1. Введение
Из-за высокой доли нестабильных возобновляемых источников энергии современные энергосистемы сталкиваются со значительными проблемами в балансировке спроса и предложения. Вспомогательные услуги, особенно регулирование частоты, имеют решающее значение для поддержания стабильности сети. В данной статье исследуется новый источник гибкости энергосистемы: майнинговые объекты криптовалют на основе доказательства выполнения работы. Эти объекты представляют собой одну из самых быстрорастущих гибких электрических нагрузок, характеризующихся конкурентоспособной способностью к изменению мощности и возможностью быстрой корректировки энергопотребления. Ключевой исследовательский вопрос заключается в том, можно ли эффективно использовать эти объекты для предоставления услуг по регулированию частоты, тем самым увеличивая их собственный операционный доход при поддержке надежности энергосистемы. В качестве реального примера для исследования в данной работе рассматривается сеть Совета по надежности электроснабжения Техаса (ERCOT).
2. Методология и структура
В данном исследовании используется комбинированный физико-экономический аналитический подход для оценки осуществимости.
2.1. Структура принятия решений
Предложена структура для определения оптимальной стратегии участия операторов майнинговых объектов на рынке вспомогательных услуг с учётом таких факторов, как цена на электроэнергию, стоимость криптовалюты и рыночные цены на регулирующие услуги.
2.2. Экономическая модель
Количественно определена операционная прибыль майнингового объекта. Модель учитывает доход от майнинга криптовалюты (функция хешрейта и цены монеты) и доход от предоставления услуг по регулированию частоты, сопоставляя их с затратами на потребление электроэнергии.
2.3. Техническая осуществимость
В статье оценивается физическая способность майнинговой нагрузки следовать за сигналами быстрого регулирования, подчеркивая её преимущество по сравнению с традиционными тепловыми генераторами и даже некоторыми центрами обработки данных, поскольку у них нет чувствительных ко времени вычислительных задач.
3. Пример из практики: Энергосистема ERCOT в Техасе
Теоретическая основа была применена с использованием реальных данных с рынка ERCOT.
Обзор рынка вспомогательных услуг ERCOT за 2022 год
- Цена на регулирующую мощность для повышения (средняя): 21.67 USD/МВт
- Цена на регулирующую мощность для понижения (средняя): 8.46 долларов США/МВт
- Объем закупки регулирующей мощности на повышение: 359 МВт
- Повышение регулируемой частоты вызовов: 16%
3.1. Данные и рыночный контекст
Использованы исторические данные по ценам на вспомогательные услуги ERCOT (регулирование вверх, регулирование вниз, оперативный резерв, невращающийся резерв) и частоте их вызова. В статье отмечается, что частота вызова оперативного и невращающегося резерва низка (≈0%), что контрастирует с активным использованием регулирующих услуг.
3.2. Анализ прибыльности
Данный анализ определяет условия, при которых предоставление частотного регулирования в Техасе является прибыльным для майнеров. Он исследует компромисс между потерянным доходом от майнинга в периоды снижения нагрузки и компенсацией, получаемой от системного оператора.
3.3. Результаты переходного моделирования
Переходное моделирование на синтетической модели энергосистемы Техаса показало, что майнинговые объекты конкурентоспособны в предоставлении быстрого частотного отклика, подтверждая их техническую способность поддерживать стабильность сети во время возмущений в энергосистеме.
4. Ключевые выводы и сравнительный анализ
5. Технические детали и математические формулы
Основная экономическая модель может быть представлена функцией максимизации прибыли. Общая прибыль $Π$ майнингового объекта за период времени является функцией доходов от майнинга и доходов от услуг электросети за вычетом затрат.
Функция прибыли:
$Π = R_{crypto} + R_{grid} - C_{electricity}$
где:
- $R_{crypto} = f(P_{coin}, H(t), η)$ — это доход от майнинга криптовалюты, зависящий от цены монеты $P_{coin}$, хешрейта $H(t)$ и эффективности майнинга $η$.
- $R_{grid} = \int (\lambda_{reg}(t) \cdot P_{reg}(t)) \, dt$ — это доход от предоставления регулирующих услуг, где $\lambda_{reg}(t)$ — рыночная цена регулирования, а $P_{reg}(t)$ — мощность, зарезервированная для регулирования.
- $C_{electricity} = \int (\lambda_{elec}(t) \cdot P_{load}(t)) \, dt$ — это стоимость электроэнергии, где $\lambda_{elec}(t)$ — цена на электроэнергию в реальном времени, а $P_{load}(t)$ — общая нагрузка объекта.
Ключевой переменной решения является распределение мощности объекта $P_{max}$ между базовой нагрузкой майнинга $P_{mine}$ и регулировочной мощностью $P_{reg}$: $P_{max} \geq P_{mine} + P_{reg}$. При получении сигнала регулирования "вверх" (когда сеть требует снижения мощности) майнер должен снизить нагрузку ниже $P_{mine}$, жертвуя доходом от майнинга. Процесс оптимизации находит значение $P_{reg}$, которое максимизирует $Π$ при заданных прогнозируемых ценах.
6. Аналитическая структура: примеры кейсов
Сценарий: Объект майнинга биткойнов мощностью 100 МВт в регионе ERCOT рассматривает возможность участия в 4-часовой сервисной программе повышающего регулирования.
Входные параметры:
- Мощность объекта: 100 МВт
- Средняя цена электроэнергии: 50 долларов США/МВт·ч
- Средняя цена на регулирующую мощность вверх: 22 доллара США/МВт
- Прогнозируемый коэффициент использования регулирования для повышения нагрузки: 16%
- Доход от майнинга на 1 потребленный МВт·ч: 65 долларов США (за вычетом комиссии пула, на основе конкретной цены Bitcoin и хешрейта)
Анализ решений (упрощенная версия):
- Вариант A (только майнинг): Майнинг с мощностью 100 мегаватт.
Доход = 100 МВт * 4 часа * 65 долларов США/МВт·ч = 26,000 долларов США
Затраты = 100 МВт * 4 часа * 50 долларов США/МВт·ч = 20,000 долларов США
Прибыль = 6000 долларов США - Вариант B (предоставление 20 МВт для повышающего регулирования): Установить базовую мощность майнинга на уровне 80 МВт, выделив 20 МВт для повышающего регулирования.
Доход от майнинга = 80 МВт * 4 часа * 65 долларов США/МВт·ч = 20800 долларов США
Доход от регулирующей мощности вверх = 20 МВт * 22 долл./МВт * 4 часа = 1,760 долл.
Доход от вызванной регулирующей энергии вверх (при вызове): 20 МВт * 16% коэффициент вызова * 4 часа * $[Цена энергии в период события] (предположим, 60 долл./МВт·ч) ≈ 76.80 долл.
Общий доход ≈ 22,636.80 долл.
Стоимость электроэнергии: (80 МВт базовый уровень + возможная корректировка по вызову) ≈ 80 МВт * 4 часа * 50 долл./МВт·ч = 16,000 долл.
Прибыль ≈ 6 636,80 долларов США
Вывод: В этом упрощённом примере предоставление услуг регулирования увеличило прибыль примерно на 10,6%, что демонстрирует потенциальную экономическую выгоду. Оптимальный уровень обязательств (в данном случае 20 МВт) был определён путём решения функции максимизации прибыли из раздела 5.
7. Будущие применения и направления
- За пределами регулирования частоты: Применение для других вспомогательных услуг, таких как поддержка напряжения, синтетическая инерция и продукты регулирования мощности в сетях с высокой долей ВИЭ.
- Гибридные системы: Объединение майнинговых мощностей с локальной генерацией на основе возобновляемых источников энергии (солнечная, ветровая) и/или накопителями энергии для создания устойчивых, поддерживающих сеть "энерго-центров обработки данных", способных работать в изолированном режиме при отключениях электроснабжения.
- Proof of Stake и другие механизмы консенсуса: Исследование гибкости центров обработки данных, работающих с нагрузками валидации Proof of Stake или обучения искусственного интеллекта, которые могут обладать различными характеристиками прерываемости.
- Стандартизация и дизайн рынка: Разработка отраслевых стандартов для связи, телеметрии и верификации производительности (аналогичных стандарту IEEE 1547 для инверторов) для обеспечения масштабируемого участия гибких вычислительных нагрузок.
- Контракты, связанные с устойчивостью: Объединение участия в обслуживании энергосистемы с требованиями к закупке безуглеродной энергии превращает высокоэнергоемкие нагрузки в движущую силу инвестиций в возобновляемые источники энергии, что являетсяИнициатива Массачусетского технологического института в области энергетикиконцепцией, исследуемой такими организациями.
8. Список литературы
- Xie, L., и др. (2020). Wind Integration in Power Systems: Operational Challenges and Solutions. Proceedings of the IEEE.
- Kirby, B. J. (2007). Основы и тенденции регулирования частоты. Oak Ridge National Laboratory.
- ERCOT. (2023). Годовой отчет по вспомогательным услугам за 2022 год.
- Ghamkhari, M., & Mohsenian-Rad, H. (2013). Optimal Integration of Renewable Energy and Flexible Data Centers in Smart Grid. IEEE Transactions on Smart Grid.
- Goodkind, A. L., и др. (2020). Cryptocurrency Mining and its Environmental Impact. Energy Research & Social Science.
- National Renewable Energy Laboratory (NREL). (2021). Market Designs for High Penetrations of Distributed Energy Resources.
- Zhou, Y., и др. (2022). Экономическая целесообразность использования аккумуляторных накопителей для регулирования частоты: Обзор. Applied Energy.
- MIT Energy Initiative. (2022). Гибкий спрос для декарбонизированных энергосистем.
Комментарии отраслевых аналитиков
Ключевые выводы: Эта статья не только о реагировании на спрос; это план монетизации «паразитического» поведения энергосистемы. Майнинг криптовалют, часто критикуемый как чистое потребление энергии, переосмысливается как потенциальный актив сети с превосходными характеристиками отклика. Истинное понимание заключается в создании модели двойного потока доходов, позволяющей майнерам арбитраж между рынком криптовалют и рынком услуг для энергосистемы.
Логическая структура: Аргументация четкая: установить потребность сети в быстрой гибкости → определить уникальные технические атрибуты майнинга криптовалют (скорость, некритичная нагрузка) → создать экономическую модель для доказательства рентабельности → проверить на реальных данных ERCOT. Зимний шторм «Эллиотт» 2022 года используется как естественный эксперимент, где майнеры обеспечили снижение нагрузки на 1475 МВт, что является убедительным реальным доказательством.
Преимущества и недостатки: Преимущество заключается в использовании конкретного, основанного на данных подхода с реальными рыночными ценами, что выходит за рамки теоретических предположений. Однако, основной недостаток — это узкая направленность наМайнерэкономической целесообразности, в то время какЭлектросетьсистемного воздействия рассматривается поверхностно. Создаст ли стимулирование такой нагрузки неправомерные стимулы для более энергоемкого майнинга? Также игнорируются препятствия, связанные с регулированием и дизайном рынка. Уникальная структура чисто энергетического рынка ERCOT не может быть напрямую перенесена на рынок мощности или регулируемые коммунальные предприятия, что отмечено вНациональная лаборатория возобновляемых источников энергии (NREL)Было подчеркнуто в исследованиях по проектированию рынков распределенных ресурсов.
Практические выводы: Для операторов энергосистем: разработайте спецификации продуктов быстрого реагирования для управления спросом, которые могут быть выполнены майнерами криптовалют. Для майнеров: используйте представленную в статье аналитическую основу для создания алгоритмов торгов в реальном времени. Для регулирующих органов: рассмотрите возможность создания отдельного класса активов или требований к производительности для «сверхбыстрого управления спросом», чтобы правильно оценивать и интегрировать этот ресурс, одновременно потенциально внедряя стандарты устойчивости, чтобы избежать закрепления нагрузок с высоким углеродным следом. Эта модель аналогична роли аккумуляторных накопителей в регулировании частоты, как это было отмечено вЭкономическая целесообразность применения накопителей энергии на основе аккумуляторов в энергосистемахкак и анализировалось в исследованиях, таких как, но с иной динамикой затрат и устойчивости.