11月10日,在2023世界储能大会,宁德市时代新能源科技股份有限公司总工程师许金梅指出,储能做到极致安全,可以用工程视角用统计学方法论量化。
目前全球大型储能电站超过5000座,着火事故70多起,火灾率高达1.52%。其中,中国建成770座,在运行约400多座,公开报道的火灾约3例。电化学储能的安全已成为行业发展的瓶颈和痛点。
许金梅指出,当下锂电应用场景越来越多,不同场景安全要求不一样,如高温高压、沿海高盐雾、强风沙多粉尘、高海拔,差异巨大。加上锂电储能设计直流交流交互复杂、零部件众多,失效机理众多。比如,高海拔电站气体更稀薄,也有更高绝缘耐压要求,冷却中更弱的热传导,即使是同样的集装箱内部设计核心完全不同。甚至PCS的共模电压也会对电池产生不可估量安全的影响。
不过,储能安全并非不可实现。以汽车行业为鉴,随着全球汽车行业IATF 16949质量管理体系不断完善,搜集客户经验,与核心供应商互动迭代,汽车质量水平出现巨大提升,可靠性得到明显改善,值得储能行业借鉴。
许金梅认为,安全成本是无价的,底线是有价的,即可以计算。储能火灾事故率大概千分之13-15,以GW级别投资电站单站来计算,安全系数可以量化,甚至简单到只用加减乘除法。
许金梅指出,储能要建立专用质量管理体系,需分四步走:
第一步,首先设定安全目标,通过概率安全分析、运营监控,安全容忍度、安全技术、测试验证。比如根据不同场景确认多少个电站、每年发生多少故障,层层分解到每一天制造、设计、测试、运维工程师每一步做什么。
第二步,根据不同场景匹配适用目标设定的核心安全技术。面向储能系统全生命周期应用场景及系统高电压化,针对交流侧,开展并网性能实证、高压故障安全;推导到直流侧,建立电池系统多级安全防护。其中热电耦合,在模拟热失控中,通常有高温烟气、可燃,更可怕的是低压线束产生火花。不仅要关注电池安全,还要关注次生安全。
第三步,实现安全风险的概率计算,即安全分级依据。常规设计击穿电压实验中,识别系统的薄弱环节;优化产品设计,根据设备重要程度进行分级,这个过程并不需要把所有零部件都囊括;最后实现个性化定制产品。
第四步,优化储能鉴定体系。
通过上述四步,最后进行产品的平衡,运维阶段持续监控风险,学会做减法,技术会带来额外的经济收益。
许金梅表示,“其实做电池的人不懂电网到底怎么用,电网的人也不知道电池使用的边界在哪里,这是我们建大实验室的初衷和目的,并不主要集中直流侧。测试完以后,才知道防护哪里,也可以知道哪里的防护无效。”
据悉,宁德时代持续在技术研发方面发力,在宁德、溧阳、上海、厦门以及德国慕尼黑设立了五大研发中心。同时,公司也拥有电化学储能技术国家工程研究中心、福建省锂离子电池企业重点实验室、中国合格评定国家认可委员会(CNAS)认证的测试验证中心,设立了“博士后科研工作站”“福建省院士专家工作站”等。
文/杨倩
来源/储能严究院
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。