从不一致到决策：电池储能系统可解释的运行与维护

电池储能系统（BESS）日益在电网稳定性中发挥关键作用，但其运行与维护仍主要依赖于被动、依赖专家经验的诊断方法。尽管单元级不一致性提供了早期警示信号，可指示退化和安全风险，但缺乏可扩展且可解释的决策支持框架，使得这些信号难以有效转化为操作行动。本文提出了一种面向大规模 BESS 的基于不一致性的运行与维护范式，系统性地将常规监控数据转化为可解释、面向决策的指导方针。该框架将多维度不一致性评估与基于大型语言模型的语义推理相结合，以弥合量化诊断与实际维护决策之间的鸿沟。我们使用来自一套在役电池系统（包含 3564 个电池单元）收集的八个月场地数据，演示了如何将电气、热力学及老化相关的不一致性提炼为结构化的运行记录，并通过多智能体框架转化为可操作的维护见解。该方法使我们能够对现实世界的运行与维护查询进行精确且可解释的响应，较之传统的专家驱动做法，可将响应时间和运营成本降低超过 80%。这些结果为电池储能系统的智能运行与维护铺平了可扩展之路，直接 implications 包括提高可靠性、安全性以及在现代电力系统中高效集成储能的成本效益。