《Advances in Applied Energy》：Profitability of competing flexibility options in renewable-dominated energy markets: Combining agent-based and machine learning approaches
编辑推荐：
随着德国电网在2024年收到高达400 GW的电池储能接入申请，大规模储能部署如何影响电力市场动态及其自身的盈利潜力（自噬效应）成为核心关切。德国航空航天中心的研究团队利用开放源代码的基于代理电力市场模型AMIRIS，并整合运行时机器学习电价预测，首次实现了对未来高比例可再生能源场景下灵活性选项（FO）竞争、技术参数与预测精度如何共同决定其日内前市场（DAM）套利收益的系统性评估。研究发现，运营策略显著影响收益，动态规划策略优于阈值策略；在2030年情景下，系统层面存在一个盈利平台期，而当前大量接入申请所暗示的容量可能超出市场结构下的经济可持续水平。这项研究为储能投资决策和未来市场设计提供了重要的定量分析工具与见解。
在全球能源转型的宏大叙事中，可再生能源（RE）的占比正以前所未有的速度增长。然而，风能和太阳能“看天吃饭”的特性，也给电网带来了剧烈的波动性。为了平衡这种波动，维持电网的稳定，我们需要各种灵活性选项（FO）来充当“调节器”和“缓冲垫”。其中，电池储能系统（BSS）凭借其快速响应、灵活部署和模块化扩展等优势，被视为最有前途的选手之一。市场的热情也印证了这一点：仅在2024年，德国输电系统运营商就收到了约400 GW的BSS并网申请，这与当前仅2.3 GW的已安装容量形成了鲜明对比，仿佛一夜之间，所有人都想成为“电力银行家”。
但热潮背后，隐藏着两个尖锐的问题。首先，当成千上万的“电力银行家”涌入同一个市场，他们还能赚到钱吗？根据基本的市场机制，储能通过“低买高卖”进行套利。但当大量储能在低价时集体充电，会推高需求从而拉高价格；在高价时集体放电，又会增加供给从而压低价格。这种集体行动是否会“自噬”，即大幅削弱套利空间，最终让投资者无利可图？其次，储能系统本身的技术参数千差万别，有的功率大、续航短（如“短跑选手”），有的功率小、续航长（如“马拉松选手”）。在未来的高比例可再生能源市场中，哪种“体型”的储能更能适应市场节奏，实现最佳投资回报？
为了回答这些问题，由Felix Nitsch、Christoph Schimeczek和Valentin Bertsch组成的研究团队，开展了一项开创性的研究。他们巧妙地将基于代理的建模（ABM）与机器学习（ML）技术相结合，构建了一个能够模拟大量异质储能主体在真实市场规则下竞争的虚拟实验室。这项研究不仅揭示了储能竞争对市场价格的深远影响，还精确绘制了不同技术规格储能的“盈利地图”，为投资者、政策制定者和电力系统规划者提供了至关重要的决策依据。相关成果发表在能源领域知名期刊《Advances in Applied Energy》上。
本研究主要采用了三个关键技术方法。首先，核心是开源的基于代理电力市场模型AMIRIS，它能够模拟德国日内前市场（DAM）中各类市场主体（如发电商、交易商、储能运营商）的个体决策及其交互，从而内生地产生市场价格。其次，研究团队开发了AMIRIS-PriceForecast模块，这是一个在模型运行时提供机器学习电价预测的耦合模块。它使用时间融合变换器（TFT）等算法，基于历史电价和剩余负荷数据生成未来24小时的价格预测，模拟了储能运营商在现实世界中的不完全信息决策环境。最后，研究参数化了一个基于“Ariadne”项目报告的2030年德国能源系统情景，该情景描绘了一条通往脱碳能源系统的路径，并提供了详细的发电结构、负荷和CO2证书成本等数据。研究在此情景基础上，系统地改变储能的技术参数（功率、容量、效率）和运营策略，评估其盈利性。
研究结果
3.1. 方法论进展
本研究评估了集成机器学习电价预测对模型性能的影响。结果显示，预测质量显著影响储能运营和收益。采用完美预测（理论上限）时，机会主义策略能捕获所有套利机会。而采用机器学习预测时，预测误差会导致次优的充放电决策。具体而言，在机会主义策略下，预测错误可能触发非盈利的交易；在保守策略下，则可能因价格未达安全边际而错过盈利机会。与简单的“朴素”预测相比，整合了未来协变量的TFT算法能将储能收益提升至潜在最大收益的近80%。这表明，在竞争性市场中，预测精度是决定盈利能力的关键因素之一。
3.2. 灵活性选项的盈利性
3.2.1. 同质灵活性选项扩张
研究评估了在总容量固定为32 GWh，功率在1-12 GW之间变化，以及功率固定为8 GW，容量在8-64 GWh之间变化的同质储能系统的年度投资回报率（ROI）。分析发现，盈利能力存在一个“平台期”。在2030年情景下，配置为4-8 GW功率和32 GWh总容量的同质储能系统在系统层面呈现出最佳的盈利平衡。储能容量过低（能量功率比E2P低）则无法充分利用持续的价格差，过高（E2P高）则会导致储能成本占比过大。研究还计算了表现最佳的6 GW/32 GWh配置的内部收益率（IRR），在有利的成本假设和较长运营寿命下，IRR可达约20%。
3.2.2. 异质灵活性选项扩张
通过固定总容量（6 GWh），系统变化量E2P比率（1到8）和往返效率（RTE，60%到95%），研究深入分析了技术参数对收益的影响。E2P比率是决定收益的主导因素，在Ariadne情景中，E2P比率在3.5-7.5之间的中型储能系统表现最佳，能最有效地利用高比例可再生能源带来的长时间低价和短时高价差。高往返效率始终能提升收益潜力。一个惊人的发现是，对于固定容量，E2P比率低于1.5的“高功率短续航”储能系统在机会主义策略下甚至可能产生亏损，这是因为其大功率充放电行为对市场价格产生了显著影响，反过来侵蚀了自身的套利空间。这与基于历史价格数据（外生价格）的研究结论截然不同，凸显了内生性建模在评估大规模储能影响时的重要性。
结论与讨论
本研究通过耦合基于代理的模型与运行时机器学习预测，首次在高度可再生的未来情景中，对竞争性灵活性选项的短期运营收益、技术参数和预测质量之间的复杂相互作用进行了系统性分析。主要结论包括：
- 1.
运营策略与预测至关重要：机会主义（动态规划）策略在利用所有盈利价差方面优于保守（阈值）策略，但两者都受到电价预测质量的显著影响。预测误差可能导致收益损失高达20%-30%。
- 2.
存在盈利性平台期：在给定的2030年市场结构和情景下，并非储能规模越大越好。系统分析表明，总功率在4-8 GW、总容量为32 GWh左右的同质储能系统可以达到一个盈利饱和点。
- 3.
技术规格需与市场匹配：储能的最优能量功率比（E2P）取决于特定的电力系统结构。在研究的德国2030年高可再生能源情景中，中等持续时间的储能（E2P约3.5-7.5）最具盈利潜力。
- 4.
当前投资热潮可能包含经济风险：模拟结果显示，基于市场回报，当前德国电网接入申请所隐含的电池容量（400 GW/661 GWh）可能远远超过经济上可持续的水平。这表明，在现有的单一日内前市场套利收入模式下，大规模投资可能面临盈利挑战。
本研究的意义在于，它提供了一个开源、透明的工具链，能够捕捉储能竞争对市场价格的反馈效应（自噬效应），这是许多传统优化模型或基于历史价格的分析所忽视的。研究结果对投资者具有直接指导价值，提示其需要精细考量储能的技术选型、运营策略和市场进入时机。对政策制定者而言，研究强调了设计能够为灵活性提供多元价值流（如跨市场参与、辅助服务）的市场机制的重要性，以支持储能可持续发展并保障电力系统安全。未来的研究可以在此基础上，整合更多的收入来源和更复杂的运营策略，以提供更全面的储能投资评估框架。
