新型儲能產業迎來數智化變革。前不久，在2025年歐洲智慧能源展期間，北京海博思創科技股份有限公司發布儲能電站AI運維助手“海博精靈HyperGenie”，可以提供精準故障定位、多場景操作指導、靈活數據分析探索等運維輔助服務。在第十三屆儲能國際峰會暨展覽會上，華為、遠景儲能、寧德時代等多家企業也紛紛攜相關產品亮相。

AI將為儲能產業帶來怎樣的變革？如何進一步推動AI與儲能產業深度融合？科技日報記者就此進行了采訪。

面臨階段性挑戰

新型儲能就像“超級充電寶”，主要用于存儲電能并在需要時釋放，以解決電力供需在時間、空間上的不平衡問題。它特指除傳統抽水蓄能外的新型技術，包括鋰電池、鈉電池、液流電池、飛輪儲能、壓縮空氣儲能等。新型儲能是推動新能源高效開發利用的重要基礎環節，也是推動能源轉型的重要抓手。

近年來，我國新型儲能產業蓬勃發展，產業鏈建設取得長足進步，產品產量進一步擴大，但也面臨階段性挑戰。

儲能產業市場競爭愈發激烈。記者了解到，2024年，2小時儲能系統中標全年均價為0.628元/瓦時，同比下降43%。在北京海博思創科技股份有限公司首席技術官錢昊看來，激烈的市場競爭下，儲能產業的商業模式尚未成熟。國家發展改革委、國家能源局今年初聯合印發《關于深化新能源上網電價市場化改革 促進新能源高質量發展的通知》，推動新能源上網電價全面由市場形成，建立健全支持新能源高質量發展的制度機制?！霸撐募苿觾δ苄袠I從低價競爭轉向全生命周期價值評估，但目前儲能行業的價值核算體系尚未統一，成本傳導機制還不完善?！卞X昊說。

統計數據顯示，2024年，全國平均棄風率約4.1%，棄光率約3.2%，一些地區的棄風棄光率甚至達到10%。除了棄風棄光問題，一些儲能設施還存在“建而不用”、利用率低的問題。中國電力企業聯合會數據顯示，截至2024年6月，新能源配建儲能日均運行時間僅為3.74小時，年均利用率指數為31%。

儲能技術也同樣面臨挑戰?！皟δ芟到y從‘可建’到‘可用’再到‘好用’，中間面臨許多技術指標的升級，包括安全與可靠性的保障、壽命與效率的提升等?！卞X昊說，應對這些挑戰，不僅要推動儲能產業發展從政策依賴轉向市場驅動，還要采用技術手段，以數智化能力提升儲能系統集成效率，降低安全風險。

AI成轉型突破口

近年來，圍繞“AI+儲能”，行業開展了許多探索。從仿真設計到系統集成，從生產制造到電池安全管理，從項目規劃到電站主動安全管理，AI技術正在驅動儲能產業深度變革。

例如，在仿真設計方面，通過流體動力學計算仿真與AI機器學習的結合，儲能電池熱失控模擬的計算時間大大縮短。在系統設計方面，AI能動態生成電池模組最優排列方案，提高儲能集裝箱的能量密度和空間利用率。在項目規劃方面，AI可通過分析海量數據，動態模擬不同場景下的儲能電站效益模型，優化電站選址和容量配置，幫助管理者提升投資回報率。

AI不僅可在規劃、設計環節大展拳腳，在提升儲能場站建設水平方面同樣大有可為。

“建設儲能場站的考慮因素非常多，要考慮造價、財務、運維等投資成本，也要考慮收益模式，在收益過程中還要兼顧儲能系統敏感因子，如壽命、效率、在線率等?！卞X昊以光伏場站儲能場景舉例說，“我們可以利用AI，結合光伏發電曲線、現貨電價曲線，得出最優儲能容量配置方案，實現收益最大化?！?/p>

同時，在電池制造方面，AI視覺檢測系統能快速識別電芯的微短路缺陷，使每百萬片電芯缺陷數大大降低。在電站安全方面，AI可以動態調整充放電策略，結合多級安全響應機制，極大降低電池熱失控風險。AI還可實時監控電芯健康狀態，提前識別潛在故障。

“傳統的儲能場站全面接入AI后，可以通過數據分析，實時監控設備運行狀態，對早期故障進行診斷和分析，對異常情況及時告警，還可以進行預測性維護，用AI輔助檢修?！卞X昊認為，結合輕量化模型，儲能電站正逐步實現對數據采集、智能分析、決策執行等鏈條的閉環管理，進而提升儲能系統效率與壽命，達到儲能系統的性能最大化。

此外，AI還能輔助制定更為科學的充放電策略?！癆I基于全局峰谷優化的方式優化充放電時段，可提升10%的收益?！卞X昊說。

大模型紅利釋放

在大模型加持下，相關企業開發更加智能化的運維平臺成為可能，行業效率及智能化程度有望得到進一步提升。

錢昊介紹，“海博精靈HyperGenie”是一款基于國產開源通用大模型和私域儲能領域知識庫開發設計的專屬智能體。它能實時監控設備的運行狀態（如溫度、電流、電壓等），還可以提前識別潛在的故障風險和設備運行異常情況，準確預警系統風險，幫助運維團隊在問題發生前采取有效措施，避免生產運行中斷或設備資產損失。

新源智儲能源發展（北京）有限公司開發的AIOPS-2000儲能大集控智慧運營云平臺，聚焦安全運行、精準運維、高效運營三大領域，目前已在42座儲能電站中成功應用。記者了解到，今年2月，該平臺正式接入DeepSeek大模型，進一步助力儲能智慧化升級。

多位受訪專家建議，為提升AI與儲能系統的融合程度，還應重點提高數據質量與安全性。未來，應建立合作機制，在保障數據安全的基礎上，打通電池制造商、系統集成商、運維服務商等相關方數據，推動大模型進一步發揮效能。