新能源新闻资讯
政策|项目|技术

人工智能如何帮助资产管理者主动识别储能问题

大型可再生能源项目部署步伐的加快对于减少碳排放来说是令人难以置信的鼓舞。尽管部署可再生能源很重要,但正如我们最近的博客文章中所讨论的那样,能源存储越来越被认为是将可再生能源发电纳入电力系统并实现深度脱碳的关键要素。事实上,NREL 的一项研究发现,4小时储能系统可以将可再生能源弃电减少 24-38%。

然而,随着越来越多的储能资产上线,我们看到它们的所有者和管理者面临着必须解决的五个新的共同挑战。这些挑战阻碍了盈利能力、增加了停机时间并阻碍了新资产的部署。

在这个由 3 部分组成的系列中,我们将逐一研究这五个挑战:

问题识别和优先级排序

维护计划

数据管理

投资组合可见性

技术和财务报告

在整个系列中,我们将了解这些挑战是如何出现的、为什么它们如此难以解决,以及Fluence 的 Nispera 资产绩效管理软件如何解决这些挑战。在第一篇文章中,我们研究了前两个挑战,以及 Nispera 的新预测维护功能如何帮助资产所有者和管理者克服这些挑战。

挑战 1:数据过载如何导致问题识别和优先级排序无效

正如我们最近的网络研讨会中所讨论的,平均 1 GW 的电池储能系统拥有数亿个电芯,产生的数据点是传统 1 GW 发电厂的 100 倍。由于每秒都有数据出现,因此实际上不可能知道在哪里寻找故障迹象。即使资产管理者确实知道去哪里寻找,对单一资产的密切监控也不具有成本效益,因为这需要多名全职分析师的工作。

相反,现状是等待 SCADA 系统发出警报,而警报在几个关键方面有所欠缺:

SCADA 系统仅在某些电池组件发生故障时才会触发,此时系统可能已经遭受代价高昂的损失。

SCADA 系统提供的有关损失情况的详细信息非常少,而且几乎没有任何窗口可以了解该问题未来潜在的容量损失。

SCADA 警报的时间安排使得资产管理人员很难在问题出现时对其进行诊断,通常会在几分钟或几小时后发现宝贵的问题,而此时已经造成了无法挽回的损失。

所有这些都让资产管理者陷入困境,需要进行临时监控并被动排除故障。运营和维护 (O&M) 技术人员面临着同样的挑战,他们从一个问题跑到另一个问题,几乎没有时间或能力主动检查系统的运行状况。

挑战二:让储能系统维护变得主动而不是被动

资产管理者面临三大维护计划困难:

预测何时何地需要维护

及时传达维护优先级,以防止停机或代价高昂的资产损坏

跟踪执行维护之前和之后的资产性能以量化影响

依靠 SCADA 警报进行系统维护计划迫使采取被动态度。对于仅查看 SCADA 数据的分析师来说,尝试在电池组件故障发生之前推断出故障(例如,当它们显示出高于运行条件的平均温度时,或者当它们的温度以异常速度上升时),会非常耗时且不准确。

推断电池组件故障需要主动而不是被动地发生。无需进行目视轮换检查即可获得精细的系统性能视图,使团队能够确定维护任务的优先级,并最终防止代价高昂的停机。精细数据还提供所需的验证,以确保维护任务完成后问题得到正确解决。

Nispera 克服挑战的最新预测维护能力

解决方案 1:如何利用 Nispera 的预测性维护来识别问题并确定优先级

Nispera 利用人工智能 (AI) 通过研究大量关联的 SCADA 数据来了解各种操作条件下的正常和异常电池行为。它可以了解细胞何时因为情有可原的情况而变得过热,以及何时它们的行为是即将失败的迹象。?

Nispera 在储能系统上部署人工智能,无需添加任何硬件即可预测当前运行条件(例如充电和放电水平、冷却系统温度)下的最高电池温度,并在测量温度超过该值达到特定阈值时发出警报,或趋势。这些警报平均在电池实际发生断电前 3 天发出,为技术人员提供了重要的见解,使他们能够在 SCADA 系统触发警报之前调查并解决问题。

Nispera 可以比分析师更快、更准确地处理更多数据,并且全年无休地工作。该软件与制造商无关,可在同一平台上集成来自任何电池 OEM 的数据,并且具有足够的可扩展性以监控完整的储能产品组合。结果是全天候哨兵监控来自不同制造商、不同地点的储能系统,并在单一管理平台后发出可操作的警报。

解决方案2:如何利用Nispera的预测维护能力从被动资产管理转变为主动资产管理

Nispera 的预测性维护工具可以在一定程度上预测问题,从而使与现场团队的主动沟通变得轻松。Nispera 没有要求运维团队对每台冷水机组/暖通空调进行轮流目视检查,而是为资产经理和现场团队提供需要关注的组件的相同视图。

技术人员可以在停机发生之前开始工作,诊断并解决问题,这些问题可能是从簇故障到冷水机故障再到异常环境因素的任何问题。工作完成后,Nispera 的数据收集可以轻松确保问题得到解决并且系统按预期运行。

迎接未来储能需求的挑战

国际能源署预测,未来五年全球将部署2,400 GW的可再生能源,相当于过去20年的部署量。为了以最佳方式融入电网,所有这些间歇性可再生能源都需要储能系统的灵活性。BloombergNEF 估计,到 2030 年底,在线储能数量将是现在的 15 倍。

这种指数级增长有可能加剧资产管理公司已经面临的挑战。Nispera 等工具是顺利过渡并帮助资产管理公司扩大规模的关键。全球资产管理公司已经信任Nispera的储能业务,全球管理着超过770 MW的储能资产,并且不断有新资产受到管理。

未经允许不得转载:中国能源资讯网 » 人工智能如何帮助资产管理者主动识别储能问题