电力市场化改革全景图 ----寻找系统成本最优解 吴 杰（公用事业首席分析师） SAC S0850515120001 傅逸帆（公用事业高级分析师） SAC S0850519100001 阎 石（公用事业联系人） 胡鸿程（公用事业联系人） 2024年7月10日 证券研究报告 （优于大市，维持） 下载日志已记录，仅供内部参考，股票报告网 下载日志已记录，仅供内部参考，股票报告网 本篇报告中，我们将着力回答以下几个问题 （1）从能源保供过渡到新型电力系统发展下的成本最优，140万亿的碳中和投资 怎么投 （2）现货市场为什么重要：电力现货市场如何运行，现货对不同省份、不同电源 的影响几何，现货如何指导电力投资 （3）改革对火水核风光的影响及投资建议 章节目录 1. 电力产业链全景图 2. 电改核心政策和当前使命 现；绿电的减排价值也将随着碳市场的完善而进一步明晰。 （3）效率优化：电价机制的理顺有助于实现源网荷储协同发展，通过电源侧存量挖潜&适度 新增、电网侧互联互通&余缺互济、需求侧削峰填谷等方式，在保障供应安全的前提下实现 系统成本最优；改革红利有望带来需求侧管理、综合能源服务及碳足迹产业链等新领域、新 业态从零到一的投资机会。 个股建议关注： 火电：皖能电力、华电国际、华能国际、浙能电力、内蒙华电、大唐发电 火电转型：华润电力、中国电力

电力市场基础 2 第九章 电力市场中发电厂商的竞价策略  电力市场概述  电力市场中的报价规约  电力市场中的报价策略  主要研究工作  计及网络阻塞影响的发电公司的最优报价策略  计及风险的发电公司的最优报价策略  结论 3 第一部分：电力市场概论 第一部分：电力市场概论 4 电力市场的特征  有限数目的发电公司；  输配电系统具有自然的垄断特征；  大的投资规模 能量价格和发电机组的运行约束，这需要用机组 最优组合程序来完成。  这种方法可以保证所得到的发电调度计划在技术 上是可行的。 18 联营体市场中的报价方式 ( 续 ) ： 多部分报价  机组最优组合问题是一个非凸的、非线性混合 整数规划问题。  对于大规模机组最优组合问题，并不存在可以 保证求得该问题的全局最优解的有效算法。  由于局部最优解不能保证在发电公司间进行公 平的负荷分配，这种报价方法曾受到不少批评。 基本思想  基于博弈论模型如 Cournot 模型、 Stackelberg 模型、和供给函数模型来描述发电公司报价策 略问题；  然后寻找这些模型的平衡点；  这些平衡点对应发电公司的最优报价策略。 38 主要问题  主要问题：  为迎合这些博弈论模型，对发电公司报价策略问题做了 很多简化，这样得到的平衡点可能没有多大意义；  如产量竞争；价格竞争；线性供给函数竞争

推进健康中国未来十年发展的蓝图设计和重点工程。 中国智慧健康医疗蓝皮书 2022 4 为“健康中国”插上智慧的翅膀 图 1-1 智慧健康医疗的定义 基于该重大项目的研究成果，智慧健康医疗被定义为现代数智 科技赋能的最优化大健康生态体系。这个健康生态体系将现代数字 化、智能化科技手段集成应用并深度融合于健康医疗实践，通过全 要素、全流程、全链条的系统优化，实现覆盖全人群、全生涯、全 维度的全域照护，最终实现优质、高效、经济、可及的价值医疗。 需的健康 管理、医疗卫生和康复养老等各种健康医疗服务，形成全域覆盖的 健康照护体系。智慧健康医疗的服务效能主要体现在价值医疗上， 即在医疗成本、治疗效果和患者体验三者之间寻求最佳平衡并实现 最优化获益，从而推动整个国家乃至全球的卫生健康事业持续改进 和优化。 面向中国新时代发展需求，我国医疗卫生事业经历了以治病为 智慧健康医疗体系概述 1 5 中心向以健康为中心的重要转变，智慧健康医疗的发展，也符合“将 智慧健康医疗中的主要数字技术 技 术 内涵 在健康医疗领域的 应用场景 应用实例 人 工 智 能 通过计算机或由计算机控制的终 端，模拟、延伸和扩展人类智能， 能够感知环境、获取并使用知识 来获得最优结果的技术 人工智能与健康医疗的结合已初步应用在 卫生健康产业发展、临床辅助诊疗、医院 智能管理、医学科研与教育、公共卫生智 能服务等方向 智能影像辅助诊断：对脑、肺、眼、骨、心脑血管、皮

置相互影响，深度耦合 长时储能等需要实现跨季、跨月、 跨周优化调度 6 （二）时序模拟需要面临的新场景 关键问题六：多方案比较方法难以找到多类 型设备的最优配比，无法开展复杂最优解的 求解。通过运筹计算内核可以直接得出多维 空间的最优解。 关键问题五：新型电力系统规划需要考虑源 网协同，电网输电通道限额、输电断面限额、 安全稳定极限、跨省跨区直流运行方式约束 等对电源外送、新能源消纳有较大影响。 X轴：电力平衡 Y轴：电量平衡 Z轴：调峰平衡 P轴：消纳能力 Q轴：规划投资 S轴：电力市场 … 多维空间： 最优规划方案 7 （二）时序模拟需要面临的新场景 关键问题七：针对大区多子系统算例，需要 统筹考虑区域总平衡和各子系统自平衡，实 现跨区互济协调调度，达到各分区最优调度。 A：-100 B：-200 D：160 C：180 A：10 B：10 D：10 C：10 关键问题八：对多分区电力流互济进行优化，  跨省跨区互济 合理调配机组开机及电力 流流向，实现复杂拓扑下 的电力流互济能力  协议电量 需要考虑跨省跨区通道的 电量约束，满足地区之间 年度电量协议，合理优化 电量分配，实现最优调度  输配电价成本 电力流互济需要考虑跨省 送电成本，电力流损失等， 精细化模拟系统互济情况 二、当前时序模拟方法遇到的问题 8 （一）时序生产模拟计算迫切需要解决的问题 9 时序运行模拟

设备名称、设备级别、调配量、可调配量 业务逻辑 根据设备级别和待调配量，可调配量、动态指定出在不影响设备正常使 用的情况下最优调配策略 输出业务对象及 属性 调配策略 功能需求描述 定义设备级别、根据设备级别和待调配量，可调配量、动态指定出在不 影响设备正常使用的情况下最优调配策略 界面要求 根据省公司统一框架界面要求布局，数据过滤条件要求有名称、企业 等，支持模糊查询 非功能性需求 3.2.2.4.1 计算设备最优能耗 业务功能名称 计算设备最优能耗 参与者 系统管理员、业务管理员、用电企业方、代理企业方 业务规则 通过采集设备能耗的历史数据一级可调配额从而计算出当前每台设备的 不同情况下的最优能耗功率 输入业务对象及 属性 企业用户登录信息 业务逻辑 通过采集设备能耗的历史数据一级可调配额从而计算出当前每台设备的 不同情况下的最优能耗功率 输出业务对象及 实时显示设备的最优功率 19 功能需求描述 通过采集设备能耗的历史数据一级可调配额从而计算出当前每台设备的 不同情况下的最优能耗功率 界面要求 根据省公司统一框架界面要求布局，数据过滤条件要求有名称、企业 等，支持模糊查询 非功能性需求 安全性、易用性、可靠性、高性能、可扩展性、可维护性 状态 新增+查询 3.2.2.4.2 统计企业最优能耗 业务功能名称 统计企业最优能耗 参与者

5.计算各项指标权重，最终结果如左图所示。 排名得分方法——TOPSIS 1.对于反向指标采用取倒数进行同向处理， 然后进行数据规范化 2.利用欧式距离计算与最优最劣目标的距 离，并乘以权重 3.计算各评价对象与最优方案的贴近程度 • 公共交通是城市交通的重要组成部分，全面客观地描述城市公共交通整体运行水平，有利于更综观地评价城市交通状况。高德提出“公共交通出行幸福指数”： 效率 在所研究城市在2024年期间，北京市高峰期公共交通与小汽车高峰出行时间最接近，排名与2023年同期一致，蝉联公共交通与小汽车高峰出行时间比最优城 市；说明该城市早晚高峰期采用公共交通出行的时间效率体感较好；西安市和兰州市分别在特大城市和中大城市中出行时间比最优； • 对大多数城市而言，早高峰的公共交通与小汽车出行时间比略高于晚高峰。在时间效率体感最佳的排名前十城市均呈现这样的趋势。 注：指标 单位：分钟 特大城市 超大城市 中大城市 • 研究城市范围内兰州高峰期地面公交平均候车时长最优 • 所研究城市范围内，兰州市的候车时长为6.87分钟，在所有城市中最优，且兰州市受发车频率影响的候车时长最小；合肥市受交通扰动影响的候车时长在所有 城市中最小。重庆市、合肥市的候车时长分别为超大城市、特大城市的最优。 注：指标基于各城市核心区内、实时数据质量较高的公交线路计算得到。高峰期平均候车时长，

合通信数据传输有堵点，“快等慢”造成部分资源浪费。针对大模型推理过程，由于预填充 和解码阶段对算力和显存的需求量不同，传统大模型推理过程算力显存阶段互为瓶颈，造成 低水平资源利用率，需要解决异构算力协同调度问题使其匹配到最优计算任务。 8 第二章 算力协同体系架构 为了打破异构算力生态壁垒，实现不同类型智算异构算力高效协同工作，南向屏蔽底层 ASIC、GPGPU 不同路线算力差异，北向承载多场景、多行业、多模态大模型，构建异构算 化技术实现自适应的即时编译优化；各异构算力厂商间算子各异，需要构建跨架构的统一算 子接口，提炼通用算子的统一数学描述，解耦硬件实现细节，形成能够在厂商间源码共享的 算子库，省去重复开发成本且保障一致的算子实现，能够发挥硬件的最优性能，打造融合算 力底座。 （2）统一通信：构建低延迟高吞吐的智算高速公路 统一通信是异构算力协同的必要功能，旨在解决打破异构硬件间协议壁垒导致的“数据 孤岛”困境，构建跨厂商、跨架构的确定 Direct Memory Access）等关键技术实现算力间显存高效 互通，实现不同芯片间的超低时延传输。 （3）统一调度：实现全局最优的资源编排中枢 统一调度是异构算力协同的智能决策中枢，旨在解决多任务资源争用引发的“效率下降” 难题，构建全局最优的资源编排范式，实现对异构算力集群的全维度精细化调度。针对异构 算力计算能力差距，面向大模型训练场景构建分布式并行策略组合、业务感知的非均质拆分

发展。算力网络作为实现算网基础设施化的一个重要载体，旨在将泛 在的算力资源依托网络进行打通互联、协同调度，并将不同的应用业 务通过最优路径调度到最优的计算节点，在实现用户体验最优的同时， 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 3 保证网络资源和计算资源利用率最优化。 算力网络的核心思想是基于泛在分布的网络实现无处不在的算 力资源，通过构建一张计算资源可感知、可分配、可调度的新型网络 以用户体验为主：算力网络的目标是为用户提供极致的服务体验， 而这需要其具备高度的自动化、智能化水平，能够根据用户意图自动 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 4 化地提供最优资源服务，然而现有算力网络的系统架构、流程机制、 使能技术、服务模式等无法支撑上述目标的实现。 近年来，以深度学习、知识图谱为代表的 AI 技术得到了飞速发 展，并在诸多领域取得了巨大突破。算力网络作为支撑各行业数智化 所示。对于算力网络建设者来说，生成式 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 5 AI 技术将打造全新的算网设计范式，彻底取代人类专家在算网设计 配置的工作，并能够根据场景自动生成最优算网部署方案。算网建设 者仅需要将场景需求、指标期望等输入给 AI 专家系统，然后按照生 成的方案在现实世界中执行对应的操作。对于算力网络运营者来说， AI 技术能够对算网全流程赋能，包括用户意图感知、业务智能承载、

双体船，三体船的参数化建模工作及线型优化。提高航速，降低优化助力（风、伴流）。 • 螺旋桨设计：一维的传统图谱螺旋桨设计环流理论设计方法进行二维的螺旋桨设计三维的螺 旋桨设计；。考虑船机桨匹配的效率以及桨径的空间限制，设计最优的螺旋桨。 • 海洋平台 ( 钻井、采油、集运、观测、导航、施工 ) 优化：提供各类供应船及浮式装置的线型优 化工作。提高航速，降低油耗 ; 提高作业时常，增加经济效益。 智能工业优化设计解决方案 在业务规则层上的优化 技术特色 大规模整数规划 近似算法 启发式算法 解决的业务问题 • 基于 AI 和优化算法，在上架过程中即可动条 调整 sku 的最优摆放 • 对于上架、拣选任务，考虑不同类型设备， 给出最优路径规划，提升效率 • 通过 API 的方式实现与传统 WMS 的对接 TMS 系统 ERP/MES/OMS 系统 WMS 系统 智慧算法 API 布局优化 系统 30 2.1.2 仓储优化算法功能概览 上架优化 路径优化 × 布局优化 收货完毕，在考虑相关性及热度的智能分布和 最优上架路径实时计算出每一板货的最优上架 货位 库存管理优化 布局优化 × 补货优化 对 sku 的相关性及热度分析给出最优初始布局， 并在每日运作中做动态调整 任务管理优化 人力、设备、路径、时间的均衡 在考虑多变量的情况下，用算法强大的数据整合

借助于智能控制，可以消除人与人的差别 操作员不同，造成成本和质量上的差异 288 万 每月能耗成本节约 24 万 每年能耗节约 288 万 CO2 减排 8400 吨 / 年 3% 最优和最差的操作员，能耗相比差了 3% 每年有大量的钱浪费在能耗上 7 三类优化控制： 1 ） PID 控制 和 2 ）模糊控制 • PID 控制 • 比例、微分、积分调节 • 引入 DV 以体现干扰 de ，输出变量 u 建立隶属度函数和规则矩阵 8 3 ） APC 先进控制 •基于内模模型的控制 • MPC 多变量预测模型 • 基于历史 / 当前值预测变量未来趋势 • 预控式多变量最优调节                    N 0 i k i i M k i i L 0 i k i i R 0 i k i 智能控制特点二：结合大数据分析技术预测质量参数 Introduction - 10 生料细度预测值和化验值误差大多数 <0.5 （绝对值） 依据细度预测值可最及时调整选粉机 转速、循环风机频率、喂料量，实现 最优生产 达到出磨生料细度更稳定 生产吨生料的电耗更低 煤粉预测值绝对偏差大多数 <0.2 11 PA 大数据工具（ Predicative Analytics ） 预测分析 机器学习 优化模型