最近Nature的一篇文章讨论了中国发展光伏和风电的最佳路径。
Wang, Y., Wang, R., Tanaka, K. et al. Accelerating the energy transition towards photovoltaic and wind in China. Nature 619, 761–767 (2023). https://doi.org/10.1038/s41586-023-06180-8
借此机会，本期从模型的角度很技术性地讨论一下光伏、风电成本（价格）的未来趋势和电网比例。从现实角度看，近几年来受到疫情、原材料、劳动力等等影响，光伏和风电在2023年目前的价格都已经比2021年要高，但长期来看，光伏和风电的成本（价格）会继续下降吗？
不管怎么去衡量和计算LCOE，光伏、风电的长期成本（价格）主要取决于三个力量：一是技术进步，因为技术变换和进步、知识扩散和学习、大规模制造等原因，光伏、风电会下降；二是电网规律，光伏、风电作为间歇性能源，在电网中的比例越高，其价值就越低，其利用率也会变低（“光伏风电建得越多，光伏风电就建得越少”）。这一点又和传输、储能、需求侧响应等等的未来情况有关。三是经济定律，人们建造光伏的时候总是整体资源最好的地方开始，先易后难，随着越建越多，其资源条件、原材料供应、软成本都可能变差/变好，这些又和宏观经济、政治社会条件的变化相关。Nature的这篇文章通过考察（1）学习率、（2）电网中的传输、储能、需求侧响应等、（3）土地资源、风光资源等对上述三个力量都有一定涉及。文章指出在最优情况下，风光的LCOE未来四十年仍有可能下降30%。（这篇文章对于电力系统的优化模拟不同于常见的电力扩展优化模型，我也没太想明白这种区别会怎么影响结果）。
预测未来LCOE是一个很困难的事。这可能是未来电网中最不确定的事情之一。
光伏、风电成本（价格）的一个重要的不确定性来源就是未来利用小时数的变化。有观点认为光伏、风电需要大量超额建造（overbuild），也有观点不这么认为。
Nature的这篇文章下图探讨了光伏、风电的Power-use efficiency和建造量在不同情景（caseA-E）的关系。Power-use efficiency定义为整体的发电量有多少能被消费掉（the fraction of the generated power consumed by end users）。
感觉这个图可以帮我们理解光伏、风电需不需要overbuilt。大概是蓝色的线下光伏、风电的利用率越建越低，而且下降很快，这些蓝色的线测试的是光伏电厂能建多大（10GW还是100GW）和跨区域的超高压传输（文章中的超高压传输量级很大很大）。这两次事对于提高光伏、风电的利用率用处不大。大多数模型结果也认为传输有用，但作用有限。
文章中的绿色和蓝色线是储能和消费端的电力化率。把这两件做好，对提高光伏、风电的利用率用处较大。红色的线则包括了需求侧响应。所以光伏、风电的利用率和储能、消费端的电力化率、特别是需求侧响应的能力有关。而且这些东西都做好了，即使在高比例风光的条件下，利用率也很高很高。这个结果的机制是什么呢？
储能的因素很多文章都介绍过，储能确实可以帮助风、光建得更多。风光的核心问题就在你可以替代很多电，但是你无法解决傍晚用电高峰的问题。这个问题储能解决起来也不容易，因为储能的利润靠差价套利，所以储能的建的越多，储能的利润就越低（“储能建得越多，储能就建得越少”）。所以很多研究认为未来的系统中，储能的作用比传输大很多，但是也不能解决所有的问题。
Nature这篇文章的关于需求侧响应的假设是88%的电力需求可以灵活波动，而且优化过程似乎没有考虑需求侧响应的成本。下图是文章中2060年利用需求侧响应之前的负荷曲线，和利用需求侧响应之后的负荷曲线，可以看到优化情景下，需求侧响应被大幅调动了。经济学规律告诉我们“需求侧响应越多，需求侧响应就越少”，所以这种大规模的需求侧响应可行性还需要进一步验证。但是这篇文章的结果证实了需求侧响应很重要很重要。我感觉未来新型电力系统最不确定的事情（似乎不需要之一）就是需求和需求响应。
文章中的下图很清楚的展现出在不同的发展条件下，风光的边际减排成本，相比的是煤油气。我们可以看到如果只做好储能（对应C、绿色）或者只做好电气化率（对应D、黄色），电网中一半左右的碳仍需要CCUS来减排（感觉CCUS50刀的MAC算相对低的估计？）。但如果完成假设中的需求侧响应（对应E、棕色），光伏、风电就几乎秒杀了其他技术，只需要核电和水能。这也是一个电网中需要多少CCS的好阐述：取决于储能、电气化率和需求侧响应。但就算都做到极致，也至少有一小部分需要CCS或者氢能，需要负碳排放则另说。
