伴随新型储能装机规模的快速增长，数字化的重要性日益凸显——在帮助储能系统走向高端化的同时，也为储能系统提供本质安全的技术方案，并进一步优化储能经济效益。华西证券预计，储能信息化市场规模未来将占到储能市场规模的10%-15%。
据中关村储能产业技术联盟（CNESA）不完全统计，截至2022年底，我国新型储能累计装机规模首次突破10GW，功率规模、能量规模年增长率分别达128%、141%。
电化学储能快速增长
新型储能中，以锂电池为代表的电化学储能占比最大，同时也是增长最快的路线。截至2022年底，全国累计投运电化学储能电站方面，共472座，规模达6.9GW/14.1GWh，同比增长127%；在建电站300座，规模达11.7GW/29GWh；新增投运电化学储能电站194座、规模达3.7GW/7.9GWh，占已投运电站总能量的60%，同比增长176%。
新型储能中，以锂电池为代表的电化学储能占比最大，同时也是增长最快的路线。截至2022年底，全国累计投运电化学储能电站方面，共472座，规模达6.9GW/14.1GWh，同比增长127%；在建电站300座，规模达11.7GW/29GWh；新增投运电化学储能电站194座、规模达3.7GW/7.9GWh，占已投运电站总能量的60%，同比增长176%。
电化学储能系统主要由电池组、电池管理系统（BMS）、能量管理系统（EMS）、储能变流器（PCS）以及其他电气设备构成。
BMS是电池储能系统中的感知角色，通过测量电池电压、电流等基本参数，计算分析电池的剩余容量、健康状态，保证电池储能单元内各电池运行状态，实现储能单元安全运行。
近年来，国家对储能电池安全的重视程度不断提高，这对BMS数据监测精度、可靠性等方面提出更高要求。随着大数据、人工智能等技术逐渐应用于电池状态算法，BMS功能也由监测、存储等基本功能，向电池系统安全诊断和云边协同、全生命周期大数据管理等高级功能发展。
EMS是储能系统的决策中枢，负责优化调度，提供频率调节策略、电压调节策略、削峰填谷策略等多种调度策略，自动维持微电网压频稳定。因此，储能系统可通过EMS参与电网调度、虚拟电厂调度、“源网荷储”互动等。
其中，优化运行策略和控制策略的设计是EMS产品的核心要点和难点。
综合考虑储能运行成本、储能效益等因素，在满足电网调度控制需求的前提下，通过数学规划法、智能算法、引入复杂的数学模型及公式等求解方法，优化运行策略和控制策略设计，可在提升储能系统运行经济性的同时，改善各类技术指标。
PCS作为储能电池与电网之间的功率接口，能对充放电的电压、频率等进行快速精确控制，因此也决定了储能电池与电网之间的能量转换效率、并网侧电能质量以及电池储能系统的可靠程度。
在电网正常运行时，PCS可以提高电网对风光等大规模可再生能源发电的接纳能力，并且通过调度指令调节峰谷电能，提升电网供电质量和经济效益；在电网故障时，PCS能够独立组网供电，增加负载供电安全性。
由于PCS的建模、仿真、控制、优化等步骤是基于数字信号处理单元实现的，相对而言更加适应数智化变革，可通过AI、机器学习、数字孪生等技术实现PCS的智能建模、智能仿真等，进一步提升储能系统的效率和可靠性。
数字技术全面赋能储能系统
电化学储能的经济性、安全性等问题随着应用规模日益增加而备受业界关注。
电池是储能系统成本中占比最高的部分，占储能系统总成本的一半以上。1GWh的储能电池系统包含约1250万颗电芯，并且分布在不同储能电堆、电池簇、电池pack中。电池数量众多导致储能系统实现一致性管理较为困难，也增加后期运维管理成本。
与此同时，储能系统安全性和稳定性仍有提升空间。中邮证券数据显示，据不完全统计，2011-2022年10月，全球储能安全事故共42起。
2023年3月，中国电力企业联合会发布《2022年度电化学储能电站行业统计数据》，对电站可靠性情况进行披露。2022年，BMS系统异常是电化学储能电站非计划停运的主要原因，停运次数占比43%；从停运时长来看，BMS系统问题导致的单次平均非计划停运时长为3.65小时，PCS、电池导致的单次平均停运时长最长分别为60.98小时、55.74小时。
时下，大数据、AI、边缘计算等技术正在全面赋能储能系统的安全、运维以及运行经济效益。
经济性方面，通过建立电池的可重构网络，实现对电池的柔性控制，可在全生命周期中降低电池系统成本。
比如接纳电池的差异性，将资本支出降低30%；免于电池过充过放，使每个电池模组价值得到充分发挥，将储能系统寿命提高4倍；通过数字化手段进行智能运维，运营支出降低一半以上；在部分电池有效容量触底时可随时部分换新，无须整体停机和系统整体重建，进一步成倍提高效率、降低成本。
2022年4月，国网湖南电力建成全国首个新型储能监控中心，核心技术为储能集控平台和储能电芯在线诊断中心。国网湖南综合能源公司储能事业部负责人黄博文介绍，此后1名值班员可同时监控7座储能电站，效率远高于此前的一座储能电站需7人轮换值班，有效降低了人力成本。
安全性和可靠性方面，依托云计算、AI等数字技术，BMS可以对电池数据进行存储、处理、分析、评估、测算等，从而降低热损耗、防止热堆积，避免电池出现热失控，最终实现储能电站状态预警，有效提升安全防护水平。
协鑫BatteryAI电池数字智能管理平台，提供电池资产全生命周期数字化管理解决方案，为每块电池提供智能诊断、健康管理等服务，实现更高精度的电池SOH检测；超早期检出异常，更准确地异常检测，提前主动规避安全风险，助力储能行业资产数字化管理，加强电池资产安全运营管理。依托现代设备管理理念及人工智能技术，协鑫能科杭州龙泉路站储充换项目运维已实现设备线上值守、智能监测、预测性维护等。
北京昇科能源科技有限公司采用AI+预警算法引擎，实现对电池异常信息的深度挖掘和高效提取，故障预警从分钟级跨入“天”时代，平均预警时间3天，最长预警时间可达16天，综合故障识别率高于93%，误报率低于0.1%。
(转自第一财经）