Od czujników gazu do Physical AI. Nowe podejście do bezpieczeństwa BESS

Sztuczna inteligencja coraz wyraźniej zaznacza swoją obecność w sektorze magazynowania energii. Mówimy o niej już nie tylko w kontekście warstwy analitycznej infrastruktury technicznej. Envision Energy zaprezentował zintegrowane rozwiązanie BESS nowej generacji, w którym AI owszem, optymalizuje pracę instalacji, ale potrafi także wykrywać ryzyka bezpieczeństwa baterii z kilkudniowym wyprzedzeniem.

Od produktu do ekosystemu

Według Envision Energy dalszy rozwój magazynów energii wymaga głębokiej integracji pionowej, obejmującej:

• ogniwa bateryjne,
• elektronikę mocy,
• systemy sterowania,
• oprogramowanie,
• aktywne uczestnictwo w rynku energii.

W tym duchu przygotowała swój innowacyjny produkt. Firma podkreśla, że nie oferuje pojedynczych komponentów, lecz kompletną platformę obejmującą technologię ogniw, systemy PCS, stacje średniego napięcia, EMS oraz nadrzędną warstwę software’ową obsługującą operacje i handel energią.

Jak podkreśla Kevin Huang, SVP i prezes linii produktowej magazynów energii Envision „Nie sprzedajemy tylko produktu, ale całe rozwiązanie. Od ogniw po oprogramowanie i wyjście na rynek. Wszystko działa w jednym ekosystemie”. Najważniejszym elementem tej architektury jest osadzenie sztucznej inteligencji nie tylko na poziomie nadzorczym, ale bezpośrednio w fizycznym działaniu zasobów magazynowych.

„Physical AI” zamiast klasycznej analityki

Centralnym pojęciem w strategii Envision jest tzw. Physical AI – koncepcja odróżniana od tradycyjnej warstwy analitycznej AI. W odróżnieniu od algorytmów działających głównie w warstwie aplikacyjnej, Physical AI ma być ściśle związana z prawami fizyki i ograniczeniami inżynieryjnymi systemów energetycznych.

„System elektroenergetyczny rządzi się fizycznymi prawami i granicami technicznymi” – wyjaśnia Huang. „Dlatego AI musi być zintegrowana z modelami zachowania sieci, urządzeń i aktywów, tak aby podejmować decyzje w czasie rzeczywistym bez kompromisów w zakresie bezpieczeństwa i niezawodności”.

Rdzeniem tego podejścia jest Dubhe zaprezentowany podczas Abu Dhabi Sustainability Week. Model ten analizuje ogromne strumienie danych operacyjnych, koordynując w czasie rzeczywistym generację OZE, magazyny energii, sieci i popyt. To właśnie on tworzy to, co firma określa mianem „AI Energy System”.

Predykcyjne bezpieczeństwo zamiast reakcji awaryjnej

Najbardziej ambitne deklaracje Envision dotyczą bezpieczeństwa i zdrowia aktywów bateryjnych. Spółka twierdzi, że dzięki analizie danych laboratoryjnych i eksploatacyjnych z baterii, przekształtników i systemów sterowania, jej modele AI są w stanie wykrywać subtelne sygnały awarii na wiele dni przed wystąpieniem zdarzenia krytycznego.

Jak mówi Kotub Uddin, CTO ds. BESS w Envision „Tradycyjne systemy bezpieczeństwa, takie jak czujniki gazów, dają często tylko kilka minut ostrzeżenia Nasze systemy oparte na Physical AI potrafią identyfikować charakterystyczne sygnatury elektryczne z dużym wyprzedzeniem. To pozwala na zaplanowaną konserwację zamiast awaryjnego wyłączania instalacji”.

Przykładem są nieregularności napięciowe powiązane z tworzeniem się dendrytów w ogniwach litowo-jonowych, które mogą być wychwycone przez odpowiednio wytrenowane modele AI. Choć firma zaznacza, że technologia nadal ewoluuje, już dziś jest wykorzystywana do poprawy niezawodności operacyjnej.

AI jako narzędzie poprawy ekonomiki magazynów

Poza bezpieczeństwem, Envision postrzega sztuczną inteligencję jako klucz do poprawy rentowności magazynów energii. W warunkach rosnącej zmienności cen energii i coraz ciaśniejszych marż, zdolność do uczenia się na podstawie wcześniejszych decyzji handlowych ma dawać istotną przewagę konkurencyjną.

„Zmienność cen, napędzana rosnącym udziałem OZE, to ogromna szansa dla magazynów energii. Nasze narzędzia tradingowe oparte na AI uczą się na podstawie wyników wcześniejszych transakcji, zamiast polegać wyłącznie na statycznych algorytmach optymalizacyjnych”. Dzięki lepszemu prognozowaniu degradacji i rzeczywistych ograniczeń technicznych, AI ma także umożliwiać bardziej elastyczne struktury gwarancyjne i intensywniejsze cykle baterii bez ryzyka dla ich żywotności.

Potencjał w projektach C&I i systemach grid-forming

Choć największe wolumeny nadal dotyczą magazynów sieciowych, Envision widzi szczególny potencjał AI-sterowanych systemów grid-forming w segmencie komercyjnym i przemysłowym. Instalacje „behind-the-meter” pozwalają na głębszą integrację AI bezpośrednio w pętli sterowania.

W takich projektach algorytmy nie tylko optymalizują pracę, ale na bieżąco uczą się charakterystyki sieci i dostosowują zachowanie systemu w czasie rzeczywistym.

„To nie jest statyczne ustawienie parametrów przy uruchomieniu. System cały czas zadaje sobie pytanie: z jaką siecią mam do czynienia w tej chwili i jak powinienem się zachować?”podkreśla Uddin.

Envision posiada już projekty PV + storage działające w Chinach i rozwija podobne instalacje m.in. w Chile, Egipcie, Hiszpanii i Turcji. Firma zapowiada dalszą ekspansję w Europie i Ameryce Północnej, zakładając, że większość przyszłych instalacji bateryjnych będzie współlokowana z OZE.

Choć spółka przyznaje, że AI szybko staje się standardem w branży, podkreśla, że jej przewaga polega na rozwijaniu własnych modeli i pełnej kontroli nad danymi z całego systemu.