Neues Energiespeichermodell sorgt dafür, dass das Licht an bleibt

5. Juni 2023 – Ottawa, Ontario

Wenn der Wind keine Turbinenblätter dreht und die Sonne keine Sonnenkollektoren erwärmt, wie halten wir dann das Licht an und die Wärmepumpe?

Der Schlüssel zu einer unterbrechungsfreien Stromversorgung liegt darin, die überschüssige Energie, die wir bei hoher Erzeugungskapazität produzieren, zu speichern, damit wir sie später bei Bedarf nutzen können. Allerdings ist erneuerbare Energie wetterabhängig, was zu Herausforderungen bei der Bewirtschaftung führt, die wir bei herkömmlicher Energie aus fossilen Brennstoffen und Biomasse nicht sehen. Und die besten Möglichkeiten, die jüngsten Fortschritte in der Energiespeichertechnologie zu nutzen, sind weitgehend ein Rätsel.

Die gute Nachricht ist, dass gerade ein bahnbrechendes Modell zur Glättung der Spitzen und Einbrüche in der Nachfrage nach erneuerbaren Energien auf den Markt gekommen ist.

In den letzten vier Jahren haben der National Research Council of Canada (NRC) und eine Gruppe internationaler Wissenschaftler eine Reihe von Computersimulationsmodellen für elektrische und thermische Energiespeichersysteme erstellt. Es ist Teil des Energy Storage Technical Collaboration Programme, das von der Internationalen Energieagentur (IEA) gefördert und vom deutschen Fraunhofer UMSICHT geleitet wird. Dieses Projekt ermöglicht es Versorgungsunternehmen und anderen Gruppen, verschiedene Szenarien zu simulieren und die Nutzung zu optimieren.

Laut Darren Jang, Projektmanager und Systemingenieur am Energy Mining and Environment Research Centre des NRC, sind diese Modelle von entscheidender Bedeutung für die Bewertung und Gestaltung der am besten geeigneten Lösung für jede Energiekombination.

„Unsere kanadischen und internationalen Partner bringen umfassendes Fachwissen mit, das die sichere, zuverlässige und kostengünstige Integration der Energiespeicherung vorantreibt“, sagt er. „Gemeinsam bringen wir die richtigen Werkzeuge, Talente und Kreativität mit, um diese Herausforderung zu meistern.“

Zu den kanadischen Partnern gehören das Aerospace Research Centre des NRC und das Advanced Clean Energy Program am Energy Mining and Environment Research Centre sowie die Sustainable Building Energy Systems Group der Carleton University, das Department of Electrical and Software Engineering der University of Calgary und das Wind Energy Institute of Canada (WEICan) und das Büro für Energieforschung und -entwicklung bei National Resources Canada. Die internationalen Mitarbeiter kommen aus vielen Ländern, darunter Deutschland, der Schweiz, Dänemark, dem Vereinigten Königreich, Österreich, Südkorea und Portugal.

Dieses multinationale Team hat große Fortschritte bei der Erstellung wissenschaftlich erprobter Modelle und Modellbeschreibungen für Energiespeicher gemacht und dabei von Kunden bereitgestellte Daten als Eingabeparameter für Simulationen verwendet. Die Modelle sind außerdem Open Source, sodass Benutzer den Quellcode lizenzieren und Dokumente oder Inhalte entwerfen können. „Die frühe und engagierte Beteiligung des NRC am Projekt war sehr wichtig und die Übernahme der Verantwortung als Teilaufgabenleiter von entscheidender Bedeutung. Gleichzeitig führte das Engagement auch dazu, dass insbesondere aus Kanada überdurchschnittlich viele engagierte Teilnehmer kamen“, sagte er Professor Christian Doetsch, Task Manager der Task 32 der IEA.

Während sich Jangs Projekt auf die Speicherung elektrischer und thermischer Energie im Allgemeinen konzentriert, hat das NRC ein neuartiges KI-gesteuertes Modell entwickelt, das an andere Speichertechnologien angepasst werden kann. Es nutzt Techniken des maschinellen Lernens, um auf Basis von Betriebsdaten maßgeschneiderte Modelle komplexer Speichersysteme zu entwickeln.

Eine kürzliche Zusammenarbeit mit WEICan hat die Möglichkeiten erfolgreich demonstriert. Im 10-Megawatt-Windpark des Instituts, der einen Tesla Powerpack 2 zur Speicherung von Standby-Strom aus Windkraftanlagen nutzt, hatten sie keine Möglichkeit, die Auswirkungen unterschiedlicher Lasten auf ihr Energiespeichersystem vorherzusagen. Und auch die gesammelten Betriebsdaten, die für den effektiven Betrieb des Modells erforderlich sind, waren begrenzt.

Das Projektteam bewältigte diese Herausforderung, indem es ein Vorhersagemodell für den Ladezustand entwickelte, das die verfügbaren Daten des Energiespeichersystem-Management-Controllers nutzte. Sie entwickelten auch die Modelltrainingssoftware. „Maschinelles Lernen steht bei allen im Mittelpunkt, und anstatt uns bei der Schulung auf etablierte Software zu verlassen, haben wir unsere eigene von Grund auf entwickelt“, sagt Alexander Crain, ein Forscher für nachhaltige Luftfahrt vom Flight Research Laboratory des NRC. „Angesichts der Open-Source-Ambitionen des Projekts wollten wir sicherstellen, dass sowohl das Modell als auch die im Training verwendete Software für Forscher, die mit dem Fachgebiet nicht vertraut sind, klar sind.“

Jang fügt hinzu, dass das Team Techniken des maschinellen Lernens anwandte, um ein genaues Modell des Speichersystems zu entwickeln, indem es es mit allen verfügbaren Betriebsdaten trainierte. „Sobald das Modell das Verhalten eines Speichersystems gelernt hat, kann es die Lücken füllen und zukünftige Szenarien vorhersagen.“ In der laufenden Forschung wird das Team die Zuverlässigkeit und Leistung des Modells weiter verbessern und reale Ergebnisse mit den Simulationen vergleichen.

In einer weiteren Zusammenarbeit mit der Carleton University entwickelte das Team Modelle für eine saisonale Speicherlösung für thermische Energie. Bei dieser Arbeit ging es darum, im Sommer so viel Wärme wie möglich in unterirdischen Tanks zu speichern und sie dann in den kälteren Monaten zum Heizen von Häusern und Wasser abzugeben.

Nachdem das Modell nun getestet und validiert wurde, können seine datengesteuerten Modellierungstechniken auf andere Bereiche ausgeweitet werden. Aufbauend auf der erfolgreichen Zusammenarbeit zwischen den Forschungszentren Energiebergbau und Umwelt sowie Luft- und Raumfahrt haben Jang und Crain in einem neuen virtuellen Batterielaborprojekt mit WEICan und der McMaster University zusammengearbeitet, um diese Methoden voranzutreiben. Dieses Projekt wird vom Büro für Energieforschung und -entwicklung finanziert.

Sie arbeiten außerdem mit der University of Waterloo an der Entwicklung eines entsprechenden KI-basierten Diagnosetools für Ausfälle oder Verschlechterungen der Hochspannungsisolierung in modernen Netz- oder elektrifizierten Transportanwendungen.

Auf lange Sicht sind die Vorteile einer gut verwalteten Energiespeicherung enorm. Dazu gehören Verbesserungen in den Bereichen Wirtschaftlichkeit, Zuverlässigkeit und Umwelt. Die Stromspeicherung wird dazu beitragen, dass das Versorgungsnetz effizienter arbeitet, die Wahrscheinlichkeit teilweiser Stromunterbrechungen während der Spitzennachfrage verringert und den Aufbau und die Nutzung erneuerbarer Ressourcen ermöglicht. Und das sollte dafür sorgen, dass die Lichter hell brennen.

Medienbeziehungen, National Research Council of Canada1-855-282-1637 (gebührenfrei nur in Kanada)1-613-991-1431 (anderswo in Nordamerika)001-613-991-1431 (international)media@nrc-cnrc .gc.caFolgen Sie uns auf Twitter: @NRC_CNRC