电价每15分钟变一次，储能还能“躺着赚钱”吗？

导语：当电价不再听话，谁来帮储能资产做决策？

2026年储能行业过去的游戏规则正在被一条条撕毁，新的秩序在震荡中艰难生长。

一边是烈火烹油后的加速洗牌，数以万计的玩家在淘汰赛中倒下；另一边是电力市场化改革的深水突围，十四个省份依据电力现货市场建设要求，陆续将工商业用户侧电价从行政分时固定模式推向动态定价时代。

每天96个点，电价每15分钟跳动一次。过去那种“月初排好一张充放电表、月尾照着执行”的傻瓜式套利模式彻底失效。当储能资产失去了固定的电价参照系，当光伏上网电价不再有保底补贴，当售电公司的中长期仓位与现货价格之间出现巨大的风险敞口，整个表后能源市场的参与者突然意识到：不确定性正在成为新的常态，而应对不确定性的能力正在成为新的核心壁垒。

图注：为恒智能的WHES OS EMS 智慧能源管理系统发布仪式

在这一背景下，为恒智能发布了全面融入AI能力的WHES OS操作系统，提出从被动响应到主动智能运营的升级。这家在工商业储能赛道低调深耕多年的企业，试图回答一个行业最关切的问题：当电价不再听话，谁来帮储能资产做决策？

套利时代终结

“很多省份的工商业电价已经不是行政分时固定电价了。”为恒智能产品总监董梦迪在发布会后的媒体交流中，第一句话就点明了变化的本质。现货市场的价格每天以96个点动态传导，这意味着储能不能再像以前那样，月初定好充放电计划就高枕无忧。

图注：为恒智能产品总监董梦迪

动态电价带来的挑战远不止峰谷价差不确定这么简单。为恒智能副总裁杨树博士进一步拆解了其中的博弈链条：“光伏上网电价不再固定，售电公司如果中长期仓位不足，就要在现货市场买电，而现货价格可能远高于他们的售电价格。光伏、售电公司、储能资产方、用电业主，所有玩家都在同一个能源市场里博弈，风险敞口非常大。”

图注：为恒智能副总裁杨树博士

在这种多主体、多变量、实时波动的环境下，任何一个单一设备的孤立优化都失去了意义。真正的价值在于统筹，把光伏、储能、充电桩、可控负荷乃至生产排产计划全部纳入一个平台，让AI在全局视角下寻找最优解。

这正是WHES OS的核心逻辑，用户只需要在界面上滑动选择“绿电优先”还是“成本最优”，AI便会自动生成执行策略，并在月底给出清晰的结算账单。杨树将其概括为：“让各方看得清谁赚钱谁赔钱，并通过策略实现整体最优。”

而虚拟电厂的加入则让表后储能第一次同时实现了表前与表后的价值闭环。董梦迪解释，储能参与需求响应的关键在于“报量”——你报多少调峰能力，就要能出多少力。传统模式下人工收集各个场站的负荷、SOC、温度、光伏出力等信息，工作量大且误差高。WHES OS能够自动分析每一个场站的可调能力，智能采集并形成整体聚合的调节量。这不仅是效率的提升，更是将分散的“散户”资产，真正变成可被电网调度的“正规军”。

真实场景里AI这样落地

将AI引入储能资产运营，听起来简单但落地过程中的工程化挑战远超外界想象。为恒智能大数据与人工智能负责人张瑞祥，将他们的AI能力清晰地拆解为两个层面：小模型（机器学习/深度学习）负责预测，大模型（生成式AI）负责策略生成、策略解释和设备巡检。

图注：为恒智能大数据与人工智能负责人张瑞祥

小模型的价值，藏在那些看似枯燥的预测精度里。光伏出力预测，不是简单套用历史发电曲线，而是要融合实时气象数据，云层移动、光照角度、环境温度，甚至光伏板的倾角和衰减特征。负荷预测则更为复杂：一个工厂明天几点开工、哪条产线会满负荷运行，这些规律隐藏在大量噪音数据中，传统算法难以捕捉，但经过针对性训练的AI可以。

“为恒在全球有超过800个储能项目积累的真实运营数据。”张瑞祥说，“这些数据不是实验室里的干净样本，而是充满断连、异常、设备老化的‘脏数据’。处理这些数据的经验，本身就是壁垒。”

大模型则承担了更具“人性化”的角色。在所有应用中，策略解释被反复强调。因为在一个强调安全与信任的行业里，决策的可解释性往往比决策本身更重要。张瑞祥举了一个真实案例：有客户发现自己的储能设备在晚上充电，第一反应是“系统出bug了”。运维人员调取日志后发现，策略其实是正确的，因为次日负荷预测很高，而夜间电价处于低位。

如果没有AI，这个解释过程需要人工调取数据、分析逻辑、撰写报告，周期长、成本高。而大模型可以直接读取日志、生成自然语言解释，并在客户提出“不希望晚上充电”的个性化需求后，自动调整策略边界。

“我们把客户的心理需求分成三个层级：最底层是物理安全边界（绝对不能过充过放），中间是策略动作空间，最上面是客户的心理偏好。”张瑞祥说，“AI不会突破安全边界，但在边界内它可以动态满足每个人的个性化要求。”

图注：为恒智能副总裁、上海人工智能中心负责人吉凡

至于行业普遍担忧的“大模型幻觉”问题，为恒的应对策略相当务实：人机协同，而非机器替代。 为恒智能副总裁、上海人工智能中心负责人吉凡分享：“目前，AI生成的策略不会自动下发，关键操作必须经过人工确认；同时通过明确的上下文约束和专家系统，将大模型的自由发挥空间限制在可控范围内。随着系统置信度提升，部分低风险策略已逐步实现自动执行，人机协同比例可根据客户风控要求灵活配置。”

从硬件溢价到能力溢价

当被问及“AI功能能支撑多少溢价”时，杨树的回答颇为坦然：“我们的定价处于行业第一梯队，市场接受度证明了客户为智能化价值付费的意愿。”在工商业储能市场价格战愈演愈烈的当下，能够维持价格体系的企业凤毛麟角。

为恒的底气，来自于其产品在多场景下的真实价值创造。传统的峰谷套利模式失效后，储能的收益来源变得更加多元：需量控制、动态增容、光储协同、光储充一体化、光储柴互补、虚拟电厂需求响应……每一种场景都对应着不同的算法和控制策略。WHES OS的AI能力将这些场景全部整合在一个平台之上，让同一套硬件资产在不同时间、不同电价信号下，自动切换最优的收益模式。

但更深层的溢价来自于对电力市场交易逻辑的深刻理解。杨树做了一个生动的类比：“未来电力市场就像二级市场。有AI量化交易能力的企业，能获得超额收益；没有的，就是‘韭菜’。”（此处指缺乏量化交易能力的参与者）

这不是夸张。在独立储能电站领域，运营水平最好的电站和最差的电站，月收益可能相差一倍。差距来自于对节点电价的精准预测、对充放电时机的毫秒级把握、对设备衰减率的动态管理。目前，已有售电公司开始委托为恒做资产运营，因为他们发现：没有这套AI系统，自己很难在现货市场中稳定获利。

当然，行业的收益水平正在回归理性。杨树坦言，早年行业内“三年回本”对应40%-50%的IRR，是不健康、不可持续的极端情况。如今资金成本低、资产规模大的专业投资方，能够接受的IRR在10%左右，12%就算很好的项目。“大家愿意用好设备、好服务，追求的是稳定、大体量的收益，而不是高风险的高回报。”

一个值得注意的趋势是，能源资产正在加速金融化。REITs、绿色债券等工具的引入，意味着储能资产的持有者越来越看重现金流的稳定性和可预测性。而AI的核心价值，恰恰在于将不确定的波动转化为可计算、可管理、可对冲的风险敞口。

壁垒在数据，门槛在运营

储能行业正在经历一场认知革命。

过去，行业认为壁垒在于电芯技术。谁的能量密度高、循环寿命长、成本低，谁就拥有话语权。但为恒给出了一个截然不同的判断。杨树分享：“储能的本质是能量在时间和空间上的转换介质，用什么技术路线最终是经济账，全生命周期度电成本才是关键。核心是在不确定性中，如何通过控制、运营、AI，让储能资产的价值最大化。”

这番话背后是为恒对自身定位的清晰认知：硬件会逐步同质化，但数据和运营能力会形成越来越高的壁垒。 张瑞祥进一步阐释了“数据壁垒”的真实含义：“未来最大的挑战不是算法，而是数据治理。现场数据多元、有断连、有设备老化特征，要把它们变成AI可用的高质量数据，需要非常丰富的业务知识。传统方式校准一个场站可能需要数小时，而WHES OS自动化处理后压缩到分钟级。”

这意味着，储能行业的门槛正在从“硬件制造能力”转向“数据积累与AI运营能力”。没有足够多、足够高质量的真实运营数据，再先进的算法也无用武之地。

这也解释了为什么为恒在海外市场投入巨大。杨树指出，从电力市场化程度看，欧美比国内更成熟，他们对智能化要求更高，尤其是实时定价传导到用户侧。“为恒在海外投入大，正是为了满足这些高要求。国内从今年才开始匆忙转向市场化传导，进程稍晚，但正在赶上。”

而数据的跨境积累又反过来强化了为恒的算法迭代能力。不同国家的电价机制、负荷特性、用户行为，构成了一个丰富多样的训练场。在这种环境下打磨出来的AI，天然具有更强的泛化能力和鲁棒性。

未来已来：系统与系统的博弈

群访的最后，杨树描绘了一个更具想象力的图景：“未来是系统与系统的博弈。看谁的交易思维、响应速度、调频性能更高。最终，在高新能源占比下，AI会帮助电网形成动态平衡，同时保障用电安全和较低成本。”

这不是一个遥远的愿景，而是正在发生的现实。电力现货市场的推进，正在倒逼每一个市场参与者重新思考自己的定位。传统的售电公司“低买高卖”的中介模式走不通了；单纯的硬件制造商如果没有软件和AI能力，将不得不把利润分给第三方EMS厂商；而那些能够提供软硬一体、AI驱动的整体解决方案的企业，将在新一轮洗牌中占据更有利的位置。

储能的下半场，不再是比拼谁的电芯更大、谁的价格更低。而是比拼谁的AI更聪明，谁的数据更深厚，谁能在不确定性中为客户创造确定性价值。

当电价每15分钟跳动一次，只有那些能够实时感知、精准预测、果断决策的智能体，才不会被市场“收割”。

而为恒智能正在证明——这恰恰是AI在能源领域最不可替代的价值所在。