本站报道(文/黄山明)当下,AI大模型技术的高速发展,正在改变目前的生产方式。与此同时,不少储能企业也开始拥抱AI大模型,甚至还发布了许多集成AI大模型的储能产品。而在储能电网的调度上,AI大模型也能发挥出重要作用,甚至一举打破传统能源管理的“不可能三角”。
AI大模型 储能电网
尽管近几年AI大模型由ChatGPT开始带火,更是在今年的DeepSeek出来后变得更加火爆。但AI大模型其实并不是新东西,一些储能企业很早便开始引入AI用于电力交易,可以通过实时和日前精准的电价预测,以及新能源站点的交易情况预测定制化智能AI交易策略,帮助业主参与现货交易和辅助服务。
国内已经有多家企业与机构已经开始引入AI大模型,例如近期深圳电力充储放一张网2.0正式发布,融合了AI大模型、数字孪生、虚拟数字人等新技术。
该网可以支持千万级设备并发接入,海量数据毫秒级响应,是目前国内接入分布式资源数量最大、资源种类最多、覆盖范围最广的综合性管理平台。构建了8大核心能力及5大核心场景,包括基于数字孪生实现超充建设智能化全流程业务闭环,率先实现交能融合多元场景应用,实现全国首个车网互动示范应用落地,深度融合AI大模型与虚拟数字人,提升市民绿色出行极致体验。
南方电网建成电力行业自主可控电力大模型“大瓦特”,通过该模型系统负荷预测准确率从97.6%提升至98.3%。通过强化学习技术解决分布式能源大规模实时决策问题,突破了秒级实时调控的世界性难题。
广西电网在“大瓦特”基座上部署了基于全国产算力的广西输电应用场景大模型,模型拥有1.9亿参数,已完成了5种常规输电缺陷、5种通道隐患以及2类红外缺陷的算法开发和适配,在对对鸟巢、绝缘子自爆等典型缺陷的识别精度,基本实现了对人工的替代,平均缺陷识别率为90%,相较于传统小模型提升10%以上。
企业方面,浩博思创通过HyperAI构建数字孪生体系,利用高度聚合的数据平台训练和优化各类模型。拥有全维度、大规模、广联动、长积累的应用优势,可输出最优策略方案,驱动储能产品迭代的严谨性和性能的精确性,优化储能运营的经济性和可靠性,为电源侧、电网侧、用户侧客户提供储能电站收益最大化的解决方案,实现储能每次充放动作全局最优。
乐创能源更是在2023年便发布了基于AI大模型的储能新产品,包括“智慧能源算法群 大模型”的智慧能源运营系统“天将”等三大类产品;2024年推出MoE新能源大模型体系。
“天将”系统在上千例电池安全管理实操中,对电池燃爆事故的预测准确率能达到95%,可将储能系统运行效率提升20%,并在接入电网后,利用虚拟电厂技术,将系统效能提升10%,使储能电站内部收益率提升3%,运维成本降低30%。2024年,MoE新能源大模型体系实现了SOH预测、热失控预测等功能,综合准确性高达98% 以上,基于核电级别安全管理模式下的储能安全管理大模型,线上解决/线下维修率达80%。
AI破解能源管理“不可能三角”
在能源管理领域,传统微电网调度长期面临经济性、稳定性与环保性难以兼顾的“不可能三角”难题。打个比方,白天用电需求大,但火电发电成本相对稳定,难以根据需求灵活调整成本;风电、光伏等可再生能源虽环保,但其发电受自然条件制约,不稳定。
在夜间或阴天,光伏无法发电,若此时火电等传统能源补充不及时,会影响供电稳定性,且从火电转换到可再生能源过程中,成本波动大,难以平衡经济性、稳定性与环保性。
同时由于传统调度技术难以精准预测能源供需,对负荷预测精度不够,导致发电计划不合理,出现电力过剩或短缺。加上电力市场价格信号复杂,电价受政策、能源成本、市场供需等多种因素影响,波动频繁。以及传统微电网内不同能源设备和系统间通信和协同效率低,不同厂家生产的设备标准不统一,接口和通信协议各异,增加系统集成和协调难度,这些都是过去能源管理领域的难题。
不过随着AI大模型的加入,可以通过智能算法,对不同时段的能源供需和成本进行精准分析,制定出全周期收益最大化的能源调度方案。在实际运行中,系统可以根据实时电价、发电成本以及储能设备的充放电效率等因素,灵活调整能源的生产和存储策略。同时在电价低谷期,将低价电存储起来,在电价高峰期释放存储的电能供使用或出售,从而增加经济效益。
针对风光发电的随机性问题,AI 系统具备快速响应能力。当风光发电出现波动时,系统能够迅速调整储能设备的充放电状态和其他能源的输出,保障电网稳定运行。从动态扩容角度,通过智能调度,挖掘现有能源设备的潜力,在不增加大规模硬件投资的情况下,提升电网的供电能力,兼顾了稳定性和经济性。
系统还能与虚拟电厂联动,参与电力市场交易。通过整合分布式能源资源,根据电力市场的实时需求和价格信号,智能调整能源的生产和消费策略,提升能源资产价值。
部分企业甚至开始引入DeepSeek API智能求解以及DeepSeek大模型二次训练等技术,从不同层面和角度对能源管理进行优化。通过自然语言交互快速解析非结构化数据,实现动态场景适应;基于强化学习算法实现多目标协同优化,平衡经济性、稳定性与环保性指标等。
据了解,通过智能定制化的AI交易,在每日的电力交易下相比人工方式可以提升40%的收益。传统的火电站、风光电站参与市场交易时,大多是中长期的,而储能参与的交易主要为现货以及辅助服务,时效性短且相对高频。
伴随着整个电力市场高速发展的背景下,电力交易的规则也在不断完善。这就需要储能系统能够快速适应市场规则,而在不依赖人力的情况下完成自动控制闭环,基于大模型的AI的自动化可以很好地实现这一点。
小结
伴随AI大模型技术的高速发展,开始深入参与到储能电网运营当中来。通过机器学习来实现经济优化调度、平抑波动、动态扩容、及时响应等特点,实现储能电网经济性、稳定性与环保性的完美平衡。为AI落地化应用再添一个实用案例,加速推进储能电网的智能化。
免责声明:本文为转载,非本网原创内容,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
如有疑问请发送邮件至:bangqikeconnect@gmail.com