https://modoenergy.com/research/ercot-forecast-battery-energy-storage-revenues-production-cost-model-2050-long-term-demand-generation-capacity-outages-commodity-prices
如何建立ERCOT电池储能资产收入预测模型？
Modo Energy已为ERCOT开发了电池储能收入预测模型。该预测模型使电池所有者、运营商、开发商和融资方能够了解到2050年的收入机会。
您可以自定义输入参数，查看不同规模、容量、系统时长和位置的电池的收入预测。通过这种方式，您可以轻松地基于不同场景建立和比较商业案例。
那么这个模型实际上是如何运作的呢？该预测模型有两个主要组成部分。
首先，生产成本模型模拟了满足需求的最优经济调度发电。它以15分钟为颗粒度，一直延伸到2050年；其次调度模型模拟单个电池储能系统的运行。在此过程中，它计算储能系统的的吞吐量和循环效率。
收入模型假设至关重要——这些假设会影响电力价格（并最终产生电池储能收入）。
什么是生产消费模型？
生产消费模型按技术类型和区域点位计算发电输出——以确定每个区域的能源价格。与此同时，辅助服务采购进行协同优化，以最低的系统成本满足所有需求——包括能源和辅助服务需求，这样就能产生15分钟间隔的能源和辅助服务价格。
生产消费模型需要几个输入来预测全天候电价。
1) 长期需求预测
长期需求预测是模型的主要需求侧输入。长期需求预测确定了ERCOT在每个15分钟时段内所需的总能量。
ERCOT有自己的长期负荷预测，用于确定未来十年的预计需求。这建立在历史经济和天气数据的基础上。它按区域和需求来源（包括基础负荷、灵活负荷、屋顶太阳能和电动汽车充电）预测小时总能量需求。
在过去几个月里，ERCOT修订了这一预测——预计到2030年的峰值需求约为150 GW。
然而，这种需求中的大部分可能是灵活的、非传统的需求。因此，在夏季ERCOT的四个同期峰值期间，它实际上可能不会对峰值需求有所贡献。此外，到2030年实际可能投入运营的发电量（基于ERCOT的发电互联队列）根本不支持这种水平的负荷增长。
因此，Modo的长期需求预测主要依赖于ERCOT长期负荷预测的前一版本，并将其延伸至2050年，假设年增长率。此外，ERCOT最新修订版的长期负荷预测为Modo模型中更激进的需求增长提供了参考。
Modo预测还包括预计的辅助服务采购要求。ERCOT发布了一个预计辅助服务要求数据集，提供了到2027年的每小时预测。Modo Energy使用最后一年数据的假设将该数据集延伸到2050年。
2) 发电容量
该模型的主要供应侧输入是发电容量预测。这决定了ERCOT已安装的发电量及其按技术类型的细分。Modo Energy发电容量预测是多个数据集的汇总，包括：
EIA月度电力发电机清单 ERCOT互联队列 美国能源信息署（EIA）2023年度能源展望（或AEO - 特别是来自低零碳技术成本情景的数据）
然而，Modo自己的研究表明，典型的发电机组并网队列时间线比预计的要长。因此，发电容量模型假设太阳能场站将花费2倍于互联队列中所述的并网预计时间，而风能和电池场址将花费3倍的时间才能并网。
除了供需模型外，还有哪些因素影响预测能源生产的经济性？
3) 停机
Modo Energy的生产成本模型还预测计划维护和非计划停机。Modo的发电停机预测基于两个主要数据来源（均由ERCOT提供）：
60天SCED发电资源数据 ：概述电厂级运营数据。 月度资源充足性展望（MORA）： 跟踪每个发电资源的铭牌容量
Modo已将60天SCED数据中的遥测资源状态与MORA报告中列出的铭牌容量进行交叉引用。因此，我们可以看到每15分钟时段的历史停机情况，并且是基于场址的。然后，这些数据按技术类型汇总成过去三年每15分钟时段的可用性百分比。这些比例停机计划重复到2050年。
那么，这些停机如何被纳入预测发电量中？
4) 容量因子
由于大型可再生能源发电（风能和太阳能）是间歇性的，根据每个场址的天气条件对这些资源的输出进行建模至关重要。
Modo Energy预测考虑了ERCOT中每个场址随时间变化的高持续限制（HSLs）。对于给定资源，其HSL代表其最大持续功率输出——对于被削减的太阳能或风能资产而言，这意味着如果不被削减，它可以提供的输出。
Modo Energy预测使用2022年天气年来建立风能和太阳能发电的15分钟容量因子。Modo的预测将单年容量因子模型与发电容量模型相结合，预测到2050年每个地区未来的风能和太阳能发电。
然而，这个容量因子模型不包括削减。相反，它计算每个时期的总发电潜力。此外，使用单年天气数据提供了有用的基准参考，但并未捕捉所有极端天气情况。
5) 商品价格
最后，Modo Energy的生产成本模型依赖于能源商品价格假设，以适当预测每种发电技术类型的能源生产成本。这决定了它们在能源供应中的相对位置（成本高低）——并随后影响电价走势。
这些能源商品价格对于模拟热力发电资源至关重要。天然气和煤炭的商品价格来源于2023年度能源展望（AEO）。
对于核电站，我们不对燃料或铀的成本做任何假设。然而，预测假设它们足够便宜，可以24/7运行，并作为价格接受者。同样，对于褐煤电厂，我们假设燃料成本为-5美元/MWh——以确保这些场址作为价格接受者。这是因为ERCOT目前运营的三个褐煤电厂一直这样做。
生产成本模型如何为电池储能收入提供信息输入？
Modo Energy的生产成本模型允许预测订阅者看到2050年前每15分钟时段的以下输出：
峰值需求（GW） 总能量需求（TWh） 隐含燃料成本（美元/MWh） 发电容量（GW） 按技术类型分类的发电量（TWh）
除了这些输出外，还计算了ERCOT每个地区相同时段的能源价格（美元/MWh）。所有这些最终都输入到Modo Energy的调度模型中。该模型根据自定义规格（如大小、系统时长和位置）模拟假设的电池储能系统性能。
