CPUC 的中期可靠性 (MTR) 决定 (D.21-06-035) 要求采购 11,500 兆瓦 (MW) 的净合格容量 (NQC),并要求标准化有效负荷承载能力 (ELCC) 值。这些标准化值允许负荷服务实体 (LSE) 了解各种增量资源类型的合规值,并使 CPUC 确信增量采购将满足其确定的采购需求。本报告介绍了用于遵守 CPUC 的 MTR 决定的 ELCC 值的更新。2023 年(“第 1 部分”)和 2024 年(“第 2 部分”)合规日期的 ELCC 值已在 2021 年 10 月 CPUC 的一份报告中最终确定。本报告介绍了之前报告的 2025 年(“第 3 部分”)和 2026 年(“第 4 部分”)合规日期的 ELCC 值的更新。此外,本报告根据 2023 年 1 月 13 日提出的综合资源规划 (IRP) 拟议决定,提出了 2027 年 (“第 5 部分”) 和 2028 年 (“第 6 部分”) 的 ELCC 值,该决定提议进行额外的 MTR 采购。该研究还与之前的 ELCC 研究进行了比较,并考虑了 ELCC 不确定性的驱动因素。E3 和 Astrapé 作为 CPUC 的技术顾问,使用 Astrapé 的战略能源和风险评估模型 (SERVM) 随机负荷损失概率 (LOLP) 模型进行了这项研究。
首字母缩略词 定义 4CP 4 同步峰值 AS 辅助服务 BRS 后备可靠性服务 CDR 容量、需求和储备(ERCOT 报告) CONE 新进入成本 CT 燃气轮机 DEC 可调度能量信用 ECRS ERCOT 应急储备服务 ERS 紧急响应服务 EFOR 等效强制停机率 EFORd 按需等效强制停机率 ELCC 有效负荷承载能力 ERCOT 德克萨斯州电力可靠性委员会 EUE 预期未服务能量 E3 能源与环境经济学公司 FFRS 快速频率响应服务 FRM 前向可靠性市场 IMM 独立市场监测 ISO 独立系统运营商 LOLE 负荷损失预期 LOLH 负荷损失小时数 LOLP 负荷损失概率 LR 负荷资源 LSE 负荷服务实体 LSERO 负荷服务实体可靠性义务 ORDC 运行储备需求曲线 PBPC 功率平衡惩罚曲线 PCM 绩效信用机制 PRD 价格响应需求 PUCT 德克萨斯州公用事业委员会 PUNS 私人使用网络 REC 可再生能源信用 RPS 可再生能源组合标准 RRS 响应储备服务 SERVM 战略能源与风险估值模型 TDSP T&D 服务提供商
本文研究了位于尼日利亚拉各斯市中心的五居室复式独立住宅(NZEB)的光伏-电池-氢混合可再生能源系统(HRES)的建模和多目标优化(使用非支配排序遗传算法(NSGA-II))。研究了三种电池技术的经济可行性:磷酸铁锂(LFP)电池、退役电动汽车电池(REVB)和Ortsfest - 固定式PanZerplatte - 管板Verschlossen - 封闭铅酸(OPzV)电池。使用内部简化退化模型来评估电池在循环和日历老化过程中的容量损失(因为如果不这样做,这可能会对成本计算产生重大影响)。这解决了许多作者在优化 HRES 时缺乏电池退化建模的问题,因为文献中的模型不适用于不同的电池化学成分。此外,本研究还从三个目标评估了电池-燃料电池混合配置:系统年化成本 (ACS)、电力供应损失概率 (LPSP) 和潜在能源浪费概率 (PEWP),并将结果与仅电池配置进行对比,以确定混合储能系统可能更经济的场景。结果表明,LFP 和 REVB 是最佳电池选择。对于 LPSP 约束 > 1% 的情况,LFP 和 REVB 仅电池配置更好,而对于 1% 及以下的 LPSP,LFP-氢和 REVB-氢更经济。
基于可再生能源的分散式电力生产解决方案在非洲日益得到使用,以促进农村地区人口的社会融合。在这些没有电网覆盖的地区,移动网络运营商安装的网络基础设施越来越多,这些网络基础设施由发电机组供电。这些能源仅用于为站点元素提供电力,而当地居民没有电。在这些运营商站点上使用基于可再生能源(特别是太阳能)的微电网有助于实现可持续发展目标的第 7 和第 9c 项。事实上,这些微电网的智能管理可以确保向移动网络运营商站点持续供电,并利用过剩生产为当地居民提供电力。为了实现基于这些微电网的电信和能源普遍接入之间的融合,使用优化算法来更好地规划和提高这些微电网的运行效率至关重要。为此,在多源多负载系统中使用粒子群优化算法进行最佳功率流管理,以测试微电网实现这一新目标的能力。结果表明,这些微电网的最佳管理可保证电力供应损失概率为 0.18%,平准化电力成本为 0.0187 美元,最大可再生系数为 98%。获得的低电力成本表明,该解决方案是提高农村低收入人群普遍用电的真正机会。同样,获得的最大可再生系数值表明发电机组的运行时间减少,从而显著降低运营成本和温室气体排放。
首字母缩略词 定义 ACS 美国社区调查 AEO 年度能源展望 ANL 阿贡国家实验室 ASHP 空气源热泵 ATB NREL 年度技术基准 BEV/EV 电池 电动汽车/电动汽车 BTU 英热单位 CAP 气候行动计划 CCS 碳捕获与封存 CEJA 气候与公平就业法案 CETLs 容量紧急转移限制 CO2e 二氧化碳当量 CUB 公民公用事业委员会 DAC 直接空气捕获 DOE 能源部 EDF 环境保护基金 EIA 能源信息管理局 ELCC 有效承载能力 ELPC 环境法和政策中心 EMAAC 东中大西洋地区委员会 EPA 环境保护署 FEJA 未来能源就业法案 GHG 温室气体 GSP 州生产总值 HFCs 氢氟碳化物 ICE 内燃机 IECC 国际节能规范 IPA 伊利诺伊州采购局 IPPU 工业过程和产品使用 IRA 通货膨胀削减法案 LDV/MDV/HDV 轻型/中型/重型车辆 锂离子锂离子 LOLP 负载损失概率 LSE 负荷服务实体 LULUCF 土地利用、土地利用变化和林业 MISO 中部大陆独立系统运营商 MMT 百万公吨 MSW 城市固体废物 NEMS 国家能源建模系统 NETs 负排放技术 NPV 净现值 NQC 净合格容量 NRDC 自然资源保护委员会
摘要:光伏 (PV) 能源的使用最近因其可再生性而受到广泛关注。然而,仍然存在一些挑战,特别是在准确设计 PV 系统方面。在离网 PV 系统中,适当选择 PV 电池和电池存储的尺寸对于提高效率和系统可靠性至关重要。该项目重点关注尼日利亚北部的 Gubio 村,该村计划建立一个结合风能、光伏和柴油发电的独立系统。主要目标是确定案例研究中 PV 模块和电池尺寸的最佳数量。在理想的测试条件下,使用 MATLAB 模拟对所提出的系统进行了测试,同时考虑了辐照度模式的变化和与系统相关的其他不确定性。还概述了 PV、电池、风力涡轮机和柴油组件的搜索范围及其目标函数。在本项目中,比较了遗传算法 (GA)、粒子群优化 (PSO) 和差分进化 (DE) 算法,以确定 Gubio 村离网 PV、风力涡轮机和柴油系统的最佳尺寸。优化结果表明,PSO 在成本和收敛时间方面提供了最佳解决方案,供电损失概率 (LPSP) 最低,平准化能源成本 (LCOE) 最高,分别为 0.012 和 0.3564。与 DE 和 GA 相比,PSO 算法效率更高,由于收敛速度更快,所需的计算时间和内存更少。因此,该项目通过为尼日利亚博尔诺州的古比奥村设计混合光伏/风能/柴油电池发电系统成功实现了其目标。关键词:光伏 (PV) 能源;离网光伏系统;优化算法;混合发电。
4CP 四重峰 CAISO 加利福尼亚独立系统运营商 CDR 容量、需求和储备报告 CFE 联邦电力委员会 CONE 新进入成本 CRR 拥塞收益权 DAM 日前市场 DC 联络 直流联络 EEA 能源紧急警报 ERCOT 德克萨斯州电力可靠性委员会 ERS 紧急响应服务 FIP 燃料指数价格 GTC 通用传输约束 GW 千兆瓦 HCAP 全系统高报价上限 HE 小时末 Hz 赫兹 ISO-NE 新英格兰 ISO LDF 负荷分配系数 LDL 低调度限制 LMP 位置边际价格 LOLP 负荷损失概率 LSL 低持续限制 MISO 中部大陆独立系统运营商 MMBtu 百万英热单位 MW 兆瓦 MWh 兆瓦时 NCGRD 发电资源指定变更通知 NOIE 非选择加入实体 NPRR 节点协议修订请求 NSO 暂停运营通知 NYISO 纽约独立系统运营商 OBD 其他约束性文件 ORDC 运营储备需求曲线 PCRR 预先分配的拥塞收入权 PTP 点对点 PTPLO 带有选项链接的点对点义务 PUC 公用事业委员会 PURA 公用事业监管法 QSE 合格调度实体 RDI 剩余需求指数 RENA 实时收入中性分配 RTCA 实时应急分析 RDPA 实时可靠性部署价格加法器 RUC 可靠性单元承诺 SASM 补充辅助服务市场