由澳門大學與北京理工大學合辦的第九屆儲能與智能運載國際會議在澳大舉行，逾200名專家、科研人員和業界代表參與。會議把電池、電網、交通和人工智能放在同一議程，討論能源系統如何在可再生能源增加和交通電動化下保持安全、可靠及可負擔。
會議共設24場專題分論壇，涵蓋電化學儲能、新一代車輛、綜合能源系統、綠色交通、能源人工智能和配電系統儲能。這些題目與大灣區電動車、電池、電網和智慧城市產業相連，真正挑戰是把研究成果轉成可規模部署的設備、軟件和標準。
儲能由單一電池走向系統協同
大規模使用太陽能和風能後，發電時間與用電需求未必一致，儲能需要在電力充足時吸收能量，在高峰或供應波動時釋放。系統除了電池，還包括控制、預測、消防、熱管理和電網調度。
清華大學、利茲大學和史丹福大學學者分別分享大規模儲能運行控制、交通脫碳下的電池狀態估計，以及高能量電池材料。研究方向橫跨算法、工程與材料，任何一環失準都可能影響壽命和安全。
企業評估儲能項目時，不能只比較額定容量，也要看循環壽命、實際可用容量、效率、保養、消防和退役回收成本。
智能運載需要能源與交通共同規劃
電動車增加會把交通需求轉化為電網負荷。若大量車輛在同一時間充電，可能增加配電壓力；若配合分時電價、智能充電和車網互動，車輛亦可成為分散式儲能資源。
智能運載亦包括路線、車隊、充電站和能源供應的協同。巴士、的士、物流車與私家車的使用模式不同，充電設施要按停留時間、里程和營運要求設計。
澳門城市密度高、土地有限，充電設施選址與配電升級尤其重要。大灣區不同城市可提供更大規模的車隊和道路場景，適合驗證技術能否跨區使用。
能源人工智能要處理可靠性問題
能源AI可用於負荷預測、電池健康估計、設備故障識別和電網調度。相比一般推薦系統，能源錯判可能造成供電、設備和安全風險，因此模型必須可監察、可回溯，並在資料異常時交回人工或傳統控制。
訓練資料通常來自不同品牌、氣候和使用環境，模型在一個車隊有效，不代表可直接套用至另一城市。研究團隊需要建立跨場景測試和持續校準，而非只展示單次準確率。
資料共享亦牽涉企業營運和基礎設施安全。產學研合作應先訂明資料用途、匿名化、保存和成果權利，減少合作完成後的爭議。
澳門電網轉型提供本地案例
澳門電力代表在會上介紹澳門電力系統邁向碳中和的策略，從能源供應、電網發展和低碳轉型分享實務。澳門本地市場規模有限，卻可作為高密度城市和旅遊設施的測試場景。
酒店、會展、交通和公共設施用電特性各異，若能把研究與實際負荷、儲能和能源管理系統連接，可更清楚量度節能、削峰和減排效果。
示範項目若要擴展，仍要通過成本、法規、保險、消防和維護評估。技術可行不等於商業可行，長期運行數據比短期展示更重要。
橫琴校區可承接成果轉化場景
澳大表示，將依託智慧城市物聯網全國重點實驗室和建設中的橫琴合作區校區，加強科研、成果轉化及國際合作。橫琴有較大校園和產業空間，可把澳門研究連接珠海及灣區供應鏈。
成果轉化需要中試設備、測試規程、企業訂單和工程人才。若校區只增加實驗室而沒有開放場景和企業共同驗證，研究仍可能停留在論文或原型。
本次會議建立了學術和業界交流入口，後續可觀察有否形成聯合實驗室、示範項目、技術許可或人才計劃。這些可量度成果，才是會議對澳琴新能源產業的實際貢獻。