Architektura techniczna inteligentnego ładowania pojazdów elektrycznych: dynamiczne równoważenie obciążenia i optymalizacja BESS

Kompleksowa architektura techniczna inteligentnego ładowania pojazdów elektrycznych: opanowanie dynamicznego równoważenia obciążenia za pomocą zaawansowanych pętli sterowania, integracji lokalnej chmury, optymalizacji wielu źródeł energii z wykorzystaniem fotowoltaiki i BESS oraz zarządzania stabilnością sieci na dużą skalę w oparciu o prognozy

Rozdział 1: Wprowadzenie do inteligentnego ładowania pojazdów elektrycznych i konieczność dynamicznego równoważenia obciążenia (DLB)

Globalne przejście na mobilność elektryczną nie jest już marginalnym trendem, lecz centralnym filarem dekabornizacji sektora transportu. Wraz z zastępowaniem milionów pojazdów z silnikami spalinowymi (ICE) pojazdami elektrycznymi (EV), zapotrzebowanie na energię elektryczną przesuwa się z paliw płynnych na sieć elektroenergetyczną. Ta zmiana paradygmatu stanowi ogromne wyzwanie dla infrastruktury elektrycznej, która w wielu przypadkach została zaprojektowana dekady temu. Nieregularny i wymagający dużej mocy charakter ładowania pojazdów elektrycznych może prowadzić do lokalnych przeciążeń sieci, degradacji transformatorów, a ostatecznie do katastrofalnych awarii, jeśli nie zostanie odpowiednio opanowany.

Inteligentne ładowanie pojazdów elektrycznych stanowi technologiczny pomost między rosnącym zapotrzebowaniem na mobilność a fizycznymi ograniczeniami sieci energetycznej. W swojej istocie inteligentne ładowanie opiera się na inteligencji – wiedzy o tym, kiedy, z jaką prędkością i w jakim priorytecie pojazd elektryczny powinien zostać naładowany. Jednak najważniejszym elementem tej warstwy inteligencji jest dynamiczne równoważenie obciążenia (DLB).

Dynamiczne równoważenie obciążenia (DLB) to proces ciągłego monitorowania dostępnej mocy elektrycznej danej lokalizacji i dystrybucji tej mocy pomiędzy aktywne ładowarki pojazdów elektrycznych w czasie rzeczywistym. Bez DLB budynek lub stacja ładowania byłyby zmuszone do pracy na stałym limicie, często dyktowanym przez „najgorszy scenariusz” szczytowego obciążenia. Prowadzi to do znacznej nieefektywności: albo lokalizacja jest niedostatecznie wyposażona, co prowadzi do powolnego ładowania dla użytkowników, albo wymaga niezwykle kosztownej modernizacji infrastruktury, aby obsłużyć teoretyczne szczyty obciążenia, które występują tylko przez kilka godzin w tygodniu.

Konieczność stosowania DLB wynika z trzech głównych czynników:

1. Ochrona infrastruktury:Zapobieganie zadziałaniu głównych wyłączników i ochrona transformatorów przed przegrzaniem.
2. Efektywność ekonomiczna:Unikanie wysokich opłat za popyt i wygórowanych kosztów modernizacji paneli usługowych lub lokalnych sieci dystrybucyjnych.
3. Satysfakcja użytkownika:Maksymalizacja prędkości ładowania dla wszystkich użytkowników poprzez inteligentne wykorzystanie każdej dostępnej kilowatogodziny pojemności.

W tym dogłębnym, technicznym badaniu szczegółowo przeanalizujemy mechanizmy DLB, od pętli sterowania z dokładnością do milisekund, które zarządzają elektroniką mocy, po chmurową koordynację tysięcy punktów ładowania. Przeanalizujemy, jak DLB ewoluuje po integracji z odnawialnymi źródłami energii, takimi jak fotowoltaika (PV) i systemy magazynowania energii w akumulatorach (BESS), oraz jak modelowanie predykcyjne pozwala wielkoskalowym węzłom ładowania przewidywać wahania sieci, zanim one wystąpią. W obliczu przyszłości, w której pojazd elektryczny nie jest już tylko konsumentem, ale rozproszonym źródłem energii, zrozumienie niuansów DLB ma kluczowe znaczenie zarówno dla inżynierów, urbanistów, jak i dostawców energii.

Rozdział 2: Podstawowe zasady dynamicznego równoważenia obciążenia

Aby zrozumieć działanie DLB, należy najpierw zrozumieć alternatywę „statyczną”. W środowisku statycznego równoważenia obciążenia, każdej ładowarce przydzielany jest stały prąd. Na przykład, jeśli obiekt ma limit 100 A i 5 ładowarek, każda może mieć limit 20 A. Jeśli ładowany jest tylko jeden samochód, nadal pobiera tylko 20 A, marnując 80 A dostępnej pojemności. I odwrotnie, jeśli wszystkie 5 samochodów ładuje się i ktoś włącza w budynku system HVAC o dużej mocy, całkowite obciążenie może przekroczyć 100 A, powodując awarię zasilania.

DLB zastępuje tę sztywną alokację płynnym, responsywnym systemem. Podstawową zasadą jest pętla sprzężenia zwrotnego między „Całkowitą Dostępną Pojemnością” a „Aktywnym Zapotrzebowaniem na Ładowanie”.

Podstawy Matematyczne

Najprościej rzecz ujmując, DLB można wyrazić za pomocą następującego równania:P_dostępne_dla_pojazdów_elektrycznych(t) = P_całkowity_limit – P_obciążenia_nie_pojazdów_elektrycznych(t)

Gdzie:

• P_total_limitstanowi fizyczną lub umowną granicę witryny.
• P_non_EV_loads(t)to bieżące zużycie energii elektrycznej przez oświetlenie, maszyny, windy itp., mierzone przy pomocy inteligentnego licznika.
• P_dostępne_dla_pojazdów_elektrycznych(t)jest to pozostała moc, która może być bezpiecznie rozdzielona pomiędzy pojazdy elektryczne.

Złożoność pojawia się, gdy system musi zdecydować, jak rozdysponowaćP_dostępne_dla_pojazdów_elektrycznych(t)wśródNŁadowarki. Ten rozkład jest regulowany przez algorytmy, które uwzględniają:

• Stan naładowania (SoC):Samochód z prawie rozładowanym akumulatorem może otrzymać wyższy priorytet.
• Czas odjazdu:Samochód, który zostaje na noc, można ładować powoli, natomiast samochód, który wymaga szybkiego doładowania, może skorzystać z doładowania.
• Równoważenie faz:W systemach trójfazowych DLB musi gwarantować, że żadna faza nie będzie przeciążona, co wymaga złożonej logiki przełączania lub rozdziału uwzględniającego fazę.

Czujniki i pomiary

Dokładność systemu DLB jest całkowicie zależna od jakości odbieranych danych. Zazwyczaj są to przekładniki prądowe (CT) lub dedykowane liczniki inteligentne zainstalowane w punkcie wspólnego przyłączenia (PCC). Urządzenia te muszą raportować dane dotyczące obciążenia z wysoką częstotliwością (często 1 Hz lub wyższą), aby umożliwić sterownikowi DLB reagowanie na nagłe skoki obciążenia budynku – takie jak uruchomienie silnika przemysłowego – w ciągu kilku sekund, zapobiegając w ten sposób zadziałaniu wyłącznika głównego.

Struktura hierarchiczna

DLB często działa hierarchicznie. Na poziomie „lokalnym” kontroler zarządza klastrem ładowarek. Na poziomie „obiektu” koordynuje się z systemem zarządzania budynkiem. Na poziomie „sieci” może reagować na sygnały Demand Response (DR) z zakładu energetycznego. To wielowarstwowe podejście zapewnia bezpieczeństwo lokalne przy jednoczesnym uczestnictwie w szerszych rynkach energii.

Rozdział 3: Projektowanie pętli sterowania dla algorytmów DLB: PID i sterowanie predykcyjne oparte na modelu (MPC)

Skuteczność systemu dynamicznego równoważenia obciążenia (DLB) jest ostatecznie mierzona jego opóźnieniem i precyzją. Jeśli obciążenie budynku gwałtownie wzrośnie, a system DLB będzie potrzebował 30 sekund na dostosowanie prądu ładowania pojazdu elektrycznego, główny wyłącznik prawdopodobnie zadziała przed korektą. Dlatego projekt pętli sterowania jest „mózgiem” inteligentnej stacji ładowania. W tym rozdziale zagłębimy się w specyfikacje techniczne tych mechanizmów sterowania, koncentrując się na regulatorach proporcjonalno-całkująco-różniczkujących (PID) oraz bardziej zaawansowanym sterowaniu predykcyjnym (MPC).

Struktura sterowania PID w DLB

Regulatory PID to „konie pociągowe” automatyki przemysłowej i znajdują naturalne zastosowanie w systemach DLB. Celem pętli PID jest utrzymanie całkowitego obciążenia obiektu ($P_{total}$) na poziomie lub poniżej wartości zadanej ($P_{limit}$) poprzez regulację zmiennej sterującej, czyli maksymalnego limitu prądu przesyłanego do urządzeń EVSE (Electric Vehicle Supply Equipment).

• Proporcjonalny (P):Termin P zapewnia natychmiastową odpowiedź na błąd (różnicę między $P_{limit}$ a $P_{total}$). Jeśli błąd jest duży (np. znaczny spadek obciążenia budynku), termin P szybko zwiększa dopuszczalny prąd ładowania pojazdu elektrycznego. Jednak sterowanie wyłącznie za pomocą P często prowadzi do „błędu stanu ustalonego”, w którym system nigdy nie osiąga do końca limitu.
• Całka (I):Czwartość I uwzględnia akumulację błędów z przeszłości. Powoli zwiększa lub zmniejsza prąd, aby wyeliminować błąd stanu ustalonego, zapewniając, że system wykorzystuje cały dostępny amper w czasie.
• Pochodna (D):Termin D przewiduje przyszłe błędy, analizując tempo zmian. Jest to kluczowe dla zapobiegania „przekroczeniom”. Jeśli obciążenie gwałtownie rośnie, termin D agresywnie ograniczy ładowanie ładowarek pojazdów elektrycznych, zanim limit zostanie osiągnięty.

W środowisku DLB pętla PID musi być starannie dostrojona. Jeśli jest zbyt agresywna, EVSE będą stale modulować prąd, co może powodować zużycie pokładowej ładowarki (OBC) pojazdu i potencjalnie podrażniać oprogramowanie pojazdu elektrycznego, prowadząc do błędów ładowania. Jeśli jest zbyt powolna, nie spełnia swojego głównego celu, jakim jest ochrona sieci.

Poza PID: sterowanie predykcyjne oparte na modelach (MPC)

Chociaż PID sprawdza się w prostych scenariuszach, nowoczesne, wielkoskalowe centra ładowania coraz częściej wykorzystują sterowanie predykcyjne (MPC). W przeciwieństwie do reaktywnego PID, MPC działa proaktywnie. Wykorzystuje matematyczny model systemu do przewidywania jego przyszłego zachowania w określonym „horyzoncie predykcji”.

W kontekście DLB kontroler MPC bierze pod uwagę:

1. Ograniczenia systemowe:Ograniczenia fizyczne ładowarek, pojemność transformatora i maksymalny pobór mocy przez pojazd.
2. Prognozy na przyszłość:Prognozowane obciążenie budynku na podstawie historycznych wzorców, prognoz pogody (wpływającej na obciążenie HVAC) i spodziewanej liczby pojazdów.
3. Funkcja celu:Cel matematyczny, taki jak „Zminimalizowanie całkowitego kosztu energii przy jednoczesnym zapewnieniu, że wszystkie samochody osiągną 80% stanu naładowania do godziny 8 rano”.

Algorytm MPC rozwiązuje problem optymalizacyjny w każdym kroku czasowym (np. co 5 minut). Oblicza sekwencję optymalnych działań kontrolnych, ale implementuje tylko pierwsze z nich, a następnie przelicza je w kolejnym kroku. Pozwala to systemowi DLB „wygładzać” profile ładowania. Na przykład, jeśli system wie, że o godzinie 14:00 nastąpi gwałtowny wzrost obciążenia budynku, może wstępnie naładować pojazdy elektryczne o godzinie 13:30, a następnie mocno je ograniczyć o godzinie 14:00, zamiast reagować gwałtownie w momencie wystąpienia skoku.

Opóźnienia i protokoły komunikacyjne

Pętla sterowania jest tak szybka, jak szybkie jest jej łącze komunikacyjne. W wielu konfiguracjach DLB kontroler komunikuje się z ładowarkami za pośrednictwem Modbus TCP, RTU lub Open Charge Point Protocol (OCPP).

• Modbus: Oferuje bardzo niskie opóźnienie (w milisekundach), co czyni go idealnym rozwiązaniem dla lokalnych systemów DLB o znaczeniu krytycznym dla bezpieczeństwa.
• OCPP 1.6/2.0.1:Standard branżowy w zakresie komunikacji między chmurą a ładowarką. Choć oferuje więcej funkcji (obsługa rozliczeń, uwierzytelniania i aktualizacji oprogramowania sprzętowego), wprowadza znaczne opóźnienie (często 1-5 sekund) z powodu narzutu na komunikaty JSON przesyłane przez WebSocket i przemierzanie publicznego Internetu.

Inżynierowie muszą wybrać odpowiedni protokół w oparciu o krytyczność równoważenia obciążenia. W przypadku domu mieszkalnego wystarczy nieco wolniejszy, oparty na chmurze system DLB. W zakładzie przemysłowym, gdzie przestój spowodowany zadziałaniem wyłącznika kosztuje tysiące dolarów, lokalna pętla oparta na protokole Modbus jest obowiązkowa.

Rozdział 4: Architektura DLB lokalna a oparta na chmurze: analiza porównawcza

Projektując inteligentną infrastrukturę ładowania, jedną z najważniejszych decyzji architektonicznych jest to, gdzie znajduje się ta „inteligencja”. Czy logika równoważenia obciążenia powinna działać na lokalnym sprzęcie (Lokalny DLB), czy też być zarządzana przez serwer zdalny (Chmura DLB)? Oba podejścia mają swoje zalety i wady pod względem niezawodności, kosztów i skalowalności.

Lokalny DLB: podejście oparte na przetwarzaniu brzegowym

Lokalny DLB obejmuje kontroler fizyczny — często PLC (programowalny kontroler logiczny), dedykowaną bramkę lub jedną ładowarkę „główną” — która komunikuje się bezpośrednio z innymi ładowarkami w sieci lokalnej (LAN).

Zalety:

1. Niezawodność i możliwość pracy w trybie offlineSystem nie jest zależny od połączenia internetowego. W przypadku zerwania światłowodu ładowarki nadal równoważą obciążenie lokalnie, zapewniając bezpieczeństwo elektryczne budynku.
2. Niskie opóźnienieJak omówiono w rozdziale 3, komunikacja lokalna (Modbus lub lokalny OCPP) odbywa się z prędkością poniżej sekundy. Jest to niezbędne w przypadku obiektów z niestabilnymi obciążeniami innymi niż pojazdy elektryczne, takich jak fabryki czy szpitale.
3. Bezpieczeństwo:Przechowywanie sygnałów sterujących w sieci lokalnej zmniejsza powierzchnię ataku dla zagrożeń cybernetycznych, które mogłyby próbować manipulować stabilnością sieci.

Wady:

1. Koszt sprzętu:Wymaga zakupu i instalacji dodatkowego sprzętu na miejscu.
2. Złożoność konserwacji:Aktualizacja logiki DLB może wymagać wizyt na miejscu lub złożonego zdalnego zarządzania urządzeniami brzegowymi.
3. Dane silosowe:Lokalny kontroler ma ograniczoną widoczność szerszych warunków sieciowych lub cen energii dostawcy, chyba że zostanie specjalnie zintegrowany z zapleczem w chmurze.

DLB w chmurze: orkiestracja na dużą skalę

W architekturze opartej na chmurze inteligentny licznik i ładowarki raportują swoje dane do centralnej platformy zarządzania. Chmura oblicza optymalną moc dla każdej ładowarki i wysyła ją do niej.SmartCharging.SetChargingProfilepolecenie z powrotem do EVSE.

Zalety:

1. Skalowalność:Zarządzanie 1000 lokalizacji z jednego pulpitu w chmurze jest znacznie łatwiejsze niż 1000 indywidualnych kontrolerów lokalnych.
2. Globalna optymalizacja:Chmura może agregować dane z wielu lokalizacji, aby uczestniczyć w wirtualnych elektrowniach (VPP) lub reagować na regionalne obciążenie sieci.
3. Zaawansowana integracja AI:Uruchamianie złożonych modeli uczenia maszynowego w celu prognozowania (co omówimy w rozdziale 8) jest znacznie bardziej wykonalne na wydajnych serwerach w chmurze niż na ograniczonym sprzęcie brzegowym.
4. Niższe koszty początkowe:Nie ma potrzeby stosowania dedykowanego lokalnego kontrolera, jeśli ładowarki mogą komunikować się bezpośrednio z chmurą.

Wady:

1. Zależność od łączności:Jeśli nastąpi przerwa w dostawie Internetu, system zwykle powraca do „stanu bezpiecznego” (np. minimalnego prądu ładowania dla wszystkich samochodów), co może być bardzo nieefektywne i prowadzić do skarg klientów.
2. Wysokie opóźnienieCzas podróży w obie strony między licznikiem, chmurą i ładowarką może wynosić kilka sekund. Utrudnia to reagowanie na „natychmiastowe” skoki obciążenia.
3. Obawy dotyczące prywatności:Ciągły przesył danych energetycznych do chmury stwarza problemy związane z suwerennością danych i prywatnością u niektórych klientów korporacyjnych.

Model hybrydowy: najlepsze z obu światów

Dostrzegając te kompromisy, branża zmierza w kierunku modelu hybrydowego. W tym przypadku lokalna brama obsługuje krytyczne dla bezpieczeństwa, milisekundowe równoważenie obciążenia (zapewniając, że wyłącznik nigdy nie zadziała). Jednocześnie chmura zapewnia strategię wysokiego poziomu – ustalając „budżety” dla lokalnego sterownika w oparciu o ceny energii, harmonogramy użytkowników i sygnały sieciowe. To podejście „obciążające brzeg sieci i koordynowane przez chmurę” zapewnia niezawodność niezbędną do ochrony infrastruktury, zachowując jednocześnie elastyczność zarządzania chmurą.

Rozdział 5: Strategie i priorytety alokacji mocy w czasie rzeczywistym

Określenie sposobu podziału dostępnej mocy pomiędzy wiele pojazdów elektrycznych to najbardziej złożone wyzwanie algorytmiczne w dynamicznym równoważeniu obciążenia. Nie chodzi tu tylko o podzielenie całkowitej mocy przez liczbę samochodów. Zaawansowany system DLB musi znaleźć równowagę między równością, wydajnością i indywidualnymi wymaganiami użytkowników. W tym rozdziale omówimy różne strategie alokacji mocy stosowane obecnie w terenie.

Kto pierwszy, ten lepszy (FCFS)

Najprostszą strategią alokacji jest FCFS. Pierwszy podłączony pojazd otrzymuje maksymalną żądaną moc. Kolejne pojazdy otrzymują pozostałą moc.

Zalety:

• Łatwe do wdrożenia.
• Przejrzyste i przejrzyste dla pierwszych użytkowników.

Wady:

• Bardzo niesprawiedliwe. Piąty użytkownik może nie otrzymać energii, nawet jeśli ma pilną podróż, podczas gdy pierwszy użytkownik ma już 90% naładowania i może spokojnie poczekać.
• Prowadzi to do „gromadzenia energii”, w którym samochód przez wiele godzin zajmuje miejsce poboru mocy, ładując jednocześnie ostatnie kilka punktów procentowych w bardzo wolnym tempie.

Równy podział

W tym modelu dostępna moc jest dzielona równo pomiędzy wszystkie aktywne sesje. Jeśli dostępne jest 100 kW i ładują się 4 samochody, każdy otrzymuje 25 kW. Jeśli dołączy piąty samochód, moc wszystkich spadnie do 20 kW.

Zalety:

• Z natury „sprawiedliwe” w podstawowym sensie.
• Maksymalizuje liczbę samochodów otrzymujących przynajmniej część ładunku.

Wady:

• Nieefektywne rozwiązanie dla samochodów z małymi akumulatorami lub tych, które zbliżają się do pełnego naładowania. Samochód, który może przyjąć tylko 7 kW, „przydziela” 20 kW, marnując 13 kW, które mogłoby zostać przeznaczone na samochód o mocy 50 kW.

Alokacja oparta na priorytetach (SoC i pojemność baterii)

Nowoczesne systemy DLB wykorzystują bardziej inteligentną, wielowymiarową optymalizację. Priorytetyzują one samochody na podstawie ich stanu naładowania (SoC). Samochód z SoC na poziomie 10% ma priorytet nad samochodem z SoC na poziomie 80%, ponieważ samochód z SoC na poziomie 10% pilnie potrzebuje zasięgu i może również zaakceptować znacznie wyższą prędkość ładowania dzięki krzywej ładowania litowo-jonowego (faza stałego prądu).

Ponadto system bierze pod uwagęmaksymalny wskaźnik akceptacjipojazdu. Korzystając zMaxCurrentzgodnie z informacjami przekazywanymi przez pojazd (za pomocą PWM w przypadku ładowania prądem przemiennym lub komunikacji cyfrowej w przypadku ładowania prądem stałym), kontroler DLB dba o to, aby nigdy nie przydzielać więcej energii, niż samochód może faktycznie wykorzystać, redystrybuując w ten sposób „nadwyżkę” do innych pojazdów.

Priorytety zdefiniowane przez użytkownika i ładowanie „Premium”

W środowiskach komercyjnych DLB może być połączony z systemem rozliczeniowym. Użytkownik może zapłacić dodatkową opłatę za ładowanie „Fast Track”, zapewniając sobie zawsze maksymalną możliwą moc, niezależnie od innych obciążeń. Z drugiej strony, pojazdy flotowe mogą mieć przypisane różne priorytety w zależności od planowanych godzin odjazdu. Samochód dostawczy odjeżdżający o 5:00 rano ma pierwszeństwo o 3:00 nad samochodem dostawczym odjeżdżającym o 9:00.

Algorytm proporcjonalno-sprawiedliwy

Algorytm ten, wywodzący się z telekomunikacji (harmonogramowanie LTE/5G), dąży do maksymalizacji całkowitej „użyteczności” systemu. Równoważy on natychmiastową potrzebę wysokiej mocy (efektywność) z długoterminową potrzebą zapewnienia, że ​​żaden samochód nie pozostanie bez ładowania (sprawiedliwość). Oblicza on punktację priorytetową dla każdego samochodu:Wynik = (Żądana moc / Średnia otrzymana moc do tej pory)Samochody z najwyższą liczbą punktów otrzymują kolejny przydział dostępnej mocy.

Rozdział 6: Stabilność sieci i mechanizmy zapobiegające przeciążeniom

Dynamiczne równoważenie obciążenia to nie tylko funkcja zapewniająca wygodę użytkownika; to krytyczny system bezpieczeństwa zapewniający stabilność sieci. Wraz ze wzrostem liczby pojazdów elektrycznych, sieć dystrybucyjna staje w obliczu nowych rodzajów obciążeń, w tym gwałtownych wahań zapotrzebowania i zniekształceń harmonicznych. W tym rozdziale omówiono mechanizmy wykorzystywane przez DLB do ochrony sieci i zapobiegania katastrofalnym przeciążeniom.

Logika ochrony „krzywej wyzwalania”

Wyłączniki nadprądowe mają „krzywą zadziałania” – mogą wytrzymać niewielkie przeciążenie przez kilka minut, ale zadziałają natychmiast w przypadku wystąpienia znacznego przepięcia. Solidny sterownik DLB musi modelować tę krzywą zadziałania. Powinien on uwzględniać bardzo krótkie skoki napięcia (np. przy uruchamianiu windy), aby uniknąć niepotrzebnego ograniczania przepustowości ładowarek pojazdów elektrycznych, ale musi działać zdecydowanie, jeśli przeciążenie się utrzymuje.

Zaawansowane kontrolery wykorzystują podejście „podwójnego progu”:

1. Próg ostrzegawczy (np. 90% limitu):Kontroler rozpoczyna „łagodne ograniczanie” mocy ładowarek pojazdów elektrycznych, aby zapobiec osiągnięciu limitu.
2. Próg krytyczny (np. 98% limitu):Kontroler realizuje funkcję „awaryjnego zatrzymania” lub agresywnego zmniejszenia prądu do minimalnego dozwolonego (zwykle 6 A w przypadku ładowania prądem przemiennym) w celu ochrony głównego bezpiecznika.

Zarządzanie nierównowagą faz

W trójfazowych systemach elektrycznych (powszechnie stosowanych w Europie i zakładach przemysłowych) możliwe jest przeciążenie pojedynczej fazy, nawet jeśli łączna moc trójfazowa mieści się w dopuszczalnych granicach. Dzieje się tak, gdy większość pojazdów elektrycznych na miejscu to ładowarki jednofazowe, podłączone do tej samej fazy (np. fazy L1).

System DLB z uwzględnieniem fazy monitoruje każdą fazę niezależnie. Jeśli faza L1 osiągnie swój limit, a L2 i L3 są niewykorzystane, kontroler ograniczy przepustowość tylko samochodów podłączonych do L1. Niektóre zaawansowane układy ładowania elektrycznego (EVSE) mogą nawet dynamicznie przełączać fazy (Phase Switching), przenosząc pojazd z fazy przeciążonej do fazy otwartej bez przerywania ładowania.

Zniekształcenia harmoniczne i jakość zasilania

Ładowarki pojazdów elektrycznych to odbiorniki nieliniowe wykorzystujące elektronikę mocy (prostowniki). Mogą one wprowadzać harmoniczne do sieci, co może powodować przegrzewanie się przewodów neutralnych i zakłócenia w pracy wrażliwych urządzeń elektronicznych. Podczas gdy DLB zarządza przede wszystkim „mocą czynną” (kW), zaawansowane systemy monitorują również „całkowite zniekształcenia harmoniczne” (THD) i „współczynnik mocy” (PF). Jeśli THD przekroczy limity regulacyjne (np. IEEE 519), system DLB może zmniejszyć prędkość ładowania, aby zminimalizować wpływ na jakość energii.

Odpowiedź na zapotrzebowanie i regulacja częstotliwości

Na poziomie makro, systemy DLB mogą uczestniczyć w programach Demand Response (DR). Gdy częstotliwość sieci spada (oznaczając niedobór zasilania), dostawca energii wysyła sygnał. Kontroler DLB może zareagować w ciągu milisekund, zmniejszając obciążenie pojazdów elektrycznych na setkach ładowarek jednocześnie. Zapewnia to efekt „wirtualnego akumulatora”, który jest znacznie szybszy i bardziej opłacalny niż uruchamianie szczytowej elektrowni gazowej. To przejście od „pasywnego obciążenia” do „aktywnego zasobu sieci” to przyszłość inteligentnego ładowania.

Rola stanów rezerwowych

Kluczowym elementem zapobiegania przeciążeniom jest „Stan Bezpieczny” lub „Prąd Zapasowy”. W przypadku awarii komunikacji między kontrolerem a licznikiem (lub chmurą), system DLB musi domyślnie ustawić predefiniowany, bezpieczny limit prądu. Zazwyczaj jest on ustawiony na bardzo niską wartość (np. 6 A na ładowarkę) lub zero, co zapewnia ochronę infrastruktury budynku nawet w przypadku całkowitej awarii systemu.

Rozdział 7: Integracja systemów wieloenergetycznych: optymalizacja DLB z PV i BESS

Integracja odnawialnych źródeł energii, a w szczególności fotowoltaiki (PV), z lokalnym magazynowaniem energii, takim jak systemy magazynowania energii w akumulatorach (BESS), dodaje nowy wymiar złożoności do dynamicznego równoważenia obciążenia. W tradycyjnej konfiguracji DLB celem jest utrzymanie się poniżej limitu sieci. W systemie wieloenergetycznym celem jest koordynacja tych różnych zasobów w celu maksymalizacji zużycia własnego, minimalizacji kosztów sieci i zapewnienia niezawodności.

Równanie bilansu mocy wieloźródłowej

W przypadku lokalizacji z panelami fotowoltaicznymi i systemem BESS, dostępna moc do ładowania pojazdów elektrycznych nie jest już równa „limitowi sieciowemu pomniejszonemu o obciążenie budynku”. Staje się ona:P_ev(t) = P_grid_limit – P_building(t) + P_pv(t) + P_bess_discharge(t) – P_bess_charge(t)

To równanie wprowadza kilka nowych zmiennych sterujących. Kontroler DLB musi teraz decydować nie tylko o tym, jak dystrybuować energię do pojazdów elektrycznych, ale także o tym, kiedy ładować lub rozładowywać BESS.

Ładowanie zoptymalizowane pod kątem energii słonecznej (zapobieganie ograniczeniom energii fotowoltaicznej)

Jednym z głównych zastosowań wieloenergetycznego systemu DLB jest „śledzenie energii słonecznej”. Gdy świeci słońce, system fotowoltaiczny może wytwarzać więcej energii, niż budynek jest w stanie zużyć. Jeśli sieć nie pozwala na wprowadzanie energii (zerowy eksport) lub jeśli taryfa gwarantowana jest niska, energia ta jest marnowana (ograniczona). Inteligentny system DLB monitoruje moc wyjściową instalacji fotowoltaicznej i automatycznie zwiększa prędkość ładowania pojazdów elektrycznych, dostosowując ją do produkcji energii słonecznej. Ten tryb „zielonego ładowania” jest bardzo popularny w domach i firmach, ponieważ umożliwia mobilność w 100% odnawialną przy zerowym wpływie na sieć energetyczną.

Peak Shaving z BESS

BESS działa jako bufor. W okresach szczytowego zapotrzebowania – na przykład gdy jednocześnie aktywnych jest wiele szybkich ładowarek prądu stałego o dużej mocy – BESS może rozładowywać się, uzupełniając zasilanie sieciowe. Pozwala to na obsługę większej liczby ładowarek niż normalnie pozwala na to połączenie z siecią. Kontroler DLB zarządza „stanem energii” (SoE) BESS. Musi on zapewnić wystarczającą pojemność akumulatora, aby obsłużyć kolejny spodziewany szczyt, a jednocześnie zaplanować ładowanie w okresach niskiego zapotrzebowania lub wysokiej produkcji energii słonecznej.

Skoordynowana optymalizacja wielu aktywów

Najbardziej zaawansowane systemy wykorzystują podejście „współoptymalizacji”. Zamiast traktować PV, BESS i pojazdy elektryczne jako oddzielne jednostki, są one zarządzane jako zunifikowana mikrosieć. Kontroler wykorzystuje programowanie liniowe lub algorytmy ewolucyjne do rozwiązywania problemu bilansu energetycznego co kilka sekund. Na przykład, jeśli samochód musi odjechać za godzinę, a produkcja energii z PV spada z powodu zachmurzenia, kontroler musi podjąć decyzję: czy powinien pobierać więcej energii z sieci (koszty), rozładować BESS (koszty cykliczne), czy ograniczyć moc pojazdu (niezadowolenie użytkowników)? Logika „Ekonomicznej Dyspozycji” (opisana w rozdziale 9) stanowi ramy dla tych decyzji.

Rozdział 8: Zaawansowane modele prognozowania mocy dla stacji ładowania na dużą skalę

W przypadku dużych węzłów ładowania – takich jak stacje obsługi autostrad czy miejskie zajezdnie autobusowe – reaktywne DLB jest niewystarczające. Aby zapobiec niestabilności sieci i zoptymalizować koszty energii, te obiekty muszą korzystać z modeli predykcyjnych, aby przewidywać zapotrzebowanie. W tym rozdziale omówiono techniki analizy danych i modelowania wykorzystywane do prognozowania mocy w inteligentnym ładowaniu.

Prognozowanie popytu: przewidywanie przybycia pojazdów

Pierwszym krokiem w prognozowaniu jest przewidzenie, kiedy i ile pojazdów elektrycznych pojawi się na rynku. W przypadku centrum komercyjnego obejmuje to analizę:

1. Historyczne wzorce przybycia:Trendy związane z porą dnia, dniem tygodnia i sezonem.
2. Dane zewnętrzne:Warunki ruchu drogowego, pogoda (mająca wpływ na zasięg pojazdu elektrycznego oraz obciążenie układu ogrzewania/chłodzenia) i wydarzenia lokalne.
3. Teoria kolejek:Wykorzystywanie modeli stochastycznych, takich jak kolejki M/M/s, do oszacowania prawdopodobieństwa zajętości wszystkich ładowarek.

Zaawansowane modele wykorzystują sieci neuronowe LSTM (Long Short-Term Memory) lub Gradient Boosted Trees (XGBoost) do przewidywania „profilu popytu łącznego” na kolejne 24 godziny z dużą dokładnością.

Prognozowanie obciążenia budynku

Aby DLB działał, musi również przewidywaćobciążenie inne niż pojazd elektrycznyW budynku biurowym jest to wysoce przewidywalne (szczyt w godzinach pracy). W obiekcie przemysłowym może być zmienne. Modele prognozowania obciążenia budynku zazwyczaj wykorzystują:

• Autoregresyjna zintegrowana średnia ruchoma (ARIMA):Dla stabilnych, sezonowych danych.
• Prorok (według Meta):Doskonały do ​​obsługi brakujących danych i wartości odstających w szeregach czasowych danych dotyczących energii.
• Modele oparte na fizyce:Prognozowanie obciążenia HVAC na podstawie uwzględnienia masy cieplnej budynku i prognozowanej temperatury zewnętrznej.

Prognozowanie generacji fotowoltaicznej

Prognozowanie produkcji energii słonecznej ma kluczowe znaczenie dla wieloenergetycznych systemów DLB. Wymaga to integracji z interfejsami API o wysokiej rozdzielczości (dane o nasłonecznieniu) i czujnikami na miejscu. Prognozy krótkoterminowe (0–15 minut) często wykorzystują kamery „Sky Imaging”, które śledzą ruch chmur, aby przewidywać nagłe spadki mocy fotowoltaicznej, umożliwiając systemowi DLB proaktywne ograniczanie mocy ładowarek lub przygotowywanie BESS do rozładowania.

Interfejs prognozowania i kontroli

Dane wyjściowe tych prognoz są wprowadzane do pętli sterowania predykcyjnego (MPC) opisanej w rozdziale 3. Prognoza tworzy „horyzont predykcji”, umożliwiając sterownikowi podejmowanie decyzji już dziś, uwzględniających warunki przewidywane za dwie godziny. Ta funkcja „przewidywania przyszłości” odróżnia podstawową inteligentną ładowarkę od zintegrowanego z siecią systemu zarządzania energią.

Rozdział 9: Optymalizacja kosztów i ekonomiczna dystrybucja w inteligentnym ładowaniu

Chociaż głównym celem DLB jest aspekt techniczny (zapobieganie przeciążeniom), drugorzędnym i coraz ważniejszym celem jest cel ekonomiczny. W tym rozdziale omówimy, jak systemy DLB optymalizują koszty energii.

Arbitraż w zakresie czasu użytkowania (ToU)

Większość dostawców energii oferuje obecnie dynamiczne ceny. O godzinie 17:00 energia elektryczna może kosztować 0,30 USD/kWh, ale o 2:00 w nocy tylko 0,05 USD/kWh. Inteligentny system DLB przyjmuje te sygnały cenowe jako dane wejściowe. „Harmonogram optymalizacji kosztów” przesunie jak najwięcej obciążenia pojazdów elektrycznych na okresy niskich cen. Musi jednak zrównoważyć to z wymaganiami użytkowników. Jeśli użytkownik potrzebuje swojego samochodu o godzinie 20:00, system nie może czekać do 2:00 w nocy z rozpoczęciem ładowania. Algorytm oblicza „koszt alternatywny” opóźnienia każdej sesji ładowania.

Zarządzanie opłatami za zapotrzebowanie

W przypadku klientów komercyjnych rachunek za media jest często dzielony na dwie części: zużycie energii (kWh) i szczytowe zapotrzebowanie (kW). Opłata za szczytowe zapotrzebowanie jest naliczana na podstawie najwyższego 15-minutowego przedziału w miesiącu. Pojedynczy, niezarządzany szczyt może kosztować tysiące dolarów. System DLB działa jak „obcinacz szczytowy”. Ustawiając sztywny limit całkowitego obciążenia obiektu i wykorzystując BESS lub dławienie do jego utrzymania, system zapewnia, że ​​opłata za szczytowe zapotrzebowanie mieści się w założonym zakresie.

Udział w rynkach odpowiedzi częstotliwościowej

Operatorzy sieci (OSP/OSD) płacą za „elastyczność”. Jeśli sieć ładowania udowodni, że może zmniejszyć obciążenie na żądanie, może uczestniczyć w rynkach takich jak FFR (Firm Frequency Response – stała reakcja częstotliwościowa) lub DSR (Demand Side Response – reakcja strony popytowej). Kontroler DLB pełni rolę interfejsu. Po otrzymaniu „żądania elastyczności” kontroler oblicza, o ile może bezpiecznie zmniejszyć obciążenie, nie przekraczając minimalnych wymagań użytkowników dotyczących SoC, i składa ofertę na rynku. Przychody generowane z tych usług mogą znacząco zrównoważyć koszty infrastruktury ładowania.

Funkcja celu dystrybucji ekonomicznej

Podstawą tej optymalizacji jest zazwyczaj funkcja wielokryterialna:Zminimalizuj: (Koszt energii sieciowej) + (Koszt degradacji akumulatora) + (Kara za spóźnione ładowanie) Z zastrzeżeniem: (Moc sieci) i (Terminów użytkownika)

Rozwiązując ten problem co kilka minut, system DLB gwarantuje, że stacja działa na „granicy wydajności” — czyli przy idealnej równowadze między kosztami a wydajnością.

Rozdział 10: Przyszłe trendy: V2G, DLB oparte na sztucznej inteligencji i standaryzacja (OCPP 2.0.1)

Dziedzina inteligentnego ładowania pojazdów elektrycznych rozwija się w zawrotnym tempie. Wraz z rozwojem technologii, wykraczamy poza proste zarządzanie obciążeniem, zmierzając w kierunku pełnej integracji z siecią i autonomicznej optymalizacji. W tym rozdziale omówiono trzy najważniejsze trendy kształtujące przyszłość dynamicznego równoważenia obciążenia: łączność pojazd-sieć (V2G), sztuczną inteligencję oraz wdrażanie standardów komunikacyjnych nowej generacji.

Pojazd-sieć (V2G) i dwukierunkowy DLB

V2G to szczytowe osiągnięcie w dziedzinie inteligentnego ładowania. Zamiast zwykłego obciążenia, pojazd elektryczny staje się mobilnym akumulatorem, który może przesyłać energię z powrotem do sieci. W przypadku DLB oznacza to, że dostępna moc w równaniu może być ujemna. W obiekcie obsługującym V2G kontroler DLB musi zarządzać „dwukierunkowym równoważeniem obciążenia”. Jeśli obciążenie budynku przekroczy limit sieci, kontroler może nakazać pojazdom elektrycznym rozładowanie akumulatorów w celu zasilania budynku. Wymaga to wysoce zaawansowanego „zarządzania cyklami”, aby zapewnić, że rozładowanie nie spowoduje nadmiernej degradacji akumulatora pojazdu i że użytkownik nadal będzie miał wystarczający zasięg na kolejną podróż. V2G wymaga również modernizacji sprzętu – w szczególności dwukierunkowych ładowarek prądu stałego (DC) lub prądu przemiennego (AC) zgodnych z normą ISO 15118-20.

Autonomiczne równoważenie obciążenia oparte na sztucznej inteligencji

Podczas gdy dzisiejsze systemy DLB opierają się na predefiniowanych algorytmach i regułach, następna generacja będzie korzystać ze sztucznej inteligencji (SI) „samouczącej się”. Dzięki uczeniu się przez wzmacnianie (RL), kontroler DLB może nauczyć się optymalnej strategii ładowania metodą prób i błędów w symulowanym środowisku przed wdrożeniem. Kontroler sterowany przez SI potrafi identyfikować subtelne wzorce, które inżynier mógłby przeoczyć – na przykład fakt, że w każdy wtorek rano o godzinie 10:00 konkretna maszyna przemysłowa pracuje przez 15 minut, powodując gwałtowny wzrost obciążenia. SI może nauczyć się proaktywnie ograniczać przepustowość ładowarek pojazdów elektrycznych w tym konkretnym przedziale czasowym, nawet bez sygnału w czasie rzeczywistym z samej maszyny.

Wpływ OCPP 2.0.1 i ISO 15118

Standaryzacja jest podstawą skalowalności. Branża szybko przechodzi ze starszego OCPP 1.6 na znacznie bardziej stabilną wersję OCPP 2.0.1.

• OCPP 2.0.1Wprowadza „Zarządzanie urządzeniami”, umożliwiając chmurze monitorowanie stanu i konfiguracji ładowarek z dużo większą szczegółowością. Co ważniejsze dla DLB, zawiera ulepszone funkcje inteligentnego ładowania, które umożliwiają bardziej złożone profile ładowania i lepszą obsługę systemów trójfazowych.
• ISO 15118 (Podłącz i ładuj)Ten standard komunikacji między pojazdem a ładowarką pozwala samochodowi na udostępnianie ładowarki rzeczywistego stanu SoC i pojemności akumulatora. Obecnie większość ładowarek AC „zgaduje” stan SoC lub wymaga od użytkownika wprowadzenia go do aplikacji. Dzięki ISO 15118 kontroler DLB pobiera dane „Ground Truth” bezpośrednio z systemu zarządzania akumulatorem (BMS) samochodu, co umożliwia znacznie dokładniejsze alokowanie mocy.

Rozdział 11: Studia przypadków i wyzwania związane z wdrażaniem

Teoretyczna doskonałość jest niczym bez praktycznego wdrożenia. W tym rozdziale przyjrzymy się rzeczywistym wdrożeniom DLB i przeszkodom technicznym, z jakimi borykali się inżynierowie podczas wdrażania.

Studium przypadku 1: Kompleks biurowy

Siedziba dużej korporacji w Londynie chciała zainstalować 50 ładowarek do pojazdów elektrycznych, ale ograniczała ją moc przyłącza sieciowego wynosząca 200 kW, która była już w 70% wykorzystywana przez systemy HVAC i oświetlenia budynku.Rozwiązanie:Wdrożono hybrydowy system DLB. Zainstalowano lokalny sterownik krawędziowy do monitorowania głównego transformatora za pomocą zacisków CT. System skonfigurowano z limitem miękkim 180 kW i limitem twardym 195 kW.Wynik:W placówce udało się pomyślnie naładować 50 ładowarek bez ani jednego zadziałania wyłącznika. Dzięki priorytetyzacji opartej na SoC, pracownicy dojeżdżający do pracy z daleka zawsze byli w pełni naładowani do końca dnia.

Studium przypadku 2: Zajezdnia autobusów elektrycznych

Operator autobusowy w Shenzhen musiał naładować 100 autobusów elektrycznych w ciągu nocy. Wyzwaniem było ogromne, równoczesne obciążenie, które wystąpiło, gdy wszystkie autobusy wróciły do ​​zajezdni o godzinie 23:00.Rozwiązanie:Wykorzystano model prognozowania oparty na sztucznej inteligencji, aby przewidzieć stan naładowania (SOC) każdego autobusu po przyjeździe na podstawie danych o trasie. System DLB zaplanował następnie ładowanie w „falach”, zapewniając, że całkowite obciążenie nigdy nie przekroczy wydajności stacji elektroenergetycznej zajezdni, a jednocześnie każdy autobus będzie naładowany w 100% do godziny 5:00 rano.

Typowe wyzwania związane z wdrażaniem

1. Złożoność komunikacji i integracji:Każda ładowarka musi komunikować się z językiem danej lokalizacji – OCPP z centralnym systemem zarządzania, ISO 15118 z pojazdem, a często Modbus lub BACnet z systemem zarządzania energią budynku. Zapewnienie niezawodnej współpracy wszystkich trzech warstw, zwłaszcza w przypadku ładowarek różnych dostawców, jest jednym z najczęstszych źródeł „fantomowych” błędów, które w rzeczywistości są niezgodnością protokołów.
2. Opłaty za przyłączenie do sieci i zapotrzebowanie:System DLB rozwiązuje techniczny problem ograniczonej przepustowości, ale problem komercyjny – opłaty za zapotrzebowanie i opłaty za połączenia z siecią – pozostaje. Lokalizacje muszą modelować, czy ich profil obciążenia wywoła karne szczyty zapotrzebowania i czy BESS jest bardziej opłacalny niż podłączenie do większej sieci.
3. Jakość danych i szacowanie SoC:Optymalizacja DLB jest tak dobra, jak jej dane wejściowe. Pojazdy raportują stan naładowania podczas sesji ładowania, ale wartości mogą być nieaktualne, niespójne lub po prostu niedostępne w starszych modelach. Systemy muszą być odporne na brakujące dane i domyślnie stosować konserwatywne harmonogramy, gdy dane telemetryczne są zawodne.
4. Skalowalność warstwy sterowania:System, który sprawnie zarządza 50 ładowarkami, może mieć problemy z obsługą 500. Kontrolery brzegowe, pulpity nawigacyjne w chmurze i mechanizmy przełączania awaryjnego muszą być projektowane z myślą o skalowalności od samego początku, a logika sterowania musi być testowana pod kątem realistycznych najgorszych skoków obciążenia, a nie tylko przeciętnych warunków.

Pokonywanie tych wyzwań

Żadne z tych wyzwań nie stanowi przeszkody; każde z nich jest kwestią projektowania. Standaryzacja na OCPP 1.6J lub 2.0.1 z jednym dostawcą CMS eliminuje większość problemów związanych z protokołami. Modelowanie opłat za zapotrzebowanie w początkowym uzasadnieniu biznesowym – i dodanie BESS, gdy liczby na to wskazują – chroni rentowność. Wybór dostawcy DLB ze sprawdzonymi wdrożeniami na dużą flotę, a nie takiego, który oferuje jedynie demonstracje w skali laboratoryjnej, zmniejsza ryzyko dla całego projektu.

Wyzwania te mają również wymiar ludzki. Inżynierowie uruchamiający system DLB muszą rozumieć zarówno systemy zasilania, jak i oprogramowanie – co jest rzadkością. Operatorzy powinni uwzględnić w budżecie ustrukturyzowane szkolenia i udokumentowane podręczniki procedur, aby w przypadku alarmu ze strony kontrolera brzegowego o 2 w nocy, dyżurny technik dokładnie wiedział, które pulpity nawigacyjne sprawdzić i jakich procedur przestrzegać. Doświadczeni dostawcy dostarczają te podręczniki procedur jako standardowe produkty, a ich brak jest sygnałem ostrzegawczym podczas wyboru dostawcy.

Wniosek

Dynamiczne równoważenie obciążenia i optymalizacja BESS przekształcają ładowanie pojazdów elektrycznych z obciążenia sieci w atut. Pozwalają one stacjom potroić liczbę ładowarek bez modernizacji transformatorów, chronią operatorów przed karnymi opłatami za zapotrzebowanie i otwierają drzwi do źródeł dochodu – redukcji szczytowego zapotrzebowania, arbitrażu energetycznego, a nawet usług sieciowych – do których niedoświadczona instalacja nigdy nie miałaby dostępu. Technologia jest dojrzała; jej istotą jest integracja, jakość danych i rzetelne modelowanie przepustowości.

Najważniejsze wnioski

• DLB odblokowuje więcej ładowarek na każdy kilowat połączenia sieciowego, często odraczając lub rezygnując z modernizacji transformatorów o wartości sześciocyfrowej.
• BESS + ładowanie przekształca problem opłat za popyt w centrum zysku z opłat za popyt.
• Priorytetyzacja oparta na SoC i prognozowanie przy użyciu sztucznej inteligencji umożliwiają ładowanie kluczowych użytkowników (pasażerów do pracy, autobusów), jednocześnie spłaszczając krzywą obciążenia witryny.
• Interoperacyjność (OCPP, ISO 15118), jakość danych i skala dostawcy to trzy czynniki decydujące o powodzeniu rzeczywistych wdrożeń.

Skontaktuj się z MIDA Power

Systemy ładowania MIDA Power są dostarczane ze zintegrowanym, dynamicznym równoważeniem obciążenia i opcjonalną integracją BESS, a wszystko to zarządzane jest za pośrednictwem jednej platformy zgodnej ze standardem OCPP. Od kompleksów biurowych po zajezdnie autobusowe, zapewniamy wsparcie inżynieryjne w zakresie modelowania obciążenia, doboru odpowiedniej wielkości systemu i uruchomienia bez niespodzianek. Skontaktuj się z nami, aby uzyskać konsultację w sprawie analizy obciążenia i wycenę projektu.