储能电力市场化交易驱动储能长期成长20251204

大模型的赋能作用。 关键内容： 新能源电力市场演进与风险政策驱动：从2015年电改开始，新能源保障收购比例逐年下降，2025年“136号文” 要求新能源全面参与电力市场。价格风险：现货市场基于15分钟供需边际定价，新能源集中出力时段（如午间风光高峰）供给过剩，导致电价暴跌甚至出现负电价（如山东、内蒙古）。 一、思和科技（任倩宜）——新能源电力交易与AI应用核心主题：新能源全面入市背景下的交易风险、独立储能机遇及AI 大模型的赋能作用。 关键内容： 新能源电力市场演进与风险政策驱动：从2015年电改开始，新能源保障收购比例逐年下降，2025年“136号文” 要求新能源全面参与电力市场。价格风险：现货市场基于15分钟供需边际定价，新能源集中出力时段（如午间风光高峰）供给过剩，导致电价暴跌甚至出现负电价（如山东、内蒙古）。 收益下滑原因：新能源边际成本接近零，但装机规模激增导致供需失衡，中长期合约与现货偏差结算进一步放大风险。 独立储能的机遇 套利逻辑：在电价低谷（甚至负电价）时充电，高峰时放电，赚取价差收益。三大收益场景： 电能量市场价差收益； 辅助服务（调峰、调频）收益； 减少新能源限电损失（通过储能存储弃电）。AI 与大模型的赋能电价预测为核心：从机器学习（2020年前）到深度学习（2020年）再到当前大模型（2025 年），预测精度显著提升，助力充放电策略优化。自动化交易：AI 可替代人工完成日内短周期交易策略申报，中长期交易仍需人工干预。垂直大模型应用： 推出类ChatGPT的电力市场助手，提供数据查询和决策支持。二、重塑科技（孙北）—— 氢储能的技术挑战与解决方案 核心主题：氢储能作为长时储能的潜力、技术经济性瓶颈及技术突破路径。 关键内容： 氢储能的战略意义解决风光波动性，支持跨季节、大规模（百GW 级）储能需求；具备能源传输、多能耦合（电、热、燃料）优势。应用场景 电网侧：消纳剩余电能、调节容量、缓解输配阻塞；负荷侧：电力市场调节、移动能源、热电联产、应急电源。技术经济性瓶颈 劣势：电-氢-电转换效率低（仅40% 左右）；氢气储运成本高（需液氢技术，能耗大）；当前风光制氢成本高达22元/kg，难以商业化。成本下降路径：