Новая модель хранения энергии помогает поддерживать свет включенным
5 июня 2023 г. – Оттава, Онтарио
Когда ветер не вращает лопасти турбины, а солнце не нагревает солнечные батареи, как нам обеспечить включенное освещение и откачку тепла?
Ключом к бесперебойному электроснабжению является сохранение дополнительной энергии, которую мы производим, когда генерирующая мощность высока, чтобы мы могли использовать ее позже, когда она нам понадобится. Однако возобновляемая энергия зависит от погоды, что создает проблемы в ее управлении, которых мы не наблюдаем при использовании традиционной энергии из ископаемого топлива и биомассы. И лучшие способы использования последних достижений в области технологий хранения энергии во многом остаются загадкой.
Хорошей новостью является то, что только что появилась революционная модель сглаживания пиков и спадов спроса на возобновляемую энергию.
За последние 4 года Национальный исследовательский совет Канады (NRC) и группа международных ученых создали набор компьютерных симуляционных моделей систем хранения электрической и тепловой энергии. Это часть Программы технического сотрудничества по хранению энергии, спонсируемой Международным энергетическим агентством (МЭА) и возглавляемой немецкой компанией Fraunhofer UMSICHT. Этот проект позволяет коммунальным предприятиям и другим группам моделировать различные сценарии и оптимизировать использование.
По словам Даррена Джанга, менеджера проекта и системного инженера Центра исследований в области энергетики и окружающей среды NRC, эти модели имеют решающее значение для оценки и разработки наиболее подходящего решения для любой комбинации источников энергии.
«Наши канадские и международные партнеры привносят огромный опыт, который способствует безопасной, надежной и экономически эффективной интеграции систем хранения энергии», — говорит он. «Вместе мы обеспечим нужные инструменты, таланты и творческий подход для решения этой задачи».
В число канадских партнеров входят Центр аэрокосмических исследований NRC и Программа перспективной чистой энергии в Центре исследований в области энергетики и окружающей среды, а также группа устойчивых энергетических систем зданий Карлтонского университета, факультет электротехники и программного обеспечения Университета Калгари, Канадский институт ветроэнергетики. (WEICan) и Управление энергетических исследований и разработок Национального ресурса Канады. Международные сотрудники приезжают из многих стран, в том числе из Германии, Швейцарии, Дании, Великобритании, Австрии, Южной Кореи и Португалии.
Эта многонациональная команда добилась больших успехов в разработке научно обоснованных моделей и описаний моделей устройств хранения энергии, используя данные, предоставленные клиентами, в качестве входных параметров для моделирования. Модели также имеют открытый исходный код, что позволяет пользователям лицензировать исходный код и проектную документацию или контент. «Раннее и заинтересованное участие NRC в проекте было очень важным, и принятие на себя ответственности в качестве руководителя подзадачи имело решающее значение. В то же время это обязательство также означало, что число преданных своему делу участников выше среднего прибыло, в частности, из Канады», - отметил Профессор Кристиан Дётч, руководитель проекта 32 МЭА.
В то время как проект Джанга сосредоточен на хранении электрической и тепловой энергии в целом, NRC разработал новую модель на основе искусственного интеллекта, которую можно адаптировать к другим технологиям хранения. Он использует методы машинного обучения для разработки индивидуальных моделей сложных систем хранения на основе операционных данных.
Недавнее сотрудничество с WEICan успешно продемонстрировало эти возможности. На ветряной электростанции института мощностью 10 мегаватт, которая использует Tesla Powerpack 2 для хранения резервной энергии от ветряных турбин, не было возможности предсказать влияние различных нагрузок на их систему хранения энергии. Собранные оперативные данные, необходимые для эффективной работы модели, также были ограничены.
Команда проекта решила эту задачу, разработав прогнозную модель состояния заряда с использованием доступных данных от контроллера управления системой хранения энергии. Они также разработали программное обеспечение для обучения моделей. «Машинное обучение находится в центре внимания каждого, и вместо того, чтобы полагаться на устоявшееся программное обеспечение для обучения, мы разработали собственное с нуля», — говорит Александр Крейн, исследователь устойчивой авиации из Лаборатории летных исследований NRC. «Учитывая амбиции проекта с открытым исходным кодом, мы хотели убедиться, что и модель, и программное обеспечение, используемое в обучении, были понятны исследователям, незнакомым с этой областью».