1. Введение
Переход на возобновляемую энергию необходим для достижения климатических целей, но присущая ветровой и солнечной генерации волатильность создаёт фундаментальную проблему для стабильности энергосистемы. В данной статье рассматривается основополагающая критика Х.-В. Зинна, который утверждал, что для смягчения этой волатильности потребуются мощности гидроаккумулирующих электростанций (ГАЭС), «на несколько порядков превышающие» нынешние доступные в Германии, что обрекает ВИЭ на второстепенную роль при поддержке традиционных электростанций. Авторы представляют контраргумент, предлагая трёхкомпонентную стратегию — избыточные мощности, умные счётчики и оптимизированные технологии — для радикального снижения потребностей в накоплении и создания 100% ветро-солнечной энергосистемы, потенциально масштабируемой для удовлетворения более широких энергетических потребностей.
2. Проблема волатильности и вызов Зинна
Основной недостаток ветровой и солнечной энергии — их зависимость от переменных погодных условий, ведущая к колебаниям выходной мощности. Это создаёт несоответствие между генерацией ($P_v$) и спросом ($P_d$). Анализ Зинна подчеркнул огромный масштаб накопительных мощностей, необходимых для сглаживания этих колебаний, и пришёл к выводу об их экономической и практической неосуществимости, что, таким образом, требует резервирования на ископаемом топливе. Центральный тезис данной статьи — оспорить этот вывод, переопределив параметры проблемы.
2.1. Количественная оценка волатильности и потребностей в накоплении
Волатильность определяется как колебания вокруг среднегодового значения. Требуемая ёмкость накопления $E_{sf}^{max}$ определяется как разность между максимумом и минимумом интегрированной чистой флуктуационной мощности $E_{sf}(t) = E_{vf}(t) - E_{df}(t)$, где $E_{vf}$ и $E_{df}$ — флуктуирующие части волатильной генерации и спроса соответственно.
3. Предлагаемая структура решения
Авторы предлагают синергетический трёхсторонний подход для снижения эффективной волатильности и, следовательно, потребности в накоплении, рассчитанной Зинном.
3.1. Избыточные мощности (сверхразвёртывание)
Развёртывание ветровой и солнечной мощности, превышающей потребности среднего спроса ($P_{va} > P_{da}$), гарантирует выработку достаточного количества энергии даже в неоптимальных условиях. Это уменьшает глубину и частоту дефицита генерации, сглаживая кривую $E_{vf}(t)$.
3.2. Умные счётчики и управление спросом
Интеллектуальное реагирование спроса через умные счётчики позволяет смещать потребление ($P_{df}$) на периоды высокой генерации. Это «формирование нагрузки» активно снижает чистую флуктуацию $P_{sf} = P_{vf} - P_{df}$, эффективно используя спрос в качестве виртуального ресурса накопления.
3.3. Оптимизация технологий: турбины для слабого ветра и панели для рассеянного света
Выход за рамки стандартного оборудования, оптимизированного только под эффективность. Использование турбин, рассчитанных на более низкие скорости ветра, и солнечных панелей, эффективных при рассеянном свете (например, перовскитные или двусторонние элементы), расширяет профиль генерации, сокращает периоды нулевой выработки и делает генерацию более предсказуемой и менее «пиковой».
4. Математическая модель и результаты
Анализ основан на чёткой математической модели, применённой к реальным данным немецкой энергосистемы за 2019 год.
4.1. Уравнения баланса мощности
Фундаментальные уравнения, описывающие систему: $$P_{va} = P_{da}$$ $$P_{sf} = P_{vf} - P_{df}$$ Накопленная энергия — это интеграл: $E_{sf}(t) = \int_0^t P_{sf} \, dt = E_{vf}(t) - E_{df}(t)$. Ключевой метрикой является требуемая ёмкость накопления: $E_{sf}^{max} = \max_t\{E_{sf}(t)\} - \min_t\{E_{sf}(t)\}$.
4.2. Анализ масштабирования и применение данных за 2019 год
Используя данные за 2019 год: $P_{da} = 56.4$ ГВт, измеренное $\hat{P}_{va} = 18.9$ ГВт. Для удовлетворения спроса только за счёт ветра и солнца генерация масштабируется с коэффициентом $s = P_{da} / \hat{P}_{va} \approx 3$. Ключевое предположение — линейное масштабирование паттерна флуктуаций. Применение трёх предложенных стратегий в этой масштабированной модели показывает резкое снижение расчётного $E_{sf}^{max}$ по сравнению с базовым сценарием Зинна, что указывает на осуществимость.
Ключевые данные (2019, Германия)
Средний электрический спрос ($P_{da}$): 56.4 ГВт
Средняя волатильная генерация ($\hat{P}_{va}$): 18.9 ГВт
Требуемый коэффициент масштабирования ($s$): ~3.0
5. Критический анализ и отраслевая перспектива
Ключевой вывод
Статья Люстфельда — не просто техническое опровержение; это стратегический поворот от накопительно-центричного к системно-инженерному взгляду на декарбонизацию энергосистемы. Настоящий прорыв заключается в осознании того, что проблема заключается не только в сглаживании волатильного предложения, но и в динамическом управлении взаимосвязью между предложением и спросом. Это согласуется с принципами современной архитектуры энергосистем от таких институтов, как Национальная лаборатория возобновляемой энергии США (NREL), которые делают акцент на «гибридных системах» и гибкости.
Логика и сильные стороны
Логика убедительна: 1) Признать пугающий расчёт Зинна по накоплению. 2) Ввести три не-накопительных рычага (сверхразвёртывание, умный спрос, лучшие технологии). 3) Показать математически, как эти рычаги напрямую сокращают разрыв в накоплении. Её сила заключается в использовании реальных, детальных (15-минутных) немецких данных — случая с высокой долей ВИЭ — что делает анализ достоверным. Особенно проницательным является акцент на выборе технологий (турбины для слабого ветра), выходящий за рамки финансовых моделей к инновациям в оборудовании.
Недостатки и пробелы
Однако в статье есть значительные слепые пятна. Во-первых, предположение о линейном масштабировании является серьёзным упрощением. Развёртывание мощностей в 3 раза больше не просто утроит паттерны выработки; географическая диверсификация и перегрузка сетей создадут нелинейные эффекты. Во-вторых, она недооценивает интеграционные издержки. Сверхразвёртывание приводит к массовому ограничению генерации в пиковые периоды, что разрушает экономику активов, если не сочетается с ультрадешёвым накоплением или производством водорода — момент, подчёркнутый в недавних исследованиях MIT и Princeton Net-Zero America. В-третьих, социальная и регуляторная осуществимость повсеместного управления спросом остаётся без внимания.
Практические выводы
Для политиков и инвесторов вывод ясен: Прекратите зацикливаться только на накоплении. Портфельный подход является ключевым:
- Регулирование для гибкости: Обязать внедрение умных счётчиков и создать рынки для реагирования спроса, по аналогии с моделями Великобритании или Калифорнии.
- Инвестиции в нишевые технологии: Финансировать НИОКР для солнечных панелей для рассеянного света и турбин для слабого ветра, а не только инкрементальное повышение эффективности стандартных моделей.
- Планирование сверхразвёртывания и ограничений: Интегрировать производственные мощности «зелёного водорода» как стратегический поглотитель избыточной возобновляемой генерации, превращая издержки в потенциальный источник дохода.
6. Технические детали и экспериментальные выводы
Анализ основан на разделении данных о мощности на среднюю и флуктуирующую составляющие. Рисунок 1 в статье (упоминаемый, но не показанный здесь) обычно отображает интегрированную энергию флуктуаций спроса $E_{df}(t)$ во времени, показывая кумулятивное отклонение от среднего. «Требуемое накопление» $E_{sf}^{max}$ визуально представляет собой вертикальное расстояние между пиком и впадиной кривой чистой энергии флуктуаций $E_{sf}(t)$ после применения масштабирования и корректировок стратегий. Результат демонстрирует, что с предложенными мерами это расстояние от пика до впадины — и, следовательно, необходимая ёмкость накопления — намного меньше, чем в наивном сценарии простого соответствия волатильности.
7. Структура анализа: упрощённый пример
Сценарий: Региональная энергосистема со средним спросом 1 ГВт. Историческая волатильная генерация в среднем составляет 0.4 ГВт с высокими колебаниями. Традиционный подход (Зинн): Масштабировать генерацию до 1 ГВт. Результирующая чистая флуктуация $E_{sf}(t)$ велика, требуя огромного накопления. Интегрированный подход (Люстфельд): 1. Сверхразвёртывание: Установить 2.5 ГВт мощностей. Средняя генерация становится >1 ГВт, сглаживая кривую $E_{vf}$. 2. Умный спрос: Сместить 0.2 ГВт промышленной нагрузки (например, зарядка электромобилей, нагрев воды) на часы пиковой генерации, снижая $P_{df}$ во время спадов. 3. Лучшие технологии: Использовать турбины, которые вырабатывают при 15% коэффициенте использования установленной мощности (КИУМ) при слабом ветре против 5% у стандартных, устраняя некоторые провалы в генерации. Результат: Модифицированная кривая $E_{sf}(t)$ имеет значительно уменьшенную амплитуду. Расчётное $E_{sf}^{max}$ может быть на 60-70% ниже, чем при традиционном подходе, демонстрируя принцип без сложного моделирования.
8. Будущее применение и направления исследований
Данная структура открывает несколько критически важных направлений:
- Мультиэнергетические системы: Применение этой логики к секторальному связыванию — использование избыточной электроэнергии для тепла (power-to-heat), транспорта (электромобили) и производства водорода (power-to-gas). Это создаёт гибкие поглотители спроса, способные абсорбировать избыточную генерацию.
- Оптимизация диспетчеризации с помощью ИИ: Интеграция машинного обучения (аналогично методам, используемым для оптимизации других сложных систем, например, в вычислительной физике) для прогнозирования генерации и динамического ценообразования на реагирование спроса в реальном времени.
- Оптимизация географического и технологического портфеля: Расширение модели для оптимизации сочетания наземной/оффшорной ветроэнергетики, солнечных фотоэлектрических станций, гелиотермальных электростанций (CSP) и размещения турбин для слабого ветра по всей Европе для минимизации волатильности на континентальном уровне.
- Интеграция долгосрочного накопления: Сочетание этого подхода с появляющимися технологиями долгосрочного накопления (например, проточные батареи, сжатый воздух) для обработки остаточных, многодневных событий волатильности.
9. Список литературы
- Sinn, H.-W. (2017). Buffering volatility: A study on the limits of Germany's energy revolution. European Economic Review, 99, 130-156.
- German Federal Ministry for Economic Affairs and Energy. (2020). Energy Storage Monitoring Report.
- Fraunhofer Institute for Solar Energy Systems (ISE). (2020). Energy Charts [Data set]. Retrieved from https://www.energy-charts.de
- International Energy Agency (IEA). (2020). World Energy Outlook 2020. Paris: IEA Publications.
- National Renewable Energy Laboratory (NREL). (2021). Hybrid Renewable Energy Systems. Retrieved from https://www.nrel.gov/research/hybrid-systems.html
- Jenkins, J. D., Luke, M., & Thermstrom, S. (2018). Getting to Zero Carbon Emissions in the Electric Power Sector. Joule, 2(12), 2498-2510.
- MIT Energy Initiative. (2019). The Future of Energy Storage.