headwaynews

Проектируем будущее: ИИ, экология, урбанистика

Искусственный интеллект

Модульные системы хранения энергии Sigenergy: ИИ-оптимизация и переход на DC-coupling

По данным Markets Insider, около 400 инвесторов, EPC-подрядчиков и отраслевых экспертов обсуждали, как связка «интеллектуальное управление + децентрализованный стек» увеличивает коэффициент…

Модульные системы хранения энергии Sigenergy: ИИ-оптимизация и переход на DC-coupling

В Штутгарте показали модульные накопители с ИИ-управлением и связью по постоянному току

Sigenergy на конференции Sigenergy Day Europe 2026 представила промышленные системы хранения энергии с ИИ-контроллером, модульной архитектурой батарей и DC-coupling. По данным Markets Insider, около 400 инвесторов, EPC-подрядчиков и отраслевых экспертов обсуждали, как связка «интеллектуальное управление + децентрализованный стек» увеличивает коэффициент использования возобновляемой генерации и стабилизирует распределительные сети. Для аудитории ниши это смещение фокуса с бытовых инверторов в сторону utility-сегмента — с соответствующим ростом ставок по кибербезопасности и сертификации.

Цифры объекта в Вайссах-им-Таль

  • PV-часть: 11,6 МВт.
  • Накопитель: 20 МВт·ч.
  • Состав: 1660 модулей Sigenergy по 12 кВт·ч, 80 инверторов Sigen C&I PV на 100 кВт, две средневольтные трансформаторные станции с предустановленными низковольтными подключениями.
  • Монтаж: 20 дней. Пусконаладка: 2 часа.
  • Владелец: Deutsche Gesellschaft für Sachwertanlagen (DGS) GmbH. Интегратор: Arausol. Дистрибуция: Memodo.

Архитектура под капотом

SigenStack — децентрализованная компоновка: модули устанавливаются ближе к PV-стринговым линиям, а не свозятся в один контейнер. Заявленный выигрыш — сокращение кабельных трасс, объёма фундаментных работ и тяжёлой техники. В продуктовой линейке — SigenStack, SigenCube, SigenTerra. CEO Sigenergy Тони Сюй обозначает курс на переход от поставщика компонентов к стратегическому партнёру в storage-трансформации. Основатель Arausol Хайме Арау делает упор на скорость решения проблем как конкурентное преимущество.

Что осталось за кадром

В релизе нет ключевых для инженерной оценки параметров: тип ИИ-модели (классический ML, нейросеть, оптимизатор MPC), латентность принятия решений, логика переключения режимов зарядки/разрядки, сертификация кибербезопасности промышленного уровня, условия гарантии и кривые деградации при циклических нагрузках utility-масштаба. DC-coupling экономит ступени преобразования, но требует жёсткого согласования напряжений PV-поля и батарейной шины — ограничение, которое в презентации не разобрано. За рамками остались LCOE и реальная окупаемость. В смежных доменах, к примеру в здравоохранении, практика оценки рисков ИИ-систем уже формируется — см. рекомендации MHRA по регуляторной модели для медицинского ИИ.