需量電費（Demand Charge）

3 秒看懂

需量電費 = 按“你的最高用電功率”收的錢，不是按“你用了多少度電”收的錢。 就像高速公路不管你跑了多少公里，只看你的車最大有多寬——車越寬，過路費越貴。對 AI 資料中心而言，一塊 GPU 叢集同時點亮的瞬間功率越高，需量電費就越貴，且這筆錢往往佔到總電費的 10%–30% [行業估算，因地區/客戶類別及負載率差異大]。

3 分鐘產業解釋

為什麼要收需量電費？

電網的物理約束是：發電和輸配電裝置必須按“峰值功率”來建設。即使你一年只在某 15 分鐘用到了 10MW 的峰值，電網也必須為你保留 10MW 的發電容量、線路容量和變電容量。這部分固定投資不會因為你大部分時間只用 5MW 而減少。需量電費的本質，是讓高峰值使用者為電網的“峰值容量冗餘”付費。

在中國電價體系中的位置

中國工商業電價長期實行**“兩部制電價”**：

組成部分	計量單位	計費邏輯
容量/需量電費（對應 Demand Charge）	按變壓器容量（kVA）或申報最大需量（kW）	按月固定收取，與實際用電量無關
電度電費	按實際用電量（kWh）	用了多少度交多少

其中，容量/需量部分就是中國語境下的 Demand Charge。使用者可在兩種計費方式中按月選擇（部分省份有切換限制）：

按變壓器容量計費：以受電變壓器裝見容量（kVA）為基數，按固定單價（元/kVA·月）計收。
按最大需量計費：以每月 15 分鐘滑動平均最大需量（kW）為基數，按固定單價（元/kW·月）計收。

注：具體單價因省份、電壓等級、行業類別不同而差異較大，需查閱各省級電網最新銷售電價表。2023–2025 年多地持續調整電價結構。

對 AI 產業的戰略意義

大型模型訓練叢集的用電特徵——高功率密度、7×24 持續滿載、叢集同步啟停——使得需量電費在其總電力成本中的佔比顯著高於傳統行業。這直接催生了三個產業方向：

儲能削峰：通過電池儲能系統在低負荷時段充電、高峰時段放電，壓低電網側計量的峰值需量。
算力排程：錯峰啟停訓練任務，避免多個大叢集同時達到峰值。
資料中心選址：優先選擇需量電費單價低、或有特殊電價優惠政策的地區（如西部可再生能源富集區）。

15 分鐘專家深入

需量電費與 AI 算力經濟學的交叉

1. 單叢集功耗的數量級

以一個萬卡 H100 叢集為例進行定性估算：

單卡峰值功耗（H100 SXM）: ~700W [NVIDIA 公開 TDP]
萬卡叢集 GPU 功耗: ~7,000 kW = 7 MW
加上網路/儲存/製冷/供配電損耗（PUE 因子）:
  - PUE 1.2–1.4 [行業典型值，取決於冷卻方案]
  - 叢集總功耗: ~8.4–9.8 MW

這意味著該叢集在電網側申報的最大需量可能在 8–10 MW 量級。

2. 需量電費佔總電費的敏感性分析

假設某省需量電費單價: ~30–50 元/kW·月 [估算，各省差異大]
假設電度電價（含上網+輸配+附加）: ~0.5–0.8 元/kWh [估算]

叢集 9MW 滿載執行:
  需量電費 = 9,000 kW × 40 元/kW·月 = 36 萬元/月
  電度電費 = 9,000 kW × 720 h × 0.65 元/kWh = 421.2 萬元/月
  需量佔比 ≈ 36 / (36+421.2) ≈ 7.9%

但若叢集負載率僅 50%（大量時間空閒或部分卡未點亮）:
  需量電費不變（仍按申報峰值） = 36 萬元/月
  電度電費 = 4,500 kW × 720 h × 0.65 = 210.6 萬元/月
  需量佔比 ≈ 36 / (36+210.6) ≈ 14.6%

以上為簡化估算模型，實際賬單還包含力調電費（功率因數獎懲）、峰谷分時電度電價差異等。具體數字以實際電價政策為準。

核心洞察：訓練叢集負載率越低，需量電費的相對佔比越高，浪費越嚴重。推論服務（負載波動大）比訓練（滿載率高）受需量電費影響更顯著。

3. 全球主要市場的 Demand Charge 對比

市場	Demand Charge 計費機制	典型單價量級	特殊說明
中國	兩部制：按容量(kVA)或最大需量(kW)月度計費	20–60 元/kW·月 [估算]	各省差異大；部分省份對大數據產業有優惠
美國（各州/公用事業差異大）	按月計費，基於 15 分鐘峰值需求	$5–30/kW·月 [估算]	部分 utility 允許“ratchet”條款（歷史峰值影響未來數月計費基數）
歐洲	多數國家對大工業使用者有需量或容量費	因國而異	德國 Beschlusskammer 體系、法國 Tempo 電價等均含需量元素

4. 需量電費的最佳化策略矩陣

┌──────────────────────────────────────────────────────────┐
│                    需量最佳化策略                            │
├──────────────┬──────────────┬────────────────────────────┤
│   儲能削峰    │  負載排程     │   電網側談判               │
│              │              │                            │
│ · 電池儲能    │ · 訓練任務    │ · 大使用者直購電             │
│   峰值削減    │   錯峰啟停    │ · 自建變電站               │
│ · 超級電容    │ · 推論彈性    │ · 多期容量分階段申報       │
│   瞬時平滑    │   排程        │ · 增量配電網/源網荷儲      │
│              │ · 多叢集交替  │   一體化                   │
│              │   峰值        │                            │
└──────────────┴──────────────┴────────────────────────────┘

5. 與儲能產業的耦合

需量電費是工商業儲能在中國市場最重要的經濟性支撐之一。儲能系統通過“谷充峰放”壓低電網側需量，其投資回收模型的核心引數即為：

單次削峰收益 ≈ 削減需量(kW) × 需量單價(元/kW·月) × 12(月/年)

疊加峰谷套利收益（電度電費側的價差），工商業儲能的 IRR 在 2024–2025 年的測算中多處於 8%–15% 區間 [行業估算，高度依賴當地電價政策和儲能系統成本]。AI 資料中心因其高且穩定的峰值負荷，被視為儲能的優質客戶場景。

技術原理

需量的測量與計算

電網側電能表（或智慧電錶）的功能之一：

1. 即時採集有功功率 P(t)，取樣間隔通常 ≤ 1 秒
2. 計算 15 分鐘滑動平均功率：

   P_avg(t) = (1/T) × ∫[t-T, t] P(τ) dτ

   其中 T = 15 分鐘（中國標準；美國部分 utility 也為 15 min）

3. 記錄當月所有 P_avg 中的最大值 → 即為“最大需量” P_max_month

4. 需量電費 = P_max_month × 需量單價

兩種計費方式的選擇博弈

設使用者受電變壓器容量為 S (kVA)
容量電費單價為 C_cap (元/kVA·月)
需量電費單價為 C_dem (元/kW·月)
當月最大需量為 P_max (kW)

按容量計費: 月費 = S × C_cap
按需量計費: 月費 = P_max × C_dem

臨界利用率（考慮功率因數修正）: P_max / (S·cosφ) = C_cap / C_dem
（其中cosφ為使用者實際功率因數；當cosφ&lt;1時，實際臨界需量值較不考慮功率因數時更低）

當 P_max/(S·cosφ) > C_cap/C_dem → 按容量計費更省
當 P_max/(S·cosφ) &lt; C_cap/C_dem → 按需量計費更省

AI 訓練叢集的特點：長期滿載執行時利用率極高（接近 0.8–0.95，受功率因數和冗餘配置影響），此時按容量計費可能更經濟。但如果叢集存在大量空閒時段（如除錯期、排隊等待期），則按需量計費更優。

力調電費（功率因數調整）的疊加效應

需量電費並非孤立存在。在中國兩部制電價下，力調電費根據使用者實際功率因數相對於標準值（通常 0.9）的偏差進行獎懲：

功率因數 cosφ > 0.9 → 力調減收（獎勵）
功率因數 cosφ &lt; 0.9 → 力調加收（懲罰）

資料中心因大量 UPS、變頻器等非線性負載，諧波和無功問題突出，
若無補償措施，功率因數可能低於 0.9，導致力調加收。

這對 AI 資料中心的設計提出了要求：需要配置**SVG（靜止無功發生器）或 APF（有源濾波器）**來維持功率因數達標。

技術演進史

時間	事件	影響
1950s–1960s	中國學習蘇聯建立兩部制電價體系，引入“容量電價 + 電度電價”二元結構	工業使用者首次面對需量計費；目的是回收電力系統固定成本
1980s–2000s	美國 utility 大規模推廣 Demand Charge，尤其對 C&I（商業和工業）使用者	成為美國 C&I 電價的標配組成部分；催生了早期需求側管理（DSM）行業
2015	中國啟動新一輪電力體制改革（中發20159號文），推動輸配電價改革	兩部制電價的容量/需量部分逐步與輸配電價核定掛鉤
2018–2020	中國工商業電價持續下調，但兩部制結構未根本改變	需量電費單價有所調整，但其在總電費中的佔比結構不變
2021–2023	新型儲能產業爆發，工商業儲能以“削峰填谷 + 需量管理”為核心商業模式	需量電費成為儲能經濟性的關鍵變數
2023–2025	AI 算力需求爆發，大型智算中心密集建設，單園區功耗突破 100MW 量級	需量電費從“電力行業的技術細節”變為“AI 產業鏈的戰略成本項”

技術路線對比

需量管理技術路線量化對比

方案	削峰能力	響應速度	投資成本	壽命	適用場景
磷酸鐵鋰儲能	高（可持續數小時）	秒級	中高（1.0–1.5 元/Wh 系統級，2024年估算）	8–15 年 / 6000–10000 迴圈	日內削峰、峰谷套利
超級電容	中（分鐘級能量）	毫秒級	高	100 萬+迴圈	瞬時功率尖峰平滑
智慧負載排程	中（受限於任務容忍度）	分鐘級	低（軟體+排程系統）	N/A	訓練任務錯峰
柴油/燃氣發電機	高	秒–分鐘級	中（運維成本高）	按執行小時	應急備電、極端削峰
需求側響應（DR）	可變（依賴參與使用者數量）	分鐘–小時級	低	N/A	電網級排程
自建光伏/風電	間接（減少網側購電量）	受天氣制約	中高	20–25 年	長期降本，但不直接解決需量問題（光伏出力與負荷不完全匹配）

上下游

產業鏈地圖

上游（電力供給側）                    中游（電網/交易）                   下游（用電側）

火力發電廠 ──┐                    ┌── 國家電網 ──────┐
水力發電廠 ──┤                    │   南方電網        │
風力/光伏 ──┤── 上網電價 ──→     │                   ├──→ 工商業使用者
核電站 ────┤   （電度部分）      ├── 電力交易中心    │     ├── AI/資料中心
燃氣發電 ──┘                    │   （市場化電價）   │     ├── 製造業
                                │                   │     └── 商業綜合體
                                └── 售電公司 ──────┘

儲能系統（中游/下游之間）          需量管理/最佳化
├── 電池供應商                    ├── 智慧電錶/EMS
├── 系統整合商                    ├── 負荷預測演算法
└── 運營商                        └── 綜合能源服務

關鍵指標

指標	定義	典型值/量級	備註
最大需量（kW）	月內 15 分鐘滑動平均功率的最大值	因客戶規模而異	中國計量標準
需量申報值	使用者每月向電網申報的需量值	通常為變壓器容量的 60%–80% [估算]	超出申報值可能加收違約金
負載率	實際平均負荷 / 最大需量	訓練叢集 70%–95%；推論叢集 30%–60% [估算]	負載率越低，需量電費浪費越大
PUE	總設施能耗 / IT 裝置能耗	1.15–1.4（新建資料中心）	PUE 越高，製冷/配電損耗推高需量
功率因數	有功功率 / 視在功率	目標 ≥ 0.9（中國標準）	影響力調電費
需量電費單價	每 kW 需量每月的費用	20–60 元/kW·月 [估算，各省差異大]	是儲能經濟性模型的核心輸入

供需與市場資料

需量電費的市場規模（間接度量）

需量電費本身不形成獨立市場，但它通過兩個渠道形成產業影響：

1. 直接影響：工商業電費支出中的需量部分

中國工商業用電量約 5.5 萬億 kWh/年 [國家能源局，2023年資料口徑]
其中執行兩部制電價的大工業使用者佔比相當 [具體佔比未充分揭露，但覆蓋重工業、大型商業綜合體等]
需量/容量電費在這些使用者總電費中的佔比通常為 20%–40% [行業估算]
粗略推算，需量/容量電費的年度總規模在 千億級人民幣 [估算，缺乏官方彙總資料]

2. 間接催生的市場：工商業儲能

中國新型儲能累計裝機：截至 2024 年中約 44 GW [國家能源局 2024年7月釋出會口徑]
其中工商業儲能增速最快，“削峰填谷 + 需量管理”是最核心的應用場景
2024 年工商業儲能新增裝機預計數 GWh 量級 [行業估算]

3. AI 資料中心的特殊性

引數	傳統資料中心	AI 智算中心
單機櫃功率密度	5–10 kW	30–100+ kW [估算]
負載波動性	中等	訓練期高且穩；推論期波動大
需量敏感度	中	極高（絕對值大，單價敏感）
單園區總功耗	10–50 MW	50–500 MW [估算]

代表公司與資本對映

需量電費最佳化的受益標的邏輯

環節	代表公司/型別	與需量電費的關係
工商業儲能系統整合	奇點能源、採日能源、科陸電子、陽光電源（工商業儲能線）	需量管理是核心賣點之一
電池（儲能級）	寧德時代、億緯鋰能、瑞浦蘭鈞	儲能系統的核心成本項，成本下降直接改善需量管理的經濟性
EMS/智慧能源管理	遠光軟體、恆實科技、南瑞繼遠	負荷預測 + 需量最佳化演算法的軟體層
智慧電錶/計量	海興電力、林洋能源、威勝資訊	需量測量的硬體基礎，新一代智慧電錶支援更精細的需量管理
資料中心運營商	萬國資料、世紀互聯、秦淮資料	需量電費是其 OPEX 的重要組成，最佳化需量直接影響獲利率
GPU 雲端/算力平台	各大雲端廠商	需量電費最終傳導到算力成本中

投資邏輯

核心邏輯鏈條

AI 算力爆發 → 資料中心功耗指數增長 → 電力成本成為 OPEX 主項
                                        ↓
                               需量電費佔比高且剛性
                                        ↓
                    ┌───────────────┼───────────────┐
                    ↓               ↓               ↓
              儲能削峰         負載排程最佳化       資料中心選址
              （硬體+運營）    （軟體+演算法）      （西部/低價區）
                    ↓               ↓               ↓
              電池/PCS 供應商   EMS/排程平台      基建/電力配套

關鍵判斷

短期（1–2 年）：工商業儲能的需量管理經濟性隨電池成本下降持續改善，但競爭加劇導致系統整合商獲利率承壓。
中期（3–5 年）：AI 資料中心單園區功耗持續攀升（向 GW 級邁進），需量電費從“可最佳化項”變為“必須管理的戰略成本”，催生專業化綜合能源服務需求。
長期（5 年+）：若電力市場改革深化，需量電價機制可能從行政定價轉向市場定價（容量市場/輔助服務市場），定價邏輯將更復雜，但也為虛擬電廠、需求響應等新業態創造空間。

風險因素

電價政策調整的不確定性（各省政策變化頻繁）
儲能安全事故導致監管收緊
電力市場化改革進度可能不及預期
AI 算力需求增速放緩（影響下游需求假設）

常見誤讀糾偏

❌ 誤讀 1：“需量電費 = 容量電費”

糾偏：雖然在中國兩部制電價中二者都屬於固定費用部分，但計量方式不同——

容量電費：按變壓器裝見容量（kVA）計費，不管你實際用了多少，不可調（除非更換變壓器）。
需量電費：按當月 15 分鐘滑動平均最大功率（kW）計費，可通過削峰手段降低。
使用者可以在兩種計費方式之間按月選擇（部分省份有切換限制），選擇邏輯取決於實際負載率。二者常混用，但在分析最佳化空間時必須區分。

❌ 誤讀 2：“裝了光伏就不怕需量電費了”

糾偏：光伏出力受日照時段和天氣影響，與資料中心負荷曲線不完全匹配。白天光伏發電高峰時，資料中心本就處於日間負荷狀態，光伏可以減少從電網購入的電度電量，但對需量的削減效果取決於光伏出力是否能覆蓋當月的功率峰值時刻。如果峰值恰好出現在夜間或陰天，光伏對需量無幫助。真正解決需量問題需要儲能（時間搬移能力），而非單純的分散式發電。

❌ 誤讀 3：“推論服務不需要關注需量電費”

糾偏：恰恰相反——推論服務的負載波動性遠高於訓練（跟隨使用者請求量即時變化），意味著峰值功率與平均功率的比值更大。如果按峰值申報需量，而大量時間處於低負載，需量電費的“浪費”（付費但未充分利用的容量）反而更嚴重。推論場景更需要彈性排程 + 短時儲能來平滑峰值。

學習路徑

Level 0 — 概念入門
├── 理解“兩部制電價”的基本結構
├── 讀一本電力系統基礎教材中關於電價的章節
└── 檢視自己所在省份的最新工商業電價表（省級電網官網可查）

Level 1 — 行業理解
├── 學習工商業儲能的投資回報測算模型（大量券商/諮詢報告可參考）
├── 瞭解 PUE、功率因數、負載率等資料中心基本指標
└── 關注國家能源局電價政策動態

Level 2 — 深度分析
├── 研讀電力市場化改革相關政策檔案（中發[2015]9號文及配套）
├── 學習虛擬電廠、需求響應的商業模型
├── 對比中美歐三地的 Demand Charge 定價機制差異
└── 追蹤 AI 資料中心功耗演進趨勢（晶片 TDP、叢集規模、冷卻方案）

Level 3 — 前沿洞察
├── 容量市場 / 容量補償機制的改革方向
├── 長時儲能（4h+）對需量管理的範式變革
├── 算力-電力協同排程的演算法前沿
└── AI 對電力系統規劃的反向影響（GW 級負荷中心的出現）

一句話總結

需量電費是電網向用戶收取的“峰值功率佔用費”，對功耗巨大且持續攀升的 AI 資料中心而言，它是總電費中彈性最大、最值得最佳化的固定成本項，也是連線 AI 算力產業與儲能/綜合能源產業的關鍵經濟紐帶。

延伸閱讀與來源

國家發展改革委——各年度電價政策檔案（如發改價格〔2021〕1439號等），查詢各省兩部制電價標準。
國家能源局——全國電力工業統計資料、新型儲能裝機資料。
中電聯（中國電力企業聯合會）——年度電力供需形勢分析報告。
各省級電網公司官網——最新銷售電價表（含需量/容量電費單價）。
券商研究報告——關鍵詞：工商業儲能、資料中心電力成本、需量管理；中信/華泰/國金等均有覆蓋。
U.S. Energy Information Administration (EIA)——美國 Demand Charge 定價機制的詳細說明。
NERC（北美電力可靠性公司）——電力系統規劃與容量充裕度相關報告。

⚠️ 免責宣告：本文中涉及的具體電價數值、市場規模數字等均為基於公開資訊的估算或定性描述，因各省政策差異大且調整頻繁，具體資料請以當地電網最新公告為準。搜尋未能成功獲取即時資料來源，部分資料標註為 [估算] 或 [行業估算]，請讀者自行交叉驗證。