能源系统的基本属性正在发生变化，这一切都增加了复杂性. 这种复杂性需要计划, 互连, 灵活性, 反应性, 相互依赖以确保韧性. 仅仅考虑自己的资产已经不够了. 你现在必须用一种能量系统的心态来思考、计划和建模 数字建模和优化至关重要 为了实现这个目标.
从集中式到分布式
传统的能源系统是集中的，并基于大规模的发电和生产设施, 例如石油和天然气终端或火力发电站. 集中式能源供应商使用传输网络将能源(或燃料换能源)分配给各地的个人客户——这是一个“少对多”关系的例子.
相比之下, 可再生能源系统利用能量密度较低的资源, 要求生成的资产数量更多，分布范围更广. 因此, 传输网络——无论是管道还是电缆——都需要扩展，以将无数的资产连接到消费者(一种多对多关系)。. 这些电缆和管道必须具有适当的能力，以充分发挥能源的潜力.
从单向消费者到双向产消者
传统的能源系统有一个从集中的生产者或发电机转移的清晰的能量流 上游 进一步对消费者 下游. 未来的脱碳能源系统将需要接受双向能源流动. 例如，公用事业规模的能源储存(例如.g., 电池, 水力发电, 压缩空气)对于稳定可再生能源发电是必要的，并且需要能源进出资产.
对于目前设计为单向流动的能源传输网络来说，进展是一个挑战.
在全国范围内, 互联互通使各国能够在彼此的能源生产国和消费国之间转换. 在较小的范围内, 任何拥有屋顶空间或闲置土地的人都可以成为可再生能源的生产者，同时也是消费者，因此被称为“产消者”.“一些产消者甚至可能提供分布式服务 作为电网服务的能源存储，例如车辆到电网.
从燃料到电力，再回到燃料
传统能源系统燃烧 fossil 燃料(化学能)产生电能. 这个过程现在可以逆转，由此过剩的可再生电力可以用来 电解水产生氢一种化学能燃料. 氢可以与其他原料结合使用 例如二氧化碳(CO)2)生产一系列“电子燃料”，包括电子煤油、电子柴油和电子甲烷.
在许多应用中，电子燃料可以作为化石燃料的替代品，甚至可以用于再生电力，以提供电网的稳定性. 然而，要使这些电子燃料可持续发展，二氧化碳2 原料必须是非化石原料.
从可控到反应式
假设你有燃料，化石燃料系统是非常可控的. It’s easy to vary the supply when demand changes; you simply adjust the choke，改变流量，或调节铲速以匹配.
对于依赖天气的可再生能源系统, 太阳只在白天照耀, 风取决于多变的气象条件. 在生产过剩时期，你可以通过关闭资产来缩减资产, 对于生产不足，我们几乎无能为力, 除非你储存了能量或与其他发电机或生产者相连. 供应是由天气决定的, 需求可能不得不改变其行为以满足所需的数量. 系统必须, 因此, 如果要避免电涌和停电，要灵活和无功(尽管值得注意的是水电和电力 地热能 更容易控制).
从一个进化的系统到一个有计划的系统
传统的能源系统不是整体规划的，而是逐步“进化”的. 随着新油气田的发现， 管道 是为了连接它们而建造的，还有炼油厂、仓库和港口设施来处理产品. 类似的, 建成了大型热电厂，并连接到连接能源和杨树的传输系统.
“没有计划的目标只是一个愿望。."
安东尼·德·圣埃克苏姆，诗人.Future, 分布式能源系统是复杂的，有更多的参与者, assets, 组件, 以及相关的联系. 向以可再生能源为基础的电气化迈进, 例如, 需要更具弹性和反应性的电网. 与此同时, 电子燃料生产同时提供了一个全新的价值链——充满了脱碳和创收机会——并使能源系统更加复杂. 这就是为什么弹性能源系统不仅需要适当规模的基础设施, 但它们也需要进行规划，以优化能量流动, 处理盈余和赤字, 并且经得起变化.
数字化管理和优化脱碳能源系统
您如何确定范围、计划、成本和优化弹性脱碳能源系统? 简而言之，你为它的数字表示建模. 通过使用历史天气数据模拟可再生能源的行为，使用数字能源系统模型来检查可再生能源情景的弹性和性能. 建立这样一个模型有助于筛选和选择概念, 检查性能, 优化未来发展方案.
花点时间考虑这些问题是值得的, 约束, 以及你想要模型回答的参数. 要做到这一点，请遵循以下步骤:
- 什么是成功? 你的模型可以根据你的成功因素进行调整，一旦它们变得清晰. 没有任何模型可以同时优化所有地方的所有内容，所以要记住优先级. 成功的案例可能包括降低排放强度, 可再生能源渗透率, 消费者成本, 减少缩短, 对资产所有者的价值, 电力或氢气成本的平等化, 提供辅助网格支持, 为电网提供能量, 最大限度地提高氢气产量——以及其他许多问题.
- 定义需求曲线. 谁会是你的客户? 他们需要多少能源或燃料，这些能源或燃料应该送到哪里? 客户的需求和你的供应是不变的，还是随分钟、小时、天或周而变化?
- 确定你的能量来源. 运行分布式发电的动态模型需要能源的空间和时间特征. 一开始, 数据通常来自公共资源, 但随着开发的进展，它将很快需要变得更加具体.
- 收集组件. 模型是一个组件网络——想想风力涡轮机, 电解槽 , 管道, cables, 储罐, 电池, etc. 如果你想要一个风力涡轮机，你需要哪种型号? 功率曲线是什么样的? 它如何影响你的资本支出和运营支出? 对于系统中的每个组件, 您需要为性能标准提供信息或代理, 能力, 效率, 和成本.
- 定义外部效应. 哪些外部因素会影响你的模型? These are things such as global commodity prices; export revenue; interconnector costs, flows, and volumes; feedstock import; along with pipeline and grid 约束 that take energy to and from the model.
- 组装一个开发场景. 场景是通过网络连接的组件的集合. 这是模型模拟的基本情况, 它列出了所有组件的空间布局.
- 模拟和优化. 在模拟, 模型可以缩放, 使达到最佳状况, 并交换组件的内外，以收敛于最优的项目计划，为您的成功参数. 该模型的能源是通过结合可再生能源发电技术(如.g.(风力涡轮机)和历史天气数据. 运行这种时间分辨的动态模型测试了系统的两个极端(e.g.(大风vs无风)和它的平均“正常”条件.
按照上面的步骤, 你最终会得到一个优化的模型，它可以精确地指出哪些概念会带来成功，同样重要的是，哪些概念不会. 以这种方式调整基础设施的规模不仅可以防止过度构建带来的额外成本, 它还避免了由于未构建的系统而可能发生的故障.
未来依赖于数字化能源系统建模.
可再生能源系统对于实现我们的脱碳目标至关重要, 但未来能源系统的特性增加了显著的复杂性. 重要的是要超越单个资产，设施或领域 考虑更广泛的集成背景. 建模描述了单个系统组件的性能，以便 可以优化整个系统的性能 为了效率和最低的碳排放. 它是做出明智决策的必要工具，也是确定我们的净零战略的必要工具, overall.
