NREL大规模电池储能成本预测.doc

《NREL大规模电池储能成本预测.doc》由会员分享，可在线阅读，更多相关《NREL大规模电池储能成本预测.doc（12页珍藏版）》请在第一文库网上搜索。

1、NREL：大规模电池储能成本预测过去十年里，锂电池生产大发展的同时，其价格降低了接近90%，最终使得电动汽车和电化学储能等相关产业在历史上第一次具备了商业可行性。但动力电池应用场景相对单一，而储能电池的应用场景更为丰富和复杂。理论上说应用场景不同，就需要不同的储能产品。美国国家可再生能源实验室（NREL）根据20家研究机构的统计数据，利用区域能源部署系统和资源规划模型进行建模，对公用事业储能电池成本进行了最新的预测。NREL的研究显示，根据其低、中、高三个版本的成本预测，到2030年，4小时电池储能系统投资成本将会下降到$144/kWh、$208/kWh和$293/kWh；到2050年，将会达

2、到$88/kWh、$156/kWh和$219/kWh。一、背景过去十年间，电池存储成本变化迅速。2016年，美国国家可再生能源实验室（NREL）公布了一组关于公用事业规模锂离子电池的成本预测值（Cole等人，2016年）。2016年发布的这些预测值很大程度上是基于电动汽车电池做出。因为若是持续时间超过30分钟，就很难对公用事业规模电池进行成本预测。2019年，根据侧重于公用事业规模电池系统的出版物，对电池成本预测进行了更新（Cole和Frazier，2019年）。本报告更新了2019年公布的成本预测值。这些预测主要针对在容量扩展模型中使用的公用事业规模锂离子电池系统而展开。NREL利用区域能源

3、调度系统（ReEDS）（Cohen等人，2019年）和资源规划模型（RPM）（Mai等人，2013年）进行容量扩展建模，此处开发的电池成本预测就是用于这些模型。此外，这些预测旨在为年度技术基准（NREL，2019年）中公布的成本预测提供依据。二、方法本研究中所述成本和性能预测基于文献做出，在这种方法中，预测通常基于文献中的低值，中值和最高值。表1列出了本研究所使用的19种出版物，尽管预测主要基于2018年或2019年的出版物。在基于已公布的数值进行成本和性能预测时，存在许多固有的挑战。首先，已公布的数值的定义并不总是十分明确。例如，对于给定的一组值，美元年份、持续时间、放电深度、生命周期和运维

4、并不总是以相同的方式定义（甚至根本没有定义）。因此，此处提供的一些值需要从指定的来源进行解释。第二，许多已公布的数值将其公布的预测与其他人做出的预测进行了比较，目前尚不清楚这些预测相互依赖的程度。因此，如果某预测为另一预测提供依据，那么这一预测可能会人为地使结果（偏向这个特定预测）比其他预测存在更大偏差。第三，由于实际电池系统的数据集相对有限并且成本变化迅速，因此尚不清楚应如何权衡不同的电池预测。例如，2018年公布的预测是否应该比2016年公布的预测得到更高的权重？或者是一些组织更擅长做预测，因此应该给予其更高的权重？为了对当前文献进行中立调查，本报告中包含的所有成本预测均具有同等权重。仅考

5、虑了2017年或之后公布的存储预测。然而，许多最新预测只不过是对旧预测做了汇总（就像本报告一样）。例如，Comello和Reichelstein（2019）所做的预测是基于2017年或更早的出版物得出，而Nian，Jindal，an Li（2019）则使用了Cole等人（2016）和国际可再生能源署（2017）的预测结果进行成本预测。因此，许多关于成本预测的最新论文会产生已知冗余（根据上面列出的第二个挑战），因而被排除在本研究之外。使用消费者价格指数将所有成本价值转换为2019年的美元。在未指明美元年份的情况下，假定美元年份与公布年份相同。我们只对4小时的锂离子存储系统进行了预测。我们将4小时

6、持续时间定义为电池输出持续时间，这样一个4小时设备将能够以额定功率放电4小时。实际上，这意味着该设备将充电4小时以上，并且名义上将保持超过其额定能量容量，以补偿充电和放电期间的能量损耗。我们将价格预测作为总的系统隔夜资本成本，单位为$/kWh。然而，并不是电池系统所有组件的成本都与系统的能量容量（即kWh）直接相关（Feldman等人即将出版）。例如，逆变器成本可根据系统的功率容量（即kW）进行调整，而一些成本组成部分，如开发人员成本，则随着功率和能量变化而变化。通过以$/kWh表示电池成本，我们就偏离了其他发电技术，如燃烧涡轮机或太阳能光伏电站，这些技术的资本成本通常以$/kW表示。我们以$

7、/kWh为单位，因为这是迄今为止在公开材料中表示电池系统成本的最常见方式。将报告的$/kWh乘以持续时间，转换成$/kW（例如，成本为$300/kWh的电池工作四个小时，其功率容量成本为$1200/kW）。为进行成本预测，存储成本被归一化为2019年的值，每个预测值在2019年的起始值都为1。我们选择使用归一化成本而不是绝对成本，因为在本出版物中并未始终明确定义系统。例如，尚不清楚系统是否因为更高效、寿命更长而成本更高，还是只是作者预计系统成本会更高。归一化方法减少了许多差异的干扰。此外，如结果部分所示，我们选择2019年基准成本作为当前存储成本，基本上比2017年公布的所有2019年预测成本

8、都要低。通过使用归一化成本，我们可以更容易地使用这些2017年预测值来告知从较低的初始点开始的成本削减。如果某一出版物在2019年之后开始进行预测，则使用最接近值的线性外推法估计2019年的值。例如，如果2020年的价格为$500/kWh，2021年的价格为$480/kWh，那么2019年的价格假定为$520/kWh。因为预测值在最初几年往往下降更快，线性方法得出的结果往往低于2019年的实际数值，高于归一化值。如果出版物只提供特定年份的数值（如2018年、2020年和2030年），则使用线性插值来填充中间年份的数值，进行年度预测。为定义低、中、高预测值，我们只考虑了2018年及以后公布的预测

9、成本。2017年发布的预测值仍然以数字的形式显示在结果部分，我们使用2017年的数据作为我们预测的基准。我们认为，与前几年出版的出版物相比，后期出版的出版物对于预测存储成本降低的评估更准确。我们将低、中、高预测分别定义为2020年、2025年和2030年的最小值、中值和最大值。定义2050的值更具挑战性，因为只有四个数据集延伸到2050年。这三个数据集显示，从2030年到2050年成本分别下降了19%、25%、27%和39%。39%的减幅用于不利案例，而25%的减幅用于情况中等和较好的案例。也就是说，对于不利案例，假设从2030年到2050年下降39%，情况中等和较好的案例，假设从2030年到

10、2050年下降25%。2018年、2020年、2025年、2030年和2050年之间的值是基于年份之间的线性插值设定的，并赋值。为了将这些归一化的低、中和高预测值转换为成本价值，将归一化值乘以Feldman等人（即将出版）提出的4小时电池存储成本，得出4小时电池系统成本。为了预估其他存储时间（即4小时以外的时间）的成本，我们设置了单独的能源成本和电力成本：总成本（$/kWh）=能源成本（$/kWh）+功率成本（($/kW）/持续时间（hr）我们采用了Feldman等人（即将出版）的4小时和2小时成本估算，将总成本分为能源成本和功率成本。使用两个不同持续时间的总成本，计算能源和功率成本。还可以对

11、照Feldman等人（即将出版）提出的1小时和0.5小时成本估算值对能源和功率成本进行检验。我们假设针对电池系统总成本得出的相对成本降低同样适用于电池的能量和功率成本。三、结果和讨论图1显示了低、中、高预测值的归一化成本轨迹。高预测值遵循（2018年或更新年份）至2030年的最高成本轨迹。如“方法”部分所述，从2030年到2050年，它的成本将降低25%。中和低预测值的初始斜率比后期斜率要大，这表明大多数出版物都预见成本在近期内有较大的下降，但随着时间的推移会有所减缓。到2030年，低、中、高三种情况下的成本分别降低63%、47%和26%，到2050年分别降低78%、60%和44%。图1.4小

12、时锂离子电池系统的电池成本预测，以及相对于2019年的数值4小时设备的总系统成本如图2所示。2019年$380/kWh的起点值来自Feldman等人（即将出版）成果。虽然2019年的成本存在不确定性（稍后将讨论），但为了方便起见，我们在长期规划模型中使用了单一成本（2019年使用相同的成本意味着2019年的解决方案不会随着我们对存储成本的预测从“高”到“中”再到“低”而改变）。根据定义，预测值与归一化成本价值的轨迹相同。2030年的存储成本为$124/kWh，$207/kWh和$338/kWh，2050年为$76/kWh，$156/kWh和$258/kWh。每一年和每一轨迹的成本载于附录。图2

13、.4小时锂离子系统的电池成本预测值图3显示了图2中的绝对成本预测值与公布的成本预测值的比较。由于我们选择基于归一化成本价值进行预测，因此它们并不一定与公布的成本预测一致。许多已公布的成本预测甚至未达到我们所选定的起点，而其他少数成本预测则比我们的低预测值还要低。部分差异是由于预测的年份导致。2017年公布的成本预测往往高于2018年或以后公布的成本预测。图3下半部分显示，当只考虑最近时间的费用预测时，预测在绝对基础上更好的趋于一致。图3.本工作中制定的电池成本预测（粗体线）相对于已公布的成本预测预测的一个关键假设是起点的选择。起始点的高低将使一组预测值相对于起始点大小的变化而变大或减少。为了更

14、好地评估我们选择的起点的质量，我们将Feldman等人（即将出版）的数值与2018年或更晚发表的其他数值进行了比较（如图4所示）。电池成本变化非常快，我们没有考虑较早的报告值。尽管它确实表明电池存储系统的当前价格存在相当大的不确定性（$100/kWh），这一比较增加了我们对所选择的起始值的信心。图4.来自2018年或更晚发表的研究当前电池存储成本使用归一化成本降低来进行预测的另一个挑战是，以比我们的起点更高的值开始的预测可能会预见更大的成本降低潜力，因此会有很高的还原率，但仍然不会产生较低的$/kWh成本。相反，开始时低于我们起点的预测可能会预见较小的成本降低潜力，但可以实现非常低的$/kWh

15、成本。然而，我们仍然倾向于使用归一化成本降低数值，因为在已发布的预测中，起始成本的差异很大，而且因为它能适应不同出版物中不同的成本和系统定义。图5显示了电池功率和能量的成本预测。使用Feldman等人的方法将功率成本和能量成本分开（即将出版），如“方法”部分所述。将这两部分成本组合在一起，得出系统总成本，其中系统成本（单位为$/kWh）是功率成本除以持续时间再加上能量成本。图5.锂离子系统功率（左）和能量（右）成本的预测这些功率和能源成本可用于指定其他持续时间的资本成本。图6显示了2小时、4小时和6小时电池的成本预测（仅使用中间预测值）。在$/kWh单位的基础上，持续时间较长的电池具有较低的资

16、本成本，而在$/kW的基础上，持续时间较短的电池具有较低的资本成本。图6（左）还展示了为什么在提供以$/kWh或$/kW为单位的资本成本时，注明持续时间是至关重要的。图6.使用中间成本预测法对持续2小时、4小时和6小时的电池进行成本预测为了充分说明用于容量扩展建模工具的电池存储系统的成本和性能，除了资本成本之外，还需要额外的参数。图6显示了来自调查出版物的可变操作和维护、固定操作和维护、寿命和往返效率假设的范围。图中最右边显示了我们所选择的代表我们4小时电池系统的数值。可变操作和维护通常被认为是零或接近零，我们将可变操作和维护设定为零。此可变操作和维护被定义为与假设的每天一个循环和给定的日历生命周期相一致。每天循环超过一次可能会缩短生命周期，