西清能源助力西部储能更安全

2025年8月19-20日，第十届储能西部论坛在内蒙古呼和浩特市成功举办。本届论坛由中国能源研究会、中关村储能产业技术联盟、中央企业新型储能创新联合体、内蒙古储能产业促进会、呼和浩特产业创新研究院主办。论坛以“市场驱动 生态赋能：储能推动西部绿色能源体系建设”为主题，聚焦“136号文”取消强制配储后，新能源与储能如何协同发展、储能价值如何重构等议题展开讨论。西清能源作为活动协办单位，受邀参加演讲，西清能源市场总监牛强介绍AI大模型+机理双驱动的主动安全风险管理技术。

作为新型电力系统的关键灵活性资源，锂电池储能在电力系统中已形成多元化应用场景，其重要作用也日渐凸显。近年来，行业迎来爆发式增长，安全问题成为影响储能行业发展的重点，据不完全统计，2017 年以来，全球发生的储能电站火灾事故已超过 100 起。136号文之后，储能从“要我用”转变为”我要用“, 而“我要用”的重要因素一定是如何保障储能的安全。储能系统火灾燃爆事故的后果极为严重，不仅会造成人员伤亡、财产损失和环境污染，还可能引发电网波动，危害电网运行安全。可以说，安全问题已成为电池储能大规模应用的重要障碍。

储能电站的安全防护是一项系统工程，涵盖本征安全、主动安全、被动安全三个层面。本征安全指的是在电池制造过程中提升电池本体的安全性能；被动安全即我们常说的消防，也就是事故发生后的应急处理。但我们知道，消防一旦启动，损失已不可避免。而且目前的消防技术其实也不能完全保障储能安全。2024年底国家消防救援局的新闻发布会上公告说：“在近几年的新能源火灾中，有两点突出的矛盾，第一，锂电池的热失控不可避免；第二，灭火救援的难题还没有有效解决。”

在本征安全和被动安全之间，还有一个非常重要的环节就是主动安全。它指的是通过监测储能电站运行过程中的数据，对电站内关键设备的健康状况进行在线评估，及时发现系统中存在的安全隐患和存在早期故障的电池，在消防火灾事故发生前，将安全隐患及早扼杀在摇篮里，也就是我们说的“防患于未‘燃’”。

第一个阶段是安全隐患阶段。此时电池尚未出现物理性损坏，但系统中已存在安全隐患，这些隐患虽然不会立即引发热失控，但电池长期处于这类不良工况中，一方面会加速容量衰减，大幅缩短使用寿命，另一方面会显著提升热失控风险，就好像我们去做体检，有些指标异常，不会造成太严重的影响，但需要加强关注。因此，我们的第一级防控聚焦于安全隐患辨识，通过数据模式分析精准捕捉系统中潜藏的安全隐患，在风险萌芽阶段进行干预。

第二个阶段是电池早期故障阶段。此时电池已出现结构性损坏，主要表现为两类故障：内短路与异常衰减。我们通过对电池状态的评估，可准确定位这些异常劣化的电芯。通过及时更换这些劣化电池，既能减少其对整组电池可用容量的影响，更能避免内短路等故障进一步恶化至热失控状态。这构成了我们的第二级防控 ——早期故障预警，通过主动识别早期故障的电池，阻断故障向危险阶段的发展。

第三个阶段是热失控前兆阶段。电池热失控可细分为前期与后期：前期表现为温度显著上升、温升速率异常，在这个阶段如果能及时发现并采取主动抑制措施（如紧急断电），可以阻断热失控进程，避免事故升级；然而，若未及时干预，将进入后期的完全失控状态，此时只能依赖消防系统处置。我们的第三级防控正是针对热失控前期，通过对多维数据动态特征的监测实现热失控提前预警。

综上，这套三级主动安全防控体系通过 “安全隐患辨识 — 早期故障预警 — 热失控提前预警” 的递进式防控，实现了从风险萌芽到事故临界状态的全周期干预，最大限度降低系统安全风险，避免隐患与故障演进至需消防介入的严重阶段。

在三级主动安全的架构下，有几项核心技术值得重点介绍。

第一个是电池健康状态评估技术。在储能场景下，电池健康状态评估面临两大挑战：一是储能电站运行工况复杂，多数时候不会处于满充满放状态，缺乏标定条件；二是数据质量参差不齐，存在噪声，且常因通信或传感器失效产生错误数据。如何在复杂的工况和恶劣的数据条件下实现对电池健康状态的准确评估，是行业普遍面临的难题。

对此，我们开发了一套结合电池物理模型与深度学习技术的在线评估方法。首先基于海量工程数据与实验室数据，预训练电池健康状态评估模型。由于不同储能电站所用的电池型号存在差异，模型在现场应用的时候需要对参数进行针对性调整。考虑到现场缺乏标定工况，我们创新开发了基于物理模型的电池 SOH（健康状态）在线标定技术 —— 算法自动从运行数据中识别合适工况，无需停机或满充满放，即可完成 SOH 标定及 OCV（开路电压）曲线动态生成。标定结果会用于对预训练的 AI 模型进行在线迁移与微调，大幅提升模型泛化能力，实现电池老化知识跨数据域的快速迁移。

第二个核心技术是电池早期故障检测技术。我们同样采用 “故障机理模型 + 神经网络”的技术路线：先基于故障机理模型提取故障特征、计算异常指标，再通过神经网络捕捉电池多维动态时序数据中的异常关联模式，从海量运行数据中辨识异常电池；随后结合电池物理模型进行量化计算，例如针对内短路，基于漏电流模型计算内短路电阻，并根据内短路电阻值对内短路严重程度进行分级预警。

第三个核心技术是深度故障诊断与智能主动运维策略生成技术。基于前述故障识别与异常分析结果，我们进一步结合大模型技术实现深度诊断与策略生成。目前我们已积累了超过 4GWh 的储能电站实际工程数据，基于这些数据构建了储能设备故障样本库与关键设备运维专家知识库，并用这些专业数据库对大模型进行训练与微调，使其学习掌握领域内的专家知识。再结合专用的数据异常模式识别模型，实现对各类异常的诊断溯源，并生成预防性维护策略建议。

通过这套技术体系，我们得以从电池健康状态评估到早期故障检测，再到运维策略生成，形成完整的主动安全防控闭环。

两种工程应用形式之一是在线风险监测系统 —— 储能电站主动安全风险监测系统。

针对大型储能电站，这套系统可以部署在储能电站内，在一区独立部署数据采集服务器，经纵向隔离之后将数据传输到四区独立部署的存储和应用服务器。信息通道是利用储能电站内现有的BMS和PCS的数据信息和信息通道，不会影响站内其他计算机的监控功能，且服务器可以独立部署，因此可以非常灵活的应用在新建和在运的储能电站上。

目前，这套系统已累计应用于 4GWh 的储能电站，且这一数字仍在持续增长。单站监测的最大容量超过 600MWh。

截至2024年底，对现场检出的故障记录进行了统计分析。结果显示，系统累计检出的故障主要分为四类：电池异常、BMS 故障、热管理设备故障以及接线松动。从统计结果来看，储能电站中 BMS 故障的占比远高于其他类型，BMS 故障极易导致电池过充过放，进而造成电池损坏，是储能电站需重点关注的一类安全隐患。

第二种工程应用形式是基于历史数据分析的定期安全体检。

对于未安装在线风险监测系统的储能电站，设备健康与安全状态评估需求同样存在 —— 无论是电站投运前的设备消缺，还是运行过程中的定期技术督导，都需要对设备进行安全评价。例如，国家标准《电化学储能电站运行规程》明确规定，储能电站投运后需定期评估设备健康状态，并列出了相关指标。显然，这类设备性能与安全评价需以运行数据分析为技术支撑，但目前工程实践中普遍缺乏相应的产品与服务。不少企业的储能电站在检修时，因缺乏专业工具，仍依赖人工目视检查，这种方式难以发现电池包内部的真实状态，必须通过数据分析才能实现精准的安全评估。

针对这一空白，西清能源基于主动安全技术，梳理出一套面向历史数据分析的储能电站安全评估方法。依托人工智能、电池故障机理模型及大数据分析技术，通过分析历史运行数据，可完成电池健康状态体检、系统安全隐患辨识、异常分析及故障诊断，并根据故障类型推送针对性的运维建议。

这项安全评估服务自2024年 6 月启动以来，已累计覆盖 2.6GWh 的储能电站，且数据仍在持续增长。2025年初，西清能源联合中关村储能产业联盟发起了第一期面向全国储能电站的免费设备安全评估活动，收到了多个储能电站的数据，为每个电站出具了安全评估报告，发现了一些潜在的安全隐患，得到了用户的积极反馈。今年6 月又开展了第二批储能电站安全评估活动，目前正在推进中。该报告将在2025年10月中关村储能技术产业联盟的安全论坛上发布。

这是给用户能够提供到的一份安全体检报告。我们会基于历史数据分析结果，对电站各项指标进行计算与评估，给出“正常”或“异常”结论。针对异常指标，会进一步深入分析导致指标异常的原因，定位具体故障点及故障设备。最终给出全站健康评估结论及运维建议。

通过这些工作，我们也发现了当前储能电站安全监督中的几个突出问题：一是多数电站存在不同类型的安全隐患和早期故障；二是粗放式运维管理会加速电池容量异常衰减，增加热失控风险；三是电站数据存储管理缺乏标准，导致历史数据质量参差不齐，影响安全评估的准确性。

这些问题对储能电站安全监督工作带来了一些启示：一是需基于数据分析手段，定期对设备安全状态进行评价与跟踪；二是结合安全评估结果开展精细化运维，一方面降低安全风险，另一方面延长电站使用寿命；三是从标准与管理层面加强数据源头管控，为安全评估奠定可靠的数据基础 —— 这需要全行业共同努力。

储能产业经过早几年的规模扩张，目前有不少运行多年的储能电站意境开始暴露出各类安全问题。储能行业的发展需要从规模扩张转向到需兼顾安全质量管理的发展新阶段，需要在规模与质量间找到平衡。

目前，我们也在推动相关标准的制定。在中关村储能产业联盟的支持下，我们在牵头制定《电力储能用锂离子电池系统运行安全评估导则》，旨在从数据要求、安全评估内容、计算方法等方面规范储能系统安全评估。

希望通过我们持续的努力，能够通过数字化技术推动储能行业的高质量发展，为西部储能的发展，贡献西清力量。

编辑：刘安为