搜尋
能源觀點

執行長專欄

年棄電量 17.6 億度!日本正規劃以 AI 參與「升載型需量反應」

2024 / 05 / 27
當企業都在為了綠電不夠而苦惱,電力公司竟因為綠電太多而不得不棄而不用?隨綠電佔比逐步提升,勢必會遇到綠電發電尖峰,電力供過於求的棄電議題(curtailment)。

如何透過經濟市場、電價策略與人工智慧,讓電網有能力應對綠電的間歇性,提升綠電使用率,是所有國家在淨零轉型終將面對的課題。

因此本文將透過日本與加州的案例,與大家分享在能源淨零轉型第一線的城市,如何克服綠電的棄電議題。

 

什麼是棄電?為什麼會發生?

再生能源的間歇性,一直是電力調度的難題,面對無法排程的再生能源,電力公司時常需要配合再生能源的發電表現,調整其他電力機組的供電量。因此當大量太陽能進場可能會導致電網超出負荷範圍,為了避免電網堵塞,太陽能系統需要停止輸電給電網,甚至暫時關閉,這也稱為棄電(curtailment)。

 

 

如何解決?日本規劃「升載型需量反應」提升綠電使用率、減少棄電

升載型需量反應是什麼?和一般需量反應差在哪?

需量反應(Demand Response, DR)又稱為需求面管理(Demand Side Management, DSM):就是電力公司透過管理措施或是控制技術,減低特定時段用電需求的方法,讓電力系統在較低成本下有效舒緩短期供電緊澀的窘境,提升整體電力系統的運營效率。

然而升載型需量反應,則是在特定時段「提高」用電需求。電力公司透過 Email 與簡訊通知用戶調控儲能系統、家用熱水器、產線設備,於再生能源供過於求時段,鼓勵用戶用電。

上述的棄電問題,在日本因 2023 年除了東京外,幾乎所有地區都出現再生能源過剩而不得不「棄電」的狀況。為此如中部電力、關西電力、九州電力等大型電力公司紛紛發展「升載型需量反應」試驗計劃,期望聚合分散各處的儲能設備,在再生能源供過於求時,大量充電,提升綠電使用率。

1. 關西電力公司

針對契約容量 500kW 以上用戶,關西電力公司會在需量反應發生的前一天透過 Email、簡訊通知實施時間,透過調控儲能設備、生產設備的用電排程,在特定時段提升用電量。預計於2024年4月1日至2024年6月30日期間試行。

參考資料:2024 關西電力 デマンドレスポンス(上げDR)活用実証の開始

2. 中部電力公司

除了企業,中部電力公司也針對一般家戶,透過通訊軟體與簡訊通知家戶,在特定時段啟動家用儲能設備與熱泵式熱水器,提升用電量。並預計於2024年4月28日至2024年6月2日期間總共進行10次升載型需量反應。
再エネ導入拡大に向けた課題と、上げDRによる解決イメージ

參考資料:家庭用電気給湯器・蓄電池を対象とした上げDR実証試験を開始 2024年04月26日 中部電力パワーグリッド株式会社

 

發展「升載型需量反應」的關鍵是什麼?需要滿足這兩大趨勢

達成升載型需量反應,首先要讓調度有充分的市場行情,以及普遍可行的調控手段,也就是:1. 負電價市場 2. 需量預測型 AI

1. 負電價市場:近一步放大儲能效益

儲能或是電力調度的收益,很大一部分來自電價價差。比起過去依靠時間電價高低價差套利,現在在再生能源占比高的地區,電力交易市場甚至頻頻出現了負電價的情況。

以加州為例,截至今年為止加州已安裝近 47 GW的太陽能發電,足以為 1,390 萬戶家庭供電,並提供加州四分之一以上的電力。然而高綠電占比同時也造成了電網公司不小的麻煩。根據加州獨立系統營運商的日前價格顯示,2024年3月22日至5月20日的上午七點至下午五點,時常因太陽能發電量激增,電力供過於求,而出現長時間的負電價市場。

這導致電力公司左手一邊支付家戶、企業太陽能躉售的發電費用,右手還得放棄自家再生能源發電案場所產生的電,可以說是虧上加虧。因此寧可透過負電價機制,創造額外的用電誘因,提升用電需求。

圖 7:2024 年 3 月 22 日加州每小時太陽能和電池供電及日前價格

figure_1.png

資料來源:AIを用いた予測制御型エネルギーマネジメントシステムを開発しました。

 

以下方圖解,綠色文字框為例,AI 首先會預測電力需量與發電、餘電量,並根據市場電價與售電電價高低,判斷應該是將餘電躉售回電網、還是將餘電儲存進儲能系統最有利。以圖中右側橘色文字框來看,當有餘電發生時分為兩種策略執行:

  1. 儲能自家消費策略:當購電電價 > 賣電電價如圖二右邊樹狀圖的第一點,當電網購電的成本是每度電 25 元,而賣電給電網的單價是每度 20 元。代表買電的成本高於自己生產,因此系統的最佳調度策略是透過儲能系統,優先將生產的電力儲存留給自己使用。
  2. 聚合賣電策略:當購電電價 < 賣電電價如圖二右邊樹狀圖的第二點,當電網購電的成本是每度電 25 元,而賣電給電網的單價是每度 30 元時。代表買電的成本低於自己生產,因此系統的最佳調度策略是透過太陽能與儲能系統,在該時段盡可能賣出電力。

從儲能系統調度的角度來看,單獨考慮「購售電電價」這個因素,就會導致兩項策略截然不同。當 AI 系統預測的最佳策略是儲能自家消費時,需要提前將儲能放電,才有足夠的容量儲存可以產生的餘電。另一方面,當 AI 系統預測的最佳策略是聚合賣電時,則需要提前將儲能充飽,才有足夠的電量參與聚合售電市場。除此之外,AI 還需要即時考慮案場的超約可能、在超約罰金與參與需量反應的收益之間取捨。這些因素都將導致電力調度策略、截然不同的結果,也是為什麼未來能源管理系統,勢必大大仰賴 AI 的預測能力。

figure_2.png

資料來源:AIを用いた予測制御型エネルギーマネジメントシステムを開発しました。

 

結合兩個能源市場趨勢:1. 負電價市場 2. 需量預測型 AI。我們可以預測未來的能源調度,將藉由 AI 預測再生能源發電量、用電需量,並整合電力市場日前價格,便可以提前調度儲能設備在高電價時段放電,並在負電價時段充電。相比過往固定時段透過高低電價調度賺取價差,未來更期望透過 AI 預測再生能源發電量、提前聚合儲能設備,在負電價時段參與升載式需量反應,更具備套利空間,近一步放大儲能效益。

 

負電價開創升載型需量反應商機,需量預測型 AI 成儲能系統入場券

基於以上觀察可以發現,隨著電力市場的蓬勃發展,過去蓋綠電 -> 簽約 -> 賺取躉售費率的商業模式已迎來成長天花板,而基於棄電而催生的升載型需量反應商機無限。台灣雖尚在能源轉型的前期,但從日本與加州的案例可以發現,再生能源占比的提升,需要搭配升載型需量反應的應用發展,才不會花了錢、發了電、還用不到。因此無論對台灣企業或是電力市場來說,現在就是佈局 AI 調控儲能、發展升載型需量反應的最佳時機。

想了解更多相關議題嗎?

歡迎訂閱電子報 帶您輕鬆掌握最新能源動態!

 

專欄| 什麼是需量反應?一文帶你了解升載型與降載型需量反應與最新應用

專欄 | 電價調漲下一步?從澳洲、日本經驗看 AI 與綠電應用

 

 
分享至社群
Picture of 顏哲淵

顏哲淵

NextDrive聯齊科技創辦人兼執行長,產品榮獲日本ET/IoT Technology大賞特別獎與Good Design產品設計獎。曾任Ninecom創辦人兼執行長、美商Fresco Logic台灣區總經理,專注於能源管理服務與分散式能源議題,期望透過物聯網、雲端和大數據,創造每度電都被善加利用的智慧生活。