人工智能浪潮正席卷全球,其感知、理解和推理能力使其具备自主学习能力和高度的智能化水平,人工智能驱动也正驱动各行各业传统生态体系发生深刻变革,人工智能将改变一切、赋能一切。
作为储能行业的从业者,我们需思考储能行业如何适应人工智能的发展,如何通过人工智能驱动储能行业高质量发展,建设具备自感知、自学习、自决策、自执行、自适应的智能电化学储能电站。
分析人工智能技术发展的关键要素,数据、算法和算力是三个关键要素。
数据是基础。人工智能依赖海量、实时、多样性的数据训练模型,储能的数据主要来源于各类传感器和电流、电压互感器采集的基础数据,例如电流、电压、温度、流量、压力等数据,同时储能电站作为参与电力现货市场和辅助服务市场的主体,电力市场历史价格数据以及气象、燃料价格、生产周期、负荷水平等数据均是重要的基础数据。
算法是核心。人工智能通过线性回归、决策树、神经网络等算法提供批量化解决问题的方法,算法决定了人工智能的学习能力和决策效率。电化学储能在SOC、SOH状态诊断,主动安全预警,EMS控制策略,电力市场交易等方面可依托人工智能算法实现运行水平的提升。
算力是支撑。算力是实现人工智能算法的基础,满足海量复杂数据的处理需求。随着GWh以上储能电站的建设以及云计算技术的应用,储能电站BMS、EMS和调度自动化系统对算力的需求也逐步提高。
分析电化学储能电站的运行机理,储能依赖采集的各类电气量和非电气量数据进行存储、分析、监测、控制等,研究利用人工智能技术基于海量数据分析突破电化学储能电站在消防安全、状态评估、智能运维等方面的诸多难题。此外,随着电力市场加快建设,如何通过精准价格预测自主制定运营策略,实现利益最大化是用户关心的问题。
人工智能技术可在状态评估、运行维护、安全管理和智能运营等方面提升电化学储能电站的运行水平,实现储能电站的“AI化”。
在状态评估方面,储能系统的SOC、SOH的状态量的精准计算是行业的难点,以SOC为例,现有的安时积分法、开路电压法、卡尔曼滤波法仍难以高精度的状态评估,未来结合人工智能算法技术提升储能系统的状态评估精度,并适应各类复杂工况下的状态量差异化的计算要求。
在运行维护方面,结合储能电站运行机理和各类设备设施数字仿真模型,利用人工智能自动推理出自适应规则,同时全面识别设备的性能劣化,自主完成规则的修正,并可将人工智能结合机器人、无人机等技术辅助运维人员实现储能电站的高效运维管理。
在安全管理方面,消防安全特别是锂离子电池的热失控风险是行业高质量发展面临的首要问题之一,利用人工智能的自感知、自学习、自适应能力,对热失控等安全失效行为实现早期预警,并自动给出各类故障及应急事故的处置指导,提升电化学储能电站的本质安全水平。
在智能运营方面,储能电站参与电力现货市场和辅助服务市场是未来的主要趋势,如何适应“能涨能跌”的电力市场机制是用户关注的首要问题。利用人工智能技术处理并分析大量数据,包括市场动态、历史电价和政策变化,以预测不同时间尺度的电价,并通过海量历史数据训练与不断的自学习,自动制定充放电等运营策略,提升电站收益水平。
2025年将是人工智能技术发展的元年,人工智能技术将深层次地重塑各行各业的产业形态。针对储能行业,人工智能技术将实现储能电站的数字化、智能化转型,提升储能电站全寿命周期的安全性、经济性和对电力系统的高效支撑,助推行业高质量发展。
原标题:人工智能将如何重塑储能行业