行业趋势与政策背景 - “AI的尽头是算力，算力的尽头是电力”成为产业现实，算力与电力的深度融合成为数字新基建核心命题 [1] - 2026年《政府工作报告》首次将算电协同纳入新基建，“十五五”规划明确“大力发展新型储能” [1] - 公司已将算电协同列为未来重点布局的场景之一 [1] 算力中心成为高价值储能场景的核心逻辑 - 核心逻辑一：用电增长快，算力中心是未来五年增速最快的用电领域 [3] - 预计到“十五五”末，算力中心用电将占全社会用电8%以上 [3] - 预计2030年，数据中心电力负荷达1.1亿千瓦，年耗电量5257亿千瓦时，其中绿电需求约4200亿千瓦时 [3] - 核心逻辑二：电价承受度高，算力中心用电成本在总投资中占比相对有限 [3] - 以3000P算力中心为例，服务器投资约10亿元，年用电量不足1亿度，电价边际波动对整体运营成本影响较小 [3] - 相较独立储能，算电协同场景可为储能电站带来更可观的盈利空间 [3] - 未来五年内，算力中心场景的储能需求甚至有望超过传统的独立储能 [3] 真正算电协同的内涵与实现路径 - 真正算电协同的前提是部分算力需求可延时满足，如大模型训练、科学计算等 [4] - 基于可调度特性，算力中心可在电价低谷时段满负荷运行，在高峰时段降载或错峰运行，实现算力负荷随电价灵活调度 [4] - 储能作为“时间搬运工”，可将风电、光伏等低价电量存储起来，在算力高峰时段释放，把低成本绿电转化为高价值算力输出 [4] - 最终目标是实现电力随算力需求动态调度、算力随电力供给灵活响应，即“算随电走、电随算调”的双向协同 [4] - 我国绿电富集区域有望成为“算力输出基地”，成为重要的经济增长引擎 [4][8] 算电协同的解决方案 - 储能将成为支撑算力中心稳定、经济、绿色运行的电力架构核心调度单元 [5] - 公司形成发电侧配储、机房侧配储两大解决方案 [5] - 发电侧配储以绿电直连与储能配置为核心，可满足算力中心80%—90%的绿电消纳需求，同时降低综合用能成本 [5] - 机房侧配储聚焦高端算力对电能质量的严苛要求，尤其是面向AI推理的算力场景，其对供电连续性与稳定性要求更高 [5] - 最终目标是构建“新能源+储能+数据中心”的一体化协同发展模式，在绿色转型、经济性、供电可靠性三方面实现综合提升 [5] AI对储能产业的反向赋能 - AI技术已应用于储能电站的项目规划、产品设计、安全预警、故障预测、运维及电力交易等全生命周期 [6] - 在运维阶段，AI可实时生成多维度性能评价，实现自动故障预警与解决方案生成，指导现场解决问题 [6] - 电力交易是AI深度赋能的重要场景，需每日预测节点电价走势，综合考虑新能源出力、气象、电网阻塞、市场报价策略等多重变量 [6] - 通过AI持续迭代推演，可显著提升交易策略精度与电站收益水平，AI驱动的电力交易能力已成为公司核心竞争力之一 [6]