Ερευνητές μελέτησαν τις δυνατότητες κοινής χρήσης φωτοβολταϊκών συστημάτων με αποθήκευση ενέργειας πεπιεσμένου αέρα (CAES) για την τροφοδοσία ενός εμπορικού κτιρίου στη Ν. Αφρική - Η μελέτη στοχεύει στην ελαχιστοποίηση της συνολικής επένδυσης στο σύστημα (Capex) και του λειτουργικού κόστους (Opex)
Ερευνητές από το Πανεπιστήμιο της Πρετόρια της Νότιας Αφρικής διεξήγαγαν μια μελέτη βελτίωσης πολλαπλών στόχων για να συνδυάσουν εμπορικά και βιομηχανικά (C&I) φωτοβολταϊκά συστήματα με αποθήκευση ενέργειας πεπιεσμένου αέρα (CAES).
Η μελέτη στοχεύει στην ελαχιστοποίηση της συνολικής επένδυσης στο σύστημα (Capex) και του λειτουργικού κόστους (Opex), βελτιώνοντας παράλληλα την αξιοπιστία και μεγιστοποιώντας τη διείσδυση των ανανεώσιμων πηγών ενέργειας υπό συνθήκες της Νότιας Αφρικής.
«Η βασική καινοτομία αυτής της εργασίας έγκειται στην ολιστική, βασισμένη στη βελτιστοποίηση προσέγγισή της.
Σε αντίθεση με τις παραδοσιακές μεθόδους, αναπτύξαμε ένα πλαίσιο πολλαπλών στόχων που βελτιστοποιεί ταυτόχρονα το φωτοβολταϊκό σύστημα και τα στοιχεία CAES σε πραγματικό χρόνο.
Το μοντέλο μας εξισορροπεί δυναμικά την ενεργειακή χωρητικότητα, την ισχύ εξόδου, τη θερμοδυναμική απόδοση και τους οικονομικούς περιορισμούς, εξασφαλίζοντας ένα σύστημα βέλτιστου μεγέθους που είναι τεχνικά εύρωστο και οικονομικά βιώσιμο για ένα ευρύ φάσμα εφαρμογών μικροδικτύου», δήλωσε στο pv-magazine.com ο Tshilumba Kalala (συντάκτης της μελέτης).
Τα 3 κύρια στοιχεία του υβριδικού μικροδίκτυου
Η ομάδα έχει προσομοιώσει ένα υβριδικό μικροδίκτυο συνδεδεμένο στο δίκτυο για ένα απροσδιόριστο εμπορικό κτίριο στη Νότια Αφρική.
Έχει 3 κύρια στοιχεία: μια φωτοβολταϊκή συστοιχία, μια αδιαβατική CAES (A-CAES) και μια εφεδρική γεννήτρια ντίζελ.
Το A-CAES αποτελείται από τρία μέρη: συμπιεστές, στροβίλους και μια δεξαμενή αποθήκευσης αέρα.
Πώς λύθηκε το πρόβλημα βελτιστοποίησης
Το πρόβλημα βελτιστοποίησης διατυπώθηκε ως ένα μοντέλο πολλαπλών στόχων μικτού ακέραιου μη γραμμικού προγραμματισμού (MINLP) με συνεχείς και δυαδικές μεταβλητές.
Λύθηκε για 4 σενάρια: δύο κανονικές συνθήκες, όπου η ακτινοβολία είναι υψηλή και η ποσότητα ενέργειας που παράγεται από τις ηλιακές πηγές ενέργειας στο μικροδίκτυο είναι υψηλή και δύο ακραίες συνθήκες, όπου το μικροδίκτυο έχει χαμηλότερα επίπεδα ηλιακής ακτινοβολίας.
Κάθε συνθήκη δοκιμάστηκε με 2 και 6 ώρες διακοπής φορτίου ανά ημέρα.
«Ένα από τα πιο συναρπαστικά ευρήματα ήταν η σημαντική μείωση του κόστους που επιτεύχθηκε μέσω ταυτόχρονης βελτιστοποίησης. Το μοντέλο μας κατέδειξε ότι ένα σύστημα PV-CAES με βελτιστοποίηση από κοινού θα μπορούσε να μειώσει το συνολικό κόστος κεφαλαίου έως και 15-20%, διατηρώντας ή ακόμα και βελτιώνοντας τη σταθερότητα του δικτύου και την αξιοποίηση ανανεώσιμων πηγών ενέργειας», δήλωσε ο Kalala.
Η ανάλυση έδειξε επίσης ότι υπάρχει σαφής αντιστάθμιση μεταξύ της απόδοσης του συστήματος και των κεφαλαιουχικών δαπανών. Μια διαμόρφωση υψηλής απόδοσης με φωτοβολταϊκά 37,5 kW, αποθήκευση 200 m3, πίεση 10 bar και στροβιλομηχανές 20 kW διαπιστώθηκε ότι επιτυγχάνει διείσδυση ανανεώσιμων πηγών ενέργειας 41,5% και αξιοπιστία 94,1%, ενώ απαιτεί υψηλή κεφαλαιουχική επένδυση ύψους 13,57 εκατομμυρίων δολαρίων.
Χρήση AI και στόχος
Από την άλλη πλευρά, μια διαμόρφωση με περιορισμένο κόστος φωτοβολταϊκών 28,15 kW και CAES 3 bar μείωσε το αρχικό κόστος κατά 32% στα 9,2 εκατομμύρια δολάρια. Ωστόσο, πέτυχε χαμηλότερη αξιοπιστία 92% και μερίδιο ανανεώσιμων πηγών ενέργειας 18,6%.
«Επί του παρόντος εργαζόμαστε για τη μετάβαση από τον βέλτιστο σχεδιασμό στη βέλτιστη λειτουργία», δήλωσε ο Kalala σχετικά με τις μελλοντικές κατευθύνσεις της έρευνας.
Ακόμη αποκάλυψε τα εξής:
«Αναπτύσσουμε ένα σύστημα διαχείρισης ενέργειας που βασίζεται στην Τεχνητή Νοημοσύνη (AI) για τον δυναμικό έλεγχο και την αποστολή ενός συστήματος CAES σε πραγματικό χρόνο εντός ενός μικροδικτύου.
Στόχος είναι η μεγιστοποίηση της αποδοτικότητας, της διάρκειας ζωής και της οικονομικής απόδοσης του αποθηκευτικού στοιχείου χρησιμοποιώντας μηχανική μάθηση για την πρόβλεψη των ροών ενέργειας και την προσαρμογή στις συνθήκες του δικτύου σε πραγματικό χρόνο. Αυτός ο «έξυπνος ελεγκτής CAES» είναι το επόμενο κρίσιμο βήμα για την πλήρη αξιοποίηση της τεχνολογίας CAES και των δυνατοτήτων υποστήριξης δικτύου σε δίκτυα με μεγάλη κατανάλωση ανανεώσιμων πηγών ενέργειας».
www.worldenergynews.gr
