意大利米兰理工大学领导的研究小组创建了一个数学模型，根据考虑实际电网需求和价格的优化调度策略来优化光伏电站的设计。
“我们从电力曲线的演变开始，也称为鸭子曲线，然后得出了负电价的极端情况，”该研究的通讯作者 Gianpaolo Manzolini 告诉pv magazine。“这项研究三年前就开始了，当时欧洲还没有报道负电价，但澳大利亚，尤其是南澳大利亚已经出现了负电价。从这个角度来看，与昆士兰科技大学的合作有所帮助。”
这项研究旨在证明，平准化能源成本 (LCOE) 并不是光伏和聚光太阳能发电 (CSP) 设施的正确优化参数。“所提出的方法可以应用于任何其他来源，”Manzolini 解释道。“当然，当技术依赖于可变的可再生能源时，它变得更加重要。存储也是如此。原则上，它在方法论中不是必需的，但它会放大差异。”
所提出的模型基于米兰理工大学自行开发的聚合能源系统优化 (AESOPT)。该工具考虑了规模对发电技术成本和效率的影响。其默认目标函数是优化项目的净现值(NPV)，这对应于整个投资生命周期内所有未来现金流折现到现在的价值。
研究团队指出：“AESOPT 已扩展到包括 CSP 电厂的详细模型，即电源块、带有线性集热器的太阳能场和熔盐储存器。”并指出，该建模使用混合整数线性规划 (MILP)，并考虑了最小和最大组件尺寸、与电网交换的最大功率、储能演变和能量平衡。它还考虑了收入、资本支出 (capex)、运营支出 (opex) 和资本回收率等经济参数。“LCOE 是非线性的，因为它涉及两个变量之间的比率。因此，LCOE 不能直接用作 AESOPT 工具的目标函数。”
科学家们进行了两个案例研究，涉及假设安装在南澳大利亚和南加州的光伏电站和 CSP 设施。分析基于 2022 年的实际电价，加上同一年的天气状况和时间分辨率，并考虑到在两个地点应用光伏和 CSP，调查了 16 个不同的案例。
研究人员解释说：“结果表明，专门根据实际电力市场价格优化利润的太阳能发电厂与基于 LCOE 的标准方法相比存在相关差异。”“根据后者优化的光伏电站设计不包括安装存储系统，而当考虑到实际电网情况时，这对于保证电站的盈利能力至关重要。”
他们强调，考虑电网特性可以将项目的 NPV 提高 10 倍，而与传统的基于 LCOE 的方法相比，LCOE 可以提高 3 倍。
学者们在最近发表于《可再生和可持续能源评论》上的研究“使用 LCOE 作为太阳能发电厂经济指标的局限性”中提出了相关问题。昆士兰科技大学的科学家参与了这项研究。
他们总结道：“未来的工作将侧重于根据天气状况和电价预测来评估电厂调度和设计，以了解不确定性对电厂设计的影响。”“此外，该模型将扩展到其他方案，如包括能源社区在内的住宅方案。”
