4月10日，以“绿动西部·赋能未来”为主题的“2026沙戈荒清洁能源大基地（三北）高质量发展大会·内蒙古论坛”在呼和浩特盛大召开。北京西清能源科技有限公司作为生态合作伙伴受邀参加，西清能源总经理贡晓旭于4月10日在大会中发表《AI赋能储能电站安全运维》主题报告。
随着全球碳中和目标推进，电化学储能正以前所未有的速度扩张。然而，储能电站火灾事故的阴影始终挥之不去。传统的安全防护手段，在应对锂电池这一"能量块"的特殊风险时，已显现出明显不足。储能安全困境大规模电化学储能发展以来，安全问题始终是行业首要关注点。贡晓旭指出，传统的BMS和EMS系统在电池状态深度评估、安全风险监测预警方面存在明显短板。更严峻的挑战来自长期运维。随着储能装机容量快速增长，单纯依靠人工进行运维不仅效率低下、成本高昂，粗放的运维方式本身就会加速电池寿命衰减。据统计，在1000多的事故案例中，电芯本体问题仅占2.5%，而高达97.5%的问题属于各类隐患——如BMS故障、热管理系统失效、接线松动等。"这些问题如果不及时处理，就会大幅增加电池出问题的风险和概率。"
AI赋能，范式革新面对传统方法的局限，西清能源提出了"人工智能+储能"的范式革命。"我们觉得人工智能将来可以解决电化学储能的一些安全难题，来保障我们的储能安全。"贡晓旭表示。与通用AI模型不同，西清能源采用了物理机理与人工智能双驱动的技术路线。一方面通过数据模型捕捉系统动态变化，另一方面利用物理机理模型界定安全边界，确保AI决策运行在合理范围内。这一融合实现了三大突破：提升复杂场景下的算法鲁棒性、突破传统感知盲区、实现防御关口前移。西清能源已开发出电池健康状态在线评估、早期故障检测、热失控预警三类核心模型。特别在热失控预警方面，西清能源自主研发的MEMS气体传感器能够实现毫秒级响应，结合多维特征数据辨识，显著提升了预警的准确性和提前量。
三级防控，主动安全基于"物理+AI"的技术底座，西清能源构建了三级主动安全防控体系，从时间维度上实现对安全隐患的全过程管控。 第一级是在安全隐患诱发阶段，通过复杂数据模式辨识，提前发现BMS、热管理系统等辅助系统的问题。"这个阶段我们不能称之为故障，但是属于隐患。" 第二级是在电池本体已发生损坏时，从海量电芯中精准识别问题电芯。 第三级则是在热失控早期，通过多维度数据融合，尽可能提前预警时间。 为实现智能化决策，西清能源还开发了工业级主动安全智能体。该智能体基于DeepSeek大模型，融合行业专家知识库，能够自动分析故障原因、推理检修策略，指导现场运维工作。数据基座，实战检验任何AI模型的效果都取决于数据质量。西清能源通过工程数据、实验数据、仿真数据"三维一体"的方式，构建了坚实的数据基座。在实际应用中，储能数据存在质量参差不齐的普遍问题。为此，西清能源开发了专门的海量数据分层、清洗和治理方案，确保数据满足算法计算条件。目前，西清能源的在线监测分析系统已形成成熟产品，可在储能电站内独立部署。该系统不依赖额外传感器，通过现有BMS、EMS数据即可实现安全预警。规模应用，成效显著这项技术已在多地得到规模化应用。该核心算法已覆盖超过33.6GWh的储能电站，其中独立部署系统覆盖超过11.6GWh，最大单站规模达2GWh。应用案例验证了技术的有效性。在内蒙古乌兰察布等地的储能电站，系统已稳定运行较长时间，成功识别出包括电池本体故障、BMS控制板故障、NTC失效、热管理系统失效、接线松动等多类问题。去年，西清能源与中关村储能产业联盟合作开展的体检活动，评估了超过5.8GWh的储能电站，积累了丰富的工程实践经验。今年，团队更进一步，将评估算法集成到全新产品 - 移动式储能电站状态检测仪中。该检测仪可实现在现场完成数据采集，就地生成标准化评估报告，大幅提升了储能电站安全评估的效率和标准化程度。
展望未来，随着人工智能技术的不断成熟和在垂直领域的深入应用，储能安全运维的智能化、精细化将成为行业发展的必然趋势。西清能源将继续致力于技术革新，为构建更安全、更高效的新型电力系统提供关键支撑。
