如何利用分布式能源资源减轻电网投资规划的挑战
Alex Engel，落基山研究所咨询师；Mark Dyson，落基山研究所董事

我们每天都要完成各种预测工作，而科技和其他工具的进步能够让我们不断提高预测的精准度。例如，随着超级计算机和高分辨率气候模型的出现，天气预报的准确度已有大幅度提高，甚至可以提前数天精准地预测降雨或其他天气事件发生的时间。

如果天气预报出错，其影响通常不大——比如我们可能没带雨伞而被不期而至的大雨淋湿。但不幸的是，有些预测工作的影响要比天气重要得多。有些预测工作，例如对电力需求的预测，会涉及数百亿美元的投资，因此准确的预测至关重要。而如果我们无法做到准确预测，那我们就需要让投资决策具备足够弹性来应对我们对未来几十年电力需求不够准确的预测。

正是由于过去几十年中不准确的预测，现有发电容量远远超过了实际所需，这造成了今天的美国电力用户每年要为这些他们根本不需要的发电厂付出数十亿美元成本。电网规划者们直到现在才开始适应电网改革的事实，并开始认识到优先投资小规模、具备经济可行性且灵活的发电资源远比投资今天这些大规模昂贵的集中式化石燃料发电厂更具效益。让我们看看这是为什么？

“预测是困难的，尤其是预测未来。”

不幸的是，电力公司和其他电网规划者需要对未来进行大量的预测工作来确保电网的可靠性。具体来说，规划者必须预测系统峰值需求的变化情况，而这对于规划数十亿美元成本发电厂所需的时间范围来讲尤其困难。如果一家电力公司认为峰值需求会在10年后上升10%，那么它必须现在就开始计划修建新的发电厂来满足这一需求。

任何对10年后未来的预测都是不确定的，因此这些对未来用电需求的预测也经常出错。如果规划者对未来需求的过高预测和过低预测平均偏差范围相当，那么个体预测的偏差将不会导致太大问题，这些预测偏差可以在更大范围系统中互相抵消。可惜事实并非如此。

落基山研究所的分析表明，至少在过去十年中，规划者对未来电力需求的预测平均每年都比实际值高1%。这看起来微不足道，但每年1%的偏差意味着对10年后的电力需求预测值将比实际值高10%，而这10%的过度预测意味着电力公司将花费数十亿美元修建根本无人需要的发电厂。总有人要为这些成本买单。

每年，美国联邦能源管理委员会（Federal Energy Regulatory Commission，FERC）都要求电力公司和其他电网规划部门预测未来10年的峰值需求。上图总结了2005年到2015年间FERC收到的预测数据。每一条线表示一家电力公司的平均预测值与最终实际峰值相差的百分比（为降低金融危机造成的影响，2009年和2010年的预测值未计算在内）。

规划者为何过度预测

三个系统因素可以解释为什么过度预测现象会如此普遍：

• 美国经济的转型已永久性降低了经济用能强度。与1990年相比，美国单位GDP能源用量已降低了40%。其中一部分原因是服务业相对于制造业的增长，服务业创造单位GDP所需的能源比制造业所需的能源少得多。
• 对需求量过高预测的风险远远小于过低预测。如果规划者过高预测用电需求，这将会导致更多发电厂的兴建，而其中一些电厂可能并不需要。这种情况的缺点纯粹是经济上的，相对较小的成本会被分摊转嫁到个人用户或股东头上。而另一方面，如果规划者过低预测了用电需求，可能会造成用电需求最高时期的停电事故，从而造成极大的用户混乱和经济损失。这种风险差别很容易使规划者宁愿过高预测，也要避免过低预测。
• 过度预测常常能够增加股东收益。在监管下基于经营成本获得的合理比例收益是美国电力公司典型商业模式的一条基本原则。换句话讲，当一家电力公司通过对峰值需求增长的预测能够证明投资新发电厂的必要性时，该电力公司就可以收回该成本并获得这笔投资一定的回报，即使该电厂基本没人需要或使用。

过度预测的代价

过度预测的问题在于会造成过度建设，并且其成本得由根本不需要新建发电装机的用户来承担。在过去峰值需求每年稳定增长时，对一年后用电需求的过度预测仅仅意味着新建电厂的建设时间会比用户真正的需求提早几年。而现在，负荷增长因结构性转变而趋于平缓，对需求的过度预测可能意味着新建的设施可能永远不会有真正的需求。据统计，美国的发电装机已经超出所需存量达30%，而这些冗余资产每年会增加电力用户数十亿美元成本。

在需求不断增长的情况下，具备经济可行性的新建电厂在如今需求平稳或下降的条件下已不再具备经济竞争力。但为了收回已建电厂（有时甚至还包括尚在建设中的电厂）所花费的成本，电力公司需要提高用户用电费率。而涨价又会造成个别用户选择更具经济吸引力的连网太阳能加储能系统，从而造成用户流失，进而侵蚀电力公司收入和盈利能力。这造成了令人恐慌的恶性循环——电力公司为了维持本应服务于更多用户的系统而向正在缩小的用户群收取费用时，而这又造成更多的用户流失。

细分规划可降低风险

要降低过度预测对股东收益或用户成本造成的风险，规划者越来越倾向于投资分布式能源资源（DER），如能效技术、需求响应、电池储能和其他相对小规模、模块化的投资（如社区规模或电厂规模可再生能源项目），进而放弃大规模传统基础设施项目。分布式能源资源和可再生能源提供的小规模、低风险、低成本资源比传统基础设施投资典型的大规模、高风险、高成本项目具备更大的灵活性。

此类项目能够比传统发电项目或电网升级项目更快地寻找场地、获得批准并完成建设，接近实时地建设合理规模的项目以满足短期需求。这样一来就避免了传统基础设施项目规划所需的长期预测所固有的风险与不确定性。越来越多的项目可以在不到一年的时间里从概念到完工，以下就是两个最近发生的案例：

• 2016年夏天，由于龙卷风摧毁了关键基础设施，南澳大利亚省部分地区遭遇大面积停电。这次事故突显了南澳大利亚电网的一大弱点，即可再生能源比例较高，而灵活资源既缺乏又昂贵，只有依靠遥远的天然气机组。为了解决这一问题，特斯拉承诺为该地区安装100兆瓦装机储能设备，如果100天内无法完工，就免费提供整个系统。
• 南加利福尼亚州地区大部分灵活发电装机都来自于燃气电厂，这造成了该区域在天然气供应中断时难以保证电网可靠性。在Aliso峡谷燃气泄露事件造成严重供气中断威胁后，电力公司开始修建一系列分布式能源项目，其建设周期比过去传统电厂建设周期缩短了很多。这一系列的分布式能源项目包含的电池储能设备能为系统提供更强的灵活性，并减轻该地区为确保稳定供电而对天然气的依赖程度。

分布式可再生能源项目的模块化属性和较短的开发周期对急需快速部署发电资源的电网有着直观的价值，同时也降低了对预测未来的要求。相对于为了满足预测需求量而花费高额成本新建大型发电资源，规划者可以选择在真正需要的时间和地点部署开发周期短的小规模资源，从而避免高额投资因负荷增长低于预期而搁浅的风险。

虽然我们可能永远无法像预测天气那样准确地预测远期电力需求，但随着可快速部署且经济性越来越强的分布式能源资源和其他模块化资源不断涌现，也许我们根本不需要去进行这种远期电力需求预测。