[论文解读] Investment-based optimisation of energy storage design parameters in a grid-connected hybrid renewable energy system

Sleiman Farah, Gorm Bruun Andresen|arXiv (Cornell University)|Sep 5, 2023

Hybrid Renewable Energy SystemsEnergy参考文献 16被引用 3

一句话总结

本文提出了一种基于投资的优化方法，用于规模设计和改进混合可再生能源系统中的新兴并网储能技术。通过将线性系统优化与基于投资的参数改进解耦，该方法识别出放电效率是热储能、抽水蓄热、熔盐储能和绝热压缩空气储能中最具影响的参数——其次是放电和储能容量成本，而充电容量和效率的影响最小。

ABSTRACT

Grid-connected hybrid renewable power systems with energy storage can reduce the intermittency of renewable power supply. However, emerging energy storage technologies need improvement to compete with lithium-ion batteries and reduce the cost of energy. Identifying and optimizing the the most valuable improvement path of these technologies is challenging due to the non-linearity of the energy system model when considering parameters as independent variables. To overcome this, a novel investment-based optimization method is proposed. The method involves linear optimization of the hybrid renewable energy system and subsequent investment optimization, accounting for diminishing improvements per investment. Applied to thermal energy, pumped thermal energy, molten salt, and adiabatic compressed air energy storage technologies, the results show that enhancing discharge efficiency is most valuable for all technologies. Reducing discharge capacity costs and energy storage capacity cost can also become important. Charge capacity cost and charge efficiency are found to be of lesser significance. The study provides detailed improvement pathways for each technology under various operational conditions, assisting developers in resource allocation. Overall, the investment-based optimization method and findings contribute to enhancing the competitiveness of emerging energy storage technologies and reducing reliance on batteries in renewable energy systems.

研究动机与目标

• 解决在优化新兴储能技术设计参数时非线性系统建模的挑战。
• 识别在并网混合可再生能源系统中，为研发投资应优先关注的最具影响的技术与成本参数。
• 为开发者提供战略路线图，以在新兴储能技术之间有效分配有限资源。
• 通过纳入参数改进的递减回报，克服传统优化方法的局限性。
• 评估在不同运行条件下（包括太阳能/风能容量因子和电网连接要求）下，最优改进路径的敏感性。

提出的方法

• 将优化过程分解为两个阶段：首先，对混合可再生能源系统进行线性优化，以确定最优系统配置。
• 其次，应用基于投资的优化方法，使用凹函数建模参数改进的递减回报。
• 采用参数化投资函数，其中单位投资的改进速率由斜率（α）和成熟度（β）参数控制。
• 将投资模型与系统级优化集成，以评估各项储能参数（如效率、成本）改进的价值。
• 在四种新兴储能技术中应用该方法：热能储能（TES）、抽水蓄热储能（PTES）、熔盐储能（MSES）和绝热压缩空气储能（aCAES）。
• 在多种情景下评估结果，包括不同的太阳能和风能容量因子、电网容量因子以及投资敏感性参数。

实验结果

研究问题

• RQ1 通过投资改进，哪些储能设计参数能在系统层面产生最高价值？
• RQ2 在相同系统条件下，不同新兴技术中储能参数的重要性排序如何变化？
• RQ3 电网连接容量因子和可再生能源资源可用性的变化如何影响最优改进路径？
• RQ4 投资敏感性参数（α 和 β）如何影响参数改进的优先级排序？
• RQ5 提高放电效率与提高容量成本相比，对降低系统级成本和增强电网集成的相对影响是什么？

主要发现

• 在所有四种储能技术中，放电效率是应优先改进的最关键参数，单位投资带来的系统级价值最高。
• 其次最具影响的参数是放电容量成本和储能容量成本，它们对系统经济性和可扩展性有显著影响。
• 充电容量成本和充电效率是影响最小的参数，对系统性能或成本降低的影响微乎其微。
• 最优改进路径对电网连接容量因子敏感：更高的连接要求会显著提升放电效率改进的价值。
• 敏感性分析表明，投资参数 α 和 β 显著影响优先级排序，其中较高的 α 有利于更快改进，较高的 β 则提升未来潜在收益。
• 该方法成功识别出技术特定的研发路线图，使开发者能够聚焦于高影响力改进，减少对锂离子电池的依赖。