在落实国家战略、构建以新能源为主体的新型电力系统的背景下，电力系统已走过了“有没有”“够不够”“好不好”的历史发展阶段，正步入解决“绿不绿”的新阶段。“风光领跑、多源协调”“调频、调峰压力剧增”“急需大容量灵活快速的调峰调频手段”成为构建新型电力系统的关键要素。提供大容量灵活快速的调峰调频手段，大力提升新能源的消纳和存储能力，蓄能和储能成为新型电力系统安全可靠运转的不可或缺的核心环节，并迎来规模化发展。
随着抽水蓄能电站和新型储能工程规模化建设和投运，人员缺口进一步扩大、安全管理要求进一步提升、工程质量与进度管控要求进一步提高，传统的建设和运维方式已不足以支撑。如何更经济、更短时间、更安全、更高质量建设储能工程，如何更经济、更安全、更有效运维成为工程全生命周期管理的重点。实现数字化技术与业务深入融合和赋能，发挥数据生产要素价值的核心作用，应用智能技术和数字技术实现机器替代，成为储能建设和运维技术发展的必由之路。
数字化技术与业务深入融合和赋能
当前的数字化转型不只是停留于基础的线上化与信息化，而是将数字技术与业务深度融合。数字化技术不仅要支撑基建域和生产域管理由“线下模式”向“线上+线下”甚至“线上”模式转变，还需在全面实现基建期、运维期各环节各要素标准化、信息化的基础上，开展数据分析工作，并将数据分析结果运用于管理环节中或流程节点中。即通过将各工作环节固化到信息系统后，以设备为核心，以台账、工单为纽带，以领域信息模型为基础，推进生产基建、设备运维、项目管理等数据与业务融合，分析资产运营效益，掌握设备健康状态，提供设备运行、检修决策支持，实现资产全生命周期管理过程的可观可控。
发挥数据生产要素价值的核心作用
发挥数据生产要素价值的核心作用离不开数据汇聚、数据治理、数据赋能、构建体系四个基础发力面。
持续汇聚海量时序数据、业务数据形成数据湖。依托大数据底座，按照统一数据模型，推进各电力基建、生产各环节数据全面汇聚，支撑设备状态和业务活动全面透明感知。全面支撑“设备状态可测、运行规律可观、安全风险可控”的目标实现。
开展数据资产全生命周期治理及管控。针对电力生产时序数据、业务数据特点，研究数据采集与预处理技术，进行准确性、完整性、时序性、一致性、时效性等方面的数据检测与分析，通过数据可信标签等管理手段建立数据质量评价体系。
实现数据业务赋能的对内对外价值循环。对内基于海量的高质量数据，运用用户画像、设备画像、业务画像为作业层、管理层、决策层定位关键数据，运用大数据及AI等数据挖掘技术加工提供高附加值数据，通过全面、高效的数据服务实现数据价值输出到业务过程，实现数据流引领和优化业务流。在长期的数据资产循环利用过程中，基建、运行、维护等业务知识、专家经验经逐步沉淀形成数据产品及服务。对外输出给外部市场实现数据价值的持续增长。
完善数据资产管理体系，充分发挥数据资产价值。以数据生产要素价值发挥为核心，建立完善的数据资产管理体系，建立数权体系，进一步提升数据资产管理和运营能力，发挥数据生产要素在储能工程建设和运维中的创新驱动作用。
应用智能技术和数字技术实现机器替代
应用智能技术和数字技术实现机器替代主要包含多源数据智能融合识别算法建设、业务的主动智能化建设、业务生态建设三个方面工作。
在多源数据智能融合识别算法建设方面，可结合电厂的生产运行特点，结合文字、图像、声音、知识、时序数据等多维数据进行综合识别分析，形成面向智能电厂基建、生产、经营等业务的算法技术架构，将重复有规可循、依赖经验的工作交给计算机完成。
在业务的主动智能化建设方面，主动智能以“云大物移”技术为支撑，以“人工智能”为大脑，以三维可视化展示为媒介，以边缘智能终端为工具，实现电厂的全面主动智能化安全生产和运营。重点建设包括装备技术、运行控制、运维管理、巡视值班、基建施工、风险管控、技术监督等多个领域的主动智能化。
在业务生态建设方面，基于领域信息模型统一数据规范和标准，通过技术手段由下而上营造业务生态并形成规范，各用户、各数据应用、各业务流程在各自目标驱使下，一同有序维护业务生态，各数据质量持续改进，智能算法应用在使用中日趋智能，业务工作更加人性化，技术人员工作不断得到解放，知识经验不断积累。
如前所述，在“双碳”目标指引下，储能数字化技术推动数字化技术与业务深入融合和赋能，发挥数据生产要素价值的核心作用，应用智能技术和数字技术实现机器替代，将成为能源领域碳达峰碳中和及数字赋能的关键支撑之一。
文 | 张豪（南方电网调峰调频发电有限公司储能科研院，一级拔尖专业技术专家，主要从事数据资产研究和大型抽水蓄能电厂运维工作）
