储能系统中电池SOH的AI预测分析，是对储能系统延长运行寿命、优化电池系统可充电深度、优化充放电策略、防范事故、指导运维的关键。由于SOH衰减预测，可以发现不同单元的未来3个月的衰减趋势不同，可以有效表征不一致性的变化趋势，对于可接受的不一致性变化，可通过调整阈值、主被动均衡、调整充放电策略来优化。但由于局部的电池单元的衰减趋势明显、或热失控预测概率升高，则需要运维干预。

SOH的预测为提前3个月内的预测值，可以与季度定期运维巡检相结合，在用户侧形成体系化管理和保障。

由于储能系统的安全性在储能行业发展中的重要地位，乐驾自行研发了热失控预测AI算法，并将预测分为四个安全级别，包括“月级预测”、“周级预测”、“小时级预测”和“分钟级预测”。

“月级预测”主要通过算法监控储能设备电池电芯的充放电一致性情况进行偏差分析，判断电池的衰减特性。

“周级预测”则围绕储能系统内部和电池内部图谱特性，分析电池低效或失效特点，并引导管理系统进行运维和管控。

“小时级预测”和“分钟级预测”主要针对电池热失控进行提前预测，并会联动储能系统中的消防装置进行处置，以减少电池起火的概率和其带来的危害。