本地發電 (On-site Generation)

3 秒看懂

一句話定義： 在用電現場（資料中心、工廠、園區）就地部署發電裝置，自發自用，減少對遠距離輸電網路的依賴。

為什麼現在火？ AI 資料中心單園區功耗突破數百 MW 級，電網擴容週期以”年”計、GPU 叢集上線以”月”計——電力接入成為 AI 算力擴張的第一瓶頸，本地發電是”等不起電網”時的務實解法。

3 分鐘產業解釋

問題：電網跟不上算力的速度

一座大型 AI 訓練園區（約 100–300 MW）的用電需求，相當於一座中型城市的峰值負荷。傳統流程是：向電網公司申請大容量接入 → 新建變電站與輸電線路 → 審批+建設週期通常 2–5 年甚至更長。但 GPU 叢集從下訂單到上架僅需 6–18 個月。

時間差 = 空窗期。 本地發電（On-site Generation）正是填這個空窗的核心手段。

本地發電的主要技術路線

技術	典型單機規模	啟動速度	與資料中心場景適配度
天然氣內燃機/燃氣輪機	1–50 MW/臺	分鐘級	⭐⭐⭐⭐⭐ 成熟可靠
燃料電池（SOFC/PEM）	100 kW–數 MW	分鐘–小時級	⭐⭐⭐⭐ 靜態高效
光伏+儲能	數百 kW–數十 MW	即時（儲能切換）	⭐⭐⭐ 受天氣制約，做補充電源
小型模組化反應堆 (SMR)	50–300 MW/堆	小時級（長期）	⭐⭐⭐ 技術驗證中，監管週期長
柴油/重油發電機組	1–20 MW/臺	秒級	⭐⭐ 應急備用為主

核心商業邏輯

併網模式 (Grid-connected)： 本地發電與電網並聯，自發自用、餘電上網，仍享受電網作為備用。
離網/孤島模式 (Islanded)： 完全自給自足，不依賴外部電網，適合極端可靠性需求或偏遠地區。
混合模式： 本地發電為基荷，電網為補充/備用，儲能做緩衝——目前資料中心最常見的設計思路。

15 分鐘專家深入

為什麼 AI 基礎設施公司紛紛押注本地發電？

1. 電網接入排隊時間急劇拉長

美國主要電力市場（PJM、ERCOT、CAISO）的大型專案併網排隊已普遍超過 4–5 年（部分佇列中專案數以千計）。Meta、微軟、亞馬遜等公司的資料中心擴張計劃遠超本地配電網的富餘容量。

關鍵矛盾： GPU 的摩爾定律節奏（18 個月一代）vs. 電網基建節奏（5–10 年一個週期）。兩者存在量級差異的時間錯配。

2. 電價與供應穩定性

批發電價波動劇烈（極端天氣下可飆升 10–100 倍）。
本地發電鎖定燃料成本，提供可預測的長期度電成本（LCOE）。
AI 訓練任務對斷電極度敏感：一次中斷可能浪費數天的 GPU 時間，損失以百萬美元計。

3. 碳目標與 PPA 結構

大型科技公司的淨零承諾需要綠電匹配。本地光伏+儲能可以簽訂企業購電協議（PPA），直接對應特定園區的碳排放。但光伏間歇性意味著單獨靠光伏無法作為資料中心的可靠基荷電源，通常需要混合配置。

關鍵技術決策點

a) 容量規劃： 資料中心的 PUE（電源使用效率）目標通常在 1.1–1.3 之間，IT 負載之外的冷卻與輔助用電也需要覆蓋。本地發電裝機容量需預留 20–30% 餘量。

b) 燃料供應鏈： 天然氣發電是當前最現實的主力方案，但需要確保氣源供應管道/液化天然氣 (LNG) 接收能力。偏遠資料中心園區可能缺乏天然氣管網覆蓋，這直接決定技術路線選擇。

c) 儲能配套： 即使以天然氣為基荷，仍需配置電池儲能（通常以磷酸鐵鋰 LFP 為主流化學體系）做瞬時功率平滑和 UPS 級後備，典型配置為 15 分鐘–2 小時 的儲能時長。

d) 併網/孤島切換： 需要自動轉換開關（ATS）和微電網控制器，確保在電網故障時無縫切換至本地發電模式，切換時間目標通常在 毫秒–秒級。

技術原理

本地發電的系統架構

┌─────────────────────────────────────────────────────┐
│                   資料中心 IT 負載                     │
│            (GPU叢集 + 冷卻 + 網路 + 輔助)              │
│                   典型: 100-300 MW                    │
└──────────────┬──────────────────────┬────────────────┘
               │                      │
        ┌──────▼──────┐       ┌───────▼───────┐
        │  UPS / 靜態  │       │  變壓器 & PDU  │
        │  開關 (STS)  │       │  (配電單元)     │
        └──────┬──────┘       └───────┬───────┘
               │                      │
    ┌──────────▼──────────────────────▼──────────┐
    │           母線 / 微電網控制器                   │
    │    (EMS - Energy Management System)         │
    └──┬─────────┬──────────┬──────────┬─────────┘
       │         │          │          │
  ┌────▼───┐ ┌──▼─────┐ ┌──▼────┐ ┌───▼──────┐
  │本地發電  │ │電池儲能 │ │ 備用  │ │  公共    │
  │裝置     │ │ (BESS) │ │發電機  │ │  電網    │
  │         │ │        │ │(應急)  │ │  接入    │
  │·天然氣   │ │·LFP    │ │·柴油  │ │·變電站   │
  │ 內燃機   │ │ 電池   │ │ 機組  │ │·長距離   │
  │·燃氣輪機 │ │·液流   │ │       │ │ 輸電    │
  │·燃料電池 │ │ 電池   │ │       │ │         │
  │·光伏陣列 │ │        │ │       │ │         │
  └─────────┘ └────────┘ └───────┘ └─────────┘

熱力學效率對比（定性）

                    能量轉化效率 (%)
                    ─────────────────
傳統集中式電廠:      ████████░░░░░░░░░░░░  ~33-45%  (純發電)
                    (廢熱排放到環境)

天然氣聯合迴圈:       ██████████████░░░░░░  ~55-62%  (燃氣輪機+蒸汽輪機)

本地CHP/熱電聯產:    ██████████████████░░  ~70-85%  (廢熱用於冷卻/供暖)
(資料場景:餘熱驅動吸收式製冷)

燃料電池(SOFC):     ██████████████████░░  ~55-65%  (電效率,可疊加熱回收)

關鍵洞察： 資料中心是天然的”熱電聯產”需求方——GPU 產生的廢熱巨大，若能用餘熱驅動冷卻系統（如吸收式製冷機），整體能效可顯著提升。目前實際落地案例較少，但學術研究與示範專案持續增加。

併網與孤島切換的關鍵引數

切換模式          典型切換時間        關鍵裝置
──────────────────────────────────────────────────
電網→本地(手動)    分鐘-小時級         人工操作斷路器
電網→本地(自動)    秒-百毫秒級         ATS (自動轉換開關)
無縫切換(並聯)     &lt;10 ms              靜態轉換開關(STS)+同步控制器
UPS 級後備         0 ms (不間斷)       線上式UPS → 本地發電機啟動

AI 訓練任務對供電連續性的要求極高，通常要求 全年可用性 99.999%（“五個9”），即年允許停機時間約 5.26 分鐘。這需要多層冗餘：UPS 覆蓋秒級 → 本地發電機覆蓋分鐘級 → 電網覆蓋長期。

技術演進史

時期	階段	關鍵事件
1990s	萌芽期	CHP（熱電聯產）在工業廠區、醫院、大學校園普及，技術以天然氣內燃機、蒸汽輪機為主。驅動因素：熱電需求 + 能源成本最佳化
2000s	政策推動期	各國出臺分散式發電補貼與淨計量電價（Net Metering）政策，屋頂光伏開始規模部署。美國 PURPA 法案（1978年通過）要求公用事業購買合格設施的電力，為此期分散式發電提供製度基礎
2010s	清潔化與數字化	光伏成本急速下降（過去十年下降約 80-90%），儲能電池成本同步下降。微電網控制器、能源管理系統（EMS）軟體化。燃料電池除 Bloom Energy 等外仍小眾
2018–2022	企業 PPA 爆發	科技巨頭大量簽署可再生能源 PPA，資料中心與風電/光伏專案繫結。但 PPA 多為虛擬型（VPPA），不改變物理供電路徑
2023–至今	本地發電重返中心	AI 算力需求爆發 → 電網接入成為硬約束 → 微軟、亞馬遜等直接投資核能（三里島重啟協議、SMR）、簽署天然氣發電 PPA、探索現場燃料電池部署。本地物理發電從”錦上添花”變為”產能前置條件”

技術路線對比

維度	天然氣內燃機/燃氣輪機	燃料電池（SOFC）	光伏+儲能	SMR（小型模組化反應堆）	柴油發電機
成熟度	⭐⭐⭐⭐⭐ 商用成熟	⭐⭐⭐⭐ 商用早期	⭐⭐⭐⭐⭐ 大規模部署	⭐⭐ 原型/審批階段	⭐⭐⭐⭐⭐ 商用成熟
單機容量	數 MW–50+ MW	100 kW–數 MW	靈活（面積受限）	50–300 MW/堆	1–20 MW
度電成本估算	$0.04–0.08/kWh [定性估算]	$0.08–0.15/kWh [定性估算]	$0.02–0.05/kWh (光伏本體) [行業普遍引用區間]	尚無成熟商業定價	$0.15–0.30/kWh [定性估算]
碳排放	中等（天然氣比煤低約 50%）	較低（高效率，可用氫氣則近零）	零（執行階段）	零（執行階段）	高
啟動速度	分鐘級	分鐘–小時級	即時（有日照時）	小時級（長期穩定執行）	秒級
可靠性/可排程性	⭐⭐⭐⭐⭐ 可24/7	⭐⭐⭐⭐ 可24/7	⭐⭐ 受天氣制約	⭐⭐⭐⭐⭐ 可24/7	⭐⭐⭐⭐ 可24/7
佔地面積	中等	小	大（需要大面積）	中等	小
許可/審批覆雜度	中	中–高	低–中	極高	低
AI 資料中心適配	⭐⭐⭐⭐⭐ 當前主力	⭐⭐⭐⭐ 增長中	⭐⭐⭐ 補充角色	⭐⭐⭐ 長期潛力	⭐⭐ 應急備用

注：所有度電成本為定性估算，受地區氣價、日照條件、融資成本、裝置供應鏈等因素影響極大，實際專案需逐案測算。

上下游

產業鏈全景

上游（裝置與燃料）              中游（系統整合與運營）          下游（用電方/需求側）
─────────────────              ──────────────────           ──────────────────
·燃氣輪機/內燃機廠商             ·EPC工程總承包                 ·超大規模資料中心
 (未充分揭露具體全球份額,       ·微電網系統整合商               ·中大型企業園區
  主要廠商包括西門子能源、       ·能源管理系統(EMS)軟體         ·工業園區
  GE Vernova、三菱重工等)       ·儲能系統整合                  ·醫院/大學/軍事基地
·光伏元件廠商                    ·專案開發/投融資
·燃料電池電堆與系統               ·運維服務商(O&M)
·儲能電池(電芯/模組)
·天然氣/LNG供應鏈
·核燃料與SMR模組(長期)

關鍵瓶頸

燃氣輪機產能： 全球主要燃氣輪機廠商的排產週期已拉長，供不應求狀態短期難以緩解。[供應鏈估算]
天然氣基礎設施： 管道/氣化站的建設同樣是”基建節奏”，偏遠資料中心園區的氣源保障是約束條件。
儲能電芯供應： 雖然 LFP 產能在擴張，但大型儲能專案的電芯交付仍需排隊。
併網逆變器與控制器： 功率電子器件（IGBT/SiC MOSFET）的供應是另一個潛在瓶頸。

關鍵指標

指標	含義	典型參考值（資料中心場景）
LCOE（Levelized Cost of Electricity）	全生命週期度電成本	天然氣本地發電：$0.04–0.08/kWh [定性估算]
PUE（Power Usage Effectiveness）	總能耗/IT 能耗	資料中心PUE目標 ≤1.2
可用性（Availability）	年正常供電時間佔比	目標 ≥99.999%（“五個9”）
啟動時間（Start-up Time）	從冷態到滿功率	內燃機：30秒–數分鐘；燃氣輪機：5–30分鐘
容量因子（Capacity Factor）	實際發電/最大理論發電	天然氣調峰：15–40%；基荷執行：60–85%
NOx 排放	氮氧化物排放濃度	燃氣內燃機：典型 <100 mg/Nm³ [因機組型號而異]
噪音水平	執行噪音（dB）	需滿足當地環保標準，資料中心園區通常需隔音處理
佔地面積	每 MW 發電所需土地/建築面積	燃氣機組：~200–500 m²/MW；光伏：~1–2 公頃/MW [估算]

供需與市場資料

需求端驅動力

AI 算力需求： 大型 AI 訓練叢集功耗從 2022 年的數十 MW 快速躍升至百 MW 級以上。2025 年後規劃中的超大規模 AI 園區目標容量達數百 MW 甚至 GW 級。[行業報告綜合]
全球資料中心用電量預測： IEA（國際能源署）等機構估計全球資料中心用電量在 2030 年前可能較當前水平翻倍以上，但具體數字各機構口徑差異較大，且 AI 需求增速正在不斷上修預測。[口徑不一，需注意資料來源]
電網擴容滯後： 全球主要市場（北美、歐洲、亞太）均出現大型負荷併網排隊延遲。美國大型互聯佇列中等待的專案總量以百 GW 計。[行業普遍報道]

供給端格局

天然氣發電裝置： 全球燃氣輪機/內燃機市場集中度較高，主要廠商的訂單積壓量處於歷史高位。[供應鏈估算]
分散式光伏： 全球產能充足，中國光伏元件產能佔全球大頭，元件價格處於歷史低位區間。但光伏間歇性限制了其作為資料中心基荷電源的能力。
儲能： LFP 電池系統成本持續下降，2-4 小時儲能系統度電成本已進入 [未充分揭露具體數字，行業趨勢向下] 的區間。
燃料電池： Bloom Energy 等公司已在美國部署了面向資料中心的 SOFC 系統，但總體部署規模仍相對有限，技術正在從早期採用者階段向規模化過渡。

市場規模（定性）

全球分散式發電/本地發電市場（包含所有技術路線）規模以千億美元級別估算，其中資料中心相關的需求佔比正在快速提升，但仍不是最大細分市場（工業 CHP 和居民/商業屋頂光伏仍佔大頭）。[行業估算，口徑差異大]

代表公司與資本對映

直接參與者

領域	代表公司	角色	備註
綜合能源 / 獨立發電商	Calpine, Vistra, Constellation Energy	為資料中心提供配套天然氣發電或核電	部分公司股價已因 AI 電力概念大幅上漲
科技巨頭自有發電投資	微軟、亞馬遜(AWS)、Meta、Google	自建/簽約本地發電專案，包括核能(微軟-三里島)、天然氣、可再生能源	從純 PPA 買家轉向資產投資
燃氣輪機/內燃機	西門子能源(Siemens Energy)、GE Vernova、三菱重工	裝置供應商	GE Vernova 2024年獨立上市
燃料電池	Bloom Energy (BE)、FuelCell Energy (FCEL)、Ceres Power	SOFC/PEM 燃料電池系統	Bloom Energy 是資料中心本地發電燃料電池的標誌性公司
微電網/EMS	Schneider Electric, ABB, Eaton	微電網控制器、ATS、配電系統	跨行業工業巨頭
儲能	寧德時代(CATL)、比亞迪(BYD)、Fluence、Tesla Megapack	LFP 電池儲能系統	產能充足，成本持續下降
SMR	NuScale Power (SMR)、Oklo (OKLO)、X-energy、Kairos Power	小型模組化反應堆	多處於原型/審批階段，商業化時間線不確定
光伏元件	隆基綠能、晶科能源、通威股份等	光伏元件供應	中國廠商佔據全球主要產能

資本市場關聯

直接受益： 燃氣輪機制造商、獨立發電商(IPP)、燃料電池公司——訂單可見度提升。
間接受益： 電網裝置供應商（變壓器、開關櫃等需求也會隨資料中心建設增長）。
長期期權： SMR 概念公司——商業化尚遠，但 AI 核電敘事強勁，波動性極大。

投資邏輯

看多邏輯

結構性供需缺口： 電網擴容週期 >> 資料中心建設週期，本地發電是填補缺口的”時間差套利”方案，需求確定性高。
長期合約鎖定： 本地發電 PPA 通常為 10–20 年期，現金流量可預測，資產質量高。
政策支援疊加： 美國 IRA（通脹削減法案）對清潔能源本地發電有稅收抵免，疊加各州分散式發電激勵。
AI 敘事溢價： “為 AI 供電”是當前資本市場最清晰的 AI 基礎設施投資邏輯之一。

風險與不確定性

技術路線風險： 若 SMR 或其他新型發電技術在 2030 前實現突破，現有天然氣資產可能面臨擱淺風險。
天然氣價格波動： 本地天然氣發電的 LCOE 高度依賴氣價，大宗商品週期不可忽視。
電網加速擴容的反噬： 若電網建設大幅加速（政策干預/新技術），本地發電的緊迫性可能下降。
監管與環保阻力： 天然氣發電面臨碳排放約束收緊的風險，尤其是在有碳中和硬約束的地區。
AI 需求波動： 若 AI 訓練需求增速不及預期（技術瓶頸、商業化不達預期），資料中心建設放緩將直接影響本地發電需求。

投資節奏判斷

短期（1–3年）： 天然氣發電裝置與 EPC 公司受益最確定，訂單已在釋放。
中期（3–7年）： 燃料電池與先進儲能技術可能迎來規模化拐點。
長期（7年+）： SMR 若商業化成功，可能重塑本地發電的格局，但時間線高度不確定。

常見誤讀糾偏

❌ 誤讀 1：“本地發電可以完全替代電網接入”

糾偏： 對於百 MW 級資料中心，本地發電在現階段更多是**“先有電用”的過渡方案或基荷補充**，而非完全替代。完全離網執行在技術和經濟性上面臨諸多挑戰：燃料供應鏈可靠性、極端天氣下的冗餘度、裝置維護導致的計劃內停機等。多數實際部署方案是**“本地發電為主 + 電網為備用”或”電網為主 + 本地發電為補充”**的混合模式。除非選址偏遠且可靠性要求特殊，完全脫離電網的方案仍是少數。

❌ 誤讀 2：“光伏+儲能就是本地發電的終極方案”

糾偏： 光伏+儲能在成本和碳排放上有明顯優勢，但間歇性是結構性限制。在連續陰天/極端天氣條件下，純靠光伏+儲能難以支撐百 MW 級資料中心的 24/7 基荷需求（除非配置數天甚至數週的儲能，經濟性將急劇惡化）。在當前技術條件下，光伏+儲能更適合作為”降低度電成本的補充電源”，而非獨立的基荷方案。基荷仍需可排程電源（天然氣、核能等）支撐。

❌ 誤讀 3：“SMR 是資料中心本地發電的近期解”

糾偏： SMR 在敘事上非常吸引人（零碳、高能量密度、長壽命），但截至當前，全球尚無商業運營的 SMR 專案為資料中心供電。NuScale 的 UAMPS 專案此前已取消，其他公司的原型堆多處於設計評審或建設初期階段。從首次臨界到商業運營通常還需要多年。SMR 更應被視為 2030 年代的潛在選項，而非 2025–2028 年的現實方案。 將 SMR 納入當前資料中心電源規劃需要極高的風險容忍度。

❌ 誤讀 4：“本地發電的度電成本一定比電網貴”

糾偏： 取決於當地電網電價和本地發電技術路線。在部分美國市場，工商業電價（含需求費用）可達 $0.10–0.15/kWh 或更高，而本地天然氣發電的 LCOE 可能低至 $0.04–0.08/kWh [定性估算]。此外，本地發電可避免輸配電費用和需求響應附加費。但需注意，本地發電還需承擔裝置資本支出、運維人力、燃料合同管理等額外成本，全口徑成本需要逐案比較。

學習路徑

入門（建立直覺）

瞭解分散式發電的基本概念： DOE（美國能源部）關於分散式能源資源(DER)的定義與分類。
讀懂資料中心供電架構： 從電網到 PDU 到伺服器機架的電力流路徑，理解 PUE 的含義。
認識關鍵裝置： 燃氣輪機、內燃機、燃料電池、儲能電池各自的工作原理（科普級別即可）。

進階（理解產業）

研究典型專案案例： 微軟與 Constellation Energy 的核電協議（三里島重啟）、Bloom Energy 在資料中心部署的 SOFC 系統、Equinix 等資料中心運營商的本地發電策略。
學習 LCOE 計算方法： 理解資本回收因子(CRF)、運維成本、燃料成本、貼現率如何影響度電成本。
閱讀 IEA/IRENA 的分散式發電報告： 瞭解全球市場趨勢與政策環境。

深入（做出判斷）

研究各地區電網互聯規則： PJM/ERCOT/CAISO 的併網佇列資料，理解為什麼”等電網”的時間成本如此之高。
分析裝置製造商的產能與訂單管線： 燃氣輪機廠商的積壓訂單、交付週期、產能擴張計劃。
追蹤 SMR 與先進核能的監管進展： NRC 審批時間表、示範專案里程碑。
建置本地發電 vs. 電網接入的經濟性對比模型： 結合具體地區電價、氣價、光伏資源、融資成本進行敏感性分析。

一句話總結

本地發電是 AI 算力擴張遭遇電網基建時間瓶頸時的”物理層解法”——它不是最優的碳中和方案，卻是最現實的”先把 GPU 跑起來”方案；短期看天然氣裝置與 IPP，中期看燃料電池與儲能，長期看 SMR 的商業化賭注。

延伸閱讀與來源

IEA (國際能源署) —《Electricity 2024》及《World Energy Outlook》系列，對全球資料中心用電增長有權威預測架構。
美國能源部 (DOE) — Distributed Energy Resources (DER) 相關技術綜述與政策檔案。
EIA (美國能源資訊署) — 美國電力市場價格資料與發電結構統計。
Bloom Energy 年報與投資者資料 — 瞭解 SOFC 在資料中心應用的技術細節與商業案例。
GE Vernova / Siemens Energy 年報 — 燃氣輪機訂單管線與產能展望。
彭博新能源財經 (BNEF) — 儲能與分散式發電的 LCOE 追蹤資料。
NERC (北美電力可靠性公司) — 電網可靠性評估報告，瞭解電力供需緊張態勢。
各資料中心運營商(微軟、亞馬遜、Meta)的可持續發展報告 — 揭露其電源策略與本地發電投資。

本文所有度電成本、市場規模等定量資料均為定性估算或行業普遍引用區間，具體專案需以實際測算為準。無確切來源的數字已標註 [估算] 或 [定性估算]，請勿直接用於投資決策。