理界智能自研技术为电池“治未病”

日前，位于武进绿建区的常州理界人工智能科技有限公司面向工业及电网级电池储能系统，正式上线机器学习模型驱动的电池健康管理与智能运营平台——Dr.ESS，通过实时诊断、寿命预测与运营优化，帮助储能系统制造商、集成商和运营商降低电池资产的全生命周期成本。
长久以来，储能行业普遍面临电池健康状态难以精确掌握、安全隐患无法提前预警、运营策略与电池寿命之间存在矛盾的痛点。储能电站的电池管理目前仍以定期巡检和告警响应为主，往往在问题暴露后才介入处理。现有BMS和监控平台虽能采集电压、温度等基础数据，但大多停留在阈值报警层面，对深层问题缺乏主动识别和归因分析能力。得益于面向C端用户的终端应用Dr.EV，企业通过该应用收集并分析来自全球的大规模电池数据，构建并验证了基于物理模型的机器学习引擎。
常州理界人工智能科技有限公司CEO 技术总监 LEE JUNGHWAN：许多公司和研究团队依赖于完整的充放电循环，或者固定次数的循环。我们的突破在于：我们能够在部分充电和不同循环历史的情况下，生成可解释的分析结果，例如剩余寿命（RUL）和安风险指标。
在实际应用中，Dr.ESS围绕 监测—诊断—预测—决策 四个环节构建了完整的电池健康管理闭环。在监测层面可实时追踪每个储能站点的电池健康状态，并对电芯一致性偏差、异常充放电行为等早期退化信号进行主动识别和分级预警。在诊断层面，不仅能像做CT一样量化每个问题对电池寿命的具体影响，还能告诉运营方“哪块电池在退化、为什么退化、还能用多久”这些信息。在此基础上，平台会开出实用的“保养处方”，自动生成充放电策略优化建议与未来的电池替换规划及成本测算。截至目前，平台已提供22项成熟功能，另有27项功能处于规划或开发中，诊断准确率达到 99%，异常检测灵敏度为传统方法的62倍，在实际客户运营中帮助降低了约 30% 的应急替换成本。
常州理界人工智能科技有限公司CEO 技术总监 LEE JUNGHWAN：我们目前正在与 LG 和 SK 讨论潜在的合作。我们目前专注于ESS 制造商、ESS 运营商以及能源基础设施合作伙伴，我们的计划是先在1到 2家全球顶级公司身上建立强有力的参考案例，然后将该技术扩展到其他公司。