在過去的幾年中，材料科學、應用化學、制造業和物流業的進步使儲能系統的成本顯著下降。然而，隨著行業的成熟，市場的早期進入者將讓位于主要廠商。儲能項目在市場取得成功獲得的經濟效益決定了儲能項目部署的命運。

　　儲能系統為生產、傳輸和分配能源的公司提供了解決方案；這對從事太陽能業務的任何公司都是如此。甚至終端用戶也開始將儲能視為一個解決諸如平衡發電和消耗、減少線路損耗、停電后恢復電網資產、避免昂貴的基礎設施升級等問題的解決方案。當然，電池儲能系統可以解決這些挑戰，但大多數都具有固有的財務性質，需要設施、工程和金融學科之間的協作。8f381fb8c93dca2c099120f9d29ff11379a43feb

　　例如，在加利福尼亞州，新的太陽能發電項目是通過增加電池儲能系統實現的。但是，如果開發商推薦的儲能系統規模太大或太小，資產所有者可能會認為該項目是“失敗”的，并且開發商無法獲得下一個項目的引薦。

　　規模超大的儲能系統將完成這項工作，但永遠不會有回報或滿足內部收益率（IRR）的要求。規模過小的儲能系統將無法完成這項工作，并遭受類似的經濟命運。而在這個過程的早期，儲能軟件和分析通常會誤算。

　　昂貴且耗時的財務分析（真正的微調）已經將儲能變為可能需要高水平分析的更復雜的大型項目。實際上，這主要體現在分析師的分析報表上。當儲能開發人員無法使用智能且易于使用的工具來比較系統的可能價值與執行成本時，儲能行業的增長就會放緩。軟件和分析正在推動該模型的一階改變，機器學習和人工智能迅速產生巨大的二階變化。

　　儲能開發商將每個儲能項目的機會與可能部署的項目規模和方案集合進行比較。對項目選項組合進行分析，以確定哪些選項通過產生收入或降低成本而產生最大價值。如果儲能開發商必須依賴電子表格或基本的在線工具，這個過程會很快變得非常復雜。

　　對于儲能系統的分析將包括負載要求、儲能功率和儲能容量、系統成本、現有可再生資源的貢獻以及擴展能力。實際上，模型可以攝取和分析的數據越多，分析的可靠性就越高。可行的項目被匯編成一份最終報告以全面的格式呈現給項目利益相關者，幫助決策者以足夠清晰的方式轉換成高保真分析，以推動良好的管理決策。

　　這一分析過程需要大量的專業人員，他們負責數據收集、財務建模、產品研究，并了解可用的政府激勵措施及其要求。這項工作耗費大量人力，耗時且昂貴。更糟糕的是，這種以人為主導的過程本身就很容易出錯，如果發現錯誤，則需要付出更多的努力來糾正。

　　這種分析的復雜性和風險是推動未來儲能項目成本的因素。難怪許多儲能項目從未進入概念階段，更不用說建設和運營了。通常情況下，這樣做的客戶或者是那些不關心系統真正的投資回報率的客戶，或者是能夠吸引大規模投資機會，并節省儲能成本的大公司。

　　機器學習：偉大的均衡器

　　軟件和數據分析已經從根本上改變了從電子游戲到醫療保健的市場動態。儲能行業也采用這種方法。復雜的算法可以在幾分鐘內處理一年15分鐘的能源消耗數據、一個地區批發電力的歷史現貨價格、電網運營商在前一年度公布的關鍵峰值事件數量，以及商業電價每千瓦需求電價。并將其轉化為一種整潔的視覺表現形式。

　　高級軟件和分析是革命性的，因為做這項工作的商業工具即使是企業、儲能或太陽能公司的獨資經營者也能負擔得起。

　　現在，用戶可以快速準確地評估項目組合，并處理從項目領導識別到分析，再到提案階段的整個過程。隨著規模較小的企業可以利用這些工具以更低的價格和更快的速度交付項目，儲能市場將變得更具活力。

　　成本更低、功能更強的組件和分析能力民主化的結合，是更強大系統的來源，可以實現相同的價格、更低的風險和更多的經濟價值。這種強有力的雞尾酒的方法正推動更多的儲能項目超越提案階段。但這不是故事的結局。

儲能發展的下一階段將是通過高級分析來釋放其價值。

　　執行中的計算值

　　現代儲能系統能夠在幾秒鐘內以高精度儲存和釋放大量的電能。然而，只有當這種能力在適當的時間和適當的比率發揮作用時，電力資產的價值才能實現。備份電源是在等待直到檢測到電網服務中斷，將本地電路與電網隔離，并以適當的頻率放電，直到系統的容量耗盡或電網服務返回采用的服務，其計算的復雜性很小。備份不是一件容易的事，但它相對簡單。

　　另一方面，需求費用減少需要可靠地預測幾個數據集：出現電力需求的下一個峰值，白天可能會出現的其他峰值，可以預計產生多少太陽能，等等。這些是復雜的計算模型，但是將它們組合在一起并實時執行，這些模型變得非常復雜，因為它們很有價值。也就是說，額外的復雜性來自美國聯邦和州級激勵措施，例如分別在美國聯邦和加利福尼亞州提供的投資稅收抵免（ITC）或自我激勵計劃（SGIP）。如果儲能系統不是由相關的可再生發電基礎設施專門收費，則聲稱獲得ITC或SGIP激勵措施的太陽能+儲能項目將喪失這些計劃的經濟利益。

　　持續的需求收費將迅速而深刻地破壞（甚至消除）資產的價值主張。在具有針對需求費用的復雜結構的電費下，這種錯誤可以消除需求收費削減系統在6個月或更長時間內的預期成本節省。因此，儲能系統依賴于太陽能發電，例如，在充電周期期間補充或智能地并且快速地調整其調峰策略。儲能管理系統必須攝取和理解實時數據源，例如天氣預報、輻照度傳感器讀數和現場的子計量輸出，以實現提供節省需求費用所需的必要預測精度。只有通過將這種復雜性和洞察力推向儲能設備本身，機器學習方法才能可靠地提供減少需求的費用。

　　常數的重要性

　　了解儲能系統的規模是否適當，并能夠執行一組給定的功能對于規劃過程至關重要。此外，確保儲能系統能夠訪問實時響應所需的數據結構，對于系統的增值操作至關重要。

　　要釋放儲能市場的價值，規劃階段使用的假設必須與完成系統中使用的假設相同。然而，這種常識是當今儲能行業中的例外，而不是規則。

　　關注價值疊加

　　在儲能行業，人們已經看到價值疊加的展示。分層多個應用程序比以上討論的要復雜得多，而且很少有計劃能夠通過幻燈片展示就能實施。現實世界的價值疊加要求軟件和分析的累積進步達到其極限，但只有少數幾家公司專門從事軟件和分析，以達到了解限制所需的程度。因此，價值疊加必須超越對一個太陽能+儲能項目的給定用例的執行，并與其他通常具有競爭性的資產開發方法共同優化最大化的操作。

　　儲能系統的目的是通過將減少需求費用、太陽能發電負載轉移、需求響應計劃，以及批發電力市場參與作為虛擬發電廠（VPP）組件的組合來產生價值。控制系統的軟件必須采用高級分析來持續預測這四種策略可能的成本節省或收入，并實時確定應使用可用容量來處理哪些用例。

　　例如，可以使用對公用事業資費結構和系統歷史性能的了解來確定。相反，該系統可以選擇存儲來自太陽能發電設施的電能，并在當天晚些時候將其放電，其中相應的電力價格之間的差異（考慮到系統損失）將導致所產生電力的價值增加。

　　控制儲能系統的軟件必須不斷利用各種數據源，并與需求響應服務器或分布式能源管理系統（DERMS）進行通信，以確定能夠參與可能更有利可圖的應用程序的可能性資產所有者，而不僅僅是將太陽能發電轉移到更有價值的使用時間。如果系統過于樂觀或激進地追求這些機會，它可能會錯過通過執行替代應用程序來創造價值的機會。因此，儲能軟件必須考慮到大量可能的價值流，理解捕獲它們的可能性，列舉它們的相對價值，并考慮到對設備壽命的影響而追求其中任何一個價值流的后果。該軟件將會減輕企業高管的職責。

　　提取價值

　　第一代儲能基于電化學、充電控制器和電池容量。下一代儲能系統基于大規模異構數據集、機器學習和傳感器網絡。這些新的專業領域不會取代舊的領域。相反，將會增加并發揮巨大的新價值。在過去的幾年里，人們知道儲能更有價值，并且可以在演示文稿中描述這個價值。如今已擁有提取這一價值的技術，而這對于儲能價值鏈來說是一個激動人心的時刻。