Analisi e gestione dei sistemi di accumulo dell’energia a batteria e degli impianti fotovoltaici

Le batterie rappresentano il cuore pulsante della transizione energetica ed economica globale. Questo concetto è ben illustrato nel Capitolo 1 con una breve panoramica sulle batterie tra passato, presente e futuro. Nel capitolo 2 viene presentato e descritto accuratamente, in ogni fase della sua realizzazione, come se fosse un tutorial, un sistema per testare le batterie con un’interfaccia software/hardware in modo da poter essere facilmente riprodotto in laboratorio. Tale sistema permette di studiare il comportamento di carica e scarica delle batterie secondo cicli personalizzati, acquisendo dati quali tensione e corrente e tenendo conto anche dell'effetto della temperatura. Nel Capitolo 3 viene implementato un algoritmo di stima in tempo reale che include un osservatore basato sull'integrale proporzionale (PI) e un modello di circuito equivalente (ECM), sfruttando la dipendenza dello stato di carica (SOC) dalla tensione a circuito aperto (OCV). In particolare, viene descritto come il SOC possa essere dedotto in modo affidabile dalla tensione di rilassamento in breve tempo grazie ad una funzione di predizione. L'integrazione di tale funzione nell'osservatore PI consente di ottenere un buon compromesso tra accuratezza e complessità. La stessa funzione di predizione è utilizzata anche allo scopo di stimare lo stato di salute (SOH), ottenendo un'accuratezza soddisfacente con sforzo computazionale limitato. In particolare, due metodi di stima di base, vale a dire il metodo coulomb counting (CCM) e l'ECM, vengono combinati per ottenere un algoritmo misto in tempo reale; la correttezza dei risultati viene verificata eseguendo confronti sperimentali con altri comuni metodi di stima dell’SOH. Con particolare riferimento al settore automobilistico, il Capitolo 4 presenta una soluzione semplice per stimare il SOC dei pacchi batteria utilizzati per alimentare azionamenti elettrici a bassa tensione (LV) integrati in veicoli ibridi ed elettrici. L'idea principale è sfruttare l'azionamento elettrico per generare adeguati profili di corrente del bus DC per stimare i parametri del pacco batteria e, quindi, il SOC, ogni volta che l'azionamento elettrico non viene utilizzato come unità di propulsione. In particolare, l’azionamento viene sfruttato come carico variabile controllato per generare gradini di corrente e monitorare la risposta ai transitori del pacco batteria attraverso la misura della tensione DC del bus e delle correnti di fase del motore. Non sono richiesti circuiti esterni aggiuntivi ed è richiesto uno sforzo computazionale limitato. Simulazioni e prove sperimentali confermano la fattibilità del metodo proposto. In virtù dell'attenzione che merita lo studio del degrado delle batterie al litio, il Capitolo 5 fornisce una rassegna dei più importanti metodi di stima dell’SOH delle batterie. Dopo aver suddiviso tutti i metodi in tre gruppi, sono stati seguiti due approcci per ciascuno, evidenziando aspetti teorici, punti di forza, punti di debolezza e accuratezza dei modelli. In particolare, inizialmente sono stati considerati la spettroscopia di impedenza elettrochimica (EIS) e l'analisi della capacità incrementale (ICA) tra i metodi sperimentali. In secondo luogo, gli ECM ed i modelli di invecchiamento (AM) tra i metodi basati su modelli. Infine, le reti neurali (NN) e la regressione vettoriale di supporto (SVR) tra i metodi data-driven. Con la stessa attenzione al processo di degrado e, quindi, alla valutazione prognostica di una batteria, il Capitolo 6 consiste in un approfondimento in letteratura su come identificare il RUL secondo la cosiddetta change point analysis. Contestualmente, nell'ottica di una sempre più efficiente integrazione delle batterie negli impianti rinnovabili, sono stati studiati gli aspetti legati agli impianti fotovoltaici. Pertanto, il Capitolo 7 si concentra sulla valutazione delle prestazioni di grandi impianti fotovoltaici utilizzando una rappresentazione in spazio di stato di tipo average. Viene inoltre presentato un confronto tra inverter centralizzati e di stringa nonché uno studio sulle perdite di mismatch. I convertitori di potenza distribuiti rappresentano una soluzione tecnica per migliorare le prestazioni di impianti fotovoltaici di grandi dimensioni o su scala industriale. Sfortunatamente, la valutazione del rendimento ottenuto in grandi campi fotovoltaici utilizzando convertitori distribuiti è un compito difficile. Per superare tali difficoltà in scenari operativi reali, è stata introdotta e validata una nuova strategia di modellazione in termini di complessità computazionale e accuratezza. Quest’approccio si basa sulla rappresentazione in spazio di stato di tipo average che viene applicata a grandi impianti fotovoltaici con più stadi di conversione eseguendo alcune elaborazioni per ottenere un modello integrato finale. La nuova strategia di modellazione è stata testata in ambiente MatLab/Simulink utilizzando i dati provenienti da un impianto fotovoltaico da 300 MW situato in Brasile che rappresenta il caso studio di questo capitolo. In questo impianto, un sottocampo è dotato di inverter centralizzati mentre un altro è dotato di inverter di stringa. Il modello proposto, la cui accuratezza è compresa tra 2,2 e 2,7% rispetto all'energia misurata, supporta efficacemente l'analisi dei dati portando ad una valutazione coerente delle prestazioni per il sistema di conversione distribuito. I risultati finali evidenziano che gli inverter di stringa assicurano un guadagno di circa il 2% in termini di energia prodotta. Questa particolare configurazione di potenza consente anche il calcolo del mismatch a livello di stringa oltre che a livello di array all'ingresso lato DC di ciascun inverter di stringa. L'effetto mismatch è di fondamentale importanza nel funzionamento degli impianti fotovoltaici perché provoca perdite significative nella produzione di energia. Il mismatch è originato da diversi fattori come l'invecchiamento non uniforme dei moduli, l'ombreggiamento, l'accumulo di polvere, i guasti nei sistemi tracker e così via. La valutazione del livello di mismatch è un compito difficile perché è necessario tenere conto di molti fattori: configurazione di potenza, posizione geografica, condizioni meteorologiche, qualità delle misure fornite dai datalogger, ecc. In questo caso è stato implementato un approccio multi-criteriale con lo scopo di valutare la coerenza dei risultati. Infine, il Capitolo 8 mostra come misurare la potenza attiva come differenza tra il valore di picco della potenza istantanea e la potenza apparente. L'approccio tradizionale per calcolare la potenza attiva e reattiva nei sistemi di alimentazione in AC richiede la misurazione dello sfasamento tra tensione e corrente per la valutazione del fattore di potenza. Per fare ciò, gli analizzatori di potenza possono implementare diversi metodi. In linea di principio, è sempre necessario identificare punti specifici delle forme d'onda (ad esempio, utilizzando una tecnica di rilevamento zero-crossing) e ottenere il loro spostamento temporale. In modo simile, il valore della frequenza deve essere valutato per calcolare la frequenza angolare. Sfortunatamente, questo tipo di metodi comuni presentano alcuni problemi come la grande sensibilità al rumore. Inoltre, le imprecisioni nella valutazione del fattore di potenza hanno un grande impatto sulla stima finale della potenza elettrica. Al contrario, l'implementazione pratica della formulazione proposta negli analizzatori di potenza garantisce numerosi vantaggi senza ridurre l'accuratezza.

Grantor dc:publisher

Università degli studi di Catania

Year dc:date

2023

Author dc:creator

• VASTA, ESTER

Contributors dc:contributor

• CACCIATO, MARIO
• ARENA, Paolo Pietro

• batterie
• , battery testing system
• , state of charge
• state of health
• relaxation voltage
• equivalent electric circuit model
• coulomb counting method
• electrochemical impedance spectroscopy
• incremental capacity analysi
• aging model
• neural network
• support vector regression
• electric vehicle
• photovoltaic plant
• central inverter
• string inverter
• mismatch losse
• state-space averaging technique
• active power measurement
• banco test batterie
• stato di carica
• stato di salute
• tensione di rilassamento
• modello di circuito elettrico equivalente
• coulomb counting
• spettroscopia di impedenza elettrochimica
• analisi della capacità incrementale
• modelli di invecchiamento
• rete neurale
• regressione vettoriale di supporto
• veicoli elettrici
• impianti fotovoltaici
• inverter di stringa
• inverter centralizzati
• perdite di mismatch
• rappresentazione in spazio di stato di tipo average
• misura della potenza attiva

Statement dc:rights

• info:eu-repo/semantics/openAccess
• license:NON PUBBLICO - Accesso privato/ristretto
• license uri:iris.PRI01

Language dc:language

ita

Handle dc:identifier

https://hdl.handle.net/20.500.11769/582216

OAI identifier oai:identifier

oai:www.iris.unict.it:20.500.11769/582216