2026年6月17日，上海交通大学溥渊未来技术学院极限智造中心李冕教授团队联合合作单位，在《Cell Reports Physical Science》发表题为“A multi-agent AI framework for explainable battery system maintenance”的封面论文，提出一种面向大型电池储能系统的多智能体AI可解释运维框架。该框架融合现场监测数据、领域专家知识与大语言模型语义推理，将电池储能系统运行中的不一致性指标转化为可解释、可追溯、可执行的运维建议，为大型储能电站的智能化维护提供了新的技术路径。
论文封面图
在新能源渗透率持续攀升的背景下，电池储能系统已成为支撑电网调峰、频率调节和清洁能源消纳的关键环节。大型储能装置通常集成了数以千计的电芯，其制造差异、运行工况的不均匀分布以及微环境差异等因素，在长期运行中会逐渐放大电芯间的不一致性。这种不一致性不同于突发性故障，它更接近一种潜伏性的"亚健康"表征，暗示着性能衰退、潜在隐患或维护优先级的改变。传统的储能运维手段主要基于阈值告警、统计特征和人工经验，往往仅能定位"哪里出了问题"，却难以深入回答"为什么会出问题""风险程度如何"以及"下一步该做什么"。
针对这一瓶颈，研究团队提出了多智能体AI可解释运维框架。该框架并不替代已有的不一致性评价算法，而是将其作为前端诊断能力，进一步结合大语言模型推理与检索增强生成技术，构建从“现场信号”到“维护建议”的闭环。用户可以像日常提问一样输入运维需求，例如查询某段时间内哪些电池包电压不一致性最严重，或询问某类电压差异可能由哪些机理导致。系统会自动识别问题类型，并调用数据分析、知识检索和信息融合等智能体，生成包含异常定位、原因解释和维护建议的回答。
面向大规模储能系统的智慧运维架构设计图
研究团队在一套在役集装箱式储能系统上验证了该框架的有效性。研究对象采用磷酸铁锂/石墨体系电芯，标称容量300 Ah，系统包含9个并联电池包，每个电池包由9个模组串联、每个模组包含44个串联电芯，总计3564个电芯。团队使用8个月现场运行数据，覆盖444次实际运行工况，并围绕数据类、知识类和综合类三种典型运维问题设计了30个代表性查询。结果表明，该框架在不同大模型实现下均能稳定生成高质量回答，并能够将电池不一致性模式、潜在物理机理与维护措施清晰关联起来。相较于依赖资深工程师逐项查看数据、手动解释指标的传统流程，该框架在典型查询任务中将平均响应时间缩短83.0%，平均运维成本降低98.2%。
该研究由上海交通大学溥渊未来技术学院、上海交通大学浦江国际学院及德国亚琛工业大学电化学与电力电子系统老化、可靠性与寿命预测研究中心等合作完成。相关研究聚焦储能电池寿命预测与一致性检测、储能电池系统安全风险早期预警、复杂系统协同优化决策等方向。未来，团队将进一步扩展领域知识库，纳入标准规范、运维手册、企业级故障案例和现场处置经验，并探索云边协同、本地化部署和多模态交互等技术路径，推动可解释AI在新型电力系统储能基础设施中的应用。
论文DOI:
https://doi.org/10.1016/j.xcrp.2026.103388
作者简介
瞿敬柏
本文共同第一作者，上海交通大学溥渊未来技术学院极限智造中心、浦江国际学院博士生，研究领域为电池建模与健康管理、储能系统健康评估。近三年以第一作者或共同作者身份在Cell Reports Physical Science、Applied Energy、Journal of Energy Storage、Journal of Power Sources、Engineering Applications of Artificial Intelligence等期刊发表SCI论文6篇。
王毅杰
本文共同第一作者，通讯作者。上海交通大学溥渊未来技术学院极限智造中心博士后研究员，研究领域为电池储能系统可靠性分析与安全设计。近三年以第一作者或通讯作者身份在Applied Energy、Advanced Engineering Informatics、Journal of Building Engineering、Journal of Power Sources、Cell Reports Physical Science等期刊发表SCI论文7篇，曾多次担任Applied Energy、IEEE Transactions on Transportation Electrification、Cell Reports Physical Science等期刊审稿人。
李冕
本文通讯作者。上海交通大学溥渊未来技术学院长聘教授，美国机械工程师学会会士（ASME Fellow）。研究领域为系统设计与优化、先进控制理论、数据分析方法与决策理论。主持或参与国家发改委/教育部国家储能技术产教融合创新平台、科技部重点研发计划、国家自然科学基金面上项目、上海市科委科技创新行动计划等科研项目，聚焦储能电池寿命预测与一致性检测、储能电池系统安全风险早期预警、车辆底盘关键零部件载荷在线估计与剩余疲劳寿命预测、复杂系统协同优化决策等方向。兼任城市复杂风险防控与韧性治理上海市应急管理重点实验室副主任、上海交大溥渊-西门子可持续技术研究中心主任；近年来在Applied Intelligence、Control Engineering Practice、Reliability Engineering & System Safety、Journal of Energy Storage、Journal of Building Engineering、Mechanical Systems and Signal Processing 等期刊发表代表性论文。曾获ASME设计自动化会议最佳论文奖、美国马里兰大学机械工程系最佳博士论文奖、上海交通大学教书育人奖、上海交通大学“凯源”十佳教师奖、上海市教学成果一等奖等荣誉。
Weihan Li
本文通讯作者。现任德国亚琛工业大学“电化学与电力电子系统老化、可靠性与寿命预测研究中心”（CARL）青年教授，并担任该中心“电池人工智能与数字化”研究团队负责人。2021年，他以最优成绩summa cum laude获得亚琛工业大学电气工程与信息技术博士学位。Weihan Li曾先后在美国麻省理工学院、英国帝国理工学院以及美国斯坦福大学从事研究工作。他连续入选科睿唯安“全球高被引科学家”（2024、2025），并获得多项重要学术荣誉，包括德国联邦教育与研究部“电池未来”青年科研团队资助（220万欧元）、柯尔贝基金会德国研究奖、爱尔福特公益科学研究院“赖希特奖”、vgbe创新奖、电池青年研究奖、亚琛工业大学创新奖等。
