Almacenamiento de energía | Energy storage FuturEnergy | Diciembre 2018-Enero 2019 December 2018-January 2019 www.futurenergyweb.es 59 importante modelar la estrategia de gestión adecuada, incluso si el sistema de almacenamiento formará parte de la red red a tiempo completo o solo cuando no se use diésel. Si lo es a tiempo completo, el diésel puede usarse sin problemas y de manera eficiente en carga base, reduciendo el desgaste y los costes de mantenimiento. Un sistema de almacenamiento también puede ser útil en redes débiles, como en islas, donde puede desempeñar un papel fundamental en la estabilización de la red, abordando tanto la variabilidad de las renovables, como otras interrupciones, como fallos de generador. El modelado de baterías para redes débiles suele basarse en la respuesta de frecuencia, donde la salida del almacenamiento varía de forma constante como una función de la frecuencia de red, se carga cuando la frecuencia es alta y se descarga cuando la frecuencia es baja. En este caso, el dato de entrada (la frecuencia de red) es sencillo, pero la elección de los parámetros es mucho más compleja (incluida la banda muerta de la frecuencia, la curva de caída y la importantísima función de gestión del estado de carga). Es fundamental tener presente que los datos de la simulación (frecuencia) se modificarán por la generación del sistema de almacenamiento (potencia de carga o descarga). Asimismo, los datos disponibles pueden no reflejar el desarrollo previsto de la red, en especial el despliegue continuo de renovables. Es de vital importancia realizar un modelado adicional cuando el sistema está en funcionamiento y de forma periódica durante toda su vida, así como ajustar sus parámetros operativos en consecuencia. Incluso los ajustes más pequeños pueden ampliar considerablemente la duración de la batería. 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 almacenamiento. Además, se recomienda realizar un muestreo de datos de la red al menos una semana durante cada temporada, a fin de tener en cuenta los efectos de la estacionalidad de forma apropiada. También puede resultar útil capturar datos durante un evento de gran frecuencia. Funciones adicionales del modelado de baterías Para las instalaciones remotas podría requerirse al sistema de almacenamiento capacidad de arranque en negro. Cuando se produce un apagón de todo el sistema, un sistema de almacenamiento bien diseñado puede activar una ruta 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 puede responder a los cambios de frecuencia para mantener todo el sistema en correcto funcionamiento. En la fase de planificación del sistema de almacenamiento, el modelado puede contribuir a garantizar que las baterías siempre mantengan una reserva de energía para el arranque en negro. Para ser efectivos, es importante que los modelos de baterías utilicen los mismos algoritmos que los sistemas de gestión de baterías para que imiten el comportamiento real de la batería. Deben incluirse las pérdidas de eficiencia y la gestión térmica, para garantizar que la refrigeración del sistema sea adecuada. Una batería pierde capacidad con el paso del tiempo. Por tanto, es vital que los modelos reflejen el rendimiento hasta la etapa final de su vida útil. Estos modelos deben aceptar datos de entrada para diferentes etapas de la vida de la batería e incluir salidas de envejecimiento, para tener certeza con respecto a la vida útil del sistema y sus características de final de vida útil. accurately evaluated, as well as the development of a detailed dispatch strategy to ensure project success. Data required for battery modelling The data required tomodel a microgrid is relatively simple. It includes load, renewable resource capability, diesel generator configuration and information on any dispatchable loads, such as electric water heaters. It is important tomodel the correct dispatch strategy, including whether the ESS will form the grid full-time or only when diesel is not being used. If the ESS forms part of the grid full-time, diesel can run smoothly and efficiently in baseloadmode, reducing wear and tear andmaintenance costs. An ESS can also be useful in weak grids, such as islands, where it can play a critical role in grid stabilisation, addressing both the variability of renewables and other disruptions, such as generator trips. Here, battery modelling is typically based on frequency response, where the energy storage output varies constantly as a function of the network frequency: charging when the frequency is high and discharging when the frequency is low. In this case, the input (grid frequency) is simple, but the choice of parameters (including frequency deadband, droop slope and the all-important state-of-chargemanagement function) is much more complex. It is important to remember as well that the simulation input (frequency) will be altered by the ESS output (charge or discharge power). Furthermore, currently available data may not necessarily be a true reflection of the grid’s planned development, particularly the ongoing deployment of renewables. Performing additional modelling when the system is in operation, as well as periodically throughout its life, and adjusting operating parameters accordingly are crucial. Even minor adjustments can greatly extend a battery’s life. Using data with a high sampling rate ensures significantly more accurate modelling and offers a higher certainty for the value of an ESS investment. Moreover, a sampling of grid data over at least one week during each season is recommended to ensure that seasonality effects are properly considered. Capturing data during a major frequency event is also effective. Supplementary battery modelling capabilities For remote installations, an ESS might be called upon to provide black-start capabilities. Following a system-wide blackout, a welldesigned ESS can energise a path to a generator and then provide control power for starting. As the transformers, feeders and transmission lines of the network are reenergised, the ESS can respond to frequency shifts to keep the entire system functioning properly. In the ESS planning phase, modelling can help ensure batteries always maintain a reserve of energy for black starting. To be effective, it is important that any battery models should run the same algorithms as the battery management systems so that they mimic real battery behaviour. Efficiency losses and thermal management should be also included to ensure adequate system cooling. A battery loses capacity as it ages, therefore it is vital that models reflect performance through to their end-of-life point. These models must accept inputs for different stages of battery life as well as include aging outputs so that certainty regarding the lifetime of the system and its end-of-life characteristics can be achieved. JimMcDowall ESS Business Development Manager, Saft Batteries
RkJQdWJsaXNoZXIy Njg1MjYx