中國儲(chǔ)能網(wǎng)訊：
導(dǎo)語：采日能源正利用AI技術(shù)破解儲(chǔ)能系統(tǒng)的“黑箱”，驅(qū)動(dòng)公司從設(shè)備供應(yīng)商向數(shù)據(jù)驅(qū)動(dòng)的儲(chǔ)能運(yùn)營商轉(zhuǎn)型升級(jí)。
“AI大數(shù)據(jù)非常適合解決那些復(fù)雜的、甚至帶有些‘玄學(xué)’色彩的系統(tǒng)性問題，這些問題很難用傳統(tǒng)的統(tǒng)計(jì)或數(shù)學(xué)公式來精確表征。”采日能源的孫麗娜女士在與中國儲(chǔ)能網(wǎng)的對(duì)話中，以這樣一句精妙的比喻，開啟了對(duì)AI在儲(chǔ)能領(lǐng)域深度應(yīng)用的探討。
而要將AI這股破解“玄學(xué)”的強(qiáng)大力量約束并引導(dǎo)，就需要一套精確的工程藍(lán)圖。對(duì)于采日能源而言，這份藍(lán)圖正是其核心的“3S垂直架構(gòu)”。它并非簡單地在儲(chǔ)能系統(tǒng)上疊加AI功能，而是從底層重構(gòu)了數(shù)據(jù)的流動(dòng)與決策的鏈條，旨在將抽象的智能，精準(zhǔn)固化為系統(tǒng)可執(zhí)行的“科學(xué)”指令。
第一部分：“第一手?jǐn)?shù)據(jù)”，奠定AI應(yīng)用不可動(dòng)搖的基石
所有關(guān)于AI的宏偉構(gòu)想，都必須建立在堅(jiān)實(shí)的數(shù)據(jù)地基之上。在采日能源的理念中，這個(gè)地基的源點(diǎn)，被精準(zhǔn)地錨定在了BMS（電池管理系統(tǒng)）上。
“采日能源在業(yè)界最早提出3S架構(gòu)，而BMS正是我們的核心產(chǎn)品之一。從數(shù)據(jù)角度看，BMS是獲取電芯‘第一手?jǐn)?shù)據(jù)’的端口，涵蓋了電、熱、力等多維度信息?！?/span>
這句“第一手?jǐn)?shù)據(jù)”點(diǎn)明了采日能源AI戰(zhàn)略的起點(diǎn)——確保數(shù)據(jù)的原始性、完整性和高保真度。為了將這些寶貴的“第一手?jǐn)?shù)據(jù)”轉(zhuǎn)化為切實(shí)的行動(dòng)力，采日能源構(gòu)建了一套“云-邊-端”協(xié)同的智能體系：
云端——智慧的“中央大腦”：云端平臺(tái)是整個(gè)系統(tǒng)的“大腦”和“研發(fā)中心”。這里匯聚了來自所有項(xiàng)目現(xiàn)場(chǎng)的海量運(yùn)營數(shù)據(jù)，承擔(dān)著最核心的AI模型訓(xùn)練與算法迭代工作?！拔覀冎铝τ跇?gòu)建云邊端協(xié)同架構(gòu)，通過云端持續(xù)訓(xùn)練迭代算法模型，不斷提升預(yù)測(cè)的時(shí)效性以及準(zhǔn)確性?！崩脧?qiáng)大的算力進(jìn)行并行計(jì)算，云端可以持續(xù)優(yōu)化熱失控預(yù)警模型、SOH/SOC估算算法以及市場(chǎng)交易策略，并將優(yōu)化后的模型下發(fā)至邊緣層和終端。
邊緣端——敏捷的“區(qū)域神經(jīng)中樞”：部署在項(xiàng)目現(xiàn)場(chǎng)的邊緣服務(wù)器，扮演著“區(qū)域神經(jīng)中樞”的角色。它接收來自云端的最新模型，負(fù)責(zé)對(duì)本站數(shù)據(jù)進(jìn)行實(shí)時(shí)的推理和分析。相比于將所有數(shù)據(jù)上傳云端再等待結(jié)果，邊緣計(jì)算大大降低了延遲，能夠?qū)崿F(xiàn)更快速的響應(yīng)。例如，當(dāng)邊緣端模型預(yù)測(cè)到某個(gè)電池簇存在早期熱失控風(fēng)險(xiǎn)時(shí)，它可以立即生成運(yùn)維指令，指導(dǎo)現(xiàn)場(chǎng)人員進(jìn)行精準(zhǔn)排查，而無需等待云端的統(tǒng)一調(diào)度。
終端（BMS）——可靠的“神經(jīng)末梢+執(zhí)行器”：位于最底層的BMS等控制器，不僅負(fù)責(zé)采集最原始的數(shù)據(jù)，也內(nèi)置了輕量化的AI芯片，可以執(zhí)行緊急、高可靠性的本地控制邏輯，是智能決策的最終“執(zhí)行器”?！拔覀兿Ｍ軌蛲ㄟ^邊和端的實(shí)時(shí)可靠性的控制，基于終端預(yù)測(cè)，能夠快速識(shí)別異常以及快速處理”這意味著，即使在與云端或邊緣端通信中斷的極端情況下，終端設(shè)備依然能依據(jù)本地模型推理進(jìn)行預(yù)警與保護(hù)性動(dòng)作，構(gòu)成了系統(tǒng)安全的最后一道防線。
通過這套“云訓(xùn)練、邊/端推理”的協(xié)同架構(gòu)，采日能源成功地將AI的強(qiáng)大分析能力與儲(chǔ)能系統(tǒng)對(duì)安全、可靠、快速響應(yīng)的嚴(yán)苛要求完美結(jié)合，構(gòu)筑起一道堅(jiān)固的智能化數(shù)據(jù)壁壘。
第二部分：“預(yù)測(cè)+運(yùn)籌優(yōu)化”，AI賦能儲(chǔ)能全場(chǎng)景的實(shí)踐邏輯
掌握了高質(zhì)量的數(shù)據(jù)源，AI究竟能為儲(chǔ)能系統(tǒng)帶來什么？孫麗娜用一個(gè)簡潔而深刻的框架概括了其核心價(jià)值：“工業(yè)AI的應(yīng)用主要可以歸為兩類：預(yù)測(cè)與控制。最終的調(diào)度決策依賴于控制，而AI的價(jià)值在于，它能讓我們基于精準(zhǔn)的預(yù)測(cè)結(jié)果，去執(zhí)行更優(yōu)化的控制策略。
這正是AI應(yīng)用的兩大核心：預(yù)測(cè)類與調(diào)度優(yōu)化類?！?/span>
基于這一“預(yù)測(cè)+優(yōu)化”的雙輪驅(qū)動(dòng)邏輯，采日能源的AI應(yīng)用已滲透到儲(chǔ)能系統(tǒng)的各個(gè)關(guān)鍵環(huán)節(jié)。
在安全預(yù)警領(lǐng)域，AI扮演著“吹哨人”的角色。孫麗娜列舉道：“我們的安全預(yù)警體系，包括了對(duì)熱失控、電芯衰減率異常以及內(nèi)部短路等多種風(fēng)險(xiǎn)的提前預(yù)警?！?/span>
在經(jīng)濟(jì)調(diào)度領(lǐng)域，AI則化身為精明的“操盤手”。她詳細(xì)描述了這一過程：“以微網(wǎng)調(diào)度優(yōu)化場(chǎng)景為例，我們綜合氣象、歷史數(shù)據(jù)、時(shí)間特征等參數(shù)，通過LSTM/Transformer等時(shí)序預(yù)測(cè)模型，生成未來24小時(shí)的預(yù)測(cè)值。根據(jù)最新發(fā)電用電預(yù)測(cè)數(shù)據(jù)與儲(chǔ)能狀態(tài)，動(dòng)態(tài)調(diào)整調(diào)度策略，最大化儲(chǔ)能收益，在實(shí)際運(yùn)行的案例，全年可提高某廠區(qū)的經(jīng)濟(jì)收益超過5%?！?/span>
當(dāng)被問及AI模型的選擇時(shí)，孫麗娜展現(xiàn)了其團(tuán)隊(duì)深厚的技術(shù)功底和靈活的應(yīng)用策略?！拔覀儾⒎鞘褂脝我荒Ｐ?，而是根據(jù)數(shù)據(jù)量和應(yīng)用場(chǎng)景靈活選擇。比如國內(nèi)電力市場(chǎng)正式運(yùn)行的省份較少，數(shù)據(jù)較少，我們針對(duì)某一數(shù)據(jù)量較少省份會(huì)使用梯度提升樹模型等機(jī)器學(xué)習(xí)模型進(jìn)行迭代預(yù)測(cè)。而在數(shù)據(jù)量大的省份市場(chǎng)，則會(huì)采用深度學(xué)習(xí)的LSTM模型或Transformer時(shí)間序列模型，并進(jìn)行結(jié)合，比較哪種或者結(jié)合的模型預(yù)測(cè)的效果更好。”她總結(jié)道：“核心原則是，針對(duì)每一批數(shù)據(jù)，我們都會(huì)評(píng)估其在不同模型下的準(zhǔn)確度和泛化能力，以尋求最佳匹配?！?/span>
這種“因數(shù)制宜”的務(wù)實(shí)態(tài)度，確保了AI技術(shù)并非僵化的“屠龍之技”，而是能精準(zhǔn)解決不同場(chǎng)景具體問題的“利器”。
第三部分：“相互擁抱”，跨越知識(shí)鴻溝的組織進(jìn)化與能力沉淀
再先進(jìn)的技術(shù)，也需要匹配的組織能力來承載。孫麗娜坦誠，推動(dòng)AI與儲(chǔ)能這一傳統(tǒng)硬件行業(yè)的深度融合，最大的挑戰(zhàn)在于跨學(xué)科團(tuán)隊(duì)的協(xié)同。
“算法工程師更偏向理論，而儲(chǔ)能產(chǎn)品工程師則專注于電池機(jī)理、結(jié)構(gòu)設(shè)計(jì)等。這兩個(gè)領(lǐng)域天然存在學(xué)科交叉，要實(shí)現(xiàn)自然的融合并不容易。”她直言，挑戰(zhàn)在于：“要讓AI算法工程師深入理解行業(yè)，如電芯機(jī)理、系統(tǒng)設(shè)計(jì)，同時(shí)也要讓系統(tǒng)研發(fā)工程師擁抱AI思維，探索其在優(yōu)化設(shè)計(jì)、降本增效上的新可能?！?/span>
如何實(shí)現(xiàn)這種融合？孫麗娜給出的關(guān)鍵詞是“相互擁抱”。她將這一過程定義為：“這本質(zhì)上是AI算法在儲(chǔ)能行業(yè)的實(shí)例化過程。團(tuán)隊(duì)成員必須相互擁抱、相互學(xué)習(xí)，才能打造出更專業(yè)、更有效解決問題的產(chǎn)品和系統(tǒng)?！?/span>
為了促進(jìn)這種“相互擁抱”，采日能源建立了一套行之有效的機(jī)制。孫麗娜介紹，從研發(fā)立項(xiàng)開始，就有包括各個(gè)市場(chǎng)、研發(fā)、工藝、生產(chǎn)等在內(nèi)的跨職能團(tuán)隊(duì)深入討論。同時(shí)，為了沉淀和復(fù)用AI能力，公司打造了自研的算法平臺(tái)。
“我們構(gòu)建了自研的算法平臺(tái)，”她介紹道，“平臺(tái)集成了多種核心算法，并封裝了采日專屬求解器。當(dāng)數(shù)據(jù)導(dǎo)入后，平臺(tái)能智能推薦合適的算法進(jìn)行預(yù)測(cè)以及求解。”這個(gè)平臺(tái)不僅是一個(gè)工具，更是一個(gè)知識(shí)庫和能力中臺(tái)，其背后是一套完整的算力架構(gòu)。
在應(yīng)對(duì)AI模型在實(shí)際應(yīng)用中必然會(huì)遇到的穩(wěn)定性與適應(yīng)性挑戰(zhàn)時(shí)，孫麗娜展現(xiàn)了其團(tuán)隊(duì)嚴(yán)謹(jǐn)?shù)墓こ虘B(tài)度。對(duì)于不同電芯可能導(dǎo)致的模型“性能漂移”，她的態(tài)度非常明確：“如果新電站采用的電芯規(guī)格與以往一致，模型基本可以直接復(fù)用。但一旦電芯的材料體系發(fā)生變更，即便規(guī)格相同，我們?nèi)詧?jiān)持必須用新數(shù)據(jù)對(duì)模型進(jìn)行重新訓(xùn)練?！?/span>
而在至關(guān)重要的安全問題上，如何平衡誤報(bào)與漏報(bào)，她給出了采日能源堅(jiān)定的原則：“我們秉持‘盡可能不誤報(bào)，但絕不能漏報(bào)’的原則，采用‘白名單’機(jī)制，不在白名單才觸發(fā)警報(bào)。”當(dāng)然，為了避免運(yùn)維困擾，團(tuán)隊(duì)也會(huì)通過數(shù)據(jù)濾波等技術(shù)手段，“過濾掉那些由于干擾或數(shù)據(jù)傳輸錯(cuò)誤引起的偽警報(bào)?！?/span>
第四部分：從“設(shè)備供應(yīng)商”到“儲(chǔ)能運(yùn)營商”，AI驅(qū)動(dòng)的戰(zhàn)略升維
憑借在數(shù)據(jù)、算法和組織能力上構(gòu)建的深厚壁壘，采日能源的目光已投向更遠(yuǎn)的未來——實(shí)現(xiàn)從設(shè)備供應(yīng)商到數(shù)據(jù)驅(qū)動(dòng)的儲(chǔ)能運(yùn)營商的戰(zhàn)略轉(zhuǎn)型。
“過去我們主要以項(xiàng)目交付為主，定位是設(shè)備供應(yīng)商?，F(xiàn)在，我們的戰(zhàn)略是逐步向儲(chǔ)能運(yùn)營商的角色轉(zhuǎn)變?！睂O麗娜清晰地描繪了公司的戰(zhàn)略路徑。
她分析了采日能源轉(zhuǎn)型運(yùn)營商的核心優(yōu)勢(shì)：“我們能做好服務(wù)的底氣，首先在于對(duì)儲(chǔ)能設(shè)備的深刻理解，這是保障系統(tǒng)高可用、高質(zhì)量運(yùn)行的基礎(chǔ)。”這是硬件基礎(chǔ)。而更深層次的優(yōu)勢(shì)，則來自于數(shù)據(jù)和AI帶來的增值能力?！捌浯危谟谖覀冇心芰?duì)運(yùn)營的最終結(jié)果負(fù)責(zé)。”
這個(gè)“負(fù)責(zé)”，體現(xiàn)在從安全底線到價(jià)值創(chuàng)造的全方位承諾上。它既是對(duì)“設(shè)備安全、可靠連續(xù)運(yùn)行”這一最基本功能的堅(jiān)守，也是通過“高精度的電價(jià)預(yù)測(cè)模型和強(qiáng)大的交易能力”，在輔助服務(wù)及現(xiàn)貨交易中為業(yè)主“保證長期穩(wěn)定收益”的核心能力體現(xiàn)。
這番話清晰地表明，未來的儲(chǔ)能運(yùn)營，將不再是簡單的“運(yùn)維”，而是基于AI的、對(duì)安全和收益結(jié)果負(fù)責(zé)的、更高維度的價(jià)值創(chuàng)造。數(shù)據(jù)，這個(gè)曾經(jīng)內(nèi)隱于設(shè)備中的副產(chǎn)品，正在成為驅(qū)動(dòng)新商業(yè)模式的核心資產(chǎn)。
第五部分：結(jié)語
從堅(jiān)持“第一手?jǐn)?shù)據(jù)”源頭，到構(gòu)建“預(yù)測(cè)+優(yōu)化”的應(yīng)用框架；從倡導(dǎo)“相互擁抱”的跨界文化，到驅(qū)動(dòng)向“儲(chǔ)能運(yùn)營商”的戰(zhàn)略躍遷。采日能源的故事，正是AI時(shí)代儲(chǔ)能產(chǎn)業(yè)進(jìn)化的一個(gè)生動(dòng)縮影。
它告訴我們，未來的儲(chǔ)能系統(tǒng)，將不再僅僅是鐵與鋰的集合體，更是一個(gè)由數(shù)據(jù)驅(qū)動(dòng)、算法定義、能夠自主學(xué)習(xí)和創(chuàng)造價(jià)值的“能源智慧體”。而那些真正掌握了這種“智慧”的企業(yè)，無疑將在新一輪的能源革命中，贏得未來。
