[论文解读] Balancing India's 2030 Electricity Grid Needs Management of Time Granularity and Uncertainty: Insights from a Parametric Model

Rahul Tongia|arXiv (Cornell University)|Jul 1, 2022

Integrated Energy Systems Optimization参考文献 11被引用 5

一句话总结

本文提出一种参数化模型，以30分钟的时间分辨率分析印度2030年电力系统，评估在不确定性条件下的成本效益可再生能源整合。研究发现，尽管存在弃电，高比例可再生能源仍具成本效益，但储能和灵活化石燃料发电对实时平衡至关重要，需求响应则成为峰荷管理的具成本效益替代方案。

ABSTRACT

With some of the world's most ambitious renewable energy (RE) growth targets, especially when normalized for scale, India aims more than quadrupling wind and solar by 2030. Simultaneously, coal dominates the electricity grid, providing roughly three-quarters of electricity today. We present results from the first of a kind model to handle high uncertainty, which uses parametric analysis instead of stochastic analysis for grid balancing based on economic despatch through 2030, covering 30-minute resolution granularity at a national level. The model assumes a range of growing demand, supply options, prices, and other uncertain inputs. It calculates the lowest cost portfolio across a spectrum of parametric uncertainty. We apply simplifications to handle the intersection of capacity planning with optimized despatch. Our results indicate that very high RE scenarios are cost-effective, even if a measurable fraction would be surplus and thus discarded ("curtailed"). We find that high RE without storage as well as existing slack in coal- and gas-powered capacity are insufficient to meet rising demand on a real-time basis, especially adding time-of-day balancing. Storage technologies prove valuable but remain expensive compared to the 2019 portfolio mix, due to issues of duty cycling like seasonal variability, not merely inherent high capital costs. However, examining alternatives to batteries for future growth finds all solutions for peaking power are even more expensive. For balancing at peak times, a smarter grid that applies demand response may be cost-effective. We also find the need for more sophisticated modelling with higher stochasticity across annual timeframes (especially year on year changes in wind output, rainfall, and demand) along with uncertainty on supply and load profiles (shapes).

研究动机与目标

• 评估在高度不确定条件下，印度雄心勃勃的2030年可再生能源目标在成本效益和技术可行性方面的表现。
• 评估在需求持续增长和可再生能源大规模部署的背景下，是否需要新增燃煤发电容量。
• 研究储能技术及其他调峰解决方案在需求和供应随时间变化条件下的电网平衡作用。
• 识别电网规划与政策决策的关键驱动因素，特别是在需求、供应和技术成本不确定性下的影响。
• 展示一种参数化建模方法，作为随机方法在国家级电网规划中的可扩展替代方案。

提出的方法

• 采用参数化模型而非随机分析，评估在多种不确定输入（需求、价格、电源结构）下的电网平衡。
• 在30分钟时间分辨率下应用经济调度，以确定在多个情景下的最低成本发电组合。
• 将容量扩展规划与优化调度相结合，简化长期规划与实时运行的交集。
• 通过现有燃煤和燃气机组的灵活性评估系统，包括爬坡能力与部分负荷运行性能。
• 在不同成本假设与系统约束下，评估储能及替代调峰技术（如生物柴油）的性能。
• 通过并行参数扫描而非蒙特卡洛式随机抽样引入不确定性，实现更快速的国家级分析。

实验结果

研究问题

• RQ1 印度将如何应对2030年前的激进可再生能源目标？在极高可再生能源情景下，弃电风险如何？
• RQ2 为满足持续增长的需求并保障系统安全，尤其是在高峰时段，是否需要新增燃煤发电？
• RQ3 在实时平衡需求下，储能技术与化石燃料调峰及其他替代方案相比，其经济性如何？
• RQ4 需求响应能否作为管理峰荷和日内波动性的具成本效益替代方案，避免新建基础设施或储能部署？
• RQ5 哪些关键不确定性与系统层面因素对最优电网扩展与调度策略影响最大？

主要发现

• 即使存在可衡量的弃电，极高比例可再生能源情景仍具成本效益，表明‘可再生能源过多’并非经济上不可行。
• 即使可再生能源渗透率很高，现有燃煤和燃气机组也无法满足实时平衡需求，尤其在高峰负荷和日内波动期间。
• 电池储能对电网平衡具有重要价值，但其成本仍高于2019年发电组合，主要因工况循环挑战（如季节性波动）所致，而不仅限于资本成本。
• 所有替代电池的调峰方案成本均更高，表明电池仍是未来电网灵活性的关键但高成本组件。
• 需求响应作为高峰时段平衡的具成本效益解决方案脱颖而出，为避免新建基础设施或储能部署提供了可行替代路径。
• 绿色氢生产难以从过剩可再生能源中获益，因弃电有限，意味着大规模制氢需专门配置可再生能源设施。