人工智能赋能燃煤电厂转型，低成本实现深度脱碳

今年3月22日，我们迎来2025年的“地球一小时”活动。每年，它都以简单而有力的方式提醒着人们关注全球气候变化，呼吁社会各界共同采取行动。当天，记者从微软亚洲研究院获悉，为了帮助煤电行业寻找更加稳妥且低成本的转型路径，探索更多减排方式，其与清华大学地球系统科学系（简称“地学系”）团队合作，基于燃煤电厂技术改造的供需关系及空间异质性特征，开发了首个电厂级尺度的递归动态优化模型，并模拟了中国4200多座燃煤电厂在不同碳排放路径下的动态转型过程。预估结果显示，该模型不仅可以显著提升碳减排目标的达成程度，还能大幅降低转型成本，为煤电行业的绿色转型提供了新的思路与解决方案。相关研究成果日前发表于《自然—通讯》。

中国拥有全球最大的煤电装机容量，煤炭生产和消费位居世界前列，与此同时，二氧化碳的排放问题也较为突出。因此，中国燃煤电厂的低碳转型迫在眉睫。目前，煤电行业主要有四种低碳转型途径：退役、掺烧生物质、碳捕集与封存，以及灵活性改造，但每种方法都有其优缺点，无法完全满足燃煤电厂的转型需求。

由于不同地区电厂的老旧程度、使用年限、周围生物质资源分布情况和用电量都各不相同，要在多种策略下为每个燃煤电厂制定出合适的应对方案，难度可想而知。“在全球迈向碳中和的进程中，单纯追求碳排放达标而忽视经济与社会成本是不可持续的。”微软亚洲研究院全球研究合伙人边江表示，“我们希望综合考量资源分布、运输条件、电厂规模以及技术改造之间的复杂关系，基于人工智能技术设计一个成本最低且最优的碳中和策略，以实现环境保护与社会经济发展的协同并进。”

面对燃煤电厂碳减排的复杂难题，微软亚洲研究院携手清华大学地学系展开深入研究合作。双方构建了一个电厂级尺度的递归动态优化模型。该模型采用混合整数线性规划方法，能够帮助每个电厂在多种策略中进行优化选择，并模拟逐步增强减排策略的序贯决策过程，帮助电厂找到最适宜的动态转型路径。

“现有模型的模拟结果往往只能从宏观层面进行讨论，常常得出当碳价上升或碳减排目标趋严时，较大规模的煤电装机需采取强制退役或者加装碳捕集与封存策略来实现减排，忽略了电厂这些微观主体实际上可灵活采取差异化的减排策略。”清华大学地学系教授蔡闻佳介绍道。而电厂级递归动态优化模型所具有的技术多样性、时间连续性、资源竞争动态调整、运行小时数灵活优化等四个关键特性，可以为煤电退出提供替代方案。

对中国4200多座燃煤电厂的模拟研究结果显示，在深度脱碳的情景下，多数燃煤电厂能够通过多种技术改造来减少碳排放，并在较低成本下实现自然退役，同时为电网的稳定性做出贡献。

实验发现，如果燃煤电厂不采取任何低碳转型措施，现役和即将投产的电厂将在2020年至2050年间提前锁定1612亿吨碳排放。不过，如果以50%的累计减排量（即806亿吨）为目标，通过优化煤电的碳减排情景曲线，可在不增加额外成本的情况下，将累计碳减排目标从30%提高到50%，即从484亿吨提升至806亿吨。这一目标与将本世纪末的全球气温变化控制在2°C以下的要求相一致。由此可见，合理设置国家煤电碳减排情景并为燃煤电厂提供多种碳减排技术选项，既可避免对能源安全、金融安全和社会稳定产生较大的影响，也能兼顾全球希望达成的1.5°C或2°C气候目标。

相关论文信息：https://doi.org/10.1038/s41467-024-55332-5