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。前不久，在2025年欧洲智慧能源展期间，北京海博思创科技股份有限公司发布储能电站AI运维助手“海博精灵HyperGenie”，可以提供精准故障定位、多场景操作指导、灵活数据分析探索等运维辅助服务。在第十三届储能国际峰会暨展览会上，华为、远景储能、宁德时代等多家企业也纷纷携相关产品亮相。

　　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？科技日报记者就此进行了采访。

　　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%。在北京海博思创科技股份有限公司首席技术官钱昊看来，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全面由市场形成，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。”钱昊说。

　　统计数据显示，2024年，全国平均弃风率约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最优排列方案，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，帮助管理者提升投资回报率。

　　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。”钱昊以光伏场站储能场景举例说，“我们可以利用AI，结合光伏发电曲线、现货电价曲线，得出最优储能容量配置方案，实现收益最大化。”

　　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，极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。”钱昊认为，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最大化。

　　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。

　　钱昊介绍，“海博精灵HyperGenie”是一款基于国产开源通用大模型和私域储能领域知识库开发设计的专属智能体。它能实时监控设备的运行状态（如温度、电流、电压等），还可以提前识别潜在的故障风险和设备运行异常情况，准确预警系统风险，帮助运维团队在问题发生前采取有效措施，避免生产运行中断或设备资产损失。

　　新源智储能源发展（北京）有限公司开发的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。