电调度，无限存储可用于将每日价格曲线扁平化到存储的往返效率范围内。与峰值容量一样，储能提供能量时移的潜力与光伏渗透之间存在密切关系。这种潜力对燃料价格假设也很敏感，因为较高/较低的燃料价格会增加/减少价格价差。图2.加利福尼亚州2050年低光伏成本和低风电成本案例的负荷和净负荷（上图）;作为光伏渗透率函数的昼夜存储国家峰值容量潜力（长达12小时）（左下）和作为光伏渗透率函数的国家昼夜能量时移潜力（右下）底部数字显示了所有情景中的所有年份（即，每种情景中每年都有一个点）。风力结果见附录中的图A-6。风能或天然气部署对调峰和能源时移潜力的影响主要通过与光伏的竞争发生。高风电成本或高天然气价格提高了光伏的相对竞争力，而增加的光伏部署导致更大的储能潜力。反之亦然。这些存储潜力可以与考虑所提供服务的价值和存储成本的建模经济部署进行比较。该模型考虑替代资源的资本和运营成本等因素，内生确定每项服务的价值。在所有情况下，从现在到2030年，企业产能的价值都很低，因为在此期间，许多地区的电力系统容量超过了模型中强制执行的规划储备边际约束。（墨菲等人，2020年;NERC（北美电力可靠性公司），2020年;雷默斯等人，2019）.随着时间的推移，峰值容量的值随着负载的增长和现有发电机的退役而增加。能量时移的价值通常也会增长，特别是随着光伏渗透率的提高提高了净负荷曲线。该模型允许存储提供多种服务，并且由于高能源价格与高净负载相关，因此这些服务通常在时间上重叠，以便可以同时执行能源和容量服务。(Sioshansietal.,2014).存储通常需要它们的组合价值才能成为成本最优的资源。为了了解各种服务对存储整体价值的贡献，我们限制存储提供某些服务业;结果如图3所示。对于本研究中使用的未来电池成本的每个预测(奥古斯汀和布莱尔,即将出版)，我们限制存储在模型中提供其三种服务之一—容量、能量时移和运营储备。例如，在存储无法提供能量时移的情况下，仅允许存储提供确定的容量和运营储备，因此只有在这些服务的价值足以收回存储成本时才进行部署。有关这些方案中的修改的更多详细信息，请参阅方法部分。图3.网格服务限制存储的方案中的累积电池存储部署，如方案名称所示，电池成本低（左）、参考电池成本（中）和高电池成本（右）有关这些情景下的发电量和容量的更多详细信息，请参见附录中的图A-3和A-4。2小时，该模型未考虑历史上为提供储备而部署的持续时间较短的存储的作用。有关ReEDS金要求的详情，请参阅附录中的表A-2。早期存储部署还受到技术成本和性能以外的驱动因素的影响，包括国家对新存储容量的要求以及激励VRE从而增加能源时移价值的政策。例如，在可再生能源信贷价格较高的地区，安装可以减少可再生能源弃电的储能的价值也很高。图4提供了有关存储的技术经济潜力和服务价值的更多见解，这些价值推动了总体经济部署。阴影条显示了2050年全国存储峰值潜力，按每种情景的持续时间细分。情景之间存储峰值潜力的变化是由于图2所示的因素造成的，主要是PV部署。存储峰值潜力还表明，随着更多存储的增加，由于净负载峰值更宽，需要越来越长的持续时间(弗雷泽etal.,2020).4和持续时间接近峰值电位的存储。一旦达到峰值潜力，存储的容量信用就会下降，并且额外存储（要提供时移）的价值低于额外成本。或者，使用低电池成本假设的方案的存储部署超过了存储的峰值潜力。这表明，当存储的大部分价值来自能源时移时，降低存储的资本成本使存储具有成本竞争力-包括其存储能量的能力，否则这些能量将被削减并将其转移到以后的时间-辅以一些减少容量信用的固定容量价值。这些情况会产生最高级别的存储部署。高天然气（NG）价格案例（使用参考电池成本）也是较大的价格差异（由于较高的天然气价格）允许在峰值潜力之外进行额外存储部署的情况。高电池成本案例是模型部署明显低于峰值电位的唯一情况。在这种情况下，存储成本最优，持续时间长达约6小时，但较长的存储持续时间比其他选项贵得多。图4.2050年模拟存储峰值容量潜力作为存储渗透率和持续时间的函数（阴影条），与每种情况下2050年的模拟经济累积存储容量（实心条）相比区域结果见附录图A-9至A-26。41部署的能源容量的额外功率容量有助于避免弃电比额外的能源容量更多是由于光伏发电集中在中午。在高NG价格案例（带有参考存储成本）中，该模型部署了一些持续时间比提供峰值容量所需的时间更长的存储。由于燃料成本高，在这种情况下，额外能量容量的成本小于与额外能量时移相关的值。这些结果显示了Denholm等人（2021）中描述的存储部署第三阶段的几种选择，在2-6部分峰值容量潜力饱和之后。在此之后，最佳存储持续时间可能仍然是提供峰值容量所需的最短持续时间（如参考情况），4小时（低电池成本情况）8小时（NG价格情况）。结果:存储的其他相互作用和影响在建模场景中，光伏发电的昼夜模式与储能产生最强的交互，但储能也与电力部门的其他资源（包括风能和输电）相互作用。图5显示了一部分场景中存储、输电、光伏和风能（陆上和海上）的累积容量。低光伏成本案例导致更大的光伏部署，这增加了如前所述存储的技术经济潜力（见图2），并且还有效地降低了存储成本，缩短了获得全容量信用所需的持续时间。这导致相对于参考案例的存储部署明显增加。图5.电池存储（左上）、输电（右上）、PV（左下）和风（右下）等场景子集中的累计容量在建模情景中，输电和储能的相互作用有限，输电和风之间的相关性最为显著。传输和存储都为电网提供了灵活性，一个通过在空间中转移能量，另一个在时间上移动能量。建模结果表明，风能从空间灵活性中获益更多，而光伏从时间灵活性中获益更多。输电与风力容量呈正相关，但额外的风力不会激励额外的储能，因为风力通常不会以增加储能峰值容量潜力的方式改变净负荷形状。与光伏相比，昼夜蓄能和风能的协同作用相对较小。低风电成本案例的风力部署明显多于参考案例，这抵消了一些光伏部署。由于储能潜力与光伏渗透率具有很强的相关性，在这种情况下，光伏部署的减少导致存储投资相对于参考案例的减少，因为较低的光伏渗透率意味着较低的储能技术经济潜力（图4）。通过检查通过储能循环的能量量，也可以观察到储能的作用及其与光伏相对于风能的协同作用。图6显示了2050年每种情景在国家和地区范围内用于对光伏和风穿透进行充电的总发电量的百分比。在参考案例中，2050年全国用于对储能充电的发电量为7%，范围从高光伏成本案例中的4%到高NG价格和低电池成本案例中的19%。虽然作为最低成本解决方案的一部分，在这些场景中部署了大量的风能和光伏，但光伏的昼夜发电配置文件支持进一步的存储部署。在高风部署的情况下，风达到高渗透率，而无需大量存储部署。图6.2050年通过储能的发电量在国家和地区层面的所有情景中与光伏渗透率（左）和风渗透率（右）的关系图讨论和未来的工作这项分析表明，储能有可能成为系统容量的重要贡献者，即使采用我们最保守的储能假设，到2050年，新装机容量也将达到132吉瓦。虽然本研究中的成本和性能指标侧重于锂离子电池，因为该技术如今比其他新兴技术具有更大的市场成熟度，但本研究的结果可以推广到满足假设的成本和性能预测的其他存储技术。这种存储部署大多发生在2030年之后，但替代的中短期经济状况或政策变化、现有峰值容量的退役或更高的规划储备裕度以解决可靠性和弹性问题可能会推动存储的提前部署。储能增长也可能受到竞争资源的影响，例如需求响应或对其他低成本储能（例如现有的加拿大水电储能）的传输接入，或者可能增加峰值和整体电力需求的电气化增加。本研究中的存储部署由容量和能源价值的组合驱动。最佳存储部署对这些价值流与存储成本之间的关系很敏感。在大多数情况下，存储部署是针对其潜在容量价值进行优化的，并且其能量值是补充的。然而，我们发现了替代场景（例如，电池成本低或天然气价格高的情况），其中能量时移相对于存储成本的价值足够高，以激励存储在其能量价值方面的优化，并且其容量值是补充的。储能市场潜力与光伏增长密切相关。光伏的昼夜模式及其对净负荷的影响增加了储能的潜力，并通过允许较短的持续时间成为峰值容量的竞争来源，有效地降低了储能成本。这种影响推动了我们的建模结果，这些结果通常为大多数装机容量构建6小时或更短的持续时间，并使储能与光伏的互补性比风能更具互补性。未来的工作应研究昼夜存储（这是本工作的重点）与长期存储资源之间的关系，特别是在这项工作范围之外的高度脱碳电网条件下，例如接近100%可再生或清洁能源的电网条件。此外，还需要做更多的工作来了解存储与全国范围内需求方灵活性之间的关系。有关与本研究结果相关的注意事项和限制，请参阅附录中的第4节。引用奥古斯丁，C.，布莱尔，N.，即将出版。存储期货研究：存储技术建模输入数据报告（NREL/TP-5700-78694）。国家可再生能源实验室，戈尔登，科罗拉多州）。比斯，硕士，斯蒂芬，B.，施密特，TS，2020年。预测电力部门储能技术之间的竞争。焦耳4，2162-2184。/10.1016/j.joule.2020.07.017比斯特林，J.，科尔，W.，达马托，G.，德卡罗利斯，J.，弗雷泽，W.，林加，V.，马西，C.，纳莫维奇，C.，波德卡米纳，K.，西姆斯，R.，苏昆塔，M.，杨，D.，2020年。长期系统模型中的能量存储：考虑因素、最佳实践和研究需求的回顾24.布里斯，T.，Geth，F.，DeJonghe，C.，Belmans，R.，2019。量化CWE地区短期电力市场中的电力存储套利机会。储能学报25，100899./10.1016/j.est.2019.100899布朗，D.P.，萨平顿，D.E.M.，2020年。激励电力储能作为输电资产的最佳采购和部署。能源政策138，15.德拉多纳、何、贾顿、兰姆、麦、T.、莫尔斯、墨菲、罗斯、施莱弗、斯坦伯格、孙、文森特、周、茨维林，2020（ReEDS）2019。NREL/TP-6A20-74111140.科尔，W.，科克伦，S.，盖茨，N.，迈，T.，达斯，P.，2020a。2020年标准情景报告：A美国电力行业展望。NREL/TP-6A20-7744251.ColeW.EurekK.P.VincentN.M.MaiT.T.BrinkmanG.L.MowersM.2018.（编号：NREL/PR-6A20-71148）。国家可再生能源实验室，科罗拉多州戈尔登，/10.2172/1455165科尔，W.，弗雷泽，A.W.，2020年。公用事业规模电池存储的成本预测：2020年更新。技术报告NREL/TP-6A20-7538521.科尔，W.，格里尔，D.，何，J.，马戈利斯，R.，2020b。保持光伏和储能高渗透率的电力系统资源充足性的注意事项。应用能源279，115795。/10.1016/j.apenergy.2020.115795戴维斯，D.M.，佛得角，M.G.，Mnyshenko，O.，Chen，Y.R.，Rajeev，R.，Meng，Y.S.，Elliott，G.，2019。电网应用电池储能的综合经济和技术评估。自然能源4，42-50。/10.1038/s41560-018-0290-1丹霍尔姆，P.，科尔，W.，弗雷泽，A.W.，波德卡米纳，K.，布莱尔，N.，2021年。存储部署的四个阶段：存储在美国电力系统中不断扩大作用的框架56.DenholmP.MargolisR.2016.在加州实现50%太阳能光伏能源渗透的储能要求。可再45.登霍尔姆，P.，努内梅克，J.，加农，P.，科尔，W.，2020年。电池储能在美国提供峰值容量的潜力。可再生能源151，1269-1277。Denholm，P.L.，Sun，Y.，Mai，T.T.，2019.电网服务简介：概念，技术要求和风能供应（编号NREL/TP-6A20-72578）。国家可再生能源实验室，科罗拉多州戈尔登/10.2172/1493402美国能源部，2016年。水电愿景：美国第一个可再生电力来源的新篇章“（编号技术报告DOE/GO-102016-4869）。美国能源部，华盛顿特区德拉克斯尔，C.，霍奇，B.-M.，克利夫顿，A.，2015年。风力整合国家数据集工具包概述和气象验证。NREL/TP-5000-61740。J.G.C.X.2020.可再生电网，电池存储和丢失的资金。资源，保护与16112.弗雷泽，A.W.，科尔，W.，丹霍尔姆，P.，格里尔，D.，加农，P.，2020年。评估电池存储作为美国峰值容量资源的潜力。应用能源275，12.FrewB.ColeW.DenholmP.FrazierW.VincentN.MargolisR.2019.阳光明媚，有可能被弃电：以非常高的太阳能光伏水平运营美国电网。iScience21436–447./10.1016/j.isci.2019.10.017FrewB.ColeW.SunY.RichardsJ.MaiT.2017.基于8760的容量扩展模型中表示可变发电容量值的方法：预印本。NREL/CP-6A2068869。哈特纳，M.，Permoser，A.，2018年。穿越低谷：光伏渗透水平对价格波动和储能工厂收入的影响。可再生能源115，1184-1195。/10.1016/j.renene.2017.09.036JorgensonJ.DenholmP.MaiT.2018.分析输电受限电力系统中风力并网的储能。应用能源228，122-129。/10.1016/j.apenergy.2018.06.046马拉普拉加达，D.S.，塞普尔韦达，N.A.，詹金斯，法学博士，2020年。随着风能和太阳能发电量的增加，未来电网中电池储能的长期系统价值。应用能源275，13.墨菲，S.，拉文，L.，阿普特，J.，2020年。温度相关发电机可用性的资源充足性影响。应用能源262，14.NERC（北美电力可靠性公司），2020年。2020年夏季可靠性评估。NREL（国家可再生能源实验室），2020年。2020年度技术基线。皮内达，S.，莫拉莱斯，J.M.，2018年。按时间顺序排列的时间段群集，用于使用存储进行最佳容量扩展规划。IEEETransactionsonPowerSystems33，7162–7170./10.1109/TPWRS.2018.2842093ReimersA.ColeW.FrewB.2019.规划储备边际在电力部门长期规划模型中的影响。能源政策125，1-8。罗伊，S.，辛哈，P.，沙阿，S.I.，2020年。评估具有电池储能系统（PVS）的公用事业规模光伏发电的技术经济和环境属性，与传统的天然气峰值器相比，用于在加利福尼亚州提供固定容量。能源24.SenguptaM.XieY.LopezA.HabteA.MaclaurinG.ShelbyJ.2018.国家太阳辐射数据库。可再生和可持续能源评论89，51-60。SioshansiR.MadaeniS.DenholmP.2014.一种动态规划方法，用于估计储能的容量值。IEEETRANSACTIONSONPOWERSYSTEMS29395–403.维奥拉，I.M.，哈里森，GP，邓巴，A.，塔利亚费里，F.，2014年。电价预测准确性对储能收入最优性的影响，见：第三届可再生能源发电会议（RPG2014）。在第三届可再生能源发电会议（RPG2014）上发表，意大利那不勒斯工程技术研究所，第8.17-8.17页。/10.1049/cp.2014.0902WangY.DvorkinY.Fernandez-BlancoR.XuB.KirschenD.S.2017.本地输电拥堵对储能套利机会的影响，见：2017年IEEE电力与能源协会大会。在2017年IEEE会（PESGM）上发表，IEEE，伊利诺伊州芝加哥，第1-5页。/10.1109/PESGM.2017.8274471YousifM.AiQ.WattooW.A.JiangZ.HaoR.GaoY.2019.太阳能、风能和储能系统的最低成本组合，为大规模电网供电。电源杂志412，710-716。/10.1016/j.jpowsour.2018.11.084附录场景的结果本部分包括其他方案结果。图和表标题描述了这些结果的详细信息。表A-1.2050年风能、光伏和可再生能源在所有资源敏感性情景中的渗透率结果a场景%风创%光伏创%再保险创存储(GW)存储(妇女)存储时间(小时)NG高价28.941.477.237024456.6NG高价格和低电池成本27.746.080.867932424.8光伏成本高23.619.750.816411326.9高VRE成本13.623.545.018111946.6高VRE&低电池成本13.424.445.434815984.6高电池成本20.525.753.51327025.3高传播成本18.729.555.622914326.2高传输成本和低电池成本19.630.957.938017834.7高风成本24514315.8NG低价格13.921.542.616810816.4NG低价格和低电池成本13.122.442.732314684.5光伏成本低14.541.763.127816726.0光伏电池成本和低成本低13.545.666.150623434.6VRE成本低32.532.772.022414586.5VRE成本低和电池成本低31.934.673.543019324.5电池成本低20.230.658.038417924.7风力发电成本低38.822.668.517212067.0低风&低电池成本38.322.367.832215354.8参考案例20.428.856.421313186.2一个其中包括以GW和GWh为单位的总存储容量，以及平均存储持续时间。请注意，每个方案从2018年的24GW和278GWh存储（11.6小时）开始。图A-1.所有资源敏感型方案中按技术和年份划分的能力图A-2.在所有资源敏感方案中按技术和年份生成图A-3.所有存储网格服务敏感度场景中按技术和年份划分的容量图A-4.在所有存储网格服务敏感度场景中按技术和年份生成操作储备ReEDS代表三种类型的运营储备：调节、纺纱和灵活性。这些储备类型代表了当前美国市场更广泛的储备。(Denholmetal2019)A-2所示。关于业务储备金实施情况的更多细节由Cole等人提供。(科尔etal2018).表a-。存款准备金率,芦苇储备类型负载要求风要求光伏需求时间尺度旋转3%的负载——10分钟监管1%的负载0.5%的风力发电光伏容量的0.3%一个白天5分钟灵活性—10%的风力发电光伏容量的4%一个白天60分钟

一个光伏发电基于容量，因为在发电量低的黎明和黄昏最需要光伏诱导的储备。表A-3至A-5显示了用于这项工作的电池资本成本假设，这些假设来自奥古斯丁和布莱尔(2021）。ReEDS2.5%1585%。图A-5（转载自ReEDS模型文档）(布朗etal2020)）ReEDSPSH供应曲线。假设PSH12小时的持续时间。PSH成本和资源评估作为水电愿景研究的一部分完成(能源部,2016)该书于2016年出版。从那时起，已经做了很多工作来改善美国PSH的假设和资源评估，但这项工作尚未准备好纳入本研究。例如，持续时间少于12小时的PSH的成本可能低于图A-5中显示的成本，这可能会增加在这些方案中部署的PSH量。在这项工作中使用这些电池成本和性能值导致了大量的电池部署。如果其他存储技术要达到与下面显示的电池假设相同的成本和性能水平，我们希望这些技术将部署在这项工作中显示的电池存储级别。例如，如果PSH或液流电池达到2030年，150-300美元/储水平。PAGE27PAGE27表a-3。参考电池资本成本一年未来60mw贝丝成本(美元/千瓦)-中期未来60mw贝丝成本(美元/千瓦时)-中期两个小时4小时6小时8个小时10个小时两个小时4小时6小时8个小时10个小时20198861,5272,1672,8083,44844338236135134520208511,4382,0262,6143,20242536033832732020218141,3491,8842,4192,95440733731430229520227781,2601,7422,2252,70738931529027827120237421,1711,6012,0302,46037129326725424620247051,0821,4591,8362,21235327124322922120256699931,3171,6411,96533424821920519620266559561,2571,5591,86032723921019518620276389191,2001,4811,76231923020018517620286198821,1451,4081,67031022119117616720295998451,0911,3371,58429921118216715820305778081,0401,2711,50228820217315915020315747981,0221,2451,46928720017015614720325767881,0001,2121,42428819716715214220335767789801,1821,38528819416314813820345747689611,1551,34928719216014413520355727589441,1301,31628618915714113220365687489271,1071,28628418715513812920375647379111,0851,25828218415213612620385597278961,0641,23228018214913312320395547178811,0441,20727717914713012120405487078661,0251,18427417714412811820415426978521,0061,16127117414212611620425366878389881,13926817214012411420435306778249711,11826516913712111220445236678109541,098262167135119110一年未来60mw贝丝成本(美元/千瓦)-中期未来60mw贝丝成本(美元/千瓦时)-中期两个小时4小时6小时8个小时10个小时两个小时4小时6小时8个小时10个小时20455166577979381,07925816413311710820465096477849221,06025416213111510620475016367729071,04225115912911310420484946267598921,02424715712611110220494866167478771,007243154124110101205047860673486399123915212210899表4。电池电量过低资本成本一年未来60mw贝丝成本(美元/千瓦)-低未来60mw贝丝成本(美元/千瓦时)-低两个小时4小时6小时8个小时10个小时两个小时4小时6小时8个小时10个小时20198861,5272,1672,8083,44844338236135134520206901,1891,6882,1872,68634529728127326920216421,1061,5692,0332,49732127626225425020225931,0221,4501,8792,30829725524223523120235459381,3321,7252,11927223522221621220244968541,2131,5711,93024821420219619320254477711,0941,4171,74122419318217717420264237291,0341,3401,64621218217216816520273996879751,2631,55119917216215815520283746459151,1861,45718716115314814620293506038561,1091,36217515114313913620303265617961,0321,26716314013312912720313195507811,0121,24216013813012612420323135397659911,21815713512812412220333075287509711,19315313212512111920343005177349511,16815012912211911720352945067199311,14314712712011611420362884957039111,11814412411711411220372814846878911,09414112111511110920382754736728701,06913711811210910720392684626568501,04413411610910610420402624516418301,0191311131071041022041256440625810994128110104101992042249429609790970125107102999720432434185947699451211059996942044237407578749920118102969492一年未来60mw贝丝成本(美元/千瓦)-低未来60mw贝丝成本(美元/千瓦时)-低两个小时4小时6小时8个小时10个小时两个小时4小时6小时8个小时10个小时20452303965637298951159994919020462243855477098701129691898720472173745326898461099489868520482113645166688211069186848220492053535006487961028883818020501983424856287719985817977表5。电池的资本成本高一年未来60mw贝丝成本(美元/千瓦)-高未来60mw贝丝成本(美元/千瓦时)——高两个小时4小时6小时8个小时10个小时两个小时4小时6小时8个小时10个小时20198861,5272,1672,8083,44844338236135134520208631,4872,1112,7343,35843237235234233620218401,4472,0542,6613,26742036234233332720228171,4071,9972,5873,17740835233332331820237941,3671,9402,5133,08739734232331430920247701,3271,8832,4402,99638533231430530020257471,2871,8272,3662,90637432230429629120267301,2571,7842,3112,83836531429728928420277121,2271,7412,2562,77035630729028227720286951,1971,6992,2012,70234729928327527020296771,1671,6562,1452,63533929227626826320306601,1371,6132,0902,56733028426926125720316521,1221,5932,0642,53532628126625825320326431,1081,5732,0382,50332227726225525020336351,0941,5532,0122,47131827325925124720346271,0801,5331,9862,43831327025524824420356191,0661,5121,9592,40630926625224524120366101,0511,4921,9332,37430526324924223720376021,0371,4721,9072,34230125924523823420385941,0231,4521,8812,31029725624223523120395861,0091,4321,8552,278293