公用事业公司或其他计划安装可再生能源系统的公司，例如太阳能和风电场，必须决定是否包括大规模的能源存储系统，以便在可用时捕获电力并按需释放。这一决定对于未来可再生能源的增长可能至关重要。
选择可能很复杂：这样的系统实际上是否会通过增加收入来收回成本？如果是这样，哪种系统最有意义，系统的哪些功能最重要？如果不是，存储技术需要便宜多少？
麻省理工学院的研究人员进行的一项新研究表明，如何评估可用的技术选择，包括电池，水力发电蓄能和压缩空气储能，并表明，即使采用这些技术的当今价格，这种储能系统在某些地方也具有良好的经济意义。 ，但其他人还没有。这项由麻省理工学院能源研究的大西洋Richfield职业发展助理教授Jessika Trancik与研究生William Braff和Joshua Mueller共同完成的这项研究刚刚发表在《自然气候变化》杂志上。
“研究人员和从业者一直在努力比较不同存储技术的成本，” Trancik解释说，“由于成本的多个维度，而且没有一种技术在所有维度上都占主导地位。只能通过查看以下内容来比较存储技术：它们将被使用。” 但是研究发现，不管给定位置的具体情况如何，电价如何波动的某些特征在各个位置都是相同的，并且确实偏爱某些特定类型的存储解决方案。
以最高价出售
例如，该团队发现，如今在得克萨斯州，抽水电系统可以为太阳能或风能装置提供附加值。在这些系统中，多余的动力用于将水向上泵送至水库进行存储，然后在需要时通过涡轮释放水以发电。通过等待向电网出售电力直到电力现货价格（电力分销商向生产商支付的不断变化的市场价格）达到顶峰，工厂可以产生的增加的收入将超过电厂的成本。添加了存储系统。
此外，他们发现，这种抽水蓄能装置比使用铅酸蓄电池的蓄能系统提供更多的价值，即使其动力容量组件的成本要高出数倍。这是因为抽水式水力发电系统比铅酸电池系统具有较低的能源成本。（能量容量是指可以存储在系统中的总能量，而功率容量是指在给定时刻可以从该系统传递多少能量）。压缩空气存储系统还可以增加与抽水系统相当的价值。但是，研究人员指出，电池很有吸引力，因为它们基本上可以安装在任何地方，并且不依赖仅在某些位置存在的自然特征。
研究人员指出，有关可再生能源存储系统的许多研究都集中在使用该系统平滑间歇性输出以更好地适应波动的需求上。但是实际上，这些风力发电场或太阳能发电场中的大多数正在接入电网，因此对潜在投资者而言重要的是价格曲线而不是需求曲线。
令人惊讶的是，事实证明，尽管平均价格的区域差异很大，需求和价格的可变性也很大，但Trancik表示：“一个地点的最佳存储技术也是另一个地点的最佳存储技术。” “这是因为电价飙升持续时间的分布在各地之间很相似。这种模式很可能是由于每天的周期所施加的限制，人们上班和回家的时间以及他们的消费方式的相似性而产生的。他们的时间。”
她说，如今，一个储能系统是否值得，其价格因地点的不同而有很大差异，这是因为价格上涨的频率和幅度的巨大差异，以及太阳能和风能随时间的变化情况。但是，研究人员发现，由于电价波动的某些共同的，新出现的特性，最优存储系统的成本特征在所有地点都相似。
Trancik说：“这意味着这些结果可用于为私营部门和政府在存储技术开发方面的投资提供信息，并可以为实验室的工程工作提供信息。” “如果发现不同地点的最佳成本改善，权衡能源容量和电力容量成本的方向不同，那么结果将不太通用，并且对技术开发工作的用处不大。”
成本仍然需要下降
研究发现，目前，如果没有政策支持，此类系统的成本仍无法使它们足够盈利，从而无法使这种广泛采用成为减少全球温室气体排放所必需的。但是，Trancik说，这项研究确实表明，在某些地区市场采用已经很有意义，并且可以得到适度的公共政策支持来促进市场采用，而这反过来又会刺激存储技术的进步以鼓励进一步的增长。该研究还提供了指导意见，说明了为实现这种部署需要降低给定技术的成本，以及需要最大程度改善系统的哪些方面，因此需要重点研究。例如，它为正在开发的各种液流电池提供了成本目标。
在这项研究中，研究小组检查了三个州：德克萨斯州，加利福尼亚州和马萨诸塞州。他们发现，今天的存储系统在得克萨斯州和加利福尼亚州具有经济意义，但在马萨诸塞州尚未实现。他们计划将研究扩大到更多地点，以查看其总体结论是否适用范围更广。
在一项有点违反直觉的发现中，他们说，随着风能和太阳能系统的成本下降，存储系统的成本也将需要下降，否则它们将不再盈利。那是因为在某个时候，仅增加更多的发电容量而不是更多的存储容量会更有利可图。研究人员指出，现在有一个机会之窗可供市场采用存储。但是他们警告说，如果现在不采取任何行动，并且风能和太阳能的成本进一步下降，激励措施将随着时间的流逝而减少。
Trancik说，这项研究属于她称为“定向创新”的领域，在该领域中，可以基于清晰可量化的标准来决定最需要研究哪些领域，技术设计和政策，以实现特定的社会目标。她说：“这个想法是利用数据和模型来加速能源技术的发展。”
