【常務理事】昇科能源時序大模型的“寧夏實戰”
2025年12月31日，寧夏能宏紅寺堡魯家窯150MW/300MWh獨立儲能電站正式并網投運。該項目是構建寧夏新型電力系統的關鍵工程，也是采日能源首個“投建運”一體化儲能示范項目。作為該項目的核心AI技術合作伙伴，我會常務理事單位昇科能源深度參與了這座電站的“AI運營體系”構建。其中，由時序大模型驅動的儲能AI主動安全預警系統，正在破解行業運維痛點、打造差異化競爭優勢，為大規模集中式儲能電站的安全高效運維，提供了可復制、可推廣的實踐樣本。
一個大型儲能電站投運后，業主通常會委托第三方運維團隊管理。后者的報價邏輯通常會參考傳統電力設備運維，按儲能電站規模匹配人頭，按人頭核算成本。于是你會看到這樣一份典型的運維合同：6-10人的團隊（通常匹配 200-300MWh），7×24小時輪班，服務內容包括每天人工監盤、例行巡檢、填寫臺賬，定期清理雜草、擦洗灰塵、計劃性運維等，當然也有一些承諾性指標，如全年充放電量、在線率、可用率等。但在實際執行中，卻存在結構性問題：
一是日常狀態下，電站設備運行平穩，運維團隊大多在“待命”，盡管例行工作非常有必要，但可能遠不需要如此規模的專職團隊。
二是第三方運維團隊為控制成本，招聘的往往是具備相關證件的初級人員。他們能完成標準化動作，卻很難通過傳統EMS平臺看懂深層數據邏輯，因為傳統EMS平臺只是基于固定閾值監測，告訴他們“某個點位溫度異常”，卻無法回答“這意味著什么”，導致運維人員一旦遇到真正的技術難題，并不能上手解決，標準流程是：停機→通知廠家→等待支援，尤其是尚在質保期的項目。
三是通過調研了解到，有些項目中，看似嚴肅的考核指標，可能由于運維人員水平、運維工具等條件有限，首先在合同中就不會設置得太苛刻，其次是在執行中，往往會結合復雜的實際情況另行“商議”，導致考核在一定程度上淪為形式。
這種模式正在形成路徑依賴：業主擔心出事，只能接受更多人頭；運維團隊為了做大合同規模，有動力繼續堆人；廠家則樂于躲在幕后，只在出問題時派人排查。這在AI時代，甚至有點諷刺意味。
昇科解法：AI主動安全預警系統+少量人員，精準聚焦問題，實現范式革新
昇科能源正在打破這個困局：用時序大模型驅動的AI主動安全預警系統為儲能系統穿上一層全新的防護鎧甲，讓3-5個真正懂技術的人，加上一套7×24小時不眠的AI系統，搞定原本需要10人才能覆蓋的運維工作。同時，讓AI真正“融入”運維體系，實現儲能運維的范式革新。
這套預警系統的核心突破在于構建了一套“風險演化”的認知框架——不依賴具體故障機理，而是學習“風險在發生前72小時的共性模式”。
“我們關注的不是某個傳感器數值超標，而是風險是如何一步步積累到臨界點的。”項目技術負責人解釋，“比如熱失控，從最初期的SEI膜分解到最終的鏈式反應，會經歷數十個微觀階段的演變。我們的模型學習的是這個演變軌跡，而非單一結果。”
業內最大專家模型庫
基于10000+組電池失效樣本，5000+條運維工單，以及每年平均參與10起以上的電池、儲能系統事故調查積累，昇科能源訓練了涵蓋電池系統、PCS、BM、輔助系統多個關鍵器件的320個專家模型。
系統自動標注風險等級（如“24小時內需干預”），這種風險分級與處置建議，讓運維資源得以精準配置，精準鎖定高危故障，告別“大海撈針”。
天級熱失控預警
熱失控是電化學儲能系統最核心的安全隱患，也是行業內的運維難點。目前，傳統的熱失控預警提前量僅為15分鐘-3小時，且需額外增加傳感器，不僅提升了項目建設成本，還增加了系統運維復雜度。
昇科能源突破傳統故障機理依賴的技術局限，通過學習“風險在發生前72小時的共性模式”（如電壓微幅波動、溫度梯度變化），實現了天級別的熱失控預警。無論何種故障，只要在發生前存在可積累的風險軌跡，系統就能提前識別、精準預警，給運維團隊留出充足的處置時間，從源頭避免安全事故的發生。
底層引擎：新能源專用的時序大模型預訓練框架EnerS
昇科能源自主研發的儲能時序大模型預訓練框架EnerS，對標谷歌時序預測基礎模型TimesFM，在同一數據集下開展任務測試，不僅性能更優，且聚焦新能源儲能領域，專業性更強、泛化能力更突出。
在儲能運維領域融合BMS/PCS/遙信/遙測等多源異構數據，將其映射至同一高維空間；通過時序大模型預訓練框架，僅需少量數據即可還原全生命周期特征，可大幅降低數據標簽依賴，是直面新儲能站真實故障標簽少、模型冷啟動的最優解。
時序數據集成：從多源異構到物理AI
采用IOT自動化接入工具，針對不同場景多源異構數據的自動化接入，完成EMS時序數據的語義標準化+特征歸一化預處理，讓AI可以真正“理解風險”。
專家模型訓練：從安全到運營的全棧能力
利用EnerS跨任務泛化能力，不僅可以實現主動安全，還能延伸到功率預測、負荷預測、電價預測，這種”一底座多應用“的架構，意味著客戶無需為每個功能部署獨立系統，大幅降低智能化改造的總體成本。
范式革新：讓AI真正”融入“運維體系
技術價值的最終體現，不在于實驗室指標，而在于一線運維人員的真實使用體驗。
從"系統交付"到"能力共建"
昇科能源的交付邏輯不止于”系統部署-培訓操作-交付鑰匙“，而是與運維團隊共建風險認知能力：
標簽體系共建：與運維專家共同定義”什么是這個站點的異常模式“，將隱性經驗轉化為可量化的標簽；
決策閉環訓練：每次預警后的處置結果反饋至系統，持續優化”預警-處置“的匹配度。
從"買人頭"到"買確定性"
昇科能源希望打造的服務模式并非”按系統造價付費“，而是按”預警有效“"和”運維效率提升“付費，讓AI系統起到運維團隊縮編、非計劃停機減少、廠家外修費用降低的效果。
這種模式倒逼技術方真正”融入“運維：不是交付一套軟件就離場，而是”用更少的人，管好更大的站“，與業主共同承擔風險與收益。
作為采日能源首個“投建運”一體化儲能示范項目，昇科能源與采日能源實現了深度協同、優勢互補：首先是專家模型庫構建充分結合了采日能源多年的歷史運維數據，確保解決方案更貼合實際運維場景、更具針對性；其次是昇科能源的AI主動安全預警系統與采日智能安全預警盒子形成強強聯合，共同構成了全鏈條安全防護體系，全方位保障電站安全穩定運行。
方案價值：多維賦能，實現“成本中心”到“利潤引擎”的轉變
技術深度最終必須轉化為商業價值。在該項目的運營邏輯中，我們關注以下四個核心指標：
運維效率提升：徹底告警“信號雜音”。系統自動生成的優先級待辦單，讓運維人員從“大海撈針”變為“按圖索驥”。根據運維人員反饋，目前每天已能降低80%以上的告警噪音。
非計劃停機減少：通過72小時提前預判，將“故障后緊急停機”轉化為“計劃內預防檢修”，提升電站的可利用小時數，全年充放電量提升10-15%。
資產壽命延長：早期識別容量衰減與內短路風險，避免了電池的“帶病作業”，通過精細化均衡策略，預計可將電池整體循環壽命有效延長10%以上。
安全事故規避：通過長周期的應用，去證明在電化學儲能領域“零重大安全事故”是可以通過技術手段系統性實現的目標，而非依賴運氣或過度保守的運維策略。
來源 |昇科能源CIRCUE
編輯 | 中華新能源
