הבנת מדדי היעילות המרכזיים במערכות אגירת אנרגיה סולרית

יעילות הליכה ושוב: כימות האובדים הנובעים מפל מתח, המרה באינורטר ועומס המערכת הניהולית של הסוללה (BMS)

יעילות הלוך ושוב, או RTE, מציינת את כמות האנרגיה שמחזירים מהמערכת לאחסון סוללות לעומת הכמות שהוכנסה למערכת בעת הטעינה. קיימים מספר דרכים שבהן אנרגיה אובדת לאורך הדרך. ראשית, יש נפילה במתח הנגרמת על ידי התנגדות פנימית בתוך הסוללות עצמן, אשר מאבדת כ־5–15% מהאנרגיה כחום. לאחר מכן מגיע תהליך ההמרה בין זרם ישר לזרם חילופין דרך הממירים (Inverters), שמביא לאיבוד נוסף של כ־3–8%, תלוי בהגדרת המערכת ובעומס העבודה. ואל תשכחו את כל העבודה הרקע שמתקיימת על ידי מערכת ניהול הסוללות (BMS) עבור פעולות כגון מעקב אחר התאים, שמירה על איזון ביניהם והבטחת הפרוטוקולים לביטחון — פעולה זו דורשת כ־1–3%. כאשר מצטרפים גורמים אלו יחדיו, ה-RTE הכולל יורד לטווח שבין 80% ל-95% במערכות ליתיום-יון המודרניות. החדשות הטובות הן שיצרנים יכולים לשפר את הביצועים על ידי התאמת כימיה של התאים, למשל באמצעות מעבר לחומרים מסוג LFP שמייצרים מוליכות טובה יותר, ושילובם עם ממירים חדשים מסוג סיליקון קרביד (Silicon Carbide) שמבזבזים פחות طاقة. שיפורים אלו לא רק מקטינים את האנרגיה המבוזבזת, אלא גם מאריכים את תוחלת החיים של המערכות הללו לפני שהן זקוקות להחלפה.

איזון עומק ה descargar ומערכת ה-C כדי לשמר את היעילות ואת אורך מחזורי החיים

ניהול עומק ה descargar (DoD) יחד עם קצב הזרם (C-rate) הוא באמת חשוב לשמירה על יעילות הסוללות תוך הארכת תוחלת חייהן. חציית רמת ה-DoD של 80% גורמת לבלאי מהיר יותר של האלקטרודות, כלומר הסוללה לא תחזיק את מספר המחזורים שהיא הייתה מצליחה להחזיק ברמת DoD של כ־60%. ההבדל יכול להיות ממש משמעותי — בין 30% ל־50% מחזורים שימושיים פחות. ואם נגביר את קצב ה descargar מעבר ל־1C, המצב רק מתדרדר, מאחר שמתפתחת חום רב יותר ואובדי הקטבים המזיקים האלה מתחילים לפעול, מה שמביא לירידה ביעילות המחזור הסגור (round trip efficiency) בכ־8% עד 12%. מרבית המחקרים מצביעים על טווח אידיאלי של קצבי descargar בין 0.5C ל־0.8C בשילוב עם רמות DoD של 60% עד 80%. נקודת האיזון הזו עוזרת לשמור על המבנה הפיזי של אלקטרודות اللي튬-יון ומשמרת את שימור הקיבולת מעל 90%, גם לאחר 4,000 מחזורי טעינה. אם נוסיף למערכת גם מערכת ניהול תרמי טובה, הפרמטרים הללו נשארים יציבים ללא תלות בסוג העומסים שהמערכת נאלצת להתמודד איתם או בשינויים בתנאי הטמפרטורה החיצונית.

אסטרטגיות לניהול תרמי כדי לשפר את היעילות של מערכות אחסון אנרגיה סלולרית לטווח הארוך

קירור פעיל לעומת קירור פסיבי: השפעה על אחידות התאים, קצב הדרוג והיציבות של יעילות ההמרה האנרגטית (RTE)

החזקת תאי הסוללה בטמפרטורה של כ-25 עד 35 מעלות צלזיוס היא קריטית ביותר. כאשר הטמפרטורות סוטות מהטווח האידיאלי הזה, תגובות כימיות לא רצויות מואצות, התנגדות פנימית עולה, והמתח פשוט אינו נשאר יציב. מערכות קירור נוזליות מביאות תוצאות יוצאות דופן במקרה זה, ומביאות לירידה בהבדלי הטמפרטורה בין התאים ב-60–70 אחוזים ביחס לגישות פסיביות בסיסיות. כתוצאה מכך, ההזדקנות של כל התאים היא אחידה יותר, וביצועי המערכת הכוללים משופרים. החיסרון? מערכות הקירור האקטיביות האלה צורכות כ-8–15 אחוז מהקיבולת הכוללת של מערכת אגירת הסוללות, מה שפוגע בשיפורים בכفاءות. מצד שני, אפשרויות פסיביות כגון חומרים משנים את הפאזה (PCM) מונעות לחלוטין את בעיית הצריכה הזו של הספק. עם זאת, הן מאפשרות להבדלי טמפרטורה להתרחב עד כ-10 מעלות צלזיוס במהלך תקופות עומס גבוה, מה שיכול לגרום לזיקנה מהירה יותר של חלקים מסוימים של הסוללה לעומת אחרים. כשנבחן את הדרישות המדויקות של התקן UL 9540A, עניין זה תלוי בעיקר בצרכים הספציפיים של המערכת. במערכות גדולות בקנה מידה של רשת חשמל, שבהן יציבות הפלט היא קריטית, נוטים לבחור בקירור אקטיבי למרות עלות הספק הנוספת. לעומתן, מערכות גיבוי קטנות יותר נוטות להשתמש בדרך כלל בגישות פסיביות, מאחר שהן פשוטות יותר לתפעול ואמינות יותר לאורך זמן.

אומדן בזמן אמת של מצב הבריאות באמצעות מודלים אלקטרוכימיים-בינה מלאכותית

הדגמים האחרונים של בינה מלאכותית אלקטרוכימית משלבים קריאות מתח בזמן אמת, מדידות זרם ומערכת ניטור טמפרטורה כדי לחזות את בריאות הסוללה בדיוק של כ-97%, מה שמשפר את הגישות המסורתיות כגון סף מתח פשוט או טכניקות בסיסיות לספירת קולומבים. אלגוריתמים חכמים אלו יכולים לזהות סימנים של ליחות ושחיקה זמן רב לפני שהבעיות מתגלות בפועל, ולזהות תופעות כגון הצטברות ליתיום או פירוק כימי בתמיסה האלקטרוליטית כ-30–50 מחזורי טעינה מראש. כאשר מערכות אלו מוטמעות בתוכנת ניהול הסוללות, הן מכווננות באופן אוטומטי את הגדרות הקירור ותהליכי הטעינה בהתאם למה שמתרחש בתוך התאים בתנאים שונים. התאמות פרואקטיביות אלו עוזרות להפחית את הדרוג התאי ב-18–22% בערך בעת התמודדות עם דרישות עוצמה פתאומיות. ככל שמערכות הלמידה מכונה משפרות את עצמן, אנו רואים גם ירידה במספר ההתראות השגויות, עם ירידה בשיעור השגיאות של כ-40%. כלומר, הסוללות לא מבזבזות אנרגיה על קירור מיותר כשאין איום אמיתי, מה שמאפשר להן לפעול לאורך זמן ארוך יותר וביעילות גבוהה יותר באופן כללי.

אופטימיזציה תפעולית מונעת בינה מלאכותית למערכות אחסון אנרגיה של סוללות

למידה מחזקית למתן לוחות זמנים התאמתיים להטענה/פריקה על סמך עומס, מחיר ואי-ודאות בתחזיות

למידה מוגברת או RL עוזרת למערכות אחסון אנרגיה של סוללות לתכנן מתי לטעון ומתי לפרוק בהתאם למחירים הנוכחיים של החשמל, למה שמתרחש ברשת החשמל כרגע ולכל מיני גורמים לא צפויים. חישבו על איך מזג האוויר משפיע על תנודות הביקוש או על מקרים שבהם כוח שמשי/רוח אינו מיוצר כפי שמצופה. מודלים אלו של RL נאמדים באמצעות נתונים מהעבר, וכן תרחישים מדומים שמייצגים מצבים שונים ברשת החשמל. הם ממשיכים לשפר את ההחלטות שלהם עם הזמן כדי להשיג את הערך המרבי האפשרי, תוך שמירה על כללים חשובים הנוגעים לפעולתם הבטוחה של הסוללות. לדוגמה, עליהם להימנע מפריקה מלאה של הסוללות יותר מדי פעמים, לשלוט בקצב הטעינה/פריקה שלהן ולדאוג לכך שהטמפרטורות ישארו בתוך טווח בטוח. בדיקות בעולם האמיתי הראו שמערכות חכמות אלו יכולות להגביר את הרווחים ב-12% עד כמעט 18% בהשוואה לשיטות תכנון מסורתיות. איך? פשוט מאוד – הן מחכות לספייקים יקרים במחירים לפני שמטענות את הסוללות, ולאחר מכן משחררות את האנרגיה האצורה באופן אסטרטגי כאשר הרשת נמצאת תחת לחץ או כאשר המחירים עולים לגבהים. מה שמייחד גישה זו הוא היכולת שלה להתמודד עם אי-ודאות ללא נזק לסוללה עצמה. מפעילים כבר אינם חייבים לבחור בין הגנה על הציוד שלהם לבין תגובה מהירה לשינויים בשוק.

הצטברות ערכים: אינטגרציה של ארביטראז' אנרגיה, שימור תדר חיצוני (FCR) ושימור שחזור תדר אוטומטי (aFRR)

הצטברות ערכים משתמשת בذكاء מלאכותי כדי לאחד מספר שירותים רשתיים, כגון מסחר באנרגיה (arbitrage), שימור תדר אוטומטי (FCR) ושימור שחזור תדר אוטומטי (aFRR), בתוך מערכת אחסון אנרגיה סולרית אחת. מסחר באנרגיה מצליח לנצל את ההבדלים בשערים השעתיים בשוק. במקביל, FCR נכנס לפעולה כאשר מתרחשים שינויים קלים בתדר תוך שניות, ואילו aFRR מטפל במה שנשאר לאחר שהבעיות הגדולות יותר נפתרו, בדרך כלל תוך כ-5–15 דקות. לכל המערכת יש 'מוח' מבוסס בינה מלאכותית המנהל את הכמות של הספק הזמין בכל רגע נתון, ומבטיח ש-FCR יקבל עדיפות כאשר הרשת מתנהגת באופן בלתי יציב, אך עובר למסחר באנרגיה כאשר התוכניות של השערים עתידיות הן מושכות. חברות מדווחות על הכנסות גבוהות ב-20%–40% בהשוואה לפעולת שירות אחד בלבד, ולא עליהן לדאוג לשיבושים בגבולות הבטיחות או להאצת ההתפוגה של הסוללות מעבר לקצב הרגיל. גופי התקינה כגון UL 1973 ו-IEEE 1547-2018 תומכים גם הם בגישה זו, ומעידים כי כאשר מבוצעת כראוי, הצטברות הערכים מוסיפה רק כ-2% נזק נוסף לתאי הסוללה לאורך זמן.

הנחיות מומלצות לאינטגרציה חומרתית לייעול מערכת אחסון האנרגיה של הסוללות בצורה כוללת

השגת התאמה טובה בין רכיבי החומרה היא קריטית מאוד אם ברצוננו להשיג יעילות וביצועים טובים לאורך זמן לאורך כל תקופת חייו של המערכת כולה. כאשר חלקים כגון סוללות, ממירים חשמליים ומערכות קירור פועלים באמת בשיתוף פעולה מיטבי, הם מושפעים באופן משמעותי בכמות האנרגיה שאובדת בדרך. לדוגמה, כבלים בעלי חתך קטן מדי או מסילות זרם ישר (DC) ארוכות – עלולים לגרום לאובדים של כ-3%, דבר שאיש לא רוצה לראות בחשבון שלו. וכשמעבירי הכוח (Inverters) מתקשרים עם מערכות ניהול הסוללה (BMS) בשפות שונות – במילים אחרות, ללא תיאום – זה מאלץ את המערכות לפעול במשטר שמרני, מה שפוגע בכמות ההספק הניתן לשימוש, שהיא נמוכה יותר מאשר אפשרית. מומחי תעשייה ממליצים לקצר את החיבורים בזרם הישר (DC) כדי למנוע נפילות מתח, להשתמש בתקשורת סטנדרטית כגון CAN FD או Ethernet כדי לאפשר תקשורת מהירה במיוחד, ולפתח מעטפות (enclosures) עם ערוצי זרימת אוויר מתאימים אשר מתאימים למיקומים בהם נוצרת החום. יצרנים גדולים בדקו גישות אלו לאורך זמן, ומערכות שנבנו בדרך זו נוטות לשמור על יעילות של כ-92% במעבר הלוך ושוב (round trip efficiency) גם לאחר אלפי מחזורי טעינה, לעומת רק 85% במערכות שהורכבו בצורה אקראית. בהתקנות גדולות, השימוש בחיבורים מאושרות על פי התקן UL 9540 בין מדפים (racks) משפר את ההתאמה ההדדית, מקטין את השגיאות בעת ההתקנה, ועוזר להימנע מאובדי יעילות מפריעים של 15%, המתרחשים לעיתים קרובות מדי בעת ניסיון לחלק את ציפיות הطلب.

שאלות נפוצות

מהי יעילות מסלול עגול (RTE) במערכות סוללות?

יעילות מסלול עגול מודדת כמה אנרגיה משוחררת מהמערכת לאחסון סוללות לעומת כמות האנרגיה שהושקעה בתהליך הטעינה, תוך התחשבות באובדן אנרגיה כגון נפילה במתח, המרה על ידי ממיר (inverter) ותפעול מערכות ניהול הסוללה (BMS).

איך עומק פריקה (DoD) משפיע על חיי הסוללה?

רמות גבוהות של עומק פריקה (DoD) עלולות להאיץ את הבלאי של האלקטרודות, מה שמביא לצמצום משמעותי במספר המחזורים השימושיים ובמשך החיים הכולל של הסוללה. שימור רמת DoD מתונה מאריך את תקופת חייו של הסוללה.

אילו היתרונות של שימוש בזוכי אינטיליגנציה מלאכותית (AI) במערכות אנרגיה מבוססות סוללות?

הذكاء המלאכותי משפר את ביצועי מערכות הסוללות על ידי אופטימיזציה של לוחות זמנים לטעינה/פריקה וחיזוי מצב הבריאות (SOH) של הסוללה, ובכך מגביר את היעילות, מאריך את תקופת חיי הסוללה ומקסם את התוצרים הפיננסיים.

מה ההבדלים בין הקירור האקטיבי והпасיבי במערכות סוללות?

קירור פעיל, למרות שהוא יעיל יותר בשמירת טמפרטורות אחידות, צורך יותר ספק כוח, בעוד שקירור פסיבי חוסך אנרגיה אך מאפשר שונות גדולה יותר בטמפרטורות בין התאים.