Almacenamiento de energía | Energy storage FuturEnergy | Agosto-Septiembre August-September 2018 www.futurenergyweb.es 67 incluso los ajustes más pequeños pueden ampliar considerablemente la duración de la batería. Por otra parte, si se utilizan datos con altas tasas de muestras se pueden obtener modelos mucho más precisos y una mayor certeza del valor de la inversión en el sistema de almacenamiento de energía. Se recomienda realizar un muestreo de los datos de la red durante una semana de cada temporada, con el fin de estar seguro de que los efectos de la estacionalidad se tengan en cuenta de forma apropiada. También puede resultar útil recabar datos durante un evento de gran frecuencia. Capacidades de modelado A menudo se solicita a los sistemas de almacenamiento de energía que proporcionen capacidades para realizar un arranque autónomo, especialmente en redes aisladas de islas. En el caso de un apagón de todo el sistema, un sistema de almacenamiento de energía debidamente diseñado puede activar una línea a un generador y proporcionar energía de control para el arranque. Mientras que los transformadores, los alimentadores y las líneas de transmisión se reactivan, el sistema de almacenamiento de energía puede responder a los cambios de frecuencia para mantener todo el sistema en correcto funcionamiento. En la fase de planificación del sistema de almacenamiento de energía, el modelado de baterías puede contribuir a asegurar que las baterías siempre mantengan una reserva de energía para arrancar de manera autónoma. Para maximizar la precisión, el software para modelar las baterías debe ejecutar los mismos algoritmos que los sistemas de gestión de baterías, imitando el comportamiento en condiciones reales de la batería. Deben incluirse las pérdidas de eficiencia y la gestión térmica, para garantizar que el enfriamiento del sistema sea el adecuado. Dado que las pérdidas de la batería aumentan con el paso del tiempo, también es fundamental que el software de modelado acepte entradas para las distintas etapas de la vida de la batería, y que incluya los resultados del envejecimiento. Esta es la única manera de garantizar un grado de certeza en cuanto a la vida útil del sistema y sus características al final de su vida útil. A medida que los operadores de red exploran las oportunidades de los sistemas de almacenamiento de energía, su prioridad debería ser el modelado de las baterías, con las simulaciones a la vanguardia de su estrategia para maximizar los ahorros durante todo el proceso. En conclusión, tomarse el tiempo para desarrollar modelos de baterías abre la puerta a cuantificar los beneficios de almacenamiento de energía, incluido el ahorro de combustible para las microrredes, y ofrece la oportunidad de determinar el potencial de retorno de la inversión del proyecto. development, especially when it comes to the future deployment of renewable power sources. This makes it crucial to perform additional modelling when the system is in operation, and periodically throughout its life, adjusting operating parameters accordingly. Experience has shown that even minor adjustments can greatly extend a battery’s life. Significantly more accurate modelling and higher certainty of the value of an ESS investment can be achieved using data with high sampling rates. Sampling of grid data over one week during each season is recommended, to ensure that seasonal effects are properly considered. Collecting data during a major frequency event is also valuable. Modelling capabilities ESSs are often called upon to provide black start capabilities, especially in isolated island grids. In the event of a systemwide blackout, a properly designed ESS can energise a path to a generator and provide control power for starting. While the transformers, feeders and transmission lines are reenergised, the ESS can respond to frequency shifts to keep the entire system functioning properly. Battery modelling during the ESS planning phase can help ensure batteries always maintain a reserve of energy for such black starting. For maximum accuracy, battery modelling software should run the same algorithms as battery management systems, mimicking real-world battery behaviour. Efficiency losses and thermal management should be included, to ensure the system’s cooling is adequate. Since battery losses increase with age, it is also vital that modelling software accepts inputs for different stages of battery life, as well as includes ageing outputs. This is the only way to ensure a degree of certainty around the lifetime of the system and its end-oflife characteristics. As grid operators explore ESS opportunities, battery modelling should be their priority, placing simulations at the forefront of their strategy to maximise cost savings throughout the entire process. In conclusion, taking the time to conduct battery modelling opens the door to quantifying energy storage benefits, including fuel savings in microgrids, and provides an opportunity to ascertain the project’s ROI potential. Michael Lippert Marketing and Business Development Manager for Saft’s TTG Division
RkJQdWJsaXNoZXIy Njg1MjYx