故障预测系统是采日的核心技术产品之一，通过实时监测和分析储能系统的数据，提前发现潜在的故障，提高储能设备的可靠性和安全性。此次热失控预测技术的进化，能更精确，更提前地发现电池或设备中存在的问题，并及时采取行动防止事故发生，从而进一步提高储能设备的安全性。同时，该技术还可以帮助我们进行节能优化，避免能源浪费，提高效率。
采日能源热失控技术建立实时、短期、长期的预警模型。采用迁移学习算法，充分利用多种电池类型、多工况下的案例数据，结果作为机器学习模型输入。该模型由域对抗网络和值对抗网络组成，从而训练出更具泛化能力的模型。为了解决不同工况下的温度偏移问题，通过智能算法，从SOC、SOH，不同类型的触发条件的维度模型训练，长期模拟运算，以及在设备上进行实际测试，其模拟和实测效果两方面验证理论逻辑，获得锂离子电池热失控风险量化结果。
与常规在云端部署的预测系统不同的是，采日能源故障预测系统可部署在采日能源边缘计算MOFS系统上，在本地进行数据采集、分析和决策，不必将数据传输到云端进行处理，进一步提高了预测的精确度和预测时间，又可降低了数据泄露和安全风险的可能性，真正达到实时预测系统，同时搭配可视化的数据分析工具，查看、分析不同组件之间信号流动、性能参数等，更好评估不同控制策略方案的效果。
与此同时，故障预测系统与采日能源的微网优化调度系统、虚拟电力厂（VPP）调度系统集成部署在MOFS系统平台上，可对区域级，不同类型的储能设备及其他设备系统进行故障预测和分析，成为储能设备及大系统的超级安全卫士！
