高分辨率技术-经济-环境综合评估的PV-BESS系统在酒店建筑智能能源及未来电动汽车充电中的应用

《Next Energy》：High-resolution techno-economic-environmental assessment of PV-BESS systems for smart energy and future EV charging applications in hotel buildings

　　

研究人员利用高分辨率15分钟运行数据，调查了泰国一家商业酒店中太阳能光伏（Photovoltaic，PV）系统和电池储能系统（Battery Energy Storage System，BESS）的集成。该研究解决了一个实际的智能能源挑战：年度光伏发电量可能超过年度建筑用电需求，但由于太阳能生产和酒店用电需求发生在不同时间，直接可再生能源利用率仍然有限。本研究的原创性在于结合了真实运行负荷数据、光伏-负荷匹配、BESS容量场景、平准化电力成本（Levelized Cost of Electricity，LCOE）、温室气体（Greenhouse Gas，GHG）减排、电动汽车（Electric Vehicle，EV）充电场景分析以及敏感性分析，且均在热带酒店背景下进行。结果显示，尽管年度光伏发电量（304,695 kWh/年）超过了年度酒店用电需求（223,028 kWh/年），但由于酒店建筑连续24小时的需求曲线，直接光伏自耗量仅为71,130 kWh/年。在100、300和600 kWh的存储容量下评估了BESS集成。增加电池容量通过将白天多余太阳能储存供日后使用，提高了光伏自耗率并减少了电网购电。然而，更大的电池容量显著增加了LCOE，凸显了可再生能源利用与经济可行性之间的权衡。年度GHG减排量从仅光伏场景的35.56 tCO₂e/年增加到600 kWh BESS场景的104.98 tCO₂e/年，而边际环境效益在更大存储容量下降低。基于场景的EV充电分析进一步表明，白天充电可提高光伏自耗率，而晚上充电若无储能支持则会增加电网依赖。敏感性分析证实，电池成本、电价、折现率、更换时间和电网排放因子影响技术-经济-环境性能。总体而言，100–300 kWh范围内的电池容量为面向电动汽车的酒店能源系统在可再生能源利用、GHG减排和经济性能之间提供了最平衡的权衡。

在全球能源转型背景下，商业建筑中太阳能光伏（Photovoltaic，PV）系统的快速部署面临一个关键挑战：尽管年度光伏发电量可能超过建筑总用电需求，但由于发电与负荷的时间错配，直接可再生能源利用率往往受限。特别是酒店建筑，其24小时连续运行特性（如供暖、通风和空调系统（HVAC）及照明负荷）导致白天光伏发电过剩而夜间依赖电网，仅凭年度能量平衡会高估实际利用。现有研究多基于模拟或低分辨率数据，缺乏对热带地区酒店建筑真实运行条件下光伏-电池储能系统（Battery Energy Storage System，BESS）综合性能的评估，且对未来电动汽车（Electric Vehicle，EV）充电场景的集成考虑不足。为此，研究人员利用泰国巴吞他尼府一家7层（可用面积约9910 m2）商业酒店的真实15分钟间隔运行数据，开展了高分辨率的技术-经济-环境评估，旨在量化光伏-负荷错配程度、不同BESS容量下的系统性能，并分析EV充电场景的集成潜力。该研究得出关键结论：100–300 kWh的BESS容量可在可再生能源利用、温室气体（Greenhouse Gas，GHG）减排和经济性之间实现最佳平衡，为酒店建筑迈向智能能源和EV充电基础设施提供了实证依据。论文发表在《Next Energy》。

研究人员主要采用以下关键技术方法：首先，基于15分钟间隔的PV-负荷匹配分析，计算直接自耗、电网交互及自耗率/自给率；其次，通过BESS运行模拟（锂离子电池，充放电效率95%，荷电状态（State of Charge，SOC）范围10%–90%），评估100、300、600 kWh容量下的能量转移效果；第三，采用平准化电力成本（Levelized Cost of Electricity，LCOE）进行经济性评估（未折现生命周期成本）；第四，基于泰国电网排放因子0.4999 kgCO₂e/kWh估算GHG减排；第五，设计三种EV充电场景（白天7 kW交流充电、晚上22 kW交流充电、白天50 kW快速充电）；最后，通过敏感性分析考察电池成本、电价、折现率、更换时间和电网排放因子等关键参数的影响。样本数据来源于该酒店建筑的实际运行记录，并经过归一化处理以确保年度总量一致性。

研究结果按以下部分呈现：

3.1 太阳能资源与光伏发电。通过PVGIS数据库和固定倾角15°的屋顶光伏系统（203.13 kWp），年发电量达304,695 kWh，超过酒店年用电需求223,028 kWh，但存在显著的季节性波动。

3.2 高分辨率负荷-发电匹配分析。15分钟间隔分析显示，白天光伏发电高峰时段存在大量电力上网，而夜间完全依赖电网；直接自耗仅71,130 kWh/年，自耗率为23.35%，自给率为31.89%，证实了时间错配的严重性。

3.3 自耗率与自给率分析。进一步通过持续时间曲线和累积能量曲线确认，尽管总发电量大于总需求，但直接光伏利用受限于建筑连续负荷模式，仅有不足四分之一的太阳能被就地消耗。

3.4 BESS对能源利用的影响。BESS集成后，白天多余光伏电力被储存并在夜间释放，显著提升了自耗率和自给率。300 kWh和600 kWh场景下电网购电大幅减少，但边际效益随容量增加而递减，即每日主要剩余电量被转移后，额外容量的利用率降低。

3.5 经济影响与LCOE分析。LCOE从仅PV场景的1.31 THB/kWh升至100 kWh BESS的2.41 THB/kWh、300 kWh的3.54 THB/kWh和600 kWh的5.29 THB/kWh，表明电池投资和更换成本显著推高了电力成本，大型BESS的经济可行性较差。

3.6 环境性能与GHG减排。GHG年减排量从仅PV场景的35.56 tCO₂e增加到100 kWh的59.99 tCO₂e、300 kWh的89.98 tCO₂e和600 kWh的104.98 tCO₂e，但增量从24.43 tCO₂e/年降至15.00 tCO₂e/年，呈现环境效益递减。

3.7 EV充电场景分析。白天充电场景（EV-S1和EV-S3）通过吸收多余光伏电力提高了自耗率（EV-S3达41.31%），而晚上充电场景（EV-S2）在无储能时仅增加电网依赖，凸显了充电时间控制的重要性。

3.8 敏感性分析。电池成本降低20%–40%可显著改善LCOE（尤其对大型BESS），但PV-only仍最低；高电价和低折现率有利于BESS经济性，而提前更换电池或延长寿命会显著影响生命周期成本；电网排放因子降低会削弱GHG减排绝对量，但不改变相对排序。综合来看，100–300 kWh BESS在不同假设下均保持最优平衡。

讨论部分总结：本研究强调，仅凭年度或月度能量平衡会高估太阳能实际利用，高分辨率分析是评估时间错配的必要工具。BESS集成可有效改善自耗，但存在技术-经济-环境之间的权衡，与以往文献一致。边际效益递减表明，应基于边际指标而非最大容量进行系统设计。EV充电场景分析揭示了智能充电控制的重要性，白天充电可增强光伏自耗，而夜间充电需搭配储能。敏感性分析证实了电池成本、电价、折现率和更换时间等关键参数的影响，且100–300 kWh BESS在多种情景下均表现稳健。研究结论翻译如下：本研究利用高分辨率15分钟间隔运行数据，评估了商业酒店建筑中光伏和BESS的集成。结果表明，尽管年度光伏发电量超过年度酒店用电需求，但由于白天光伏发电与连续24小时用电需求的时间错配，直接太阳能利用受限。高分辨率PV-负荷匹配分析、持续时间曲线和累积能量分析均证实了错配的显著影响。BESS集成通过存储白天多余太阳能并在非发电时段使用，显著改善了时间匹配，提高了自耗和自给率，但LCOE随容量增加而大幅上升，且边际效益在300 kWh以上递减。环境评估显示，GHG减排量从35.56 tCO₂e/年增至104.98 tCO₂e/年，但边际环境效益降低。从技术-经济-环境综合视角，100–300 kWh电池容量提供了最平衡的权衡。所提出的高分辨率PV-负荷匹配方法可支持未来商业建筑中的PV-BESS规划，尤其在热带地区。此外，该框架对酒店建筑未来EV充电基础设施具有潜力：白天EV充电可提高光伏自耗，而夜间充电则需储能支持。敏感性分析确认了电池成本、电价、折现率、更换时间和电网排放因子对系统性能的影响，因此面向EV的酒店建筑PV-BESS规划应综合考虑最大可再生能源利用、经济可行性、边际环境效益以及未来不确定性。