AI赋能，储能走向智慧化

文 | 本报记者 渠沛然

“十四五”是储能由商业化初期向规模化发展转变的关键阶段，为推动“十四五”新型储能高质量规模化发展。目前，已有25个省（市）规划了“十四五”期间的新型储能装机目标及具体规划，推进源网荷储一体化和多能互补发展，到2025年，预计新型储能装机目标将达到67.85GW。

(资料图片仅供参考)

乐创能源CTO常伟

“目前全产业面临机遇与挑战并存、优势与短板同在、竞争与合作交织的复杂局面，价格竞争以及产品同质化尤为突出，产品性能与技术水平仍有待提高，供应链产业链安全稳定可控方面亟待加强，与智能化、数字化等交叉融合的新技术、新业态仍需加强。”中国化学与物理电源行业协会储能应用分会秘书长刘勇在日前举办的第二届新型储能产业高质量发展大会上表示。

2023新型储能典型应用与发展态势分析报告（二季度）也指出，当前，储能设备厂家的“同质化”较为严重，寻求技术突破是行业推动储能行业发展的核心动力。特别是解决储能行业主要面临的成本、寿命、安全等难点痛点问题，促进储能行业的商业化、规模化发展。

“储能的应用场景非常复杂，既包括面向 B 端的源侧、网侧产品，也包括面向 C 端的户储、充电桩。如果没有大模型作为基石，储能行业想实现应用场景的适配会非常困难。”乐创能源CTO常伟解释道，“应用大模型后，我们可以轻易地描述不同材料体系电化学电池最适配的应用场景，并做好安全预测、故障溯源、健康评估和功率预测。”

储能行业爆发式增长的背后，行业的属性仍然保有传统电力工程行业的一些特征，随着储能市场规模化的发展，风险因素被放大，逐渐有越来越多的储能企业开始关注到智能化对于储能运营的重要价值。

记者从会上了解到一组数据：2022年，电化学储能平均综合效率77.95%，平均转换效率80.83%，投运5年以上的电站能效情况远低于其他投运年限电站。按当前平均数据，储能电站每次冲放损耗的电量超过20%。

除效率亟待提升外，安全事故问题也不容忽视。瞄准提效与零事故，电化学储能为什么需要 AI？

常伟表示，“储能之所以需要算法支持，是因为在管理难度最大的就是电池，这意味着传统能源管理的基于功率性管理的模式，需要转化为基于电池能源为核心的能源管理模式。“电化学材料体系的衰减、热失控等关键机理变化，无法通过在线测量多种内部指标的方式进行观测，所以AI数据驱动+电化学材料机理模型是目前可行的进行电池管理的主流模式，同时还将IRR提升3%，降低运维成本30%。”常伟说，“在我们的新的储能架构平台下，算法才能够有机的和硬件软件协同产生更大的作用。“例如，我们对电池热失控的预测可以达到97.37%以上，能够通过组件的协同，减少85%的故障，并且将预测型算法和优化类算法的融合，达到虚拟电厂效能10%的提升”。

同时，为摆脱同质化竞争，业内开始重新认识储能——与传统基建“重建设、轻运维”所不同的是，储能设施作为一种新基建，除了对设备端安全性、经济性的重视，电站运维能力也是衡量企业竞争力的重要维度。

“储能的未来和终局思维是数字化、智能化技术的发展和大规模应用，算力时代，能源管理要不断迭代。”乐创能源董事长潘多昭表示，未来的智慧储能是工程技术、自动化技术和新一代信息技术的融合。”

储能下半场，智能化将成为新常态。

“我们希望以AI+储能为突破口，用数字化手段去解决那些没有被彻底解决的创新问题，为行业带来一个新的科技树，引入自研的天将大模型算法群，驱动着能源管理系统（EMS）、虚拟电力厂（VPP）和预测性健康管理（PHM）等各个方面的功能去实现更全面、更智能的能源管理。”潘多昭表示。

“比如我们最新发布的悟空储能MAGIC系列全新产品与基于大模型框架的energyGPT、算法群、大模型等系列产品矩阵，就包括智慧能源AI算法群+大模型系统、业界第一款AI算法安全管理平台和3S融合动态重构BPMS。这是业内第一次实现算法群融入终端设备。”潘多昭透露，目前这是在通用大模型的基础上开发的一款行业大模型系统，这也意味着储能产业已经向能源大模型时代跨出重要一步。

多位与会人士表示，储能的未来，是朝着云+端智能协同的方向发展。云、大数据、AI、边缘计算等技术全面赋能储能系统的安全、运维以及运行经济效益成为趋势。仅仅是针对热失控这一点，AI+数字孪生就能作为实现储能行业智能化、数字化的重要手段之一。

随着技术的不断进步和发展，储能技术的应用范围会不断扩大，同时，AI技术也会不断优化储能设备的使用效率和储能装备的使用方式。这种结合会极大地促进电网的发展，推动可再生能源的应用，对于解决能源问题也极具意义。

关键词：