3月17日,由中国消防协会消防电子分会、中国消防协会电气防火专业委员会、中关村储能产业技术联盟与维谛技术(Vertiv,NYSE:VRT)联合主办的“2023第一届储能消防安全产业创新发展高峰论坛”在上海隆重召开。
维谛技术(Vertiv)大中华区董事长李宁、大中华区总裁崔益彬、市场营销及产品应用副总裁田军受邀出席,向来自消防相关科研院所、设计院、集成商、消防技术厂家等与会嘉宾介绍分享了维谛技术(Vertiv)在储能安全方面的创新理念与应用实践。

李宁董事长同时担任国际消防协会联盟亚洲分会执委、中国消防协会常务理事、中国消防协会消防电子分会会长,他在开幕致辞中表示,实现碳达峰碳中和的任务艰巨,必须解决能源安全、产业链供应链安全,有效应对绿色低碳转型过程中可能伴生的经济、金融、社会风险,确保安全降碳。而随着储能的高速发展以及在双碳战略的重要地位突显,储能消防安全就变得尤为重要。本届论坛为储能系统与消防安全搭建了桥梁,相信在行业的共同努力下,一定能够为中国乃至世界储能产业发展,提供科学、合理、有效的消防解决方案。

创新视角 关注储能消防安全
在高峰对话环节,崔益彬总裁与多位储能及消防领域的专家,围绕“储能安全态势及消防技术研讨”的主题展开了一场思维激荡的高端对话。

崔益彬总裁表示,维谛技术(Vertiv)近年来深度参与储能集成解决方案,既是储能方案的提供商,也是储能方案的用户。作为储能行业的全面参与者,基于对行业的深入研究和实践经验,认识到储能安全是一个系统性问题。除了电池本体安全、消防处置等问题外,考虑整个电控系统安全性和可靠性,并为储能系统提供一个健康的运营状态和运营环境更是尤为重要。

维谛技术(Vertiv)作为关键基础设施行业的引领者,可以凭借几十年积累下来的电控经验,以及全面的创新型产品及解决方案,从系统级和全生命周期角度出发,帮助客户、集成商甚至电池生产厂家针对储能系统提供更加健康、更加安全、更加可靠的运营状态和运营环境,与众多行业伙伴加强产业合作,共同推动储能产业安全可持续发展。
防控一体 构建多维度安全屏障
田军副总裁通过《防控一体-系统级构筑储能安全护城河》的演讲,向与会嘉宾全面分享了维谛技术(Vertiv)关于储能安全的价值理念。

田军副总裁表示,维谛技术(Vertiv)深耕关键基础设施领域积累了丰富的实战经验,在供配电管理、热管理以及系统集成方面有着长足的经验与优势,这些核心能力将为储能系统解决方案提供系统级的安全保障。
维谛技术(Vertiv)基于“防控一体”的理念,有效降低热失控带来的火灾和爆炸风险,打造高安全储能系统。
在安全预防上,维谛技术(Vertiv)采用三级策略,首先是子系统安全设计,包括产品研发的“不妥协的可靠性”,以及极限测试与验证。其次是系统耦合设计,通过多层监测与管理及实时信息交互,为储能安全构建系统级保障。再有是通过数字化虚拟建造,将风险前置,防患于未然。
在安全管控上,维谛技术(Vertiv)一方面采用封闭隔离设计、隔热设计、风道设计等被动消防策略;另一方面,通过“防控一体”实现主动消防,从极早期监测实现提前管控,并根据情况进行有效的消防措施,满足储能系统的安全要求。
田军副总裁最后提到,优质的产业发展需要规范、标准指引与支持,维谛技术(Vertiv)参与了众多国内外技术标准的编制工作,希望可以与行业进行标准层面的协同,推进国内储能产业的健康有序发展。
经典案例 实现安全理念真正落地
作为业内领先的储能解决方案提供商,维谛技术(Vertiv)在较早时候就开始了储能系统的技术研发,并打造了强大的整体交付能力,拥有广泛的成功实践。其中,维谛技术(Vertiv)江门工厂储能项目,是维谛技术(Vertiv)园区低碳储能方案应用的经典案例之一。
在该项目中,江门工厂布置了超过15000㎡的太阳能极板,配置了800KW/1.6MWH的储能系统,用以消纳光伏发电,并将锂电储能系统用作备电电源。实际运行证明,江门工厂储能系统既实现了可再生能源的“储”,也做到了关键电力零中断的“备”。
同时,在整体安全设计上,江门工厂储能电站实现了极早期气体检测、火灾告警、气体灭火、二次喷淋的四级防护,体现了维谛技术(Vertiv)储能安全“防控一体”的理念。
安全是储能产业发展的重中之重。在本届论坛会议的尾声,李宁董事长代表主办方发起倡议,呼吁产业链各方抓住时代机遇,深化产业合作,加强协同发展,推动高效储能技术创新的同时,完善储能标准建设,加强全生命周期质量监管,实现储能系统应用的全流程安全,共同守好储能安全底线。
维谛技术(Vertiv)也将持续在储能安全领域加大研发投入,发挥自身在电力电子、AI、数字技术等领域的技术优势,致力于打造更安全可靠的储能系统,推动储能产业的可持续发展。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。