《ENERGY CONVERSION AND MANAGEMENT》：Integrating multi-timescale energy storage into net-zero electricity systems under evolving technologies and policy environment: Insights from the United Kingdom’s case study
编辑推荐：
本研究构建多时期优化框架，整合短期（电池）、中期（抽水蓄能等）及长期（氢能）储能，分析其对英国2035和2050年电力系统性能的影响。结果显示，多时储能系统在成本（降低22%）和碳排放（减少25%）上优于单一短期储能，技术进步可使2050年成本降低7%，而更激进的减排目标在2035年增加成本18%但减少73%碳排放。研究强调多时储能整合在净零转型中的关键作用及综合规划的重要性。
作者：范赫（Fan He）、迈克尔·肖特（Michael Short）、陈启坤（Qikun Chen）、刘丽荣（Lirong Liu）
英国萨里大学环境与可持续发展中心，萨里GU2 7XH
摘要
向净零电力系统的过渡需要有效整合多个时间尺度的能源存储，以平衡可再生能源的间歇性并提供灵活性。然而，在不断变化的技术和政策环境下，大规模多时间尺度存储部署对电力系统的影响仍不明确。通过分层建模短时（电池）、中时（抽水蓄能、压缩空气、热能）和长时（氢能）存储，本研究开发了一个多期优化框架，探讨了在不同技术进步、可再生能源可用性和减排路径情景下，电网级多时间尺度能源存储整合如何影响英国电力系统的性能和配置。结果表明，具有多时间尺度存储的电力系统在成本和碳排放方面均优于仅具有短时存储的系统：到2050年，成本降低22%，碳排放降低25%。在具有不同存储时间长度的多种能源存储类型的电力系统中，存储技术的进步使2050年的电力成本在快速技术进步水平下比基准水平降低7%。2035年更雄心勃勃的减排目标虽然增加了电力成本（18%），但显著降低了碳排放（73%）。在可再生能源容量无限制的情况下，与基准容量限制相比，2050年的系统电力成本降低23%，碳排放降低13%。这些发现突显了多时间尺度能源存储在实现经济高效的净零电力系统中的关键作用，并强调了综合考虑技术改进和政策环境的重要性。
引言
英国（UK）承诺在2050年前实现温室气体净零排放，这一目标需要对其电力部门进行根本性转型。将可再生能源和能源存储整合起来被认为是实现这一目标的有效途径[1]。近年来，英国的可变可再生能源（VRE）来源迅速扩张。到2024年，英国的太阳能装机容量达到17.8吉瓦，风能装机容量达到32.3吉瓦[2]，两者合计占总发电量的30%以上，成为仅次于燃气发电的第二大电力来源，这一比例预计未来还会继续上升[3]。虽然VRE将是英国未来电力系统的核心，但其变异性给电网灵活性带来了重大挑战，特别是在不同时间尺度上平衡供需方面[4]。
能源存储系统（ESS）已成为缓解这种不平衡的关键解决方案，不同类型的ESS在成本、效率和能量转移持续时间方面存在显著差异[5]。短时存储（SDS），如锂离子（Li-ion）电池，非常适合管理日内波动[6]；中时存储（MDS）如抽水蓄能（PHS）可以平衡日常变化[7]；而长时存储（LDS），包括基于氢的系统，可能对解决季节性不匹配问题至关重要[7]。因此，需要深入研究不同时间尺度能源存储的作用，以便更好地指导电力系统的净零转型。
关于开发了整合ESS的电力系统模型的研究，大多数现有分析都是以汇总的方式处理存储问题，而没有探讨每种存储技术对系统性能的独特贡献及其与其他发电方式的相互作用[8]。一些研究仅关注单一存储技术，如电池储能（BES）[9]、PHS[10]、热能存储（TES）[11]、压缩空气储能（CAES）[12]，其中更侧重于BES[13]。考虑到能源存储技术的多样性以及电力系统的复杂性和变异性，单一存储技术难以同时满足灵活调节的要求并实现最佳的经济和环境效益[14]。因此，一些研究调查了混合能源存储系统（HESS）的最佳部署方案，例如氢能与BES的混合系统[15]、电池与熔盐TES[16]、电池与PHS[17]，以及BES、PHS和飞轮存储的组合[18]。然而，正如Hutchinson等人（2025）所强调的，大多数HESS研究往往没有区分或系统地建模这些技术的时间功能[13]。因此，它们仍然未能在统一的优化框架内完全整合不同时间尺度的存储。
少数研究在统一的优化框架内研究了多时间尺度存储的建模。其中一些研究关注不同时间尺度存储的组合，通常包括SDS和LDS，但忽略了MDS的需求。例如，Dowling等人（2020）评估了LDS（如Power-gas-power、PHS、CAES）和SDS（如电池）在提高美国风能-太阳能-存储电力系统可靠性方面的作用和相互作用[19]。正如Denholm和Mai（2019）所指出的，存储技术在从小时到多天和季节性的不同时间尺度上提供了不同的系统价值，表明从小时到日和季节性的完整多时间尺度视角对于准确捕捉它们的互补作用至关重要[20]。
很少有研究在建模时提供更详细的能源存储类型分类。Cárdenas等人（2021）探讨了如何结合短时（如BES）、中时（如CAES）和长时（如氢能）存储技术，以最小化100%基于可再生能源的电网的总成本[4]。该研究在其优化框架中未将发电容量扩张（如新的风能或太阳能投资）作为决策变量。此外，他们的模型未能同时确定不同时间尺度的存储容量；而是首先确定长时和中时存储的容量，然后根据剩余的存储缺口来确定SDS的规模。Guerra等人（2021）[21]进行的另一项研究调查了美国电力系统的最佳短时、长时和季节性能源存储组合。在这项研究中，容量扩张阶段并未在优化过程中完全整合长时和季节性存储，而是通过软链接模型将其引入容量扩张模型，这可能会低估长时和季节性存储的作用。
此外，多时间尺度存储的动态多年优化尚未得到足够关注，这是Mao等人（2024）[22]强调的一个重要方面。技术进步可以捕捉存储随时间的动态特性，表现为成本降低、效率提高和寿命延长，从而在未来不同时间段内为不同类型的存储带来不同的相对优势[23]。Sel?nniemi等人（2024）也指出，VRE与LDS之间的相互作用仍不甚明了，并且对建模假设（包括减排目标、可再生能源可用性）敏感[24]。可再生能源的可用性和减排目标反映了可再生能源规划策略和减排政策的不确定性，这影响了多时间尺度存储与可再生能源之间的相互作用。
总体而言，现有研究存在三个研究空白。首先，缺乏一个统一的框架来同时整合SDS、MDS和LDS以做出最佳容量扩张决策。其次，尚未充分研究多时间尺度存储随着技术进步的动态作用。第三，不同减排目标和可再生能源可用性对系统设计的影响尚未得到充分考虑，这影响了VRE发电与多时间尺度存储之间的相互作用。为了研究这些空白，本文开发了一个新颖的多期电力系统优化模型，整合了多时间尺度存储，以探索在不同技术进步、减排路径和可再生能源可用性相关情景下，不同时间尺度存储在英国净零转型中的动态作用，重点关注2035年和2050年这两个关键年份。
本研究的贡献包括：1）开发了一个新颖的优化模型，采用分层方法处理不同时间尺度的存储，能够一致地表示在不同时间尺度上运行的存储技术，并允许内生地同时确定它们的容量；2）探讨了多时间尺度存储在多年（2035年和2050年）中的动态作用，捕捉了技术改进、不断变化的排放限制和可再生能源可用性的影响；3）揭示了在不断变化的技术和政策环境下，多时间尺度存储与发电之间的相互作用，以及对系统性能和配置的影响；4）通过一个全面的英国案例研究，本文展示了该建模框架的实际适用性，提供了有关最佳多时间尺度存储部署策略的政策相关见解，以及它们对英国电力系统净零转型的贡献。
本文的其余部分组织如下。第2节介绍了方法论，描述了整合多时间尺度存储的电力系统优化模型和主要不确定性因素的情景设计。第3节展示了2035年和2050年不同情景下的系统性能和配置，以及不同时间尺度存储与发电之间的相互作用，并讨论了结合碳捕获和存储（CCS）的系统，以及与现有相关研究的比较结果。第4节总结了结果，提出了政策建议，并指出了研究的局限性。
方法部分
方法
本研究开发了一个混合整数线性规划（MILP）优化模型，用于模拟2035年和2050年英国电力系统中的多时间尺度存储。该系统包括多种发电技术（水力、核能、太阳能、陆上风能、海上风能、天然气和生物能源）和能源存储类型（BES、PHS、CAES、TES和氢能）。
结果与讨论
本研究重点比较了不同情景下的系统结果。为了简化结果的呈现，最佳发电和存储容量及其每小时运行模式的详细分析已移至补充材料S1部分。此外，所有情景的原始特定技术容量扩张结果现在提供在补充材料S3部分。
结论
本研究开发了一个多期容量扩张和调度优化模型，用于模拟2035年和2050年英国电力系统中的多时间尺度存储，以研究在不断变化的技术和政策环境下多时间尺度存储的动态作用。通过比较不同情景下的系统性能和配置，主要发现如下：
首先，存储技术的进步使2050年的电力供应成本有效降低了7%
关于手稿准备过程中生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了ChatGPT来纠正语法错误并提高文本的可读性。使用该工具/服务后，作者根据需要审查和编辑了内容，并对发表文章的内容负全责。
作者贡献声明
范赫（Fan He）：撰写——原始草稿、可视化、验证、方法论、形式分析、数据管理、概念化。迈克尔·肖特（Michael Short）：撰写——审阅与编辑、监督、方法论、概念化。陈启坤（Qikun Chen）：方法论、数据管理。刘丽荣（Lirong Liu）：撰写——审阅与编辑、监督、方法论、概念化。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
本工作得到了中国 Scholarship Council（编号202206120057）的支持。
