AI+儲能“五大風(fēng)口”

自deepseek問(wèn)世以來(lái)，包括五大能源集團、兩大電網(wǎng)在內的半數以上能源電力央企接入模型，采日能源等儲能企業(yè)也相繼接入。全球能源轉型的齒輪正被AI+儲能的深度融合加速轉動(dòng)。

AI+儲能，站在風(fēng)口。

據報道，寧德時(shí)代、比亞迪、LG新能源在著(zhù)手利用AI造電池。當用AI造電池逐步進(jìn)入現實(shí)，AI+儲能的風(fēng)口逐漸顯現。2025年，國家能源局印發(fā)的《關(guān)于加快推進(jìn)能源數字化智能化發(fā)展的若干意見(jiàn)》明確提出，到2030年，能源系統各環(huán)節數字化智能化創(chuàng )新應用體系初步構筑、數據要素潛能充分激活。

3月12日，卓陽(yáng)數字能源正式推出全新AI助手——“卓小陽(yáng)”。該智能體專(zhuān)為新能源行業(yè)設計，旨在通過(guò)大模型賦能提升行業(yè)效率，優(yōu)化決策支持。“卓小陽(yáng)”的核心應用場(chǎng)景包括：行業(yè)知識問(wèn)答，場(chǎng)景解決方案輸出，資產(chǎn)收益組合分析，能源電站投資分析等。

在此之前，基于DeepSeek在“融和·白澤”系統下的私有化部署，日電芯監控超2000萬(wàn)顆、日處理信息量達TB級，效率提升超50%;毫秒級故障檢測與調度響應，運維成本進(jìn)一步降低超30%的能力表現，是融和元儲以一場(chǎng)“AI+儲能”的深度聯(lián)姻解碼了在現如今儲能行業(yè)波潮涌動(dòng)情況下的運營(yíng)新范式。

事實(shí)上，自deepseek問(wèn)世以來(lái)，包括五大能源集團、兩大電網(wǎng)在內的半數以上能源電力央企接入模型，采日能源等儲能企業(yè)也相繼接入。

包括寧德時(shí)代、卓陽(yáng)數字能源、融和元儲、陽(yáng)光電源、比亞迪、海博思創(chuàng )等企業(yè)正利用AI+儲能，在電池創(chuàng )新、運營(yíng)優(yōu)化、智慧運維等多方面展露“實(shí)力”。全球能源轉型的齒輪正被AI+儲能的深度融合加速轉動(dòng)。

AI+儲能將帶來(lái)哪些風(fēng)口?

AI+儲能的風(fēng)口之下，機遇與挑戰如同硬幣的兩面。

正如寧德時(shí)代曾毓群所言：“沒(méi)有顛覆性的技術(shù)突破，就不會(huì )有真正的能源革命。”當DeepSeek將AI訓練成本降低90%，當華為實(shí)現儲能系統全生命周期數字化，這場(chǎng)變革已不可逆轉。

一是智能運維，儲能電站的運維成本占全生命周期成本的30%，而AI正在改寫(xiě)這一經(jīng)濟模型。

陽(yáng)光電源推出的iSolarBPS系統深度融合電力電子、電化學(xué)與AI算法(GeneSafe算法集群)，可實(shí)時(shí)監測電芯健康狀態(tài)，提前7天預警一致性異常、提前100小時(shí)識別內短路風(fēng)險、提前1小時(shí)預判熱失控，形成三級主動(dòng)防御機制。該系統通過(guò)五維診斷(數據質(zhì)量、行為分析、異常老化、故障告警、風(fēng)險預警)覆蓋50+指標，百兆瓦電站1分鐘生成診斷報告，精準定位故障至電芯級，運維效率提升30%。

東方日升開(kāi)發(fā)的Risen Cloud系統，通過(guò)分析10萬(wàn)+電芯的實(shí)時(shí)數據，將故障預警準確率提升至98%。這背后是深度學(xué)習算法對電池內阻、溫差等200+參數的動(dòng)態(tài)建模，使得電芯循環(huán)壽命突破10000次。

德國國王湖獨立儲能電站項目規模為10.35MW/22.36MWh，配備了海博思創(chuàng ) HyperBlock II液冷儲能系統。作為海博思創(chuàng )大儲類(lèi)別旗艦產(chǎn)品，HyperBlock II性能卓越，具有成熟度高、安全可靠、低 LCOS、長(cháng)壽命以及環(huán)境適應性強等顯著(zhù)優(yōu)勢。配備海博思創(chuàng ) AI 云平臺的自動(dòng)巡檢、遠程運維功能，可實(shí)現高效預警，及時(shí)消除消防隱患。

更顛覆性的變革在于商業(yè)模式創(chuàng )新。領(lǐng)儲宇能打造的智能運維云平臺，已實(shí)現“每GWh儲能資產(chǎn)運維人力減少70%”，其電芯健康狀態(tài)預測模型在青海某200MW/400MWh項目中，將意外停機損失降低540萬(wàn)元/年。這種從“賣(mài)設備”向“賣(mài)服務(wù)”的轉型，正催生千億級智慧能源管理市場(chǎng)。

遠景能源為英國某200MW儲能項目構建的數字孿生體，通過(guò)實(shí)時(shí)仿真預測未來(lái)72小時(shí)系統狀態(tài)，使運維響應速度提升至毫秒級。這種“虛實(shí)共生”模式，正在重新定義能源資產(chǎn)管理的內涵。

二是電力交易。當光伏出力曲線(xiàn)遇上電力現貨市場(chǎng)的價(jià)格波動(dòng)，AI成為最大化收益的關(guān)鍵變量。

某頭部?jì)δ芷髽I(yè)披露，其基于強化學(xué)習的交易策略系統，在山東電力市場(chǎng)中將儲能套利空間從0.25元/kWh提升至0.38元/kWh。這相當于將20年運營(yíng)期的項目IRR提高4.2個(gè)百分點(diǎn)，徹底改變儲能項目的投資邏輯。

清華大學(xué)張強教授團隊在論文中提到，AI助力儲能設備系統優(yōu)化，清華四川院助力江蘇首座AI智慧調控光儲充換一體化站建設，率先應用了基于大模型的微電網(wǎng)協(xié)同控制技術(shù)，成功將光伏消納率從96.0%提升至99.7%，儲能日均放電量提升48.12千瓦時(shí)，套利能力提高25.1%，綜合收益增長(cháng)14.07%。

更深層的變革發(fā)生在虛擬電廠(chǎng)領(lǐng)域?？迫A數能開(kāi)發(fā)的源網(wǎng)荷儲一體化平臺，通過(guò)聚合分布式儲能資源，在長(cháng)三角某試點(diǎn)區域實(shí)現15秒內完成200MW靈活調節能力調用。

據弘正儲能副總經(jīng)理張鵬介紹，目前該公司數字化團隊已開(kāi)發(fā)了具有自學(xué)習能力的AI算法體系，依托大量數據訓練，預測未來(lái)負荷需求、新能源發(fā)電功率和電力市場(chǎng)價(jià)格等相關(guān)數據 ，通過(guò)算法模型生成動(dòng)態(tài)調度策略，優(yōu)化儲能參與峰谷套利、輔助服務(wù)、電力現貨交易和新能源消納的收益，進(jìn)一步深挖工商業(yè)儲能的投資運營(yíng)價(jià)值。

三是，極端環(huán)境適應。針對高溫、高濕等極端工況，AI可構建“熱-電-力”多物理場(chǎng)耦合模型，模擬電芯在極端應力下的失效過(guò)程。

例如，清華大學(xué)開(kāi)發(fā)的電池熱失控模型，在超過(guò)500℃的溫度范圍內對15種電池體系實(shí)現高精度預測，為極端環(huán)境下安全閾值設定提供依據。

在沙特50℃高溫沙漠中，比亞迪MC Cube-T魔方系統以CTS集成技術(shù)創(chuàng )造2.6GWh零故障運行記錄。其秘訣在于A(yíng)I驅動(dòng)的動(dòng)態(tài)熱管理系統：384個(gè)溫度傳感器實(shí)時(shí)調整液冷流速，使電芯溫差控制在±1.5℃以?xún)取?/p>

更具想象力的是極地儲能市場(chǎng)。遠景能源為南極科考站定制的AI儲能系統，在-60℃環(huán)境下仍保持85%以上容量效率。其自研的低溫自加熱算法，使鋰電池在無(wú)外部供能情況下實(shí)現“冷啟動(dòng)”，這項技術(shù)已延伸至俄羅斯北極圈內的微電網(wǎng)項目。

四是，數據中心儲能。全球正加速邁入以人工智能、區塊鏈和物聯(lián)網(wǎng)為核心的算力經(jīng)濟時(shí)代，模型對算力的需求正以驚人的速度增長(cháng)，過(guò)去年均增長(cháng)超400%，遠超摩爾定律增長(cháng)速度。

傳統上，數據中心主要使用鋰電池作為UPS系統的一部分，在市電中斷時(shí)提供短暫的備用電力。隨著(zhù)數據中心轉向綠電供能，鋰電池應用從備電類(lèi)型向供能類(lèi)型轉變。GGII預計2027年全球數據中心儲能鋰電池出貨量將突破69GWh，到2030年這一數字將增長(cháng)至300GWh，2024-2030年復合增長(cháng)率超過(guò)80%。

某云服務(wù)商采用光儲一體化解決方案后，不僅將PUE從1.5降至1.2，更通過(guò)AI調度算法將儲能系統的峰谷套利收益提升至0.72元/kWh。這標志著(zhù)儲能正從“備用電源”進(jìn)化為“算力基礎設施的核心組件”。

更前沿的探索在于算力-儲能聯(lián)合優(yōu)化。某企業(yè)開(kāi)發(fā)的“算力任務(wù)-儲能充放電”協(xié)同算法，可根據GPU集群的工作負載預測，動(dòng)態(tài)調整儲能系統的SOC狀態(tài)。在訓練大模型的波谷時(shí)段儲能充電，在推理高峰期放電，這種模式使算力中心購電成本降低18%。

五是AI顛覆電池創(chuàng )新。傳統鋰電材料研發(fā)需經(jīng)歷“試錯法”迭代，而AI將這一過(guò)程壓縮數倍。

清華大學(xué)陳翔–張強團隊利用可解釋機器學(xué)習方法解釋了影響電解液還原穩定性的關(guān)鍵因素，并進(jìn)一步開(kāi)發(fā)知識與數據雙驅動(dòng)的電解液分子性質(zhì)預測框架，從數十萬(wàn)分子中預測了29個(gè)潛在適用于寬溫域和高安全性的電池場(chǎng)景下的分子，為高性能電解液設計和高通量開(kāi)發(fā)提供了指導。

“寧德時(shí)代正利用人工智能尋找下一代革命性材料和超越鋰離子的化學(xué)系統。”早在2024年9月，寧德時(shí)代董事長(cháng)曾毓群在接受挪威主權財富基金主席尼古拉·坦根訪(fǎng)談時(shí)談道,寧德時(shí)代擁有超過(guò)兩萬(wàn)名工程師，致力于基礎材料結構研究、模擬分析、材料相互作用探索等工作。據寧德時(shí)代研發(fā)總監歐陽(yáng)楚英透露，目前寧德時(shí)代開(kāi)發(fā)了電池材料智能化設計平臺，基于A(yíng)I材料智能設計算法，90天內就可完成材料篩選與閉環(huán)驗證。

比亞迪也在利用AI技術(shù)。深圳市比亞迪鋰電池有限公司CTO孫華軍表示，在材料設計、材料篩選、電池自動(dòng)化設計以及工藝制造質(zhì)量管控、電池管理等方面，AI的應用可以提高設計效率，甚至會(huì )有產(chǎn)生新材料、新體系的機會(huì )。

近日，LG新能源也透露，已著(zhù)手利用人工智能技術(shù)，為客戶(hù)量身定制電池。

“電池設計正從第二代的仿真驅動(dòng)，向第三代基于A(yíng)I的電池智能設計技術(shù)方向發(fā)展。”中國科學(xué)院院士歐陽(yáng)明高論斷指出，電池智能設計技術(shù)可將電池研發(fā)效率提升1～2個(gè)數量級，節省研發(fā)費用70%～80%。

在回收領(lǐng)域，AI同樣展現魔力。華友鈷業(yè)建立的退役電池分選系統，通過(guò)X射線(xiàn)圖像識別和容量預測算法，將梯次利用電池篩選效率大幅提升。這種技術(shù)突破，正推動(dòng)鋰電池全生命周期管理進(jìn)入智能時(shí)代。

AI+儲能狂歡下的隱憂(yōu)

據不完全統計，2023年全球儲能領(lǐng)域融資規模超過(guò)500億美元，其中AI+儲能相關(guān)企業(yè)融資占比超過(guò)30%。國內外科技巨頭紛紛布局，如特斯拉的Autobidder平臺、寧德時(shí)代的AI儲能管理系統、陽(yáng)光電源收購AI上市企業(yè)等，進(jìn)一步推高了市場(chǎng)熱度。

但狂歡之下隱憂(yōu)凸顯：AI+儲能仍有許多問(wèn)題亟待解決。一是，技術(shù)瓶頸。AI與儲能的深度融合尚需突破。AI模型的準確性高度依賴(lài)數據質(zhì)量，而儲能系統的數據采集和標準化仍存在不足。此外，現有算法在復雜場(chǎng)景下的適應性有限。AI在儲能領(lǐng)域的應用仍處于初級階段，許多技術(shù)尚未經(jīng)過(guò)大規模驗證，實(shí)際效果存疑。

二是成本壓力。AI賦能的高成本與回報周期A(yíng)I技術(shù)的引入需要高昂的研發(fā)投入和硬件支持，這對中小型儲能企業(yè)構成較大壓力。短期內，AI+儲能的成本優(yōu)勢難以體現，回報周期較長(cháng)，可能影響企業(yè)盈利能力。

三是網(wǎng)絡(luò )安全難題。AI系統的網(wǎng)絡(luò )安全問(wèn)題不容忽視，一旦遭受攻擊，可能導致儲能系統失控，引發(fā)安全事故。儲能數據的隱私保護也成為焦點(diǎn)，如何在數據共享與隱私保護之間找到平衡，是行業(yè)亟待解決的問(wèn)題。

四是政策與標準缺失。目前，AI+儲能領(lǐng)域缺乏統一的技術(shù)標準和行業(yè)規范，可能導致市場(chǎng)混亂和技術(shù)壁壘。政策支持力度雖大，但具體實(shí)施細則和監管機制仍需完善。

一個(gè)行業(yè)人士提出一個(gè)有趣的問(wèn)題：當AI開(kāi)始自主決策儲能系統的充放電策略，如何界定算法失誤的法律責任?歐盟最新發(fā)布的《能源AI倫理指南》要求關(guān)鍵決策保留人類(lèi)干預接口，這或許可為中國相關(guān)立法提供鏡鑒。

歐陽(yáng)明高也談道，DeepSeek在電池知識問(wèn)答和電池文本挖掘任務(wù)上均表現優(yōu)異，在電池設計任務(wù)上具備初步的總結能力，但尚欠缺科學(xué)分析能力，仍需要垂直領(lǐng)域大模型解決。

站在2025年的節點(diǎn)回望，AI對儲能行業(yè)的改造尚處“工具賦能”階段。而展望2035年，顛覆性趨勢可能正在孕育。正如廈門(mén)科華數能總裁崔劍所言：“我們不是在改造儲能，而是在重塑人類(lèi)與能量的對話(huà)方式。