对光伏人来说，现在又是一个让人心惊肉跳的5.31。2018年的上一个5.31，是因为光伏发电还处于成本较高需要补贴的时代，光伏装机容量大增，补贴金额猛涨导致中央政府对光伏新建项目急刹车，使得光伏项目的业主和很多光伏企业遭受灭顶之灾，大家今天仍记忆犹新。
这次的5.31是因为光伏电消纳能力不足，出现了严重的光伏发电并网瓶颈，新建光伏的发电量未来不能保障上网，这会导致弃光量骤增。因此新建光伏装机容量骤降。光伏企业再次面临危机。两次5.31，不一样的原因，一样的后果。
中国的光伏装机容量太大了吗?2024年底，中国的风光电装机容量才刚刚超过火电的装机容量，而德国的风光电装机容量是火电装机容量的2.5倍，但弃风弃光电却仅有3%左右。德国规划到2045年，风光电容量还要再增加300%多。
为什么有如此大的差距?这是因为两国在解决这个问题的视界不同。
中国在消纳过剩风光电时，视界局限在化石能源时代的传统电力系统中。集中力量在电力系统中寻找灵活用电的能力作为用户侧响应的资源。这显然是远远不够的。
而德国的视界是在所有使用化石能源的领域寻找消纳过剩风光电的资源。根据我们德国能源署的数据，在德国的终端使用能源中，热能是电能的约2.5倍，其中低于100℃的热能是电能的约1.6倍，是现在德国风光发电量的约3倍。而存储100℃热水的水罐单位储能造价只有每千瓦时50元人民币左右，是蓄电池的十分之一左右，储能成本非常廉价。且不说未来还有工业高温热力的廉价存储方法。所以，在德国，消纳过剩风光电不是问题。补偿才是要讨论的难题。所以现在的研究重点是如何降低在风光电不足时保障电力供应的补偿电源的发电成本。
中国的问题是，在风光电过剩时，如果用户用过剩的风光电替代天然气，能源成本比燃烧天然气还高。更不要说替代燃烧煤炭了。于是在中国就出现了一个怪现像，在风光电过剩时，一边大量弃风弃光，一边燃烧着供应安全没有保障的从几千公里外用管道或用液化气船运来的昂贵的天然气。
解决这个问题的道理非常简单。如果过剩风光电到用户的价格低于天然气的价格，就能替代天然气;如果过剩风光电到用户的价格低于煤炭的价格，就能替代煤炭。这不需要什么人工智能，只需要小学学到的知识。如果用过剩风光电替代制备热力的大部分天然气和煤炭，中国的风光发电容量还可以再增长500%。
最后谈一下人工智能。1987年我开发了联想式汉字输入的词库自学习生成系统，并卖给了联想集团。38年过去了，今天在座的各位都在手机和计算机里使用我当年开发的这个人工智能软件。这个软件的原理与今天的Chat GPT和deepseek是相同的原理，学习已有的知识，而后提炼出所需的知识——对我开发出来的这个软件来说就是联想词。今天中国要使用人工智能技术开发智慧能源，消纳过剩的风光电，同样首先要有人工智能需要依赖的基础知识库，即能够消纳过剩风光电的灵活用电资源数据，没有灵活用电的资源，讨论使用人工智能去消纳过剩风光电，就是空谈。在碳中和领域，人类的基础知识，即常识，远比人工智能重要。
暖东云转载其他网站内容，处于传递更多信息而非盈利目的，同时并不代表、赞成其观点或证实其描述，内容仅供参考。
版权归原作者所有，若有侵权，请联系我们删除。
