在风光储一体化电站迈向智能化“无人区”的进程中，设备协议不互通、数据割裂、故障预测不准已成为制约行业发展的核心难题。兰州理工大学绿能铆筑团队在负责人陈宣羽的带领下，成功提出基于 Swarm Learning（群体学习）与多智能体架构的风光储一体化协同运维系统，以多项自主核心技术打通产业堵点，标志着我国新能源智能运维领域再获关键突破。
打破协议壁垒，构建全域“通用语言”
面对风光储场站中风机、光伏、储能设备品牌繁杂、通信协议互不兼容的“老大难”问题，绿能铆筑团队研发了核心硬件——统一协议边缘网关。
依托多源数据融合算法，系统完成海量数据清洗、归一化与精准时序对齐，打通毫秒级采集—秒级边缘计算全链路。由此彻底打破设备间“语言壁垒”，搭建起全域互联互通数字底座，实现光伏组件、风机传动链、储能电池簇全要素、无死角实时监测。
创新Swarm Learning，破解“数据孤岛”困局
针对传统AI运维模型因单一场站数据有限而导致预测精度低、甚至产生“算法幻觉”的痛点，团队引入了前沿的Swarm Learning技术。
这一技术路径摒弃了传统的“数据大集中”模式，采用了“数据不出站，模型共训练”的分布式策略。在严格保障数据隐私前提下，系统实现多场站模型参数协同进化。实测显示，该技术将风光出力预测精度提升近30%，故障诊断模型泛化能力大幅增强，从根源破解“数据孤岛”行业困局，让新能源场景 AI 应用更精准、更可靠。
双光融合+边缘智能，实现“毫秒级”故障免疫
在故障诊断层面，团队攻克了复杂环境下缺陷识别的技术难关。系统创新性地采用了“可见光+红外热成像”双光融合技术，能够精准定位光伏板的隐裂、热斑及二极管故障。无论是光伏组件的微小裂纹，还是储能电池的早期热失控征兆，系统均能实现毫秒级响应与精准分级预警，大幅降低了非计划停机损失。
多智能体协同，重塑“源网荷储”新范式
不同于传统的集中式控制，该系统以多智能体协同架构，让边缘侧的每一个智能体都能独立感知、就地决策，并通过协同调度算法实现风光储出力的动态平衡。这一技术突破将硬件成本降低了30%以上，为高比例新能源接入的新型电力系统提供可复制技术样板，强力支撑 “东数西算”战略下绿电算力中心安全稳定运行。
兰州理工大学绿能铆筑团队表示，未来将继续深耕数字孪生与群体智能领域，推动风光储运维技术从“自动化”向“自主化”跃升，以硬核科技创新助力国家能源安全与“双碳”目标落地。
