Техничка архитектура на полнење на паметни електрични возила: Динамичко балансирање на оптоварувањето и BESS оптимизација

Сеопфатна техничка архитектура на паметно полнење електрични возила: Совладување на динамичкото балансирање на оптоварувањето преку напредни контролни јамки, интеграција во локален облак, оптимизација на повеќе енергии со фотоволтаични системи и BESS и предикативно управување со стабилноста на мрежата на големи размери.

Глава 1: Вовед во полнењето на паметни електрични возила и потребата од динамичко балансирање на оптоварувањето (DLB)

Глобалната транзиција кон електрична мобилност повеќе не е периферен тренд, туку централен столб на декаборнизацијата на транспортниот сектор. Бидејќи милиони возила со мотори со внатрешно согорување (ICE) се заменуваат со електрични возила (EV), побарувачката за електрична енергија се префрла од течни горива кон електричната мрежа. Оваа промена на парадигмата претставува монументален предизвик за електричната инфраструктура која, во многу случаи, е дизајнирана пред неколку децении. Повремената и моќна природа на полнењето на електричните возила може да доведе до локализирано застојување на мрежата, деградација на трансформаторите и, на крајот, до катастрофални дефекти доколку не се управува прецизно.

Паметното полнење на електрични возила претставува технолошки мост помеѓу зголемената побарувачка за мобилност и физичките ограничувања на електричната мрежа. Во својата суштина, паметното полнење е поврзано со интелигенција - знаење кога, со која брзина и со каков приоритет треба да се полни едно електрични возила. Сепак, најкритичната компонента во рамките на овој слој на интелигенција е динамичкото балансирање на оптоварувањето (DLB).

Динамичкото балансирање на оптоварувањето е процес на континуирано следење на достапниот електричен капацитет на локацијата и распределба на таа енергија меѓу активните полначи за електрични возила во реално време. Без DLB, зградата или станицата за полнење би биле принудени да работат на статичка граница, честопати диктирана од „најлошото сценарио“ на врвно оптоварување. Ова води до огромна неефикасност: или локацијата е недоволно опремена, што доведува до бавно полнење за корисниците, или локацијата бара екстремно скапи надградби на инфраструктурата за да се справи со теоретските врвови што се јавуваат само неколку часа неделно.

Потребата од DLB произлегува од три главни двигатели:

1. Зачувување на инфраструктуратаСпречување на исклучување на главните прекинувачи и заштита на трансформаторите од прегревање.
2. Економска ефикасностИзбегнување на трошоци за голема побарувачка и претерани трошоци за надградба на сервисните панели или локалните дистрибутивни мрежи.
3. Задоволство на корисницитеМаксимизирање на брзината на полнење за сите корисници со интелигентно користење на секој достапен киловат-час капацитет.

Во ова длабоко техничко истражување, ќе ја анализираме механиката на DLB, од контролните јамки на ниво на милисекунда кои ја регулираат енергетската електроника до оркестрацијата на илјадници точки за полнење базирана на облак. Ќе испитаме како DLB еволуира кога е интегриран со обновливи извори на енергија како што се фотоволтаични (PV) и системи за складирање енергија од батерии (BESS), и како предвидливото моделирање им овозможува на центрите за полнење на големи размери да ги предвидат флуктуациите на мрежата пред да се случат. Како што се движиме кон иднината каде што електричните возила не се само потрошувач, туку и дистрибуиран енергетски ресурс, разбирањето на нијансите на DLB е од клучно значење за инженерите, урбаните планери и добавувачите на енергија.

Глава 2: Основни принципи на динамичко балансирање на оптоварувањето

За да се разбере како функционира DLB, прво мора да се разбере алтернативата „Статичен“. Во средина со балансирање на статичко оптоварување, на секој полнач му е доделена фиксна количина на струја. На пример, ако објектот има ограничување од 100A и 5 полначи, секој може да биде ограничен на 20A. Ако се полни само еден автомобил, тој сепак добива само 20A, трошејќи 80A од достапниот капацитет. Обратно, ако сите 5 автомобили се полнат и некој вклучи HVAC систем со голема моќност во зградата, вкупното оптоварување може да надмине 100A, предизвикувајќи затемнување.

DLB ја заменува оваа ригидна распределба со флуиден, одзивлив систем. Основниот принцип е повратна јамка помеѓу „Вкупниот расположив капацитет“ и „Побарувачката за активно полнење“.

Математичката основа

Наједноставно кажано, DLB може да се изрази со следната равенка:P_достапно_за_EV(t) = P_вкупно_лимит – P_не_EV_оптоварувања(t)

Каде:

• P_вкупно_лимите физичката или договорната граница на локацијата.
• P_non_EV_loads(t)е потрошувачката на светла, машини, лифтови итн. во реално време, мерена со паметен метар.
• P_достапно_за_електрични возила(t)е преостанатата моќност што може безбедно да се распредели меѓу електричните возила.

Сложеноста се јавува кога системот мора да одлучи како да дистрибуираP_достапно_за_електрични возила(t)меѓуNполначи. Оваа дистрибуција е регулирана од алгоритми кои земаат предвид:

• Состојба на полнење (SoC)Автомобил со речиси празна батерија може да добие поголем приоритет.
• Време на поаѓањеАвтомобил што останува преку ноќ може да се полни бавно, додека автомобил на кој му е потребно брзо дополнување добива полнење.
• Фазно балансирањеВо трифазни системи, DLB мора да осигури дека ниедна фаза не е преоптоварена, задача што бара сложена логика на префрлување или распределба свесна за фазата.

Сензорирање и мерење

Точноста на DLB е целосно зависна од квалитетот на податоците што ги прима. Ова обично вклучува струјни трансформатори (СТ) или наменски паметни броила инсталирани на точката на заедничко спојување (PCC). Овие уреди мора да пријавуваат податоци за оптоварувањето со висока фреквенција (често 1Hz или повисока) за да му овозможат на контролерот на DLB да реагира на ненадејни скокови во оптоварувањето на зградата - како што е стартување на индустриски мотор - во рок од неколку секунди за да се спречи исклучување на главниот прекинувач.

Хиерархиската структура

DLB често работи во хиерархија. На „локално“ ниво, контролорот управува со кластер на полначи. На „локациско“ ниво, тој се координира со системот за управување со зградата. На „мрежно“ ниво, може да одговори на сигналите за одговор на побарувачката (DR) од комуналното претпријатие. Овој повеќеслоен пристап гарантира дека локалната безбедност се одржува, а сепак се учествува на пошироките енергетски пазари.

Глава 3: Дизајн на контролна јамка за DLB алгоритми: PID и предикативна контрола на моделот (MPC)

Ефикасноста на системот за динамичко балансирање на оптоварувањето на крајот се мери според неговата латентност и прецизност. Ако оптоварувањето на зградата се зголеми и на DLB системот му требаат 30 секунди за да ја прилагоди струјата за полнење на електричните возила, главниот прекинувач веројатно ќе се исклучи пред да се случи корекцијата. Затоа, дизајнот на контролната јамка е „мозокот“ на паметната станица за полнење. Во ова поглавје, ќе се продлабочиме во инженерските спецификации на овие контролни механизми, фокусирајќи се на пропорционално-интегрално-деривативните (PID) контролери и понапредната моделно-предвидлива контрола (MPC).

PID контролната рамка во DLB

PID контролерите се работни коњи на индустриската автоматизација и наоѓаат природна примена во DLB. Целта на PID јамката е да го одржува вкупното оптоварување на локацијата ($P_{total}$) на или под зададена вредност ($P_{limit}$) со прилагодување на контролната променлива, што е максималната граница на струја испратена до EVSE (опрема за напојување на електрични возила).

• Пропорционално (P)P-терминот дава моментален одговор на грешката (разликата помеѓу $P_{limit}$ и $P_{total}$). Ако грешката е голема (на пр., масивен пад на оптоварувањето во зградата), P-терминот брзо ја зголемува дозволената струја за полнење на електричното возило. Сепак, контролата само со P често води до „грешка во стационарна состојба“ каде што системот никогаш не ја достигнува границата.
• Интеграл (I)I-терминот ја зема предвид акумулацијата на грешките од минатото. Тој полека ја зголемува или намалува струјата за да ја елиминира грешката во стационарна состојба, осигурувајќи дека системот ги користи сите достапни ампери со текот на времето.
• Извод (D)D-терминот ги предвидува идните грешки со гледање на стапката на промена. Ова е клучно за спречување на „пречекорување“. Ако оптоварувањето брзо се зголемува, D-терминот агресивно ќе ги забави полначите на електричните возила пред всушност да се достигне границата.

Во DLB средина, PID јамката мора внимателно да се подеси. Ако е премногу агресивна, електричните возила постојано ќе ја модулираат својата струја, што може да предизвика абење на вградениот полнач (OBC) на возилото и потенцијално да го иритира софтверот на електричниот погон, што доведува до грешки во полнењето. Ако е премногу бавна, не ја исполнува својата примарна цел за заштита на мрежата.

Надвор од PID: Моделна предикативна контрола (MPC)

Иако PID е ефикасен за едноставни сценарија, современите центри за полнење со големи размери сè повеќе користат Моделска предикативна контрола (MPC). За разлика од PID, кој е реактивен, MPC е проактивен. Користи математички модел на системот за да го предвиди неговото идно однесување во рамките на специфичен „хоризонт на предвидување“.

Во контекст на DLB, MPC контролерот зема предвид:

1. Системски ограничувањаФизичките ограничувања на полначите, капацитетот на трансформаторот и максималната брзина на вшмукување на воздух во возилото.
2. Идни прогнозиПредвидено оптоварување на зградата врз основа на историски шеми, временски прогнози (кои влијаат на оптоварувањето на системот за греење, вентилација и климатизација) и очекувани пристигнувања на возила.
3. Целна функцијаМатематичка цел, како на пример „Минимизирање на вкупните трошоци за енергија, а воедно обезбедување сите автомобили да достигнат 80% SoC до 8 часот наутро“.

MPC алгоритмот решава проблем со оптимизација во секој временски чекор (на пр., на секои 5 минути). Тој пресметува низа од оптимални контролни дејства, но ја имплементира само првата, а потоа повторно пресметува во следниот чекор. Ова му овозможува на DLB системот да ги „измазнува“ профилите за полнење. На пример, ако системот знае дека доаѓа огромен скок на оптоварувањето на зградата во 14 часот, може да ги наполни електричните возила однапред во 13:30 часот, а потоа длабоко да ги забави во 14 часот, наместо нагло да реагира кога ќе се случи скокот.

Латентност и протоколи за комуникација

Контролната јамка е брза само колку што е брза нејзината комуникациска врска. Во многу DLB поставувања, контролерот комуницира со полначите преку Modbus TCP, RTU или протоколот Open Charge Point (OCPP).

• МодбусНуди многу мала латенција (милисекунди), што го прави идеален за локален, безбедносно критичен DLB.
• OCPP 1.6/2.0.1Стандард во индустријата за комуникација од облак до полнач. Иако е побогат со функции (ракување со фактурирање, автентикација и ажурирања на фирмверот), воведува значително задоцнување (често 1-5 секунди) поради оптоварувањето на JSON пораките преку WebSockets и преминувањето низ јавниот интернет.

Инженерите мора да го изберат вистинскиот протокол врз основа на критичноста на балансирањето на оптоварувањето. За станбена куќа, малку побавен DLB базиран на облак може да биде доволен. За индустриски постројки каде што исклучувањето на прекинувачот чини илјадници долари во застој, локална јамка базирана на Modbus е задолжителна.

Глава 4: Локална наспроти облачно-базирана DLB архитектура: Компаративна анализа

При дизајнирање на инфраструктура за паметно полнење, една од најфундаменталните архитектонски одлуки е каде се наоѓа „интелигенцијата“. Дали логиката за балансирање на оптоварувањето треба да работи на хардвер на лице место (локален DLB) или треба да се управува од далечински сервер (Cloud DLB)? И двата пристапа имаат јасни предности и компромиси во однос на сигурноста, цената и скалабилноста.

Локален DLB: Пристапот на Edge Computing

Локалниот DLB вклучува физички контролер - честопати PLC (програмабилен логички контролер), наменски портал или еден „главен“ полнач - кој комуницира директно со други полначи на локалната мрежа (LAN).

Предности:

1. Сигурност и можност за работа офлајнСистемот не зависи од интернет конекција. Ако оптичката линија е прекината, полначите продолжуваат да го балансираат оптоварувањето локално, обезбедувајќи ја електричната безбедност на зградата.
2. Ниска латентностКако што е дискутирано во Поглавје 3, локалната комуникација (Modbus или локален OCPP) се одвива со брзина од помалку од секунда. Ова е од суштинско значење за локации со испарливи оптоварувања кои не се електрични возила, како што се фабриките или болниците.
3. БезбедностОдржувањето на контролните сигнали во рамките на локалната мрежа ја намалува површината на напад од сајбер-закани кои би можеле да се обидат да ја манипулираат стабилноста на мрежата.

Недостатоци:

1. Цена на хардверПотребно е купување и инсталирање на дополнителен хардвер на лице место.
2. Комплексност на одржувањеАжурирањето на логиката на DLB може да бара посети на лице место или комплексно далечинско управување со рабните уреди.
3. Силоирани податоциЛокалниот контролер има ограничен увид во пошироките услови на мрежата или цените на енергијата на претпријатието, освен ако не е посебно интегриран со cloud backend.

DLB базиран на облак: Оркестрација на размер

Во архитектура базирана на облак, паметниот броило и полначите ги пријавуваат своите податоци на централна платформа за управување. Облакот ја пресметува оптималната моќност за секој полнач и ја испраќаSmartCharging.SetChargingProfileкоманда назад до EVSE-ите.

Предности:

1. СкалабилностБесконечно полесно е да се управува со 1.000 страници од една контролна табла во облак отколку со 1.000 индивидуални локални контролери.
2. Глобална оптимизацијаОблакот може да агрегира податоци од повеќе локации за да учествува во виртуелни електрани (VPP) или да одговори на регионален стрес на мрежата.
3. Напредна интеграција со вештачка интелигенцијаИзвршувањето на сложени модели за машинско учење за предвидување (кои ќе ги опфатиме во Поглавје 8) е многу поизводливо на моќни cloud сервери отколку на ограничен рабен хардвер.
4. Пониски почетни трошоциНема потреба од наменски локален контролер ако полначите можат директно да комуницираат со облакот.

Недостатоци:

1. Зависност од поврзувањеДоколку интернетот се исклучи, системот обично се враќа во „безбедна состојба“ (на пр., минимална струја за полнење за сите автомобили), што може да биде многу неефикасно и да доведе до поплаки од клиентите.
2. Висока латентностВремето на враќање помеѓу мерачот, облакот и полначот може да биде неколку секунди. Ова го отежнува реагирањето на „моменталните“ скокови на оптоварувањето.
3. Загриженост за приватностаКонтинуираното пренесување на податоци за енергија во облакот покренува проблеми со суверенитетот и приватноста на податоците за некои корпоративни клиенти.

Хибридниот модел: Најдоброто од двата света

Препознавајќи ги овие компромиси, индустријата се движи кон хибриден модел. Во оваа поставеност, локалната порта се справува со безбедносно-критичното балансирање на оптоварувањето на милисекундно ниво (осигурувајќи дека прекинувачот никогаш нема да се исклучи). Во меѓувреме, облакот обезбедува стратегија на високо ниво - поставување на „буџетите“ за локалниот контролер врз основа на цените на енергијата, распоредите на корисниците и сигналите на мрежата. Овој пристап „окружен со преголема потрошувачка на енергија и облак“ ја обезбедува сигурноста потребна за заштита на инфраструктурата, а воедно ја задржува флексибилноста на управувањето со облакот.

Глава 5: Стратегии и приоритети за распределба на енергија во реално време

Одредувањето како да се подели достапната моќност меѓу повеќе електрични возила е најсложениот алгоритамски предизвик во динамичкото балансирање на оптоварувањето. Не станува збор само за делење на вкупните киловати со бројот на автомобили. Софистицираниот DLB систем мора да ги балансира еднаквоста, ефикасноста и индивидуалните барања на корисниците. Во ова поглавје, ќе ги истражиме различните стратегии за распределба на моќноста што се користат во оваа област денес.

Прв дојден, прв услужен (FCFS)

Наједноставната стратегија за распределба е FCFS. Првото возило што ќе се вклучи ја добива својата максимална барана моќност. Следните возила ја добиваат онаа што ќе остане.

Предности:

• Едноставно за имплементација.
• Јасно и транспарентно за првите корисници.

Недостатоци:

• Крајно неправедно. Петтиот корисник што ќе пристигне може да добие нула струја дури и ако има итно патување, додека првиот корисник е веќе наполнет со 90% од батеријата и лесно може да почека.
• Води до „акумулација на енергија“, каде што автомобилот зафаќа простор за голема моќност со часови, додека ги полни последните неколку процентни поени со многу бавно темпо.

Еднакво споделување

Во овој модел, достапната моќност е подеднакво распределена меѓу сите активни сесии. Ако се достапни 100 kW и се полнат 4 автомобили, секој добива 25 kW. Ако се придружи и петти автомобил, моќноста на секој паѓа на 20 kW.

Предности:

• Инхерентно „фер“ во основна смисла.
• Го максимизира бројот на автомобили што примаат барем одреден полнеж.

Недостатоци:

• Неефикасно за автомобили со мали батерии или за оние кои се приближуваат до целосно полнење. Автомобил што може да прифати само 7kW добива „доделени“ 20kW, губејќи 13kW што би можеле да се потрошат на автомобил способен за 50kW.

Распределба врз основа на приоритет (SoC и капацитет на батеријата)

Современите DLB системи користат поинтелигентна оптимизација со повеќе варијабли. Тие им даваат приоритет на автомобилите врз основа на нивната состојба на полнење (SoC). Автомобил со 10% SoC има приоритет пред автомобил со 80% бидејќи автомобилот со 10% SoC има поитна потреба од домет и може да прифати многу поголема брзина на полнење поради кривата на литиум-јонско полнење (фаза на константна струја).

Понатаму, системот го зема предвидмаксимална стапка на прифаќањена возилото. Со користење наМаксималнаструјапријавено од возилото (преку PWM при полнење со AC или дигитална комуникација при полнење со DC), контролерот на DLB гарантира дека никогаш не доделува повеќе енергија отколку што автомобилот всушност може да ја користи, со што го прераспределува „вишокот“ на други возила.

Кориснички дефинирани приоритети и „премиум“ полнење

Во комерцијални средини, DLB може да се поврзе со систем за наплата. Корисникот може да плати премија за „брзо полнење“, осигурувајќи се дека секогаш ќе ја добие максималната можна енергија без оглед на другите товари. Спротивно на тоа, на возилата од возниот парк може да им се доделат различни приоритети врз основа на нивните закажани времиња на поаѓање. Комбе за достава што тргнува во 5 часот наутро добива приоритет во 3 часот наутро во однос на комбе што тргнува во 9 часот наутро.

Алгоритам за пропорционална праведност

Изведен од телекомуникациите (LTE/5G распоред), овој алгоритам се обидува да ја максимизира вкупната „корисност“ на системот. Тој ја балансира непосредната потреба за висока моќност (ефикасност) со долгорочната потреба да се осигури дека ниедно возило нема да остане ненаполнето (фер однос). Тој пресметува резултат за приоритет за секое возило:Резултат = (Барана моќност / Просечна досега примена моќност)Автомобилите со највисоки резултати ја добиваат следната распределба на достапната моќност.

Поглавје 6: Стабилност на мрежата и механизми за спречување на преоптоварување

Динамичкото балансирање на оптоварувањето не е само функција за погодност на корисниците; тоа е критичен безбедносен систем за стабилност на мрежата. Со зголемувањето на пенетрацијата на електричните возила, дистрибутивната мрежа се соочува со нови видови на стрес, вклучувајќи брзи флуктуации во побарувачката и хармонично нарушување. Ова поглавје ги испитува механизмите што ги користи DLB за заштита на мрежата и спречување на катастрофални преоптоварувања.

Логиката за заштита на „кривата на исклучување“

Електричните прекинувачи имаат „крива на исклучување“ - тие можат да издржат мало преоптоварување неколку минути, но ќе се исклучат веднаш ако се појави масивен напон. Робусниот DLB контролер мора да ја моделира оваа крива на исклучување. Тој треба да дозволи многу кратки скокови (на пр., стартување на лифт) за да се избегне непотребно задушување на полначите на електрични возила, но мора да дејствува решително ако преоптоварувањето продолжи.

Напредните контролери користат пристап со „двоен праг“:

1. Праг на предупредување (на пр., 90% од ограничувањето)Контролерот започнува со „меко намалување на гасот“ на полначите за електрични возила за да се спречи достигнување на ограничувањето.
2. Критичен праг (на пр., 98% од границата)Контролерот имплементира „итно запирање“ или агресивно намалување на минималната дозволена струја (обично 6A за полнење со наизменична струја) за да го заштити главниот осигурувач.

Управување со фазна нерамнотежа

Во трифазни електрични системи (вообичаено во Европа и индустриските локации), можно е преоптоварување на една фаза дури и ако вкупната трифазна моќност е во рамките на ограничувањата. Ова се случува ако повеќето електрични возила на локацијата се еднофазни полначи и се поврзани на истата фаза (на пр., фаза L1).

Системот DLB кој е свесен за фазите ја следи секоја фаза независно. Ако фазата L1 ја достигне својата граница додека L2 и L3 се недоволно искористени, контролерот само ќе ги забави автомобилите поврзани со L1. Некои напредни EVSE можат дури и динамички да ги менуваат фазите (Префрлување на фази), преместувајќи го автомобилот од преоптоварена фаза во отворена без да ја прекинете сесијата за полнење.

Хармониска дисторзија и квалитет на енергија

Полначите за електрични возила се нелинеарни оптоварувања кои користат електроника за напојување (исправувачи). Тие можат да инјектираат хармоници во мрежата, што може да предизвика прегревање кај неутралните проводници и пречки со чувствителна електронска опрема. Додека DLB првенствено управува со „вистинската моќност“ (kW), софистицираните системи, исто така, ја следат „Вкупната хармонична дисторзија“ (THD) и „Фактор на моќност“ (PF). Ако THD ги надминува регулаторните ограничувања (на пр., IEEE 519), системот DLB може да ги намали брзините на полнење за да го ублажи влијанието врз квалитетот на енергијата.

Одговор на побарувачката и регулирање на фреквенцијата

На макро ниво, DLB системите можат да учествуваат во програми за одговор на побарувачката (DR). Кога фреквенцијата на мрежата ќе се намали (што укажува на недостиг на снабдување), компанијата испраќа сигнал. Контролерот на DLB може да реагира во милисекунди, намалувајќи го оптоварувањето на електричните возила преку стотици полначи истовремено. Ова обезбедува ефект на „виртуелна батерија“ што е многу побрз и поекономичен од вклучувањето на гасна централа со највисока брзина. Овој премин од „пасивно оптоварување“ кон „активен мрежен ресурс“ е иднината на паметното полнење.

Улогата на резервните држави

Критична компонента за спречување на преоптоварување е „Безбедна состојба“ или „Резервна струја“. Во случај на прекин на комуникацијата помеѓу контролерот и мерачот (или облакот), DLB системот мора стандардно да се постави на претходно дефинирана, безбедна граница на струја. Обично, ова е поставено на многу ниска вредност (на пр., 6A по полнач) или нула, осигурувајќи дека дури и при целосен дефект на системот, инфраструктурата на зградата останува заштитена.

Глава 7: Интегрирање на повеќеенергетски системи: Оптимизација на DLB со PV и BESS

Интеграцијата на обновливи извори на енергија, поточно фотоволтаични (PV) и локално складирање, како што се Системите за складирање енергија од батерии (BESS), додава нова димензија на сложеност на динамичкото балансирање на оптоварувањето. Во традиционалното DLB поставување, целта е да се остане под ограничувањето на мрежата. Во мултиенергетски систем, целта е да се оркестрираат овие различни средства за да се максимизира сопствената потрошувачка, да се минимизираат трошоците за мрежата и да се обезбеди сигурност.

Равенка за рамнотежа на моќност од повеќе извори

На локација со фотоволтаични и BESS, достапната енергија за полнење електрични возила повеќе не е само „Ограничувањето на мрежата минус оптоварувањето на зградата“. Таа станува:P_ev(t) = P_grid_limit – P_building(t) + P_pv(t) + P_bess_discharge(t) – P_bess_charge(t)

Оваа равенка воведува неколку нови контролни променливи. Контролерот на DLB сега мора да одлучи не само како да ја дистрибуира моќноста до електричните возила, туку и кога да го полни или празни BESS.

Полнење оптимизирано за соларна енергија (спречување на намалување на фотоволтаичните емисии)

Еден од основните случаи на употреба за повеќеенергетски DLB е „Соларна трага“. Кога сонцето сјае, фотоволтаичниот систем може да произведе повеќе енергија отколку што зградата може да потроши. Ако мрежата не дозволува инјектирање (нулто-извоз) или ако повластената тарифа е ниска, оваа енергија се троши (се намалува). Паметниот DLB систем го следи производството на фотоволтаични возила и автоматски ги зголемува брзините на полнење на електричните возила за да одговара на производството на сончева енергија. Овој режим на „Зелено полнење“ е многу популарен во станбени и корпоративни услови бидејќи овозможува 100% мобилност од обновливи извори со нула влијание врз мрежата.

Peak Shaving со BESS

BESS делува како тампон. Во периоди на врвна побарувачка - како на пример кога повеќе брзи полначи со голема моќност се активни истовремено - BESS може да се празне за да го надополни напојувањето од мрежата. Ова ѝ овозможува на локацијата да поддржува повеќе полначи отколку што нормално би дозволило нејзиното поврзување со мрежата. Контролерот DLB ја управува „Состојбата на енергија“ (SoE) на BESS. Тој мора да осигури дека батеријата има доволен капацитет за да се справи со следниот очекуван врв, а истовремено да закаже полнење за време на периоди на ниска побарувачка или големо производство на сончева енергија.

Координирана оптимизација на повеќе средства

Најнапредните системи користат пристап на „ко-оптимизација“. Наместо да ги третираат фотоволтаичните, BESS и електричните возила како посебни ентитети, тие се управуваат како унифицирана микромрежа. Контролерот користи линеарно програмирање или еволутивни алгоритми за да го реши проблемот со енергетскиот биланс на секои неколку секунди. На пример, ако автомобилот треба да тргне за 1 час, а производството на фотоволтаични возила опаѓа поради облак, контролорот мора да одлучи: Дали треба да црпи повеќе од мрежата (скапо), да го испушти BESS (трошок за возење велосипед) или да го забави автомобилот (незадоволство на корисниците)? Логиката „Економско распределување“ (опфатена во Поглавје 9) ја обезбедува рамката за овие одлуки.

Поглавје 8: Напредни модели за предвидување на енергија за големи станици за полнење

За големи центри за полнење - како што се бензински станици на автопати или градски автобуски депоа - реактивниот DLB е недоволен. За да се спречи нестабилност на мрежата и да се оптимизираат трошоците за енергија, овие локации мора да користат предикативни модели за да ја предвидат побарувачката. Ова поглавје ги истражува науката за податоци и техниките за моделирање што се користат за предвидување на моќноста во паметното полнење.

Прогнозирање на побарувачката: Предвидување на пристигнувања на возила

Првиот чекор во прогнозирањето е предвидување кога и колку електрични возила ќе пристигнат. За комерцијален центар, ова вклучува анализа на:

1. Историски шеми на пристигнување: Трендови во однос на времето од денот, денот од неделата и сезонските трендови.
2. Надворешни податоциСообраќајни услови, време (кое влијае на дометот на електричните возила и оптоварувањето со греење/ладење) и локални настани.
3. Теорија на редициКористење на стохастички модели како што се M/M/s редови за да се процени веројатноста сите полначи да бидат зафатени.

Напредните модели користат невронски мрежи со долга краткорочна меморија (LSTM) или градиентно засилени дрвја (XGBoost) за да го предвидат „Профилот на агрегатна побарувачка“ за следните 24 часа со висока точност.

Предвидување на оптоварувањето на зградата

За да функционира DLB, тој мора да го предвиди иоптоварување кое не е за електрични возилаВо канцелариска зграда, ова е многу предвидливо (врв во текот на работното време). Во индустриска локација, може да биде нестабилно. Моделите за прогнозирање на оптоварувањата во зградите обично користат:

• Авто-регресивен интегриран подвижен просек (ARIMA)За стабилни, сезонски податоци.
• Пророк (од Мета)Одлично за ракување со недостасувачки податоци и отстапувања во енергетските податоци од временски серии.
• Модели базирани на физикаПредвидување на оптоварувањето на HVAC системот со земање предвид на топлинската маса на зградата и прогнозата за надворешна температура.

Прогнозирање на фотоволтаична генерација

Предвидувањето на производството на сончева енергија е од витално значење за DLB со повеќе енергетски карактеристики. Ова бара интеграција со API-ја за временска прогноза со висока резолуција (податоци за сончево зрачење) и сензори на лице место. Краткорочното прогнозирање (0-15 минути) често користи камери „Sky Imaging“ кои го следат движењето на облаците за да предвидат ненадејни падови во производството на фотоволтаични панели, дозволувајќи му на системот DLB проактивно да ги забави полначите или да го подготви BESS за празнење.

Интерфејс за прогнозирање-контрола

Резултатот од овие прогнози се внесува во јамката за предикативна контрола на моделот (MPC) опишана во Поглавје 3. Прогнозата го обезбедува „Хоризонтот на предвидување“, дозволувајќи му на контролорот да донесува одлуки денес што ги земаат предвид очекуваните услови за два часа од сега. Оваа можност за „претпоставување нанапред“ е она што го разликува основниот паметен полнач од системот за управување со енергија интегриран во мрежата.

Глава 9: Оптимизација на трошоците и економично испраќање во паметното полнење

Иако примарната цел на DLB е техничка (спречување на преоптоварувања), секундарната и сè поважна цел е економска. Во ова поглавје, дискутираме како DLB системите оптимизираат за најниска цена на енергија.

Арбитража според времето на користење (ToU)

Повеќето комунални претпријатија сега нудат динамично одредување на цените. Електричната енергија може да чини 0,30 долари/kWh во 17 часот, но само 0,05 долари/kWh во 2 часот наутро. Паметниот DLB систем ги зема овие сигнали за цените како влезни податоци. „Оптималниот распоред за трошоци“ ќе префрли што е можно повеќе оптоварување на електрични возила во периодите со ниски цени. Сепак, тој мора да го балансира ова со барањата на корисниците. Ако на корисникот му е потребен автомобил во 20 часот, системот не може да почека до 2 часот наутро за да започне со полнење. Алгоритмот ја пресметува „опортунитетната цена“ од одложувањето на секоја сесија.

Управување со трошоци за побарувачка

За комерцијалните корисници, сметката за комунални услуги често се дели на два дела: Потрошувачка на енергија (kWh) и Врвна побарувачка (kW). Надоместокот за врвна побарувачка се базира на највисокиот 15-минутен интервал во месецот. Еден неуправуван врв може да чини илјадници долари. Системот DLB делува како „Клипер на врвни потроби“. Со поставување цврста граница на вкупното оптоварување на локацијата и користење на BESS или регулирање за негово одржување, системот гарантира дека надоместокот за врвна побарувачка останува во рамките на буџетскиот опсег.

Учество на пазарите за фреквентен одговор

Операторите на мрежата (TSOs/DSOs) плаќаат за „флексибилност“. Доколку мрежата за полнење може да докаже дека може да го намали оптоварувањето по команда, таа може да учествува на пазари како FFR (Firm Frequency Response - Одговор на цврста фреквенција) или DSR (Demand Side Response - Одговор на страната на побарувачката). Контролерот DLB делува како интерфејс. Кога ќе пристигне „Барање за флексибилност“, контролорот пресметува колку може безбедно да го намали оптоварувањето без да ги наруши минималните SoC барања на корисниците и поставува понуда на пазарот. Приходите генерирани од овие услуги можат значително да ги компензираат трошоците за инфраструктурата за полнење.

Објективната функција на економската диспечерска работа

Математиката зад оваа оптимизација е обично функција со повеќе цели:Минимизирај: (Трошоци за мрежна енергија) + (Трошоци за деградација на батеријата) + (Казна за доцно полнење) Предмет на: (Капацитет на мрежата) и (Рокови за корисниците)

Со решавање на ова на секои неколку минути, системот DLB гарантира дека станицата работи на „Границата на ефикасност“ - совршената рамнотежа помеѓу трошоците и перформансите.

Глава 10: Идни трендови: V2G, DLB управуван од вештачка интелигенција и стандардизација (OCPP 2.0.1)

Областа на паметно полнење електрични возила се развива со вртоглаво темпо. Како што технологијата созрева, се движиме подалеку од едноставното управување со оптоварувањето кон целосна интеграција на мрежата и автономна оптимизација. Ова поглавје ги разгледува трите најзначајни трендови што ја обликуваат иднината на динамичкото балансирање на оптоварувањето: односот возило-мрежа (V2G), вештачката интелигенција и усвојувањето на комуникациските стандарди од следната генерација.

Возило-мрежа (V2G) и двонасочна DLB

V2G е врвната еволуција на паметното полнење. Наместо електричното возило да биде само товар, тоа станува мобилна батерија што може да инјектира енергија назад во мрежата. За DLB, ова значи дека достапната енергија во равенката всушност може да биде негативна. На локација овозможена со V2G, контролерот на DLB мора да управува со „Двонасочно балансирање на оптоварувањето“. Ако оптоварувањето на зградата го надмине ограничувањето на мрежата, контролерот може да им наложи на електричното возило да ги испразни своите батерии за да ја поддржи зградата. Ова бара високо софистицирано „Управување со циклусот“ за да се осигури дека празнењето нема претерано да ја деградира батеријата на возилото и дека корисникот сè уште има доволно опсег за своето следно патување. V2G, исто така, бара надградби на хардверот - поточно, двонасочни полначи со еднонасочна струја или AC полначи што го поддржуваат стандардот ISO 15118-20.

Автономно балансирање на оптоварување управувано од вештачка интелигенција

Додека денешните DLB системи се потпираат на однапред дефинирани алгоритми и правила, следната генерација ќе користи вештачка интелигенција со „самоучење“. Користејќи засилено учење (RL), контролерот на DLB може да ја научи оптималната стратегија за полнење преку обиди и грешки во симулирана средина пред да биде распореден. Контролер управуван од вештачка интелигенција може да идентификува суптилни шеми што човечки инженер може да ги пропушти - како што е фактот дека секој вторник наутро во 10 часот наутро, одредена индустриска машина работи 15 минути, предизвикувајќи скок на оптоварувањето. Вештачката интелигенција може да научи проактивно да ги забави полначите на електрични возила за време на тој специфичен прозорец, дури и без сигнал во реално време од самата машина.

Влијанието на OCPP 2.0.1 и ISO 15118

Стандардизацијата е темел на скалабилноста. Индустријата брзо се трансформира од застарениот OCPP 1.6 кон многу посилниот OCPP 2.0.1.

• OCPP 2.0.1Воведува „Управување со уреди“, што му овозможува на облакот да ја следи состојбата и конфигурацијата на полначите со многу поголеми детали. Поважно за DLB, вклучува подобрени функции за паметно полнење што овозможуваат посложени профили на полнење и подобро ракување со трифазни системи.
• ISO 15118 (Вклучи и полни)Овој комуникациски стандард помеѓу возилото и полначот му овозможува на автомобилот да го сподели својот вистински SoC и капацитет на батеријата со полначот. Денес, повеќето полначи за наизменична струја го „погодуваат“ SoC или се потпираат на корисникот да го внесе во апликација. Со ISO 15118, контролерот DLB добива податоци за „Ground Truth“ директно од Системот за управување со батериите (BMS) на автомобилот, овозможувајќи многу попрецизна распределба на енергијата.

Глава 11: Студии на случај и предизвици при имплементација

Теоретската извонредност е ништо без практична имплементација. Во ова поглавје, ќе ги разгледаме реалните имплементации на DLB и техничките пречки со кои се соочија инженерите за време на имплементацијата.

Студија на случај 1: Комплексот со комерцијални канцеларии

Големо корпоративно седиште во Лондон сакаше да инсталира 50 полначи за електрични возила, но беше ограничено од мрежна врска од 200 kW која веќе беше 70% искористена од системот за греење, вентилација и осветлување на зградата.РешениеИмплементиран е хибриден DLB систем. Инсталиран е локален контролер на рабовите за следење на главниот трансформатор преку CT стеги. Системот е конфигуриран со „мек лимит“ од 180 kW и „тврд лимит“ од 195 kW.РезултатЛокацијата успешно управуваше со 50 полначи без ниту едно исклучување на прекинувачот. Со користење на приоритизација базирана на SoC, тие обезбедија вработените со долги патувања секогаш да бидат целосно наполнети до крајот на денот.

Студија на случај 2: Депо за електрични автобуси

Автобуски оператор во Шенжен требало да наполни 100 електрични автобуси преку ноќ. Предизвикот бил огромното истовремено оптоварување што се случувало кога сите автобуси се враќале на станицата во 23 часот.РешениеМодел за прогнозирање базиран на вештачка интелигенција беше користен за да се предвиди SoC на секој автобус по пристигнувањето врз основа на податоците за неговата рута. Потоа, системот DLB го закажа полнењето во „бранови“, осигурувајќи се дека вкупното оптоварување никогаш нема да го надмине капацитетот на трафостаницата на депото, а воедно осигурувајќи се дека секој автобус е 100% исполнет до 5 часот наутро.

Заеднички предизвици за имплементација

1. Комплексност на комуникацијата и интеграцијата:Секој полнач мора да го зборува јазикот на локацијата - OCPP до централниот систем за управување, ISO 15118 до возилото, а често и Modbus или BACnet до системот за управување со енергија на зградата. Овозможувањето на сигурна интероперабилност на сите три слоја, особено кај полначите од различни добавувачи, е еден од најчестите извори на „фантомски“ грешки кои всушност се несовпаѓања на протоколите.
2. Надоместоци за поврзување со мрежата и побарувачка:Системот DLB го решава техничкиот проблем на ограничениот капацитет, но комерцијалниот проблем - надоместоците за побарувачката и надоместоците за интерконекција на комуналните услуги - останува. Локациите мора да моделираат дали нивниот профил на оптоварување ќе предизвика казнени врвови на побарувачката и дали BESS е поекономичен од поголемата мрежна врска.
3. Квалитет на податоци и проценка на SoC:Оптимизацијата на DLB е добра само колку што се добри неговите влезни сигнали. Возилата пријавуваат состојба на полнење за време на сесијата за полнење, но вредностите може да бидат застарени, неконзистентни или едноставно недостапни кај постарите модели. Системите мора да бидат отпорни на недостасувачки податоци и стандардно да се префрлат на конзервативно закажување кога телеметријата е несигурна.
4. Скалабилност на контролниот слој:Систем кој елегантно управува со 50 полначи може да има проблеми со 500. Контролерите на Edge, cloud контролните табли и однесувањето при префрлување на полначи мора да бидат дизајнирани за скалирање од првиот ден, при што контролната логика ќе биде тестирана во однос на реални скокови на оптоварување во најлош случај - не само во однос на просечни услови.

Надминување на овие предизвици

Ниту еден од овие предизвици не е блокатор; секој е дисциплина на дизајн. Стандардизирањето на OCPP 1.6J или 2.0.1 со еден CMS добавувач ги елиминира повеќето протоколарни триења. Моделирањето на трошоците за побарувачка во почетниот бизнис случај - и додавањето на BESS кога бројките се во прилог на тоа - ја штити профитабилноста. А изборот на DLB добавувач со докажани распоредувања во голема флота, наместо оној со само демонстрации на лабораториско ниво, го намалува ризикот на целиот проект.

Исто така, постои и човечка димензија во овие предизвици. Инженерите што пуштаат во употреба DLB систем мора да ги разбираат и енергетските системи и софтверот - ретка комбинација. Операторите треба да одвојат буџет за структурирана обука и документирани книги за работа, така што кога контролерот на работ ќе вклучи аларм во 2 часот наутро, дежурниот техничар точно знае кои контролни табли да ги провери и кои процедури да ги следи. Зрелите добавувачи ги обезбедуваат овие книги за работа како стандардни испораки, а нивното отсуство е предупредувачки знак при изборот на добавувач.

Заклучок

Динамичкото балансирање на оптоварувањето и оптимизацијата на BESS го трансформираат полнењето на електричните возила од мрежна обврска во мрежен ресурс. Тие им дозволуваат на локациите да го тројно бројот на полначи без надградба на трансформаторите, ги заштитуваат операторите од казнени трошоци за побарувачката и ја отвораат вратата кон извори на приходи - намалување на врховни вредности, енергетска арбитража, па дури и мрежни услуги - до кои наивна инсталација никогаш не би можела да пристапи. Технологијата е зрела; дисциплината лежи во интеграцијата, квалитетот на податоците и чесното моделирање на капацитетот.

Клучни заклучоци

• DLB отклучува повеќе полначи по киловат мрежна врска, честопати одложувајќи или елиминирајќи надградби на трансформатори со шестцифрена вредност.
• BESS + полнењето го претвора проблемот помеѓу побарувачката и наплатата во профитен центар помеѓу побарувачката и наплатата.
• Приоритизацијата базирана на SoC и предвидувањето со вештачка интелигенција ги одржуваат критичните корисници (патници, автобуси) наполнети, а воедно ја израмнуваат кривата на оптоварување на локацијата.
• Интероперабилноста (OCPP, ISO 15118), квалитетот на податоците и обемот на добавувачот се трите фактори кои влијаат на успехот во реалните имплементации.

Контактирајте MIDA Power

Системите за полнење на MIDA Power се испорачуваат со интегрирано динамичко балансирање на оптоварувањето и опционална BESS интеграција, сите управувани преку единствена платформа компатибилна со OCPP. Од канцелариски комплекси до автобуски депоа, ние обезбедуваме инженерска поддршка за моделирање на вашиот товар, правилно димензионирање на системот и негово пуштање во употреба без изненадувања. Контактирајте не за консултации за анализа на оптоварувањето и понуда за проект.