全球电网级储能的商业模式，正在从"找一个好市场"转向"把一块电池的每一天都卖出价"。2026 年 9 月 3 日，牛津大学工程科学系与博科尼大学的研究团队在 arXiv 公开论文《Lifetime Profit-Maximising Co-optimisation of Multi-Service Stacking for Battery Storage》（arXiv:2609.03767），用一套老化感知的滚动时域优化框架，系统回答了一个此前没人完整回答过的问题：一块电池在现货套利与六项频率响应服务之间的最优分配，应该怎样随它自己的衰老而调整？
这个问题的产业分量不亚于它的学术分量。中国新型储能装机已站上亿千瓦时量级，但电站收益测算普遍停留在"静态价差 × 循环次数"的粗颗粒度——电池衰减被当作财务模型末端的折旧项，而不是进入每一笔交易决策的实时变量。论文的量化结论给出了纠偏的空间尺度：相对无视退化的运行基准，老化感知策略最多能把全寿命收入提升 32%；而更高保真度的退化建模，在老化感知的基础上还能再贡献最多 16%。两者叠加，意味着仅靠"更聪明的调度软件"，一块电池的终身产值就有三成以上、叠加上限约五成半的重估空间——不需要换一颗电芯。
本文基于论文原文独立撰写，做四件事：还原英国市场的多服务堆叠制度环境（EAC 平台与 NESO 的能量管理纪律）；逐层拆解老化感知共优化的建模方法；推导 32% 与 16% 两个数字的含义与边界；最后做工程推演——把这套方法平移到中国市场的制度差距在哪里，价值量有多大。文末附行业分析四件套：产业链利润池、竞争格局量化、市场规模情景与上游风险。
先交代这篇论文的坐标。它研究的是英国市场环境下的电网级电池储能（BESS）：在电力批发市场（日内现货）与频率响应市场（六项动态频率响应服务）之间做联合决策。选择英国不是因为英国储能规模最大，而是因为英国的制度环境把"堆叠"这件事推到了最复杂的形态——统一拍卖平台 EAC 允许同一资产同时投标多个服务，系统运营商 NESO 的能量管理规则又对电池的荷电状态施加了严密的合规约束。制度复杂度越高，优化空间越大，这正是论文选择 GB（大不列颠）市场的原因。
| 项目 | 内容 |
|---|---|
| 标题 | Lifetime Profit-Maximising Co-optimisation of Multi-Service Stacking for Battery Storage |
| 作者 | Yuxin Xia（通讯作者）、Frederik Schiele、Yihong Zhou、Volkan Kumtepeli、David Howey、Thomas Morstyn（牛津大学工程科学系 / 牛津马丁学院）；Iacopo Savelli（博科尼大学） |
| 编号与时间 | arXiv:2609.03767v1 [math.OC]，2026 年 9 月 3 日提交 |
| 研究对象 | 电网级磷酸铁锂（LFP）储能的跨市场收入优化 |
| 市场环境 | GB 市场：EPEX SPOT 日内市场 + NESO 的 EAC 频率响应拍卖平台 |
| 方法核心 | 老化感知滚动时域（MPC）共优化 + SimSES 高保真电池模型闭环验证 |
| 关键结论 | 老化建模最多提升全寿命收入 32%；高保真退化模型再加最多 16%；正频偏服务系统性占优；最优服务组合随电池老化演化 |
论文的文献定位也值得交代。作者梳理了十一篇相关研究后发现此前的三个空档：多数老化感知研究只考虑循环老化、不考虑日历老化；多数只优化单一服务（比如纯套利，德国市场曾实现约 30% 的寿命盈利改善）；涉及英国频率响应的研究要么只碰单一服务、要么用规则式循环上限替代显式退化成本。此前尚无研究回答过"多个服务的最优分配如何随电池老化演化"——这正是本文的核心贡献：把"寿命"作为状态变量，而不是外部给定的折旧参数。
论文信息卡之外，还需要两个背景数字来感受问题的量级。其一，锂离子电池预计占 2030 年 GB 电网级储能部署的约 90%，其中 LFP 份额从 2022 年的约 60% 升至 2030 年的 70% 以上——LFP 的循环寿命长、OCV 曲线平坦，是"算寿命账"的合适对象。其二，英国辅助服务统一拍卖平台 EAC 上线首年，辅助服务加权均价从 3.99 英镑/兆瓦时跌到 1.77 英镑/兆瓦时，跌幅 56%——单一服务收益的价格坍塌，正是"堆叠"从可选项变成必选项的市场推手。
把问题讲到最简：一块电网级电池同时能挣钱的方式，在英国市场上是"1 + 6"——1 项基线套利（在 EPEX SPOT 日内市场低充高放）加上最多 6 项频率响应服务合同（三类服务 × 高低频两个方向，下文详述）。这七条收入渠道共享同一个物理资产：有限的电池容量（兆瓦时）与有限的变换器功率（兆瓦）。给频响合同留的容量多了，套利的吞吐量就小；把电池充到高位博取频响激活收益，日历老化又会加速。
耦合不止于容量。频率响应服务的可用性与电池的荷电状态（SoE）直接绑定：签了低频服务（频率跌破死区时放电），电池必须在合同期保持足够的可放电能量；签了高频服务（频率越过死区时充电），电池必须留出足够的可充电空间。而系统运营商 NESO 自 2025 年 4 月起对违规实施处罚，合规本身成为硬约束。于是每一笔交易决策都是三重权衡：今天的收入、明天的容量占用、全寿命的退化成本。
核心矛盾在这里显形：所有市场信号都是短周期给出的，而电池的账是长周期算的。现货价格以半小时结算期滚动，频响合同以四小时 EFA 块组织，出清价每期刷新；但电池的退化是月与年尺度上缓慢累积的不可逆过程——SEI 膜生长、活性材料损失、锂库存损失，每一天的每一个决策都在给这条衰减曲线增加一个微分增量。用短周期的贪婪优化去管理长周期的资产寿命，就像用秒级心跳数据规划一生的心脏预算：每一秒都理性，加起来可能是灾难。
论文用一组对照实验量化了这种"短视税"：老化感知策略相对完全不考虑退化的基准策略（No ageing），全寿命收入最多提升 32%。这个数字的含义需要精确理解——在同样的物理资产、同样的市场数据下，仅仅因为调度决策没有把退化成本计入目标函数，电池的全寿命收入就少了近三分之一。损失来自两个方向：一是"过劳"，在退化成本超过边际收益的时段仍然频繁循环；二是"过闲"，为了避免退化而过度保守，放弃了实际上划算的交易。
要理解优化的难度，先要理解被优化对象的复杂度。英国自 2020 年起逐步推出三类动态频率响应（DFR）服务，2023 年 11 月统一到 EAC（Enduring Auction Capability）平台联合出清。三类服务按响应速度与持续时间分工：
| 服务 | 职能定位 | 启动/达满时间 | 持续交付 |
|---|---|---|---|
| DC（Dynamic Containment） | 大扰动后的快速频率遏制 | 0.5 秒 / 1 秒 | 15 分钟 |
| DM（Dynamic Moderation） | 高频波动期的快速稳定 | 0.5 秒 / 1 秒 | 30 分钟 |
| DR（Dynamic Regulation） | 持续的慢速频率校正 | 2 秒 / 10 秒 | 60 分钟 |
每类服务分高频（H，响应频率高于死区、电池充电）与低频（L，响应频率低于死区、电池放电）两个变体，共六个产品。电池可以单方向或双向签约，也可以同时投标多个服务——前提是功率能力在数学上可行。这六个产品加上现货套利，构成了前文所说的"1 + 6"收入结构。
激活机制用一个死区设计。系统频率在 49.985—50.015 赫兹之间（±0.015 赫兹死区）时服务不激活；频率越出死区，签约资产按频率偏差比例出力——高频偏差（超过 50.015 赫兹）触发高频服务、电池充电吸收过剩功率；低频偏差（低于 49.985 赫兹）触发低频服务、电池放电填补缺口。论文给了一个便于换算的例子：系统频率跌到 49.9 赫兹时，一份 4 兆瓦的低频 DR 合同在激活系数 α=−0.5（低频方向、50% 激活水平）下需交付 2 兆瓦放电，对应每个半小时结算期 1 兆瓦时的响应能量。报酬按可用性支付——签约功率乘以出清价（英镑/兆瓦/小时），不管是否真的被激活，"在场"本身就有价格。
交易的时间颗粒度是双层嵌套的。合同与六个 EFA 交易块对齐，每块四小时（从 23:00 起的六个块），块内含八个半小时结算期（SP）。报价在日前提交，出清后合同期内电池必须时刻保持履约能力。这种"四小时合同 × 半小时合规检查"的嵌套结构，正是第五章 SoE 纪律的舞台。
对比中国市场，这一节的制度差异已经显现：中国多数省份的调频市场按调节里程与性能系数结算，品种以一次调频、二次调频（AGC）为主，备用市场与现货的联合出清刚刚起步（参见《电力现货市场》篇的机制综述）。"六产品矩阵 + 统一拍卖 + 双向同时签约"的制度复杂度，英国目前走得更远——这也意味着那里的优化方法论，对中国是"提前量"而非"现成答案"。
论文方法部分的真正难点，不在优化目标，而在把 NESO 的能量管理规则翻译成优化模型里的约束。这一节把关键规则用公式过一遍，读者可以看到"合规"两个字在数学上的分量。
规则一：合同响应能量体积（CREV）。每份合同规定一个响应能量基准：CREV = 合同功率 × 交付时长。对低频方向（放电），三类服务的交付时长不同（DC 15 分钟、DM 30 分钟、DR 60 分钟），折算到统一的能量基准：
系数 ¼、½、1 分别对应 15、30、60 分钟的时长折算。这个量是低频服务的"弹药基数"：电池必须随时能拿出这么多放电能量。
规则二：动态最低 SoE 要求（MSER）。每个 EFA 块开始时，MSER 等于 CREV；此后每个结算期滚动更新：
其中 FRE(t) 是上一结算期实际交付的频率响应能量，adj4(t) 是实施的恢复调整量。每个 SP 开始时，电池上报的 SoE 必须满足双重检查：
两条不等式的直观含义：签了低频合同，就不能把电放光；签了高频合同，就不能把电充满。双向签约的电池被夹在一个滑动窗口里，窗口宽度由两个方向的合同规格共同决定。
规则三：恢复机制与四结算期延迟。频率响应交付消耗（或充入）的能量需要通过基线充放电恢复，但恢复不能即时执行：SP1 交付的能量最早只能在 SP5 恢复（SP5 的基线须在 SP2 提交），即 adj4(t) = adj0(t−4)。单个结算期内的最大恢复量 ER = 20% × CREV。这四期延迟的存在，使得"补能量"本身成为一个需要提前两期规划的决策——优化模型的约束矩阵因此多出一个跨期耦合维度。
规则四：方向备用。双向合同须在日前投标阶段预留恢复备用功率，按 DC/DM/DR 报价功率的 10% / 20% / 40% 确定（恰好等于在一个半小时 SP 内恢复 20%×CREV 所需的功率）。单向合同时，全部备用压到非合同方向。备用、基线充放电与频响出力三者共享额定功率 Pmax——功率预算是三本账一起算的。
把这四条规则叠加，可以体会论文优化问题的复杂度：决策变量包括每个结算期的基线充放电功率、六个产品的签约功率（含方向二进制的组合逻辑）、以及恢复调整的时序安排；约束包括功率互斥、SoC 递推、MSER 滑动窗口、四期延迟、方向备用——全部要在混合整数线性的框架内表达，才能被商用求解器消化。论文第 3.1 节用了整整一张缩写表来管理这些约束的符号系统，足见其工程密度。
框架的骨架是模型预测控制（MPC）的双组件闭环。第一个组件是优化模型：一个简化的电池表示（线性功率、效率、SoC 递推）加上第四章的全部合规约束，目标是最大化收入减去退化成本。第二个组件是高保真电池模型：开源框架 SimSES 中的等效电路电芯模型、OCV 曲线、半经验老化模型与变换器效率模型。两者的协作方式是：优化模型以两天为规划时域、一天为控制时域滚动决策，首日的功率轨迹下发到高保真模型执行；高保真模型反馈真实的 SoC 与 SoH 演化，作为下一轮优化的初始状态。闭环迭代直到电池到达寿命终点（SoH 低于 80%，厂商保修阈值），整个"数字孪生职业生涯"就此完成。
退化建模是第二个技术要点。论文采用半经验模型路线，日历老化与循环老化分开刻画，两者对累计容量损失都呈平方根依赖。日历老化在十五分钟分辨率上计算，输入是该时段的平均荷电状态——电池闲在高 SoC 与闲在低 SoC 的衰老速度不同，这是"闲着也是成本"的数学表达；循环老化在四小时分辨率上计算，输入是该窗口的充电与放电吞吐量（分开建模）——吞吐的边际退化成本随累计退化上升，越老的电池每度电吞吐越贵。
平方根依赖放进线性优化框架需要近似，论文用了两种精度：单段仿射（L）与分段线性（PL，用 SOS2 变量在断点上插值）。退化成本的目标函数形式为：
其中 πloss 是单位容量损失的经济价值（每千瓦时容量损失对应的货币成本），分母 (1 − 80%) 把"从全新到报废的可用容量损耗"归一为成本分摊基准。这个公式把一个微妙的事实显式化了：退化成本不是期末一次性结转的会计项，而是每个决策时段按边际计入的机会成本——今天多循环一度电，等于提前预支了电池的末段寿命。
对照实验的设计因此顺理成章：六个优化配置，按"老化范围"（仅循环 / 日历+循环）与"公式精度"（仿射 / 分段线性）两维排布，外加两个基准（完全不考虑老化的 No ageing、用规则式日循环上限替代显式退化成本的 Cycle limit）。六种配置在同一套真实市场数据、同一颗数字孪生电池上各跑一遍全寿命，收入曲线的分歧就是方法论的定价。
论文的量化结果可以浓缩为四条，每条都有独立的产业含义。
第一条：老化建模价值 32%。老化感知策略相对退化不可知基准，全寿命收入最多提升 32%。这个"最多"值得展开：收益来源不是单一机制，而是三类决策修正的叠加——避开退化成本高于边际收益的循环（尤其在高吞吐、高 SoC 的组合区）、把闲置时段的荷电状态调度到日历老化更友好的区间、以及在频响合同报价中为"退化更贵的晚年"留出调整空间。
第二条：模型保真度再加 16%。在老化感知的基础上，把退化模型从简单仿射升级到分段线性（更贴近平方根真实曲线），全寿命收入还能再提升最多 16%。两条叠加的直观读法：从"完全不算账"到"粗算账"值 32%，从"粗算账"到"细算账"再值 16%——边际收益递减，但绝对量依然可观。对工程团队的启示是：退化模型的精度本身就是资产，值得投入测试与标定。
第三条：正频偏偏好。在所有测试策略中，响应正频率偏差的高频服务（DCH/DMH/DRH，电池充电方向）始终优于低频变体。本文从机制上给出两点解释：其一，高频服务在充电方向，与套利的低谷充电天然协同——基线充电的同时顺手承接频响激活，一份功率两份收益；低频服务（放电方向）则与低谷充电争抢功率预算。其二，市场结构本身偏向高频：2024 年三类服务的高频采购量均高于低频（以 DR 为例，高频全年累计采购约 75.7 万兆瓦，对低频约 66.0 万兆瓦），需求侧的不对称传导到收益侧。这个结论的操作含义很直接：投标组合应系统性地向高频变体倾斜，除非低频出清价出现显著溢价。
第四条：策略随电池的一生演化。电池年轻时（SoH 充裕、循环退化的边际成本低），最优策略是激进的高吞吐组合——优先基线放电叠加快速频响（DC 类短平快产品）；随着退化加深（循环老化的边际成本上升），最优组合逐渐转向服务多样化——用更温和的 DR 类长周期产品与更克制的套利节奏摊薄单位吞吐的退化成本。论文的核心命题在此收束：全寿命利润最大化的本质，是让服务组合跟着电池的年龄走。静态的"最优策略"不存在，存在的只有"某岁的最优策略"。
贴现率的分析是第四条的时间维度补充。低贴现率下（远期收益权重高），最优策略倾向平衡日历与循环老化、给电池"养生"，换取更长的寿命尾部；高贴现率下（近期收益权重高），策略倾向激进运行、尽早收割——哪怕寿命缩短。财务参数由此穿透到物理调度：资本成本不同的业主，对同一块电池会做出截然不同的运行决策。这对中国市场的启示尤其尖锐——高杠杆的储能项目天然贴现率高，天然倾向"榨取式"运行，而"榨取式"运行会在电力市场的供给侧制造一批"中年早衰"资产。
论文的结论建立在 GB 市场的制度土壤上，平移到中国需要逐项核对边界。这一节做一次工程推演，把差距列成清单。
差距一：服务品种的丰富度。EAC 的六产品矩阵（三速度 × 双方向）加现货套利，构成了组合优化的决策空间；中国多数省份的储能可参与品种目前是"调频（里程结算）+ 现货价差 + 容量补偿"的三件套，部分省份试点一次调频市场与爬坡品种。决策空间小，优化的边际收益自然缩水——但方向是明确的：全国统一电力市场文件已明确"调频、备用辅助服务市场与现货市场联合出清"与"探索爬坡等新型辅助服务品种"（参见《省间壁垒的黄昏》），品种扩容是方向较为确定的制度演进。
差距二：合规规则的可计算性。NESO 的 MSER 递推、四期延迟、方向备用是一套边界清晰、可数学化的规则体系，论文的建模之所以可行，前提是规则本身无歧义。中国各省对储能参与调频的 SOC 约束多为原则性表述（如"原则上不低于 10%"），颗粒度与可执行性参差，优化模型需要等规则细化后才有用武之地。规则的可计算性，本身就是市场成熟度的指标。
差距三：退化成本的中国式缺位。这是最有现实冲击力的一条。国内储能项目的收益测算与招标评审，普遍使用"循环次数 × 单次价差"的静态模型，退化成本以年限折旧粗略处理，不进入运行决策。论文的 32% 上限值给出的量级参照意味着：静态模型的系统性误差可能是两位数百分比级别的——项目全投资内部收益率被高估（或个别场景低估）的幅度，足以逆转投资决策。容量电价机制（114 号文，参见《容量电价 2.0》）为储能提供了"底仓收益"后，剩余收益的分配恰恰取决于调度优化的水平——底仓越稳，优化的边际价值越显。
差距四：数据与模型的本地化。论文的退化模型参数基于特定 LFP 电芯的测试数据（Naumann 等人的半经验模型系）；中国主流电芯厂家、不同批次产品的老化特性存在分散性，膝点（非线性加速退化的拐点）位置差异尤其大。高保真退化建模要在中国落地，需要电芯级测试数据的积累与标定体系——这本身是一个待建的市场（延寿检测、老化标定、残值评估服务）。
差距五：谁来做优化。GB 市场的优化主体是储能资产运营方（业主或代运营）；中国市场多了一层"聚合"变量——独立储能电站自营运维，分布式储能多经虚拟电厂聚合参与（参见《配电网革命》）。聚合模式下，老化感知优化的颗粒度从电站级下探到资产级，复杂度上升，但软件的价值量同步放大：聚合商的核心竞争力，恰恰是论文所展示的"跨资产、跨市场、跨寿命阶段"的联合优化能力。
五条差距合成的判断：中国版多服务堆叠的制度空间正在打开（品种扩容 + 容量底仓 + 聚合模式），方法论供给（老化感知优化）目前接近空白。空白期，就是软件与运营服务的市场窗口期。
这篇论文对产业链的最大启示，是标出了利润池迁移的方向：从硬件毛利率转向运营决策的智力溢价。把储能价值链拆开看：
| 环节 | 现行利润逻辑 | 堆叠时代的利润逻辑 |
|---|---|---|
| 电芯（LFP） | 规模驱动的制造成本曲线，价格战压缩毛利 | 寿命一致性（老化分散度）成为差异化参数——同一批次电芯的衰减曲线越收敛，电站级优化越有效 |
| 系统集成/PCS | 项目制交付，低毛利内卷 | 高功率快速响应能力（DC 类 0.5 秒级）打开频响市场的硬件门槛 |
| EMS/交易决策软件 | 调度执行工具，按项目打包贱卖 | 收入优化中枢：老化感知 + 多市场联合决策，32%/16% 的寿命溢价就是软件的定价锚 |
| 电站运营/代运营 | 充放电执行与运维，人力密集 | 收入分成模式：优化带来的增量收益直接变现，运营方与业主共担共享 |
| 延寿与残值服务 | 基本空白 | 老化标定、膝点预警、二手电芯残值评估——堆叠经济学的副产品市场 |
| 聚合商/虚拟电厂 | 需求响应补贴套利 | 跨资产联合优化（含异质退化状态）成为核心竞争力 |
利润池的再分配逻辑一目了然：硬件环节的价格战把毛利压到个位数百分比，而运营侧一块电池的终身产值存在 30%—53% 的优化空间（32% 与 16% 叠加，上限约 +53%）。价值的天平从"造电池"向"用电池"倾斜——这与本站在《储能价格战两年腰斩之后》中的判断形成呼应：产业链利润正从制造环节向运营与服务环节迁移，论文恰好为迁移的幅度提供了学术量级。
电芯环节有一个容易被忽视的细节：论文的老化建模依赖电芯老化特性的一致性——同一电站内电芯衰减曲线分散度越大，"按平均模型优化"的误差越大。这为电芯厂商提供了价格战之外的差异化赛道：不是更便宜，而是"更可预测"。把批次级老化数据随产品交付（数据护照），让电站级优化模型可以直接标定，这类增值服务在堆叠时代有明确的付费方。
储能堆叠价值链的竞争格局，需要分环节量化。
电芯环节：CR3 约 55% 的高集中度。本站在《负电价时代》篇中测算过，中国储能电芯环节 CR3 约 55%（头部三家厂商合计份额，NewdPower 据公开出货数据测算），集中度处于"寡头主导、二线追跑"的格局。堆叠时代对电芯的要求（寿命一致性、老化数据可交付）会进一步抬升头部厂商的系统性优势——测试数据积累、批次质量管理都是重资产能力。
系统集成与海外 BESS 交付：头部竞速。全球电网级储能系统交付市场由几家头部厂商竞逐（中国厂商与欧美专业集成商并存），GB 市场的 BESS 供应同样高度集中于具备 GW 级交付记录的厂商。这个环节的竞争要素正在从"每瓦时报价"转向"全寿命性能承诺"——论文式的寿命经济学会逐步进入招标评审的技术权重。
EMS/交易优化软件：高分散、无定价体系。这是最值得关注的低集中度环节。国内能量管理系统长期作为项目配套打包交付，缺乏独立定价；交易决策优化（尤其老化感知这类需要电池模型与优化算法深度耦合的能力）尚处早期，参与方包括电站自动化厂商的软件部门、独立软件团队与聚合商自研团队。参照论文揭示的价值量（终身收益 30—50% 的优化空间），这个环节存在诞生独立软件品类（电站收入操作系统）的可能——目前的格局类似 2015 年前后的光伏电站运维：需求已现，供给未成体系。
运营与聚合：跑马圈地期。代运营与聚合服务的市场集中度尚无稳定数据，全国虚拟电厂运营商在百家量级（省级试点准入为主）。可以确定的是：一旦"按收入分成"的商业模式跑通，这一层会快速向具备优化能力与风险承受力的头部收敛——分成模式天然奖励规模与数据积累的复利。
把论文的启示折算成市场规模的量级：测算对象是中国新型储能的"年堆叠运营毛收入池"——所有电站通过现货套利、辅助服务、容量补偿、需求响应组合获得的年度毛收入总和（不含投资本体，只算运营收益流）。测算时点取 2028 年。
| 参数 | 保守情景 | 基准情景 | 乐观情景 |
|---|---|---|---|
| 2028 年新型储能装机（吉瓦） | 130 | 160 | 200 |
| 单兆瓦年堆叠毛收入（万元/MW·年） | 5 | 7.5 | 10 |
| 年堆叠毛收入池（亿元） | 650 | 1200 | 2000 |
| 软件与优化服务可捕获比例 | 10% | 15% | 20% |
| 优化服务市场（亿元） | 65 | 180 | 400 |
参数说明与算式。装机档位对应不同的规划落地节奏：130 吉瓦为当前在建与核准项目的基本盘，160 吉瓦对应"十五五"中期的规划目标路径（国家层面曾提出 2027 年新型储能装机 1.8 亿千瓦以上的方向性目标），200 吉瓦包含 AIDC 配储与独立储能的加速情景（参见《AIDC 储能爆发前夜》对算电协同的拆解）；2027 年的 1.8 亿千瓦目标为方向性指引，保守与基准档位已考虑目标进度不及预期的情形。单兆瓦年毛收入档位的折算口径：以 1 兆瓦 × 2 小时的典型独立储能计，扣除充电成本后的度电净价差按 0.15—0.25 元、年等效循环 250—330 次计，套利项毛收入约 8—16 万元；但堆叠运行时频响合同占用充放电窗口、容量义务限制荷电区间，套利吞吐需要打折，且多数省份的价差正处在收敛通道；叠加调频里程与容量补偿的增量（折算约 1—3 万元每兆瓦年）后，5 / 7.5 / 10 万元每兆瓦的档位刻画的是"价差走低、多服务分摊"的净结果，未计入容量电价全面放开的增量。毛收入池 = 装机 × 单位毛收入：130×5 = 650 亿元，160×7.5 = 1200 亿元，200×10 = 2000 亿元。
第二行"可捕获比例"是本文的关键假设：优化软件与服务商能从毛收入池中分走的比例（按节省退化成本、提升签约效率、改善投标组合的增量分成折算）。参照论文 32% 的寿命收入提升上限与运营分成行业惯例（增量收益的 20—30% 分成、软件订阅费），10—20% 的捕获区间是偏保守的设定。对应优化服务市场 65—400 亿元：这是"会算账"这个能力在 2028 年的市场定价，基准情景 180 亿元的量级，足以支撑一个专业软件与运营服务的产业生态。
敏感性结构上，这个测算与政策篇的毛利池测算形成对照：统一市场篇的敏感变量是度电服务毛利，本篇的敏感变量是单兆瓦年毛收入——它同时封装了价差水平、循环次数、辅助服务价格与容量补偿四个子变量，是储能运营经济学的综合温度计。三个情景之间 3 倍的落差，本质上是对"中国储能收益模式单一化会持续多久"这一问题的三档回答。
堆叠经济学的价值链上游，蹲着四颗雷。
第一颗：电芯价格与产能周期。优化软件的价值量与电站存量规模成正比，而存量增速受电芯供给周期扰动——碳酸锂价格反弹或产能收缩会推迟项目落地（本站在《光伏鏖战 0.72 元/W》记录过光伏产业链的同类周期）。更微妙的是，电芯价格波动还会扭曲退化模型的经济参数：πloss（单位容量损失的价值）锚定重置成本，电芯涨价会让"延寿"更值钱，跌价则相反——优化策略的目标函数本身是随上游价格浮动的。
第二颗：老化模型的外推风险。半经验退化模型基于特定电芯的测试数据外推，换厂家、换批次、换工况（温控水平、倍率分布）都可能让预测偏差累积；膝点位置（非线性加速退化的起点）的预测误差尤其致命——若真实膝点早于模型预测，按"细水长流"策略运行的电池会突然进入加速衰减通道，全寿命收益测算系统性落空。论文用 SimSES 高保真闭环控制了这个风险的一部分，但数字孪生与实体电池之间永远存在残余 gap。
第三颗：市场规则变更。NESO 的能量管理规则 2025 年 4 月起才配套处罚机制，规则仍在演化；EAC 平台首年均价腰斩（3.99→1.77 英镑/兆瓦时）的先例说明：平台效率的提升会以更低的出清价传导给资产方。中国市场同理——辅助服务品种每扩容一轮，价格形成机制就可能重洗一次；广东调频市场里程价的历史走势已经演示过"品种放量 → 收益摊薄"的路径。优化策略的市场参数（各服务的预期价、波动率）需要持续再校准，"一次建模、终身受用"在开放市场中不存在。
第四颗：合规与数据风险。老化感知优化需要电站级的细颗粒运行数据（SoC、SoH、温度、吞吐），这类数据的产权、共享边界与安全等级在中国尚无成熟规范；聚合模式下多业主数据的汇聚使用，还会触碰数据合规的敏感线。规则若收紧，优化模型的输入维度可能被迫降级——"会算账"的前提是"看得见账本"。
本文的分析与论文本身各有边界，需向读者明确。
论文侧的边界有五。其一，32% 与 16% 均为论文报告的上限值（up to），具体场景下的改善幅度取决于市场价差结构、电池参数与基准策略的初始假设，不可直接线性外推。其二，优化模型使用简化电池表示（归一化 SoE 作为 SoC 代理），依赖 LFP 平坦 OCV 与中等倍率的假设，高倍率或非 LFP 化学的场景需重新标定。其三，平方根退化依赖的线性/分段线性近似在极端工况下存在拟合误差，高保真闭环只部分弥补。其四，两天规划时域的有限预测，无法覆盖跨季节的价格结构变化。其五，论文的市场环境是 GB 单一市场，跨国、跨市场堆叠的耦合未涉及。
本文侧的边界另有四点。其一，本文对论文的解读基于 arXiv 预印本（v1，2026 年 9 月 3 日），后续期刊评审版本可能有修订。其二，市场规模测算的"可捕获比例"（10—20%）为行业惯例推断，缺乏公开分成数据的锚定，测算意义在数量级而非精确值。其三，单兆瓦年毛收入档位（5/7.5/10 万元）综合了多省现货价差与辅助服务试点的公开信息折算，各省差异极大，档位设定偏保守。其四，"中国版差距清单"是基于当前规则文本的工程判断，规则演化速度快于分析周期，部分差距可能在短期内收窄或扩大。
这篇论文的价值，不在于给出一个"最优策略"——论文自己证明了最优策略随电池年龄、贴现率与市场结构而变，静态答案不存在。它的真正贡献是把储能运营的决策框架从"每一笔交易怎么挣钱"升级为"一块电池的一生怎么安排"：退化是状态变量，寿命是预算约束，收入是路径泛函。32% 与 16% 两个数字，则给这个框架的商业价值标定了量级——足够大，大到值得把电池模型、市场模型与优化算法做成一个独立的软件品类。
对中国市场，本文的落点是三个"提前量"：制度端，多服务品种与联合出清正在路上（可对照全国统一电力市场文件的时间表）；供给端，老化感知优化能力接近空白，窗口期属于先建立数据与模型壁垒的团队；资产端，高杠杆项目与"榨取式"运行的耦合值得行业预警——容量电价稳住了底仓，但底仓之上的收益率分化，将由运营智商决定。
后续跟踪这一方向，建议盯住以下观察指标：
| 观察维度 | 指标 | 信号意义 |
|---|---|---|
| 制度扩容 | 各省爬坡、备用等新品种的落地节奏 | 堆叠决策空间的扩容速度 |
| 规则可计算性 | 储能 SOC 合规约束的颗粒度与数学化程度 | 优化模型能否精确建模 |
| 收益结构 | 单兆瓦年毛收入：价差 + 调频 + 容量的构成变化 | 堆叠经济学的综合温度计 |
| 软件商业化 | EMS 独立定价、收入分成模式的合同出现 | "电站收入操作系统"品类的诞生 |
| 数据资产化 | 电芯老化数据护照、批次级衰减曲线交付 | 硬件差异化的服务化转向 |
| 残值市场 | 二手电芯交易与老化标定服务的出现 | 延寿经济学的副产品市场成型 |
一块电池的职业生涯，短期由市场写，长期由化学写，而真正决定它一生成就的，是那个替它做决定的大脑——这篇论文告诉这个行业：这个大脑值多少钱，现在可以算出来了。
来源：arXiv:2609.03767v1《Lifetime Profit-Maximising Co-optimisation of Multi-Service Stacking for Battery Storage》（Yuxin Xia 等，牛津大学 / 博科尼大学，2026 年 9 月 3 日，CC BY 4.0），本文所有论文细节（EAC 平台数据、DFR 服务规格、SoE 管理规则、方法框架与量化结论）均取自论文原文独立解读撰写；GB 市场与 NESO 制度背景取自论文引述；中国市场制度与数据参照本站既有研究（现货市场、容量电价 2.0、AIDC 储能、配电网革命、负电价时代诸篇）及国家发改委、国家能源局公开文件；市场规模与竞争格局测算为 NewdPower 独立估算。观点仅供参考，不构成投资建议。