CN114358856A - 一种涉及海上风电的大型清洁能源基地商业模式 - Google Patents
一种涉及海上风电的大型清洁能源基地商业模式 Download PDFInfo
- Publication number
- CN114358856A CN114358856A CN202210044292.3A CN202210044292A CN114358856A CN 114358856 A CN114358856 A CN 114358856A CN 202210044292 A CN202210044292 A CN 202210044292A CN 114358856 A CN114358856 A CN 114358856A
- Authority
- CN
- China
- Prior art keywords
- clean energy
- cost
- power
- wind power
- offshore wind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种涉及海上风电的大型清洁能源基地商业模式。清洁能源基地的商业模式主要包括两个方面:对内通过风光储联合优化,实现源网荷储一体化运营;对外与抽水蓄能联合运行、与火电等联合参与电力市场。图1是本发明提供的一种涉及海上风电的大型清洁能源基地商业模式流程图。
Description
技术领域
本发明属于电力系统控制技术领域,尤其一种涉及海上风电的大型清洁能源基地商业模式。
背景技术
我国幅员辽阔,具有丰富的风能资源,其中,海上风能极为丰富,由于在海平面上安装的风电机组不需要很高的塔架,这大大地降低了机组的安装成本,因此,全球风电场建设已出现从陆地向近海发展的趋势,海上风力发电与其它可再生能源发电形式相比,具有广阔的应用和发展前景,海上风电已经成为未来风电开发的主战场,大力发展海上风力发电技术是改善我国能源结构和环境质量的一项重要举措。
我国实施的固定电价制为海上风电企业收益提供了稳定预期,极大提高了市场积极性,中国海上风电装机容量从2014年起进入快速增长。海上风电场远程有功控制技术主要用于调节海上风电出力,使风电集群既可运行在最大出力跟踪状态,也可参与系统调峰、调频以及紧急情况下对电网的响应。为了规范风电并网技术,我国的风电并网国家标准GB/T 19963—2011《风电场接入电力系统技术规定》和国家电网公司制定的《风电调度运行管理规范》技术标准,都明确要求风电场能根据电网调度部门指令控制其有功功率输出。实现风电集群的有功控制,关键在于控制系统的架构设计和控制策略设计。控制系统架构的设计应综合考虑现有信道条件、可用设备资源和允许投资总额等条件,保证系统的可靠性,同时还需考虑系统在未来一段时间内的可扩展性,相关文献针对不同情况提出了多种方案。控制策略设计的研究主要集中在对风电集群的各风电场有功指令分配算法上。这类算法大致包括加权算法、数学规划法以及计划排队法等。通常风电集群有功分配策略应充分考虑风电场装机容量、实际风况、调节性能等差异,在保证系统安全的前提下合理安排限电功率,充分利用电网的风电接纳能力。
附图说明
图1为是本发明提供的一种涉及海上风电的大型清洁能源基地商业模式流程图。
图2为海上风电并网后出力和负荷功率在一天中随时间变化的示意图。
发明内容
1.成本效益计算模型:
(1)购置阶段
装机成本:装机成本C1
通过调查整理了清洁电源的装机成本,清洁能源装机成本与具体项目密切相关。为了便于分析计算,清洁能源电源的初期投资成本可用下式表示:
C1=CapCw
式中,C1表示初期投资成本(装机成本);Cαp表示电源的装机容量; Cw表示单位装机容量成本。
接入系统初期投资费用为:
式中,Ce为电源接入系统的初期投资费用;Qi为接入系统的建设规模;Cei为接入系统的单位综合造价。
(2)财务成本(筹资)C3
清洁能源并网发电,电源侧发生的财务成本主要指的是贷款利息。例如,风机和光伏这类一次性投资较大的清洁电源,在投资过程中向银行申请贷款,并承诺每年支付一定利息。一般电力行业投资费用中,25%是自有资金,75%来源于银行贷款,目前银行贷款的利率为5.9%。在这里假设用户每年支付一定的贷款利息,最后一年支付本金。年财务费用的计算公式如下式所示:
年财务费用=投资总成本*贷款占总投资的比例*贷款利率
C3=C2×ε×r
其中,C2表示年财务费用;ε表示贷款占总投资的比例,f表示贷款年利率。
(2)运行阶段
运行维护费用C5
运行维护费用主要指的是在运营周期内设备的检查维修费用以及相关的人力费用,在计算过程中,为方便计算,一般计提初始投资一定的比例,具体如下式所示
C5=C1Rg
其中,C5表示电源的年运行维护费用:Rg表示电源的运行维护率,根据发电设备的特点,选取运行维护率为6%。
接入系统的年运行维护费用为:
Me=CeRe
式中,Me为接入系统的年运行维护费用;Rg为接入系统的运行维护率。
年损耗费用C6
电源侧的年损耗费用指的是线损费用。计算方式如下式所示:
式中,C6表示发电的年损耗费用,Egi表示并网日上网电量(图2中①的面积);Eci为并网日厂用电电量(图2中②的面积);Pg为政府补贴电价; P1为当地标杆上网电价;R0为年线损率。
售电收入B1
售电收入=减少的购电支出+售电收益
其中,减少的购电支出=平均售电价格*年自用电量
售电收益=上网电价*年并网电量
其中,B1表示年上网收益;Pk表示平均售电价格,P2表示上网电价。
减少的停电损失B3
源网荷储一体化运营可以满足用户自身的用能需求,大大供电的可靠性。由于供电可靠性是一个定性指标,将可靠性量化,采用停电损失进行衡量,具体公式如下:
减少的停电损失=DG备用容量*利用率*年产电比*年停电时间
B3=γ×H×Cre×ηe
其中,
γ表示年产电比,H表示年停电时间,Cre表示备用容量。
碳交易收益B4
碳交易收益=碳交易价格*(碳排放总量-接入DG后碳排放总量)=碳交易价格*减少的碳排放量
B4=P3×(Em-E′m)
其中,P3表示碳交易价格,Em表示清洁能源基地建设前的碳排放总量,Em′表示清洁能源基地建设后的碳排放总量。
(6)补贴收益B5
调研发现市场上存在2种补贴方式:一种是电价补贴,一种是容量补贴。
补贴收益=单位电量补贴*DG发电量(或者:单位容量补贴*DG装机容量)
其中,ψ为建设投资补贴比例;Z0是一个布尔变量,当采用电价补贴政策时,该值为1,反之当采用一次性建设补贴政策时,该值为0。
(3)报废阶段
退役设备处理费用C7
退役设备处理费用是指设备在使用寿命周期结束以后,用以处置该设备所需的费用,具体数值与设备型号而定,一般按照设备出厂说明,按照一定的比例计提。
C7=C1×τ1
其中,C7表示退役设备处理费用τ1表示退役设备处理费用占总装机成本的比例。
残值回收Be
Be为清洁能源基地建设在海上风电项目原有工程基础上增加各设备的残值,假设平均残值为初始投资的2%。由此可得清洁能源基地价值评估模型为:
其中,n表示电源收益期限,i表示折现率。Bt表示第i期收益之和,Ct表示第t期成本之和。其中,Bt计算方式为:
Bt=B1t+B2t+B3t+B4t+B5t
Ct计算方式为:
Ct=C1t+C2t+C3t+C4t+C5t+C6t
2.面向清洁能源基地的成本效益计算模型
清洁能源基地建设通过电网友好型控制,为电网节省系统备用,降低系统损耗,同时为用户用电降低了成本,可获得节能分摊。
(1)增加的成本项
用户站扩建和建设成本G1
当清洁能源基地建设源网荷储一体化时,需要将电源-用户连接到同一配电系统内,距离负荷区域一定距离内若已有用户站就需要根据负荷容量决定是否扩建;若距离负荷区域一定距离内无用户站就需要进行用户站的建设。用户站扩建与改造成本包括三个方面一个是用户站投资、线路投资和开关类投资。
用户站扩建与建设成本=(扩建用户站投资+新建用户站投资)+线路成本+开关类成本
其中,扩建用户站投资=扩建用户站单位工程综合造价木扩建用户站规模
新建用户站投资=新建用户站单位工程综合造价宰新建用户站单位工程综合造价
线路成本=导线单价*长度
G1=z1Ck+z2Cn+Cline=z1peS1+(1-z1)pnS2+p1L
其中Ck和Cn分别表示用户站扩建和新建所需的投资总额;Cline表示线路总投资;
Pe、Pn和Pl分别表示扩建用户站单位工程综合造价、新建用户站单位工程综合造价和导线单价;S1和S2分别表示扩建变电站规模和新建变电站规模;L表示导线长度;Z1是一个0-1变量,当采取变电站扩建时该值为1,当采取新建用户站时该值为0。
开关类成本=需新建的开关数量*新建开关单位综合造价成本+需改建的开关数量*改建开关单位综合造价成本
财务成本(筹资)G2
用户站改造和建设的投资成本有一部分来源于银行贷款,每年支付的利息即为分布式发电电网侧产生的财务费用,即贷款利息。财务费用的值取决于贷款占总投资的比例以及贷款的利率。一般电力行业投资费用中, 25%是自有资金,75%来源于银行贷款,目前银行贷款的利率为5.9%。年财务费用的计算公式如下式所示:
年财务费用=输配电网改造与建设投资*贷款占总投资的比例*贷款利率
G2=G1×ε×r
其中,ε表示贷款占总投资的比例,r表示贷款年利率。
额外运营成本G3
在海上风电项目原有投资基础上,为建设清洁能源基地增加的某些设备闲置或成为备用。
其中,PDGi表示增加设备在第i小时注入系统的有功功率。
用户机会成本C4
用户机会成本与用户用电量、零售电价和电网企业售电成本有关。设用户年用电量为Q,电网企业平均零售电价为P0,平均售电成本为Cs,用户机会成本为:
G4=Q·(p0-Cs)
增加的收益项
(1)延缓电网建设R3
清洁能源基地建设可以大大延缓用户侧配电网的投资实践,延缓投资所得收益主要指输配电建设资金因推迟投资所产生的时间价值。延缓价值取决于输配电建设投资额、所需负荷容量和电网建设的资金成本。设Cf为配电网单位装机的年更新成本,d为电网企业的加权平均资金成本率, n为延缓节点f更新投资时间,因此DG项目整个寿命周期对节点f生的延缓更新投资收益R3可表示为:
一般地,延缓的投资更新时间n低于项目剩余寿命周期丁,因此n≤ T。
(4)每年分享的节能效益R4
若清洁能源基地与用户签订节能分享合同,则每年获得的节能效益为用户侧可分享的总利润与节能效益分享比例的乘积。
用户侧可分享的总利润=用户侧总收益-户侧总费用=(售电收入+废热利用率收入+碳交易收入)-财务成本+运行维护费+其他费用)
R1=[(B1+B2+B4)-(C3+C4+C5)]×θ
其中,θ表示节能效益分享比例。
通过成本项和收益项的研究可以得到面向清洁能源基地的价值评估模型为:
其中Rt具体表示为:Rt=R1t+R2t+R3t+R4t;Gt具体表示为: Gt=G1t+G2t+G3t+G4t经济价值评估指标计算模型
净现值的计算方式是现实现金流入与现金流出的差额,一般依照行业平均收益率,本文的折现率将在下文具体确定。净现值是评价项目可行与否的基础指标,净现值大于0,方案可行,反之不可行,而且净现值越大,说明方案收益越高。
其中,Ft项目第t年的现金流量。
1、时间型指标——投资回收期
1)投资回收期Tf:不考虑时间价值的投资回收期。
At=Ral-Cfm
其中,K0为初始投资;At为年净收益。
2)投资回收期TD:考虑时间价值的S投资回收期。
其中,i0为基准折现率。
2、效率型指标——内部收益率
内部收益率(IRR)是投资项目本身的投资报酬率,指项目在整个计算期内各年净现金流量现值累计等于零时的折现率。内部收益率反映了工程项目对投资支出的恢复能力,其值越高,方案的经济性越好,当内部收益率大于基准收益率时,项目是可以接受的。
Claims (1)
1.一种涉及海上风电的大型清洁能源基地商业模式,其特征在于,所述方法具体包括以下步骤:
(1)运营商业模式将整个清洁能源基地看作一个整体,面向电网进行购售电,通过优化购电降低负荷用电成本、优化功率降低辅助服务分摊费用、保证内部高质量供电降低线损等获得收益。
(2)在对清洁能源基地进行一体化的运营模式下,源生产和消费界限不再清晰,功能角色间可相互替代兼容。能源主体在供需和价格引导下自主决策能源供应、消费和存储,实现多能“供-需-储”垂直一体化。能源主体由单一能源的生产、传输、存储和消费者,向集多种能源生产、传输、存储和消费为一身的自平衡体转变。
(3)海上风电作为大规模清洁能源与抽水蓄能、火电、水电等其他电源联合参与电力市场,联合方式包括交易前联合报价、交易后电量转让。联合优化参与电力市场,通过提升市场竞争力,获得较高的市场价格。
(4)在清洁能源基地商业模式价值影响因素的分析基础上,从海上风电项目本身和清洁能源基地总体分别构建未来收益额预测指标(包括成本项与收益项),构建清洁能源基地商业模式的价值评估模型,对基地的各项相关成本进行计算,分析清洁能源基地的成本效益。
(5)从时间价值和效率价值两方面建立经济价值评估指标计算模型,对不确定性因素进行敏感性分析,测算海上风电的大型清洁能源基地的相关经济评估指标,对改商业模式进行经济性评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210044292.3A CN114358856A (zh) | 2022-01-14 | 2022-01-14 | 一种涉及海上风电的大型清洁能源基地商业模式 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210044292.3A CN114358856A (zh) | 2022-01-14 | 2022-01-14 | 一种涉及海上风电的大型清洁能源基地商业模式 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358856A true CN114358856A (zh) | 2022-04-15 |
Family
ID=81090812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210044292.3A Pending CN114358856A (zh) | 2022-01-14 | 2022-01-14 | 一种涉及海上风电的大型清洁能源基地商业模式 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358856A (zh) |
-
2022
- 2022-01-14 CN CN202210044292.3A patent/CN114358856A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10873209B2 (en) | System and method for dynamic energy storage system control | |
CN108711077B (zh) | 一种基于区块链技术的光伏型微电网交易方法 | |
Kang et al. | A novel approach of day-ahead cooling load prediction and optimal control for ice-based thermal energy storage (TES) system in commercial buildings | |
CN112950098A (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
Wang et al. | Multi-criteria comprehensive study on predictive algorithm of heating energy consumption of district heating station based on timeseries processing | |
Bui et al. | Forecasting energy output of a solar power plant in curtailment condition based on LSTM using P/GHI coefficient and validation in training process, a case study in Vietnam | |
Lin et al. | Optimization decision model of electricity market under renewable portfolio standard | |
WO2024082836A1 (zh) | 一种水风光储多能互补系统综合效益评估方案寻优方法 | |
Wang et al. | A risk-averse day-ahead bidding strategy of transactive energy sharing microgrids with data-driven chance constraints | |
Zhang et al. | Optimization of demand response-oriented electrolytic and fuel cell cogeneration system for community residents: uncovering flexibility and gaps | |
CN117391718A (zh) | 一种基于动态减排因子的绿电-ccer互认交易系统 | |
Xu et al. | CVaR‐based method for optimizing the contract bidding strategy of PV power stations | |
Liu et al. | Reliability-constrained bi-level collaborative planning of distribution network and micro-energy grid | |
CN114358856A (zh) | 一种涉及海上风电的大型清洁能源基地商业模式 | |
Alobaidi et al. | Distributionally robust generation expansion planning of gas-fired distributed generation with demand response | |
CN115187061A (zh) | 一种用户侧绿电配置方法、装置、设备及存储介质 | |
CN115204944A (zh) | 一种计及全寿命周期的储能最优峰谷价差测算方法及装置 | |
Li et al. | Optimized configuration and operation model and economic analysis of shared energy storage based on master-slave game considering load characteristics of PV communities | |
Han et al. | Optimal operations of energy storage systems in multi‐application scenarios of grid ancillary services based on electricity price forecasting | |
Liu et al. | Electricity‐Carbon Joint Trading of Virtual Power Plant with Carbon Capture System | |
Zhang et al. | Deep learning network for energy storage scheduling in power market environment short-term load forecasting model | |
CN114039351B (zh) | 一种储能容量配置方法及装置 | |
Liu et al. | Model selection and mechanism design for electricity markets in hydropower‐rich regions: Adaptation study | |
Wu et al. | Demand-side adjustable resources unified data model study | |
Xiao et al. | Energy Storage Lease Pricing Strategy based on Whole-life Cycle Costs Quantification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |