AI东风来了，储能产业怎么变？

新型储能产业迎来数智化变革。AI将为储能产业带来怎样的变革？如何进一步推动AI与储能产业深度融合？

面临阶段性挑战

新型储能就像“超 级充电宝”，主要用于存储电能并在需要时释放，以解决电力供需在时间、空间上的不平衡问题。它特指除传统抽水蓄能外的新型技术，包括锂电池、钠电池、液流电池、飞轮储能、压缩空气储能等。新型储能是推动新能源高效开发利用的重要基础环节，也是推动能源转型的重要抓手。

近年来，我国新型储能产业蓬勃发展，产业链建设取得长足进步，产品产量进一步扩大，但也面临阶段性挑战。

储能产业市场竞争愈发激烈。记者了解到，2024年，2小时储能系统中标全年均价为0.628元/瓦时，同比下降43%。在某公司技术官看来，激烈的市场竞争下，储能产业的商业模式尚未成熟。国家发展改革委、国家能源局今年初联合印发《关于深化新能源上网电价市场化改革 促进新能源高质量发展的通知》，推动新能源上网电价由市场形成，建立健全支持新能源高质量发展的制度机制。该文件推动储能行业从低价竞争转向全生命周期价值评估，但目前储能行业的价值核算体系尚未统一，成本传导机制还不完善。

统计数据显示，2024年，**平均弃风率约4.1%，弃光率约3.2%，一些地区的弃风弃光率甚至达到10%。除了弃风弃光问题，一些储能设施还存在“建而不用”、利用率低的问题。中国电力企业联合会数据显示，截至2024年6月，新能源配建储能日均运行时间仅为3.74小时，年均利用率指数为31%。

储能技术也同样面临挑战。“储能系统从‘可建’到‘可用’再到‘好用’，中间面临许多技术指标的升级，包括安全与可靠性的保障、寿命与效率的提升等。”钱昊说，应对这些挑战，不仅要推动储能产业发展从政策依赖转向市场驱动，还要采用技术手段，以数智化能力提升储能系统集成效率，降低安全风险。

AI成转型突破口

近年来，围绕“AI+储能”，行业开展了许多探索。从仿真设计到系统集成，从生产制造到电池安全管理，从项目规划到电站主动安全管理，AI技术正在驱动储能产业深度变革。

例如，在仿真设计方面，通过流体动力学计算仿真与AI机器学习的结合，储能电池热失控模拟的计算时间大大缩短。在系统设计方面，AI能动态生成电池模组排列方案，提高储能集装箱的能量密度和空间利用率。在项目规划方面，AI可通过分析海量数据，动态模拟不同场景下的储能电站效益模型，优化电站选址和容量配置，帮助管理者提升**率。

AI不仅可在规划、设计环节大展拳脚，在提升储能场站建设水平方面同样大有可为。

建设储能场站的考虑因素非常多，要考虑造价、财务、运维等投资成本，也要考虑收益模式，在收益过程中还要兼顾储能系统敏感因子，如寿命、效率、在线率等。利用AI，结合光伏发电曲线、现货电价曲线，得出储能容量配置方案，实现收益较大化。

同时，在电池制造方面，AI视觉检测系统能快速识别电芯的微短路缺陷，使每百万片电芯缺陷数大大降低。在电站安全方面，AI可以动态调整充放电策略，结合多级安全响应机制，很大降低电池热失控风险。AI还可实时监控电芯健康状态，提前识别潜在故障。

传统的储能场站全面接入AI后，可以通过数据分析，实时监控设备运行状态，对早期故障进行诊断和分析，对异常情况及时告警，还可以进行预测性维护，用AI辅助检修。结合轻量化模型，储能电站正逐步实现对数据采集、智能分析、决策执行等链条的闭环管理，进而提升储能系统效率与寿命，达到储能系统的性能较大化。

此外，AI还能辅助制定更为科学的充放电策略。“AI基于全局峰谷优化的方式优化充放电时段，可提升10%的收益。”钱昊说。

大模型红利释放

在大模型加持下，相关企业开发更加智能化的运维平台成为可能，行业效率及智能化程度有望得到进一步提升。

某公司开发的AIOPS-2000储能大集控智慧运营云平台，聚焦安全运行、精准运维、高效运营三大领域，目前已在42座储能电站中成功应用。记者了解到，今年2月，该平台正式接入DeepSeek大模型，进一步助力储能智慧化升级。

多位受访专家建议，为提升AI与储能系统的融合程度，还应重点提高数据质量与安全性。未来，应建立合作机制，在保障数据安全的基础上，打通电池制造商、系统集成商、运维服务商等相关方数据，推动大模型进一步发挥效能。

 

部分图文转载自网络，版权归原作者所有，如有侵权请联系我们删除。如内容中如涉及加盟，投资请注意风险，并谨慎决策