Strategi Pengiriman untuk Pemanfaatan Sistem Penyimpanan Baterai di Bangunan yang Dioptimalkan Smart Grid

Januari 21st, 2022

Investigasi Smart Grid Optimized Buildings (SGOBs) yang dapat merespon harga listrik secara real-time dengan memanfaatkan sistem penyimpanan baterai (BSS). Karakteristik desain bangunan yang berbeda dinilai untuk mengevaluasi dampak pada penggunaan energi, interaksi dengan baterai, dan potensi pergeseran beban puncak. Dua kasus ekstrem berdasarkan konsumsi energi tahunan minimum dan maksimum dipilih untuk penyelidikan lebih lanjut guna menilai kemampuan mereka dalam memanfaatkan BSS untuk melakukan arbitrase, berdasarkan penetapan harga waktu nyata. Tiga strategi pengiriman operasional dimodelkan untuk memungkinkan bangunan menyediakan layanan tersebut. Bangunan yang paling hemat energi mampu menggeser persentase beban puncaknya yang lebih tinggi dan mengekspor lebih banyak listrik jika diizinkan.

By Andreas D. Georgakarakos

Departemen Teknik Sipil & Struktur, Universitas Sheffield, Inggris

Dan Behrang Vando

Sekolah Teknik dan Lingkungan Buatan, Edinburgh Napier University, Inggris

Dan Elizabeth Abigail Hathway

Departemen Teknik Sipil & Struktur, Universitas Sheffield, Inggris

Dan Martin Mayfield

Departemen Teknik Sipil dan Struktur, Universitas Sheffield, Inggris

Abstrak

Studi ini menyelidiki Smart Grid Optimized Buildings (SGOBs) yang dapat merespon harga listrik secara real-time dengan memanfaatkan sistem penyimpanan baterai (BSS). Karakteristik desain bangunan yang berbeda dinilai untuk mengevaluasi dampak pada penggunaan energi, interaksi dengan baterai, dan potensi pergeseran beban puncak. Dua kasus ekstrim berdasarkan konsumsi energi tahunan minimum dan maksimum dipilih untuk penyelidikan lebih lanjut untuk menilai kemampuan mereka menggunakan BSS untuk melakukan arbitrase, di bawah harga real-time. Tiga strategi pengiriman operasional dimodelkan untuk memungkinkan bangunan menyediakan layanan tersebut.

Bangunan yang paling hemat energi mampu menggeser persentase beban puncaknya yang lebih tinggi dan mengekspor lebih banyak listrik, jika hal ini diperbolehkan. Saat menggunakan baterai terbesar (220 kWh) hanya untuk memenuhi beban bangunan, bangunan hemat energi mampu menggeser 39.68% beban puncak aslinya dibandingkan dengan 33.95% bangunan paling tidak efisien. Dengan ekspor yang diperbolehkan, persentase pergeseran turun menjadi masing-masing 31.76% dan 29.46%, sedangkan ekspor sebesar 18.08 dan 16.34 kWh/m² ambil tempat. Pembentukan kerangka peraturan sangat penting untuk menetapkan motif yang tepat bagi bangunan untuk melakukan peran aktif dalam jaringan pintar.

1. Pengantar

Sektor bangunan bertanggung jawab atas persentase yang signifikan dari konsumsi energi dan emisi gas rumah kaca, di seluruh dunia [1]. Untuk kebutuhan listrik sektoral, kebutuhan listrik di masa mendatang diperkirakan akan meningkat tergantung pada banyak parameter, termasuk tingkat elektrifikasi pemanas ruangan di gedung-gedung, pemanfaatan pompa panas dan kendaraan listrik. Adopsi lebih lanjut dari teknologi ini akan menghasilkan beban puncak yang lebih tinggi dan memberi tekanan pada infrastruktur jaringan [1,2].

Konsekuensi dari beban listrik puncak yang signifikan bagi lingkungan dan ekonomi sebagai pembangkit listrik intensif karbon yang mahal diperlukan, sering menciptakan masalah serius untuk jaringan distribusi tegangan rendah dan kapasitasnya. Beban puncak dapat menyebabkan ketidakseimbangan antara pasokan dan permintaan yang akibatnya menyebabkan fluktuasi harga listrik di pasar grosir. Ketidakseimbangan ini kemungkinan akan hadir bahkan dalam jaringan dekarbonisasi karena intermiten yang diperkenalkan oleh sumber energi terbarukan (RES), kondisi cuaca musiman dan pemanfaatan teknologi baru yang disebutkan sebelumnya [3]. Lebih khusus lagi, karena sifat stokastik RES dan ketidakpastian di sekitar karakteristik keluarannya, operator jaringan tidak dapat mengontrol keluaran energi tersebut; oleh karena itu, penjadwalan dan pendistribusian energinya tidak sefleksibel dengan pembangkit listrik tradisional seperti pembangkit listrik tenaga panas dan tenaga air. Efek ini berpotensi menimbulkan fluktuasi frekuensi dan tegangan yang dapat mempengaruhi keseimbangan dan stabilitas jaringan [4]. Mekanisme yang akan memberikan fleksibilitas temporal melalui manajemen permintaan puncak sangat dibutuhkan untuk pengoperasian jaringan listrik di masa mendatang.

Di tingkat gedung, pengurangan permintaan puncak yang dioptimalkan dapat dilakukan melalui kontrol beban gedung yang terkoordinasi, yang sering disebut respons permintaan (DR), pembangkit listrik lokal (misalnya, fotovoltaik) dan penyimpanan energi. Dengan mengontrol beban pemanas, ventilasi, dan pendingin udara (HVAC) dari waktu ke waktu, bangunan dapat menjadi responsif terhadap permintaan mengikuti sinyal pengurangan permintaan dari jaringan listrik dan menghasilkan penghematan yang signifikan [5,6,7,8,9,10]. DR juga dapat dilakukan secara sinergi dengan teknologi energi lainnya, seperti gabungan panas dan daya (CHP), penyimpanan dan RES [11,12,13]. Secara temporer, dapat diklasifikasikan sebagai DR day-ahead (lambat), intra-day atau ancillary (fast), yang menunjukkan seberapa jauh spesifikasinya diatur sebelumnya. Kerangka kerja DR dapat diterapkan baik di gedung yang sudah ada maupun yang baru [14].

DR biasanya disampaikan melalui program berbasis insentif dan berbasis harga [15]. Untuk menerapkan DR, sangat penting untuk mengetahui dan memahami jumlah energi yang digunakan oleh sebuah bangunan, setiap hari dan setiap jam. Kemampuan sebuah bangunan untuk mengubah permintaannya dan seberapa cepat respons ini dapat terjadi bervariasi dari satu gedung ke gedung lainnya dan bergantung pada parameter yang berbeda, termasuk konfigurasi HVAC [16], metode produksi air panas domestik (DHW) serta keberadaan penyimpanan baterai dan energi terbarukan [17]. Penting untuk mengenali dan memahami potensi pengurangan permintaan puncak dan kemampuan yang disajikan di bawah strategi DR yang berbeda untuk berbagai jenis bangunan, di iklim yang berbeda dan profil hunian [18].

Penyimpanan energi yang terintegrasi dengan gedung, seperti baterai, dapat memungkinkan gedung untuk mengelola permintaannya dan mengurangi beban puncaknya, sehingga mengurangi tekanan pada jaringan listrik [2]. Selain itu, mereka dapat menyimpan listrik ketika pembangkitan berlebih dari RES terjadi. Selanjutnya, penyimpanan energi dapat menyediakan layanan jaringan seperti daya cadangan, layanan tambahan untuk respons dan regulasi frekuensi, memfasilitasi integrasi RES ke dalam sistem dan menawarkan kontrol lebih besar kepada konsumen akhir [19]. Layanan penyeimbangan utama saat ini dilakukan oleh National Grid di Inggris untuk mencapai keseimbangan antara penawaran dan permintaan. Mereka terbuka untuk generator, konsumen besar, atau keduanya. Untuk setiap layanan, terdapat spesifikasi mengenai waktu respon yang dibutuhkan, durasi minimum dan daya yang diberikan. Hadiah termasuk ketersediaan (GBP/MW/jam), pemanfaatan (GBP/MWh) dan biaya nominasi (GBP/jam) [20]. Oleh karena itu, penting untuk memahami potensi yang dapat dibuka dengan menerapkan sistem penyimpanan energi (ESS) di tingkat gedung dan menyediakan layanan ke jaringan.

Ringkasan teknologi energi terpilih untuk bangunan beserta aplikasinya dapat dilihat di Tabel 1. Penyimpanan energi mampu menyediakan berbagai layanan di berbagai bagian jaringan dan menggabungkannya dengan teknologi lain telah dievaluasi secara ekstensif di [21,22,23]. Sementara banyak pilihan tersedia untuk bangunan, penilaian tekno-ekonomi diperlukan berdasarkan kasus per kasus untuk mengevaluasi efektivitas biaya dari skema yang disarankan. Ada banyak studi kasus yang menyelidiki teknologi energi di gedung-gedung; namun, literatur tentang pemanfaatan penyimpanan baterai di gedung-gedung dengan karakteristik desain yang berbeda masih terbatas.

Dapat disimpulkan bahwa sektor bangunan sebagai konsumen energi utama diharapkan memainkan peran penting dalam pengembangan sistem energi pintar masa depan dan jaringan pintar masa depan melalui berbagai mekanisme yang berbeda seperti perdagangan energi real-time, DR, pembangkitan sendiri, energi terbarukan yang terdesentralisasi dan penyimpanan energi [24,25]. Mekanisme ini akan memungkinkan bangunan untuk beralih dari elemen pasif ke pemain aktif dengan bekerja sama dalam operasi jaringan.

Namun kerjasama ini akan membutuhkan hubungan yang lebih erat antara bangunan dan sektor energi [5,14,26] serta kemampuan bangunan untuk menyimpan energi, misalnya dengan baterai [27]. Sebuah studi kasus baru-baru ini menyoroti bahwa membangun kerangka peraturan yang tepat dan motif keuangan dianggap penting untuk membuat penyimpanan baterai menarik dan hemat biaya bagi calon investor [28].

Saat ini, ada banyak hambatan penting di bawah rezim regulasi dan ekonomi saat ini yang mencegah ES berpartisipasi dalam pasar listrik dan berkontribusi terhadap inovasi teknologi. Ini telah diringkas dengan baik oleh [29,30,31].

Tabel 1. Mempelajari teknologi energi pada bangunan dan aplikasinya dalam publikasi terpilih.

Konsep SGOB pertama kali disebutkan di [45], ketika [28] menyajikan hasil awal untuk satu skenario bangunan, yang menunjukkan bagaimana arbitrase baterai dapat mengubah profil listrik bangunan. Makalah saat ini mengakui potensi penyimpanan terintegrasi gedung untuk manfaat gedung dan jaringan listrik. Kombinasi penyimpanan energi dan energi terbarukan serta algoritma optimasi untuk arbitrase penyimpanan energi hidro-terpompa (PHES) sering ditemui dalam literatur. Namun, sebagian besar studi PHES telah berfokus pada aspek keuangan operasi penyimpanan dengan memaksimalkan aliran pendapatan, dan karena itu profitabilitas skema tersebut.

Menurut tinjauan literatur, memanfaatkan BSS di gedung-gedung untuk melakukan pencukuran puncak berdasarkan teknis yang berbeda (baik desain gedung dan ukuran BSS) dan skenario arbitrase belum diselidiki sebelumnya. Oleh karena itu, penelitian ini mengevaluasi pemanfaatan baterai sebagai teknologi yang berdiri sendiri, tanpa penggunaan energi terbarukan secara bersamaan pada bangunan, untuk mengurangi beban puncak. Dengan cara ini, bangunan yang berbeda diperhitungkan dalam hal kaca dan insulasi karena desain bangunan mempengaruhi profil beban harian dan tahunan. Untuk mencapai hal ini, algoritma arbitrase yang dikembangkan menggunakan permintaan listrik per jam dari bangunan yang berbeda, harga listrik per jam dari jaringan, dan spesifikasi teknis BSS. Selain itu, analisis biaya-manfaat dipelajari untuk periode 10 dan 20 tahun untuk mengukur motif keuangan yang diperlukan untuk membuat BSS menarik secara ekonomi bagi pemilik bangunan. Hal baru dari studi ini membentuk interaksi antara kebutuhan dinamis bangunan untuk daya dan biaya listrik saat menggunakan baterai untuk mengurangi kebutuhan beban puncak.

Kesimpulannya, artikel penelitian ini meneliti kombinasi parameter unik yang mencakup desain bangunan, strategi pengiriman operasional, ukuran BSS, dan ekonomi jangka panjang untuk membandingkan potensi SGOB dari berbagai bangunan. Pekerjaan ini mengambil langkah penting pertama menuju pembentukan kerangka peraturan untuk arbitrase baterai di sektor bangunan untuk memahami kesesuaian bangunan untuk menjadi SGOB.

2. Metodologi

Tiga strategi operasional (pengiriman) disajikan secara tekno-ekonomi, di mana BSS ditempatkan di tingkat bangunan untuk melakukan arbitrase energi dengan menanggapi harga listrik waktu nyata, mengubah profil listrik harian mereka, dan menyediakan layanan dengan cara ini ke jaringan. Fungsi tujuan model arbitrase adalah biaya operasional terendah; membeli listrik ketika biayanya rendah untuk digunakan di dalam gedung atau menjual kembali ke jaringan listrik di lain waktu. Hasilnya akhirnya dievaluasi sehubungan dengan konsumsi listrik total, jam puncak yang dicukur dan biaya bersih berdasarkan dampak relatif dari desain bangunan, baterai, dan ukuran serta strategi pengiriman inverter.

Simulasi bangunan digunakan untuk memperkirakan beban listrik per jam selama setahun penuh. Keluaran hasil simulasi gedung meliputi pemakaian listrik gedung per jam (kWh) sedangkan output harga listrik real-time meliputi harga listrik per jam eceran (GBP/kWh); data ini digunakan sebagai input dari BSS. Tiga elemen utama bersama dengan karakteristik yang diperiksa diringkas di bawah ini, dalam: Gambar 1, Sementara Gambar 2 mendemonstrasikan proses pemodelan dan perangkat lunak yang digunakan bersama dengan input dan output utama.

Gambar 1. Elemen penelitian utama dan karakteristiknya.

Gambar 2. Metodologi Pemodelan, input, dan output.

2.1. Spesifikasi Bangunan

Pada bagian ini, parameter kunci bangunan yang dipilih beserta karakteristik dan nilainya dijelaskan, mengenai desain, struktur, konfigurasi HVAC, beban bangunan, dan simulasi.

2.1.1. Desain dan Struktur

Satu geometri bangunan komersial umum dari empat lantai, masing-masing menempati 625 m² dari total luas lantai. Setiap lantai mencakup dua zona: kantor terbuka (Zona 1) dan area penerimaan/tangga/lift generik kecil, yang terletak di tengah lantai (Zona 2). Zona 2 dipisahkan dari sisa lantai melalui partisi internal. Bangunan bervariasi dalam tiga karakteristik desain utama, seperti yang ditunjukkan pada: Tabel 2:

Tabel 2. Properti Skenario Bangunan.

• amplop bangunan. Karakteristik ini mengacu pada transmisi termal elemen amplop dan kedap udaranya. Kategori pertama memenuhi peraturan bangunan seperti yang dijelaskan dalam Bagian L [46] sedangkan Praktik Terbaik lebih hemat energi dengan nilai-U amplop yang lebih rendah, bersama dengan infiltrasi eksternal yang lebih sedikit. Mengenai kedap udara, template retak digunakan untuk menghitung infiltrasi eksternal yang terjadi karena retakan permukaan atau oleh porositas kain secara umum, seperti yang dijelaskan dalam [47]. Selubung menentukan kondisi iklim interior dan akibatnya kebutuhan pemanasan dan pendinginan tambahan diperlukan. Parameter amplop disajikan dalam Tabel 3;
• Massa termal. Bangunan ringan diasumsikan termasuk kelongsong logam dengan plesteran sedangkan bangunan berat terdiri dari batu bata, beton, dan plesteran pada dinding luarnya masing-masing. Massa termal bertanggung jawab atas penundaan waktu dalam pertukaran panas (thermal lag) antara interior bangunan dan lingkungan luar, tergantung pada sifat bahan bangunan yang digunakan [48];
• Rasio Jendela ke Dinding. Untuk kategori ini, 30% dan 80% bangunan kaca dipertimbangkan. Kaca dianggap sebagai salah satu titik kontrol terlemah dalam kinerja termal bangunan karena kehilangan panas dan perolehan matahari terjadi melalui jendela [49].

Terakhir, mengenai hunian mereka, bangunan tersebut ditempati antara jam 8 pagi dan 6 sore, hanya pada hari kerja, sedangkan pengaturan pengendalian lingkungan mengikuti pedoman CIBSE [50].

Tabel 3. Building Envelope properties untuk bangunan yang disimulasikan.

2.1.2. Konfigurasi HVAC dan Beban Bangunan

Bangunan sepenuhnya menggunakan listrik karena pompa panas sumber tanah (GSHP) digunakan untuk tujuan pemanasan dan pendinginan. Nilai koefisien kinerja (CoP) pompa panas (masing-masing 3.5 dan 5) dianggap konstan dan sama dengan COP musiman. Ventilasi mekanis digunakan untuk memenuhi kebutuhan udara minimum penghuni (10 L/s·orang) serta memberikan pendinginan gratis setiap kali suhu dalam ruangan lebih tinggi dari titik setel pendinginan. Sebuah economizer digunakan untuk memberikan pendinginan gratis selama jam sibuk, dengan kecepatan maksimum dua kali pergantian udara per jam. Pendinginan malam hanya terjadi antara 31 Mei dan 30 September, untuk bangunan kelas berat. Energi tambahan diasumsikan konstan sepanjang tahun. Suhu set-point dan set-back adalah 22 °C dan 12 °C untuk pemanasan, sedangkan nilai masing-masing yang digunakan untuk pendinginan adalah 27 °C dan 23 °C. Akhirnya, beban peralatan dari stasiun kerja desktop adalah 9.06 W/m² sedangkan LED tersembunyi dengan kontrol linier digunakan untuk keperluan penerangan, dengan 10.6 W/m² dan 7.4 W/m² untuk kantor dan area resepsionis, masing-masing, untuk memenuhi target iluminasi 500 dan 200 lux.

2.1.3. Simulasi Bangunan

Beban bangunan dihitung menggunakan DesignBuilder, yang memanfaatkan mesin simulasi EnergyPlus terintegrasi yang merupakan perangkat lunak simulasi energi bangunan yang diakui dan diterima dengan baik, yang mampu memodelkan HVAC serta aliran energi lainnya dalam sebuah bangunan dan oleh karena itu banyak digunakan untuk memperkirakan energi bangunan pertunjukan [51,52]. Gambar 3 menunjukkan interoperasi antara DesignBuilder Graphical User Interface (GUI), dan mesin Simulasi EnergyPlus. Mengenai kontrol suhu dan suhu set-point dan set-back dalam ruangan yang digunakan, suhu operasi dan oleh karena itu fraksi ambien dan radiasi yang sama dipertimbangkan untuk simulasi. Kenyamanan termal penghuninya tetap terjaga, bahkan di gedung yang sangat berlapis kaca. Jam ketidaknyamanan, berdasarkan Standar Sederhana ASHRAE 55, dinormalisasi per luas lantai dan empat langkah waktu per jam dipilih untuk perhitungan model keseimbangan panas Zona [53].

Gambar 3. Interoperasi antara Antarmuka Pengguna Grafis DesignBuilder dan EnergyPlus (Diadaptasi dari [51]).

Lokasi yang dipilih adalah Birmingham Airport, United Kingdom (UK) dengan ASHRAE Climate Zone 5C. Data cuaca lokasi dari IWEC digunakan. Waktu Musim Panas tidak diamati untuk menghindari perubahan sementara pada profil listrik bangunan

2.2. Data Harga Listrik Real-Time

Harga grosir listrik diperoleh dari NordPool, untuk pasar hari depan [54,55]. Biaya grosir listrik domestik hanya mencapai 33.6% dari total tagihan listrik domestik, pada tahun 2017 [56]. Parameter lainnya termasuk biaya operasi, margin sebelum pajak pemasok, biaya jaringan, biaya kewajiban lingkungan dan sosial, serta PPN. Untuk harga listrik non-domestik, tidak ada nilai yang tersedia yang disediakan dari Ofgem dan oleh karena itu, persentase grosir harus dihitung, berdasarkan data yang dilaporkan oleh Pernyataan Segmental Konsolidasi dari enam pemasok listrik Inggris terbesar.

Untuk dapat mengubah biaya grosir ke tingkat eceran, diasumsikan bahwa persentase grosir tetap konstan sepanjang tahun. Kontribusi nyata dari biaya grosir untuk tagihan listrik akhir mungkin berbeda setiap jam, tergantung pada keadaan. Oleh karena itu, Persamaan (1) digunakan untuk konversi grosir ke eceran.

Terakhir, harus juga diperhitungkan bahwa meskipun tarif PPN yang diturunkan sebesar 5% berlaku untuk konsumsi listrik domestik, listrik non-domestik dikenakan pajak dengan tarif standar 20% [57]. Kontribusi grosir untuk harga listrik non-domestik, yang dilaporkan oleh Ofgem sebagai “biaya bahan bakar langsung”, dihitung oleh studi saat ini menjadi 36.6%, yaitu sekitar 3% lebih tinggi dari nilai masing-masing untuk listrik domestik [58]. Gambar 4 menyajikan nilai maksimum, minimum dan rata-rata per hari untuk 2017 untuk harga listrik eceran yang dihitung. Ditunjukkan bahwa perbedaan harian antara harga terendah dan harga tertinggi merupakan dasar dari arbitrase listrik.

Gambar 4. Real-time day-depan harga eceran listrik per jam untuk tahun 2017.

2.3. Model Penyimpanan Baterai

Model BSS terdiri dari bank baterai, satu inverter, satu penyearah, dan pengontrol. Baterai dapat dikosongkan untuk memenuhi beban bangunan atau mengekspor listrik kembali ke jaringan. Penyearah dan inverter digabungkan dalam inverter dua arah, juga disebut konverter dua arah [59]. Masukan dari model meliputi nilai bangunan yang telah dihasilkan dari simulasi bangunan dan harga eceran listrik per jam untuk mengkonfigurasi operasi BSS, berdasarkan strategi algoritma kontrol yang diterapkan. Mengenai ukuran komponen BSS, diasumsikan bahwa BSS mampu mengosongkan total kapasitas baterai yang dapat digunakan dalam waktu maksimal 2 jam dan mengisinya di bawah 3 jam. Sepuluh ukuran baterai antara 40 dan 220 kWh dipertimbangkan, dengan langkah 20 kWh.

Studi ini telah mengadopsi algoritma arbitrase, awalnya dirancang untuk pemanfaatan PHES skala besar, seperti yang disajikan secara rinci dan digunakan dalam [60,61,62]. Dalam studi ini, perubahan signifikan telah dilakukan agar algoritme dapat beradaptasi dengan karakteristik unik dari skala bangunan. Tujuan umum mereka adalah membuat algoritme memperhitungkan beban bangunan per jam untuk memutuskan apakah akan mengoperasikan baterai atau tidak. Variabel model tercantum dalam Tabel 4 beserta unitnya.

Tabel 4. Variabel kunci Model Penyimpanan Baterai dan unitnya.

2.3.1. Strategi Algoritma Kontrol

Model BSS beroperasi setiap jam dan algoritme memperhitungkan harga listrik real-time sehari sebelumnya. Diasumsikan bahwa harga hari berikutnya diumumkan pada tengah malam dan dimungkinkan untuk memprediksi dengan sempurna konsumsi energi bangunan untuk hari berikutnya, sebelumnya. Menggunakan semua data yang disebutkan di atas, rutinitas berlangsung 365 kali, masing-masing mencakup satu hari dalam setahun. Prinsip dari algoritma ini adalah untuk menjadwalkan operasi pengisian dan pengosongan baterai; oleh karena itu, pengisian tidak dapat berlangsung tanpa pengosongan dan sebaliknya.

Saat pemakaian, pengoperasian baterai dapat memiliki salah satu dari dua bentuk berikut: (a) memenuhi beban bangunan lokal atau (b) mengekspor kembali ke jaringan. Dalam arah ini, total tiga strategi operasional telah dipertimbangkan, masing-masing memeriksa setidaknya satu bentuk operasi baterai. Lebih lanjut, penting untuk memeriksa dampak dari pengoperasian baterai dan ekspor tambahan yang terjadi, selama hari-hari tidak bekerja, ketika tidak ada beban bangunan; oleh karena itu, kombinasi dari elemen-elemen di atas menghasilkan perumusan tiga strategi individu: E7, E5, dan E0. Di bawah E7, kedua bentuk pengoperasian baterai diizinkan selama seminggu penuh, termasuk ekspor ke jaringan listrik bila ada kelebihan listrik yang disimpan dalam baterai. Selain itu, E0 menggunakan semua listrik yang tersimpan untuk memenuhi beban bangunan, selama hari kerja dalam seminggu, tanpa ekspor yang diizinkan. Akhirnya, sebagai skenario jalan tengah, E5 mengizinkan kedua bentuk, tetapi hanya selama hari kerja dalam seminggu. Ikhtisar strategi operasional ditunjukkan di bawah ini, di Tabel 5.

Tabel 5. Gambaran Umum Strategi Operasional.

2.3.2. Strategi Operasional E7: Ekspor Diperbolehkan dengan Pendapatan Ritel

Strategi operasional pertama mengidentifikasi jam termurah dan termahal dalam sehari dan menjadwalkan BSS untuk memanfaatkan perbedaan harga. Proses mengacu pada satu hari dan diulang sampai akhir satu tahun kalender dan sampai semua periode (8760 jam) telah diperiksa kesesuaiannya untuk pengoperasian baterai. Tidak ada perbedaan yang dibuat antara hari kerja dan hari tidak bekerja (NWDs) dan oleh karena itu algoritme mengoperasikan baterai sebanyak mungkin secara teknis. Bagan alur gabungan untuk kedua strategi operasional E7 dan E5 disajikan di Gambar 5.

Gambar 5. Bagan alur untuk Arbitrase dengan Ekspor untuk Strategi E7 dan E5. Jika pengoperasian baterai tidak diizinkan pada NWD, minHourIndex dihapus dari rangkaian harga (E5); jika tidak, algoritme melanjutkan langsung dengan penghitungan biaya produksi marjinal (E7) berdasarkan masing-masing minHourValue.

Jam pemakaian (maxHourIndex) dan harganya masing-masing (maxHourPrice) diidentifikasi dan diprioritaskan. Namun, jika beban bangunan yang sesuai melebihi nilai tertentu (maxHourPowerLimit), jam yang dimaksud akan dihapus dari deret waktu dan algoritme beralih ke iterasi berikutnya untuk mengidentifikasi maxHourIndex berikutnya yang sesuai. Hal ini diperlukan untuk menghindari pengosongan baterai pada jam-jam ketika beban bangunan tidak signifikan. Ambang ini dihitung sebagai nilai rata-rata beban bangunan pada hari pertama, yang selalu merupakan hari non-kerja, ditambah margin opsional 5 kW untuk memungkinkan kesalahan.

Setelah itu, kisaran di sekitar maxHourIndex di mana pengisian mungkin terjadi ditetapkan. Jam paling awal baterai dapat diisi adalah setelah periode terakhir maxHourIndex saat baterai penuh (minRangeIndex). Demikian pula, jam terakhir saat pengisian dapat terjadi setelah maxHourIndex adalah jam sebelum baterai mencapai status pengisian minimum (maxRangeIndex). Kemudian, harga listrik minimum dalam kisaran ini diidentifikasi (minHourIndex) beserta harganya masing-masing (minHourPrice). Jika beban bangunan yang berlangsung selama minHourIndex melebihi batas yang ditentukan (minHourPowerLimit), yang disetel sama dengan maxHourPowerLimit, maka periode tersebut dihapus dari rangkaian harga dan iterasi berikutnya dimulai lagi untuk mengidentifikasi periode baru untuk pengisian. Ini memastikan bahwa pengisian tidak terjadi selama operasi gedung, karena akan menghasilkan beban puncak yang lebih tinggi.

Total biaya pengoperasian BSS didasarkan pada harga beli listrik dan efisiensi bolak-balik untuk memastikan energi yang dikeluarkan oleh baterai untuk memenuhi beban bangunan lebih murah daripada membeli listrik langsung dari grid. Biaya operasional marjinal pengisian dan pemakaian ESS, sering digunakan dalam arbitrase PHES, diasumsikan nol dan oleh karena itu biaya marjinal produksi sama dengan maxHourPrice. Baterai hanya beroperasi jika kondisi Persamaan (2) terpenuhi, yang memperhitungkan efisiensi bolak-balik yang terdiri dari empat efisiensi berbeda yang ada dalam pengisian dan pengosongan:

Akhirnya, kemacetan operasional terjadi dan akan menginstruksikan BSS dengan jumlah daya yang tepat untuk diisi dan dikosongkan, tergantung pada jumlah energi yang disimpan dalam baterai. Lebih khusus lagi, batasan untuk kapasitas pengisian dan pengosongan baterai juga akan berlaku untuk menghindari pengisian di atas kondisi pengisian 100% dan pengosongan di bawah persentase minimum yang dipersyaratkan (10%). Wadah penyimpanan kemudian diperbarui, dan proses selesai ketika semua periode waktu telah dievaluasi.

2.3.3. Strategi Operasional E5: Ekspor Hanya Diperbolehkan pada Hari Kerja

Versi algoritme ini mengecualikan hari tidak bekerja (NWD) dari pengoperasian baterai; oleh karena itu, 52 akhir pekan dan empat hari libur, total 108 hari dan setara dengan 2592 jam di mana baterai tidak boleh diisi atau dikosongkan. Jumlah jam ini merupakan sekitar 30% dari satu tahun kalender dan bila dikombinasikan dengan kemampuan teknis BSS untuk bersepeda lebih dari sekali sehari dapat berdampak besar pada ekspor energi dan pendapatan yang diakibatkannya, yang berkurang secara besar-besaran. Perlu dicatat bahwa penggunaan baterai yang lebih jarang secara signifikan menyebabkan masa pakai baterai yang lebih tinggi.

Strategi Operasional E7 dan E5 memanfaatkan semua kapasitas baterai dan inverter yang tersedia, mencoba melepaskan sebanyak mungkin selama jam-jam yang paling mahal, dengan kelebihan listrik yang diekspor kembali ke jaringan listrik.

2.3.4. Strategi Operasional E0: Ekspor Tidak Diizinkan

Versi ketiga dari algoritme memperkenalkan satu batasan tambahan untuk memastikan bahwa semua energi yang dikeluarkan dari baterai hanya digunakan secara lokal untuk menutupi beban bangunan lokal. Oleh karena itu, daya maksimum yang dikeluarkan pada jam tertentu tidak pernah lebih besar dari kebutuhan listrik gedung. Efisiensi bolak-balik juga dipertimbangkan untuk menghindari pembelian jaringan tambahan untuk muatan yang tersisa (Gambar 6).

Gambar 6. Flowchart untuk Arbitrase tanpa ekspor (Strategi E0). Algoritma menyajikan perbedaan struktural dibandingkan dengan Gambar 5 karena beban bangunan sekarang diperhitungkan dalam perhitungan kemacetan. Bottleneck1 diatur sama dengan beban bangunan atau kapasitas inverter dalam kW berdasarkan perbandingan nilainya.

2.4. Ekonomi dan Analisis Biaya-Manfaat (CBA)

Baterai yang digunakan didasarkan pada siklus hidup ion litium nominal 5000 siklus dengan kedalaman pengosongan (DOD) 90%, setara dengan 4500 siklus penuh [63]. Untuk strategi operasi yang memungkinkan ekspor ke jaringan, pendapatan tahunan dihitung dengan mengalikan harga eceran per jam dengan jumlah listrik yang diekspor masing-masing. Total biaya bersih tahunan listrik dianggap sama dengan pembelian jaringan listrik, dikurangi pendapatan ekspor. Perhitungan biaya listrik (tahunan) diberikan dalam Persamaan (3), dengan pendapatan dan biaya bersih masing-masing diberikan dalam Persamaan (4) dan (5). Biaya operasi dan pemeliharaan (O&M) BSS dihitung melalui Persamaan (6) dengan lifetime mengacu pada lamanya masa studi (umur sistem dalam tahun). Biaya penggantian dihitung dalam Persamaan (7) dengan Nrep_j mewakili jumlah penggantian yang diperlukan untuk komponen j, seperti baterai dan konverter, dan masa pakai_j mengacu pada perkiraan umur komponen j. Bagian terakhir dari persamaan digunakan untuk mempertimbangkan pendapatan karena sisa umur komponen.

Mengenai CBA yang dilakukan, harga BSS yang digunakan dihitung per kWh dan kW, berdasarkan paket daya komersial kelas atas [64]. Biaya modal yang tepat telah dihitung menjadi sekitar GBP 371/kWh dan GBP 162/kW [65,66]; nilai GBP 390/kWh dan GBP 170/kW yang sedikit lebih tinggi dianggap menyesuaikan kesalahan dan inflasi. Biaya pemasangan kabel dan perangkat keras lainnya termasuk dalam total biaya baterai dan diperkirakan sekitar GBP 28/kWh.

Untuk menghitung biaya sekarang bersih (NPC) untuk setiap skenario, tingkat inflasi tahunan 2% dan tingkat bunga 5% diperhitungkan, untuk periode 10 tahun dan 20 tahun (Persamaan (8) dan ( 9)). Biaya listrik yang diratakan (LCOE) dihitung dengan membagi setiap NPC dengan jumlah energi yang terlibat, seperti yang ditunjukkan dalam Persamaan (10) dan (11), tidak termasuk kerugian baterai untuk pengisian dan pemakaian. Akhirnya, imbalan finansial yang dibutuhkan diperkenalkan dalam Persamaan (12) untuk mewakili manfaat ekonomi yang harus diterima bangunan per kWh yang digeser agar kedua NPC menjadi sama dan akibatnya membuat skema hemat biaya, untuk seluruh umur proyek. . Perlu dicatat bahwa Persamaan (2) didasarkan pada [60,61] dan Persamaan (3)–(11) pada [59,67], disesuaikan dengan kebutuhan penelitian saat ini.

Masa pakai baterai akan berbeda tergantung pada strategi operasional, seperti yang ditunjukkan pada Tabel 6 bersama dengan parameter teknis dan ekonomi utama yang dipertimbangkan dalam proses pemodelan. Untuk strategi E7, perkiraan masa pakai baterai kira-kira 10 tahun, sedangkan untuk E5 dan E0 masa pakainya lebih tinggi, sekitar 20 tahun. Selain itu, umur konverter diasumsikan 10 tahun untuk semua strategi. Analisis ekonomi untuk studi ini dipertimbangkan selama periode 10 dan 20 tahun; oleh karena itu, sementara tidak ada penggantian yang diperlukan untuk periode sebelumnya, baterai dan konverter tambahan diperlukan di bawah strategi E7 sementara E5 dan E0 hanya memerlukan penambahan konverter pengganti, untuk periode 20 tahun.

Tabel 6. Parameter teknis dan ekonomi yang digunakan untuk tujuan pemodelan.

3. Hasil

3.1. Kerusakan Konsumsi Listrik

Hasil konsumsi listrik per sektor untuk semua bangunan simulasi disajikan dalam Gambar 7. Semua bangunan telah menunjukkan kenyamanan termal yang memuaskan bagi penghuninya, berdasarkan Standar ASHRAE 55. Beban listrik untuk peralatan ruangan, energi tambahan, dan DHW adalah sama untuk semua skenario bangunan karena didasarkan pada asumsi dan kebutuhan penghuni yang sama. Beban pemanasan secara signifikan lebih tinggi untuk bangunan yang Memenuhi Bagian L dibandingkan dengan praktik terbaik karena Nilai-U dan infiltrasi yang lebih tinggi. Tingkat kaca yang lebih tinggi mengurangi listrik untuk pemanasan dan penerangan tetapi meningkatkan kebutuhan pendinginan karena perolehan matahari yang lebih tinggi. Tingkat massa termal yang lebih tinggi mengurangi listrik yang dibutuhkan untuk pendinginan karena memanfaatkan pendinginan malam pasif; namun, nilai ini kecil dibandingkan dengan total konsumsi energi bangunan.

Gambar 7. Konsumsi Listrik Tahunan per sektor untuk bangunan simulasi.

Kesimpulannya, Gedung HwL30 dan HwB80 masing-masing memiliki nilai konsumsi listrik tertinggi dan terendah, dan pada saat yang sama, memberikan kenyamanan termal yang sangat baik bagi penghuninya. Oleh karena itu, sebagai dua kasus ekstrim, dipilih untuk dianalisis dan dibandingkan lebih lanjut, menggunakan beberapa BSS dan strategi operasional E7, E5, dan E0.

3.2. Penyimpanan Baterai

Ukuran BSS didasarkan pada aturan "tiga jam untuk mengisi daya" dan "dua jam untuk mengosongkan". Namun, untuk sistem terbesar, hasil pertama menunjukkan bahwa daya pengenal inverter terlalu besar jika dibandingkan dengan rata-rata atau bahkan beban bangunan per jam maksimum. Oleh karena itu, alih-alih menggunakan listrik yang tersimpan untuk mengalihkan beban bangunan, semua kelebihan listrik akan diekspor kembali ke jaringan (untuk skenario E7 dan E5). Lebih khusus lagi, ketika baterai yang lebih besar dari 160 kWh digunakan, perbedaan beban puncak yang bergeser tidak akan signifikan. Akibatnya, komponen BSS direvisi dan disajikan dalam Tabel 7.

Tabel 7. Ukuran Komponen BSS.

3.2.1. Ekspor Diizinkan dengan Pendapatan Ritel (E7)

Hasil dari model Penyimpanan Baterai disajikan dalam Tabel 8, untuk Strategi Operasional E7, yang memungkinkan ekspor dilakukan setiap hari. Beban puncak yang dialihkan mengacu pada beban yang langsung dipenuhi oleh baterai alih-alih membeli listrik dari jaringan, antara jam buka gedung (8 pagi – 6 sore) sedangkan biaya bersih listrik termasuk pendapatan dari penjualan kembali ke jaringan. Pengoperasian BSS dan dampaknya terhadap profil kelistrikan gedung dapat dilihat pada Gambar 8, untuk hari Minggu dan dua hari kerja.

Gambar 8. Hasil Arbitrase E7 untuk Membangun HwL30 menggunakan Penyimpanan Baterai (220 kWh, 45/−65 kW).

Tabel 8. Hasil BSS Tahunan untuk Strategi Operasional E7.

Jelas bahwa pemanfaatan penyimpanan baterai yang dapat disesuaikan dengan harga listrik yang dinamis menghasilkan hasil yang berbeda setiap hari sepanjang tahun. Hasil ini selalu merupakan fungsi dari variasi harian baik dalam harga listrik (GBP/kWh) dan beban bangunan (kW). Aplikasi potensial dari BSS termasuk pemindahan beban dan pencukuran puncak yang dapat terjadi baik dalam hal mengurangi beban tertinggi hari itu atau dengan mengurangi jumlah jam selama beban puncak. Selain itu, juga dapat dilihat bahwa selama hari-hari tidak bekerja, baterai memiliki kapasitas untuk berputar lebih dari sekali untuk mengekspor kembali ke jaringan sebanyak mungkin, selama harga paling mahal, dan memanfaatkan perbedaan harga. .

Mengenai perbandingan dua bangunan yang diselidiki, jelas bahwa Gedung HwB80 dapat memindahkan lebih banyak beban saat menggunakan BSS yang sama. Perbedaannya juga tergantung pada ukuran dan spesifikasi BSS, bervariasi antara 1.66% dan 2.92%. Untuk ukuran BSS terkecil (40–80 kWh), kedua gedung mampu menggeser beban puncaknya dengan persentase yang cukup besar yang bervariasi antara 7.68 dan 17%. Mengenai ekspor listrik, perbandingan antara kedua bangunan dapat diabaikan untuk ukuran baterai yang lebih kecil karena seluruh listrik yang disimpan digunakan untuk memenuhi beban bangunan dan tidak ada energi berlebih yang tersisa untuk dikirim kembali ke jaringan. Namun, seiring dengan bertambahnya ukuran BSS dan kelebihan listrik yang dihasilkan, terbukti bahwa Gedung HwB80 mampu mengekspor listrik dalam jumlah yang lebih tinggi. Untuk BSS 220 kWh, Gedung HwB80 mengekspor 18.08 kWh/m², yaitu 1.74 kWh/m² lebih dari Gedung HwL30.

Terakhir, mengenai ekonomi listrik dan biaya bersih tahunan (GBP/m²), karena Gedung HwL30 kurang hemat energi, Gedung ini mengkonsumsi lebih banyak listrik untuk memenuhi bebannya, dan oleh karena itu total pembelian listriknya dari jaringan meningkat, bahkan lebih, saat menggunakan penyimpanan baterai. Untuk semua skenario dan ukuran BSS, Membangun HwB80 berharga 1.67 GBP/m² lebih sedikit, yang berarti penghematan tahunan sebesar GBP 4175. Selain itu, dengan bertambahnya ukuran BSS, kelebihan listrik juga tumbuh, menghasilkan ekspor listrik yang lebih tinggi, peningkatan jumlah pendapatan, dan konsekuensi biaya bersih yang lebih rendah. Perbedaan antara skenario tanpa penyimpanan dan ukuran BSS terbesar ditunjukkan untuk mengidentifikasi manfaat maksimal yang diberikan oleh baterai. Biaya listrik bersih dapat dikurangi dari 8.68 menjadi 7.06 dan dari 7.01 menjadi 5.40 GBP/m² untuk Gedung HwL30 dan HwB80, masing-masing.

3.2.2. Ekspor Diizinkan pada Hari Kerja dengan Pendapatan Ritel (E5)

Dampak BSS terhadap Strategi Operasional E5 yang memungkinkan ekspor dilakukan pada hari kerja dapat dilihat pada Gambar 9, untuk hari Minggu dan dua hari kerja. Hasil BSS identik dengan E7 dalam hal hari kerja dan pergeseran beban puncak; Namun, baterai tidak berjalan pada akhir pekan.

Gambar 9. Hasil Arbitrase E5 untuk Membangun HwL30 menggunakan Penyimpanan Baterai (220 kWh, 45/−65 kW).

Gedung HwB80 dapat menggeser persentase beban puncaknya yang lebih tinggi, dibandingkan dengan Gedung HwL30. Setelah menggunakan BSS yang sama, Gedung HwB80 bergeser 2% lebih banyak dari rata-rata HwL30, yang tidak signifikan. Harus ditunjukkan bahwa semua pergeseran beban puncak telah berkurang jika dibandingkan dengan Tabel 8 dan Strategi Operasional E7. Pengoperasian baterai untuk strategi E7 dan E5 sama untuk hari kerja; namun, E7 juga memungkinkan pemindahan beban selama akhir pekan. Sementara aktivitas bangunan minimal pada akhir pekan, terdapat beban listrik konstan yang kecil (~4 kW), yang mewakili konsumsi energi tambahan (parasit). Oleh karena itu, E7 menghasilkan perpindahan beban yang lebih tinggi sekitar 2% lebih banyak jika dibandingkan dengan hasil masing-masing E5.

Dari segi pendapatan, parameter terpenting saat membandingkan E5 dan E7 adalah listrik yang diekspor kembali ke jaringan. Di bawah E5, baterai tidak digunakan pada hari-hari tidak bekerja dan ekspor hanya dapat dilakukan jika terjadi kelebihan listrik, pada hari kerja. Untuk ukuran baterai yang berbeda, rentang ekspor 0–3.79 dan 0–5.53 kWh/m² dapat dicapai masing-masing untuk Bangunan HwL30 dan HwB80. Untuk tujuan perbandingan, kisaran ekspor masing-masing di bawah strategi E7 adalah 2.23–16.34 dan 2.23–18.08 kWh/m². Selain itu, karena nilai ekspor E5 lebih kecil, nilai tersebut juga menyebabkan aliran pendapatan yang lebih rendah dan oleh karena itu biaya bersih yang lebih tinggi. Di bawah E5, biaya bersih listrik berada dalam kisaran 7.74–8.46 untuk HwL30 dan 6.07–6.79 kWh/m² untuk HwB80. Nilai masing-masing untuk strategi E7 sebelumnya terbukti 7.06–8.30 dan 5.40–6.63 kWh/m².

3.2.3. Tidak Ada Ekspor (E0)

Tidak adanya ekspor dan kelebihan listrik yang tersimpan di bawah E0 telah menyebabkan jumlah energi yang tersedia dan digunakan lebih tinggi untuk memenuhi beban bangunan lokal. Akibatnya, dari perspektif jejak listrik, bangunan yang menerapkan E0 telah mampu mengubah profil hariannya secara signifikan (Gambar 10). Untuk pertama kalinya, perpindahan beban puncak kini telah membentuk hubungan linier dengan kapasitas baterai sistem; ini tidak berlaku untuk strategi E7 dan E5.

Gambar 10. Hasil Arbitrase E0 untuk Membangun HwL30 menggunakan Penyimpanan Baterai (220 kWh, 45/−65 kW).

Secara kuantitatif, potensi pemindahan beban telah meningkat secara signifikan jika dibandingkan dengan strategi E7 dan E5, karena pengoperasian baterai sekarang berfokus secara eksklusif pada tujuan ini. Lebih khusus lagi, rentang persentase perpindahan beban puncak sekarang masing-masing adalah 6.38–33.95% dan 7.79–39.68% untuk Gedung HwL30 dan HwB80. Pergeseran beban puncak dari dua gedung untuk baterai 220 kWh yang lebih besar, di bawah strategi E7, masing-masing 4.5 dan 8% lebih rendah dibandingkan dengan Tanpa Ekspor.

Terakhir, ketiadaan total ekspor dan aliran pendapatan yang relevan juga menghasilkan biaya bersih tahunan yang lebih tinggi, jika dibandingkan dengan E7; namun, perbedaan biaya bersih antara E5 dan E0 tidak signifikan, yang mencerminkan rendahnya jumlah ekspor E5. Dari segi efektivitas biaya, Gedung HwB80 tampaknya masih lebih menarik, karena untuk setiap ukuran BSS, selalu GBP 1.6/m² lebih murah dari HwL30.

3.3. Analisis Biaya-Manfaat

Sebuah CBA untuk periode 10 dan 20 tahun dilakukan untuk dua bangunan akhir untuk mengevaluasi ekonomi jangka panjang, dengan mempertimbangkan parameter yang berpotensi mempengaruhi efektivitas biaya dari skema SGOB yang disarankan, termasuk inflasi dan suku bunga yang diasumsikan konstan. Dua baterai (120 dan 240 kWh) digunakan bersama dengan ukuran inverter umum (60 kW). Kapasitas penyearah dipilih agar dapat mengisi penuh baterai dalam waktu 3 jam (40 dan 80 kW). CBA berfokus pada BSS dan tidak mempertimbangkan biaya untuk konstruksi bangunan, karena dianggap berada di luar cakupan artikel ini dan skema yang disarankan juga dapat diterapkan pada bangunan yang ada.

3.3.1. CBA untuk Periode 10 Tahun

NPC untuk semua strategi operasional dapat dilihat per gedung, di Gambar 11. Perbedaan antara kotak tanpa penyimpanan dan skenario lainnya disebabkan oleh biaya modal BSS yang diperkenalkan yang bergantung pada ukuran baterai dan konverter. Saat tidak menggunakan penyimpanan, Gedung HwL30 memiliki NPC selama 10 tahun sebesar GBP 185,661 yang kira-kira GBP 35,000 lebih mahal daripada Gedung HwB80. Perbedaan GBP 35,000 NPC antara kedua bangunan ini tampaknya konsisten di seluruh strategi operasional dan ukuran BSS, menunjukkan bahwa HwB80 lebih ekonomis untuk semua skenario yang disajikan. Hal ini sesuai dengan hasil yang disajikan pada Bagian 3.1, di mana total konsumsi listrik gedung adalah 64.45 kWh/m² untuk HwL30 dan 52.57 kWh/m² untuk HwB80.

Gambar 11. Net Present Cost untuk periode 10 tahun (semua strategi operasional).

Dari tiga strategi operasional yang disarankan, E7 tampaknya menghasilkan NPC tertinggi, meskipun aliran pendapatan tambahan dari ekspor diperkenalkan selama akhir pekan. Perlu digarisbawahi bahwa pada akhir periode 10 tahun, E7 adalah satu-satunya strategi operasional di mana masa pakai baterai mencapai akhir. Sebaliknya, di bawah E5 dan E0, baterai memiliki sisa umur 10 tahun tambahan dan karena itu memiliki 50% masa pakai yang utuh, seperti yang ditunjukkan sebelumnya pada Tabel 6, yang mengarah ke pengurangan NPC baterai. Selanjutnya, nilai NPC tertinggi kedua diamati di bawah E0 di mana tidak ada ekspor yang terjadi, diikuti oleh E5 yang memungkinkan ekspor hanya pada hari kerja. Untuk kedua bangunan, hasil untuk strategi E5 dan E0 tampak sangat mirip untuk kedua skenario, membentuk kelompok terpisah dari E7 dan menunjukkan bahwa dampak dari jumlah minimal ekspor di bawah E5 tidak signifikan, menghasilkan perbedaan marjinal antara E0 dan E5 hanya GBP 1000–3000, tergantung pada ukuran baterai.

Di bawah E7, NPC sekitar GBP 8000 atau GBP 20,000 lebih tinggi dari nilai masing-masing di bawah E5 untuk baterai 120 kWh dan 240 kWh, masing-masing. Penting untuk menunjukkan bahwa meskipun tujuan utama dari tiga strategi operasional adalah untuk mengalihkan permintaan listrik dari periode puncak ke periode tidak sibuk pada hari itu dan kadang-kadang melakukan pencukuran puncak, ekspor merupakan kepentingan ekonomi yang vital untuk kelangsungan hidup dan biaya. -efektivitas skema SGOB. Meninjau hasil per bangunan dan dimulai dengan HwB80, E7 menambahkan biaya GBP 34,000 saat menggunakan baterai 120 kWh, dibandingkan dengan tanpa kotak penyimpanan, sedangkan baterai 240 kWh membawa total biaya tambahan menjadi GBP 67,000. Tren yang sama persis diamati untuk HwL30.

Penting untuk digarisbawahi bahwa di bawah skenario E7 dan E5, diasumsikan bahwa energi yang diekspor untuk bangunan dihargai dengan harga listrik eceran. Sebagaimana dijelaskan, tidak ada mekanisme atau motif keuangan saat ini bagi bangunan untuk menyediakan layanan seperti itu ke jaringan listrik. Ini juga salah satu alasan yang membuat perbedaan antara E7 dan E5 diperlukan.

Dalam arah ini, penghargaan finansial diperlukan untuk mendorong bangunan komersial untuk berpartisipasi dalam perusahaan yang disarankan ini dan menjadi SGOB. Reward ini setidaknya dapat menutupi perbedaan antara NPC (business as usual) tanpa penyimpanan dan NPC saat menggunakan BSS. Pada dasarnya, ini akan menciptakan aliran pendapatan tambahan yang akan membuat kedua NPC menjadi sama. Mengenai struktur penghargaan SGOB ini, penulis makalah ini mendukung bahwa itu harus didasarkan pada jumlah listrik yang dialihkan dan/atau diekspor oleh BSS. Untuk kebutuhan pasal saat ini, penekanan akan diberikan hanya pada listrik yang dialihkan karena ini hadir dalam ketiga strategi operasional.

Jika motif keuangan dihitung berdasarkan jumlah listrik yang dialihkan selama jam kerja gedung, seperti yang disajikan dalam Bab 2.4, kisaran imbalannya adalah GBP 0.0966–0.1432 untuk HwL30 dan GBP 0.1031–0.1575 untuk HwB80, seperti yang ditunjukkan pada Gambar 12. Pergeseran listrik bermanfaat bagi jaringan; namun, untuk bangunan individu lebih banyak energi yang dialihkan biasanya karena bangunan tersebut memiliki konsumsi energi yang lebih tinggi karena efisiensi energi yang buruk. Oleh karena itu, insentif apa pun perlu tidak mendorong efisiensi energi yang lebih rendah dalam stok bangunan. Dalam hal ini, hal ini diatasi dengan menggunakan energi yang digeser dalam penyebut perhitungan insentif. Hal ini juga dapat dicapai dengan insentif yang hanya diterapkan pada bangunan ketika mencapai tingkat efisiensi energi tertentu.

Gambar 12. Diperlukan motif keuangan untuk periode 10 tahun (semua strategi operasional).

Strategi operasional E7 membutuhkan imbalan finansial tertinggi, diikuti oleh E5 dan E0. Dalam urutan menurun, motif finansial menetapkan kisaran antara GBP 0.1405–0.1575 untuk E7, GBP 0.1081–0.1281 untuk E5 dan terakhir GBP 0.0966–0.1059 untuk E0. Angka tertinggi yang diamati di bawah E7 dapat dijelaskan karena berkurangnya masa pakai baterai, yang mengarah ke NPC yang relatif lebih tinggi dan oleh karena itu perbedaan NPC yang lebih besar yang perlu ditutupi oleh motif finansial (Persamaan (12)). Hadiah yang dibutuhkan di bawah E0 tampaknya sedikit lebih rendah daripada nilai masing-masing di bawah E5 karena keseluruhan operasi baterai E0 didedikasikan untuk pemindahan beban sementara ada kombinasi pemindahan beban dan ekspor listrik kecil, di bawah E5.

Akhirnya, biaya listrik yang diratakan (LCOE) disajikan di bawah ini, dalam Tabel 9. Biayanya hampir sama untuk bangunan tanpa gudang, sekitar GBP 0.1146/kWh. Untuk ukuran BSS yang lebih kecil (120 kWh), terlihat pada kedua gedung tersebut bahwa pada strategi operasional E7, biaya pembelian listrik sama dengan skenario tanpa penyimpanan, sedangkan nilainya meningkat menjadi sekitar GBP 0.1289 untuk E5 dan mencapai harga maksimum untuk E0, dengan nilai rata-rata GBP 0.1334. Saat menggunakan BSS yang lebih besar (240 kWh), LCOE memiliki nilai rata-rata GBP 0.1225 di bawah E7, sedikit lebih tinggi dari nilai masing-masing baterai yang lebih kecil. Biaya listrik untuk strategi E5 dan E0 lebih tinggi, dengan nilai rata-rata masing-masing GBP 0.1382 dan GBP 0.1489.

Tabel 9. Levelised Cost of Electricity (LCOE) untuk periode 10 tahun.

Kesimpulannya, meskipun ada beberapa perbedaan kecil, hasil LCOE serupa untuk kedua bangunan. Parameter yang mempengaruhi biaya listrik adalah strategi operasional dan ukuran BSS sedangkan LCOE di bawah E7 tampaknya mirip dengan nilai skenario tanpa penyimpanan. Perlu diingat bahwa ini juga terkait dengan metodologi perhitungan LCOE yang diikuti karena NPC dibagi dengan jumlah permintaan listrik dan ekspor saat ini. Dapat dikatakan bahwa penyertaan ekspor berpotensi menyebabkan perkiraan LCOE yang terlalu rendah, untuk strategi E7 dan E5. Namun, listrik tambahan dibeli dari jaringan untuk kemudian diekspor kembali, menghasilkan keuntungan berikutnya dan pada saat yang sama menyediakan layanan penting untuk jaringan listrik.

3.3.2. CBA untuk Periode 20 Tahun

Hasil CBA 20 tahun ditampilkan, secara rinci, dalam Tabel 10, bersama dengan jumlah penggantian yang diperlukan, untuk konverter dua arah dan baterai. Perlu dicatat bahwa, sebagai akibat dari peningkatan masa studi dari 10 menjadi 20 tahun, semua nilai NPC, termasuk skenario tanpa penyimpanan, telah meningkat karena jumlah listrik yang dibeli oleh jaringan untuk menutupi bangunan lokal lebih tinggi. beban. Lebih khusus lagi, saat tidak menggunakan penyimpanan, Gedung HwL30 memiliki NPC selama 20 tahun sebesar GBP 324,602, yaitu sekitar GBP 62,000 lebih mahal daripada Gedung HwB80. Mirip dengan hasil periode 10 tahun, perbedaan NPC GBP 62,000 antara kedua bangunan ini hadir di semua strategi dan ukuran BSS, menegaskan bahwa HwB80 memang lebih ekonomis. Selanjutnya, biaya tambahan yang diperkenalkan oleh belanja modal dari penggantian telah menyebabkan peningkatan NPC untuk semua skenario penyimpanan. Pada saat yang sama, karena semua komponen BSS tidak memiliki sisa umur pada akhir masa studi, tidak ada pengurangan dari nilai NPC masing-masing. Namun demikian, hasil 20 tahun dan trennya konsisten dengan hasil periode 10 tahun, seperti yang disajikan dalam Bagian 3.3.1.

Tabel 10. LCOE, NPC dan motif keuangan yang dibutuhkan untuk periode 20 tahun.

Pada titik ini, penting untuk menyajikan perbandingan singkat antara hasil 10 dan 20 tahun untuk mengevaluasi bagaimana nilai NPC mempengaruhi motif keuangan yang diperlukan untuk membuat skema SGOB hemat biaya (Gambar 13). Untuk kedua bangunan dan periode studi, dapat dilihat bahwa, dengan pengecualian beberapa variasi kecil, nilai motif finansial sebagian besar sama untuk kedua ukuran BSS yang digunakan; ini diharapkan karena normalisasi mereka (GBP/kWh bergeser). Dalam hal nilai motif keuangan per strategi operasional, tren yang sama diamati, seperti pada: Bagian 3.3.1, dengan E7 membutuhkan imbalan finansial tertinggi, diikuti oleh E5 dan terakhir E0. Selain itu, jelas bahwa untuk periode 20 tahun, motif keuangan yang dibutuhkan berkurang sebesar GBP 0.02/kWh, baik untuk bangunan maupun semua strategi operasional, jika dibandingkan dengan nilai masing-masing periode 10 tahun. Akibatnya, operasi BSS tidak hanya mampu mengkompensasi biaya modal tambahan yang diperlukan untuk komponen pengganti periode 20 tahun, tetapi juga menghasilkan pengurangan imbalan finansial yang dibutuhkan ketika meningkatkan masa studi dari 10 menjadi 20 tahun. Secara lebih rinci, untuk BSS 120 kWh yang lebih kecil dan kedua bangunan, pengurangan mencapai 13% untuk E7 dan 21% untuk E5 dan E0, sedangkan nilai masing-masing untuk BSS 240 kWh (13%, 22%, 21%) tetap sebagian besar konsisten.

Gambar 13. Imbalan finansial yang dibutuhkan untuk periode 10 tahun dan 20 tahun, berdasarkan perpindahan listrik (GBP/kWh), untuk bangunan (a) HwL30 dan (b) HwB80.

4. Kesimpulan

Dari total delapan bangunan simulasi dengan karakteristik desain yang berbeda, dua kasus ekstrim, dari segi energi, dipilih untuk penyelidikan lebih lanjut guna menilai kemampuannya dalam memanfaatkan BSS untuk melakukan arbitrase berdasarkan harga listrik waktu nyata. Ketika mengasumsikan ukuran baterai terbesar 220 kWh, bangunan paling hemat energi (HwB80), dalam hal nilai-U amplop, telah terbukti mampu menggeser persentase beban puncaknya yang lebih tinggi (31.76% untuk E7, 29.51 % untuk E5, dan 39.68% untuk E0) dan pada saat yang sama, mengekspor lebih banyak listrik (18.08 kWh/m² untuk E7 dan 5.53 kWh/m² untuk E5) saat ini tersedia sebagai opsi. Selain itu, HwB80 telah terbukti memiliki biaya bersih tahunan terendah (5.40 GBP/m² untuk E7, 6.07 GBP/m² untuk E5, dan 6.20 GBP/m² untuk E0) yang secara signifikan lebih rendah jika dibandingkan dengan biaya skenario tanpa penyimpanan sebesar 7.01 GBP/m², untuk gedung yang sama. Jelas bahwa desain bangunan mempengaruhi energi serta kinerja arbitrase.

Mengenai ekonomi jangka panjang dan CBA yang dilakukan untuk periode 10 tahun, Gedung HwB80 terbukti menjadi yang paling ekonomis, mengurangi biaya GBP 35,000 dalam semua skenario, termasuk tanpa penyimpanan. NPC terendah diamati di bawah strategi E5 karena sisa masa pakai baterai (50%) pada akhir periode 10 tahun, dan jumlah pendapatan yang kecil. Hasil E0 sangat mirip dengan E5, menunjukkan bahwa strategi operasional E5 menghasilkan aliran pendapatan yang tidak signifikan dari ekspor. Terakhir, strategi E7 memiliki nilai NPC tertinggi untuk semua skenario karena pendapatan ekspor tidak cukup untuk mengkompensasi fakta bahwa masa pakai baterai yang tersisa tidak ada, yang mengarah pada pengurangan NPC nol pada akhir periode studi. Jika dipertimbangkan untuk jangka waktu 20 tahun, HwB80 masih merupakan bangunan paling ekonomis, dengan biaya GBP 62,000 lebih sedikit dalam semua skenario, termasuk tanpa penyimpanan. Meningkatkan masa studi dari 10 menjadi 20 tahun mengarah pada pengurangan motif keuangan sebesar GBP 0.02 per kWh yang dialihkan, meskipun pengenalan biaya modal tambahan yang diperlukan untuk penggantian sistem.

Hasil mengenai imbalan finansial yang dibutuhkan untuk membuat skema gedung-arbitrase hemat biaya sangat menarik, karena gedung hemat energi (HwB80) terbukti membutuhkan jumlah pendapatan tambahan yang lebih tinggi (GBP/kWh bergeser). Sifat bermasalah dari definisi imbalan finansial dijelaskan; oleh karena itu, penulis artikel ini percaya bahwa monetisasi layanan penyediaan bangunan ke jaringan listrik dengan pemanfaatan BSS harus didasarkan pada persentase beban bangunan yang dialihkan (%) daripada jumlah total listrik yang dialihkan. Yang terakhir merupakan kriteria yang jauh lebih adil yang mampu mencerminkan efisiensi energi bangunan dan secara tidak langsung desain dan konfigurasi HVAC mereka.

Mengenai keterbatasan penelitian ini, perlu dicatat bahwa mayoritas pengguna akhir tidak memiliki akses ke harga listrik real-time dan tidak ada mekanisme saat ini yang memungkinkan arbitrase baterai pada skala bangunan. Namun, makalah ini membahas metode untuk memungkinkan hal ini terjadi terhadap pemanfaatan penyimpanan tingkat bangunan yang lebih luas.

Jelas bahwa pembentukan kerangka peraturan yang tepat sangat penting untuk menetapkan motif bangunan untuk mengambil peran aktif dalam jaringan pintar masa depan dengan memanfaatkan penyimpanan baterai dan berkembang secara bertahap menjadi SGOB. Ini hanya akan mungkin jika semua pelaku pasar dan pemangku kepentingan terkait mengenali potensi pengurangan permintaan puncak dan kemampuan yang disajikan di bawah strategi DR yang berbeda untuk berbagai jenis bangunan, dalam iklim dan profil hunian yang berbeda. Mereka harus berkumpul untuk membahas dan membuat kerangka seperti itu, termasuk utilitas listrik, pemerintah, masyarakat, dan pemilik bangunan.

Artikel saat ini membuat langkah penting pertama dengan memeriksa bagaimana desain bangunan dan karakteristik BSS mempengaruhi kinerja bangunan komersial yang melakukan arbitrase dengan memperkenalkan tiga strategi operasional dan memeriksa implikasi tekno-ekonomi dalam jangka panjang. Pekerjaan lebih lanjut harus dilakukan untuk mendefinisikan dan memeriksa motif keuangan potensial dan mekanisme subsidi, tidak hanya untuk arbitrase tetapi juga untuk layanan keseimbangan lainnya. Motif-motif ini dapat disusun serupa dengan layanan yang disediakan oleh Jaringan Nasional, yang disebutkan sebelumnya, dan dapat mencakup biaya ketersediaan (GBP/jam), penggunaan (GBP/MWh), dan biaya nominasi (GBP/jam).

Mengenai pekerjaan di masa depan, penting untuk memeriksa desain bangunan tambahan dan konfigurasi HVAC, terutama bangunan berventilasi alami yang dapat menunjukkan perilaku yang berbeda dalam hal profil listrik harian mereka, terutama di periode musim panas. Pengembangan lebih lanjut untuk memasukkan energi terbarukan skala bangunan juga harus mengikuti.

Kontribusi Penulis

Konseptualisasi, ADG, BV, EAH dan MM; analisis formal, ADG, BV, EAH dan MM; investigasi, ADG, BV, EAH dan MM; metodologi, ADG, BV, EAH dan MM; perangkat lunak, ADG; pengawasan, BV, EAH dan MM; Menulis—draf asli, ADG; Penulisan—tinjauan dan penyuntingan, ADG Semua penulis telah membaca dan menyetujui versi manuskrip yang diterbitkan.

Pendanaan

Para penulis mengucapkan terima kasih atas dukungan dari EPSRC melalui hibah EP/L016818/1 yang mendanai Pusat Pelatihan Doktor dalam Penyimpanan Energi dan Aplikasinya.

Referensi

1. D'Agostino, D.; Cuniberti, B.; Bertoldi, P. Konsumsi energi dan langkah-langkah teknologi efisiensi di bangunan non-perumahan Eropa. Membangun Energi. 2017, 153, 72 – 86. [Google Scholar] [CrossRef]
2. Warwicker, B.; Tunai, D. Membangun hubungan jasa dengan jaringan nasional. Dalam Prosiding Simposium Teknis CIBSE ASHRAE, London, Inggris, 18–19 April 2012. [Google Scholar]
3. Anderson, B.; Torriti, J. Menjelaskan pergeseran permintaan listrik Inggris menggunakan data penggunaan waktu dari tahun 1974 hingga 2014. Kebijakan Energi 2018, 123, 544 – 557. [Google Scholar] [CrossRef]
4. Das, P.; Mathur, J.; Bhakar, R.; Kanudia, A. Implikasi intermittency sumber daya energi terbarukan jangka pendek dalam perencanaan sistem tenaga jangka panjang. strat energi. Putaran. 2018, 22, 1 – 15. [Google Scholar] [CrossRef]
5. Sehar, F.; Pipattanasomporn, M.; Rahman, S. Model manajemen energi untuk mempelajari energi dan penghematan daya puncak dari PV dan penyimpanan di gedung-gedung yang responsif permintaan. aplikasi Energi 2016, 173, 406 – 417. [Google Scholar] [CrossRef]
6. Palensky, P.; Dietrich, D. Manajemen sisi permintaan: Respons permintaan, sistem energi cerdas, dan beban cerdas. IEEE Trans. Ind. Menginformasikan. 2011, 7, 381 – 388. [Google Scholar] [CrossRef]
7. Brandt, T.; Feuerriegel, S.; Neumann, D. Pemodelan interferensi dalam desain sistem informasi untuk sistem siberfisik: Wawasan dari aplikasi smart grid. Eur. J. Inf. Syst. 2018, 27, 207 – 220. [Google Scholar] [CrossRef]
8. Valogianni, K.; Ketter, W. Respons permintaan yang efektif untuk jaringan pintar: Bukti dari pilot dunia nyata. keputusan Sistem Dukungan 2016, 91, 48 – 66. [Google Scholar] [CrossRef]
9. Alimohammadisagvand, B. Pengaruh Tindakan Respon Permintaan Terhadap Kenyamanan Termal dan Biaya Listrik Rumah Tinggal. Ph.D. Tesis, Universitas Aalto, Espoo, Finlandia, 2018. [Google Scholar]
10. Alimohammadisagvand, B.; Jokisalo, J.; Siren, K. Potensi kontrol prediktif dalam meminimalkan biaya listrik di rumah perumahan pompa panas panas. Dalam Prosiding 3rd IBPSA-England Conference BSO 2016, Great North Museum, Newcastle, Inggris, 12–14 September 2016. [Google Scholar]
11. Hemmati, M.; Mirzaei, MA; Abapour, M.; Zare, K.; Mohammadi-Ivatloo, B.; Mehrjerdi, H.; Marzband, M. Analisis ekonomi-lingkungan dari gabungan panas dan mikrogrid berbasis daya yang dapat dikonfigurasi ulang yang terintegrasi dengan berbagai penyimpanan energi dan program respons permintaan. Mempertahankan. Perkumpulan Kota 2021, 69, 102790. [Google Scholar] [CrossRef]
12. Korkas, CD; Baldi, S.; Michaelilidis, saya.; Kosmatopoulos, EB Respons permintaan berbasis hunian dan optimalisasi kenyamanan termal di jaringan mikro dengan sumber energi terbarukan dan penyimpanan energi. aplikasi Energi 2016, 163, 93 – 104. [Google Scholar] [CrossRef]
13. Gholinejad, HR; Loni, A.; Adabi, J.; Marzband, M. Sistem manajemen energi hierarkis untuk beberapa pusat energi rumah di jaringan lingkungan. J. Membangun. Ind. 2020, 28, 101028. [Google Scholar] [CrossRef]
14. Kiliccote, S.; Piette, MA; Ghatikar, G.; Hafemeister, D.; Kammen, D.; Levi, BG; Schwartz, P. Bangunan pintar dan respons permintaan. AIP Conf. Prok. 2011, 1401, 328 – 338. [Google Scholar] [CrossRef]
15. Derakhshan, G.; Shayanfar, HA; Kazemi, A. Optimalisasi program respon permintaan di jaringan pintar. Kebijakan Energi 2016, 94, 295 – 306. [Google Scholar] [CrossRef]
16. Lee, YM; Hores, R.; Liberti, L. Kontrol HVAC yang optimal sebagai respons permintaan dengan sistem pembangkit dan penyimpanan energi di lokasi. Prosedur Energi 2015, 78, 2106 – 2111. [Google Scholar] [CrossRef]
17. Lorenzi, G.; Silva, CAS Membandingkan respons permintaan dan penyimpanan baterai untuk mengoptimalkan konsumsi sendiri dalam sistem PV. aplikasi Energi 2016, 180, 524 – 535. [Google Scholar] [CrossRef]
18. Laboratorium Nasional Lawrence Berkeley. Pengantar Strategi dan Teknik Kontrol Bangunan Komersial untuk Respon Permintaan. 2007. Tersedia online  (diakses pada 18 Maret 2021).
19. Winfield, M.; Shokrzadeh, S.; Jones, A. Perubahan rezim kebijakan energi dan penyimpanan energi tingkat lanjut: Analisis komparatif. Kebijakan Energi 2018, 115, 572 – 583. [Google Scholar] [CrossRef]
20. ESO Jaringan Nasional. Layanan Penyeimbang. 2021. Tersedia online  (diakses pada 10 Maret 2021).
21. Heris, M.-N.; Mirzaei, MA; Asadi, S.; Mohammadi-Ivatloo, B.; Zare, K.; Jebelli, H.; Marzband, M. Evaluasi teknologi penyimpanan hidrogen dalam penjadwalan stokastik risiko terbatas dari sistem energi multi-carrier mempertimbangkan kendala jaringan listrik, gas dan pemanas. Int. J. Energi Hidrogen 2020, 45, 30129 – 30141. [Google Scholar] [CrossRef]
22. Nazari-Heris, M.; Mohammadi-Ivatloo, B.; Asadi, S. Pengoperasian jaringan energi multi-pembawa yang optimal dengan sumber energi gas, listrik, pemanas, dan air dengan mempertimbangkan teknologi penyimpanan energi yang berbeda. J. Penyimpanan Energi 2020, 31, 101574. [Google Scholar] [CrossRef]
23. Mirzaei, MA; Nazari-Heris, M.; Zare, K.; Mohammadi-Ivatloo, B.; Marzband, M.; Asadi, S.; Anvari-Moghaddam, A. Mengevaluasi dampak sistem penyimpanan energi multi-pembawa dalam operasi optimal jaringan listrik, gas, dan pemanas distrik terintegrasi. aplikasi Satuan panas. Ind. 2020, 176, 115413. [Google Scholar] [CrossRef]
24. Bulut, MB; Odlare, M.; Stigson, P.; Wallin, F.; Vassileva, I. Bangunan dalam sistem energi masa depan—Perspektif sektor energi dan bangunan Swedia tentang tantangan energi saat ini. Membangun Energi. 2015, 107, 254 – 263. [Google Scholar] [CrossRef]
25. Bulut, MB; Wallin, F. Bangunan sebagai komponen jaringan pintar—Perspektif pemangku kepentingan yang berbeda. Prosedur Energi 2014, 61, 1630 – 1633. [Google Scholar] [CrossRef]
26. Agarwal, Y.; Weng, T.; Gupta, RK Memahami peran bangunan dalam smart microgrid. Dalam Prosiding Desain, Otomasi & Uji 2011 di Eropa, Grenoble, Prancis, 14–18 Maret 2011. [Google Scholar]
27. Niu, J.; Tian, ​​Z.; Lu, Y.; Zhao, H. Pengiriman fleksibel sistem energi gedung menggunakan penyimpanan termal gedung dan penyimpanan energi baterai. aplikasi Energi 2019, 243, 274 – 287. [Google Scholar] [CrossRef]
28. Georgakarakos, AD; Mayfield, M.; Hathway, sistem penyimpanan Baterai EA di gedung-gedung yang dioptimalkan oleh jaringan pintar. Prosedur Energi 2018, 151, 23 – 30. [Google Scholar] [CrossRef]
29. Gissey, GC; Dodds, P.; Radcliffe, J. Market dan hambatan regulasi untuk inovasi penyimpanan energi listrik. Memperbarui. Menopang. Energi Rev. 2018, 82, 781 – 790. [Google Scholar] [CrossRef]
30. Forrester, SP; Zaman, A.; Mathieu, J.; Johnson, J. Kebijakan dan hambatan pasar untuk penyimpanan energi menyediakan berbagai layanan. listrik. J. 2017, 30, 50 – 56. [Google Scholar] [CrossRef]
31. Zam, KK; Brehm, CA; Nitica, AT; Richard, CL; Schweitzer III, GD Jaringan pintar dan penyimpanan energi: Rekomendasi kebijakan. Memperbarui. Menopang. Energi Rev. 2018, 82, 1646 – 1654. [Google Scholar] [CrossRef]
32. Leadbetter, J.; Swan, L. Sistem penyimpanan baterai untuk pencukuran kebutuhan puncak listrik perumahan. Membangun Energi. 2012, 55, 685 – 692. [Google Scholar] [CrossRef]
33. Graditi, G.; Ippolito, M.; Telaretti, E.; Zizzo, G. Penilaian teknis dan ekonomis penyimpanan elektrokimia terdistribusi untuk aplikasi pemindahan beban: Studi kasus Italia. Memperbarui. Menopang. Energi Rev. 2016, 57, 515 – 523. [Google Scholar] [CrossRef]
34. Palizban, O.; Kauhaniemi, K. Sistem penyimpanan energi dalam jaringan modern—Matriks teknologi dan aplikasi. J. Penyimpanan Energi 2016, 6, 248 – 259. [Google Scholar] [CrossRef]
35. Gür, TM Tinjauan teknologi, bahan, dan sistem penyimpanan energi listrik: Tantangan dan prospek penyimpanan jaringan skala besar. Lingkungan Energi. Sci. 2018, 11, 2696 – 2767. [Google Scholar] [CrossRef]
36. Parra, D.; Gillott, M.; Norman, SA; Walker, GS Sistem penyimpanan energi komunitas yang optimal untuk pergeseran waktu energi PV. aplikasi Energi 2015, 137, 576 – 587. [Google Scholar] [CrossRef]
37. Knosala, K.; Kotzur, L.; Roben, FT; Stenzel, P.; Blum, L.; Robinius, M.; Dicuri, D. Penyimpanan rumah hidrogen hibrida untuk otonomi energi terdesentralisasi. Int. J. Energi Hidrogen 2021, 46, 21748 – 21763. [Google Scholar] [CrossRef]
38. Elberry, AM; Thakur, J.; Santasalo-Aarnio, A.; Larmi, M. Penyimpanan hidrogen terkompresi skala besar sebagai bagian dari sistem penyimpanan listrik terbarukan. Int. J. Energi Hidrogen 2021, 46, 15671 – 15690. [Google Scholar] [CrossRef]
39. Ramos, JS; Moreno, MP; Delgado, MG; Domínguez, S.Á.; Cabeza, LF Potensi bangunan fleksibel energi: Evaluasi strategi DSM menggunakan massa termal bangunan. Membangun Energi. 2019, 203, 109442. [Google Scholar] [CrossRef]
40. Wang, S.; Gao, D.-C.; Tang, R.; Xiao, F. Kontrol sistem HVAC berbasis suplai pendingin untuk respons permintaan cepat bangunan terhadap permintaan mendesak jaringan pintar. Prosedur Energi 2016, 103, 34 – 39. [Google Scholar] [CrossRef]
41. Perez, KX; Baldea, M.; Edgar, TF Manajemen HVAC Terintegrasi dan penjadwalan optimal peralatan pintar untuk pengurangan beban puncak komunitas. Membangun Energi. 2016, 123, 34 – 40. [Google Scholar] [CrossRef]
42. Dufo-López, R.; Agustín, JLB Desain multi-tujuan sistem PV–angin-diesel–hidrogen–baterai. Memperbarui. Energi 2008, 33, 2559 – 2572. [Google Scholar] [CrossRef]
43. Mago, PJ; Smith, AD Evaluasi pengurangan emisi potensial dari penggunaan sistem CHP di bangunan komersial yang berbeda. Membangun. Mengepung. 2012, 53, 74 – 82. [Google Scholar] [CrossRef]
44. Jung, Y.; Kim, J.; Lee, H. Evaluasi multi kriteria bangunan tempat tinggal berukuran sedang dengan sistem mikro-CHP di Korea Selatan. Membangun Energi. 2019, 193, 201 – 215. [Google Scholar] [CrossRef]
45. Georgakarakos, AD; Mayfield, M.; Buckman, AH; Jubb, SA; Wootton, C. Apakah bangunan yang dioptimalkan jaringan pintar itu? Dalam Proceedings of the Living and Sustainability: An Environmental Critique of Design and Building Practices, Lokal dan Global, London, Inggris, 9–10 Februari 2017. [Google Scholar]
46. Pemerintah H.M. Peraturan Bangunan 2010: Konservasi Bahan Bakar dan Tenaga (L1A). 2016. Tersedia online (diakses pada 5 Maret 2021).
47. Badan Energi Internasional. Data Numerik untuk Perhitungan Infiltrasi Udara & Ventilasi Alami. 1998. Tersedia online  (diakses pada 10 Februari 2021).
48. Florida, G.; Tassou, S.; Kalogirou, S.; Wrobel, L. Tindakan yang digunakan untuk menurunkan konsumsi energi bangunan dan efektivitas biayanya. aplikasi Energi 2002, 73, 299 – 328. [Google Scholar] [CrossRef]
49. Pacheco-Torres, R.; Ordoez, J.; Martínez, G. Desain bangunan hemat energi: Sebuah tinjauan. Memperbarui. Menopang. Energi Rev. 2012, 16, 3559 – 3573. [Google Scholar] [CrossRef]
50. CIBSE. Desain Lingkungan: Panduan CIBSE A, edisi ke-8; The Lavenham Press: Suffolk, Inggris, 2015. [Google Scholar]
51. Kamel, E.; Memari, AM Review aplikasi BIM dalam simulasi energi: Alat, masalah, dan solusi. otomatis Batasan 2018, 97, 164 – 180. [Google Scholar] [CrossRef]
52. Boyano, A.; Hernandez, P.; Wolf, O. Permintaan energi dan potensi penghematan di gedung perkantoran Eropa: Studi kasus berdasarkan simulasi EnergyPlus. Membangun Energi. 2013, 65, 19 – 28. [Google Scholar] [CrossRef]
53. DesainPembangun. Opsi Perhitungan. 2019. Tersedia online (diakses pada 5 Januari 2021).
54. Kolam Nord. Laporan Tahunan Nord Pool Spot 2018. 2018. Tersedia online: http://www.nordpoolspot.com/globalassets/download-center/annual-report/annual-report_nord-pool-spot_2013.pdf (diakses pada 15 Desember 2020).
55. Kolam Nord. Data Pasar Historis. 2019. Tersedia online: https://www.nordpoolgroup.com/historical-market-data/ (diakses pada 20 November 2020).
56. permata. Rincian Tagihan Listrik. 2018. Tersedia online: https://www.ofgem.gov.uk/data-portal/breakdown-electricity-bill (diakses pada 12 Desember 2020).
57. Pemerintah H.M. Bahan Bakar dan Tenaga (Pemberitahuan PPN 701/19). 2016. Tersedia online: https://www.gov.uk/guidance/vat-on-fuel-and-power-notice-70119 (diakses pada 11 November 2020).
58. permata. Laporan Segmental Konsolidasi Perusahaan Energi. 2018. Tersedia online: https://www.ofgem.gov.uk/system/files/docs/2018/08/css_-_energy_companies_consolidated_segmental_statements_css_-_2018.pdf (diakses pada 25 November 2020).
59. Dufo-López, R.; Bernal-Agustín, JL Analisis tekno-ekonomi penyimpanan baterai yang terhubung ke jaringan. Konversi Energi. Kelola. 2015, 91, 394 – 404. [Google Scholar] [CrossRef]
60. Connolly, D.; Lund, H.; Finn, P.; Mathiesen, B.; Leahy, M. Strategi operasi praktis untuk penyimpanan energi listrik tenaga air (PHES) pompa dengan memanfaatkan arbitrase harga listrik. Kebijakan Energi 2011, 39, 4189 – 4196. [Google Scholar] [CrossRef]
61. Staffell, saya.; Rustomji, M. Memaksimalkan nilai simpanan listrik. J. Penyimpanan Energi 2016, 8, 212 – 225. [Google Scholar] [CrossRef]
62. Barbour, E.; Wilson, G.; Aula, P.; Radcliffe, J.; Wilson, I. Dapatkah harga listrik yang negatif mendorong perangkat penyimpan energi listrik yang tidak efisien? Int. J.Lingkungan. pejantan 2014, 71, 1 – 15. [Google Scholar] [CrossRef]
63. TESVOLT. Sistem Penyimpanan Lithium untuk Bisnis dan Industri. 2016. Tersedia online: http://www.solfex.co.uk/uploads/downloads/TESVOLT_ENG_Li_Datasheet_Version_2016_06.pdf (diakses pada 3 November 2020).
64. Tesla. Tesla Powerpack. 2020. Tersedia online: https://www.tesla.com/en_GB/powerpack (diakses pada 8 Oktober 2020).
65. Pimm, AJ; Ayam jantan, TT; Taylor, PG; Bastiaans, J. Nilai penyimpanan listrik untuk perusahaan besar: Sebuah studi kasus di Universitas Lancaster. Energi 2017, 128, 378 – 393. [Google Scholar] [CrossRef]
66. Yang, L.; Ribberink, H. Investigasi potensi untuk meningkatkan ekonomi stasiun pengisian cepat DC dengan mengintegrasikan pembangkit listrik fotovoltaik dan/atau sistem penyimpanan energi baterai lokal. Energi 2019, 167, 246 – 259. [Google Scholar] [CrossRef]
67. Dufo-López, R. Optimalisasi ukuran dan kontrol penyimpanan yang terhubung ke jaringan di bawah kondisi harga listrik waktu nyata. aplikasi Energi 2015, 140, 395 – 408. [Google Scholar] [CrossRef]
68. Dehghani-Sanij, A.; Tharumalingam, E.; Dusseault, M.; Fraser, R. Studi sistem penyimpanan energi dan tantangan lingkungan baterai. Memperbarui. Menopang. Energi Rev. 2019, 104, 192 – 208. [Google Scholar] [CrossRef]

Artikel ini awalnya diterbitkan oleh Penerima Lisensi MDPI, Basel, Swiss, pada 25 September 2021, dan telah diterbitkan ulang sesuai dengan Lisensi Publik Internasional Creative Commons Attribution-NonCommercial-NoDerivatives 4.0. Anda bisa membaca artikel aslinya disini. Pandangan yang diungkapkan dalam artikel ini adalah dari penulis sendiri dan bukan dari WorldRef.

Jelajahi layanan WorldRef untuk mempelajari bagaimana kami membuat operasi bisnis global Anda lebih mudah dan lebih ekonomis!

Layanan untuk Penjual  |  Layanan untuk Pembeli  |  Sumber Industri Gratis   |  Layanan Tenaga Kerja  |  Solusi Industri  |  Layanan Rekrutmen Tenaga Kerja  |  Jasa Kontraktor Tenaga Kerja  |  Layanan Deputi Tenaga Kerja  |