太陽能與變動性發電之容量價值：方法、指標與市場意涵

1. 緒論

本報告為 IEEE PES 太陽能容量價值工作小組之最終報告。報告針對評估太陽能及其他變動性發電資源對電力系統可靠度貢獻之方法，進行批判性調查。其核心挑戰在於量化如太陽能等變動性資源，在尖峰需求期間能可靠提供多少「穩定」容量，此指標稱為其容量價值或容量信用。

本工作奠基於先前關於風力發電的工作小組報告，但特別強調太陽光電的獨特性質，例如其強烈的日/季節性模式及獨特的空間相關性。報告批判性地回顧了建模方法、統計基礎，以及將變動性發電整合至容量市場機制之議題。

2. 太陽光電資源評估

太陽光電發電由地表太陽輻照度驅動，其具有可預測的週期性，但受雲層覆蓋等氣象變異性影響而變得複雜。一個關鍵問題在於缺乏長期、高品質的發電數據，迫使必須依賴建模數據。本節討論準確捕捉以下要素的重要性：

日循環與季節性模式：太陽能可用性的固有日循環與年循環。
空間與時間相關性：太陽能輸出在不同地點與時間的相關性，影響整體資產組合的價值。
技術與設計因素：面板方位、太陽追蹤系統的影響，以及太陽光電與具備儲熱功能的聚光太陽能熱發電之間的根本差異。

3. 充裕度與容量價值之統計方法

本節構成報告的方法論核心，詳細說明用於充裕度評估的機率與統計工具。

3.1. 機率論基礎

基礎在於機率性資源充裕度評估，其評估發電不足以滿足需求（負載損失）的風險。關鍵概念包括負載損失期望值與預期未供電能量。

3.2. 統計估計方法

鑑於數據有限，穩健的統計方法至關重要。報告調查了用於建模變動性發電輸出與系統需求聯合分佈的方法，強調數據稀缺的後果，以及捕捉尾部相依性（極端低輸出/高需求事件）的必要性。

3.3. 容量價值指標

討論了兩個主要指標：

有效負載承載能力：在加入變動性發電資源後，系統在維持相同風險指數（例如，負載損失期望值）下，所能服務的額外恆定負載量。這被認為是最準確的方法。
等效穩定容量 / 容量信用：通常以變動性發電裝置額定容量的百分比表示。比有效負載承載能力簡單但精確度較低。

計算通常涉及「可靠性測試」，例如北美電力可靠性公司所使用的測試。

3.4. 將變動性發電整合至容量市場

報告探討將變動性發電整合至旨在採購穩定容量的容量市場時，所面臨的實際挑戰。關鍵議題包括：

為變動性發電資源確定降額因子。
管理變動性發電對市場價格及其他資源收入充裕度的影響。
設計能準確反映變動性發電隨時間變化且依賴天氣的價值的市場規則。

3.5. 與儲能系統之互動

簡短討論指出，共置的儲能系統（如聚光太陽能熱發電或太陽光電+電池系統）可透過將輸出轉移至更能配合尖峰需求時段，從根本上改變容量價值。

4. 應用研究與實務調查

報告回顧了近期關於太陽能容量價值的工業與學術研究。研究結果顯示，計算出的價值存在顯著差異（通常在裝置額定容量的 10% 至 50% 之間），取決於以下因素：

地理位置：太陽能資源品質及其與當地需求模式的相關性。
滲透率水準：由於飽和效應，容量價值通常隨著太陽能滲透率增加而降低。
所使用方法：使用有效負載承載能力的研究通常報告的數值低於使用較簡單指標的研究。
系統靈活性：快速調度資源或需量反應的存在可提升太陽能的容量價值。

5. 結論與研究需求

報告結論指出，準確評估太陽能的容量價值需要複雜的統計建模，以捕捉變動性發電輸出與需求之間複雜、隨時間變化的關係。確定的關鍵研究缺口包括：

在數據有限的情況下，改進對長期資源與需求相依性的建模。
開發用於容量市場的標準化、透明化方法論。
更好地理解地理分散式太陽能資產組合的價值。
整合氣候變遷對長期太陽能資源模式的影響。

6. 原創分析與專家評論

分析師觀點：解構間歇性發電的價值

核心洞察：這份 IEEE 報告不僅是一份技術手冊；它更坦率地承認，面對再生能源，我們傳統、確定性的電網規劃典範已從根本上崩潰。這裡的真實故事是產業界痛苦但必要的轉變：從將「容量」視為實體資產來評價，轉變為評價「機率性可靠度貢獻」。報告對有效負載承載能力等統計方法的強烈關注，揭示了一個關鍵事實：一兆瓦的太陽能並非等值。其價值完全取決於它在何時與何地發電，這需要一種極度情境化的分析，而現有大多數市場結構都難以應對。

邏輯流程與關鍵缺口：報告從資源評估、統計建模到市場意涵，邏輯上循序漸進。然而，它也暴露了一個明顯的運營缺口。雖然它詳細說明了如何計算容量價值，但對於系統調度員的「接下來該怎麼辦？」著墨較少。知道太陽能在炎熱夏日下午的有效負載承載能力是 25% 是一回事；擁有即時控制系統、市場訊號和靈活資源來利用那特定的 25% 則是另一回事。這呼應了其他領域將複雜模型應用於現實世界系統時所面臨的挑戰，例如將高保真生成式 AI 模型（如 Zhu 等人關於非配對圖像轉換的CycleGAN論文中所討論的）轉化為穩健、可投入生產的應用程式時，若無重要的工程防護措施，便會遭遇困難。

優點與缺點：本報告的優點在於其毫不妥協的技術嚴謹性，以及清楚區分了準確方法（有效負載承載能力）與方便但有缺陷的捷徑（簡單的容量信用百分比）。其缺點（常見於許多學術回顧）是與實施的嚴酷經濟現實略有脫節。報告提到了容量市場，但並未完全應對阻礙採用這些複雜方法的政治與監管慣性。正如國際能源署在其「轉型中的電力系統」報告中所指出的，市場設計改革往往是主要瓶頸，而非技術理解。

可行建議：對於電力公司與監管機構而言，當務之急是：停止使用統一的降額因子。立即針對太陽能資產組合試行基於有效負載承載能力的評估。對於技術供應商而言，機會在於開發軟體與分析平台，能夠大規模執行這些複雜、特定地點的可靠度計算，或許可運用空間統計與機器學習技術來改進長期資源建模。未來的電網將由理解機率分佈而不僅僅是兆瓦總量的演算法來管理，而本報告為此轉型提供了必要的統計指南。

7. 技術細節與數學架構

容量估值的核心在於機率性可靠度指標。負載損失期望值定義為在一個期間內，需求超過可用容量的預期天數（或小時數）：

$\text{LOLE} = E\left[ \sum_{t} I\left( D_t > C_t^{total} \right) \right]$

其中 $D_t$ 是時間 $t$ 的需求，$C_t^{total}$ 是總可用容量，而 $I(\cdot)$ 是指標函數。

太陽能電廠的有效負載承載能力，是透過求解額外的恆定負載 $L_{add}$ 來找到，該負載能使加入太陽能前後的負載損失期望值相等：

$\text{LOLE}_{\text{original system}}(L) = \text{LOLE}_{\text{system + solar}}(L + L_{add})$

則有效負載承載能力即為 $L_{add}$。這需要將太陽能發電時間序列 $G_t^{solar}$ 建模為一個隨機過程，通常需考慮其與 $D_t$ 的相關性。

關鍵統計挑戰： 建模聯合分佈 $P(D_t, G_t^{solar})$，尤其是其尾部（即極高需求與極低太陽能輸出同時發生的機率）。可採用 Copula 函數或進階時間序列模型（例如向量自我迴歸、廣義自我迴歸條件異變異數模型），如同金融與氣候風險文獻中所引用者。

8. 分析架構：範例個案研究

情境： 評估美國西南部某電力公司系統中一座 100 兆瓦太陽光電廠的容量價值。

數據收集： 取得 5 年以上歷史每小時系統負載數據，以及電廠地點（或來自 NASA/PVGIS 資料庫的代理數據）的同期太陽輻照度數據。
建模太陽光電輸出： 使用太陽光電性能模型將輻照度轉換為交流發電量，並考慮溫度、逆變器效率和系統損失。
建立基準風險： 使用機率性資源充裕度模型（例如，序列蒙地卡羅模擬），計算系統使用現有傳統發電機組時的負載損失期望值，並考慮強迫停機率。
計算有效負載承載能力：
- 將 100 兆瓦太陽光電發電時間序列加入容量組合中。
- 再次執行充裕度模型以找出新的、較低的負載損失期望值。
- 在原始系統（不含太陽光電）中迭代增加一個恆定負載區塊，直到其負載損失期望值與包含太陽光電的系統之負載損失期望值相符。
- 所增加的恆定負載量即為有效負載承載能力。例如，若增加 28 兆瓦負載能恢復原始的負載損失期望值，則有效負載承載能力為 28 兆瓦，容量價值為 28%。
敏感性分析： 針對不同的太陽能滲透率情境、不同氣候年份，以及加入與太陽光電共置的 50 兆瓦 4 小時電池儲能系統，重複進行分析。

預期洞察： 當太陽能輸出與系統尖峰時段（通常是夏季傍晚）完全相關時，有效負載承載能力將最高。加入儲能系統很可能顯著提高有效負載承載能力，因為它能將部分發電轉移至晚間尖峰時段。

9. 未來應用與發展方向

概述的方法論正處於演進與更廣泛應用的階段：

混合式資源估值： 此架構對於評估混合式電廠（太陽光電+風力+儲能）的價值至關重要，其容量價值是非線性的，且大於各部分之和。
配電層級充裕度： 隨著分散式太陽能普及，將需要類似的機率性方法來評估本地網路充裕度與承載容量，超越簡單的「尖峰 15%」經驗法則。
氣候調整規劃： 整合氣候模型預測，以評估變化的雲層模式、熱浪和需求型態將如何影響太陽能在 30 年資產壽命內的長期容量價值。
機器學習增強： 使用生成對抗網路或 Transformer 模型，從有限的歷史數據中創建相關的需求與變動性發電輸出的合成長期時間序列，以提高統計置信度。此方法靈感來自於其他領域創建真實合成數據的進展。
動態容量市場： 未來的市場可能朝向隨時間變化或特定地點的容量信用發展，基於預測的天氣與系統狀況進行近即時計算，這需要嵌入使用本報告所述的模型。

10. 參考文獻

IEEE PES Task Force on Capacity Value of Wind Power, "Capacity Value of Wind Power," IEEE Transactions on Power Systems, vol. 29, no. 3, pp. 1363-1372, May 2014.
North American Electric Reliability Corporation (NERC), "Methods to Model and Calculate Capacity Contributions of Variable Generation for Resource Adequacy Planning," NERC Report, March 2011.
International Energy Agency (IEA), "Power Systems in Transition," 2020. [Online]. Available: https://www.iea.org/reports/power-systems-in-transition
J. Zhu, T. Park, P. Isola, A. A. Efros, "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks," in Proc. IEEE ICCV, 2017. （引用作為與變動性發電合成數據創建相關之進階生成建模範例）。
P. Denholm et al., "The Role of Energy Storage with Renewable Electricity Generation," National Renewable Energy Laboratory (NREL) Technical Report NREL/TP-6A2-47187, 2010.
R. Sioshansi, P. Denholm, T. Jenkin, J. Weiss, "Estimating the Value of Electricity Storage in PJM: Arbitrage and Some Welfare Effects," Energy Economics, vol. 31, no. 2, pp. 269-277, 2009.

目錄