💥1 概述
文献来源：
本文将三种实际操作策略(24Optimal, 24Prognostic和24Hsitrocial)与在13个电力现货市场上利用价格套利的具有360兆瓦泵，300兆瓦涡轮机和2吉瓦时存储的PHES设施的最佳可行利润进行了比较。结果表明，当PHES设施使用24Optimal策略进行优化时，几乎所有(?97%)的利润都可以通过PHES设施获得，该策略根据前一天的电价优化储能。
然而，为了通过24Optimal策略实现利润最大化，前一天的电价必须是PHES设施的实际电价，或者PHES运营商必须有非常准确的价格预测。否则，预期利润可能会大幅降低，甚至出现亏损。最后，使用24Optimal策略，PHES的利润可以超过所需的年度投资回报。然而，在调查的5年期间(2005-2009年)，PHES设施的年利润在六个考虑的电力市场中的五个变化超过50%。考虑到PHES的40年寿命，即使投资成本低、利率低、电力市场合适，PHES也是一项风险投资，没有更可预测的利润。
本文提出了一种计算电能存储和时移收益上限的方法。数学模型的输入是特定时期市场指数价格的离散时间序列，以及特定的储能设备参数。采用基于蒙特卡罗的优化方法，确定了时移能量收益的上界。最后对该方法进行了说明，并通过实例验证了该方法的最优解即时移收益的上界。换句话说，存储运营商仅从时移中获得的收益永远不会超过这个值，计算这个上限为比较其他估计方法的有效性提供了一个参考值。用户定义的存储设备参数包括:充电和放电的固定效率(%)，存储设备的最大容量(kWh)，充放电功率限制(kW)，以及包含额外的时间相关效率，该效率模拟存储设备的自放电(每小时损失%)。这些参数的结合使该方法能够在最大套利收益方面对不同存储设备进行客观比较。该模型的输出不仅提供了单一的上限收益值，还提供了相应的充放电时间表。
目前还不确定可再生能源发电的预期增长(大规模>微型规模)将如何影响电力市场的价格波动，但就英国电力能源价格的长期价格预测而言，有一种观点认为，随着可再生能源的贡献增加，它们将在未来变得更加波动。如果来自每日能源套利的收入增加，储能的经济论据应该会得到改善。值得注意的是，在英国，通过电力交易所交易的能源水平目前不到所有电能交易的3%，6因为超过90%的电能是通过发电机和供应商之间的保密双边合同通过远期市场交易的。虽然电力交易市场可能看起来很小，但它不仅作为最后手段的市场，而且作为发现电力现货价格的市场至关重要，现货价格随后影响远期和辅助市场的价格。
作者认为，大容量电能存储提供了一种服务，以解决电力供需之间的不匹配，并被视为一种更大的市场互联性和需求侧管理的补充技术。具体来说，它是匹配供需之间的时间差距的有用工具。从历史上看，这一功能是通过使用燃料中包含的电能的“存储”来实现的，即通过增加或减少可调度的发电量，从而使供应与需求相匹配。
📚2 运行结果
2.1 方法1
2.2 方法2
部分代码：
energy_stored = SOC; energy_transfer = x; energy_input = zeros(1,length(energy_transfer)); energy_input(energy_transfer<0) = energy_transfer(energy_transfer<0)*eta_discharge; energy_input(energy_transfer>0) = energy_transfer(energy_transfer>0)/eta_charge; time = linspace(1,length(energy_stored),length(energy_stored))/2; figure; strRev = ['Revenue = ',num2str(-sum(rev))]; plot(time, energy_stored, time, 2*energy_transfer, time, 2*energy_input, time, price*1000) text(1,-30,strRev,'HorizontalAlignment','left','fontsize',16); xlabel('time (hrs)') ylabel('energy-stored/energy-transfer (kWh/kW)') legend('energy stored', 'energy transfer', 'energy input', 'price (/MWh)') title('Illustrating the optimum schedule of storage and charging/discharging')
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
