IEEE PES 工作小組報告：太陽能與變動性發電之容量價值

1. 簡介

本報告由 IEEE PES 工作小組撰寫，旨在解決量化太陽能及其他變動性發電資源對電力系統可靠度貢獻之關鍵挑戰。隨著再生能源滲透率提高，傳統評估「容量價值」（即資源可靠滿足尖峰負載之能力）的方法已顯不足。本報告以先前針對風力發電之研究為基礎，強調太陽光電之獨特性，對充裕度風險評估與容量評價方法進行全面性調查與批判性回顧。

主要關注領域： 本報告涵蓋太陽能資源評估、統計與機率建模技術、容量價值指標（如有效負載承載能力 - ELCC）、容量市場設計議題，以及近期應用研究之回顧。其特點在於強烈強調方法論批判，以及太陽能所面臨的特定挑戰，例如其日間模式及與負載之相關性。

2. 太陽光電資源評估

太陽能發電受地表太陽輻照度支配，其具有可預測的日循環與季節循環，但會受到雲層覆蓋等隨機因素顯著調變。與傳統發電甚至風力發電不同，太陽光電通常缺乏長期、高品質的發電數據，因此必須依賴源自氣象與衛星觀測的模型化數據。

獨特特性：

時間模式： 夜間輸出為零，並在中午前後達到峰值，這與系統尖峰負載（通常發生在傍晚時分）形成特定的重合（或缺乏重合）。
空間相關性： 雲層覆蓋可能同時影響大範圍地理區域，與風力發電相比，降低了地理多樣化帶來的效益。
設計因素： 面板方位（固定式 vs. 追蹤式）、傾斜角度以及技術類型（太陽光電 vs. 帶儲能之聚光太陽能）會大幅改變發電曲線及其容量價值。

準確評估需要對這些因素及其與負載的統計關係進行精密的建模。

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，詳細說明用於評估含變動性發電之系統充裕度的機率工具。

3.1. 機率背景

充裕度評估本質上是機率性的，旨在評估供電不足（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。變動性發電的挑戰在於對變動性資源可用性與系統負載的聯合機率分布進行建模。

3.2. 統計估計方法

由於數據限制，採用了多種估計技術：

時間序列模擬： 使用多年的歷史或合成天氣/電力數據來模擬系統運作。
分析方法： 使用機率分布（例如，針對發電機組停機、風力/太陽能輸出）直接計算風險指標，但對於相關變數而言此方法較為複雜。
相關性的重要性： 報告強調，忽略太陽能輸出與負載之間的相關性，會導致其容量價值被嚴重高估。方法必須捕捉此相依結構。

3.3. 容量價值指標

討論的主要指標是有效負載承載能力。其定義為：將此一恆定、完全可靠的容量加入系統後，所帶來的可靠度改善（例如，LOLE 的降低）與加入變動性資源相同。

計算方式： ELCC 是透過迭代比較系統在有和沒有太陽能電廠時的 LOLE，並找出能產生相同 LOLE 降低效果的「穩定」容量量來確定的。其他指標如容量信用（一個固定百分比）則被指出雖然較不準確但較為簡單。

3.4. 將變動性發電納入容量市場

容量市場旨在採購資源以滿足未來可靠度目標，但難以適當評價變動性發電。關鍵議題包括：

績效風險： 變動性發電無法保證在關鍵尖峰時段供電。
市場設計： 變動性發電是否應根據其 ELCC 獲得容量付款？對於未達績效的情況，罰則結構應如何設計？
遠期採購： 提前數年估算 ELCC 具有高度不確定性，取決於未來的天氣模式與負載形態。

報告批判了未能考慮這些不確定性的設計，可能導致採購不足或過度採購。

3.5. 與儲能系統之互動

報告簡要指出，共置的儲能系統（如聚光太陽能或太陽光電+電池系統）可以透過將能量從高發電時段轉移至高需求時段，從根本上改變容量價值。這將變動性資源轉變為部分可調度的資源，提高了其 ELCC，但也引入了關於儲能運作與劣化的新建模複雜性。

4. 應用研究與實務調查

報告回顧了文獻與產業實務，發現太陽光電的估計容量價值範圍很廣，通常介於其額定容量的10% 至 50%之間。此差異歸因於：

地理位置： 太陽能曲線與當地尖峰負載的匹配程度（例如，在夏季尖峰且下午有空調負載的系統中價值較高）。
使用的方法論： 使用簡化的「容量因數」方法的研究，其得出的價值高於使用嚴謹 ELCC 計算（考慮相關性）的研究。
系統滲透率水準： 太陽能的邊際容量價值會隨著系統中新增更多太陽能而降低，因為其越來越多地滿足較不關鍵的時段。

此調查凸顯了缺乏標準化的問題，導致不同市場和研究間的評價不一致。

5. 結論與研究需求

報告總結指出，準確評價太陽能容量需要精密、機率性的方法，以捕捉其依賴天氣的特性及與負載的相關性。報告確定了關鍵的研究缺口：

改進長期太陽能資源數據集與發電模型。
用於建模高維度相依性（太陽能、風力、負載、停機）的先進統計方法。
能有效整合基於 ELCC 的評價並處理績效風險的容量市場設計。
評估方法論的標準化，以確保可比性與透明度。

6. 原創分析與專家評論

核心洞見： IEEE 工作小組報告至關重要，儘管來得稍晚，它承認電力產業用於評價可靠度的工具組在再生能源時代已從根本上失靈。其核心啟示並非一個新公式，而是一個嚴厲警告：忽略太陽、風力與負載的聯合統計現實，將導致對電網韌性的危險幻覺。這不是學術上的細微差別；而是穩健的能源轉型與未來在一個再生能源密集的乾旱或無風寒冷期發生輪流停電之間的區別。

邏輯脈絡： 報告巧妙地建構其論點。首先解構太陽能資源本身——強調其可預測的週期但深刻的隨機缺口——然後系統性地拆解如容量因數等簡化的評價代理指標。接著轉向問題的數學核心：機率性充裕度評估。在此，它正確地將再生能源輸出與系統壓力時段之間的相關性視為關鍵。一座在冬季尖峰系統中午發電的太陽能電廠，其容量價值幾乎為零；而同一座電廠在夏季尖峰系統中則價值高得多。報告的邏輯最終揭露了這種細緻、依賴地點與時間的價值（ELCC）與大多數現有容量市場的粗略、一體適用機制之間的不匹配。

優點與缺陷： 報告的優點在於其不妥協的方法論嚴謹性，以及對太陽能特有的日間不匹配挑戰的關注，這一點在以風力為中心的討論中有時被輕描淡寫。其對應用研究的調查有效地顯示了實務中的巨大不一致性，證明了問題是真實且存在的。然而，其主要缺陷在於其謹慎、尋求共識的本質。它僅止於指出問題並列出研究需求。對於具體失敗的市場設計（例如，PJM 容量市場與再生能源的困境）或大膽的改革提案，它幾乎沒有提供直接批判。它也低估了儲能的顛覆性影響。雖然有提及，但電池重塑容量價值計算的變革潛力——將不穩定的太陽能轉變為穩定、可調度的容量——值得的不僅僅是一個旁註。如國家再生能源實驗室等機構的研究已顯示，太陽光電加儲能可以達到接近 90% 的 ELCC，這是一個報告僅略微提及的遊戲規則改變者。

可執行的見解： 對於監管機構與系統規劃者，指令很明確：立即廢除任何使用平均容量因數來授予容量信用的規則。強制規定在所有資源規劃與採購中使用基於機率、ELCC 的研究。對於市場設計者，任務是創建能夠交易機率性容量的遠期市場，或許可以使用金融衍生品或基於績效的合約，針對統計定義的「關鍵時段」內的可用性進行支付。對於公用事業與開發商，洞見在於從一開始就將太陽能與互補性資源（風力、儲能、需量反應）共同優化，以創造具有更優越且更穩定 ELCC 的混合資產。未來電網的可靠度將不是建立在額定容量的百萬瓦上，而是建立在最重要時刻統計上保證可交付的百萬瓦上。本報告是理解此差異的必讀教材。

7. 技術細節與數學框架

機率基礎是關鍵。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小時數（或天數）： $$\text{LOLE} = \sum_{t=1}^{T} P(\text{Capacity}_t < \text{Demand}_t)$$ 其中 $\text{Capacity}_t$ 包括傳統發電（受強迫停機影響）以及時間 $t$ 時變動性發電的可用輸出。

太陽能電廠的有效負載承載能力計算如下：

計算原始系統的基準 LOLE。
將太陽能電廠加入系統，重新計算 LOLE。
將一塊完全可靠的（「穩定」）容量 $C$ 加入原始系統。找出 $C$ 的值，使得： $$\text{LOLE}_{\text{original} + C} = \text{LOLE}_{\text{with_solar}}$$
ELCC 即為此 $C$ 值。正式表示為： $$\text{ELCC} = \{ C \, | \, \text{LOLE}(\text{Original System} + C_{\text{firm}}) = \text{LOLE}(\text{Original System} + \text{Solar}) \}$$

這需要對太陽能輸出 $P_{solar}(t)$ 的時間序列及其對需求 $D(t)$ 的統計相依性進行建模。一個導致錯誤的常見簡化是假設獨立性：$P(P_{solar}, D) = P(P_{solar})P(D)$。

圖表概念 - 遞減的邊際 ELCC： 相關文獻中描述的一個關鍵圖表顯示了太陽能的邊際 ELCC 作為滲透率的函數。該曲線是凹形且遞減的。最初的 100 MW 太陽能可能具有 40 MW 的 ELCC。接下來增加的 100 MW 可能只有 30 MW 的 ELCC，因為它服務於較不關鍵的時段，依此類推。這種非線性關係對於長期規劃至關重要。

8. 分析框架：範例個案研究

情境： 一位系統規劃者需要評估在一個夏季尖峰區域，一座擬議的 200 MW 公用事業級太陽光電廠的容量價值。

框架應用：

數據準備： 彙整系統 10 年以上的歷史小時負載數據。使用太陽光電性能模型（例如，使用 NREL 的系統顧問模型 - SAM）搭配當地歷史天氣數據（太陽輻照度、溫度），考慮電廠特定設計（固定傾角、朝南），生成一個同步的 10 年小時輸出序列。
基準充裕度模型： 創建現有發電機組的機率模型，包括每台傳統機組的強迫停機率。使用卷積方法或時間序列模擬來計算基準 LOLE（例如，0.1 天/年）。
含太陽能模型： 將小時太陽能發電時間序列作為負負載納入（即創建「淨負載」序列：負載_t - 太陽能_t）。使用此淨負載重新執行充裕度模擬，以找出 LOLE_{with_solar}。
計算 ELCC： 執行迭代搜尋。將一塊穩定容量區塊 $C$（例如，從 50 MW 開始）加入原始系統（而非淨負載）。重新計算 LOLE。調整 $C$ 直到 LOLE_{original+firm} 等於 LOLE_{with_solar}。假設這發生在 $C = 65$ MW。
結果與詮釋： 該 200 MW 太陽光電廠的 ELCC 為 65 MW，即其額定容量的 32.5%。此價值，而非 200 MW，應為容量採購決策與市場付款的依據。分析也將顯示，太陽能輸出在炎熱夏季午後最有價值，與空調負載有良好的相關性。

此個案突顯了額定容量與可靠容量之間的差距，以及嚴謹、數據驅動的模擬框架的必要性。

9. 未來應用與方向

概述的方法論正隨著技術與電網需求快速演進：

混合資源： 主要未來方向是將太陽能加儲能作為單一、可調度資源進行評價。先進建模必須共同優化太陽光電與電池運作，以最大化 ELCC，同時考慮電池循環壽命與市場訊號。NREL 的混合優化與性能平台正在開創此項工作。
細緻化與機率性市場： 未來的容量市場可能從採購 MW 轉變為採購由統計識別的系統壓力事件期間績效所定義的「可靠度單位」。這使付款與對可靠度的實際貢獻保持一致。
氣候感知規劃： 隨著氣候變遷改變天氣模式與負載形態（更多極端熱/冷），容量評價必須具有前瞻性並納入氣候資訊，使用氣候模型預測的集合，而不僅僅是歷史數據。
標準化與開放工具： 廣泛採用需要標準化的數據集與用於 ELCC 計算的開源工具（例如，對開源GridLAB-D或REopt平台的擴展），以確保透明度並減少方法論套利。
配電層級容量價值： 隨著分散式太陽能（屋頂型太陽光電）的普及，評估其對局部及全系統可靠度的總體貢獻成為一個新領域，需要能捕捉用戶端發電的模型。

最終目標是一個動態、機率性且與技術無關的可靠度管理系統，能夠根據任何資源對維持供電的真正貢獻來有效評價它。

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.
NREL. (2023). Annual Technology Baseline (ATB). [Online]. Available: https://atb.nrel.gov/
P. Denholm et al., "The Value of Energy Storage for Grid Applications," National Renewable Energy Laboratory (NREL), Technical Report NREL/TP-6A20-58449, 2013.
North American Electric Reliability Corporation (NERC), "Special Report: Effective Load Carrying Capability (ELCC) for Intermittent Resources," 2021.
International Energy Agency (IEA) PVPS, "Trends in Photovoltaic Applications 2023," Report IEA-PVPS T1-43:2023.
S. Pfenninger et al., "The importance of open data and software: Is energy research lagging behind?" Energy Policy, vol. 101, pp. 211-215, 2017.
R. Sioshansi, P. Denholm, and T. Jenkin, "A Comparative Analysis of the Capacity Value of Wind and Solar Generation," IEEE Transactions on Power Systems, vol. 27, no. 3, pp. 1407-1414, Aug. 2012.