新しいエネルギー貯蔵モデルが照明の点灯をサポートします

2023 年 6 月 5 日 - オンタリオ州オタワ

風がタービンのブレードを回転させず、太陽がソーラーパネルを暖めないとき、どうやって照明を点灯し、熱を送り出し続けるのでしょうか?

途切れのない電力の鍵は、発電能力が高いときに生成した余分なエネルギーを貯蔵し、後で必要なときに使用できるようにすることです。 しかし、再生可能エネルギーは天候に左右されるため、化石燃料やバイオマスによる従来のエネルギーでは見られない、その管理上の課題が生じます。 そして、最近のエネルギー貯蔵技術の進歩を活用する最善の方法は、ほとんどが謎です。

良いニュースは、再生可能エネルギー需要のピークとディップを平準化する革新的なモデルが登場したことです。

過去 4 年間にわたり、カナダ国立研究評議会 (NRC) と国際的な科学者のグループは、電気および熱エネルギー貯蔵システム用の一連のコンピューター シミュレーション モデルを作成してきました。 これは、国際エネルギー機関 (IEA) が後援し、ドイツのフラウンホーファー UMSICHT が主導するエネルギー貯蔵技術協力プログラムの一部です。 このプロジェクトにより、電力会社やその他のグループはさまざまなシナリオをシミュレートし、使用量を最適化できます。

NRC のエネルギー鉱業環境研究センターのプロジェクト マネージャー兼システム エンジニアである Darren Jang 氏によると、これらのモデルは、エネルギーのあらゆる組み合わせに最適なソリューションを評価および設計するために重要です。

「当社のカナダおよび国際的なパートナーは、安全で信頼性が高く、コスト効率の高いエネルギー貯蔵の統合を推進する膨大な専門知識をもたらします」と彼は言います。 「私たちは力を合わせて、この課題に取り組むための適切なツール、才能、創造性をもたらします。」

カナダのパートナーには、NRC の航空宇宙研究センターとエネルギー鉱業環境研究センターの高度クリーン エネルギー プログラム、カールトン大学の持続可能な建築エネルギー システム グループ、カルガリー大学の電気およびソフトウェア工学部、カナダ風力エネルギー研究所が含まれます。 (WEICan) およびカナダ国家資源局のエネルギー研究開発局。 国際的な協力者はドイツ、スイス、デンマーク、イギリス、オーストリア、韓国、ポルトガルなど多くの国から来ています。

この多国籍チームは、クライアントから提供されたデータをシミュレーションの入力パラメーターとして使用して、科学的に証明されたエネルギー貯蔵デバイスのモデルとモデル記述の作成に向けて大きな進歩を遂げました。 モデルはオープンソースでもあるため、ユーザーはソース コードのライセンスを取得し、ドキュメントやコンテンツを設計できます。 「NRCが早期にプロジェクトに熱心に参加したことは非常に重要であり、サブタスクリーダーとしての責任を引き受けることは極めて重要であった。同時に、この取り組みは、平均を上回る数の熱心な参加者が特にカナダから参加したことも意味した」と述べた。 IEAのタスク32のタスクマネージャー、クリスチャン・ドゥッチ教授。

Jang のプロジェクトは電気および熱エネルギーの貯蔵全般に焦点を当てていますが、NRC は他の貯蔵技術に適応できる新しい AI 駆動モデルを開発しました。 機械学習技術を使用して、運用データに基づいて複雑なストレージ システムのカスタマイズされたモデルを開発します。

WEICan との最近のコラボレーションは、その可能性を実証することに成功しました。 同研究所の 10 メガワットの風力発電所では、風力タービンからの待機電力を貯蔵するために Tesla Powerpack 2 を使用していますが、エネルギー貯蔵システムに対する負荷の変化による影響を予測する方法がありませんでした。 また、モデルを効果的に機能させるために必要な、収集された運用データも限られていました。

プロジェクト チームは、エネルギー貯蔵システム管理コントローラーからの利用可能なデータを使用して充電状態の予測モデルを開発することで、この課題に対処しました。 彼らはモデルトレーニングソフトウェアも開発しました。 「機械学習は誰の頭の中心にもあり、トレーニング用の確立されたソフトウェアに依存するのではなく、独自のソフトウェアをゼロから開発しました」と、NRC 飛行研究研究所の持続可能な航空研究者であるアレクサンダー・クレイン氏は述べています。 「プロジェクトのオープンソースという野心を考えると、トレーニングに使用されるモデルとソフトウェアの両方が、この分野に詳しくない研究者にとっても明確であることを保証したいと思いました。」

Jang 氏は、チームは機械学習技術を適用して、利用可能なあらゆる運用データを使用してストレージ システムをトレーニングすることにより、ストレージ システムの正確なモデルを開発したと付け加えました。 「モデルがストレージ システムの動作を学習すると、空白を埋めて将来のシナリオを予測できるようになります。」 進行中の研究において、チームはモデルの信頼性とパフォーマンスを改善し、実際の結果とシミュレーションを比較し続けます。

カールトン大学との別の共同作業では、チームは季節熱エネルギー貯蔵ソリューションのモデルを開発しました。 この作業には、夏の間できるだけ多くの熱を地下タンクに蓄え、寒い季節にそれを取り出して住宅や水道の暖房に使用することが含まれていました。

モデルのテストと検証が完了したので、そのデータ駆動型モデリング技術を他の領域に拡張できます。 エネルギー鉱業、環境および航空宇宙研究センター間の成功した協力を基盤として、ジャンとクレインは、WEICan およびマクマスター大学と新しい仮想バッテリーラボプロジェクトで提携し、これらの方法論を前進させました。 このプロジェクトはエネルギー研究開発局から資金提供を受けています。

また、ウォータールー大学と協力して、現代の送電網や電化輸送アプリケーションにおける高電圧絶縁の故障や劣化に関連する AI ベースの診断ツールの開発にも取り組んでいます。

長期的には、適切に管理されたエネルギー貯蔵のメリットは非常に大きくなります。 これらには、経済性、信頼性、環境の改善が含まれます。 蓄電は電力網の効率的な運用に役立ち、ピーク需要時の部分的な停電の可能性を減らし、より多くの再生可能資源の構築と使用を可能にします。 これにより、ライトが明るく点灯し続けるはずです。

メディア関係、カナダ国立研究評議会1-855-282-1637 (カナダのみフリーダイヤル)1-613-991-1431 (北米のその他の地域)001-613-991-1431 (国際)media@nrc-cnrc .gc.caTwitter でフォローしてください: @NRC_CNRC