החלת אופטימיזציה רב-אובייקטיבית בפיתוח פתרונות אחסון חשמל

הקדמה: אופטימיזציה אינפורמטיבי ב- Energy Storage

המעבר הגלובלי למקורות אנרגיה מתחדשים כגון השמש והרוח יצר צורך דחוף בפתרונות אחסון חשמל בעלי ביצועים גבוהים. Batteries, supercapacitorstors, ומערכות תאי זרימה חייבות במקביל לספק מספר רב, לעתים קרובות סכסוכים, מטרות עיצוב: צמצום ההון והעלויות התפעוליות, מקסימום צפיפות אנרגיה מסוימת ויעילות עגולה, צמצום טביעת הרגל הסביבתית לאורך כל מחזור החיים, ולהבטיח תקופות חיים תפעוליות מסורתיות תחת תנאי אחסון חד-אופטימיים (MO) לעתים קרובות, כלומר, כלומר, רק אופטימיזציה של מערכת אחסון יעילה יותר, בתנאי יעילות של מערכת הפעלה אחת בלבד, מאפשרת אופטימיזציה יעילה יותר, כלומר, אופטימיזציה של מערכת הפעלה יעילה יותר ויותר, כלומר, כלומר, אופטימיזציה של מערכת אחסון יעילה יותר ויותר, אופטימיזציה של מערכת אחסון יעילה יותר, כלומר, רק על ידי אופטימיזציה של מערכתית, אופטימיזציה של מערכתית, רק על ידי אופטימיזציה של מערכת יעילה יותר ויותר יעילה יותר ויותר, אופטימיזציה של מערכת אחסון גבוהה יותר, כלומר, בתנאי אבטחה גבוהה יותר, כלומר, כלומר, אופטימיזציה של מערכת הפעלה יעילה יותר, אופטימיזציה של מערכת הפעלה מהירה יותר, בתנאי אבטחה גבוהה יותר ויותר יעילה יותר, אופטימיזציה של מערכת הפעלה יעילה יותר, כלומר, אופטימיזציה של מערכת הפעלה מהירה יותר, אופטימיזציה של מערכת הפעלה מהירה יותר ויותר, כלומר, אופטימיזציה של מערכת הפעלה אחת בלבד, אופטימיזציה של מערכת הפעלה אחת בלבד,

הבנה של Multi-objective Optimization

בעיות אופטימיזציה רב-אובייקטיביות בעיות שבהן יש שני פונקציות אובייקטיביות או יותר כדי להיות מותאם בו-זמנית. בניגוד אופטימיזציה חד-משמעית, המבקשת פתרון אחד הטוב ביותר, MOO מייצרת סדרה של פתרונות הידועים כ- Pareto אופטימלית.פתרון הוא Pareto אופטימלי אם שום מטרה לא ניתן לשפר ללא דהרדת לפחות מטרה אחת אחרת.אוסף של פתרונות אלה בחלל אובייקטיבי נקרא לעתים קרובות "Preto" (Preto) ל-to-to-to-to-to-to-to-to-to-to-to-to-upicchi) דחיסהחליפה (Preto) דחיסהחליפה (Preto) בין מטרות, לדוגמה, כלומר, כלומר, לדוגמה, אם אין אפשרות לשפר את הפחתת פני השטח של מערכת של מערכת של מערכת של מערכת של מערכת של פתרון של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת יחסים בין שני מטרות רווח, אם לא ניתן לשפר את ה-to-לחמתנה-לחמילא ניתן לשפר את פני השטח של מערכת של מערכת של מערכת של מערכת של מערכת של מערכת יחסים בין שני מטרות רווח, אם אין אפשרות לשפר את פני השטח של מערכת יחסים יעילה יותר,

מבחינה מתמטית, ניתן לבטא את בעיית MOO:0ears:0ig:0iral:0.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10.10

ישנן שתי גישות רחבות לפתרון בעיות MOO:0A שיטות לפני כן (FLT:0) 1 (ב) כאשר יוצר ההחלטות מבטא העדפות (למשל, משקולות) לפני אופטימיזציה, ו-FLT:2a כרזות שיטות כרזות FLT 3: 3, אשר יוצרות את חזית פארטו כולה ומאפשרות בחירה לאחר מכן.

החלת MOO ל- Electric Power Storage

העיצוב של מערכות אחסון חשמל חשמלי כולל מרחב החלטות רב-ממדי.מטרות מפתח שיש לאוזן כוללות:

(FLT:0) Capital and תפעולal CostFLT:1 - בחירה חומרית, מורכבות ייצור, ייצור תאים, ניהול תרמי ורכיבי איזון של המערכת.
(ב) ⁇ :0) ,אנרגיה ודחיסות כוח 1 (FLT:1), מדדים מורכבים וכבדים הקובעים את טביעת הרגל הפיזית והמשקל של יחידת האחסון.
(FLT:0)Round-trip יעילות כפל האנרגיה שניתן לשחזר מאחסון; הפסדים באים מהתנגדות פנימית, מטען עצמי ומערכות עזר.
(FLT:0Cycle and Calendar LifeFLT:103) כמה מחזורי מטען או שנים של פעילות לפני יכולת להפחתה של 80% מהערך הראשוני.
(FLT:0) השפעה סביבתית 1 (אנ') כולל ייצור חומרי גלם, ייצור אנרגיה, רעילות, מחזוריות וסילוק חיים.
(ב) [15] ציות בטיחות ותקנות רגולטוריות (FLT:1) – סיכון תרמי, דרישות המכילות, והגבלות תחבורה.

MOO מאפשר למעצבי מערכת לחקור כיצד שינויים באובייקט אחד משפיעים על האחרים.לדוגמה, סוללה בעלת צפיפות נמוכה עשוי להיות בעל חיים מחזוריים נמוכים וצפיפות אנרגיה נמוכה, בעוד סוללה ליתיום גבוה יכול להציע צפיפות אנרגיה גבוהה אבל תוחלת חיים קצרה יותר. MOO מסייע לכמת אלה עסקאות חליפין-offs כך שהמהנדסים יכולים לבחור את הפרמטרים הטכנולוגיים והעיצוב הטובים ביותר לשימוש ספציפי, כגון אחסון רשת מול יישום חשמלי.

עלויות Balancing וביצועים

אחד התרחישים הנפוצים ביותר של MOO בפיתוח אחסון הוא המסחר בין עלות וביצועים.מחקר שנערך לאחרונה הראה את השימוש של NSGA-II - אלגוריתם אבולוציוני פופולרי - כדי לייעל את מימדי אלקטרודה ואת ההרכב החומרי של סוללה ליתיום-יון.היעדים היו למזער עלויות עבור וואט"וואט" תוך מיקסום אנרגיה וכתוצאה מכך 10% הנחה יכול להיות מושג אסטרטגיות גדולות יותר, אך ורק ברזולוציה של ייצור חומרים.

שיקולים סביבתיים וקיימות

עם דגש גובר על הערכת מחזור חיים (LCA), השפעה סביבתית הפכה למטרה קריטית. זוגות אופטימיזציה רב-אובייקטיביים LCA עם מודלים ביצועים סוללה.לדוגמה, החוקרים הטמיעו את ההרכב של NMC (ניקל-מנדנס-קובלט) סוללות למזער הן את העלות והן את פוטנציאל ההתחממות הגלובלית.

זמן רב ומודלים של צמיחה

ההידרדרות בסוללות תלויה בגורמים רבים: עומק השחרור, הטמפרטורה, עלויות המטען / החיוב, וניהול המדינה-של תשלום. אופטימיזציה רב-אובייקטיבי יכול לשלב מודלים של השפלה כדי לייעל את הביצועים הראשוניים ואת החיים.לדוגמה, עיצוב המשתמש אלקטרודה עבה יותר עשוי להציע יכולת גבוהה יותר אבל גם התנגדות פנימית גבוהה יותר ושפל מהיר יותר תחת רכיבה גבוהה על אופניים גבוהה.

שיטות אופטימיזציה מפתח ואלגונדרית

כמה משפחות של אלגוריתמים הוכיחו יעילות עבור אופטימיזציה רב-אובייקטיביים בעיצוב אחסון אנרגיה.הרוב הנפוצים ביותר כוללים:

(ה) [ה]:0 [ה]ג'נגנטי אלגורית'מים (GA) ⁇ Falph:1] – שיטות חיפוש המבוססות על אוכלוסייה בהשראת ברירה טבעית; הם אינם דורשים מידע נגזר ויכולים להתמודד עם חללים אובייקטיביים לא ליניאריים.הלא-מוגדרים ממין גנטיקה אלגורית II (NSGA-II) נותרים כסימן בשל יכולתהפצה היטב חזיתות (F2Seed) מקורית לפרטי יסוד:2G).
(FLT:0)Particle Swarm Optimization (PSO)BuildFLT:1) - טכניקת ספירה של חיל האוויר שבו פתרונות המועמד ("חלקיקים") עוברים דרך מרחב החיפוש המודרך על ידי המיקום הידוע ביותר שלהם ואת הטוב ביותר בעולם.
(FLT:0) Multi-Objective Evolutionary Algorithms (MOEA) , ההרחבה של NSGA-II, SPEA2, ו- MOEA /D אלגוריתמים אלה משתמשים בבחירה, צולב ומפעילי מוטציות כדי לפתח אוכלוסיות לקראת חזית Pareto.
(FLT:0)Pareto Front Analysis and VisualizationFIRLT:1) - ברגע שחזית Pareto מושגת, מקבלי ההחלטות צריכים כלים כדי לדמיין את ה-Foffs ובחירת פתרון מועדף.com מזימה, פיזור פיסות, ומפת חום הם נפוצים.טכניקות כמו "קביעת דידיעה בחלל האובייקטיבי" או "ניתוח סחר באמצעות נקודות" עוזר לראות העדפות לאחר החזית.

בנוסף לשיטות קלאסיות אלה, אופטימיזציה הנטואית-אסד היא צוברת מתחים עבור עיצוב מערכת אחסון, שבו סימולציות נאמנות גבוהה (למשל, מודלים אלקטרו-כימיים) יקרים מבחינה חישובית.מודלים של הפרדה (רשתות עצביות, תהליכים גאוסיים) השוו את המטרות ומאפשרים לדור החזית המהיר יותר של פארטו.

תוצאות חיפוש ב- Electric Power Storage Optimization

מקרה מחקר 1: אופטימיזציה Lithium-Ion Battery Electrode Design

צוות מהנדסים השתמש NSGA-II כדי להתאים את הנפיחות, עובי, ואת גודל חלקיקים של שני aode ו Cathode בתא ליתיום-ion.שלוש המטרות היו עלות ל- קילוואטה, צפיפות אנרגיה (kWh / ק"ג), ודחיסות כוח (kW / ק"ג) חזית Pareto הראה כי שיפורים בדחיסות כוח מעבר 20% של בסיס נדרש ירידה באנרגיה בדחיסות של מעל 40% של דרישות אלקטרו-FD.

מקרה מחקר 2: אחסון סוללות עבור אינטגרציה פוטו-וולטאית השמש

עבור חוות השמש המחוברות לרשת, מערכת אחסון האנרגיה של סוללות (BESS) צריכה להיות בגודל כדי למקסם את צריכת העצמי, להפחית את עלויות הביקוש לשיא, ולצמצם את העלות הכוללת של מערכת מספר מטרות כולל הוצאות הון (CAPEX), הוצאות תפעוליות (OPEX), ואת השבריר של אנרגיה מתחדשת המתקבלת ישירות מ-1.8MW יחס של תשלום עצמי (יחס השקעה עצמי) עם MOOA / D הוחל על 1MW ל- 4.

מקרה מחקר 3: Multi-Objective Optimization of Flow Membrane

סוללות זרימה של Vanadium Redox (VRFB) מסתמכות על membrane שמפריד בין שני זרמי אלקטרוליטטה.ה membrane חייב להיות התנגדות נמוכה (ליעילות גבוהה) אבל גם נמוך ונדרום צלבובר (עבור חיים ארוכים מחזור וקיבולת גבוהה) שני יעדים אלה הם רק התנגשויות חד משמעית: מדלל מקטין את ההתנגדות אבל מגביר את המעבר.

יתרונות ואתגרים של החלת MOO

יתרונות

(ב) ,0) ,המסחרי המעודכן (FLT:1) במקום להסתמך על ניחושים המבוססים על ניסיון, MOO מגדיר את העלות המדויקת (במונחים של מטרות אחרות) של שיפור מדד מסוים.
(FLT:0) גילוי פתרונות שאינם אינטואיטיביים (IQ) 1 (מואו חוקר את כל שטח העיצוב, זה עשוי לחשוף תצורה כי אופטימיזציה חד-משמעית לא יחשבו, כגון עלות מעט גבוהה יותר, אשר מניבה חיים דרמטיים יותר.
(FLT:0)ScalabilityFLT:1 - אותה מסגרת MOO ניתן ליישם בתכנון ברמה התאית, ניהול תרמי ברמה מודול, ו- פלסנון ברמת המערכת, מתן מתודולוגיה עקבית על פני המאזניים.
(FLT:0) אינטגרציה עם אי הוודאותFLT:1 - רובוסט MOO ניסוחים יכול להתמודד עם אי-ודאות פרמטר (למשל, חומרים עולים על יכולת, אי הוודאות של שיעור ההשפלה) לייצר פתרונות שנותרו פירטו אופטימליים בטווח של תרחישים.

אתגרים

(FLT:0) חישוביות עלות גבוהה של 1FLT (הדמיית נאמנות גבוהה של התנהגות אלקטרו-כימית ותרמית יכולה להיות יקרה מאוד, הערכת עיצוב יחיד עשויה לקחת שעות, מה שהופך את האופטימיזציה המבוססת על האוכלוסייה ללא מודלים פונדקאית.
(FLT:0) Data AvairFLT:1) - מודלים Accurate דורשים נתונים ניסיוניים נרחבים על תכונות חומרים, קינטיקה השפלה, וייצור variability. בשלבים המוקדמים R&D, נתונים כאלה עשויים להיות דליקים.
עומס קוגניטיבי של יצרנית ה-Decision-makerFLT:1] - הצגת חזית פארטו מלאה עם שלושה או יותר מטרות יכולות להציף את בעלי העניין.הדמיון יעיל וטכניקות חיקוי העדפה הם עדיין תחום מחקר פעיל.

(FLT:0) מורכבות בקנה מידה גדול של סולט:1 - ביצועי סוללה נשלטים על ידי תופעות מן הסקאלה האטומית (התערבות של יון) בסולם המערכת ( ⁇ mal ⁇ s) כדי לנגב את המאזניים האלה באופטימיזציה אחת הוא מאתגר מאוד.

כיוונים עתידיים ומגמות מתפתחות

כמה התפתחויות צפויות להפוך את MOO אפילו יותר השפעה על פיתוח פתרון אחסון:

(FLT:0) אינטליגנציה מלאכותית ולמידה של מכונות 1FLT:1ir - רשתות עצביות עמוקות יכולות לשמש מודלים חלופיים המזרזים הערכה אובייקטיבית על ידי סדרי גודל. Reinforcement למידה נחקרת גם כדי להתאים באופן דינמי את הפרמטרים אופטימיזציה במהלך החיפוש.

(FLT:0) תאומים של תפוצה 1 - תאום דיגיטלי של מערכת סוללות משלב נתונים של חיישן בזמן אמת, מודלים של השפלה וניתוח חיזוי.MOO יכול לפעול על התאום הדיגיטלי כדי להמליץ על מדיניות בקרה אופטימלית (למשל, לוחות זמנים בתשלום) אשר מאזן אנרגיה באמצעות דויטש, חיים ובטיחות.

(FLT:0) אופטימיזציה של מולטי תחת אי ודאות (MOOUU)FLT:1 - החלת MOO כדי להסביר במפורש את אי-ודאות קלט (למשל, סובלנות רכוש חומרי, וריאציות טמפרטורה) מניבות גבולות פארוטו חזקים כי הם רגישים להפרעות קטנות.

(FLT:0) אינטגרציה עם עלות מחזור חיים (LCC) וכלכלה מעגלית של ההרחבה 1 - מסגרות MOO עתידיות תכלול ערך מקצה-חיים, מחזוריות ויישומים של חיים אחרים (למשל סוללות EV פורש המשמש לאחסון נייח) כמטרות מפורשות, המאפשרות עיצוב בר קיימא באמת.

(FLT:0 Human-in-the-loop Optimization OptimizationFIRLT:1) - כלי MOO אינטראקטיביים מאפשרים למקבלי ההחלטות לחקור את החזית פארטה ואת העדפות הזיכוך באופן הדרגתי.התקדמות בממשקי משתמשים (למשל, הדמיה מבוססת VR) יגרמו לכך לנגישה יותר ל- non- ⁇ s.

מסקנה

אופטימיזציה רב-אובייקטיבית הפכה מתודולוגיה חיונית בפיתוח פתרונות אחסון חשמל.על ידי מודלים מפורשים של עסקאות בין עלות, ביצועים, השפעה סביבתית, וארוכותיות, MOO מאפשרת למהנדסים מערכות עיצוב שאינן רק יעילות אלא גם בר-קיימא מבחינה כלכלית וקיימות.מבחירה חומרית ברמת אלקטרודה לשילוב מתחדש, MOO מספקת גישה קפדנית, דרך נתונים מונעת כדי להבטיח פתרונות מתקדמים יותר, תוך שמירה על איכות חיים גבוהה יותר, כמו גם על איכות חיים של אבטחה, וכן הלאה, כמו גם על פני מערכתית, תוך כדי שיפור יעיל יותר, כמו גם על פני מערכות אחסון יעילה יותר, כמו גם על פני מערכתית, כמו גם על פני מערכות אחסון יעילה יותר, כמו גם על פני מערכות אחסון יעילה יותר, כמו גם על פני מערכות אבטחה יעילה יותר, כמו גם על פני מערכות אבטחה יעילה יותר, כמו גם על פני מערכות אבטחה יעילה יותר, כמו גם על פני מערכות אבטחה יעילה יותר, בתנאי אבטחה יעילה יותר, כמו גם על פני מערכות אחסון יעילה יותר, כמו גם על פני מערכתית, בתנאי שיעזרו לספק פתרונות אבטחה יעילה יותר, בתנאי שיעזרו לספק פתרונות אבטחה יעילה יותר, כמו גם על מנת לספק פתרונות אבטחה יעילה יותר, כמו גם פיתוח יעיל יותר, כמו גם על מנת לספק פתרונות אבטחה יעילה יותר, כמו גם