央行宣布降准,告诉我们7大信息
4月15日晚间,央行宣布于2022年4月25日下调金融机构存款准备金率0.25个百分点(不含已执行5%存款准备金率的金融机构)
为加大对小微企业和“三农”的支持力度,对没有跨省经营的城商行和存款准备金率高于5%的农商行,在下调存款准备金率0.25个百分点的基础上,再额外多降0.25个百分点。
本次下调后,金融机构加权平均存款准备金率为8.1%。
央行负责人表示:
1、此次降准为全面降准,共计释放长期资金约5300亿元。
2、此次降准降低金融机构资金成本每年约65亿元。
主要看点:
1、此次降准释放的长期资金比上一次少,上一次是在去年12月6日,释放的资金量高达1.2万亿。
2、此次降准实施时间在本月20号以后,意味着本月20号公布的最新一期LPR不会下降。
通过降准,我们可以大致观察出2020年疫情后,货币政策出现了“偏松-略紧-偏松”的转变。
1、2020年3月-2021年3月:这段时间的主要标志有3个,一是降准,二是MLF操作量大,三是广义货币M2增速保持在两位数(听不懂的后面我会讲)。
2、2021年3月-2021年7月:主要标志,一是没有降准,二是M2增速降为个位数。
2、2021年7月-现在:主要标志是又进入到降准周期。
一、何为降准?
降准和降息被称为力度最大的货币政策工具。降准是“印出货币”,降息是“让钱更便宜”。
降准是怎么做到的?
一般来说,商业银行主要盈利点是存款贷业务,吸收存款、发放贷款,从中赚取利息差价。
储户在银行存100块钱,利率2%,对银行来说,最优的效果是把全部的100块钱都拿去放贷,利率5%。
但在现实中做不到,监管规定,银行每吸收一笔存款需要冻结一定比例的资金,之后才能拿去放贷。冻结的资金是法定存款准备金,冻结的比例是法定存款准备金率。
假定存款准备金率是10%,那么100块钱的存款,银行需要冻结10块钱。那么问题来了,如果降准,把存款准备金率降到5%(只是举例,现实中不可能降那么多),意味着什么?
意味着银行只需要冻结,剩余的95元可以拿去贷款了。
可见,降准后会带来:流动资金更加充裕、贷款能力明显增强。
二、为什么要降准?
主要原因只有一个:稳增长。
经济永远都会在稳增长与防风险之间取得动态平衡。
经济下行压力大的时候稳增长的比重会上升,反之,防风险的比重在上升。
目前经济主要风险是通胀风险上升(疫情影响、俄乌局势影响),宏观负债率高(受货币增速、资产回报率影响)。
考虑到现在的主要任务是稳增长、稳增长,所以需要降准、需要货币适度增长。
三、为什么很少听到欧美等国家降准?
主要原因是中国的法定存款准备金率高。为什么高?
主要是中国01年加入世贸后,进出口贸易快速发展,顺差扩大。按照规定企业赚得美元等外汇需要结汇,即卖出美元、买入人民币。在这个获得中央行获得大量的外汇储备(今年3月末我国外储规模达31880亿美元)。另一方面,大规模“卖出美元、买入人民币”必然导致市场上的人民币“泛滥”。
这时候央行采取的措施是上调法定存款准备金率,冻结商业银行更多的资金,从而限制其货币派生能力(放贷),收紧市场的流动性。
所以我们可以这么粗略认为:其它条件不变的情况下,降准是放水,升准是抽水。
正因为如此中国的法定存款准备金相比其它国家高得多,比如2011年一升达到21.5%。
现在又为什么降准呢?主要是因为稳增长,另外是因为中国法定存款准备率仍高,有下调空间。
还有一点,中国进出口贸易增长到一定规模,达到高基数后,外贸增速有所放缓。也就是说通过“卖出美元、买入人民币”方式创造的人民币减少,这时候只能是通过降准来增加人民币了。
欧美国家之所以很少降准是因为它们的法定存款准备金率低,没有降准的空间。比如发达国家的存款准备金率只有1%、2%。
四、此次降准能创造多少货币?
我们一般认为,广义货币(M2)总量是社会上的总货币量。截至3月份广义货币总规模接近250万亿。
广义货币(M2)=基础货币×货币乘数
当前的货币乘数大约是7.5倍,此次降准释放的长期资金约5300亿,这5300亿可以粗略地认为是基础货币。
那么理论上此次降准最多可创造广义货币(M2):
广义货币(M2)=5300亿×7.5=3.9万亿
五、降准后,还会降息吗?
利率改革后,我们理解中的降息主要分为两个层面:
存款层面:存款基准利率下降,这个利率从2015年到现在就没有动了,如果下降影响很大,短期内下降可能低,长期来说下降是必然。
最新的消息是:利率自律机制鼓励中小银行降低存款利率上限。
据财新、财联社等主流媒体:据悉近日市场利率定价自律机制召开会议,鼓励中小银行存款利率浮动上限下调10个基点(BP)左右;这一要求应并非强制,但做出调整的银行或将对其宏观审慎评估(MPA)考核有利。目前,已经有地方城商行收到了通知。
如果中小银行存款利率下降,也算是一次定向降息。
贷款层面:
1、MLF利率,它是商业银行从央行那借钱的利率,是最重要的政策利率。
2、LPR利率,它是被称贷款指导价,所有的贷款利率都以它为参考。LPR利率每月20号公布。
MLF利率、LPR、降准它们之间的关系:MLF利率降那么LPR必然降,降准后LPR有可能降,也有可能不降。
MLF利率一般一个月公布一次。本月的MLF利率在15号公布。结果显示1年期MLF利率维持在2.85%,与上月持平。
那么此次降准后,是否会起到降息的效果(LPR降)?本月基本没有可能了,因为降准25号才实施,但LPR本月20号就会公布。但有可能让5月20号的LPR下调。毕竟之前也发生过,比如2021年12月降准之后,1年期LPR下调了5个基点。
六、各球主要国家的货币政策情况是怎样?
我上面说过,疫情之后,中国货币政策出现了“偏松-略紧-偏松”三个阶段。由于前期中国对疫情控制得比较好,经济很快恢复,货币政策随后转入略紧阶段以防风险。
而现在全球主要国家刚刚走出疫情,前期宽松的政策开始退出,转而进入加息潮中。
可以这么说,目前主要国家正在进入中国已经走过的第二阶段。
目前宣布加息的国家已经有:美国、新西兰、加拿大、韩国等。
总体上路径是:减少印钞-加息-缩表
七、降准会有什么影响?
1、股市:单次的降准不会对A股产生直接影响,有研究表示:
历次降准落地后一周市场上涨概率较高,创业板指与沪深300上涨概率均达六成;而从涨跌幅中位数看,降准落地后一周创业板指表现优于沪深300,风格上成长和消费优于周期和金融。
不过,降准很难对次日的股市产生显著影响,一是因为降准已经有预期,不新鲜。二是降准的宣布到正式兑现需要一定的时间。
但如果拉长来看,降准周期就是宽松周期,也是低利率周期。多次降准的必然发生质变,指数反弹是大概率的。
2、楼市:降准对楼市有直接影响。
1.降准意味着银行资金更充裕,放贷能力更强。购房者和开发商更容易从银行获得贷款。
2.利率有可能下降。有时候降准会导致LPR下降,相当于实际贷款利率下降,这时候对楼市或多或少都有影响。
今年楼市在缓慢回升的过程,少数城市成交量已经起来了。随着降准降息次数的增加,有更多城市楼市回暖还是值得预期的。
3、人民币汇率:
本月直到现在没有降息,而是降准就是避免汇率波动。
4月11日上午,中国10年期国债收益率利差一度倒挂,美国10年期国债收益率上行至2.764%,而中国10年期国债收益率则是2.75%,美10债收益率高于中10债这是2010年以来的第一次。
降准虽然也会使人民币汇率走低,因为钱少了,市场利率会降。但是降准不会那么直接,因为LPR是“实际贷款利率”,而不是国债收益率。
中美之间的利差主要还是比较国债收益率。
4月15日晚间,央行宣布于2022年4月25日下调金融机构存款准备金率0.25个百分点(不含已执行5%存款准备金率的金融机构)
为加大对小微企业和“三农”的支持力度,对没有跨省经营的城商行和存款准备金率高于5%的农商行,在下调存款准备金率0.25个百分点的基础上,再额外多降0.25个百分点。
本次下调后,金融机构加权平均存款准备金率为8.1%。
央行负责人表示:
1、此次降准为全面降准,共计释放长期资金约5300亿元。
2、此次降准降低金融机构资金成本每年约65亿元。
主要看点:
1、此次降准释放的长期资金比上一次少,上一次是在去年12月6日,释放的资金量高达1.2万亿。
2、此次降准实施时间在本月20号以后,意味着本月20号公布的最新一期LPR不会下降。
通过降准,我们可以大致观察出2020年疫情后,货币政策出现了“偏松-略紧-偏松”的转变。
1、2020年3月-2021年3月:这段时间的主要标志有3个,一是降准,二是MLF操作量大,三是广义货币M2增速保持在两位数(听不懂的后面我会讲)。
2、2021年3月-2021年7月:主要标志,一是没有降准,二是M2增速降为个位数。
2、2021年7月-现在:主要标志是又进入到降准周期。
一、何为降准?
降准和降息被称为力度最大的货币政策工具。降准是“印出货币”,降息是“让钱更便宜”。
降准是怎么做到的?
一般来说,商业银行主要盈利点是存款贷业务,吸收存款、发放贷款,从中赚取利息差价。
储户在银行存100块钱,利率2%,对银行来说,最优的效果是把全部的100块钱都拿去放贷,利率5%。
但在现实中做不到,监管规定,银行每吸收一笔存款需要冻结一定比例的资金,之后才能拿去放贷。冻结的资金是法定存款准备金,冻结的比例是法定存款准备金率。
假定存款准备金率是10%,那么100块钱的存款,银行需要冻结10块钱。那么问题来了,如果降准,把存款准备金率降到5%(只是举例,现实中不可能降那么多),意味着什么?
意味着银行只需要冻结,剩余的95元可以拿去贷款了。
可见,降准后会带来:流动资金更加充裕、贷款能力明显增强。
二、为什么要降准?
主要原因只有一个:稳增长。
经济永远都会在稳增长与防风险之间取得动态平衡。
经济下行压力大的时候稳增长的比重会上升,反之,防风险的比重在上升。
目前经济主要风险是通胀风险上升(疫情影响、俄乌局势影响),宏观负债率高(受货币增速、资产回报率影响)。
考虑到现在的主要任务是稳增长、稳增长,所以需要降准、需要货币适度增长。
三、为什么很少听到欧美等国家降准?
主要原因是中国的法定存款准备金率高。为什么高?
主要是中国01年加入世贸后,进出口贸易快速发展,顺差扩大。按照规定企业赚得美元等外汇需要结汇,即卖出美元、买入人民币。在这个获得中央行获得大量的外汇储备(今年3月末我国外储规模达31880亿美元)。另一方面,大规模“卖出美元、买入人民币”必然导致市场上的人民币“泛滥”。
这时候央行采取的措施是上调法定存款准备金率,冻结商业银行更多的资金,从而限制其货币派生能力(放贷),收紧市场的流动性。
所以我们可以这么粗略认为:其它条件不变的情况下,降准是放水,升准是抽水。
正因为如此中国的法定存款准备金相比其它国家高得多,比如2011年一升达到21.5%。
现在又为什么降准呢?主要是因为稳增长,另外是因为中国法定存款准备率仍高,有下调空间。
还有一点,中国进出口贸易增长到一定规模,达到高基数后,外贸增速有所放缓。也就是说通过“卖出美元、买入人民币”方式创造的人民币减少,这时候只能是通过降准来增加人民币了。
欧美国家之所以很少降准是因为它们的法定存款准备金率低,没有降准的空间。比如发达国家的存款准备金率只有1%、2%。
四、此次降准能创造多少货币?
我们一般认为,广义货币(M2)总量是社会上的总货币量。截至3月份广义货币总规模接近250万亿。
广义货币(M2)=基础货币×货币乘数
当前的货币乘数大约是7.5倍,此次降准释放的长期资金约5300亿,这5300亿可以粗略地认为是基础货币。
那么理论上此次降准最多可创造广义货币(M2):
广义货币(M2)=5300亿×7.5=3.9万亿
五、降准后,还会降息吗?
利率改革后,我们理解中的降息主要分为两个层面:
存款层面:存款基准利率下降,这个利率从2015年到现在就没有动了,如果下降影响很大,短期内下降可能低,长期来说下降是必然。
最新的消息是:利率自律机制鼓励中小银行降低存款利率上限。
据财新、财联社等主流媒体:据悉近日市场利率定价自律机制召开会议,鼓励中小银行存款利率浮动上限下调10个基点(BP)左右;这一要求应并非强制,但做出调整的银行或将对其宏观审慎评估(MPA)考核有利。目前,已经有地方城商行收到了通知。
如果中小银行存款利率下降,也算是一次定向降息。
贷款层面:
1、MLF利率,它是商业银行从央行那借钱的利率,是最重要的政策利率。
2、LPR利率,它是被称贷款指导价,所有的贷款利率都以它为参考。LPR利率每月20号公布。
MLF利率、LPR、降准它们之间的关系:MLF利率降那么LPR必然降,降准后LPR有可能降,也有可能不降。
MLF利率一般一个月公布一次。本月的MLF利率在15号公布。结果显示1年期MLF利率维持在2.85%,与上月持平。
那么此次降准后,是否会起到降息的效果(LPR降)?本月基本没有可能了,因为降准25号才实施,但LPR本月20号就会公布。但有可能让5月20号的LPR下调。毕竟之前也发生过,比如2021年12月降准之后,1年期LPR下调了5个基点。
六、各球主要国家的货币政策情况是怎样?
我上面说过,疫情之后,中国货币政策出现了“偏松-略紧-偏松”三个阶段。由于前期中国对疫情控制得比较好,经济很快恢复,货币政策随后转入略紧阶段以防风险。
而现在全球主要国家刚刚走出疫情,前期宽松的政策开始退出,转而进入加息潮中。
可以这么说,目前主要国家正在进入中国已经走过的第二阶段。
目前宣布加息的国家已经有:美国、新西兰、加拿大、韩国等。
总体上路径是:减少印钞-加息-缩表
七、降准会有什么影响?
1、股市:单次的降准不会对A股产生直接影响,有研究表示:
历次降准落地后一周市场上涨概率较高,创业板指与沪深300上涨概率均达六成;而从涨跌幅中位数看,降准落地后一周创业板指表现优于沪深300,风格上成长和消费优于周期和金融。
不过,降准很难对次日的股市产生显著影响,一是因为降准已经有预期,不新鲜。二是降准的宣布到正式兑现需要一定的时间。
但如果拉长来看,降准周期就是宽松周期,也是低利率周期。多次降准的必然发生质变,指数反弹是大概率的。
2、楼市:降准对楼市有直接影响。
1.降准意味着银行资金更充裕,放贷能力更强。购房者和开发商更容易从银行获得贷款。
2.利率有可能下降。有时候降准会导致LPR下降,相当于实际贷款利率下降,这时候对楼市或多或少都有影响。
今年楼市在缓慢回升的过程,少数城市成交量已经起来了。随着降准降息次数的增加,有更多城市楼市回暖还是值得预期的。
3、人民币汇率:
本月直到现在没有降息,而是降准就是避免汇率波动。
4月11日上午,中国10年期国债收益率利差一度倒挂,美国10年期国债收益率上行至2.764%,而中国10年期国债收益率则是2.75%,美10债收益率高于中10债这是2010年以来的第一次。
降准虽然也会使人民币汇率走低,因为钱少了,市场利率会降。但是降准不会那么直接,因为LPR是“实际贷款利率”,而不是国债收益率。
中美之间的利差主要还是比较国债收益率。
#碳中和##碳达峰##双碳目标##能源数字化#
【能源数字化是碳中和的助推引擎 应抓好数据治理】
目前,我国年碳排放量在100亿吨左右,按照“3060”战略部署,到2030年实现碳达峰时,我国碳排放量将控制在116亿吨左右,此后碳排放量逐年下降,到2060年左右与碳吸收量相等,从而实现碳中和。
当前我国碳吸收量为12亿~14亿吨,净排放接近90亿吨。由于自然界中碳吸收主要靠植物光合作用,也就是生态碳汇,其总量受国土资源禀赋制约较大,增长潜力很小。若工业级碳吸收(工业碳汇)技术不实现大突破,尤其是技术经济性不实现大突破,则只能依靠减少碳排放量来实现碳中和。由于碳排放量与工业生产规模、效率强相关,需要在减少碳排放的同时,减轻对经济增长的影响,可以说实现碳中和的任务极为艰巨。
能源行业是碳中和的关键
从行业来看,我国碳排放来源占比分别为:火电45%;重、化工35%;交通1.5%以及其他5%。不难看出,在我国碳排放总量中,几乎所有的碳排放都与能源有关,都产生于能源的生产、储运和使用环节。因此可以认为,碳中和问题本质上就是能源问题,解决问题的途径就是减少能源全生命周期过程中的碳排放。目前主要可以从两方面实现,一是调整能源结构,二是节能。
先来看调整能源结构。首先应该考虑提高非化石能源生产端的比例。
根据国家统计数据,目前我国非化石能源年产量折合标准煤7.3亿吨左右,占全部一次能源生产的18%,年发电量为2万亿千瓦时,占全部发电量的28%左右。我国二次能源(主要是电能和成品油气)的生产中,煤电年发电量约5.2万亿千瓦时,占全部发电量的69%左右,能源生产的整体结构与前述碳排放结构是吻合的。因此,未来几年我国将大力发展非化石能源生产,除了发展集中式的大规模风电、光伏、光热、生物质等非化石能源之外,也鼓励发展新能源为主的分布式能源,形成“新能源为主体的新型电力系统”。
其次,应该考虑在用能侧发展电气化,逐步实现在交通、餐饮、家庭等领域的电能替代。当然,电能替代应该与生产侧的非化石能源替代步调保持一致,在能源生产结构没有根本改变的情况下,用能侧的电能替代不能真正起到降低碳排放的作用。
再来看节能。限于我国的资源禀赋现状,无论是降低火电比重,还是提高生态碳汇能力,在现实经济环境下都难度较大,因此通过采取节能措施,降低能源消耗,降低能耗强度,从而降低碳排放强度,就成为实现碳达峰碳中和目标的另一个关键。
按照国务院在2021年10月26日发布的《2030年前碳达峰行动方案》,我国的目标是到2025年,非化石能源消费比重达到20%左右,单位国内生产总值能源消耗比2020年下降13.5%,单位国内生产总值二氧化碳排放比2020年下降18%,为实现碳达峰奠定坚实基础;到2030年,非化石能源消费比重达到25%左右,单位国内生产总值二氧化碳排放比2005年下降65%以上,顺利实现2030年前碳达峰目标。这样的目标如果能实现的话,将是全世界范围内有史以来碳排放强度的最大降幅。
国家能源系统是一个复杂体系,不管是调整能源结构还是节能减排,都需要抓住这个复杂体系的核心环节,实现以点带面,推动“双碳”战略的落实。2021年3月15日召开的中央财经委员会第九次会议提出,要构建清洁低碳安全高效的能源体系,控制化石能源总量,着力提高利用效能,实施可再生能源替代行动,深化电力体制改革,构建以新能源为主体的新型电力系统。
从新型电力系统的特征看,要想实现电源结构向新能源转变、输电网向可调节负荷能源互联网转变、负荷特性向柔性和生产消费兼具性转变、运行特性向更加智能的平衡与协同优化方式转变,仅仅依靠传统的能源技术是不可能的,必须引入数字技术,通过传统能源技术与数字技术的融合,实现能源系统的整体数字化转型。
算法+数据,助力新型电力系统的平衡与优化
数字化是对传统信息化技术和工业技术(对能源行业而言,就是能源生产和运行技术)的发展、融合与创新。
对传统能源技术而言,它融合了信息技术尤其是互联网、物联网、大数据技术近年的进展,使能源系统能够产生和交换数据,能够跨时空互联互通,能够基于数据进行分析、预测和优化;对信息技术而言,它使信息系统能够突破人工录入数据、记录数据、统计和分析数据等传统的管理信息系统模式,成为与能源技术系统(包括自控系统)在网络上、功能上、数据上全面融合的能源数字系统。所以能源数字化是新一代的企业技术体系。
关于数字化,有三点需要指出:
第一,深度融合。数字化的终极目标是实现工业技术和信息技术的两化深度融合,在未来的能源系统中,数字技术或者数字化子系统是能源系统不可分割的一个天然组成部分,就像如今的电力电子和自控系统是电力系统的有机组成部分一样。
第二,数字化与信息化的关系。有些观点把数字化与信息化对立起来,或者并列起来,认为两者是完全不同的系统,这样的认识是不正确的。数字技术继承和发展了信息技术,从本质来讲,它是信息技术在新时代的一种表现形式。
第三,数据是核心资产。数字化时代,数据是核心,数据是数字化系统的源头,也是数字化系统的结果,只要抓住了数据,无论技术如何变化,供应商如何更替,企业都不会受到根本影响,从这个意义上讲,数据也将成为企业的核心资产。
除了数字化,新型电力系统的建设还有一个关键词——“平衡”。
其实,对能源行业而言“平衡”无处不在:在生产领域,追求的是投入的物料(原料、燃料)与产出物(电能、成品油)的平衡;在网络运行领域,追求的是输入的能源与输出负荷的平衡(对电网来说,就是电力电量平衡)。
可以说平衡就是能源系统在给定条件下的正常运行状态,也是系统运行的核心目标。当条件发生变化时,能源系统就会优化或劣化,直到系统被手动或自动调整适应新的条件,达到新的平衡。所以优化就是创造利于能源系统降本增效的运行条件与系统资源配置,使系统由一个较低的平衡态迁移到较高的平衡态的过程。
以新型电力系统的一个重要组成部分——末端的区域综合能源智能化为例,区域综合能源系统是一个复杂的系统,供能侧既有大电网供电,又有多种分布式能源、储能,电、热、冷、燃气、压缩空气储能等多种能源工质混杂;用能侧既要求安全、稳定、持续供能,又要求能够智慧用能,经济高效地对企业生产波动、能源市场波动、能源系统波动进行快速响应,实现能源利用效率最大化。在这种情况下,区域综合能源平衡相对于传统的配电网电力电量平衡,复杂程度要上升好几个数量级。单纯依靠传统的能源技术、电力电子与自控技术,已经很难实现整体上的平衡和优化,必须依靠数字化技术,利用数字技术与能源技术包括自控技术的深度融合,实现区域能源系统的“安稳长满优”运行。
能源数字化应抓好数据治理
数据治理(Data Governance)是组织中涉及数据使用的一整套管理行为,由企业数据治理部门发起并推行,是关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。
不同的组织对数据治理有不同的定义,我国对数据治理的定义源于国资委在《加快推进国有企业数字化转型工作的通知》,其中对数据治理的描述为“明确数据治理归口管理部门,加强数据标准化、元数据和主数据管理工作,定期评估数据治理能力成熟度。加强生产现场、服务过程等数据动态采集,建立覆盖全业务链条的数据采集、传输和汇聚体系。加快大数据平台建设,创新数据融合分析与共享交换机制。强化业务场景数据建模,深入挖掘数据价值,提升数据洞察能力”。
目前国内通常认为数据治理是一个广义的概念,包括了数据规划、组织、架构等管理以及数据工具与平台的集合,核心是对企业数据进行有效管理和利用的评估、指导和监督,通过一系列的组织、制度活动保障高质量的数据不断创新数据服务,从而实现数据资产价值最大化,为企业数字化转型提供强劲动力,为企业创造数字化价值。
数据治理为企业带来了广泛的应用价值,不仅可以改善数据质量、获得数据地图映射、改善数据管理,还可以降低企业运营风险、降低企业成本、更好地协调企业各部门之间的协作。
当下,能源企业对这些数据治理的实践主要集中在结构化数据方面,通常分为以下三种流派:第一,分析域数据治理,也称“元数据治理”。其以元数据为核心,目标是理顺数据分析建模过程,提高数据质量,为构建分析型数据应用提供保障。而元数据主要解决所谓的 “数据四问”,即我是谁?我在哪里?我从哪里来?我往何处去?第二,事务域数据治理,也称“主数据治理”。其以主数据为核心,目标是确保业务应用及其集成与交互的顺畅,提高数据质量,降低业务风险。第三,数据质量驱动的数据治理,即对业务应用、分析应用在数据采集、传输、存储、建模、利用过程中涉及的数据,针对其技术上的唯一性、一致性、完整性等质量特性,以及业务上的准确性、标准化、全面性等质量特性,进行梳理、清洗、检验、维护等治理工作。
从能源行业现状看,三种数据治理在实践过程中相互有一定的交叉,但目前还没有很好地融合三种数据治理实践,也没有出现对非结构化数据尤其是以时序数据为代表的能源大数据进行治理的典型案例,希望这一局面能够尽快得到改变。未来,建议能源企业多从泛在感知、贴源数据、高效优化、全面智能、仿真与全真等方面入手,设计和落实企业未来架构。
与能源技术本身以及信息化的发展历史一样,能源数字化其实也是一个长期的过程,不可能一蹴而就,建议能源企业能够加深认识,抓住重点,搞好顶层设计,逐步建成理想的数字化体系。
【能源数字化是碳中和的助推引擎 应抓好数据治理】
目前,我国年碳排放量在100亿吨左右,按照“3060”战略部署,到2030年实现碳达峰时,我国碳排放量将控制在116亿吨左右,此后碳排放量逐年下降,到2060年左右与碳吸收量相等,从而实现碳中和。
当前我国碳吸收量为12亿~14亿吨,净排放接近90亿吨。由于自然界中碳吸收主要靠植物光合作用,也就是生态碳汇,其总量受国土资源禀赋制约较大,增长潜力很小。若工业级碳吸收(工业碳汇)技术不实现大突破,尤其是技术经济性不实现大突破,则只能依靠减少碳排放量来实现碳中和。由于碳排放量与工业生产规模、效率强相关,需要在减少碳排放的同时,减轻对经济增长的影响,可以说实现碳中和的任务极为艰巨。
能源行业是碳中和的关键
从行业来看,我国碳排放来源占比分别为:火电45%;重、化工35%;交通1.5%以及其他5%。不难看出,在我国碳排放总量中,几乎所有的碳排放都与能源有关,都产生于能源的生产、储运和使用环节。因此可以认为,碳中和问题本质上就是能源问题,解决问题的途径就是减少能源全生命周期过程中的碳排放。目前主要可以从两方面实现,一是调整能源结构,二是节能。
先来看调整能源结构。首先应该考虑提高非化石能源生产端的比例。
根据国家统计数据,目前我国非化石能源年产量折合标准煤7.3亿吨左右,占全部一次能源生产的18%,年发电量为2万亿千瓦时,占全部发电量的28%左右。我国二次能源(主要是电能和成品油气)的生产中,煤电年发电量约5.2万亿千瓦时,占全部发电量的69%左右,能源生产的整体结构与前述碳排放结构是吻合的。因此,未来几年我国将大力发展非化石能源生产,除了发展集中式的大规模风电、光伏、光热、生物质等非化石能源之外,也鼓励发展新能源为主的分布式能源,形成“新能源为主体的新型电力系统”。
其次,应该考虑在用能侧发展电气化,逐步实现在交通、餐饮、家庭等领域的电能替代。当然,电能替代应该与生产侧的非化石能源替代步调保持一致,在能源生产结构没有根本改变的情况下,用能侧的电能替代不能真正起到降低碳排放的作用。
再来看节能。限于我国的资源禀赋现状,无论是降低火电比重,还是提高生态碳汇能力,在现实经济环境下都难度较大,因此通过采取节能措施,降低能源消耗,降低能耗强度,从而降低碳排放强度,就成为实现碳达峰碳中和目标的另一个关键。
按照国务院在2021年10月26日发布的《2030年前碳达峰行动方案》,我国的目标是到2025年,非化石能源消费比重达到20%左右,单位国内生产总值能源消耗比2020年下降13.5%,单位国内生产总值二氧化碳排放比2020年下降18%,为实现碳达峰奠定坚实基础;到2030年,非化石能源消费比重达到25%左右,单位国内生产总值二氧化碳排放比2005年下降65%以上,顺利实现2030年前碳达峰目标。这样的目标如果能实现的话,将是全世界范围内有史以来碳排放强度的最大降幅。
国家能源系统是一个复杂体系,不管是调整能源结构还是节能减排,都需要抓住这个复杂体系的核心环节,实现以点带面,推动“双碳”战略的落实。2021年3月15日召开的中央财经委员会第九次会议提出,要构建清洁低碳安全高效的能源体系,控制化石能源总量,着力提高利用效能,实施可再生能源替代行动,深化电力体制改革,构建以新能源为主体的新型电力系统。
从新型电力系统的特征看,要想实现电源结构向新能源转变、输电网向可调节负荷能源互联网转变、负荷特性向柔性和生产消费兼具性转变、运行特性向更加智能的平衡与协同优化方式转变,仅仅依靠传统的能源技术是不可能的,必须引入数字技术,通过传统能源技术与数字技术的融合,实现能源系统的整体数字化转型。
算法+数据,助力新型电力系统的平衡与优化
数字化是对传统信息化技术和工业技术(对能源行业而言,就是能源生产和运行技术)的发展、融合与创新。
对传统能源技术而言,它融合了信息技术尤其是互联网、物联网、大数据技术近年的进展,使能源系统能够产生和交换数据,能够跨时空互联互通,能够基于数据进行分析、预测和优化;对信息技术而言,它使信息系统能够突破人工录入数据、记录数据、统计和分析数据等传统的管理信息系统模式,成为与能源技术系统(包括自控系统)在网络上、功能上、数据上全面融合的能源数字系统。所以能源数字化是新一代的企业技术体系。
关于数字化,有三点需要指出:
第一,深度融合。数字化的终极目标是实现工业技术和信息技术的两化深度融合,在未来的能源系统中,数字技术或者数字化子系统是能源系统不可分割的一个天然组成部分,就像如今的电力电子和自控系统是电力系统的有机组成部分一样。
第二,数字化与信息化的关系。有些观点把数字化与信息化对立起来,或者并列起来,认为两者是完全不同的系统,这样的认识是不正确的。数字技术继承和发展了信息技术,从本质来讲,它是信息技术在新时代的一种表现形式。
第三,数据是核心资产。数字化时代,数据是核心,数据是数字化系统的源头,也是数字化系统的结果,只要抓住了数据,无论技术如何变化,供应商如何更替,企业都不会受到根本影响,从这个意义上讲,数据也将成为企业的核心资产。
除了数字化,新型电力系统的建设还有一个关键词——“平衡”。
其实,对能源行业而言“平衡”无处不在:在生产领域,追求的是投入的物料(原料、燃料)与产出物(电能、成品油)的平衡;在网络运行领域,追求的是输入的能源与输出负荷的平衡(对电网来说,就是电力电量平衡)。
可以说平衡就是能源系统在给定条件下的正常运行状态,也是系统运行的核心目标。当条件发生变化时,能源系统就会优化或劣化,直到系统被手动或自动调整适应新的条件,达到新的平衡。所以优化就是创造利于能源系统降本增效的运行条件与系统资源配置,使系统由一个较低的平衡态迁移到较高的平衡态的过程。
以新型电力系统的一个重要组成部分——末端的区域综合能源智能化为例,区域综合能源系统是一个复杂的系统,供能侧既有大电网供电,又有多种分布式能源、储能,电、热、冷、燃气、压缩空气储能等多种能源工质混杂;用能侧既要求安全、稳定、持续供能,又要求能够智慧用能,经济高效地对企业生产波动、能源市场波动、能源系统波动进行快速响应,实现能源利用效率最大化。在这种情况下,区域综合能源平衡相对于传统的配电网电力电量平衡,复杂程度要上升好几个数量级。单纯依靠传统的能源技术、电力电子与自控技术,已经很难实现整体上的平衡和优化,必须依靠数字化技术,利用数字技术与能源技术包括自控技术的深度融合,实现区域能源系统的“安稳长满优”运行。
能源数字化应抓好数据治理
数据治理(Data Governance)是组织中涉及数据使用的一整套管理行为,由企业数据治理部门发起并推行,是关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。
不同的组织对数据治理有不同的定义,我国对数据治理的定义源于国资委在《加快推进国有企业数字化转型工作的通知》,其中对数据治理的描述为“明确数据治理归口管理部门,加强数据标准化、元数据和主数据管理工作,定期评估数据治理能力成熟度。加强生产现场、服务过程等数据动态采集,建立覆盖全业务链条的数据采集、传输和汇聚体系。加快大数据平台建设,创新数据融合分析与共享交换机制。强化业务场景数据建模,深入挖掘数据价值,提升数据洞察能力”。
目前国内通常认为数据治理是一个广义的概念,包括了数据规划、组织、架构等管理以及数据工具与平台的集合,核心是对企业数据进行有效管理和利用的评估、指导和监督,通过一系列的组织、制度活动保障高质量的数据不断创新数据服务,从而实现数据资产价值最大化,为企业数字化转型提供强劲动力,为企业创造数字化价值。
数据治理为企业带来了广泛的应用价值,不仅可以改善数据质量、获得数据地图映射、改善数据管理,还可以降低企业运营风险、降低企业成本、更好地协调企业各部门之间的协作。
当下,能源企业对这些数据治理的实践主要集中在结构化数据方面,通常分为以下三种流派:第一,分析域数据治理,也称“元数据治理”。其以元数据为核心,目标是理顺数据分析建模过程,提高数据质量,为构建分析型数据应用提供保障。而元数据主要解决所谓的 “数据四问”,即我是谁?我在哪里?我从哪里来?我往何处去?第二,事务域数据治理,也称“主数据治理”。其以主数据为核心,目标是确保业务应用及其集成与交互的顺畅,提高数据质量,降低业务风险。第三,数据质量驱动的数据治理,即对业务应用、分析应用在数据采集、传输、存储、建模、利用过程中涉及的数据,针对其技术上的唯一性、一致性、完整性等质量特性,以及业务上的准确性、标准化、全面性等质量特性,进行梳理、清洗、检验、维护等治理工作。
从能源行业现状看,三种数据治理在实践过程中相互有一定的交叉,但目前还没有很好地融合三种数据治理实践,也没有出现对非结构化数据尤其是以时序数据为代表的能源大数据进行治理的典型案例,希望这一局面能够尽快得到改变。未来,建议能源企业多从泛在感知、贴源数据、高效优化、全面智能、仿真与全真等方面入手,设计和落实企业未来架构。
与能源技术本身以及信息化的发展历史一样,能源数字化其实也是一个长期的过程,不可能一蹴而就,建议能源企业能够加深认识,抓住重点,搞好顶层设计,逐步建成理想的数字化体系。
【定投、加仓、补仓节奏问题探讨】
如果安全边际是:“买完之后,股价再下跌50%,你依然很踏实、很安心,那么,最初的那个价格,就是你的安全买入价格。”
如何保证“初始买入价格为1元,跌到0.5元的时候仍然安心”?这需要评估个人承受能力,假设最大承受能力为浮亏20%,这意味着平均买入价格需为0.625元。
我做了两个模型,假设计划的总投入金额为1万
图一模型将1万总额等分为5份,每下跌15%则买入一份,一共可买入五份,最后一次的买入价格为0.522元,到初始买入价腰斩(即0.5元)期间需承受最大浮亏29%
图二模型将1万总额按照金字塔规则分为不等额4份,每下跌20%则买入一份,共买入4次,最后一次的买入价格为0.512元,到初始买入价腰斩(即0.5元)期间需承受最大浮亏20%
两种模型各有优缺点,如果承受能力强(30%),那么模型一在初始买入价回撤不足40%时,则可以买入更多份额,上涨时赚得更多;若承受能力较弱(20%),则可选择模型二,在初始买入价回撤大于40%时更能安心持有
如果安全边际是:“买完之后,股价再下跌50%,你依然很踏实、很安心,那么,最初的那个价格,就是你的安全买入价格。”
如何保证“初始买入价格为1元,跌到0.5元的时候仍然安心”?这需要评估个人承受能力,假设最大承受能力为浮亏20%,这意味着平均买入价格需为0.625元。
我做了两个模型,假设计划的总投入金额为1万
图一模型将1万总额等分为5份,每下跌15%则买入一份,一共可买入五份,最后一次的买入价格为0.522元,到初始买入价腰斩(即0.5元)期间需承受最大浮亏29%
图二模型将1万总额按照金字塔规则分为不等额4份,每下跌20%则买入一份,共买入4次,最后一次的买入价格为0.512元,到初始买入价腰斩(即0.5元)期间需承受最大浮亏20%
两种模型各有优缺点,如果承受能力强(30%),那么模型一在初始买入价回撤不足40%时,则可以买入更多份额,上涨时赚得更多;若承受能力较弱(20%),则可选择模型二,在初始买入价回撤大于40%时更能安心持有
✋热门推荐