研究背景与问题定义 [page::0][page::1]

• 随着可变可再生能源比例提升，电力市场价格波动加剧，工业用户面临复杂市场与监管环境。

- 研究聚焦工业部门多市场参与的柔性资产投资，考虑现货、调频储备市场投标及实时运行的不确定性。

• 明确提出多阶段随机模型框架，集成投资、现货与储备市场行为，弥补现有研究中针对工业使用者综合决策的空白。

多阶段随机规划建模框架 [page::1][page::2]

• 采用基于节点的多阶段模型，捕捉市场价格、负荷等不确定性逐步揭示过程。

- 决策分阶段包括投资、集中市场投标（容量、日内与日前市场）、实时运营及调频激活。

• 数学模型将投资成本、市场交易收益、运行成本及碳排放限制全面纳入目标函数与约束。

案例设置与技术参数 [page::3]

• 以挪威工业场景为例，涵盖锂离子电池、飞轮、压缩空气储能等储能技术及多种转换技术（电锅炉、燃气锅炉、热泵等）。

- 投资成本基于丹麦能源署数据折现，电价和调频市场价格取自历史NO1区域数据。

• 负荷调节灵活性允许工作时间窗内上下浮动，符合工业实际操作。

储能投资分析及市场参与影响 [page::4]

• 储能容量因储备市场参与（RMP）平均提升11.8%（2025年）与48.8%（2050年），显示参与储备市场显著提升储能投资吸引力。

- 2025年偏好飞轮储能，2050年随成本下降偏好多锂离子电池储能。

• 热能储存（TES）投资稳定，受储备市场敏感度较低。

- 碳价上升导致燃气锅炉投入减少，而热泵和光伏投资显著增加（热泵投资增幅最高达64.4%）。

结论与未来展望 [page::4]

• 多阶段随机模型有效支持工业用户在多市场环境及不确定性下优化柔性资产投资。

- 储备市场的加入极大促进储能技术的经济性，驱动技术结构向更低碳转型。

• 建议工业用户在储能投资时充分考虑多市场参与潜力。

- 未来研究可引入更详细投标序列、多个储备市场及技术资格限制，以提升模型实用性与精度。

金融研究报告详细分析

报告题目与信息概览

报告标题为《Industrial Flexibility Investment Under Uncertainty: A Multi-Stage Stochastic Framework Considering Energy and Reserve Market Participation》（不确定性下的工业柔性投资：考虑能源与备用市场参与的多阶段随机框架），由Amund Norland、Lasse Skare、Ole Jakob Vikena和Stian Backe撰写，来自挪威科技大学工业经济系和SINTEF能源研究部门，发表于2024年。报告围绕工业领域在面对能源市场价格波动、碳排放成本和相关政策不确定性的背景下，如何进行灵活资产投资，尤其是在电力现货市场（spot market）与备用（reserve）市场多层次参与的决策框架。其核心贡献是提出一个多阶段随机规划模型，结合投资决策、市场报价和实时运营，以支持工业用户应对未来市场及政策的不确定性，最大化灵活性收益与降低成本。[page::0]

1. 引言与研究背景

• 报告指出，全球能源转型推动了可变可再生能源(VRES)占比增加，导致电力市场条件日趋复杂，包括价格波动与更高碳成本，对工业用能企业既是挑战也是机遇。

- 电网运营商为了维持供需平衡，引入了频率控制备用市场，通过激励工业用户等灵活负荷参与辅助服务，创造新的收益机会。工业部门约占全球40%能源消耗，且多具备能源载体切换能力，以及较大负载满足备用市场最低容量门槛。

• 研究回顾表明已有文献主要聚焦于储能系统或代理商视角的多市场协调竞价，收益范围从微小（0.1%-2%）到显著（8%-29%）不等。工业企业专属视角及投资决策包含现有研究相对少见。值得注意的是，灵活技术涵盖大规模热泵、电池储能、热能储存等，作为工业负荷管理和能源套利手段的工具。

- 本文拟填补综合投资与多市场竞价策略的研究空白，结合多阶段随机优化与节点不确定性建模，专门针对工业用户。[page::0]

2. 模型框架与结构

2.1 多阶段随机建模框架

• 核心采用节点式多阶段随机规划模型（见图1），通过阶段性和节点树结构逐步揭示价格与市场不确定性，动作涵盖投资决策、竞价计划及运营执行。模型灵活支持多阶段、多时间步和多分支情况。

- 市场覆盖容量市场(CM)、日内市场(ID)、日前市场(DA)与备用市场(RM)，但排除了季节性投标和独立激活市场，未来考虑扩展。具体只考虑合并的单一备用市场，假设所有储能技术均有资格参与。

• 依据挪威工业用户访谈，内部竞价流程通常早于各市场实际关门，意味着竞价阶段合并进行，日内、日前、容量市场竞价视为同一决策阶段。该集成反映实际竞价时间节点和不完备信息情形，消除多阶段竞价间的迭代[page::1]。

2.2 数学模型核心

• 目标函数设计成投资成本、运维费用、市场收入和激活成本的加权和，兼顾现场容量扩展投资（首次决策）、容量市场收入、备用激活收入/成本、现货及日内市场买卖等，采用概率加权求期望。

- 约束涵盖能量平衡（包括负载基准需求及可调节负载偏移）、市场交易平衡（对进口/出口电力和能量载体）、技术效率与输出、爬坡速率限制、供热设备能耗与热量需求匹配等实操物理限制。

• 特别引入负载侧柔性模型，允许选定时间段对电力需求进行上下调峰，但全周期需求总量保持恒定，也符合实际工业生产需保证产能的约束。

- 储能系统受充放电和状态量限制，避免同时充放电及超过容量等非现实操作，体现了储能技术电力和能量比的关联。

• 设定碳排放上限和电力出口峰值限制，以体现监管约束和关税影响。

- 约束设计全面、细致，几乎涵盖工业能源系统投资及运营所有关键活动。[page::1,2]

3. 关键公式与约束分析

• 目标函数简明体现投资分布在初期容量建设与后续阶段运营收益之间的权衡，且考虑到各种市场机制动态和不确定性。

- 能量平衡公式（约束2）明确说明需求由可调负荷、技术输出和储能充放电共同满足，体现工业多能载体管理的复杂性。

• 市场约束（约束3）确保市场买卖电量匹配，不带来供需失衡。

- 高级物理约束涵盖技术效率、爬坡能力和储热系统的异温级联限制（热泵可供多温差需求，但不能逆转）等细节，提升模型实际有效性。

• 负荷调峰约束（约束7）符合工业生产对连续性和稳定性的要求，控制负载弹性。

- 储能模型锁定充放电功率与容量比例，防止不合理操作。

• 排放限制（约束14）及电网出口峰值限制突出政府政策约束的重要性。[page::2,3]

4. 实验设计与案例研究

• 采用挪威工业数据，逐日24时段，利用4个代表性场景表示不同季节和价格特征，集中模拟单天更细粒度随机性。

- 技术与储能投资成本基于丹麦能源机构数据，折现率9%。价格及备用市场成本参考挪威价格区（NO1）历史记录。

• 图2与图3以柱状图展示不同储能及转换技术的年度等效成本。结果显示电池（Li-ion）、气体压缩储能(CAES)、飞轮等储能技术成本差异明显；而技术投资中如CHP、带CCS的CHP、柴油备用机、热泵等差异较大。

- 作业允许负载在指定时段向上调峰10%、下调峰30%，确保灵活负载操作与稳定需求供给。

• 图4系统图梳理了能源、技术和储存间关系，涵盖电力、氢气、甲烷、生物气体等多载体，体现工业多源多载能综合管理。[page::3]

5. 结果解读与深入分析

• 储能投资变迁（见图5）：2025年以飞轮为主，2050年则转向锂离子电池，这与成本下降趋势吻合。备用市场参与明显提升储能容量需求，2025年提升11.8%，2050年高达48.8%。

- 热能储存（TES）：实验证实TES在两时间点均表现吸引力，且对备用市场参与敏感度有限，容量增长在30%左右，支持文献[9]结论。

• 转换技术趋势：2025年以电锅炉和燃气锅炉为主，但到2050年，受碳价上升影响，燃气锅炉投资下降10.2%，电锅炉稳定增长3.2%，热泵投资激增（55.8%-64.4%），且光伏以其零碳特性进入技术组合。

- 整体而言，备用市场参与、碳价上涨和技术成本下降是推动柔性资产投资的三大关键驱动。工业用户应结合这三因素优化容量配置与技术选型。

• 结果具备较强行业政策与市场前瞻指引价值，促进工业领域灵活资产投资并考量多市场协同效应。[page::4]

6. 估值与模型应用语境

• 报告并非传统金融估值分析，而是利用多阶段随机规划模型评估技术投资的经济与运营合理性。

- 模型输出的“价值”是基于投资与运营成本及市场收益的净现值最小化，体现了资产灵活利用潜在利润空间和风险平衡。

• 本研究没有使用DCF等传统估值指标，而着重在多市场、多不确定性条件下投资决策的动态场景模拟。

- 该框架适合评估工业园区或大型用能企业面临的电力市场趋势与政策不确定的资本配置策略。[page::1-4]

7. 风险因素与不确定性评估

• 报告特别关注市场价格（现货、电容、备用）、碳政策、技术投资成本及需求负载的多重不确定性，这些均纳入多阶段随机决策链中。

- 挪威工业的典型运行模式、竞价时序和市场规则变化亦构成风险源，模型通过节点分支方式处理逐步揭示。

• 目前模型未覆盖季节性投标、多备用市场和技术特定参与门槛，未来应加以完善以缓解市场碎片化和资格匹配风险。

- 对于储能衰减、设备寿命和负载灵活性限制的定量风险尚未详细刻画，存在潜在短板。

• 缺少对市场结构变化、政策突变等尾部风险的明确考量，建议未来引入更宏观情景模拟。[page::1-4]

8. 审慎视角与潜在不足

• 模型假设竞价均在同一阶段提交，虽然符合访谈结果，但可能忽视日内市场信息更新后的策略调整潜力，存在动态优化空间缺失。

- 限于计算能力，时间跨度缩短为单日，虽用多情景代表四季，仍难全面覆盖全年或多年度投资影响。

• 技术参数与成本数据主要基于丹麦与挪威历史数据，或难完全适应其他市场区域，跨区域推广需谨慎。

- 仅考虑一个备用市场，忽略细分备用市场不同技术门槛，可能导致投资方向偏差。

• 负荷移位灵活度设定较为简单，未深入工艺流程对调峰可能性的限制，实际可行性需要进一步验证。

- 结论对低碳政策依赖较大，若碳排放法规调整，投资建议需适时复核。[page::0-4]

9. 图表深度解读

图1（模型框架逻辑）

• 展示模型如何层级化呈现不确定性，从顶节点开始，逐步向下分支，每个阶段对应投资、计划、运营决策，节点代表不确定性状态。

- 直观体现多阶段随机规划的时间和信息流结构，支撑作者对不确定动态决策的抓取。

图2（2025与2050年储能等效年度成本）

• 显示各种储能方案年度折现成本，锂电池成本高但下降趋势明显，钠硫电池、气压储能和飞轮成本次之，热水罐和氢储能成本最低。

- 反映不同储能技术投资经济性差异，为后续容量选择提供依据。

图3（2025与2050年技术等效年度成本）

• CHP及其与CCS结合的版本成本最高，柴油备用机成本相对较低，热泵、电锅炉及光伏成本变化明显。

- 揭示低碳技术投资成本趋于下降趋势，支持2050年技术组合变革的可能性。

图4（技术与能源流交互图）

• 多能技术与能源渠道间的关系图，展示电力、氢气、甲烷、生物气体等的生产与转换路径，以及各种储能技术的连接。

- 体现模型对工业多能源、多技术集成系统的全面覆盖。

图5（储能投资比较）

• 明确显示2025年飞轮投资占优，伴随备用市场参与容量略增，2050年锂电池大幅领先，备用市场促进容量大幅提升近50%。

- 强化备用市场作为投资动因的重要性，呼应市场激励机制对储能需求的影响。

以上图表互为支撑，形象揭示了模型设计的多层次复杂性与实践可行路径。[page::1-4]

10. 结论性汇总

本文围绕工业用户在多变并不确定的能源及碳市场环境下，如何进行灵活资产投资决策，提出了首个基于多阶段随机规划的系统性模型。模型综合了投资、市场竞价、负载调峰及运营动态，充分捕捉了电力现货和备用市场多重不确定性。案例研究基于挪威工业企业数据，利用历史价格和技术成本背景，验证了以下核心发现：

• 备用市场的参与显著提升储能投资规模，2025年以飞轮为主，至2050年锂电池成为更优选择，反映技术成本下降与市场激励趋势。

- 热能储存技术因成本稳定且适应工业热负荷需求持续受青睐，对备用市场参与敏感度较低，显示其长期投资价值。

• 转换技术投资由目前的燃气锅炉向热泵、电锅炉及光伏转变，主要驱动力为强化的碳价格和相关政策压力。

- 负载侧调峰及多技术多能源载体的综合管理，是提高工业能效和市场竞争力的关键。

• 该多市场协调参与的框架为工业领域提供了定量化投资路径规划支持，具有较强现实意义和可操作性。

作者建议以该模型为基础，未来研究应扩展至更完整的市场结构、多种备用市场及投标资格限制，进一步深入挖掘工业灵活性潜力与成本效益平衡机制。整体来看，报告为能源转型背景下工业企业的资本配置提供了前瞻性、精细化的决策支持工具，彰显出多阶段随机模型在复杂市场环境中的独特优势和实际价值。[page::0-4]

报告