电动赛车冠军的背后，是新能源的软件革命！

F1方程式赛车想必很多人都知道，但了解FE电动方程式世界锦标赛的，却要少得多。

正如其名，Formula－E的赛车并不使用内燃机，而是纯电驱动。FE与F1有个很大的不同点：赛车车体统一设计，而且搭载的电池性能与规格相同。抛开车手的技术水平不谈，由于车辆技术规格差距小，电动方程式赛车比赛的关键问题：该怎样用一样多的电，跑完有限的距离，并跑出更快的速度。

这个周六，FE第七赛季最后一站柏林分站的比赛就要打响。目前力压奔驰、宝马、奥迪、保时捷等一批顶尖厂商车队、领跑积分榜的是一支有着中国背景的非厂商车队——远景维珍车队。

它成为领头羊的秘诀，就是“算命”算得准。当然这是一句玩笑话，这支车队真正的强大之处，在于其搭载了先进的气象预测与能源管理技术。

举例来说，温度、湿度以及降雨是与新能源车能耗相关度比较高的几个因素。过高的环境温度会造成电池过热的风险；降雨则会改变行驶条件，影响电池的充放电。正因为如此，FE比赛中因为策略不当导致电量耗尽，甚至提前退赛的场景比比皆是。

基于在时间和空间维度精准度都更高的气象预测数据，车队可以根据实际情况提前制定能量管理策略，或是在赛事中实时调整驾驶技术，更合理地管理与释放电池能量。

而在这样一套先进的算法背后，可再生能源领域数字化应用的产业升级正在悄然发生。

1

时代变了

也许几年前还有人会心存疑虑，但现如今几乎没人可以否认，以风光水为首的新能源已经崛起。

中电联数据显示，截至2020年底，全国全口径发电装机容量达22亿千瓦，同比增长9．5％。而作为新能源代表的水电（含抽水蓄能）、风电（并网）以及光电（并网），在同期的装机容量分别为3．7亿千瓦／2．8亿千瓦／2．5亿千瓦，同比增速分别为3．4％／34．6％／24．1％；在全部装机容量中的占比则分别是16．82％／12．79％／11．52％，总计已达41．13％。可以确定的说，如今的可再生能源，已经成为我国电力系统的支柱，仅次于火电（占比超过49％）。

这一成绩的背后，是新能源发电设备装机量的迅速增长。国家能源局数据显示，2020年我国电源新增装机容量为19807万千瓦，其中风电7167万千瓦，太阳能发电4820万千瓦，较2019年新增装机量的同比增速分别为178％／80％。［1］

随着技术的日趋成熟，产业逐渐规模化，新能源曾经被人诟病的昂贵成本也得到了极大改善。

国际可再生能源署（International Renewable Energy Agency，IRENA）发布的报告显示，过去十年间（2010－2020年），全球规模以上光伏电站的平均发电成本，已经从0．381美元／kW·h下降到了0．057美元／kW·h，降幅达85％；陆上风电的平均发电成本则下降了56％，从0．089美元／kW·h降至0．039美元／kW·h；应用相对受限，装机量也仅有陆上风电二十分之一的海上风电，也取得了降本48％的成绩。［2］

更进一步，伴随着我国“3060双碳目标”的提出，“碳中和”已是我国能源产业最顶层的战略方针。在这样的风向之下，新能源迎来了确定性很强的行业红利期：国家扶持政策频出，利好频传，同时在资本市场也获得了非常广泛的关注。

但别忙着庆祝，这可再生能源想大发展，还有不少问题需要解决。

2

年轻的产业，亟待解决的问题

可再生能源很好，而且风光水电所涉及的理念与技术也不算新，但作为一个成体系的产业，它还年轻。

而年轻，可是有代价的。

作为技术最成熟，也是装机量最大的风光水三种可再生能源，还在为“靠天吃饭”这个根本问题头疼。

以风电为例，比较反直觉的一点是，风电并不是“有风就行”。风速太低时，叶片转速过慢无法有效带动发电机组；风速太高时，又会出于保护设备以及安全问题暂停机组的运作。除此之外，即使当前风速处于“可利用区间”时，风速的高低也对机组最终发电能力影响重大，输出功率忽高忽低，导致电网在过去很长一段时间都对于风电接入十分“抗拒”。

而光电虽说确实是“有光就行”，但光照强度同样对最终的输出功率有着影响，发电量不稳定，一遇到阴雨天气发电能力就直线下降的缺陷同样存在。同时“有光就行”也意味着“没光真不行”：光电设备并不具备24小时持续运转的能力，一旦入夜就会立刻停摆，毕竟夜里可以有风，但真的没太阳。虽说光热技术路线在尝试以其他的方式利用太阳能，然而也受限于技术门槛和成本问题得不到大规模应用。

水电相对而言是三者中最为稳定可控的，即使如此，也会受到枯水期和汛期等水文条件变化的影响。

同时，对于传统热电站来说，一般选择靠近电力负荷区，具有交通运输方便、地质条件好等特点的地点即可建厂。

然而对于新能源场站来说，更看重资源本身。从能源获取方式看，火电站的燃料是运输而来，只要运输线不出问题就源源不绝，而且在任何地方烧起来都一样；可对大多数可再生能源来说，能源是从自然界获取的，有没有，多还是寡，均是客观现实，如果能源本身缺乏，那其他条件再好也无法建厂。

这就导致新能源电厂的选址需要追逐风光水资源富集的地区，而这些地区却往往不是现成的消纳区。

陆上风电装机集中在西北地区［3］

另以光伏为例，我国太阳能资源主要集中在西北地区，但负荷区却集中在东南沿海。虽然近几年海上风电加速发展，东南沿海开发新能源的底气越来越足， 但如何解决可再生能源生产与消纳的地理不均衡，还是一个长期问题。

除了“看天吃饭”之外，可再生能源发电的另一个问题是“碎片化”的存在方式。

当前全球的供电系统，仍然是以大机组、大电网、高电压为主要特征的集中式单一供电系统。但部分基于可再生能源的发电机组，特别是风电与光伏，则往往以分布式的方式存在。

与传统大型发电设备不同，风光最大的特征是，每一台完整的设备都具有独立发电的能力，这有利于发电系统的小型化。毕竟屋顶能安光伏板，可不能装个火电站。

现实中，这些散碎并彼此独立的发电设备构成了一个个“微电网”，叠加风光发电固有的不确定性，极大的复杂化了电力系统的供需关系。没有人能很准确的说出，一栋大楼什么时候需要供电，什么时候有能力向外输电，而且这些小型发电系统由于各种原因，每个子系统输送的电力可能是不均等的，也给电网带来了相当高的压力。

这一点在风电上更加明显。受客观因素影响，一个风电站集群，在同一时间每台设备的发电量都有可能是不一样的，这使得整个供电系统的复杂程度呈指数级上升。

即使是水电这一在大多数人印象中，通常属于大型电站的发电系统，同样受困于分布式带来的输电困境。目前我国的西南地区，由于水资源相对富集，修建了大量小型水电站。但这些水电站由于发电成本高等一系列原因，竞争力其实很弱，再加上缺乏统筹，导致了巨大的浪费问题。

更进一步，由于用电本身是一个动态过程，如何根据下游用电负荷调整发电量，即使集中式供电系统都还没有特别完美的解决方案，对于调峰能力本来就很弱的分布式电站来说更是难上加难。

这些问题堆积起来，都阻碍可再生能源大规模的并网使用。

3

新能源需要一个“操作系统”

为了应对包括输出功率不稳定，消纳难，长距离输送难等问题，目前行业内普遍的解决方案是接入储能系统、多种发电设施混用等。简单来说，就是硬件设施的问题，用硬件手段解决。

那么，有没有一种方法，能让行业建立一套更加智能的系统，统筹规划散落各处的储能设备、发电设备以及用电需求，以软件的方式，解决硬件问题？

有。

目前在全球范围内，以柔性电力负荷、虚拟电厂（virtual power plant）、智慧电网等解决方案为代表，试图为崛起于第二次工业革命的电力系统，注入来自互联网时代的数字技术，使这一古老的领域获得一次全面的产业升级。

还记得开头提到的远景维珍车队么？车队的拥有者——远景科技集团（下称“远景”）就是一家深耕可再生能源与数字能源赛道多年的企业。

公司旗下的远景智能（Envision Digital）开发的软件，正是远景维珍车队的幕后英雄，它成功完成天气预测、电池管理等关键任务。

2015年，远景智能推出一款名为EnOS（Envision OS）的智能物联操作系统，到今天已连接管理了全球超过300GW的能源资产和超过1亿个智能终端机器设备，涵盖了风光发电、储能、动力电池、智能电网、智能楼宇与园区等多个领域。

简单来说，EnOS之于能源系统，就类似安卓之于智能手机。

电力系统本身是个非常复杂的结构，包括发电端、储能、输送、用电等多个环节，且每个环节内部也呈现高度分化的形态。在这样一种复杂环境下，若没有一个通用的底层框架，会导致每个环节的参与者各行其是，最终就是“车不同轨，书不同文”，各类控制软件混杂在一起呈现高度碎片化——恰如新能源发电本身。

而这也正是EnOS要解决的。

EnOS架构的最底层是物理设备连接层，目前已经有超过3000 种设备模型接入，如暖通、风机、空调等；往上一层是数据服务层，接入的数据在这里汇合，并完成清洗与分析，海量的公共数据也会汇集在这一层；第三层是针对不同场景的各类应用服务；最上层则负责提供跨领域、跨应用的解决方案。

如此一来，四层结构便让物理世界在数字世界实现了连接互动。

EnOS最根本的意义，在于构建了一套开放的生态系统，将不同环节中的不同参与者接入同一个平台，使数据可以无障碍地流通，真正发挥协同效应，赋予电网智能，实现整个系统的动态连接与平衡。

4

系统有了，怎么用？

当然仅有一个操作系统是不够的，还需要具体到实际应用，才能凸现它的价值——就像一部崭新的智能手机，你总需要下载一些应用，才能满足你的日常需求。

在EnOS上，远景智能开发了主要面向可再生能源电力、碳管理以及城市数字基础设施三大场景的应用与解决方案。

正如我们在上文所说，天气是决定可再生能源电力系统发电能力最核心的要素，若能更精确地预测气象条件，进而更好地预估接下来发电系统整体的电力输出，无疑能在一定程度上解决并网或是弃电等问题。

远景智能开发的基于AIoT技术的高精度数值气象预测方案，正是为此而存在的。这套系统正是我们开篇所说的，远景维珍车队取得积分榜第一的最大功臣，也是整个电力管理系统最底层的输入之一。通过接入全球七大气象中心数据，叠加更先进的智能算法，系统可以实现诸如为水电预测降雨量，或预测风力、光照条件等，为风光发电提供必要的数据支持。它甚至可以提供极端天气预警，辅助农业生产活动。

当然光有气象数据还不够，还要知晓这些气象数据作用在发电系统之上的结果。通过远景的另一款软件“孔明”，收集分析公开的和EnOS接入的超过10万台风机与光伏组件实时观测数据，每6个小时就为发电企业提供场站1公里x1公里范围内，未来0－72小时的短期风光气象预测，以及一个月到一年的短期气候预测，从而协助站场制定更合理的运营方案，最大化经济效益。

除了供给端的升级，远景智能的智能物联技术同样寻求对需求端进行改造。

远景智能的主要目标，是以智能物联操作系统为基础，协同管理包括分布式光伏、动力电池以及充电桩、楼宇暖通空调和电梯、工业园区、码头和机场等关键设施，形成全新的智能数字网络。依托大数据，精确预测“源网荷储”的基本情况，先行调整输出功率，调配储能与用电单元，平衡电网的同时，提供调峰调频，需求侧响应等电网辅助服务。

在2020年9月远景科技集团CEO张雷的一次演讲中提到［4］，早在2018年，远景 EnOS 就中标了新加坡“智慧国度”物联网开发平台（DECADA），而远景智能也正与新加坡国际港务集团（PSA）合作，为PSA定制了能效管理、微网控制、虚拟电厂（VPP）、电力交易、绿证交易五大应用，将港口内的分布式光伏设备、储能以及用电设备统一交由虚拟电力中心管理（这也是虚拟电厂的基本模式），将分布式能源与柔性负荷单元聚合，实现发电端与负荷端的协同运作。

而在欧洲新能源大国德国，远景智能同样在进行一场实验，打通车辆和电网间的“互动”。

远景智能在德国的V2G（车辆到电网）试点项目中，通过将电动车作为一个小型单元与电网直接建立连接，可实现电力从电网流向车辆，也能够让车主反向向电网输送汽车中的能源。如此一来，过去仅仅是用电单元的电动车，就成为了一个柔性复合单元——发电量高时，它是一个储能消纳单元，而当电网缺电时，车就成了可供调用的备用能源。

这样解决了飞速增长的电动车保有量对电力系统的冲击，是对新能源车价值的进一步开发，也提高了可再生能源的利用率，可谓双赢。

5

用软件解题碳中和

中国的碳达峰和碳中和时间表发布后，除了关心碳中和概念股，企业、城市到个人，都要开始做一道碳中和的“数学题”。

作为一家新能源领域的公司，远景也设立了明确的碳中和目标：在今年4月22日“世界地球日”，远景宣布要在2022年实现运营碳中和，在2028年实现全供应链碳中和。［5］

同样在地球日当天，远景发布了一个基于EnOS的碳管理应用，并取名“方舟”，它可以为企业快速完成耗能设备的碳排采集和计算，实现实时精准的碳排放量统计。

不同于物理上可视（煤炭、油气等）或者技术上容易监测（电力）的能源管理，从碳排放到碳中和计算长期以来都是一片技术空白。

除了计算碳排放，远景方舟还能帮企业“找绿电”——企业可以选择分布式光伏发电、风电项目投资、绿电采购等解决方案，直通交易市场采购碳汇、CCER等，并依靠区块链技术查看每个绿证／碳证的“前世今生”，确保数据的可靠性。

简单地说，远景不仅要自己实现碳中和、提供软硬件推动能源行业碳中和，还要帮助其它公司走向碳中和。

在ESG（Environment、Social Responsibility、Corporate Governance；环境、社会和公司治理）重要性日益提升，甚至沪深交易所已着手规划时间表，要求企业尽快在财报中递交ESG内容的当下，高透明度的碳管理需求无疑非常真实，且是一个巨大的潜在市场。

回头看看，电动方程式赛车设立的初衷是希望借助赛车这项运动，加速推动全球汽车产业走向清洁能源，它代表着未来汽车工业的发展方向。但试想如果没有从电力的源头上加速让风电光伏替代煤炭，那么越多的电动汽车或许将带来更多排放——碳中和背负着构建人类命运共同体的使命，也将是一个复杂的系统工程。

要赢得同气候变化的比赛，需要更多像远景这样的先锋。

References：

［1］ 国家能源局，

2020年全社会用电量同比增长3．1％

［2］ IRENA， RENEWABLE POWER GENERATION COSTS IN 2020

［3］ 中电联，2020年全国电力版图

［4］ 远景CEO张雷：综合智慧能源的未来是“基于能源，超越能源”

［5］ 最大胆的碳中和目标出炉！远景宣布明年实现自身碳中和