小题大做：来自家庭的过渡性压力

通过使用这些成本最优的电池容量，他们发现替代电池运行模式可以显著降低冬季峰值需求，并且电池容量的增加超过成本最优配置只会略微降低总体盈利能力。这表明，家庭和公用事业公司之间有机会进行联合投资，以进一步改善峰值需求减少。Schopfer等人（2018年）使用来自瑞士苏黎世4190户家庭的实际能耗数据，通过光伏电池模拟模型（也最大化自耗）和使用时间零售电价和平配，计算了一系列预先确定的光伏电池组合和系统成本的净现值。2018年光伏和电池系统成本分别为2000欧元/千瓦和1000欧元/千瓦时，只有不到一半的家庭可配置光伏系统，光伏电池系统仍然无利可图；然而，随着电池成本降至250至500欧元/千瓦时，大多数家庭拥有盈利的光伏电池系统，出现了一个转折点。Linssen和Stenzel（2017）的重点是实际能源消耗数据的使用，这表明聚合或合成数据可能导致对经济可行性的高估。其他采用成本最优家用光伏电池视角的例子包括Dietrich和Weber（2018年）、Hoppmann等人（2014年）、Talent和Du（2018年）、von Appen和Braun（2018年）以及Weniger等人（2014年）。然而，这些自下而上的光伏电池研究都使用了“绿地”（或一次性投资视角），而在家用光伏电池文献中很少评估“棕地”视角，即关注增量投资以评估成本最优路径。

实物期权模型以前曾用于评估不同政策条件对公用事业规模可再生能源投资决策的时间和规模的影响（Reuter等人，2012年），但最近才用于评估光伏电池投资（马等人，2020年）。2.2.2。电力系统转型通过能够消费、自行发电和储存能源，拥有光伏和电池系统的客户不是电力系统中的被动参与者，而是对价格和期望做出反应的积极参与者（Klein和Deissenroth，2017），能够影响更广泛的能源系统转型。能源转型被描述为技术经济、社会技术和政治视角之间的共同演化关系，转型路径是由众多竞争参与者驱动的一系列重组系统（Bolwig等人，2019年；Cherp等人，2018年；Geels等人，2017年；Pfenninger等人，2014年）。由于能源系统不同层面之间的复杂相互作用超出了纯粹的数值假设，这些研究强调了使用定性和定量分析相结合来评估能源系统转换的重要性。例如，Schill等人（2017年）对各种光伏电池运行策略的直接和间接支持机制的实施进行了建模。数字数据被用作定性评估德国电力行业采用家用光伏电池的潜在作用的基础。一系列定性的系统级论据支持和反对家用光伏电池的采用，例如私人资本比公共资本可用于增加可再生能源的渗透率，通过在日益增加的安全担忧中加强数据保护。

作者还强调了通过鼓励系统友好型家庭电池运行来降低系统运行成本的潜力。Neetzow等人（2019年）分析了各种政策机制，这些机制鼓励市场友好型家庭光伏电池运营，同时减少网络容量扩张的需求。他们发现，电网接入政策应辅以负荷政策，以激励住户以系统友好的方式运行光伏电池系统（即，利用电力系统的备用容量，而不是加剧其约束）。他们警告政策制定者，谨慎的政策设计是必要的，因为电池系统可能（如果不加检查）加剧整个配电网的负荷和供电问题。Eid等人（2016b）根据欧洲案例研究，构建了一个各种当地能源管理市场设计的框架。通过评估社会经济结构和监管环境，他们定性地讨论了以系统友好的方式整合DER系统所需的一系列变化，以及这种转变带来的挑战和机遇。通过结合使用定量和定性方法，这些研究分析了更广泛的能源系统整合结果，并为其他地区的应用提供了进一步的背景。2.2.3. 建模方法分析零售电价、光伏和电池容量的家庭安装、总剩余需求、配电网络、批发市场动态和现有公用事业规模发电机之间的相互作用需要越来越多的参数和假设（Bale等人，2015）。其中许多因素取决于无法完全用数字表示的社会政治因素（例如：。

住户个人决定安装PVB电池系统，以及维持优惠政策机制的政治压力（如统一的上网电价）。本文通过使用一系列自下而上的情景以及定量和定性相结合的方法来解决这一建模差距。该方法分析了光伏电池投资家庭（在零售和上网电价不变的情况下）可能对不同电力部门层面产生的定性影响。通过将光伏电池的采用视为一系列离散和增量投资机会，为单个家庭提供能源转换途径。这种棕地方法侧重于家庭光伏电池投资途径如何随时间变化，以及它们如何导致电网利用率的总体变化。随着不同电网运行阶段的出现，其过渡构成了定性评估（即描述重要的相互关系和依赖性）电力行业影响的基础。据作者所知，到目前为止，还没有任何研究对光伏和电池成本的降低，以及持续使用统一零售和上网电价，如何导致家庭剩余需求对电力部门的系统运营、市场和尾部能源政策产生过渡压力进行建模和描述。3.方法和案例研究3。1.分析框架本研究使用了先前研究（Say等人，2019年、2020年）中使用的技术经济投资模拟模型，称为Electroscape。该模型将家庭可用的光伏和电池配置范围视为一组相互竞争的投资机会（基于电费节省）。通过利用投资决策树（基于实物期权评估），利用房屋自身的基本需求和日照情况，模拟了一系列房屋的年度光伏电池装机容量预测。

该数值模型确定了在（外源性）零售市场条件下，家庭电网利用率可能发生的变化。通过将这些变化归类为一系列电网运行过渡阶段，评估了对电力部门的定性影响。本文以统一零售电价为重点，评估了五种不同零售使用电价（容积）拟合相对价值的情景，以及敏感性分析中的高增长和低增长情景（附录B）。FiT付款仅适用于先被潜在需求消耗后的能源出口量。利用澳大利亚（AEC，2018；AEMC，2018a）和其他地区代表性的适配条件，模拟了五种适配场景，它们对应于将适配设置在零售使用费的0%到100%之间（使用25%的步长），并且仅适用于PVsystems为5 KWs和以下的家庭。这五种拟合方案分别命名为拟合、拟合、拟合、拟合和拟合，并将拟合值分别定为零售使用费的0%、25%、50%、75%和100%。因此，在这种情况下，家庭不会因为过度的能源出口而获得报酬。在剩余的FiT场景中，能源出口价值增加，但仅适用于光伏系统功率在5千瓦及以下的家庭（AEMC，2018a；Solar Choice，2019c）。通过独立模拟这五种情景，我们大致捕捉到了适应度随时间变化的情况。

例如，如果FiT最初的估值为零售使用费的50%（即，0.40美元/千瓦时的使用费为0.20美元/千瓦时），然后在未来10年内逐渐降低到零售使用费增长的25%（即，0.125美元/千瓦时的使用费为0.50美元/千瓦时），那么过渡影响可能存在于FiT和FiT情景的模拟结果之间。德国（Engelken等人，2018年）、英国（皮尔斯和斯莱德，2018年）、日本（Kobashi等人，2020年）3.2。光伏电池采用和/或电池组合建模。由于潜在的家庭需求保持不变，这些零售市场条件是采用的唯一驱动力。通过将未来10年的预期账单节省作为投资现金流，将系统安装成本作为前期资本成本，并使用平均业主自用标准可变住房贷款利率作为贴现率，计算每个光伏电池组合的净现值。这使得每个光伏电池配置都被视为相互竞争的投资机会。如果财务回报足以降低投资的不确定性风险（即要求短于5年的结算回收期），则在给定模拟年选择并安装具有最高NPV的系统配置。这更新了家庭未来的网格化和以后的PV电池投资，必须考虑安装系统的配置。附录C中提供了有关财务和投资建模假设和方程式的更多详细信息。这种迭代方法允许新的光伏电池投资动态响应不断变化的零售条件，同时考虑以前的投资。

由于该模型将相同的投资方法应用于每个家庭，家庭之间安装的光伏电池系统容量的变化是由潜在需求和太阳辐射状况的差异驱动的。在模拟结束时，每家每户都会生成20年内每半小时一次的分辨率网格利用率概况。通过汇总所有模拟家庭的电网利用率，生成配电网层面电网利用率变化的表示。这是通过模拟从安装额外光伏和/或电池系统到家庭预期电网利用率（考虑之前安装的光伏和/或电池系统）的技术操作来确定的。模拟PV和电池模型考虑性能退化，有限的运行寿命，系统损耗和容量限制。然后，使用电价和拟合对年度电网进口和电网出口的差异进行估值，以确定预期的账单节省。附录C中提供了更多详细信息。这种顺序投资方法对“棕地”投资进行建模，并允许对现有系统改造的经济性进行明确建模。3.2.2. 技术光伏和电池模拟模型光伏和电池运行的技术建模遵循Hoppmann等人（2014）描述的模拟框架，并使用位于仪表后面的交流耦合光伏电池系统。该技术模型的目的是，根据家庭独特的基本需求和日照情况，评估不同光伏和电池容量组合在10年财务期限内对家庭电网利用情况的影响，从而实现潜在的电费节约。光伏发电概况是通过将家庭（kWh/kWP）的日照概况与光伏容量进行比例调整而得出的。

通过从家庭需求中减去发电概况，计算出中间净需求概况。电池模拟模型在其电池容量约束范围内使用该中间净需求曲线来确定最终的剩余需求曲线。电网充电和电网放电没有建模，因为时间不变的电价消除了能源电价的经济激励。因此，电池调度算法仅旨在最大限度地提高光伏自用电量，方法是用多余的光伏发电量进行充电，直到充满电，然后放电，以避免电网不及时进口（并保持在电池逆变器限制范围内）。附录C.3.3中提供了有关技术建模假设的更多详细信息。澳大利亚珀斯的案例研究参数和条件SWIS网络上最大的负荷中心是澳大利亚珀斯州首府所在的区域。小岛国的SWIS网络及其自由化的电力市场提供了一个案例研究，因为它自然会限制外部因素的数量。SWIS大约有1个。住宅、商业和工业部门的100万客户分别消耗其18太瓦时总年能源需求的27%、55%和18%（澳大利亚能源市场组织，2019d）。绝大多数光伏装机容量位于业主自用家庭的电表后面，独立市场运营商继续预计，家庭部门仍将是SWI光伏容量增长的主要来源（能源转型工作组，2020年；Graham等人，2019年）。选择了一组零售市场条件，以反映澳大利亚珀斯的正常经营状况（表1）。家庭需求和光伏发电数据来自261户家庭。

由于澳大利亚珀斯的公用事业网电能表或更广泛的SWIS网络无法测量分类的基本家庭需求和日照情况，因此使用了澳大利亚悉尼261户家庭的可比数据。数据集（Ausgrid，2018）是通过公用事业总电能表获得的，该电能表分别测量了家庭需求和光伏发电量。悉尼数据集用于代表珀斯家庭，因为这两个地区拥有相似的纬度、气候条件、年能耗和太阳资源。此外，珀斯和悉尼的家庭人口统计数据（澳大利亚统计局，2017a，2017b）具有可比性（平均家庭规模分别为2.6人和2.8人），以及每周收入中值（每户分别为1643美元和1750美元）。虽然悉尼的自住住宅比例（64%）低于珀斯（73%），但悉尼公用事业电表数据来自自住和独立住户（Ausgrid，2018），反映了珀斯最有可能投资光伏电池系统的住房人口（APVI，2019b）。由于这些相似性，悉尼数据集用于表示2012年7月1日至2013年6月31日期间从澳大利亚悉尼300个总计量光伏家庭获得的半小时时间序列数据。在删除了缺少timeseries数据的家庭后，261名家庭成员重新入住。通过将太阳能光伏发电概况与其声明的光伏容量进行归一化，获得每户的日照概况（kWh/kWP）。关于数据集收集的更多信息由Ratnam等人记录。(2017).根据悉尼数据集，每户家庭的平均年能源需求为5.62 MWh，平均容量系数为14.8%。

这与珀斯一致，珀斯每户家庭的年平均能源需求为5。83 MWh（澳大利亚统计局，2013年），平均光伏容量系数为14.1%（NREL，2018年）。珀斯家庭的需求和光伏发电。附录A.1提供了潜在需求数据的总体特征。根据SWIS零售条件，采用两部分零售电价结构，初始使用费为0.27澳元/千瓦时（无限能源，2017年），固定日电价为0.95澳元/天。根据2008年至2018年期间的历史电价上涨情况（澳大利亚统计局，2018年），假设零售电价以每年5%的固定利率上涨。FiT付款反映了现有的零售商条件（Synergy，2017），仅适用于5 Kw及以下的家庭。光伏系统成本从1400澳元/千瓦（Solar Choice，2019b）开始，每年下降-5.9%（Ardani等人，2018年）。对光伏发电的线性退化进行了建模，在25年的运行寿命结束时，剩余80%。电池系统成本从900澳元/千瓦时（Solar Choice，2018；特斯拉，2018）开始，每年下降-8%（BNEF，2019b）。电池型号的技术规格基于当前可用的锂离子电池系统，如特斯拉Powerwall 2和Sonnenbertrie。电池在100%放电深度、5 kW充电和放电极限、92%的循环效率（反映保证的性能）下进行模拟，并假设在10年运行寿命结束时，仍有70%的储能容量存在线性退化。由于使用了扁平零售布，因此不模拟电网充电和放电。假设住户这是一个简化的假设，用于说明对家庭光伏电池投资的影响。低敏感度和高敏感度分析分别评估了每年2%和8%的通货膨胀率。