万亿储能在狂飙，还是在埋人？硬核

　　一：为什么需要储能
　　这是某个地区一天24小时内的电力需求波动图，它有一个代号，Q。
　　图1。1：某地区某天24小时内电力需求变化图
　　假设，这是火力发电量的公式，axby。当然，实际中的公式更为复杂。
　　火力在某一刻发电量的多少，由添加煤燃料的多少x，以及发电机的功率y决定。
　　这个地区的电网公司，只需要通过预测，调整x和y使得电力供给的曲线接近于电力需求的曲线。就可以让电力的供给近似满足电力的需求。
　　现在，假设，电网公司不只拥有火电，还拥有光伏和风电。光伏和风电发电量的公式由cm决定，m是光照和风力的大小。
　　那么，这家电网公司的发电供给量axbycm。
　　在上述公式中，有一个未知数可控，那么，多数情况下，电网公司都可以通过控制这个未知数，来调整供电量满足需求。
　　你或许知道火电的供给是可控的，那么axby就是可控的，即使引入光伏，只要结合火电，整体电网的供给仍然可控，并且能够匹配需求。
　　不过，我，现在要加一个附加条件，假设火电发电量存在最小值，axby存在最小值，那么即使可控，这也要求cm存在最大值，我们可以将这个最大值叫做风光MAX，风光无限。
　　当风光MAX低于最大值时，可以通过调整火电供给，满足供电需求。但当风光MAX超过最大值时，那么供给就会超过需求。
　　图1。2：传统电力的最小值和光伏的最大值
　　为了维持匹配，超过风光MAX的部分就要被舍弃，形成弃电。当弃电越来越多时，风光的发电成本反而变相增加了。
　　为了维持风光发电的低成本，就要减少弃电，而要减少弃电，就要让风光的发电可控。
　　于是，Qaxbycm，当axby达到最小值时，就需要引入一个可控的变量，tn。
　　图1。3：为维持供需平衡，储能引入的变化图
　　往往，这个tn也被称之为储能。
　　上述的概述来自于一个简单的推论，现在，我打算用专业的报告，讲述其中的道理。
　　NREL的报告是我认为比较专业的报告，NREL是美国可再生能源研究所。
　　在这份报告中，首先阐述了这么几个道理。
　　1、光伏和风力发电具有三个关键的特征，可变性、不确定性和非同步发电。具体就像这张表描述的一样。
　　但大体上，光伏发电量的变化图长这样，这张图也被叫做鸭子图，往往，在中午12点到下午三点，光伏的发电量较大，而其他时间，光伏的发电量相对较少。特别是深夜，没有光照，自然也就没法发电。
　　图1。4：为维持供需平衡，储能引入的变化图
　　于是，在考虑不同的光伏渗透率的情况下，该地区的净负荷就呈现这样一种情况。光伏的渗透率越高，承担的净负荷也就越大。
　　2、为了解决光伏净负荷过大，带来电网不稳定性的问题，通常可以结合传统电力，像火电，来平衡供需。
　　虽然，大多数火电厂都具有灵活性，而实现灵活性的原因，主要是火电厂具有最大的爬坡率和爬坡范围。
　　但，斜坡范围受电厂最低稳定运行点的限制，低于这个点，火电厂无法运行。因为一些火电厂无法快速启动和停止，这些火电厂必须保持在线的状态，也就是维持最低的火电厂发电限制。
　　于是，NREL研究的加利福尼亚地区只要光伏的渗透率达到11，电网系统就无法容纳所有的太阳能发电，这样，就会产生弃电。
　　当被弃用的电力越多时，光伏发电的度电成本随着光伏渗透率的增加便会大幅增加。
　　图1。5：不同光伏渗透率下，对净负荷的影响
　　那，报告中的逻辑和我刚才的示例几近一致，都在说明一个问题，如果要保持光伏发电的度电成本继续降低，必须尽量减少弃电。
　　而尽量减少弃电的方式，就是增加光风发电的灵活性，自然，你不可能依靠传统电力的参与，那么，就需要储能。
　　你似乎理解了储能到底是用来干什么的？但并没有什么大用。
　　因为，你并不能根据上述的描述来做出决策。如果你想做出某些决策，那你至少还需要解决两个问题。
　　第一个问题：储能的解决方案是什么，如果解决方案很多，哪些更有前景？
　　第二个问题：即使具有前景，那什么时候才是储能高速发展的时机？
　　所以，欢迎大家收看，由新华网、头条财经联合发起的《中国产业名片》，《中国产业名片》在上线以来，话题阅读量累计3亿，讨论量13万，子话题阅读量1亿，抖音播放量1300万，中国产业名片征文曝光量10亿，参与人数1。7万，阅读量1。1亿。
　　如果你不想错过机会，如果深度了解中国的产业变革，请关注《中国产业名片》。
　　本期，让我们走进《中国产业名片》，探索储能的未来。二：哪些储能应用最有场景
　　开放科学的论文中，有这么一句话，交流电系统中的电能并不能直接电存储。所以，能量往往通过转换交流电以电磁、电化学、动力学或是其他能量的形式进行存储。
　　于是按照储能的形式分类，储能可以分为飞轮、抽水蓄能、电池、空气压缩等等解决方案。
　　那么，接下来，我应该按照上述的储能形式分别展开讨论。
　　但，我并不打算这么做，因为，我认为分类并不合理，原因是按照形式分类，不如按照应用场景分类。
　　NREL在研究了光风发电量的波动情况，提到，风光发电在每秒、每分、每时、每天、每年都具有波动，根据时间跨度的不同，光伏和风电发电量波动的情况也都是不一样的。
　　于是，储能解决的问题，似乎可以归结为两点。
　　短时间内调节可再生能源发电的波动，以及解决长时间可再生能源发电波动，如解决季节性波动。
　　所以，与其按照形式分类，不如按照应用场景分类。
　　那，按照应用场景分类，就可以将储能分为短时存储和长期存储。
　　美国桑迪斯实验室将储能分为了四个部分，超短时存储、短时存储、长时存储和超长时存储。超短时存储是分钟级，短时存储是2小时以内，长时存储是624小时，超长时存储是超过24小时，甚至，超过一天。
　　当然，桑迪斯实验室的报告，也列出了不同部分包括的解决方案。
　　但我觉得这么去分，略有复杂，所以，我个人将储能方案分为了两类，一类是短时存储，一类是长时存储。短时存储的标准是低于6小时，长时存储的标准是高于6小时。
　　你可以可以按照4小时、10小时分类，毕竟，短时存储和长时存储没有明确的划分界限，随你开心。
　　按照我对于长时存储和短时存储的划分，可以得到这样一张图。
　　图2。1：按照短时存储和长时存储划分储能解决方案
　　短时存储主要包括锂电池、铅酸电池等解决方案，长时存储主要包括液流电池、空气压缩、抽水蓄能、氢储等解决方案。
　　当然，如果能长时存储，自然也就能短时存储。但，反过来，多数并不成立，能短时存储，并不一定能长时存储。
　　让我解释下，锂电池为什么被划为短时存储？原因是电池寿命有限、自放电率高，长时存储会导致电池老化，这是Chatgpt告诉我们的。
　　如果你不能理解上面这句话的意思，你也可以看Jacobs发布的报告，在《英国长时存储战略》中有这么两张图。
　　图2。2：不同储能解决方案的年平均资本变化图
　　这张图的意思是锂电池容量不具备规模优势，容量超过4小时后，平均资本开支基本保持不变。
　　图2。3：不同储能解决方案的度电成本
　　这张图的意思是锂电池容量超过4小时后，企业储电的度电成本将会大幅增加。
　　所以，往往锂电被用作短时存储，而不是长时存储。
　　现在，对储能分好类了，那么本节讨论的核心问题就来了。
　　哪类存储方案未来的前景更广泛呢？
　　当然，这里的讨论依然坚持我以前的作风，讨论成本。不过这里的成本讨论，可能要分为两个问题。
　　在短时存储上，所有的存储方案，都要进行对比，哪类成本更低呢？
　　在长时存储上，所有的长时存储方案，哪类成本更低呢？
　　如果要讨论成本，就要对成本进行拆分。
　　对于储能方案来说，计算成本，自然要考虑资本成本、运维成本、税费成本以及变卖之后的处置成本。
　　如果你想把它拆细点，也可以。资本成本是储能方案的投入成本。自然，这些投入包括存储块的成本，像锂电池的电池组成本；存储块的配套成本，像电缆、开关等；电力设备的成本，像双向逆变器、继电器的成本；控制和通信系统的成本，像能源管理系统的成本，等等等等。
　　我想你不想让我念下去了，所以，为了简便起见，我给大家放上来一张图，如果你感兴趣，你可以自行截图，慢慢研究。
　　图2。4：储能解决方案的成本构成
　　而，要找到哪些解决方案，可能有更大的前景，就需要讨论这些解决方案现在和未来的成本情况，自然，未来的成本情况会显得更为重要。
　　如果要讨论未来的成本情况，就需要讨论未来技术的变化趋势，然后用变化趋势去量化成本下降的空间。
　　所以，总结下对比成本的方法，你需要对每个储能方案进行足够详细的成本拆分，然后对不同的组件等再分别讨论技术变化的趋势，依据变化的趋势量化未来成本的下降空间。最后，合在一起，对比，哪个解决方案，未来的成本更低。
　　图2。5：对储能解决方案未来成本的预测方法
　　这就像，锂电池的储能解决方案成本包括资本成本，资本成本有包括电池组、电缆、逆变器、开关、继电器、集装箱等等。你需要对电池组、逆变器、开关这些都分别讨论技术的变化趋势，进而量化成本下降的空间，然后再加在一起
　　我其实并不打算做这事，我只提供对成本分析的思路，因为我找到了现成的成本趋势分析数据的报告。
　　在报告的最后，可以找到我所需要的答案，像这张图，按储能技术和存储时长，对比不同解决方案的年化成本和LCOE。
　　按照图中显示的数据，在4小时的存储时长下，也就是短时存储的情境下，不同解决方案的LCOE高低是这样的：
　　空气存储抽水蓄能液流电池锂电铅酸电池。
　　在10小时的存储时长下，也就是长时存储的情境下，不同解决方案的LCOE高低是这样的：
　　空气存储抽水蓄能氢储液流电池锂电铅酸电池。
　　图2。5：不同解决方案在4hr和10hr下的度电成本
　　当然，这只是一家一谈，需要另外一些权威的资料做交叉验证。
　　Jacobs在《英国长期储能战略》中也测算过不同方案的储能成本情况，表长这样：
　　在2小时存储时长下，不同解决方案的LCOE高低是：
　　锂电池抽水蓄能空气压缩储氢。
　　在4小时存储时长下，不同解决方案的LCOE的高低是：
　　抽水蓄能空气压缩锂电氢储。
　　在10小时存储时长下，不同解决方案的LCOE的高低是：
　　抽水蓄能空气压缩氢储锂电。
　　图2。6：不同解决方案在不同存储时长下的度电成本
　　两份报告对于不同储能方案的成本分析略有差异，但大体上可以得到这样一条结论：
　　存储时间越长，抽水蓄能和空气存储的成本越低，存储时间越短，锂电的成本优势也就越明显。
　　所以，我们立马又可以得到另外一条结论：
　　长时存储用抽水蓄能和空气存储，短时存储用锂电。
　　这结论，似乎很有道理，但往往基于一个前提：这些储能解决方案，在普遍的场景都能应用。但实际情况并不是这样。
　　这是交能网公布的关于抽水蓄电站的技术参数，其中，能量密度显示，上下蓄水池高度差为100550米。这意思是抽水蓄能的能量密度很低，如果要存储能量，要么地形上有足够的高度差，要么有足够多的水。
　　图2。7：抽水蓄电站的技术参数
　　开放科学上公布过一篇报告，在报告中，有这么一句话，压缩空气技术比较成熟，但实际上，全球只有两个压缩空气的商业工厂在运营，主要的原因是，压缩空气的能量密度也很低，需要大体积来存储压缩空气，比如洞穴、盐洞、矿井或气田。
　　氢储同样也存在问题，在美国能源部的核算中，对于氢储的成本计算，是基于盐穴储氢的方案计算的，自然，也需要地质条件。另外，氢储用于发电，多多少少有点浪费。
　　相比于其他方案，未来可能能通用的解决方案或许是液流电池。
　　但根据《科学电源杂志》的论文，当前液流电池的能量密度很低，约2535whl，这个概念是，如果存储相同的电量，当前液流电池的体积要达到锂电池的10倍左右，如果不是大型的集中式光伏系统，液流电池要用在哪呢？
　　当然，现在频发对液流电池的技术改进，未来可能能成为长时存储的通用方案，但多数的技术还停留在实验室。
　　于是，在考虑存储方案的特殊性背景下，相对正确的结论可能是这样的：
　　短时存储的核心方案可能还是锂电，而长时存储的核心方案，要根据光风系统本身满足的条件进行筛选，能用抽水蓄能就用抽水蓄能，能用空气压缩，就用空气压缩。
　　如果考虑遥远的未来，液流电池或许能成为普遍的长时存储解决方案。
　　当然，你可能能从这个结论中得出另外一个结论：还是锂电储能确定性高一些，磷酸铁锂真的是永远的神！
　　但，请你不要高兴的太早，这可能刚是你亏钱的开始，因为这并不意味着，储能高速发展的时机，就在现在。三：找到储能高速发展的时机
　　NREL的报告曾列示了，在不同年份下，光伏渗透率下，鸭图的变化情况，也就是光伏渗透率越高，电网净负荷也就越高。
　　图3。1：不同光伏渗透率下的净负荷情况
　　于是，发电企业或者电网需要储能来解决弃电的情况，按照这篇报告的预计，当加利福尼亚的光伏渗透率超过11的时候，传统的电网系统便无法承担光伏产生的净负荷。如果加上风电11的假设，那么可再生能源渗透率达到22的时候，加利福尼亚的电网便无法承担光伏产生的净负荷，也就意味着需要安装储能。
　　国际能源署，也披露过一篇报告，在报告中阐述，当可再生能源渗透率超过20的时候，电网便无法调节可再生能源产生的净负荷情况，便需要储能。
　　光大证券的研究报告写的更为具体，报告将储能的发展分为三个阶段，第一个阶段，风光发电量为10时，火电等存量发电机组可以提供灵活性；第二个阶段是，风光发电量超过20的时候，火电等存量发电机组灵活性可能不够，需要储能设备。
　　图3。2：储能产业的发展三阶段
　　我想他们计算的标准，都是基于传统电力可以承载的灵活性极限，怎么理解，如果有没听懂的小伙伴，可以翻到最前面去。
　　但问题是，产业需求不代表商业需求。
　　一个传统的电力系统，基本上有三部分构成，发电侧、电网侧和用电侧，三部分都有对储能的产业需求，但我们从商业需求来看，可能产业需求并不代表商业需求。
　　南网能源在招股书中有这么一句话，南网能源的主营业务是工业节能服务，也就是运营光伏电站，首先满足工业企业的用电需求，自发自用，之后剩余的电量销售给电网公司，余电上网。
　　余电上网部分的电价按照市场电价，向电网公司收取。
　　按照发改委发布的21年上网电价政策，2021年起，对新备案集中式光伏电站、工商业光伏项目等，中央财政不再补贴，实现平价上网。新建项目上网电价，按当地燃煤发电基准价执行，新建项目也可自愿通过参与市场化交易形成上网电价。
　　按照各省披露的燃煤发电上网电价形成机制的实施方案，燃煤发电上网的电价分为两部分，一部分是基准价格可控浮动电价，另外一部分市场化定价。
　　南网能源的招股书展示了，光伏电站的盈利上网电价发电成本。
　　发改委的文件展示了，上网电价有两种核算基础，基准电价和市场化交易电价。基准电价可控浮动电价，是相对固定的，市场化交易电价是相对波动的。
　　现在，我，先讨论按照基准电价确定上网电价，因为当前大多数省份大多数电力还是基准电价为主。
　　光伏电站的盈利上网电价发电成本。如果，引入储能，那么。
　　光伏电站的盈利来源上网电价发电成本（弃电上网电价储能度电成本）。
　　上网电价是固定的，如果要产生商业需求，储能的度电成本就要下降，自然，起码要下降到比上网电价要低。
　　电网侧对储能的商业需求，判断逻辑也一样。
　　按照发改委发布的《升级电网输配电定价方法》，电价的定价标准是准许成本合理收益。
　　成本会随着上网电价发生改变，合理收益在可控范围之内，意思是说上网电价变化不大的情况下，输配电电价也就变化不大。
　　那同样的道理，电网侧的商业需求产生的节点是，输配电合理度电收益大于储能度电成本。
　　输配电电价变化不大，那，电网侧产生需求，也要求，储能的度电成本下降，自然，下降的越多越好。
　　但，问题是，锂电储能的度电成本有那么大的下降空间么？
　　按照中国电力工程顾问集团测算结果，以2020年的情况计算，当锂电池储能电站年储能利用小时数达到1000小时的时候，锂电池储能度电成本为2。04元kwh。
　　当锂电池储能的单位投资降低50，循环寿命达到5000次的时候，年储能利用小时数达到1000小时的时候，锂电池储能度电成本为0。79元kwh。
　　在2021年华能集团发布的储能全生命周期度电成本的报告中，在不考虑充电成本的情况下，磷酸铁锂的储能度电成本为0。928元kwh。
　　当然，你也可以找到不同计算标准下的锂电度电成本计算方式，但大体上我们可能得到差不多的结论。
　　目前，光伏的上网电价约为0。5元kwh，储能的度电成本大概率会超过光伏的上网电价。
　　根据NERL的报告，锂电储能中最大的成本是资本成本，资本成本中占比较大的是电池组成本。锂电储能成本要大幅下降，电池组的成本就要相应下降。
　　但，按照新能源动力电池组的成本下降空间，电池组成本下降的空间来自于材料的利用效率以及电池组的空间利用效率。似乎在当前的阶段，锂电电池组的下降空间并没有想象中那么大。
　　当然，锂电池动力电池组在开拓新技术。但可用于动力电池，并不一定适用于储能。
　　所以，总结一下。
　　如果按照基准电价可控浮动电价确定风光的上网电价，那么储能的商业需求基于储能成本的下降。但对于锂电储能来说。或许没有那么大的下降空间。
　　你可以考虑强制储能，但如果电厂、电网都赚不到钱，储能设备商能赚到钱，不是很奇怪么？
　　图3。3：当前储能面临的情况
　　但，问题总要解决。不解决就会陷入到死循环。
　　储能成本高，电厂要赔钱，电厂一赔钱，就会有弃电，弃电一多了，成本就上升。成本再上升，风光无优势。
　　解决死循环，那就解决源头问题。
　　电价不以基准电价可控浮动电价作为上网电价。而以市场化确认上网电价，让储能的成本能够被覆盖掉，自然死循环就会变成正循环。
　　当然，这也叫做，电力市场化。
　　但，现在很多省份也在做电力市场化，不过，光伏发电还卖不上价格。
　　所以，这也是本期，我所留下的大坑。
　　电力市场化要进行到什么程度，才能使得储能有商业需求呢？
　　之后做不做，看各位的诚意！四：总结和缺憾
　　文章写到这，整篇文章也就算结束了。
　　我们可以总结我们得到的结论。
　　对于储能解决方案来说，多解决方案可能是并存的，短时存储和长时存储都有很大的空间。
　　在长时存储上，如果考虑地质、环境的限制，那么，液流电池、氢储或许能在未来成为普遍方案，在短时存储上，锂电可能仍然是未来的主流方案。
　　当然，长时可用于短时，短时不能用于长时。
　　趋势并不代表机会，机会来自于发电侧和电网侧拥有商业需求，而这个商业需求来源于储能成本小于弃电的收益。可以去观测储能成本的下降，但更好的解决方案，或许是电力市场化。
　　当然，本文还是存在一些缺陷的。我对氢储做了简化处理，因为相对于电力，我认为氢储在其他领域拥有更大的市场想象力。
　　另外，对于电力市场化，我们还要继续探讨市场化的深度。
　　自然，请继续关注老梨。
　　很多时候，选择比努力更重要。而很多时候选择基于趋势。作为全局中的一员，我们需要去了解趋势，特别是产业发展的趋势。
　　如果把目光放在当前的中国产业，在产业扩张和升级的过程中，中国已经发展了20个产业大类，涉及97个细分行业，形成了全产业链的格局。
　　产业之间相互勾连，形成了偌大的中国产业地图。我们可以把目光放在一个产业之上，但往往影响这个产业的，可能都不再是这个产业内部的事情，而产业链或者其他产业的变革。
　　于是，我们需要关注更多产业的变革，关注基础设施，关注民生工程，关注数字通信，关注中国新基建，关注中国产业。
　　而作为关注产业并深度报道产业的开拓者，由新华网和头条财经联合举办的《中国产业名片》也正在为我们深度剖析。
　　所以，在头条，让我们一起感受时代进步留在我们每个人身上的印记。
　　我是老梨，下期见！