中國儲能網訊：
導語：采日能源正利用AI技術破解儲能系統(tǒng)的“黑箱”，驅動公司從設備供應商向數據驅動的儲能運營商轉型升級。
“AI大數據非常適合解決那些復雜的、甚至帶有些‘玄學’色彩的系統(tǒng)性問題，這些問題很難用傳統(tǒng)的統(tǒng)計或數學公式來精確表征。”采日能源的孫麗娜女士在與中國儲能網的對話中，以這樣一句精妙的比喻，開啟了對AI在儲能領域深度應用的探討。
而要將AI這股破解“玄學”的強大力量約束并引導，就需要一套精確的工程藍圖。對于采日能源而言，這份藍圖正是其核心的“3S垂直架構”。它并非簡單地在儲能系統(tǒng)上疊加AI功能，而是從底層重構了數據的流動與決策的鏈條，旨在將抽象的智能，精準固化為系統(tǒng)可執(zhí)行的“科學”指令。
第一部分：“第一手數據”，奠定AI應用不可動搖的基石
所有關于AI的宏偉構想，都必須建立在堅實的數據地基之上。在采日能源的理念中，這個地基的源點，被精準地錨定在了BMS（電池管理系統(tǒng)）上。
“采日能源在業(yè)界最早提出3S架構，而BMS正是我們的核心產品之一。從數據角度看，BMS是獲取電芯‘第一手數據’的端口，涵蓋了電、熱、力等多維度信息?！?/span>
這句“第一手數據”點明了采日能源AI戰(zhàn)略的起點——確保數據的原始性、完整性和高保真度。為了將這些寶貴的“第一手數據”轉化為切實的行動力，采日能源構建了一套“云-邊-端”協(xié)同的智能體系：
云端——智慧的“中央大腦”：云端平臺是整個系統(tǒng)的“大腦”和“研發(fā)中心”。這里匯聚了來自所有項目現(xiàn)場的海量運營數據，承擔著最核心的AI模型訓練與算法迭代工作。“我們致力于構建云邊端協(xié)同架構，通過云端持續(xù)訓練迭代算法模型，不斷提升預測的時效性以及準確性?！崩脧姶蟮乃懔M行并行計算，云端可以持續(xù)優(yōu)化熱失控預警模型、SOH/SOC估算算法以及市場交易策略，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)域神經中樞”：部署在項目現(xiàn)場的邊緣服務器，扮演著“區(qū)域神經中樞”的角色。它接收來自云端的最新模型，負責對本站數據進行實時的推理和分析。相比于將所有數據上傳云端再等待結果，邊緣計算大大降低了延遲，能夠實現(xiàn)更快速的響應。例如，當邊緣端模型預測到某個電池簇存在早期熱失控風險時，它可以立即生成運維指令，指導現(xiàn)場人員進行精準排查，而無需等待云端的統(tǒng)一調度。
終端（BMS）——可靠的“神經末梢+執(zhí)行器”：位于最底層的BMS等控制器，不僅負責采集最原始的數據，也內置了輕量化的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^邊和端的實時可靠性的控制，基于終端預測，能夠快速識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，終端設備依然能依據本地模型推理進行預警與保護性動作，構成了系統(tǒng)安全的最后一道防線。
通過這套“云訓練、邊/端推理”的協(xié)同架構，采日能源成功地將AI的強大分析能力與儲能系統(tǒng)對安全、可靠、快速響應的嚴苛要求完美結合，構筑起一道堅固的智能化數據壁壘。
第二部分：“預測+運籌優(yōu)化”，AI賦能儲能全場景的實踐邏輯
掌握了高質量的數據源，AI究竟能為儲能系統(tǒng)帶來什么？孫麗娜用一個簡潔而深刻的框架概括了其核心價值：“工業(yè)AI的應用主要可以歸為兩類：預測與控制。最終的調度決策依賴于控制，而AI的價值在于，它能讓我們基于精準的預測結果，去執(zhí)行更優(yōu)化的控制策略。
這正是AI應用的兩大核心：預測類與調度優(yōu)化類?！?/span>
基于這一“預測+優(yōu)化”的雙輪驅動邏輯，采日能源的AI應用已滲透到儲能系統(tǒng)的各個關鍵環(huán)節(jié)。
在安全預警領域，AI扮演著“吹哨人”的角色。孫麗娜列舉道：“我們的安全預警體系，包括了對熱失控、電芯衰減率異常以及內部短路等多種風險的提前預警?！?/span>
在經濟調度領域，AI則化身為精明的“操盤手”。她詳細描述了這一過程：“以微網調度優(yōu)化場景為例，我們綜合氣象、歷史數據、時間特征等參數，通過LSTM/Transformer等時序預測模型，生成未來24小時的預測值。根據最新發(fā)電用電預測數據與儲能狀態(tài)，動態(tài)調整調度策略，最大化儲能收益，在實際運行的案例，全年可提高某廠區(qū)的經濟收益超過5%?！?/span>
當被問及AI模型的選擇時，孫麗娜展現(xiàn)了其團隊深厚的技術功底和靈活的應用策略?！拔覀儾⒎鞘褂脝我荒Ｐ停歉鶕祿亢蛻脠鼍办`活選擇。比如國內電力市場正式運行的省份較少，數據較少，我們針對某一數據量較少省份會使用梯度提升樹模型等機器學習模型進行迭代預測。而在數據量大的省份市場，則會采用深度學習的LSTM模型或Transformer時間序列模型，并進行結合，比較哪種或者結合的模型預測的效果更好?！彼偨Y道：“核心原則是，針對每一批數據，我們都會評估其在不同模型下的準確度和泛化能力，以尋求最佳匹配?！?/span>
這種“因數制宜”的務實態(tài)度，確保了AI技術并非僵化的“屠龍之技”，而是能精準解決不同場景具體問題的“利器”。
第三部分：“相互擁抱”，跨越知識鴻溝的組織進化與能力沉淀
再先進的技術，也需要匹配的組織能力來承載。孫麗娜坦誠，推動AI與儲能這一傳統(tǒng)硬件行業(yè)的深度融合，最大的挑戰(zhàn)在于跨學科團隊的協(xié)同。
“算法工程師更偏向理論，而儲能產品工程師則專注于電池機理、結構設計等。這兩個領域天然存在學科交叉，要實現(xiàn)自然的融合并不容易?！彼毖裕魬?zhàn)在于：“要讓AI算法工程師深入理解行業(yè)，如電芯機理、系統(tǒng)設計，同時也要讓系統(tǒng)研發(fā)工程師擁抱AI思維，探索其在優(yōu)化設計、降本增效上的新可能。”
如何實現(xiàn)這種融合？孫麗娜給出的關鍵詞是“相互擁抱”。她將這一過程定義為：“這本質上是AI算法在儲能行業(yè)的實例化過程。團隊成員必須相互擁抱、相互學習，才能打造出更專業(yè)、更有效解決問題的產品和系統(tǒng)。”
為了促進這種“相互擁抱”，采日能源建立了一套行之有效的機制。孫麗娜介紹，從研發(fā)立項開始，就有包括各個市場、研發(fā)、工藝、生產等在內的跨職能團隊深入討論。同時，為了沉淀和復用AI能力，公司打造了自研的算法平臺。
“我們構建了自研的算法平臺，”她介紹道，“平臺集成了多種核心算法，并封裝了采日專屬求解器。當數據導入后，平臺能智能推薦合適的算法進行預測以及求解?！边@個平臺不僅是一個工具，更是一個知識庫和能力中臺，其背后是一套完整的算力架構。
在應對AI模型在實際應用中必然會遇到的穩(wěn)定性與適應性挑戰(zhàn)時，孫麗娜展現(xiàn)了其團隊嚴謹的工程態(tài)度。對于不同電芯可能導致的模型“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，我們仍堅持必須用新數據對模型進行重新訓練?！?/span>
而在至關重要的安全問題上，如何平衡誤報與漏報，她給出了采日能源堅定的原則：“我們秉持‘盡可能不誤報，但絕不能漏報’的原則，采用‘白名單’機制，不在白名單才觸發(fā)警報。”當然，為了避免運維困擾，團隊也會通過數據濾波等技術手段，“過濾掉那些由于干擾或數據傳輸錯誤引起的偽警報。”
第四部分：從“設備供應商”到“儲能運營商”，AI驅動的戰(zhàn)略升維
憑借在數據、算法和組織能力上構建的深厚壁壘，采日能源的目光已投向更遠的未來——實現(xiàn)從設備供應商到數據驅動的儲能運營商的戰(zhàn)略轉型。
“過去我們主要以項目交付為主，定位是設備供應商?，F(xiàn)在，我們的戰(zhàn)略是逐步向儲能運營商的角色轉變?！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型運營商的核心優(yōu)勢：“我們能做好服務的底氣，首先在于對儲能設備的深刻理解，這是保障系統(tǒng)高可用、高質量運行的基礎?！边@是硬件基礎。而更深層次的優(yōu)勢，則來自于數據和AI帶來的增值能力。“其次，在于我們有能力對運營的最終結果負責?！?/span>
這個“負責”，體現(xiàn)在從安全底線到價值創(chuàng)造的全方位承諾上。它既是對“設備安全、可靠連續(xù)運行”這一最基本功能的堅守，也是通過“高精度的電價預測模型和強大的交易能力”，在輔助服務及現(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，未來的儲能運營，將不再是簡單的“運維”，而是基于AI的、對安全和收益結果負責的、更高維度的價值創(chuàng)造。數據，這個曾經內隱于設備中的副產品，正在成為驅動新商業(yè)模式的核心資產。
第五部分：結語
從堅持“第一手數據”源頭，到構建“預測+優(yōu)化”的應用框架；從倡導“相互擁抱”的跨界文化，到驅動向“儲能運營商”的戰(zhàn)略躍遷。采日能源的故事，正是AI時代儲能產業(yè)進化的一個生動縮影。
它告訴我們，未來的儲能系統(tǒng)，將不再僅僅是鐵與鋰的集合體，更是一個由數據驅動、算法定義、能夠自主學習和創(chuàng)造價值的“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。
