故障預測系統(tǒng)是采日的核心技術產(chǎn)品之一，通過實時監(jiān)測和分析儲能系統(tǒng)的數(shù)據(jù)，提前發(fā)現(xiàn)潛在的故障，提高儲能設備的可靠性和安全性。此次熱失控預測技術的進化，能更精確，更提前地發(fā)現(xiàn)電池或設備中存在的問題，并及時采取行動防止事故發(fā)生，從而進一步提高儲能設備的安全性。同時，該技術還可以幫助我們進行節(jié)能優(yōu)化，避免能源浪費，提高效率。

 

采日能源熱失控技術建立實時、短期、長期的預警模型。采用遷移學習算法，充分利用多種電池類型、多工況下的案例數(shù)據(jù)，結(jié)果作為機器學習模型輸入。該模型由域?qū)咕W(wǎng)絡和值對抗網(wǎng)絡組成，從而訓練出更具泛化能力的模型。為了解決不同工況下的溫度偏移問題，通過智能算法，從SOC、SOH，不同類型的觸發(fā)條件的維度模型訓練，長期模擬運算，以及在設備上進行實際測試，其模擬和實測效果兩方面驗證理論邏輯，獲得鋰離子電池熱失控風險量化結(jié)果。

 

與常規(guī)在云端部署的預測系統(tǒng)不同的是，采日能源故障預測系統(tǒng)可部署在采日能源邊緣計算MOFS系統(tǒng)上，在本地進行數(shù)據(jù)采集、分析和決策，不必將數(shù)據(jù)傳輸?shù)皆贫诉M行處理，進一步提高了預測的精確度和預測時間，又可降低了數(shù)據(jù)泄露和安全風險的可能性，真正達到實時預測系統(tǒng)，同時搭配可視化的數(shù)據(jù)分析工具，查看、分析不同組件之間信號流動、性能參數(shù)等，更好評估不同控制策略方案的效果。

 

與此同時，故障預測系統(tǒng)與采日能源的微網(wǎng)優(yōu)化調(diào)度系統(tǒng)、虛擬電力廠（VPP）調(diào)度系統(tǒng)集成部署在MOFS系統(tǒng)平臺上，可對區(qū)域級，不同類型的儲能設備及其他設備系統(tǒng)進行故障預測和分析，成為儲能設備及大系統(tǒng)的超級安全衛(wèi)士！