Nuevo modelo de almacenamiento de energía ayuda a mantener las luces encendidas

05 de junio de 2023 - Ottawa, Ontario

Cuando el viento no hace girar las aspas de la turbina y el sol no calienta los paneles solares, ¿cómo mantenemos las luces encendidas y el bombeo de calor?

La clave de la energía ininterrumpida es almacenar la energía extra que producimos cuando la capacidad de generación es alta para que podamos usarla más tarde, cuando la necesitemos. Sin embargo, la energía renovable depende del clima, lo que crea desafíos para su gestión que no vemos con la energía tradicional de los combustibles fósiles y la biomasa. Y las mejores formas de aprovechar los avances recientes en la tecnología de almacenamiento de energía son en gran medida un misterio.

La buena noticia es que acaba de aterrizar un modelo innovador para suavizar los picos y las caídas en la demanda de energía renovable.

En los últimos 4 años, el Consejo Nacional de Investigación de Canadá (NRC) y un grupo de científicos internacionales han creado un conjunto de modelos de simulación por computadora para sistemas de almacenamiento de energía eléctrica y térmica. Es parte del Programa de Colaboración Técnica de Almacenamiento de Energía, patrocinado por la Agencia Internacional de Energía (IEA) y dirigido por Fraunhofer UMSICHT de Alemania. Este proyecto permite que las empresas de servicios públicos y otros grupos simulen varios escenarios y optimicen el uso.

Según Darren Jang, gerente de proyectos e ingeniero de sistemas en el Centro de Investigación de Energía, Minería y Medio Ambiente de la NRC, estos modelos son fundamentales para evaluar y diseñar la solución más adecuada para cualquier combinación de energía.

"Nuestros socios canadienses e internacionales aportan una gran experiencia a la mesa que está avanzando en la integración segura, confiable y rentable del almacenamiento de energía", dice. "Juntos, aportamos las herramientas, los talentos y la creatividad adecuados para enfrentar este desafío".

Los socios canadienses incluyen el Centro de Investigación Aeroespacial de la NRC y el Programa Avanzado de Energía Limpia en el Centro de Investigación de Energía, Minería y Medio Ambiente, así como el grupo de Sistemas de Energía de Construcción Sostenible de la Universidad de Carleton, el Departamento de Ingeniería Eléctrica y de Software de la Universidad de Calgary, el Instituto de Energía Eólica de Canadá. (WEICan) y la Oficina de Investigación y Desarrollo Energético de National Resources Canada. Los colaboradores internacionales provienen de muchos países, entre ellos Alemania, Suiza, Dinamarca, Reino Unido, Austria, Corea del Sur y Portugal.

Este equipo multinacional ha hecho grandes avances en la elaboración de modelos científicamente probados y descripciones de modelos para dispositivos de almacenamiento de energía utilizando datos proporcionados por los clientes como parámetros de entrada para las simulaciones. Los modelos también son de código abierto, lo que permite a los usuarios licenciar el código fuente y diseñar documentos o contenido. "La participación temprana y comprometida de la NRC en el proyecto fue muy importante y asumir la responsabilidad como líder de la subtarea fue crucial. Al mismo tiempo, el compromiso también significó que un número superior al promedio de participantes comprometidos proviniera de Canadá en particular", mencionó. Profesor Christian Doetsch, Gerente de Tareas de la Tarea 32 de la IEA.

Si bien el proyecto de Jang se centra en el almacenamiento de energía eléctrica y térmica en general, la NRC ha desarrollado un modelo novedoso impulsado por IA que se puede adaptar a otras tecnologías de almacenamiento. Utiliza técnicas de aprendizaje automático para desarrollar modelos personalizados de sistemas de almacenamiento complejos basados ​​en datos operativos.

Una colaboración reciente con WEICan demostró con éxito las posibilidades. En el parque eólico de 10 megavatios del instituto, que utiliza un Tesla Powerpack 2 para almacenar energía de reserva de las turbinas eólicas, no tenían forma de predecir el impacto de las diferentes cargas en su sistema de almacenamiento de energía. Y los datos operativos recopilados necesarios para que el modelo funcione de manera efectiva también fueron limitados.

El equipo del proyecto superó este desafío mediante el desarrollo de un modelo predictivo del estado de carga utilizando los datos disponibles del controlador de gestión del sistema de almacenamiento de energía. También desarrollaron el software de entrenamiento de modelos. "El aprendizaje automático está al frente y en el centro de la mente de todos, y en lugar de depender de un software establecido para la capacitación, desarrollamos nuestro propio desde cero", dice Alexander Crain, investigador de aviación sostenible del Laboratorio de Investigación de Vuelo de la NRC. "Dadas las ambiciones de código abierto del proyecto, queríamos asegurarnos de que tanto el modelo como el software utilizado en la capacitación fueran claros para los investigadores que no estaban familiarizados con el campo".

Jang agrega que el equipo aplicó técnicas de aprendizaje automático para desarrollar un modelo preciso del sistema de almacenamiento al entrenarlo con los datos operativos disponibles. "Una vez que el modelo ha aprendido los comportamientos de un sistema de almacenamiento, puede completar los espacios en blanco y predecir escenarios futuros". En la investigación en curso, el equipo continuará mejorando la confiabilidad y el rendimiento del modelo y comparará los resultados reales con las simulaciones.

En otra colaboración con la Universidad de Carleton, el equipo desarrolló modelos para una solución de almacenamiento de energía térmica estacional. Este trabajo implicó almacenar la mayor cantidad de calor posible durante el verano en tanques subterráneos, y luego sacarlo en los meses más fríos para calentar hogares y agua.

Ahora que el modelo ha sido probado y validado, sus técnicas de modelado basadas en datos se pueden expandir a otras áreas. Sobre la base de la exitosa colaboración entre los centros de investigación Energy Mining y Environment and Aerospace, Jang y Crain se han asociado en un nuevo proyecto de laboratorio de batería virtual con WEICan y la Universidad McMaster para avanzar en estas metodologías. Este proyecto está financiado por la Oficina de Investigación y Desarrollo de Energía.

También están trabajando con la Universidad de Waterloo en el desarrollo de una herramienta de diagnóstico relacionada basada en IA para fallas o degradación del aislamiento de alto voltaje en aplicaciones modernas de redes o transporte electrificado.

A la larga, los beneficios de un almacenamiento de energía bien administrado son enormes. Incluyen mejoras económicas, de confiabilidad y ambientales. El almacenamiento de electricidad ayudará a que la red de servicios públicos funcione de manera más eficiente, reducirá la probabilidad de interrupciones parciales del suministro eléctrico durante los picos de demanda y permitirá que se construyan y utilicen más recursos renovables. Y esto debería mantener las luces encendidas brillantemente.

Relaciones con los medios, Consejo Nacional de Investigación de Canadá 1-855-282-1637 (llamada gratuita solo en Canadá) 1-613-991-1431 (en el resto de América del Norte) 001-613-991-1431 (internacional) media@nrc-cnrc .gc.ca Síganos en Twitter: @NRC_CNRC