在能源AI实验室近期的实验中，我们把储能电站的日报数据整理成一条可回放的时间线：15分钟粒度的节点电价、站内负荷、SOC、充放电功率与电池温度。目标不是追求单日收益最大化，而是让调度策略在峰谷价差收益与循环寿命之间找到一个可解释的平衡点。
做法上，我们没有让模型直接输出充放电指令，而是先预测未来24小时的电价与负荷区间，再用一层约束优化把SOC上下限、最大充放倍率、日循环次数上限转成硬约束，模型只在可行域内给出建议。这样值班员能看懂每条指令的由来，必要时可一键接管。
进展：在两个10MWh与20MWh的站点回测近三个月，日均峰谷套利收益提升约6%~9%，等效日循环次数下降约0.15次，电池温升峰值未见明显变化；策略给出的动作序列与人工台账的偏差主要集中在阴雨天气的负荷预测上。
下一步：将电池衰减模型改为在线更新，并把夏季高温段的可用功率折减纳入约束，观察收益与寿命损耗是否仍能同向改善。
评论