摘要：3月22日是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，呼吁社会各界共同行动。世界气象组织发布的年度气象报告指出，2024年全球平均气温较1850-1900年的工业化前水平高出1.55℃ [1]。若不采取紧急行动削减
编者按：3月22日是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，呼吁社会各界共同行动。世界气象组织发布的年度气象报告指出，2024年全球平均气温较1850-1900年的工业化前水平高出1.55℃ [1]。若不采取紧急行动削减温室气体排放，本世纪内全球气温将升高超过2℃，给全球生态系统和人类社会造成无法挽回的灾难性影响。
在碳排放的诸多来源中，煤炭燃烧是主要的排放源之一，而燃煤电厂的低碳转型是实现碳减排并达成《巴黎协定》1.5℃控温目标的关键[2]。为此，微软亚洲研究院与清华大学地球系统科学系合作，开发了首个电厂级动态优化模型，模拟了全国4,200多座燃煤电厂在不同碳排放路径下的动态转型过程。评估结果显示，优化路径可以帮助燃煤电厂节省超7,000亿美元的成本，或在不增加成本的情况下，将碳减排目标从30%提高至50%。该研究成果不仅是技术上的突破，更为全球应对气候变化提供了新的思路和方案。
近年来，全球变暖趋势愈发明显，极端气候事件频繁发生，给人类社会和生态环境带来了巨大冲击。在众多导致全球变暖的因素中，碳排放是关键，其中燃煤电厂又是碳排放的“重灾区”。因此，全球各地“煤炭退出”的呼声日渐高涨，燃煤电厂加速关停的压力不断增加。尽管人们普遍意识到煤炭退出的重要性，但实现这一目标仍面临较大的困难和挑战。
为了寻找更加稳妥且低成本的转型路径，煤电行业亟需探索多种减排方式，而非只有“退役”这一条路。对此，微软亚洲研究院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4,200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。该项研究 “Reducing transition costs towards carbon neutrality of China’s coal power plants” 已在《自然-通讯》（Nature Communications）上发表。
Reducing transition costs towards carbon neutrality of China’s coal power plants
论文链接：
燃煤电厂低碳减排路径多，困难也多
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。
退役或强制退役：正常情况下，燃煤电厂的生命周期约为40年，服役期满就会自然退役，此外，市场因素或政策导向也可能导致电厂提前退役。这种方法虽然能够快速实现碳减排目标，但许多国家的能源结构高度依赖煤炭产业，燃煤电厂的退役会引发一系列严重的社会问题，如大量人员失业、能源供应短缺以及地方经济发展不稳定等。
掺烧生物质：在煤炭燃烧的过程中掺杂进生物质（如秸秆、树木等木质纤维素）也是一种方法。由于掺杂使用的生物质在生长过程中会通过光合作用吸收二氧化碳，起到固碳的作用，尽管燃烧时会产生碳排放，但从整个生命周期来看，其固碳量和碳排放量大致可相互抵消，因此被视为一种零排放的混燃技术。不过，不同地区生物质的分布差异较大。例如，中国东北地区有较多的小麦和玉米秸秆，东南部有较多水稻秸秆，西南部适宜种植芒草、柳枝稷等速生植物，西北部地区因土地和气候条件欠佳，难以种植生物质作物。能否获得充足的生物质资源并构建稳定的原料供应链是燃煤电厂是否愿意采取该项策略的关键因素。
碳捕集与封存：对碳的捕集与封存是指在煤炭或生物质燃烧产生二氧化碳后，通过特定的技术手段将其捕捉并埋藏到海底或地底深处，使其在很长一段时间内都不会重新释放到大气中，就像给二氧化碳找到了一个地下“储存库”。但这项技术目前尚处于发展阶段，相关的封存基础设施还不完善，且建设成本极为高昂。
灵活性改造：对燃煤电厂进行灵活改造起初是一项为了响应电网需求波动的举措。随着可再生能源成本的大幅下降，风电、光伏等可再生能源装机呈现快速增长的趋势。燃煤电厂可通过扩大最小到最大技术出力的功率范围、提升爬坡速度并加速启动时间来满足电网的灵活性需求。尽管该项技术会导致电厂单位发电的二氧化碳排放量上升，但由于电厂一年的运行小时数有明显下降，因此燃煤电厂的碳排放总量降低幅度较大。
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。”
电厂级动态优化模型，为燃煤电厂量身定制转型路径
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。清华大学在生物质资源、碳封存以及燃煤电厂领域的深厚积累，为此项研究提供了跨领域合作坚实的学术支撑。在此基础上，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”，清华大学地球系统科学系教授蔡闻佳介绍道。电厂级递归动态优化模型所具有的四个关键特性，可以为煤电退出提供替代方案：
技术多样性：允许燃煤电厂通过多种低碳技术实现减排，包括生物质与煤炭混烧、碳捕集与封存、灵活性运行、强制退役和自然退役等。
时间连续性：考虑了电厂决策的时间连续性，即电厂在前一阶段的决策将对其后续年份的选择产生影响。例如，电厂在某一阶段使用了碳捕集与封存技术后，不仅可以持续捕获碳排放，还可以在未来通过改造生物质与煤炭混烧技术，进一步推动电厂升级。
资源竞争动态调整：有效解决了不同电厂之间的资源竞争问题。例如，生物质与煤炭混烧的比例可根据电厂的减排需求、附近生物质资源的供应量，以及周边电厂的竞争情况进行动态调整。
运行小时数灵活优化：将每个电厂的运行小时数设计为连续变量，这意味着电厂在采用灵活性技术后，其运行小时数将根据模型优化结果灵活调整。
此外，为了确保在大规模可再生能源整合的情况下，燃煤电厂依然能够可靠地供应稳定电力，模型还将电力系统生成的情景作为了约束条件纳入其中。
基于深度学习方法设计的电厂级动态优化模型能够随着社会的不断发展，根据用电情况和资源分布变化，提供更具前瞻性的决策依据，并针对不同地区资源和电厂的特点，为燃煤电厂量身定制转型路径。“通过开发电厂级动态优化模型，我们可以将微观主体的利益诉求和可能采取的行动纳入国家碳减排情景的规划中，更有效地降低燃煤电厂的转型成本。如此一来，既能兼顾社会经济发展和电力系统稳定运行的需求，也可以助力‘双碳’目标的达成，减缓气候变化。”蔡闻佳表示。
累计碳减排目标从30%提升至50%
对中国4,200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。
例如，在50%的累计碳排放减排目标下，成本最低的碳排放路径是2030年达到碳排放峰值，2040年进入深度脱碳阶段，并将在2050年实现净零排放目标的适当推迟。这一路径的总转型成本为1.367万亿美元。然而，如果对技术选择加以限制，比如排除生物质与煤炭混烧技术，会导致更多电厂提前退役，增加转型成本。
图1：燃煤电厂在“2030年达到高排放峰值并在2050年实现净零排放（30lp-post50zero）”的动态转型路径
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1,612亿吨碳排放（如下图2a中的黑线所示）。不过，若以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，合理地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。
图2：全国碳减排路径下的电厂级动态决策过程及相关转型成本
任重道远，全球碳减排仍需多方协同推进
电厂级尺度递归动态优化模型只是人工智能在燃煤电厂低碳转型中的一个应用，人工智能在碳减排领域的潜力远不止于此。
在基础层面，人工智能在构建燃煤电厂动态数据库方面有显著优势。通过整合来自不同数据源的信息，例如发电项目的环评报告、国家颁发的土地许可资质等，人工智能可对全球燃煤电厂数据集进行实时地更新和处理，监测其动态发展和建设情况，为燃煤电厂低碳减排提供及时的数据支撑。
此外，在电力系统中，除了传统的燃煤电厂，风电、太阳能发电等新能源也在快速发展。引入人工智能技术，可以根据用户侧的需求变化、可再生能源的波动性特征以及电网调度需求，精细刻画电力系统对不同地区燃煤电厂提供灵活性资源的需求。将人工智能技术融入电力系统调度或规划模型可进一步提升模型的运行效率和时空精度，加速电力系统实现碳中和目标。
探索燃煤电厂和能源行业的低碳转型只是微软亚洲研究院在全球负碳、碳减排领域的研究课题之一，研究员们还在深入探究自然界与人类生产活动中的碳汇机制。然而，碳减排是一个复杂的系统性问题，仅靠单一学科或领域的努力难以取得突破，必须通过跨学科、跨领域的交叉融合来寻求解决方案。因此，微软亚洲研究院在凭借计算机前沿技术构建全球碳汇体系的同时，也期待与更多相关领域的专家和伙伴携手合作，为应对气候变化提供坚实的科学依据，共同推动全球碳减排目标的实现。
[1] https://wmo.int/publication-series/state-of-global-climate-2024
[2]《巴黎协定》于2015年通过，其核心目标之一是将全球平均气温较工业化前水平升高幅度控制在2℃以内，并努力将温度上升幅度限制在1.5℃以内，以降低气候变化带来的风险和影响。
来源：微软亚洲研究院
