需求响应(DR)是一种重要的灵活负荷资源,可以通过减少负荷或将负荷转移到非高峰时段来降低高峰时段的电力需求。DR有潜力为电力市场提供灵活的服务,并通过降低强制停电的可能性来提高系统可靠性(Eid等人,2016;Zhou等人,2016)。DR还有潜力带来系统层面的环境效益,例如通过减少污染性高峰发电厂的运行来减少二氧化碳排放,并在电力市场中平衡可再生能源(Eid等人,2016;Grimley和Chan,2023)。DR还可以通过降低能源费用为消费者带来经济利益,同时改善空气质量并提升公众健康(Brown和Chapman,2021)。
直接负荷控制(DLC),通常被归类为基于激励的需求响应方式,是公用事业公司通过直接控制客户负荷来实现负荷削减的有效手段(Albadi和El-Saadany,2008)。这可以通过使用各种控制设备和技术在高峰时段减少大型终端用户的负荷来实现。例如,可中断/可削减负荷计划针对大型商业和工业客户,通过提供激励来鼓励他们调整生产水平以削减负荷。流行的居民和小型企业DLC计划包括空调循环计划,使公用事业公司能够在高峰时段远程控制客户的空调压缩机;智能恒温器计划,可以短期提高(或降低)客户设定的温度;热存储计划,在需求响应事件期间限制用电热水等(Fell等人,2015a;Xu等人,2018;Asadinejad等人,2018)。这些计划旨在通过暂时关闭大型电力使用源(例如每15分钟一次)来降低高峰负荷,通常会进行预冷却以避免影响客户的热舒适度和其他需求(Albadi和El-Saadany,2008;Asadinejad等人,2018;Nicolson等人,2017)。与基于价格的DR(例如峰谷电价)相比,DLC计划可以避免意外由价格引起的不公平问题(White和Sintov,2020)。
需求响应在电力市场中扮演着重要角色,作为一种关键的容量资源和灵活性服务资源,未来有可能成为一个更大的市场。例如,Midcontinent独立系统运营商(MISO)报告称,该地区的DR需求增加了681兆瓦(11%),主要通过新增531兆瓦的DR资源(FERC(联邦能源监管委员会),2021)。2023年,七个区域批发市场中的DR参与总量达到了33,055兆瓦,满足了这些地区约6.5%的峰值需求(Charles等人,2024)。2020年的FERC第2222号命令旨在消除DR和其他分布式能源资源参与批发市场的障碍,表明联邦监管机构对市场信号的有效性缺乏信心。
公用事业公司对开发DR资源非常感兴趣,因为DR允许他们推迟对配电和输电线路的投资,并促进更加健全的零售市场,其中基于市场的选择为创新提供了机会(Albadi和El-Saadany,2008;Asadinejad等人,2018)。DR还可以改善所需的对冲程度,并提供市场绩效效益(能源部,2006)。现有的大部分DR资源来自大型负荷客户,如工业和大型商业负荷,而居民DR资源大多尚未得到充分利用(FERC,2021)。为了利用居民客户的DR资源,许多公用事业公司正在试点DLC计划,以克服控制众多小型负荷所带来的挑战,以实现有意义的负荷削减。因此,鼓励客户参与是这些计划成功的关键。公用事业公司运营的DR计划使用经济激励措施,如回扣和注册奖金,来奖励客户在高峰时段避免的电力消耗(Walawalkar等人,2007)。然而,经济激励对激励居民客户和小型企业参与的影响仍需进一步探讨。
考虑到消费者需要因放弃对主要电器的控制而获得补偿(Broberg等人,2021a,2021b),关键问题是这种经济补偿是否足够。多项研究在不同背景和地点探讨了这个问题。在德国,为了诱导自愿参与或接受平日分时定价的意愿(WTA),估计所需金额为每月23.67至30.46欧元(Sundt等人,2020)。另一项德国研究估计,关闭电器的WTA为每次切换1.6欧元,每小时18.81欧元(Ladenburg等人,2022)。在韩国,车辆向电网服务的WTA估计为每辆车8.83美元(Lee等人,2020)。之前的一项研究估计,美国的费率支付者对DR的WTA为每年30美元,这一激励措施使提供的智能恒温器计划的参与率达到了50%(Kaczmarski等人,2022)。这一估计接近实际公用事业公司提供的经济激励范围(附录A)。该研究仅关注智能恒温器计划,且WTA估计未包括作为计划一部分的智能恒温器免费安装费用。
DR面临的最大挑战之一是能源需求的弹性较低;也就是说,家庭能源使用对价格变化反应很小(Trotta等人,2022;Lanot和Vesterberg,2021)。尽管可以使用价格信号和经济激励来抑制高峰需求,但仍需要研究其他有效的策略来激励客户参与DLC计划。本研究旨在(1)更全面地评估经济激励和内在动机对居民DLC计划参与的影响,(2)增进对影响当前未充分利用的居民DLC计划客户参与的社会经济和行为因素的理解。
本研究的贡献有三个独特之处。首先,我们收集了三种不同类型居民DLC计划的第一手数据。许多研究仅考察了基于价格的DR和单一技术上的个别控制负荷,如空调循环或电动汽车充电(Xu等人,2018;Farrokhifar等人,2018)。我们的研究是首次调查三种技术成熟度不同的DLC计划:(1)成熟的空调循环计划,(2)相对较新但受欢迎的智能恒温器计划,以及(3)一种正在开发中的假设性DLC计划,该计划使用自动化技术实时响应价格(Piette等人,2022)。其次,我们提供了美国大片地理区域内居民DLC计划的客户参与率估计。之前的研究仅在美国的一个州或其他西方国家评估了基于价格和激励的DR计划(Xu等人,2018;Fell等人,2015a;White和Sintov,2020)。本研究是首批在美国大片区域内评估客户接受度的研究之一,覆盖了中西部地区的12个州。第三,通过分割样本实验设计,本研究能够量化经济激励在多大程度上可能挤占或以其他方式降低个人参与DLC计划的内在价值。如前所述,减少高峰负荷需求具有社会效益。作为一种亲社会行为,家庭参与可能有内在和非经济动机。通过向部分受访者提供零支付以参与计划,我们能够识别出提供有支付和无支付计划之间的公用事业差异,这些差异超出了经济激励的货币价值所能解释的部分。这种比较使我们能够量化可能被经济激励挤占的参与DLC计划的内在价值。
下一节将简要回顾经济激励和内在动机对清洁能源技术采用的影响。第3节介绍了用于测试我们假设的调查方法和统计模型。分析结果在第4节中呈现,随后是讨论和结论。