2026年，一个很有象征意义的节点出现：中国光伏发电装机容量首次超过煤电，成为国内装机规模最大的单一能源类型。
截至2026年7月底，中国光伏发电装机达12.86亿千瓦，煤电为12.85亿千瓦，光伏小胜。
图1 风光绿电
但新问题也来了：绿电越来越多，怎么才能真正用得掉、用得稳？
装机量不等于发电量
首先明确，装机容量不等于实际发电量。
煤电可以稳定发电，但光伏要看太阳上不上班，风电要看风来不来。虽然光伏装机小胜煤电，但2026年上半年煤电发电量仍占总发电量的49.7%，而光伏只占全社会用电量的13%。
绿电不仅不稳定，发出来之后电网也不一定敢接收。电网讲究实用实发，不稳定的绿电越来越多，就要求电力系统越来越需要一种能力：柔性调节。
假设某地中午突然艳阳高照，光伏猛猛发电，但工厂和居民用电没有同步增加。电力供应过剩了怎么办？要么把电送出去，要么先存起来，要么让其它电源少发点。
可现实中，跨区域输电能力有限，储能容量也有限，火电的调节速度和最低运行负荷同样存在边界。
因此新能源下一阶段的主要挑战，不是还能发多少，而是全社会实际能消纳多少。
电网用不了，绿电还能去哪
电网暂时接收不了，现在的主流办法是储能，锂电储能，压缩空气储能，抽水蓄能，飞轮储能，不胜枚举。电多的时候先充进去，需要时再放出来。
另一条越来越受关注的路线，是把电转化成方便储存和运输的化工原料，其中最典型的就是绿氢。
用绿电驱动电解水设备制取氢气，氢气还能继续合成氨、甲醇等化工产品。原本很难直接保存的大规模绿电，得以在当地消纳。
听起来顺理成章是吧？但真正到了工厂，新的矛盾又出现了：不光电网受不了风光电的波动，传统化工厂也受不了。
化工生产喜静，希望装置运行在相对稳定的工况。温度、压力、流量、反应比例都有明确的控制范围，设备不适合大幅升降负荷。
但绿电偏偏喜动。当系统只有几台设备时，还能靠人工协调。一旦扩展到几十上百台电解槽，靠人工盯着调就不现实了。
因此在绿色氢基能源系统里，真正有价值的智能化，是让化工系统具备预测、推演和优化的能力。
天洑基于工业AI底座参与建设的绿色氢基能源柔性管控项目，通过预测未来一段时间的风光电功率，再结合电解槽状态、储氢能力、化工生产负荷和工艺约束，就实现了生产计划的智能动态调整。
图2 绿色氢基能源柔性管控项目
如果预测到一小时后绿电明显增加，系统就提前安排电解槽及后续生产单元准备。反过来则重新分配负荷，避免化工装置追着电源变化。
通过协调碱液制氢与质子交换膜制氢两条技术路线，系统实现了84台电解槽集群在30%—110%的负荷范围内平稳调节，新能源消纳率提升至95%以上，同时减少了人工干预。
工业世界模型，让AI接入工业现场
工业领域需要的AI和聊天机器人不是一回事。
工业系统不仅有数据，还有设备机理、工艺流程、物理规律、安全边界和控制规则。一个真正能进入生产现场的工业世界模型，必须能回答“接下来会怎样”“怎么调更好”，最后把优化结果送回现场执行。
天洑将自身定位为“工业世界模型框架体系及基础设施提供商”。工业AI底座TFIIF就是天洑工业AI能力的典型代表，通过接入实时和历史生产数据，结合数据模型、专家机理模型、数字孪生模型以及优化算法，对系统状态进行预测、诊断和优化。
同时，TFIIF可与DCS、SCADA、PLC等工业控制系统衔接，让计算优化结果真正进入生产闭环。
图3 天洑工业世界模型
光伏装机超过煤电，是中国能源转型的一座里程碑。但下一道题已经摆在面前：越来越多的绿电，如何与电网、储能、电解槽、化工装置和谐共处？
这道题最终比拼的，是整个工业系统理解变化、提前预测、动态优化和自动执行的能力。
绿电越多，越需要聪明敏捷的电力和化工系统。这也是新能源进入下半场之后，工业AI能真正发挥作用的地方。
撰文：马卡耶夫
编辑：章静
监制：梁钰
-----------END-----------