（本文閱讀時間：12分鐘）
近年來，全球變暖趨勢愈發明顯，極端氣候事件頻繁發生，給人類社會和生態環境帶來了巨大沖擊。在眾多導致全球變暖的因素中，碳排放是關鍵，其中燃煤電廠又是碳排放的“重災區”。因此，全球各地“煤炭退出”的呼聲日漸高漲，燃煤電廠加速關停的壓力不斷增加。儘管人們普遍意識到煤炭退出的重要性，但實現這一目標仍面臨較大的困難和挑戰。
為了尋找更加穩妥且低成本的轉型路徑，煤電行業亟需探索多種減排方式，而非只有“退役”這一條路。對此，微軟亞洲研究院與清華大學地球系統科學系（簡稱“地學系”）團隊合作，基於燃煤電廠技術改造的供需關係及空間異質性特徵，開發了首個電廠級尺度的遞迴動態最佳化模型，並模擬了中國4,200多座燃煤電廠在不同碳排放路徑下的動態轉型過程。預估結果顯示，該模型不僅可以顯著提升碳減排目標的達成程度，還能大幅降低轉型成本，為煤電行業的綠色轉型提供了新的思路與解決方案。該項研究 “Reducing transition costs towards carbon neutrality of China’s coal power plants” 已在《自然-通訊》（Nature Communications）上發表。
Reducing transition costs towards carbon neutrality of China’s coal power plants
論文連結：
https://www.nature.com/articles/s41467-024-55332-5
中國擁有全球最大的煤電裝機容量，煤炭生產和消費位居世界前列，與此同時，二氧化碳的排放問題也較為突出。因此，中國燃煤電廠的低碳轉型迫在眉睫。目前，煤電行業主要有四種低碳轉型途徑：退役、摻燒生物質、碳捕集與封存，以及靈活性改造，但每種方法都有其優缺點，無法完全滿足燃煤電廠的轉型需求。
退役或強制退役：正常情況下，燃煤電廠的生命週期約為40年，服役期滿就會自然退役，此外，市場因素或政策導向也可能導致電廠提前退役。這種方法雖然能夠快速實現碳減排目標，但許多國家的能源結構高度依賴煤炭產業，燃煤電廠的退役會引發一系列嚴重的社會問題，如大量人員失業、能源供應短缺以及地方經濟發展不穩定等。
摻燒生物質：在煤炭燃燒的過程中摻雜進生物質（如秸稈、樹木等木質纖維素）也是一種方法。由於摻雜使用的生物質在生長過程中會透過光合作用吸收二氧化碳，起到固碳的作用，儘管燃燒時會產生碳排放，但從整個生命週期來看，其固碳量和碳排放量大致可相互抵消，因此被視為一種零排放的混燃技術。不過，不同地區生物質的分佈差異較大。例如，中國東北地區有較多的小麥和玉米秸稈，東南部有較多水稻秸稈，西南部適宜種植芒草、柳枝稷等速生植物，西北部地區因土地和氣候條件欠佳，難以種植生物質作物。能否獲得充足的生物質資源並構建穩定的原料供應鏈是燃煤電廠是否願意採取該項策略的關鍵因素。
碳捕集與封存：對碳的捕集與封存是指在煤炭或生物質燃燒產生二氧化碳後，透過特定的技術手段將其捕捉並埋藏到海底或地底深處，使其在很長一段時間內都不會重新釋放到大氣中，就像給二氧化碳找到了一個地下“儲存庫”。但這項技術目前尚處於發展階段，相關的封存基礎設施還不完善，且建設成本極為高昂。
靈活性改造：對燃煤電廠進行靈活改造起初是一項為了響應電網需求波動的舉措。隨著可再生能源成本的大幅下降，風電、光伏等可再生能源裝機呈現快速增長的趨勢。燃煤電廠可透過擴大最小到最大技術出力的功率範圍、提升爬坡速度並加速啟動時間來滿足電網的靈活性需求。儘管該項技術會導致電廠單位發電的二氧化碳排放量上升，但由於電廠一年的執行小時數有明顯下降，因此燃煤電廠的碳排放總量降低幅度較大。
由於不同地區電廠的老舊程度、使用年限、周圍生物質資源分佈情況和用電量都各不相同，要在多種策略下為每個燃煤電廠制定出合適的應對方案，難度可想而知。“在全球邁向碳中和的程序中，單純追求碳排放達標而忽視經濟與社會成本是不可持續的。”微軟亞洲研究院全球研究合夥人邊江表示，“我們希望綜合考量資源分佈、運輸條件、電廠規模以及技術改造之間的複雜關係，基於人工智慧技術設計一個成本最低且最優的碳中和策略，以實現環境保護與社會經濟發展的協同並進。”
面對燃煤電廠碳減排的複雜難題，微軟亞洲研究院攜手清華大學地學系展開深入研究合作。清華大學在生物質資源、碳封存以及燃煤電廠領域的深厚積累，為此項研究提供了跨領域合作堅實的學術支撐。在此基礎上，雙方構建了一個電廠級尺度的遞迴動態最佳化模型。該模型採用混合整數線性規劃方法，能夠幫助每個電廠在多種策略中進行最佳化選擇，並模擬逐步增強減排策略的序貫決策過程，幫助電廠找到最適宜的動態轉型路徑。
“現有模型的模擬結果往往只能從宏觀層面進行討論，常常得出當碳價上升或碳減排目標趨嚴時，較大規模的煤電裝機需採取強制退役或者加裝碳捕集與封存策略來實現減排，忽略了電廠這些微觀主體實際上可靈活採取差異化的減排策略”，清華大學地球系統科學系教授蔡聞佳介紹道。電廠級遞迴動態最佳化模型所具有的四個關鍵特性，可以為煤電退出提供替代方案：
-
技術多樣性：允許燃煤電廠透過多種低碳技術實現減排，包括生物質與煤炭混燒、碳捕集與封存、靈活性執行、強制退役和自然退役等。
-
時間連續性：考慮了電廠決策的時間連續性，即電廠在前一階段的決策將對其後續年份的選擇產生影響。例如，電廠在某一階段使用了碳捕集與封存技術後，不僅可以持續捕獲碳排放，還可以在未來透過改造生物質與煤炭混燒技術，進一步推動電廠升級。
-
資源競爭動態調整：有效解決了不同電廠之間的資源競爭問題。例如，生物質與煤炭混燒的比例可根據電廠的減排需求、附近生物質資源的供應量，以及周邊電廠的競爭情況進行動態調整。
-
執行小時數靈活最佳化：將每個電廠的執行小時數設計為連續變數，這意味著電廠在採用靈活性技術後，其執行小時數將根據模型最佳化結果靈活調整。
此外，為了確保在大規模可再生能源整合的情況下，燃煤電廠依然能夠可靠地供應穩定電力，模型還將電力系統生成的情景作為了約束條件納入其中。
基於深度學習方法設計的電廠級動態最佳化模型能夠隨著社會的不斷發展，根據用電情況和資源分佈變化，提供更具前瞻性的決策依據，並針對不同地區資源和電廠的特點，為燃煤電廠量身定製轉型路徑。“透過開發電廠級動態最佳化模型，我們可以將微觀主體的利益訴求和可能採取的行動納入國家碳減排情景的規劃中，更有效地降低燃煤電廠的轉型成本。如此一來，既能兼顧社會經濟發展和電力系統穩定執行的需求，也可以助力‘雙碳’目標的達成，減緩氣候變化。”蔡聞佳表示。
對中國4,200多座燃煤電廠的模擬研究結果顯示，在深度脫碳的情景下，多數燃煤電廠能夠透過多種技術改造來減少碳排放，並在較低成本下實現自然退役，同時為電網的穩定性做出貢獻。
例如，在50%的累計碳排放減排目標下，成本最低的碳排放路徑是2030年達到碳排放峰值，2040年進入深度脫碳階段，並將在2050年實現淨零排放目標的適當推遲。這一路徑的總轉型成本為1.367萬億美元。然而，如果對技術選擇加以限制，比如排除生物質與煤炭混燒技術，會導致更多電廠提前退役，增加轉型成本。
圖1：燃煤電廠在“2030年達到高排放峰值並在2050年實現淨零排放（30lp-post50zero）”的動態轉型路徑
實驗發現，如果燃煤電廠不採取任何低碳轉型措施，現役和即將投產的電廠將在2020年至2050年間提前鎖定1,612億噸碳排放（如下圖2a中的黑線所示）。不過，若以50%的累計減排量（即806億噸）為目標，透過最佳化煤電的碳減排情景曲線，可在不增加額外成本的情況下，將累計碳減排目標從30%提高到50%，即從484億噸提升至806億噸。這一目標與將本世紀末的全球氣溫變化控制在2°C以下的要求相一致。由此可見，合理地設定國家煤電碳減排情景併為燃煤電廠提供多種碳減排技術選項，既可避免對能源安全、金融安全和社會穩定產生較大的影響，也能兼顧全球希望達成的1.5°C或2°C氣候目標。
圖2：全國碳減排路徑下的電廠級動態決策過程及相關轉型成本
電廠級尺度遞迴動態最佳化模型只是人工智慧在燃煤電廠低碳轉型中的一個應用，人工智慧在碳減排領域的潛力遠不止於此。
在基礎層面，人工智慧在構建燃煤電廠動態資料庫方面有顯著優勢。透過整合來自不同資料來源的資訊，例如發電專案的環評報告、國家頒發的土地許可資質等，人工智慧可對全球燃煤電廠資料集進行即時地更新和處理，監測其動態發展和建設情況，為燃煤電廠低碳減排提供及時的資料支撐。
此外，在電力系統中，除了傳統的燃煤電廠，風電、太陽能發電等新能源也在快速發展。引入人工智慧技術，可以根據使用者側的需求變化、可再生能源的波動性特徵以及電網排程需求，精細刻畫電力系統對不同地區燃煤電廠提供靈活性資源的需求。將人工智慧技術融入電力系統排程或規劃模型可進一步提升模型的執行效率和時空精度，加速電力系統實現碳中和目標。
探索燃煤電廠和能源行業的低碳轉型只是微軟亞洲研究院在全球負碳、碳減排領域的研究課題之一，研究員們還在深入探究自然界與人類生產活動中的碳匯機制。然而，碳減排是一個複雜的系統性問題，僅靠單一學科或領域的努力難以取得突破，必須透過跨學科、跨領域的交叉融合來尋求解決方案。因此，微軟亞洲研究院在憑藉計算機前沿技術構建全球碳匯體系的同時，也期待與更多相關領域的專家和夥伴攜手合作，為應對氣候變化提供堅實的科學依據，共同推動全球碳減排目標的實現。
[1] https://wmo.int/publication-series/state-of-global-climate-2024
[2]《巴黎協定》於2015年透過，其核心目標之一是將全球平均氣溫較工業化前水平升高幅度控制在2℃以內，並努力將溫度上升幅度限制在1.5℃以內，以降低氣候變化帶來的風險和影響。
你也許還想看：