Le nouveau modèle de stockage d'énergie aide à garder les lumières allumées

05 juin 2023 - Ottawa (Ontario)

Lorsque le vent ne fait pas tourner les pales des turbines et que le soleil ne chauffe pas les panneaux solaires, comment pouvons-nous garder les lumières allumées et le pompage de la chaleur ?

La clé d'une alimentation ininterrompue est de stocker l'énergie supplémentaire que nous produisons lorsque la capacité de production est élevée afin que nous puissions l'utiliser plus tard, lorsque nous en aurons besoin. Cependant, l'énergie renouvelable dépend des conditions météorologiques, ce qui crée des défis pour sa gestion que nous ne voyons pas avec l'énergie traditionnelle issue des combustibles fossiles et de la biomasse. Et les meilleurs moyens d'exploiter les progrès récents de la technologie de stockage d'énergie sont en grande partie un mystère.

La bonne nouvelle est qu'un modèle révolutionnaire pour lisser les pics et les creux de la demande d'énergie renouvelable vient d'atterrir.

Au cours des 4 dernières années, le Conseil national de recherches du Canada (CNRC) et un groupe de scientifiques internationaux ont créé un ensemble de modèles de simulation informatique pour les systèmes de stockage d'énergie électrique et thermique. Il fait partie du programme de collaboration technique sur le stockage de l'énergie, parrainé par l'Agence internationale de l'énergie (AIE) et dirigé par l'Allemand Fraunhofer UMSICHT. Ce projet permet aux services publics et à d'autres groupes de simuler divers scénarios et d'optimiser l'utilisation.

Selon Darren Jang, gestionnaire de projet et ingénieur des systèmes au Centre de recherche sur l'énergie, l'exploitation minière et l'environnement du CNRC, ces modèles sont essentiels pour évaluer et concevoir la solution la mieux adaptée à toute combinaison d'énergie.

« Nos partenaires canadiens et internationaux apportent une vaste expertise à la table qui fait progresser l'intégration sûre, fiable et rentable du stockage de l'énergie », dit-il. "Ensemble, nous apportons les bons outils, les talents et la créativité pour relever ce défi."

Les partenaires canadiens comprennent le Centre de recherche aérospatiale du CNRC et le Programme avancé d'énergie propre du Centre de recherche sur l'énergie, les mines et l'environnement, ainsi que le groupe Systèmes énergétiques pour les bâtiments durables de l'Université Carleton, le Département de génie électrique et logiciel de l'Université de Calgary, l'Institut de l'énergie éolienne du Canada (WEICan) et le Bureau de la recherche et du développement énergétiques de Ressources nationales Canada. Les collaborateurs internationaux viennent de nombreux pays, dont l'Allemagne, la Suisse, le Danemark, le Royaume-Uni, l'Autriche, la Corée du Sud et le Portugal.

Cette équipe multinationale a fait de grands progrès vers l'élaboration de modèles et de descriptions de modèles scientifiquement prouvés pour les dispositifs de stockage d'énergie en utilisant les données fournies par les clients comme paramètres d'entrée pour les simulations. Les modèles sont également open source, ce qui permet aux utilisateurs d'obtenir une licence pour le code source et de concevoir des documents ou du contenu. « La participation précoce et engagée du CNRC au projet était très importante et assumer la responsabilité en tant que chef de sous-tâche était crucial. En même temps, cet engagement signifiait également qu'un nombre supérieur à la moyenne de participants engagés venaient du Canada en particulier », a mentionné le professeur Christian Doetsch, gestionnaire de la tâche 32 de l'IEA.

Alors que le projet de Jang se concentre sur le stockage de l'énergie électrique et thermique en général, le CNRC a développé un nouveau modèle basé sur l'IA qui peut être adapté à d'autres technologies de stockage. Il utilise des techniques d'apprentissage automatique pour développer des modèles personnalisés de systèmes de stockage complexes basés sur des données opérationnelles.

Une collaboration récente avec WEICan a démontré avec succès les possibilités. Au parc éolien de 10 mégawatts de l'institut, qui utilise un Tesla Powerpack 2 pour stocker l'énergie de secours des éoliennes, ils n'avaient aucun moyen de prédire l'impact des charges variables sur leur système de stockage d'énergie. Et les données opérationnelles collectées nécessaires pour que le modèle fonctionne efficacement étaient également limitées.

L'équipe du projet a relevé ce défi en développant un modèle prédictif de l'état de charge à l'aide des données disponibles du contrôleur de gestion du système de stockage d'énergie. Ils ont également développé le logiciel de formation des modèles. « L'apprentissage automatique occupe une place centrale dans l'esprit de tout le monde, et plutôt que de s'appuyer sur des logiciels établis pour la formation, nous avons développé le nôtre à partir de zéro », explique Alexander Crain, un chercheur en aviation durable du Laboratoire de recherche en vol du CNRC. "Compte tenu des ambitions open source du projet, nous voulions nous assurer que le modèle et le logiciel utilisés dans la formation étaient clairs pour les chercheurs peu familiers avec le domaine."

Jang ajoute que l'équipe a appliqué des techniques d'apprentissage automatique pour développer un modèle précis du système de stockage en le formant avec toutes les données opérationnelles disponibles. "Une fois que le modèle a appris les comportements d'un système de stockage, il peut remplir les blancs et prédire les scénarios futurs." Dans le cadre de recherches en cours, l'équipe continuera d'améliorer la fiabilité et les performances du modèle et de comparer les résultats réels avec les simulations.

Dans le cadre d'une autre collaboration avec l'Université Carleton, l'équipe a développé des modèles pour une solution de stockage d'énergie thermique saisonnière. Ce travail impliquait de stocker autant de chaleur que possible pendant l'été dans des réservoirs souterrains, puis de la retirer pendant les mois les plus froids pour chauffer les maisons et l'eau.

Maintenant que le modèle a été testé et validé, ses techniques de modélisation basées sur les données peuvent être étendues à d'autres domaines. S'appuyant sur la collaboration fructueuse entre les centres de recherche Energy Mining et Environment and Aerospace, Jang et Crain se sont associés à un nouveau projet de laboratoire de batteries virtuelles avec WEICan et l'Université McMaster pour faire progresser ces méthodologies. Ce projet est financé par l'Office of Energy Research and Development.

Ils travaillent également avec l'Université de Waterloo sur le développement d'un outil de diagnostic basé sur l'IA pour les défaillances ou la dégradation de l'isolation haute tension dans les réseaux modernes ou les applications de transport électrifié.

À long terme, les avantages d'un stockage d'énergie bien géré sont énormes. Ils comprennent des améliorations économiques, de fiabilité et environnementales. Le stockage de l'électricité aidera le réseau électrique à fonctionner plus efficacement, réduira la probabilité d'interruptions partielles de l'alimentation pendant les pics de demande et permettra de construire et d'utiliser davantage de ressources renouvelables. Et cela devrait garder les lumières allumées avec éclat.

Relations avec les médias, Conseil national de recherches du Canada1-855-282-1637 (sans frais au Canada seulement)1-613-991-1431 (ailleurs en Amérique du Nord)001-613-991-1431 (international)[email protected] sur Twitter : @NRC_CNRC