F1方程式赛车想必很多人都知道，但了解FE电动方程式世界锦标赛的，却要少得多。正如其名，Formula-E的赛车并不使用内燃机，而是纯电驱动。FE与F1有个很大的不同点：赛车车体统一设计，而且搭载的电池性能与规格相同。抛开车手的技术水平不谈，由于车辆技术规格差距小，电动方程式赛车比赛的关键问题：该怎样用一样多的电，跑完有限的距离，并跑出更快的速度。
这个周六，FE第七赛季最后一站柏林分站的比赛就要打响。目前力压奔驰、宝马、奥迪、保时捷等一批顶尖厂商车队、领跑积分榜的是一支有着中国背景的非厂商车队——远景维珍车队。它成为领头羊的秘诀，就是“算命”算得准。当然这是一句玩笑话，这支车队真正的强大之处，在于其搭载了先进的气象预测与能源管理技术。举例来说，温度、湿度以及降雨是与新能源车能耗相关度比较高的几个因素。
过高的环境温度会造成电池过热的风险；降雨则会改变行驶条件，影响电池的充放电。正因为如此，FE比赛中因为策略不当导致电量耗尽，甚至提前退赛的场景比比皆是。远景维珍车队的智能控制策略基于在时间和空间维度精准度都更高的气象预测数据，车队可以根据实际情况提前制定能量管理策略，或是在赛事中实时调整驾驶技术，更合理地管理与释放电池能量。
而在这样一套先进的算法背后，可再生能源领域数字化应用的产业升级正在悄然发生。时代变了也许几年前还有人会心存疑虑，但现如今几乎没人可以否认，以风光水为首的新能源已经崛起。中电联数据显示，截至2020年底，全国全口径发电装机容量达22亿千瓦，同比增长9.5%。
而作为新能源代表的水电（含抽水蓄能）、风电（并网）以及光电（并网），在同期的装机容量分别为3.7亿千瓦/2.8亿千瓦/2.5亿千瓦，同比增速分别为3.4%/34.6%/24.1%；在全部装机容量中的占比则分别是16.82%/12.79%/11.52%，总计已达41.13%。可以确定的说，如今的可再生能源，已经成为我国电力系统的支柱，仅次于火电（占比超过49%）。
这一成绩的背后，是新能源发电设备装机量的迅速增长。国家能源局数据显示，2020年我国电源新增装机容量为19807万千瓦，其中风电7167万千瓦，太阳能发电4820万千瓦，较2019年新增装机量的同比增速分别为178%/80%。[1]随着技术的日趋成熟，产业逐渐规模化，新能源曾经被人诟病的昂贵成本也得到了极大改善。
国际可再生能源署（International Renewable Energy Agency，IRENA）发布的报告显示，过去十年间（2010-2020年），全球规模以上光伏电站的平均发电成本，已经从0.381美元/kW·h下降到了0.057美元/kW·h，降幅达85%；陆上风电的平均发电成本则下降了56%，从0.089美元/kW·h降至0.039美元/kW·h；应用相对受限，装机量也仅有陆上风电二十分之一的海上风电，也取得了降本48%的成绩。
[2]更进一步，伴随着我国“3060双碳目标”的提出，“碳中和”已是我国能源产业最顶层的战略方针。在这样的风向之下，新能源迎来了确定性很强的行业红利期：国家扶持政策频出，利好频传，同时在资本市场也获得了非常广泛的关注。但别忙着庆祝，这可再生能源想大发展，还有不少问题需要解决。年轻的产业，亟待解决的问题可再生能源很好，而且风光水电所涉及的理念与技术也不算新，但作为一个成体系的产业，它还年轻。
而年轻，可是有代价的。作为技术最成熟，也是装机量最大的风光水三种可再生能源，还在为“靠天吃饭”这个根本问题头疼。以风电为例，比较反直觉的一点是，风电并不是“有风就行”。风速太低时，叶片转速过慢无法有效带动发电机组；风速太高时，又会出于保护设备以及安全问题暂停机组的运作。
除此之外，即使当前风速处于“可利用区间”时，风速的高低也对机组最终发电能力影响重大，输出功率忽高忽低，导致电网在过去很长一段时间都对于风电接入十分“抗拒”。而光电虽说确实是“有光就行”，但光照强度同样对最终的输出功率有着影响，发电量不稳定，一遇到阴雨天气发电能力就直线下降的缺陷同样存在。
同时“有光就行”也意味着“没光真不行”：光电设备并不具备24小时持续运转的能力，一旦入夜就会立刻停摆，毕竟夜里可以有风，但真的没太阳。虽说光热技术路线在尝试以其他的方式利用太阳能，然而也受限于技术门槛和成本问题得不到大规模应用。水电相对而言是三者中最为稳定可控的，即使如此，也会受到枯水期和汛期等水文条件变化的影响。
同时，对于传统热电站来说，一般选择靠近电力负荷区，具有交通运输方便、地质条件好等特点的地点即可建厂。然而对于新能源场站来说，更看重资源本身。从能源获取方式看，火电站的燃料是运输而来，只要运输线不出问题就源源不绝，而且在任何地方烧起来都一样；可对大多数可再生能源来说，能源是从自然界获取的，有没有，多还是寡，均是客观现实，如果能源本身缺乏，那其他条件再好也无法建厂。
这就导致新能源电厂的选址需要追逐风光水资源富集的地区，而这些地区却往往不是现成的消纳区。陆上风电装机集中在西北地区[3]另以光伏为例，我国太阳能资源主要集中在西北地区，但负荷区却集中在东南沿海。虽然近几年海上风电加速发展，东南沿海开发新能源的底气越来越足，但如何解决可再生能源生产与消纳的地理不均衡，还是一个长期问题。除了“看天吃饭”之外，可再生能源发电的另一个问题是“碎片化”的存在方式。
当前全球的供电系统，仍然是以大机组、大电网、高电压为主要特征的集中式单一供电系统。但部分基于可再生能源的发电机组，特别是风电与光伏，则往往以分布式的方式存在。与传统大型发电设备不同，风光最大的特征是，每一台完整的设备都具有独立发电的能力，这有利于发电系统的小型化。毕竟屋顶能安光伏板，可不能装个火电站。
现实中，这些散碎并彼此独立的发电设备构成了一个个“微电网”，叠加风光发电固有的不确定性，极大的复杂化了电力系统的供需关系。没有人能很准确地说出，一栋大楼什么时候需要供电，什么时候有能力向外输电，而且这些小型发电系统由于各种原因，每个子系统输送的电力可能是不均等的，也给电网带来了相当高的压力。这一点在风电上更加明显。
受客观因素影响，一个风电站集群，在同一时间每台设备的发电量都有可能是不一样的，这使得整个供电系统的复杂程度呈指数级上升。即使是水电这一在大多数人印象中，通常属于大型电站的发电系统，同样受困于分布式带来的输电困境。目前我国的西南地区，由于水资源相对富集，修建了大量小型水电站。但这些水电站由于发电成本高等一系列原因，竞争力其实很弱，再加上缺乏统筹，导致了巨大的浪费问题。
更进一步，由于用电本身是一个动态过程，如何根据下游用电负荷调整发电量，即使集中式供电系统都还没有特别完美的解决方案，对于调峰能力本来就很弱的分布式电站来说更是难上加难。这些问题堆积起来，都阻碍可再生能源大规模的并网使用。新能源需要一个“操作系统”为了应对包括输出功率不稳定，消纳难，长距离输送难等问题，目前行业内普遍的解决方案是接入储能系统、多种发电设施混用等。
简单来说，就是硬件设施的问题，用硬件手段解决。那么，有没有一种方法，能让行业建立一套更加智能的系统，统筹规划散落各处的储能设备、发电设备以及用电需求，以软件的方式，解决硬件问题？有。
目前在全球范围内，以柔性电力负荷、虚拟电厂（virtual power plant）、智慧电网等解决方案为代表，试图为崛起于第二次工业革命的电力系统，注入来自互联网时代的数字技术，使这一古老的领域获得一次全面的产业升级。还记得开头提到的远景维珍车队么？车队的拥有者——远景科技集团（下称“远景”）就是一家深耕可再生能源与数字能源赛道多年的企业。
公司旗下的远景智能（Envision Digital）开发的软件，正是远景维珍车队的幕后英雄，它成功完成天气预测、电池管理等关键任务。2015年，远景智能推出一款名为EnOS（Envision OS）的智能物联操作系统，到今天已连接管理了全球超过300GW的能源资产和超过1亿个智能终端机器设备，涵盖了风光发电、储能、动力电池、智能电网、智能楼宇与园区等多个领域。
简单来说，EnOS之于能源系统，就类似安卓之于智能手机。电力系统本身是个非常复杂的结构，包括发电端、储能、输送、用电等多个环节，且每个环节内部也呈现高度分化的形态。在这样一种复杂环境下，若没有一个通用的底层框架，会导致每个环节的参与者各行其是，最终就是“车不同轨，书不同文”，各类控制软件混杂在一起呈现高度碎片化——恰如新能源发电本身。而这也正是EnOS要解决的。
EnOS架构的最底层是物理设备连接层，目前已经有超过3000种设备模型接入，如暖通、风机、空调等；往上一层是数据服务层，接入的数据在这里汇合，并完成清洗与分析，海量的公共数据也会汇集在这一层；第三层是针对不同场景的各类应用服务；最上层则负责提供跨领域、跨应用的解决方案。如此一来，四层结构便让物理世界在数字世界实现了连接互动。
EnOS最根本的意义，在于构建了一套开放的生态系统，将不同环节中的不同参与者接入同一个平台，使数据可以无障碍地流通，真正发挥协同效应，赋予电网智能，实现整个系统的动态连接与平衡。系统有了，怎么用？当然仅有一个操作系统是不够的，还需要具体到实际应用，才能凸现它的价值——就像一部崭新的智能手机，你总需要下载一些应用，才能满足你的日常需求。
在EnOS上，远景智能开发了主要面向可再生能源电力、碳管理以及城市数字基础设施三大场景的应用与解决方案。正如我们在上文所说，天气是决定可再生能源电力系统发电能力最核心的要素，若能更精确地预测气象条件，进而更好地预估接下来发电系统整体的电力输出，无疑能在一定程度上解决并网或是弃电等问题。远景智能开发的基于AIoT技术的高精度数值气象预测方案，正是为此而存在的。
这套系统正是我们开篇所说的，远景维珍车队取得积分榜第一的最大功臣，也是整个电力管理系统最底层的输入之一。通过接入全球七大气象中心数据，叠加更先进的智能算法，系统可以实现诸如为水电预测降雨量，或预测风力、光照条件等，为风光发电提供必要的数据支持。它甚至可以提供极端天气预警，辅助农业生产活动。当然光有气象数据还不够，还要知晓这些气象数据作用在发电系统之上的结果。
通过远景的另一款软件“孔明”，收集分析公开的和EnOS接入的超过10万台风机与光伏组件实时观测数据，每6个小时就为发电企业提供场站1公里x1公里范围内，未来0-72小时的短期风光气象预测，以及一个月到一年的短期气候预测，从而协助站场制定更合理的运营方案，最大化经济效益。除了供给端的升级，远景智能的智能物联技术同样寻求对需求端进行改造。
远景智能的主要目标，是以智能物联操作系统为基础，协同管理包括分布式光伏、动力电池以及充电桩、楼宇暖通空调和电梯、工业园区、码头和机场等关键设施，形成全新的智能数字网络。依托大数据，精确预测“源网荷储”的基本情况，先行调整输出功率，调配储能与用电单元，平衡电网的同时，提供调峰调频，需求侧响应等电网辅助服务。
在2020年9月远景科技集团CEO张雷的一次演讲中提到[4]，早在2018年，远景EnOS就中标了新加坡“智慧国度”物联网开发平台（DECADA），而远景智能也正与新加坡国际港务集团（PSA）合作，为PSA定制了能效管理、微网控制、虚拟电厂（VPP）、电力交易、绿证交易五大应用，将港口内的分布式光伏设备、储能以及用电设备统一交由虚拟电力中心管理（这也是虚拟电厂的基本模式），将分布式能源与柔性负荷单元聚合，实现发电端与负荷端的协同运作。
而在欧洲新能源大国德国，远景智能同样在进行一场实验，打通车辆和电网间的“互动”。远景智能在德国的V2G（车辆到电网）试点项目中，通过将电动车作为一个小型单元与电网直接建立连接，可实现电力从电网流向车辆，也能够让车主反向向电网输送汽车中的能源。如此一来，过去仅仅是用电单元的电动车，就成为了一个柔性复合单元——发电量高时，它是一个储能消纳单元，而当电网缺电时，车就成了可供调用的备用能源。
这样解决了飞速增长的电动车保有量对电力系统的冲击，是对新能源车价值的进一步开发，也提高了可再生能源的利用率，可谓双赢。用软件解题碳中和中国的碳达峰和碳中和时间表发布后，除了关心碳中和概念股，企业、城市到个人，都要开始做一道碳中和的“数学题”。作为一家新能源领域的公司，远景也设立了明确的碳中和目标：在今年4月22日“世界地球日”，远景宣布要在2022年实现运营碳中和，在2028年实现全供应链碳中和。
[5]同样在地球日当天，远景发布了一个基于EnOS的碳管理应用，并取名“方舟”，它可以为企业快速完成耗能设备的碳排采集和计算，实现实时精准的碳排放量统计。不同于物理上可视（煤炭、油气等）或者技术上容易监测（电力）的能源管理，从碳排放到碳中和计算长期以来都是一片技术空白。
除了计算碳排放，远景方舟还能帮企业“找绿电”——企业可以选择分布式光伏发电、风电项目投资、绿电采购等解决方案，直通交易市场采购碳汇、CCER等，并依靠区块链技术查看每个绿证/碳证的“前世今生”，确保数据的可靠性。简单地说，远景不仅要自己实现碳中和、提供软硬件推动能源行业碳中和，还要帮助其它公司走向碳中和。
在ESG（Environment、Social Responsibility、Corporate Governance；环境、社会和公司治理）重要性日益提升，甚至沪深交易所已着手规划时间表，要求企业尽快在财报中递交ESG内容的当下，高透明度的碳管理需求无疑非常真实，且是一个巨大的潜在市场。
回头看看，电动方程式赛车设立的初衷是希望借助赛车这项运动，加速推动全球汽车产业走向清洁能源，它代表着未来汽车工业的发展方向。但试想如果没有从电力的源头上加速让风电光伏替代煤炭，那么越多的电动汽车或许将带来更多排放——碳中和背负着构建人类命运共同体的使命，也将是一个复杂的系统工程。要赢得同气候变化的比赛，需要更多像远景这样的先锋。关于实现碳中和的密码，你有什么想说的？
评论区点赞排名前5的童鞋可获得远景维珍车队定制车模和远景维珍车队限量版POLO衫一套（开奖时间：2021年8月16日13:00）-果壳商业科技传播部出品-