Novo modelo de armazenamento de energia ajuda a manter as luzes acesas

05 de junho de 2023 - Ottawa, Ontário

Quando o vento não está girando as pás das turbinas e o sol não está aquecendo os painéis solares, como mantemos as luzes acesas e o calor bombeando?

A chave para a energia ininterrupta é armazenar a energia extra que produzimos quando a capacidade de geração é alta, para que possamos usá-la mais tarde, quando precisarmos. No entanto, a energia renovável depende do clima, o que cria desafios para gerenciá-la que não vemos com a energia tradicional de combustíveis fósseis e biomassa. E as melhores maneiras de aproveitar os recentes avanços na tecnologia de armazenamento de energia são em grande parte um mistério.

A boa notícia é que acaba de chegar um modelo revolucionário para suavizar os picos e quedas na demanda de energia renovável.

Nos últimos 4 anos, o Conselho Nacional de Pesquisa do Canadá (NRC) e um grupo de cientistas internacionais criaram um conjunto de modelos de simulação de computador para sistemas de armazenamento de energia elétrica e térmica. Faz parte do Programa de Colaboração Técnica de Armazenamento de Energia, patrocinado pela Agência Internacional de Energia (IEA) e liderado pelo Fraunhofer UMSICHT da Alemanha. Este projeto permite que concessionárias e outros grupos simulem vários cenários e otimizem o uso.

De acordo com Darren Jang, gerente de projetos e engenheiro de sistemas do Centro de Pesquisa Ambiental e Mineração de Energia do NRC, esses modelos são essenciais para avaliar e projetar a solução mais adequada para qualquer combinação de energia.

"Nossos parceiros canadenses e internacionais trazem vasta experiência para a mesa que está avançando na integração segura, confiável e econômica do armazenamento de energia", diz ele. "Juntos, trazemos as ferramentas, talentos e criatividade certos para enfrentar esse desafio."

Os parceiros canadenses incluem o NRC's Aerospace Research Center e o Advanced Clean Energy Program no Energy Mining and Environment Research Center, bem como o grupo Sustainable Building Energy Systems da Carleton University, o University of Calgary's Department of Electrical and Software Engineering, o Wind Energy Institute of Canada (WEICan) e o Escritório de Pesquisa e Desenvolvimento de Energia da National Resources Canada. Colaboradores internacionais vêm de vários países, entre eles Alemanha, Suíça, Dinamarca, Reino Unido, Áustria, Coreia do Sul e Portugal.

Esta equipe multinacional fez grandes progressos na elaboração de modelos cientificamente comprovados e descrições de modelos para dispositivos de armazenamento de energia usando dados fornecidos por clientes como parâmetros de entrada para simulações. Os modelos também são de código aberto, permitindo que os usuários licenciem o código-fonte e criem documentos ou conteúdo. "A participação precoce e comprometida do NRC no projeto foi muito importante e assumir a responsabilidade como líder de subtarefa foi crucial. Ao mesmo tempo, o compromisso também significou que um número acima da média de participantes comprometidos veio do Canadá em particular", mencionou Professor Christian Doetsch, Gerente de Tarefas da Tarefa 32 do IEA.

Embora o projeto de Jang se concentre no armazenamento de energia elétrica e térmica em geral, o NRC desenvolveu um novo modelo orientado por IA que pode ser adaptado a outras tecnologias de armazenamento. Ele usa técnicas de aprendizado de máquina para desenvolver modelos personalizados de sistemas de armazenamento complexos com base em dados operacionais.

Uma colaboração recente com a WEICan demonstrou com sucesso as possibilidades. No parque eólico de 10 megawatts do instituto, que usa um Tesla Powerpack 2 para armazenar energia de reserva de turbinas eólicas, eles não tinham como prever o impacto de cargas variáveis ​​em seu sistema de armazenamento de energia. E os dados operacionais coletados necessários para fazer o modelo funcionar de forma eficaz também eram limitados.

A equipe do projeto superou esse desafio desenvolvendo um modelo preditivo para o estado de carga usando os dados disponíveis do controlador de gerenciamento do sistema de armazenamento de energia. Eles também desenvolveram o software de treinamento modelo. “O aprendizado de máquina está no centro da mente de todos e, em vez de depender de softwares estabelecidos para treinamento, desenvolvemos o nosso próprio a partir do zero”, diz Alexander Crain, pesquisador de aviação sustentável do Laboratório de Pesquisa de Voo do NRC. "Dadas as ambições de código aberto do projeto, queríamos garantir que tanto o modelo quanto o software usado no treinamento fossem claros para os pesquisadores não familiarizados com o campo."