人工智能赋能燃煤电厂转型，实现低成本深度脱碳

今年3月22日，我们迎来了2025年的“地球一小时”活动。每年，它都以一种简单而有力的方式提醒人们关注全球气候变化，并呼吁各行各业共同采取行动。同一天，记者从微软亚洲研究所获悉，为了帮助煤炭电力行业找到更安全、低成本的转型路径，探索更多的减排方式，与清华大学地球系统科学系(以下简称“地球系”)团队合作，基于供需关系和空间异质特点，开发了第一个电厂级递归动态优化模型，模拟了不同碳排放路径下4200多个燃煤电厂的动态转型过程。估计结果表明，该模型不仅可以显著提高碳减排目标的实现程度，而且可以显著降低转型成本，为煤炭电力行业的绿色转型提供了新的思路和解决方案。相关研究结果最近发表在《自然通信》上。

中国拥有世界上最大的煤炭和电力装机容量，煤炭生产和消费位居世界前列。同时，二氧化碳排放问题也更加突出。因此，我国燃煤电厂的低碳转型迫在眉睫。目前，煤炭和电力行业主要有四种低碳转型方式：退休、混合生物质、碳收集和密封，以及灵活转型，但每种方法都有其优缺点，不能完全满足燃煤电厂的转型需求。

由于不同地区电厂的老化程度、使用寿命、周边生物质资源的分布和用电量不同，很难想象在各种策略下为每个燃煤电厂制定合适的应对方案。“在全球碳中和的过程中，仅仅追求碳排放标准而忽视经济和社会成本是不可持续的。”微软亚洲研究所全球研究合作伙伴边江表示，“我们希望综合考虑资源分布、运输条件、电厂规模和技术转型之间的复杂关系，根据人工智能技术设计最低、最优的碳中和策略，实现环境保护与社会经济发展的协调。”

面对燃煤电厂碳减排的复杂问题，微软亚洲研究所与清华大学地学系进行了深入的研究和合作。双方建立了电厂级的递归动态优化模型。该模型采用混合整数线性规划方法，可帮助各电厂优化各种策略，模拟逐步增强减排策略的顺序决策过程，帮助电厂找到最合适的动态转型路径。

“现有模型的模拟结果往往只能从宏观层面讨论，往往得出结论，当碳价格上涨或碳减排目标更严格时，大型煤电装机需要采取强制退役或安装碳收集和密封策略来实现减排，忽略了电厂这些微观主体实际上可以灵活采取差异化的减排策略。”清华大学地学系教授蔡文佳说。电厂级递归动态优化模型具有技术多样性、时间连续性、资源竞争动态调整、运行时间灵活优化四个关键特点，可为煤电退出提供替代解决方案。

根据我国4200多家燃煤电厂的模拟研究结果，在深度脱碳的情况下，大多数燃煤电厂可以通过各种技术改造减少碳排放，以较低的成本实现自然退役，为电网的稳定性做出贡献。

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年提前锁定1612亿吨碳排放。但是，如果以累计减排50%(即806亿吨)为目标，通过优化煤电碳减排情景曲线，累计碳减排目标可以从30%提高到50%，即从484亿吨提高到806亿吨，而不增加额外成本。这一目标是控制本世纪末的全球温度变化°C以下要求是一致的。可以看出，合理设置国家煤炭和电力碳减排情况，为燃煤电厂提供各种碳减排技术选项，不仅可以避免对能源安全、金融安全和社会稳定的巨大影响，还可以考虑到世界希望达到的1.5°C或2°C气候目标。