三、中長期看好 BIM、電網智能調度、虛擬電廠和微電網 AI 賦能落地
3.1 電力行業 BIM 設計軟件:國產化替代需求強烈,AI 賦能貫穿設計-施工-運維環節
可視化與可協調性是 BIM 軟件的核心優勢。BIM,即建筑信息模型,指代以三維圖形為主、 物件導向的電腦輔助設計軟件,可將設計、可參與項目規劃設計、施工建設、運營的全過 程。(1)可視化:借助三維圖形營造生動自然的物體形象, 使物體存在具備真實性,有效 減少了設計與施工時的圖畫讀取難度。(2)可協調性:有關人員可以借助信息模型平臺實 現及時溝通,能促進設計、施工和管理等人員形成良性互動,針對存在的問題進行集中管 理,幫助工作更為順利和高效進行。
信創發展背景下,BIM 行業國產化替代需求強烈。信息技術應用創新為近年以來我國關鍵 命題,旨在通過對 IT 硬件、軟件的重構,建立我國自主可控的 IT 產業標準和生態,逐步 實現各環節國產替代。國內使用的 BIM 平臺主要為國外軟件,而國內廠商主要以項目管理 和單點應用類型的產品為主,底層核心技術大多掌握在國外廠商手中。2020 年全球 BIM 行業市場中,Autodesk 市占率為 67.9%,其次 Bentley Systems 市占率為 14.37%,CR2 集中度較高,顯示出國產替代的必要性和緊迫性。
國產化軟件更適應國內電網生態。(1)電力、水利等國民經濟基礎行業中的信息數據處理, 信息安全要求較高。(2)電力行業中涉及到大量的技術體系及行業標準,相比國外 Bentley、 Revit 等廠商,國產 GIM 軟件能夠深度理解客戶需求,滿足專業性要求。(3)國產軟件 具有更高性價比,售價略低于國外軟件,在對于國產軟件內容質量較認可的前提下,客戶 的服務付費意識和意愿隨行業發展逐年上升。 政策牽引自主可控信息產業發展,BIM 支持政策陸續出臺。從國家層面來看,關鍵核心技 術的發展直接影響國家經濟安全、國防安全等,自主可控信息發展有高戰略價值。近 3 年來,我國自中央到地方都出臺了各類相應政策以支持 BIM 技術的發展與落地,2020 年 至今,中央下發關于支持 BIM 技術發展的政策已超 10 項,BIM 技術在各類建筑業相關政 策中被提到的次數逐年增加,政策牽引 BIM 技術的發展充分體現政府的高度重視。
BIM 為發電側設施、“輸變配”環節建設必要設計工具。1)在發電場設施的全生命周期中, BIM 可解決建設難題、降低成本、縮短工期。設計階段中 BIM 可以幫助建立精確地形模型 并優化微觀選址;施工階段中 BIM 可用于管理進度、建構結構模型和統計工程量等;運維 階段中 BIM 可幫助培訓員工和掃描復雜設備結構。2)在“輸變配”環節中,BIM 可精準 繪制三維建筑模型以提升工程安全性,并且在可視化的前提下保障各單位之間信息的流暢 性以防止權責不清。“雙碳”背景下,清潔能源發電量占比逐步提升,儲能、分布式電廠、 縣域光伏等建設有望帶來增量,輸電線路、變電站、配網建設加速,相關從事設計建設電 力 BIM 領域的公司有望受益。
BIM 與人工智能深度融合,有望在設計、施工、運維階段開拓應用場景與解決方案。 設計階段:1)構件智能搜索:可以在構件智能搜索中使用人工智能對構件進行準確 的自動分類,以及使用自然語言理解技術實現構件屬性的智能校準;2)AI 輔助布局 規劃:融入最新的機器學習技術,可以在瀏覽器上生成建筑策劃文件,并輸出建筑空 間的最優化布局;3)AI 輔助 BIM 審圖:AI 技術可以輔助 BIM 對大量規范、圖集、標 準以及模型、圖紙的匹配性學習,做好設計合規性、合理性的把控。施工階段:進行輔助施工場地規劃,AI 可以通過場地智能布置和合規合理性校驗來 幫助經驗不足的技術人員增質提效,通過建模對施工現場不同階段的復雜狀態進行模 擬展示,通過數據分析及時反饋前期方案的合理性,同時反向指導施工組織設計,進 行資源配置優化。 運維階段:進行運維智能管理,AI 可以通過機器人和無人機等的應用,使用大量實 際現場視頻數據進行訓練,對現場數據進行分類處理和智能管理,大幅提升施工效率 和安全質量水準。
3.2 電網智能調度自動化:AI 驅動新一代調度系統實現電網智能決策和智能控制
電網調度自動化系統是電網運營控制重要基礎設施,由調控中心主站系統、廠站系統和數 據傳輸通道三部分構成。1)主站系統:是調度自動化系統的核心,實現電力系統的數據 處理、運行監視和分析控制,是電網安全、經濟運行的神經中樞,支撐調度機構成為電力 系統運行控制的司令部。2)廠站系統:實現廠站內一二次設備的數據采集、就地控制以 及運行控制信息的遠程交換,相當于系統的眼耳和手足。3)數據傳輸通道:相當于神經 系統,負責把廠站端采集和處理后的各類數據傳送給主站系統,同時將主站端系統的遙控、 遙調命令發送給廠站系統。
我國電力調度機構分五級設置。包含國家電力調度中心(國調)、區域調度中心(區調)、 省調度中心(省調)、地級調度中心(地調)、縣級調度中心(縣調),各級調度間分層控 制、信息逐級傳送。目前,國家電網公司已建立完備的五級調度體系,南方電網公司與國 家電網為平行機構,因為管轄的省份較少,調度機構分為四級。
預計電力調度自動化系統年化需求空間為 40 億元。根據前瞻產業研究與國網招標數據, 各級調度機構數量分別約為 1/6/35/420/2900,當前各級調度自動化系統普及已基本完成。 假設國調、網調、省調、地調、縣調系統價格分別為 10000/8000/6000/2000/400 萬元, 更新年限分別為 8/8/8/6/5 年,則對應年均市場空間預計約為 40 億元。
國電南瑞在各級調度系統市占率領先。國電南瑞較早進入電網調度自動化領域,2008 年 曾全程參與國家電網公司智能電網調度技術支持系統建設框架和總體系統制定,具備明顯 先發優勢,并主導新一輪調度自動化系統的研發,主要產品為 D5000。公司承擔調度自動 化業務子公司主要為南京控制系統、北京科東和繼保電氣,業務已貫穿“發輸配用”各環 節和“網、省、地、縣、站”各層級系統,在各層級調度自動化系統領域均具有明顯優勢。 2022 年國網數字化項目設備招標,調度類軟件/數字化軟件標段 22 家企業實現中標,標 段總金額達到 6.78 億元,國電南瑞南京控制系統有限公司以 2.49 億元奪得第一。
新一代調度系統為 AI 廣泛應用奠定了良好的模型和數據基礎。新一代調度技術支持系統 采用“云大物移智”先進成熟技術,構建模型/實時數據運行數據平臺,無縫結合高速通 信、移動互聯等通信方式和語音、圖像等交互技術,提供可靠安全高效的系統運行環境, 為電網監控與分析決策提供模型、數據、計算引擎、AI 服務和自然人機交互手段,并打 造標準開放的多業務、多場景開發生態。目前已建成的兩級調控云,為 AI 的廣泛應用, 奠定了模型和數據基礎。
覆蓋電力調控、發展、生產、經營和能源領域。新一代調度系統構建了覆蓋電力調控、發 展、生產、經營全專業和能源各領域數據的全景數據平臺,實現模型數據、實時數據和歷 史數據的空間融合、時間多態和應用關聯,為各類業務提供協調一致、完整準確的“一模、 一圖、一數”,提供多級多維自適應可擴展的大數據智能分析挖掘引擎。
AI 技術有望實現電力調控智能決策與智能控制。智能決策包括基于知識圖譜的輔助決策 和基于機器學習的智能決策。 1)基于知識圖譜的輔助決策,通過提取電網運行方式關鍵特征,在線匹配方式并進行知 識推理,依據穩定規程、事故預案等知識,快速引導調度員處置電網各類異常問題。 2)基于機器學習的智能決策,以電網海量歷史運行數據訓練樣本,以機組出力調整、設 備投停為動作空間,以機組約束、網絡約束、平衡約束為條件,以調度決策知識和優化算 法為啟發引導,以設備負載率、新能源消納等電網安全低碳量化指標為評價,構建相應樣 本、決策模型和獎勵函數,進行調度操作模擬智能體訓練,最終獲取實時運行調度決策智 能體、超短期風險預防調度決策智能體、計劃編排智能體。
AI 智能控制實現電網自適應巡航。在常規機組自動發電控制、新能源有功自動控制、源 網荷儲有功協同控制、自動電壓控制、拓撲實時優化控制等控制功能方面,基于多種機器 學習模型,實現在線閉環智能控制,通過全景監視和指標分析評估,在滿足電網安全約束 條件下,以自動計算和智能決策為主引導電網自動調度和控制,實現電網自適應巡航,提 升電網安全和調控能力。
虛擬電廠本質上是一套軟件平臺系統,核心為“通信”和“聚合”。通過先進信息通信技 術和軟件系統,實現分布式電源、儲能系統、可控負荷、電動汽車等分布式能源資源的聚 合和協調優化,以作為一個特殊電廠參與電力市場和電網運行的電源協調管理系統,為配 電網和輸電網提供管理和輔助服務。虛擬電廠概念的核心可以總結為“通信”和“聚合”, 關鍵技術主要包括協調控制技術、智能計量技術以及信息通信技術。 虛擬電廠分為兩類:“負荷類”虛擬電廠,和“源網荷儲一體化”虛擬電廠。1)“負荷類” : 聚合了具備調節能力的電動汽車、充電樁等市場化用戶,作為一個整體,對外提供負荷側 靈活性相應調節服務。2)“源網荷儲一體化”:聚合新能源發電、用戶及配儲一系列環節, 作為獨立市場主體參與電力市場、具備自主調峰調節能力。 具備“源-荷”雙重身份,有效實現削峰填谷。虛擬電廠把各類可調負荷資源匯聚,根據 電網削峰填谷的需求,進行線上填報,計劃下發,執行反饋,類似于線上工單派單系統。 電網給調度指令計劃,需求響應調控計劃,提前幾天/幾周把計劃發下來。負荷集成商, 虛擬電廠運營商,會把計劃告訴客戶,哪些時段把負荷停掉,把用電負荷降下來,具有源 -荷雙重身份。
與虛擬電廠有所不同,微電網是能夠實現自我控制、保護和管理的自治系統。由分布式電 源、儲能裝置、控制系統、相關負荷等匯集而成的小型發配電系統,可為區域內負荷供冷、 熱和電,能夠實現自我控制、保護和管理的自治系統,是智能電網的重要組成部分,是輸 電網、配電網之后的第三級電網,既可以并網運行、也可以離網運行。
虛擬電廠與微電網的不同點: 1)微電網一般要求分布式能源位于同一區域,對地理位置要求高;2)微電網一般在某一 特定的公共連接點接入配電網側;3)微電網聚合分布式能源時,需要改變電網原有的物 理架構;4)微電網可以離網運行也可以并網運行;5)微電網側重自治功能。 微電網屬于研究初期,未來一片藍海。美國、歐盟、日本等國家和地區對微電網的研究和 建設起步較早,已取得了一些成果。我國對于微電網的研究起步較晚,在關鍵技術上和歐 美仍有差距,目前國內對于微電網的研究還處于逐步推廣階段,隨著“雙碳”政策和新型 電力系統的落地,國內的微電網示范項目逐漸增多,越來越多企業加入到微電網技術的研 發中,智能微電網逐漸成為行業新熱點。
相對于傳統電力能源生態系統,虛擬電廠的能源生態系統出現了明顯變化,發電、輸電、 配電、用電界限相互交叉,同時兼具生產者與消費者的角色,根據需求可以改變身份特征, 其價值主要體現在以下三方面: 1)可緩解分布式發電的負面效應,提高電網運行穩定性。虛擬電廠對大電網來說是一個 可視化的自組織,既可通過組合多種分布式資源進行發電,實現電力生產;又可通過調節 可控負荷,采用分時電價、可中斷電價及用戶時段儲能等措施,實現節能儲備。虛擬電廠 的協調控制優化大大減小了以往分布式資源并網對大電網造成的沖擊,降低了分布式資源 增長帶來的調度難度,使配電管理更趨于合理有序,提高了系統運行的穩定性。 2)可高效利用和促進分布式能源發電。我國分布式光伏、分散式風電等分布式能源增長 很快,其大規模、高比例接入給電力系統的平衡和電網安全運行帶來一系列挑戰。如果分 布式發電以虛擬電廠的形式參與大電網的運行,通過內部的組合優化,可消除其波動對電 網的影響,實現高效利用。同時,虛擬電廠可以使分布式能源從電力市場中獲取最大的經 濟效益,縮短成本回收周期,吸引擴大此類投資,促進分布式能源的發展。 3)可用市場手段促進發電資源的優化配置。虛擬電廠充當分布式資源與電力調度機構、 與電力市場之間的中介,代表分布式資源所有者執行市場出清結果,實現能源交易。從其 他市場參與者的角度來看,虛擬電廠表現為傳統的可調度發電廠。由于擁有多樣化的發電 資源,虛擬電廠既可以參與主能量市場,也可以參與輔助服務市場,參與多種電力市場的 運營模式及其調度框架,對發電資源的廣泛優化配置起到積極的促進作用。
冀北虛擬電廠作為我國首個以市場化方式運營的虛擬電廠示范工程投運。2019 年年底, 國網冀北虛擬電廠示范項目投運。公開數據顯示,到 2020 年,冀北電網夏季空調負荷將 達 6GW,10%空調負荷通過虛擬電廠進行實時響應,相當于少建一座 600 MW 的傳統電廠。 “煤改電”最大負荷將達 2GW,蓄熱式電采暖負荷通過虛擬電廠進行實時響應,預計可增 發清潔能源 720GW·h,減排 63.65 萬 t 二氧化碳。今年深圳也建成了虛擬電廠管理平臺, 這是國內首家虛擬電廠管理中心。標志著深圳虛擬電廠即將邁入快速發展新階段,也意味 著國內虛擬電廠從初步探索階段向實踐階段邁出重要一步。
預計 2025 年虛擬電廠投資規模達到 800 億元,運營市場規模達到 50 億元。現階段主要 的盈利模式為通過需求側響應賺取輔助服務費用后的分成。據中電聯預計,2025 年我國 全社會用電量將達 9.5 萬億千瓦時,而最大負荷將達到 16 億千瓦,按 5%可調節能力、投 資成本 1000 元/千瓦計算,預計到 2025 年,虛擬電廠投資規模有望達 800 億元。參考目 前峰值負荷時長水平,我們預計 2025 峰值負荷將達到 50 小時,對應 2025 年電網需求側 響應電量 40 億千瓦時。目前我國虛擬電廠處于發展初期,度電補償較高以刺激時長,參 考《廣州市虛擬電廠實施細則》0-5 元/千瓦時的削峰響應補貼,預計 2025 年虛擬電廠進 入商業化運營后,補償標準為 2.5 元/千瓦時。假設分成比例為 50%,則預計 2025 年虛擬 電廠運營市場規模將達到 50 億元。
應用數字孿生構建新一代虛擬電廠。通過數字化建模和部署物聯網設施將其納入到數字孿 生虛擬電廠體系中,通過智能感知和數據采集補充完善信息中樞數據中臺。在優化運行方 面,虛擬孿生空間與物理實體通過高效連接和實時傳輸實現孿生并行與虛實互動。通過智 能感知和信息實時采集技術實現“由實入虛”;虛擬電廠物理實體和虛擬空間通過反饋機 制實現虛實迭代,并通過智能決策平臺的支撐和實時優化運行控制實現“由虛控實”。
“聚合”和“通信”是虛擬電廠的核心,與 AI 匹配性強。建設虛擬電廠可分為兩大關鍵 信息化技術:即協調控制、信息通信技術。其中,協調控制技術要聯通源網荷儲多個環節 的調整,并要做出對于發電量、用電量、電價等多個數據的判斷,AI 的接入有望極大提 升分析效率和準度。另一方面,主要影響 B 端用電水平的虛擬電廠對于電網整體穩定性影 響較小、數據相比 C 端更容易授權用于訓練,有望率先接入大模型應用。
評論