为什么说AI的尽头是光伏储能？阿里云智能集团电力新能源解决方案首席架构师黄振分享了一组数据：调用一次ChatGPT只需1秒、耗电量为2.9瓦时，这个电量可以供30瓦电灯持续照明6分钟。这意味着当AI像电灯泡一样渗入我们日常生活，其耗电量将是电灯的360倍。但与此同时他也强调：光伏储能的尽头也是AI。
“储能产业和AI的融合发展趋势，我觉得可以总结为五个字，‘大力出奇迹’。”国宁新储（福建）科技有限公司副总经理江博表示，未来AI的巨大的电力需求和庞大的算力需求，需要互相匹配。一方面AI的训练和应用需要庞大的算力支承，进而带来庞大的能源消耗，而储能作为峰谷调节的蓄水池，会成为清洁能源与AI结合的重要纽带。反之而言，储能的大规模应用，也会产生海量数据，“一个高效准确的AI大模型会决定储能电站的运营水平。”
而最快实现AI应用的场景，江博认为应该是在储能的全生命周期的安全监管和后期运维服务。
AI将成为储能收益的分水岭
尽管5G已全面渗透日常生活，各行业都迅速迈入智能化信息化主导的工业4.0时代，电力领域却仍然存在很多与“信息化”不符的时代特征，“比如，现在电网调度大部分还是靠人工操作，有调峰调频甚至远距离电力支撑需求时，还需要打电话去沟通。”在江博看来，这正是AI的需求所在，“如果有一天，电力供给需求、电力调度模型可以通过动态数据来展示和掌控，那么我们就能极大避免弃风弃光，能源利用率会更高。”
据黄振介绍，在山西独立储能市场试点中，基于一年的数据沉淀，AI将独立储能的收益提升了10%，某个场站一天收入最高可达40万。“从静态仿真来看，日均收益只有6万元、并不高，但是高达40万收入的情况越来越多，特别像7、8月份的天气，这种高收入的窗口期只有15分钟、30分钟。”黄振表示，如何用AI及时感知、捕捉这个时间段是行业需要重点关注的。
在这十分有限的高收益窗口期，将考验储能系统的精准出力、精准的回收能力，“以毫秒级的支撑响应速度、配合AI的高速指令才可以发挥1+1大于2的效果。”江博说，最好的AI模型一定要基于庞大且贴切的基础数据去训练。显然，拥有海量贴切数据基础的企业，会抢先一步拥有AI体验券甚至是享受市场高额收益的优先权。
国宁新储成立之初，就集合了国家电投与宁德时代两大领域资源优势，并决心致力于AI和储能深度融合发展的“新”业态。一方面，国家电投清洁能源装机1.71亿千瓦、占比70.13%，是全球最大的光伏发电、新能源发电企业，理所当然成为了训练AI辅助预测新能源发电能力的最佳场所。
另一方面，宁德时代作为世界电池巨头，已经多年稳居全球动力和储能电池榜首之位，仅2024年三季度共出货约126.5GWh，其中储能电池出货约32GWh，国内动力电池出货约24GWh，且市场份额仍在上升。持续高增的数据意味着，宁德时代对于电池运行过程中的衰减曲线、各种工况的变化已经有了相当丰富的经验积累，这将为电池状态预估的AI模型提供独一无二的大数据基础。
正如宁德时代创始人、董事长曾毓群所说，作为一个技术高度密集的产业，储能只有聚焦价值竞争，创造“高价值”产品，才能走上良性发展的道路。
江博也表示，“我们努力的方向，一定是提供增值的服务。”在他看来，电池储能的智慧运维市场，仍有很大的潜力有待挖掘。兵临城下的电力现货交易就是最重要的机遇，但它其实也给新能源储能带来了更多的挑战，对很多企业来说这将是一场生死淘汰赛。这个畅想要有个前提，首先储能要实现“智能调度”。
“调度难”的根源在于安全焦虑
今年“问政山东”栏目曾有一则案例，由于商业模式不成熟，新能源配建的储能收益率非常低。储能调用率，影响了储能的商业模型，更影响了储能投资热情。这个调用率到底有多低？
日前，中国科学院院士、南方科技大学碳中和能源研究院院长赵天寿指出，去年我国新型储能新增装机规模同比增长260%，但现状是储能利用率只有9%。清华大学程林指出，“电网是使用者，发电集团是所有者，装备设备厂家是供应商，这三方必须要联合起来一起深挖储能的利用率。”
而尤为值得注意的是，储能调用率低背后的真正原因，其实是各界仍然存在锂电池储能安全焦虑。
“套用一句西游记的台词，我敢调、你敢应吗？”在江博看来，一些已建成的储能电站更像是“薛定谔的猫”。“若要真正把这些已经投运的储能资源更好的利用起来，可能会涉及到庞大规模的储能电站升级改造。”而改造的方向之一，离不开AI智能监控和安全预警。
早期投运的储能项目其实储能设备存在较大差异，一旦真的规模化调度使用，可能会带来各种意外甚至惊吓。这其实也为当前储能市场的低价竞争再次敲响了“安全”警钟。
据欧盟科学院院士孙金华介绍，目前磷酸铁锂电池着火概率是10的负8次方，已经非常小了。但是随着储能电站朝向GW级别发展，发生火灾概率将随着电池数量增多而大大提升，而且电池组成储能系统之后发生火灾的概率又会进一步提升。
清华大学程林也指出，电池单体本身特别小，而成千上万的电池重组构成大规模储能系统过程中，首要面对的是如何破解电池的差异性问题，这其中一方面来自于电池出厂固有的“不一致性”，另一方面，电池在长期的使用过程中，电池的衰减和电池的寿命差异性会越来越大。程林表示，目前清华大学一直在致力于构建可重构的电池网络结构，来包容这种电池的差异性，提高电池储能系统安全性。
国内外统计数据来看，美国每座电化学储能电站火灾发生概率是每年2.1%，我国近两年的概率大概是千分之4-6，与全球平均千分之四左右的概率基本持平。“这个概率还是非常高的，“孙金华院士表示，若想降低这个概率就应该在电池系统做好三道防线，包括进一步提升电池的安全性，以及做好监测、监控以及预测预警，还要最后在着火瞬间及时发现火情、及时报警，再联络消防系统进行及时的扑救。
如今储能电芯的监测预警已经成为行业重点关注的安全防护技术手段之一。随着储能电站规模开始走向GW级别，电芯监管所带来的数据运算量也非常惊人、显然给每个电站配运算中心也是不合适的。因而，这也催生了储能对于AI的需求。
尽管市面的储能系统普遍在BMS、PCS、EMS等方面已经具备了一些安全保障的能力，但在江博看来，这些防护更像是西医，哪疼医哪、但治标不治本。“AI对储能的影响更多是前置性的、预判的，而且给储能的维护和诊断争得宝贵的反应时间。”在储能的全生命周期智慧运营中，AI可以辅助实现储能的智能监控来保障整体安全运行，让它变得更安全更高效。
此外，程林也指出，电池储能本身是一个工程，其安全问题需要用系统思维来看待，需要从生产、运输安装、调试运行、运维、运营直至最后回收的全环节、多要素来考虑，全面提高储能的安全性。
“我们希望大家通力合作、把标准拉齐，形成一个体系化的安全、系统的安全。另外，我们也希望所形成的标准可以跟国际对标。”在程林看来，当前中国储能企业集中出海之时，我们更要以高标准自律，避免劣币驱逐良币，守护储能产业健康发展。
联系地址：陕西省西安市北关正街35号方兴大厦8楼
