La diagnosi dei guasti è un aspetto fondamentale per garantire il funzionamento affidabile ed efficiente dei sistemi di accumulo dell'energia a batteria su larga scala (BESS). In qualità di fornitore leader di soluzioni di accumulo di energia a batteria su larga scala, comprendiamo l'importanza di un'accurata diagnosi dei guasti nel mantenimento delle prestazioni e della longevità di questi sistemi. In questo blog esploreremo vari metodi di diagnosi dei guasti per BESS su larga scala e ne discuteremo vantaggi e limiti.
1. Introduzione ai sistemi di accumulo dell'energia tramite batterie su larga scala
I sistemi di accumulo dell’energia tramite batterie su larga scala svolgono un ruolo vitale nelle moderne reti energetiche. Possono immagazzinare l’energia in eccesso durante le ore non di punta e rilasciarla durante i periodi di punta della domanda, contribuendo a bilanciare la rete, migliorare la qualità dell’energia e integrare fonti di energia rinnovabile come quella solare ed eolica. Questi sistemi sono generalmente costituiti da più moduli batteria, sistemi di conversione dell'alimentazione (PCS) e unità di controllo. Tuttavia, a causa della complessità e della natura su larga scala di questi sistemi, possono verificarsi guasti che possono comportare prestazioni ridotte, rischi per la sicurezza e persino guasti del sistema.
2. Difetti comuni nei BESS su larga scala
Prima di approfondire i metodi di diagnosi dei guasti, è essenziale comprendere i guasti comuni che possono verificarsi nei BESS su larga scala. Questi includono:
- Difetti della batteria: Come sovraccarico, scaricamento eccessivo, cortocircuiti interni e degrado della capacità. Questi guasti possono compromettere le prestazioni e la durata della batteria.
- Guasti del sistema di conversione della potenza: I guasti nel PCS, inclusi guasti dell'inverter, malfunzionamenti del raddrizzatore e problemi del circuito di controllo, possono interrompere il processo di conversione e trasferimento dell'energia.
- Guasti ai sensori e alla centralina: Letture errate dei sensori o guasti nelle unità di controllo possono portare a un funzionamento improprio del sistema e a un rilevamento impreciso dei guasti.
3. Metodi di diagnosi dei guasti
3.1. Diagnosi dei guasti basata su modello
I metodi di diagnosi dei guasti basati su modelli si basano su modelli matematici del BESS per rilevare e isolare i guasti. Questi modelli possono descrivere il comportamento elettrico, termico e chimico della batteria e di altri componenti del sistema.
- Stato - Modellazione spaziale: I modelli spazio-stato rappresentano la dinamica del sistema mediante un insieme di equazioni differenziali. Confrontando l'output effettivo del sistema con l'output previsto dal modello, è possibile rilevare i guasti. Ad esempio, se la tensione misurata della batteria si discosta in modo significativo dalla tensione prevista dal modello spazio-stato, potrebbe indicare un guasto della batteria.
- Modellazione di circuiti equivalenti: I modelli di circuiti equivalenti utilizzano elementi circuitali come resistori, condensatori e sorgenti di tensione per rappresentare il comportamento elettrico della batteria. Questi modelli sono relativamente semplici ed efficienti dal punto di vista computazionale. I guasti possono essere diagnosticati monitorando i parametri del circuito equivalente, come la resistenza interna.
Il vantaggio dei metodi basati su modelli è che possono fornire una comprensione approfondita del comportamento del sistema e rilevare i guasti incipienti. Tuttavia, questi metodi richiedono modelli accurati e i parametri del modello possono cambiare nel tempo a causa di fattori come l'invecchiamento della batteria, che possono influenzare l'accuratezza della diagnosi dei guasti.
3.2. Dati: diagnosi dei guasti guidata
I metodi basati sui dati si basano su dati storici e algoritmi di apprendimento automatico per rilevare i guasti. Questi metodi non richiedono una conoscenza dettagliata del modello fisico del sistema.
- Reti Neurali Artificiali (ANN): Le ANN possono apprendere la relazione tra l'ingresso (ad esempio, tensione della batteria, corrente, temperatura) e l'uscita (stato di guasto) dai dati storici. Una volta addestrata, una ANN può essere utilizzata per classificare i nuovi dati come normali o errati. Ad esempio, un percettrone multistrato (MLP) può essere addestrato a rilevare guasti di sovraccarico della batteria in base ai dati di ingresso di tensione e corrente.
- Supporta macchine vettoriali (SVM): Gli SVM sono un altro popolare algoritmo di apprendimento automatico per la diagnosi dei guasti. Possono trovare l'iperpiano ottimale che separa i dati normali da quelli errati in uno spazio ad alta dimensione. Le SVM hanno una buona capacità di generalizzazione e possono gestire dati non separabili linearmente.
Il vantaggio dei metodi basati sui dati è che possono adattarsi ai cambiamenti nel sistema e gestire relazioni complesse e non lineari. Tuttavia, richiedono una grande quantità di dati di alta qualità per l'addestramento e le prestazioni di questi metodi potrebbero essere influenzate dalla qualità e dalla quantità dei dati di addestramento.
3.3. Elaborazione del segnale - Diagnosi dei guasti basata
È possibile utilizzare tecniche di elaborazione del segnale per analizzare i segnali provenienti dal BESS per rilevare guasti.
- Trasformata wavelet: La trasformata wavelet può scomporre un segnale in diverse componenti di frequenza. Analizzando i coefficienti wavelet della tensione della batteria o dei segnali di corrente, è possibile rilevare i guasti. Ad esempio, un cambiamento improvviso nei componenti ad alta frequenza del segnale di tensione può indicare un guasto da cortocircuito.
- Trasformata veloce di Fourier (FFT): La FFT può convertire un segnale nel dominio del tempo in un segnale nel dominio della frequenza. Analizzando lo spettro di frequenza dei segnali è possibile identificare i guasti. Ad esempio, componenti di frequenza anomale nel segnale di corrente possono indicare un guasto nel sistema di conversione della potenza.
Il vantaggio dei metodi basati sull'elaborazione del segnale è che possono fornire il rilevamento dei guasti in tempo reale e sono relativamente facili da implementare. Tuttavia, potrebbero richiedere competenze avanzate di elaborazione del segnale e potrebbero essere sensibili al rumore nei segnali.
4. L'approccio della nostra azienda alla diagnosi dei guasti
In qualità di fornitore di sistemi di stoccaggio dell'energia a batteria su larga scala, combiniamo diversi metodi di diagnosi dei guasti per garantire l'affidabilità e la sicurezza dei nostri sistemi. Utilizziamo metodi basati su modelli per comprendere il comportamento fondamentale del sistema e rilevare i guasti incipienti. Allo stesso tempo, sfruttiamo metodi basati sui dati per adattarci ai cambiamenti nel sistema e gestire relazioni complesse. Le tecniche di elaborazione del segnale vengono utilizzate anche per il rilevamento dei guasti in tempo reale.
Offriamo anche una gamma di prodotti di alta qualità per lo stoccaggio dell'energia delle batterie su larga scala, come ad esempioContenitore ESS da 10 piedi,Sistemi di accumulo di batterie su scala industriale, EUtilità: scala stazione Mv. Questi prodotti sono progettati con funzionalità avanzate di diagnosi dei guasti e protezione per garantirne il funzionamento affidabile.
5. Conclusione e invito all'azione
La diagnosi dei guasti è una parte essenziale dei sistemi di accumulo di energia a batteria su larga scala. Utilizzando una combinazione di metodi basati su modelli, basati sui dati e basati sull'elaborazione dei segnali, siamo in grado di rilevare e isolare efficacemente i guasti, garantendo il funzionamento affidabile ed efficiente di questi sistemi.
Se sei interessato alle nostre soluzioni di accumulo di energia a batteria su larga scala o hai domande sulla diagnosi dei guasti, non esitare a contattarci per l'approvvigionamento e ulteriori discussioni. Ci impegniamo a fornirti i migliori prodotti e servizi nel campo dello stoccaggio dell'energia delle batterie.
Riferimenti
- Chen, X. e Zhang, Y. (2018). Diagnosi dei guasti dei sistemi di accumulo dell'energia a batteria: una revisione. Scienza e tecnologia dello stoccaggio dell'energia, 7(2), 191 - 202.
- Li, X., et al. (2019). Un metodo di diagnosi dei guasti basato sui dati per pacchi batteria agli ioni di litio basato su reti neurali artificiali. Giornale delle fonti di energia, 422, 126 - 133.
- Wang, H. e Hu, C. (2017). Diagnosi dei guasti basata sulla trasformata wavelet per sistemi di accumulo dell'energia a batteria. Transazioni IEEE sull'elettronica di potenza, 32(10), 7832 - 7841.