正如同自動駕駛依賴數(shù)據(jù)和仿真訓練，儲能系統(tǒng)的智慧進階，也需要依靠數(shù)據(jù)和算法。

近年來，儲能企業(yè)愈發(fā)意識到大數(shù)據(jù)的重要性，儲能運行數(shù)據(jù)成為重要的無形資產(chǎn)。

無論是儲能系統(tǒng)集成商還是儲能PCS等核心部件企業(yè)，逐漸改變之前將設(shè)備外包給軟件公司或運營商管理的常態(tài)，越來越傾向于自研云平臺、掌握設(shè)備運營權(quán)限，開啟數(shù)據(jù)上云。目前，大部分儲能廠商都開始建立了自己的數(shù)據(jù)庫。

行業(yè)認為，通過大數(shù)據(jù)分析和挖掘，能夠幫助儲能設(shè)備商和運營商找到隱藏在大量數(shù)據(jù)中的規(guī)律，反哺產(chǎn)品迭代和服務(wù)創(chuàng)新，提高資產(chǎn)運營效率和安全性，實現(xiàn)資產(chǎn)收益最大化。

但是，企業(yè)普遍面臨的一個核心問題是，如何讓數(shù)據(jù)真正發(fā)揮價值，而不僅僅停留在“隱形資產(chǎn)”和“潛在價值”的傳說中？

一方面，儲能系統(tǒng)復(fù)雜程度高，電芯、PCS、BMS、EMS等各部件通常來自不同廠商，系統(tǒng)內(nèi)部存在數(shù)據(jù)孤島，例如電池故障智能預(yù)警、智慧運維等諸多問題無法通過單個部件獨立完成；

另一方面，儲能系統(tǒng)的數(shù)據(jù)體量持續(xù)增長，海量且碎片化的信息整合并非易事，且需要大量經(jīng)驗和總結(jié)，無法直接照搬傳統(tǒng)大數(shù)據(jù)的處理方式。

“立足真實數(shù)據(jù)，基于用戶需求和實際工況開發(fā)先進算法和應(yīng)用，讓數(shù)據(jù)真正產(chǎn)生價值?！被趧恿﹄姵谺MS領(lǐng)域深厚積累和應(yīng)用場景中的產(chǎn)品改進需求，力高新能自2017年開始啟動新能源大數(shù)據(jù)業(yè)務(wù)。

針對數(shù)據(jù)處理的諸多痛點，力高新能自主開發(fā)了儲能大數(shù)據(jù)管理平臺，在挖掘大數(shù)據(jù)的應(yīng)用方面走在行業(yè)前列。既可以在儲能電站設(shè)計之初接入大數(shù)據(jù)管理平臺，也能夠?qū)σ淹哆\的數(shù)字化程度不高的儲能電站進行智慧化改造。

力高新能儲能大數(shù)據(jù)管理平臺并非簡單的數(shù)據(jù)聚集平臺，而是一套完善的數(shù)據(jù)管理解決方案，系統(tǒng)性地改變數(shù)據(jù)處理方式，真正能夠讓儲能系統(tǒng)在大數(shù)據(jù)的基礎(chǔ)上“成長”。

行業(yè)對大數(shù)據(jù)的需求愈發(fā)迫切

儲能BMS系統(tǒng)主要通過監(jiān)控、采集、分析電池信息，以實現(xiàn)電池的安全、高效、穩(wěn)定運行。因此，BMS系統(tǒng)涉及諸多算法，包括電池SOX評估、充放電控制、健康預(yù)警、均衡優(yōu)化、數(shù)據(jù)處理等。

首先，高精度的SOX估算需要大量現(xiàn)實數(shù)據(jù)來檢驗。

高精度的數(shù)據(jù)采集和電池狀態(tài)SOX(SOC、SOE、SOP、SOH)估算是儲能系統(tǒng)運行決策的重要依據(jù)，也是BMS的核心功能之一。

現(xiàn)階段，無論是電池電壓、電流、溫度的探測，還是多種氣體探測，都能夠?qū)崿F(xiàn)高精度探測，但不同BMS廠商在電池SOX算法方面各有高低。

力高新能研究院院長、高級工程師沈永柏博士表示，即使這個算法在實驗室或理想狀態(tài)下能夠做到高精度估算，但在實際應(yīng)用場景中可能會出現(xiàn)各種各樣的問題，導致這個算法無法使用。

在他看來，算法在現(xiàn)實場景中能不能真正運行起來、在大量現(xiàn)實數(shù)據(jù)中能不能保持高精度，是更重要、更難的課題。

其次，智能均衡算法需要更多歷史充放電數(shù)據(jù)的訓練。

儲能系統(tǒng)中所有電芯充放電是同步進行的，但由于生產(chǎn)工藝差異、電池倉內(nèi)不同位置的溫度差異等多重因素影響，儲能系統(tǒng)中不同電芯的狀態(tài)會存在一定差異，隨著使用年限和循環(huán)次數(shù)增加，電芯之間的不一致性也會加劇。

如果電芯之間的SOC、SOH等多項指標出現(xiàn)較大不一致，輕則導致系統(tǒng)容量浪費，重則可能導致過充過放降低電池壽命，甚至可能引發(fā)電芯起火等事故。在此情況下，BMS的均衡優(yōu)化技術(shù)愈發(fā)受到行業(yè)重視。

電池均衡的實現(xiàn)一方面在于硬件架構(gòu)，另一方面在于軟件算法，需要系統(tǒng)智能決策后下達均衡指令，這就要求BMS企業(yè)掌握更多鋰電池的歷史充放電數(shù)據(jù)，通過每一次精確的充放電控制，延長儲能電池的生命周期。

第三，儲能安全預(yù)警需要以復(fù)雜工況的運行數(shù)據(jù)為底座。

最近幾年，全球儲能電站安全事故一年比一年增多。面對儲能行業(yè)的潛藏的巨大安全風險，國家對儲能安全的審查和驗收也開始收緊。由于鋰電池的本征特性，儲能電站安全事故大多數(shù)來源于電池熱失控。

不過，鋰電池熱失控的誘因有許多，不同問題導致的熱失控會呈現(xiàn)不同的前期表現(xiàn)，例如過充、撞擊、針刺、進水、內(nèi)短路等諸多問題都有可能引起熱失控。

如果儲能電池發(fā)生內(nèi)短路，在熱失控初期，電池的溫度變化并不顯著，但電池內(nèi)部可能出現(xiàn)電阻變小、電壓下降等情況，產(chǎn)生的熱量較小，能夠被冷卻系統(tǒng)及時處理。

熱失控初期是早期預(yù)警的最佳階段。雖然BMS系統(tǒng)、熱管理系統(tǒng)等發(fā)揮了電池安全管理的重要作用，但要真正把熱失控遏制在初期階段，關(guān)鍵在于需要對電池進行更精準、更全面的監(jiān)測和預(yù)警，把握電芯各項數(shù)據(jù)的細微變化。

值得注意的是，熱失控預(yù)警并不等同于安全預(yù)警。沈永柏博士表示，安全預(yù)警的關(guān)鍵在于查準率（預(yù)警準確率），盡可能減少誤報，而熱失控預(yù)警追求的是查全率，“寧可錯殺也能不放過”。

如何不漏掉任何一個熱失控風險的預(yù)警，同時又要盡可能減少誤報，成為電池安全預(yù)警系統(tǒng)的技術(shù)難點。

儲能是個重運營的行業(yè)，海量電芯安全高效管理直接關(guān)系到儲能電站的收益水平。隨著儲能電站大型化、充放電愈發(fā)頻繁，傳統(tǒng)依靠人工運維的方式越來越不適用，業(yè)內(nèi)對于AI智慧運營的呼聲越來越高。

無論是電池狀態(tài)評估、均衡優(yōu)化還是安全預(yù)警等功能，都是儲能電站基于大數(shù)據(jù)處理實現(xiàn)的其中一項“智慧化”應(yīng)用。

與常規(guī)的運維平臺不同的是，力高新能儲能大數(shù)據(jù)管理平臺是一個提升整體運營效率的綜合解決方案，基于數(shù)據(jù)處理和模型計算，整合了數(shù)據(jù)展示、安全預(yù)警、殘值評估、數(shù)據(jù)分析、數(shù)據(jù)服務(wù)、項目管理等各個應(yīng)用模塊。

填補數(shù)據(jù)缺口，引領(lǐng)儲能安全和智慧進階

雖然越來越多儲能企業(yè)意識到，借助數(shù)據(jù)的力量來優(yōu)化產(chǎn)品的重要性，但行業(yè)普遍面臨的一個現(xiàn)實問題是，儲能電站的實際運行數(shù)據(jù)存在巨大缺口。

一方面，儲能行業(yè)在近幾年才真正開始跨越式發(fā)展，早期投運的儲能電站僅有少數(shù)的示范項目，加上國內(nèi)存在大量儲能電站“建而不用”的情況；另一方面，儲能系統(tǒng)的應(yīng)用場景多樣，不同環(huán)境工況、不同充放策略下電池的運行狀況也不盡相同。

那么，儲能行業(yè)的數(shù)據(jù)缺口如何填補？其中一個重要方式在于用好動力電池的運行數(shù)據(jù)。

動力和儲能電池BMS在充電策略上的區(qū)別并不大，不過，由于動力和儲能對電池系統(tǒng)的訴求不一樣，在放電策略方面差異較大，動力電池的放電電流工況比較復(fù)雜和隨機，要求瞬時大功率輸出，而儲能電池對功率的需求不大，更注重保持海量電芯的一致性和安全性。

作為國內(nèi)第三方BMS龍頭企業(yè)，力高新能在動力電池領(lǐng)域擁有海量數(shù)據(jù)積累。2017年開始，力高新能開展新能源大數(shù)據(jù)業(yè)務(wù)，目前已擁有新能源汽車、新能源叉車、儲能系統(tǒng)等多個大數(shù)據(jù)平臺產(chǎn)品。

基于多應(yīng)用領(lǐng)域的數(shù)據(jù)積累和先進的算法模型，力高新能在提高電池全生命周期的安全性、提升使用效率方面領(lǐng)先于行業(yè)一眾企業(yè)。

高工儲能認為，面對儲能行業(yè)更高的安全性要求，儲能BMS需要更多有關(guān)電池安全方面的技術(shù)提升，尤其是在安全預(yù)警方面，BMS有巨大的發(fā)揮空間。

那么，如何實現(xiàn)儲能安全預(yù)警？沈永柏博士表示，目前業(yè)內(nèi)主要采用三種方式，第一種是基于閾值的故障診斷，例如設(shè)置壓差報警的閾值等等，但實際上只是BMS功能的轉(zhuǎn)移和重復(fù)；

第二種是基于電池模型的故障預(yù)警，在統(tǒng)計學習和算法的基礎(chǔ)上進行預(yù)警，但這種方式存在的問題是與電池所處工況強相關(guān)，預(yù)警并不穩(wěn)定，準確性也就大打折扣；

第三種是建立電池預(yù)警評分體系，在第二種預(yù)警方式的基礎(chǔ)上，進一步分析問題出現(xiàn)的根本原因，并尋找智能維護方案。

面向未來儲能充放更頻繁，對儲能電池一致性、安全要求也將越來越高。在未來很長一段時間內(nèi)，算法模型仍依靠數(shù)據(jù)來迭代，儲能電池的充放電運行數(shù)據(jù)、儲能電站的電力市場交易數(shù)據(jù)的挖掘和利用，是邁向“智慧”儲能時代的必經(jīng)之路。