從時間線來看，如今我國距離實現碳達峰目標僅剩7年，而縱觀來看整個行業(yè)，不論是傳統(tǒng)能源廠商，還是互聯網廠商，能源數字化都已經進入到“跑馬圈地”的決賽圈。  

誰能更好得服務客戶全流程，誰能更好得應用AI，以及誰能更快速得完成從供給側到需求側的滿足，誰就會成為最終的能源數字化贏家。

作者|思杭 

編輯|皮爺 

出品|產業(yè)家 

三年的能碳改造，換了幾套節(jié)能系統(tǒng)，最后工廠效果收益甚佳，同時工廠每年效益新增近百萬——這種“不太可能”的投資回報比恰是當前能源數字化領域不少項目的現狀。

在如今雙碳被反復提及的當下，能源數字化走到哪了？

在能源數字化領域，一個明顯的趨勢是，數字化服務商所著眼的主力賽道十分明確，這與其他行業(yè)形成鮮明對比。在與不少能源數字化服務商和工業(yè)互聯網廠商交談過程中，一個公認結論是，相較于其他賽道，企業(yè)往往會會選擇某一個精準賽道。

“能源領域里的不同細分賽道所涉及的行業(yè)know-how相差甚遠，互通性不高，門檻卻極高。而且能源行業(yè)項目周期長，通常情況是‘跟蹤’完1～2家客戶后，已經足夠支撐我們技術團隊。”一位行業(yè)人士告訴產業(yè)家。

從客戶來看，能源行業(yè)的客戶大多分布在國央企，項目更為穩(wěn)定。在此背景下，數字化服務商只要在某一細分賽道“站穩(wěn)腳跟”，便意味著吃下了這塊蛋糕。

但在能源數字化轉型迫切的當下，另一個更重要的問題則是，在服務商聚焦某一個賽道的模式下，能碳改造是否還可以成為全產業(yè)的基礎配備？以及其想象力是否還能被完全釋放？

對此，本文將站在需求側和供給側的角度，來剖析當前能源數字化走到哪了？以及一家工廠究竟是如何進行能碳改造的？在其中企業(yè)又為其提供了怎樣的技術？

一、2024，能源數字化走到哪了？

“單位國內生產總值能耗降低2.5%左右”，這是2024年政府工作報告中最新的“發(fā)展主要預期目標”。

實際上，近兩年不少國家都對碳減排提出了更為具體的目標，一些國家甚至設置了碳排放上限。碳中和、碳達峰等等詞匯也被越來越多地寫在各個國家的白皮書中。

中國宣布2060年前實現碳中，并計劃到2030年前達到碳排放峰值

加拿大政府承諾到2030年將溫室氣體排放量比2005年水平降低30%-40%，并力爭實現2050年碳中和；

英國立法規(guī)定到2050年實現凈零碳排放；

...

而在這種迫切實現碳中和的背景下，工廠內部究竟要如何實現能碳改造，進行碳盤查和碳審計等工作也更為重要。

目前，全國碳排放權交易市場覆蓋年二氧化碳排放量約51億噸，納入重點排放單位的有2257家。這其中，碳排放集中的行業(yè)主要在發(fā)電、鋼鐵、建材、有色、石化、化工、造紙、航空等重點行業(yè)。有數據表明，單是這8個行業(yè)的二氧化碳排放量就占到了全社會總排放量的75%左右。

2021年，發(fā)電行業(yè)的碳排放權交易市場正式啟動交易。而在燃煤、風力、光伏及核能等所有的發(fā)電方式中，燃煤發(fā)電在未來五年都仍是“壓艙石”一樣的存在。而火電行業(yè)的能碳改造也因此迫在眉睫。

通常來講，一家工廠在進行能碳改造之前，都需要先清晰了解自身的碳排放數據和能源數據。

第一步是對整個工廠的能源進行審計，評估工廠當前的能源使用情況和碳排放水平，確定能效提升和減排的潛力。而這里所涉及到的兩個關鍵技術便是碳盤查和碳審計。

以發(fā)電廠為例，企業(yè)的直接排放和間接排放是需要分開計算的，前者是指企業(yè)自身運營產生的排放；而后者則是在生產過程中投入的電、熱、蒸汽所產生的排放。除了直接排放和間接排放，還有一種是在整個供應鏈和產品使用過程中的排放，被稱為“其他間接排放”。

確定了碳排放的范圍后，企業(yè)才能夠針對能源消耗、原材料使用、運輸等相關數據進行收集，最后進行排放計算。整個過程就是碳盤查的全部流程。

然而，碳資源管理僅僅是企業(yè)進行能碳改造的第一步。最重要的部分需要能源數字化服務商、工業(yè)互聯網平臺等企業(yè)的參與。比如企業(yè)的生產工藝優(yōu)化、設備升級，以及通過能源管理系統(tǒng)來實時監(jiān)測工廠能效從而達到節(jié)能減排的效果。

在這種迫切的能源數字化轉型的背景下，一些能源央企早已提前布局。

比如國家電網自2020年以來在數字新基建領域投入247億元，包括部署電網數字化平臺、電力物聯網、能源大數據中心建設；南方電網以“電力+算力”支撐綠色能源供給體系，創(chuàng)新提出建設數字電網；再比如華潤集團提出“智慧華潤2028”的發(fā)展愿景，在“十四五”時期，各產業(yè)全面實現數字化，到2028年，初步實現智能化。

上述種種能源數字化轉型案例都只是如今零碳時代下的一個縮影。而在能源企業(yè)按下“減排”加速鍵的同時，另一側的能源數字化服務商也同樣感受到了水溫的變化。

二、路線之上：誰在提供最真實的能碳生產力？

如果在2030年按預期實現碳達峰這樣的目標，一個問題也隨之被擺在臺面——現在能源數字化服務商能達到的降碳上限是多少？

在回答這個問題之前，幾個更為重要的問題是，能源數字化服務商究竟是如何為工廠進行能碳改造的？在過去幾年里，其底層模型發(fā)生了哪些變化？以及未來還會有哪些更好的方式來幫助工廠節(jié)能降碳？

根據《新型電力系統(tǒng)發(fā)展藍皮書》顯示，在2030年之前，我國的電力調度控制體系都還停留在工業(yè)互聯網、數字孿生、邊緣計算等智能化技術層面；等到了2030年，數字化手段將進一步升級，比如聚合各類可調節(jié)負荷、儲能資源，實現靈活接入、精準控制，從而提升電網靈活性和系統(tǒng)穩(wěn)定性。

事實也的確如此。目前市面上的能源數字化服務商，其底層技術大多都圍繞著物聯網技術、數字孿生和邊緣技術等展開的。

通常來講，如果分三層來透視能源數字化服務商的底層技術，那么中間層會是如何進行能源數據的收集、監(jiān)控和優(yōu)化。通常來講，收集、監(jiān)控和優(yōu)化是由三種技術搭配下才能實現的，它們分別是物聯網技術、能源管理系統(tǒng)和大數據分析。

而更為重要的一個環(huán)節(jié)，也是目前能源數字化的“深水區(qū)”，即從單個設備節(jié)能跨向多個場景、多個設備的節(jié)能。雖然物聯網技術可以做到連接和管理多種能源設備和傳感器，但是如何將這些從多個設備收集上來的數據存儲起來，再通過精準調控讓它們回到不同的設備端上，卻是一個較為棘手的難題。

所以，這就需要云計算平臺來發(fā)揮作用，也是能源數字化服務商的最底層技術。云平臺能提供的除了強大的數據存儲、處理和分析能力，更為重要的是能夠支持能源管理服務的可擴展性和靈活性。

而這也是垂直的工業(yè)互聯網平臺與百度智能云、華為云、阿里云、騰訊云等一眾云廠商的最大區(qū)別。前者雖然在各自領域有更為垂直的行業(yè)know-how經驗，但后者所具備的靈活性也正是不少垂直工業(yè)互聯網平臺所欠缺的。

簡單來說，從單個設備到多設備的節(jié)能，不僅需要物聯網將數據“傳輸”并“匯總”到一起，也更需要云計算來進行存儲并進行靈活的計算。這樣一來，才能夠徹底突破節(jié)能天花板。

最后，能源數字化服務商的最上層技術就是如何與用戶交互。對此，像泛能網、蘑菇物聯等工業(yè)互聯網平臺都有自己的移動端，可以將從設備端傳輸過來的數據，再傳到工廠設備工人的移動端上。

在路徑之外，另一個需要被關注的指標則是“降碳上限”。

雖然目前對于降碳上限還沒有一個公開的數據，但通過從多家能源數字化服務商了解下來，三年前這個數字還是10%，而如今已經有不少廠商可以實現30%的降碳水平，比如泛能網、蘑菇物聯、遠景，以及阿里云和華為云在內的一些互聯網廠商。

三、能碳改造的想象力有多大？

未來五年，能碳改造會釋放多大想象力？

這個問題提出的背景是，目前已經有一些潛在技術被看見，并且不少已經投入到能源數字化轉型的項目當中。

以我國碳減排的重點領域——電力行業(yè)為例，想要減少對石油的依賴，在不久的將來新能源就將成為主力能源。一個近兩年都更為明顯的趨勢是，新能源電動車的興起。而實際上，新能源電動車占比越來越高，并非為了建設，而是運營。能否把實時產生的新能源物盡其用，關鍵就在于怎么把用戶側運營好。

對此，在相關的國家政策當中，提到了一個新的市場主體——虛擬電廠。而早在2021年，我國就不斷出臺虛擬電廠支持政策，鼓勵通過虛擬電廠發(fā)揮負荷側能力；到了2022年，國家發(fā)展改革委、國家能源局等九部門更是聯合印發(fā)《“十四五”現代能源體系規(guī)劃》《“十四五”可再生能源發(fā)展規(guī)劃》，把虛擬電廠定性作為主要示范。

等到了2023年，虛擬電廠試點就已經遍布到在廣東、陜西、山東、浙江、上海、深圳等多個城市。

那么具體而言，究竟什么是虛擬電廠？它又能發(fā)揮怎樣的作用？

簡單來理解，虛擬電廠之所以被稱為“虛擬”電廠，是因為它雖然名為“電廠”，但虛擬電廠并不是一個實際的發(fā)電站，而是一個網絡化的、集中控制的電力資源池。

它可以將多個小型、分散的能源發(fā)電單元整合到一個單一的網絡中，最后再進行集中控制。而有研究表明，虛擬電廠在雙碳行動中的貢獻十分大。

據國網測算，通過建設煤電機組滿足其經營區(qū)內5%的峰值負荷，需要投資4000億建設電廠并配套電網，而根據36氪研究院測算，虛擬電廠的投資規(guī)模僅為500-600億元，這意味著虛擬電廠的投資額僅需要火力發(fā)電廠的1/8-1/10。

滿足5%的峰值負荷的不同方案投資金額對比（億元）

因此，在我國用電負荷不容樂觀的情況下，類似于虛擬電廠這種更為智能化的能碳改造設備則是一種必要。

此外，在技術本身層面，伴隨近兩年AI大模型在國內“狂飆”的趨勢，能源數字化廠商也在越來越多地與智能化結合。

然而，從整個供給側市場上來看，大模型對于能源數字化的智能改造還并不深，大多數都停留在交互層面，還未能更為實際地提高工廠的生產力或者工廠效能。

但值得注意的是，從去年到今年，一些工業(yè)互聯網平臺對大模型的認知已經發(fā)生了變化：從過去對于大模型可能無法應用到真正生產當中，逐漸過渡到通過AI大模型進行智能改造的嘗試當中。

比如去年7月18日華為聯合山東能源集團和云鼎科技共同推出的盤古礦山大模型，產品底層技術主要依賴于視覺識別、語音識別、自然語言處理等技術。

在采煤、掘進環(huán)節(jié)中，盤古礦山大模型可以對機器的工作狀態(tài)進行實時監(jiān)測和預警。而在煤炭生產的最后關鍵環(huán)節(jié)，即焦化環(huán)節(jié)中，盤古礦山大模型可以通過視覺識別技術，對焦爐的工作狀態(tài)進行實時監(jiān)測和預警，如是否有滲漏、是否有爆炸、是否有超標排放等。

而這就涉及到了節(jié)能和減排。據數據統(tǒng)計，盤古礦山大模型的應用，可以達到能耗降低20%，排放降低30%的水平。

再比如泛能網，據了解如今已經將AI應用到數字孿生場景中，可以遠程幫助企業(yè)進行能碳的改造和實際真實場景的模擬，一方面進行遠程調控，另一方面保證方案實行的安全性和可靠性。

從時間線來看，如今我國距離實現碳達峰目標僅剩7年，而縱觀來看整個行業(yè)，不論是傳統(tǒng)能源廠商，還是互聯網廠商，能源數字化都已經進入到“跑馬圈地”的決賽圈。

誰能更好得服務客戶全流程，誰能更好得應用AI，以及誰能更快速得完成從供給側到需求側的滿足，誰就會成為最終的能源數字化贏家。