Nuestras grandes baterías industriales de plomo-ácido, la serie LL1500-W, se desarrollaron para reducir las fluctuaciones en plantas de energía eólica, han estado en funcionamiento en múltiples instalaciones desde 2010 y se han acumulado datos operativos. La predicción de la vida útil basada en el análisis de datos operativos es la tecnología central de nuestro "negocio de soluciones de almacenamiento de energía", y el análisis de big data utilizando IA, que se ha desarrollado rápidamente en los últimos años, es esencial. JMP, que tiene funciones adecuadas para el análisis de datos exploratorios, es eficaz para analizar una amplia variedad de datos, como datos de series de tiempo durante la operación y datos de inspección periódica, e interpretar las relaciones entre los resultados de los análisis individuales a vista de pájaro. era. Esta vez, analizamos los datos operativos del sistema de almacenamiento de energía a gran escala LL1500-W y analizamos los efectos de los cambios a largo plazo en la relación entre corriente y voltaje y los efectos de las variaciones en el entorno de instalación entre baterías en la vida útil. Obtuvimos conocimiento sobre los factores que causan. Al utilizar este conocimiento para analizar cada sitio de instalación, podemos obtener el estado de deterioro de las baterías de almacenamiento en el sistema en tiempo real, y podemos esperar desarrollar servicios de almacenamiento de energía que satisfagan simultáneamente las necesidades de almacenamiento de energía de los usuarios y preserven la vida útil de la batería.
