清潔能源轉型需要創(chuàng)新能源、創(chuàng)新技術和投資策略的共同發(fā)展。深脫碳能源系統(tǒng)研究平臺需要材料科學在電池技術上取得進展，從而克服風能和太陽能發(fā)電間歇性的挑戰(zhàn)。同時，旨在促進電池儲能市場增長和創(chuàng)新的政策，可以補充削減一整套清潔能源技術的成本。進一步整合研發(fā)和部署新的存儲技術，為高效低耗能電力開辟了一條明確的道路。在這里，我們使用一個雙因素模型來分析部署和創(chuàng)新，該模型綜合了材料創(chuàng)新投資和技術部署的價值，并從一個涵蓋電池存儲技術的經驗數據集中進行了分析。在電池儲能互補發(fā)展和可再生電力來源對改善脫碳是極其重要的。我們找到一個可行的路徑以平均1美元每瓦太陽能和100美元每千瓦時電池存儲，使風光儲的組合直接與以燃煤為基礎的電力供應相競爭。

預測未來的儲能價格

將雙因素模型應用于業(yè)內頂級專家的近期生產預測，并假設專利活動維持在近五年(2011-2015年)平均水平的高度，樂觀估計消費電池價格在2018年可降至100美元/kWh以下。圖2和表1給出了各類電池的價格趨勢（見上篇）。該預測是基于25年的觀察結果，盡管樣本很少，但它代表了這個新生市場中最有效的信息。因為專利數遵循隨機泊松過程，未來的專利活動和生產水平都會變化，因此我們補充了一個詳細的敏感性矩陣。因為過去舊專利的影響力遠低于新專利，我們也專利時效和知識貶值的因素考慮了進去。我們發(fā)現(xiàn)成本的下降低于文獻對于目前的預測，該文獻曾發(fā)現(xiàn)了對電動汽車電池成本下降的低估。我們用“四因素”模型考慮原材料價格，控制鋰和鈷原料價格的影響，我們發(fā)現(xiàn)這一模型的學習率略低(14.82%)，并將更多的價格下降歸功于創(chuàng)新而不是部署。然而，原材料價格對電池成本的影響可能不像鋼鐵價格對風力發(fā)電那樣至關重要。因為盡管鋰和鈷是陰極的重要組成部分，但鋰電池是由多種材料組成的。同時在“四因素”模型中對原材料價格的控制(P<0.16)并不像兩因子模型(P<0.001)那樣具有統(tǒng)計學意義。無論如何，隨著新材料創(chuàng)新的發(fā)展，可持續(xù)性方面的標準對未來的發(fā)展都有指導意義。雙因素模型的一個潛在偏差可能是補貼的下降，這些補貼通常是專屬的而且很難預測。該領域的進一步研究將極大地解決技術和政策創(chuàng)新研究方面的差距。

鋰電池的發(fā)展可能會促使電動汽車的使用。研究表明，假設汽油價格維持在2015年水平，當電動汽車電池價格降至125-165美元/kWh時，電動汽車將可以在成本上與內燃機汽車相競爭。根據我們的模型，這個目標最早將在2017年實現(xiàn)，最晚也可以在2020年完成。除了電池價格之外，汽油價格、電費以及每年的行駛里程也對電動汽車的價格競爭力有著影響。這些預測結果低于先前報告文獻中的數值。

通過雙因素模型的結果，我們還研究比較了通過檢索學習和通過部署計劃的成本變化。檢索學習代表了研究-發(fā)展-示范（RD&D）的影響。為了預估此情況，我們從雙因素模型的當前價格趨勢中減少33%的專利活動，我們發(fā)現(xiàn)，要想在2020年實現(xiàn)跨入100美元/kWh電池儲能的門檻，依賴實踐學習，我們需要在全球增加307GWh的部署。打個比方，這意味著每年都要新部署一座特斯拉35GWh超級工廠。專利活動是雙因素模型的關鍵驅動因素。缺乏專利活動將提升成本使得電池價格增長76美元/kWh。在沒有任何新創(chuàng)新的最極端情況下，僅通過部署實現(xiàn)成本削減目標的代價會非常高，到2020年將超過1400億美元。這是不可能也是不可行的，因此也強調了通過雙因素框架實現(xiàn)以創(chuàng)新驅動成本降低的重要性。然而，最近大部分太陽能光伏和風能成本削減，都來自于工藝改進以及用部署的利潤進一步推動企業(yè)創(chuàng)新研發(fā)。如果對儲能來說這是正確的，那么在創(chuàng)新和部署之間的這種反饋限制了我們完全解耦研發(fā)和部署兩個目標的能力。這需要進一步的研究，并強調同時發(fā)展檢索學習和實踐學習的重要性，形成檢索學習和實踐學習共同發(fā)展的模式。

此外，公用事業(yè)和住宅規(guī)模的儲能正在逐漸接近與電網平價。我們發(fā)現(xiàn)以目前的目標,如果美國太陽能電價達到1美元/W的“SunShot”價格目標, 到2020年，這樣的價格趨勢預計會使住宅太陽能和電池儲能在成本上與電網電力相競爭,實現(xiàn)均化發(fā)電成本(LCOE)逐步降低至約0.11美元/kWh。

目前，基于鋰電池的儲能仍然主要是針對防停電保護的利基市場，但我們的分析表明這種情況完全可以改變，儲能會為未來的電力系統(tǒng)提供靈活性和可靠性。這一發(fā)現(xiàn)與最近一研究成果形成了鮮明對比，該研究假定儲能作為脫碳發(fā)電的價值降低，因此儲能技術成本會有所上升。根據我們的預測，這些預言未來儲能悲觀價格的研究都沒有考慮創(chuàng)新和部署的互補效應，以及未來電力系統(tǒng)中能量靈活性和/或能源大規(guī)模存儲的價值。GW級電網儲能將改善輸電和配電系統(tǒng)，從而降低未來的投資，以確保電網穩(wěn)定性并提高客戶可靠性。盡管例如勞動力和成套設備組件等因素也是總項目成本的重要組成部分，但模型還是強調了鋰和非鋰電化學儲能方案已非常接近該目標。

研發(fā)支出對價格的影響降低

為了實現(xiàn)儲能驅動的變革，需要進一步的研究來維持專利活動水平。公共研發(fā)支出和私人研究項目通過刺激研究和促進實驗的高水平直接引發(fā)創(chuàng)新，但美國聯(lián)邦政府的研發(fā)支出卻持續(xù)下降。光伏研究仍是研發(fā)項目推動增長和降低成本的最佳例證。然而，在過去的十年里，能源領域的公共研發(fā)支出并沒有跟上能源行業(yè)收入的增長。圖3顯示了美國聯(lián)邦政府在1976年至2015年間的研發(fā)支出。在此期間，美國聯(lián)邦政府的研發(fā)支出總額從GDP的1.2%驟降至0.8%。能源研發(fā)支出比從0.3%降至0.013%。全球能源研發(fā)支出占全球總研發(fā)支出的比重從10%以上降至2013年的3.9%。2015年，美國能源研發(fā)占總研發(fā)的2.1%。目前的能源研發(fā)支出份額并不反映清潔能源技術部署的重要性及其在實現(xiàn)全球氣候目標方面的作用。在電池技術方面，迫切需要采取行動，增加公共研發(fā)支出，從而推動創(chuàng)新，降低儲能成本，從而推動價格有競爭力的可調度太陽能、風能和電力存儲。


圖美國聯(lián)邦政府在1976 - 2016年的研發(fā)支出。美國聯(lián)邦政府的研發(fā)支出在過去40年里下降了約1.2%至0.8%。與此同時，與能源相關議題的聯(lián)邦研發(fā)支出從0.3%驟降至0.013%。這些深綠色的圓點顯示了與能源相關的研發(fā)支出在研發(fā)支出中所占份額的相似發(fā)展。在20世紀70年代后期，能源研發(fā)占研發(fā)總量的10%以上，其中50%以上被分配到全球核能。相比之下，2013年國際社會將3.9%的研發(fā)資金投入與能源相關的活動。數據來自美國科學促進會。

材料科學的進一步發(fā)展可能會促進電池能量密度的增加，這對于提高電動汽車的行駛里程從而與傳統(tǒng)車輛競爭仍然至關重要，同時也可以降低電網儲能應用的成本。目前，鋰離子電池的專利活動處于一個高水平，盡管它在過去5年里已經停滯不前了。這一模型強調了政策制定者通過系統(tǒng)地為清潔技術研發(fā)項目提供資金，以合理的價格實現(xiàn)脫碳目標，從而不斷降低公共研發(fā)支出和能源創(chuàng)新活動的重要性，肯定了先前研究的結果，并不僅延伸到發(fā)電資源，同時也包括儲能。此外，政策制定者應該啟動一個有利于私人風險資本投資于清潔技術的標準化框架。風險資本(VC)被認為對清潔技術行業(yè)至關重要，研究表明，VC比在專利活動方面的(公眾)研發(fā)更有效，因此可以用于實現(xiàn)電化學和機械儲能系統(tǒng)的目標。圖4給出了2009年至2014年期間儲能領域的全球企業(yè)和VC投資。盡管VC支持公司提供的大量貸款擔保目前仍沒有可觀的收益，但政府的一些舉措，如小企業(yè)創(chuàng)新研究計劃(SBIR)、大學研發(fā)項目和大規(guī)模的示范項目，已經取得了更大的成功。


根據我們的兩因素模型，采用激勵總部署EVs或儲能系統(tǒng)的策略是昂貴的方式。我們估計，到2018年，在當前的五年專利平均水平上，對電動汽車來說達到每千瓦時125美元的較低的邊界，需要比目前預測的每年增加兩倍以上的產量。這等于產生了大約300GWh的額外生產能力。特別值得一提的是，用于客戶側終端的鋰電池在總生產中占有相當大的市場份額，而能源應用可能會繼續(xù)滯后。通過搜索來學習，或者是創(chuàng)新(通過“研究”來學習)，很有可能比部署激勵發(fā)揮更大的作用，可以實現(xiàn)在更短的時間內實現(xiàn)更快的成本削減。采納的政策有可能導致對EVs和系統(tǒng)級儲能的生產或系統(tǒng)級價值鏈的成本提高。然而，通過容量目標來激勵部署，可能會產生重大的風險，在這種情況下，消費者不計后果購買的東西都會得到激勵。儲能的部署目標可能沒有像研究、創(chuàng)新驅動的活動那樣可以效果好。

我們提出一項戰(zhàn)略，將資金分配到更有成本效益的研究和發(fā)展措施上。政府可以在推動研究進展和創(chuàng)新方面發(fā)揮關鍵作用，從而進一步降低成本。未來的研究和法律框架，使分布式能源系統(tǒng)和“車-網”互動成為一個新興的研究領域。另一項研究焦點是了解網絡儲能有價值的情況，即提供旋轉備用或輔助服務的操作框架，需求響應，以及減少排放的可能。對于汽車儲能的應用，激勵和設計一個緊密嚙合的充電基礎設施可以減輕范圍的限制。所有這些（不僅是材料研究，而且是部署）的結果都可以促進創(chuàng)新驅動的成本削減。

發(fā)展研究項目不僅要注重材料科學技術的電化學儲存，而且要考慮到新興的機械存儲應用將提高電力系統(tǒng)規(guī)劃的靈活性。一些人宣稱機械存儲應用可能會以價格來削弱電化學存儲;然而，兩者可能都有市場。長時間的大容量存儲容量和高功率設備的短脈沖可以提供頻率調節(jié)、輔助服務，或在某些工況下簡單地向電網注入功率。通過能量密度和降低成本來提高儲能性能的互補性將是車輛和網絡級應用的必要條件。存儲技術可以從資產互補借鑒，驅動PV市場增長，并在清潔技術生態(tài)系統(tǒng)中找到合適的應用，而不僅僅是儲能容量達到了多少千瓦時。由于創(chuàng)新和部署驅動的成本削減，多用途存儲應用很可能會出現(xiàn)。

基于雙因素模型，我們建議決策者采取平衡的創(chuàng)新和部署政策。政策組合更有可能成功地推動環(huán)境變化，而不是單一的政策。我們注意到，公共研發(fā)支出的相對下降，可能會阻礙關鍵的成本削減和電力領域的深度脫碳，并將新材料從實驗室推向市場。通過研究，我們發(fā)現(xiàn)了與通過研發(fā)增加專利投入相關的重要價值，而推動這項研究的一種方法是通過政府支出，從而實現(xiàn)能源儲能系統(tǒng)成本的大幅削減。目前鋰電池材料的多樣性表明，與太陽能光伏或風機不同的是，在儲能技術方面需要新材料的發(fā)展，以達到100美元/ kWh的目標。

專利活動和研發(fā)支出繼續(xù)壓低了電化學電池存儲技術的價格。我們的兩因素學習曲線預測了2019年的一個轉折點，當時預測的價格突破了100美元/ kWh的門檻，與目前的預測和研究相矛盾。兩因素學習曲線上的牢固關系表明，美國的研發(fā)可以通過投資開發(fā)新電池材料來進一步降低成本。設計一種部署戰(zhàn)略將降低電網和交通部門的整體成本，這些部門占總二氧化碳排放總量的60%以上。因此，評價新技術的關鍵仍然是通過材料的選擇來提高安全性、能量密度和成本。促進軟邊創(chuàng)新和商業(yè)模式的新研究將加速將電化學儲能整合到公共市場。進一步的政府支持是必要的，以促進負責任的研發(fā)支出，使太陽能、風能和儲能的成本大幅降低，同時也減少了電力和運輸。美國有機會成為一個領導者，而不是一個落后的國家，在電池儲能制造和發(fā)展方面。我們發(fā)現(xiàn)研發(fā)支出是推動創(chuàng)新的有力指標。因此，在能源研究領域的研發(fā)支出的增加將促進一套多樣化的儲能技術和材料科學的進步。

博士點評

本文分上下兩部分：上半部分利用雙因子學習曲線模型分析近三十年鋰電池價格和年度產量、累計產量以及專利活動之間的關系，得出年度產量以及專利活動對鋰電池成本降低具有顯著影響的結論；下半部分利用雙因子曲線模型預測未來儲能設備的價格走勢，強調了儲能研發(fā)投入對降低儲能成本的積極作用，并討論了未來幾年儲能成本降至100美元/千瓦時以下所需的相關條件，包括探索新型儲能材料，平衡儲能研發(fā)與部署等。

1、大規(guī)模可再生能源的并網必然會需要足夠量的儲能設備的部署及精細化管理。全面綜合地解決此問題，需要科研領域內的學科交叉（材料、能源、信息等領域），工業(yè)界的生產創(chuàng)新，政府的積極扶持，以及三者之間不斷的相互迭代。

2、當儲能設備成本降低至一定閾值之下后，儲能加可再生能源的組合將對傳統(tǒng)能源的配置與使用產生根本性影響，并推進生產生活工具的轉型與更新?lián)Q代，如新型電動汽車/交通工具、新型供暖通風空調系統(tǒng)、新型照明系統(tǒng)等。

3、儲能設備的持續(xù)投入和使用將會促進電能交易與電力市場改革，并刺激電力系統(tǒng)朝著高效、低碳的方向進化。電力市場及電力系統(tǒng)結構均會從集中式轉向分布式甚至分散式。

4、儲能設備將作為未來能源互聯(lián)網系統(tǒng)及多能互補系統(tǒng)的必備組件，參與到發(fā)電、輸電、用電、能量轉化各個環(huán)節(jié)。

從企業(yè)前景來看，儲能行業(yè)是多學科融合的朝陽行業(yè)。儲能方向硬件相關企業(yè)盈利的重要因素在于新型、低成本、高性能儲能設備的研制，儲能方向軟件相關企業(yè)盈利的重要因素在于準確預測、精確計算以及精細控制。