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
auto
2024. 11. 21. csütörtök
PGEgaHJlZj0iaHR0cHM6Ly9nZGVodS5oaXQuZ2VtaXVzLnBsL2hpdHJlZGlyL2lkPWJRMHdSSWJvaTRmZVE4ZGxYb2dReFpkUy5Ca2dGcGkxTUVpa2oydWNlazMuZjcvZmFzdGlkPW1ndmhlY2RodnVuZGVsZGFsandrbHZiamNoamcvc3RwYXJhbT1ybWtzb3VnbnpyL25jPTAvZ2Rwcj0wL2dkcHJfY29uc2VudD0vdXJsPWh0dHBzOi8vd3d3Lm9wZWwuaHUvYWphbmxhdG9rL29zc3plcy9vcGVsZWxla3Ryb21vc3RhbW9nYXRhcy5odG1sP3V0bV9zb3VyY2U9dmlsbGFueWF1dG9zb2smdXRtX21lZGl1bT1iYW5uZXImdXRtX2NhbXBhaWduPUFzdHJhLWFsd2F5c29uLVZOLUFzdHJhLVBST01PLURJUy1SRVMtUkUmdXRtX3Rlcm09MjAyNC0wNS0wNiZ1dG1fY29udGVudD0xMzAweDYwMCIgb25jbGljaz0iamF2YXNjcmlwdDp3aW5kb3cub3BlbignaHR0cHM6Ly9nZGVodS5oaXQuZ2VtaXVzLnBsL2hpdHJlZGlyL2lkPWJRMHdSSWJvaTRmZVE4ZGxYb2dReFpkUy5Ca2dGcGkxTUVpa2oydWNlazMuZjcvZmFzdGlkPW1ndmhlY2RodnVuZGVsZGFsandrbHZiamNoamcvc3RwYXJhbT1ybWtzb3VnbnpyL25jPTAvZ2Rwcj0wL2dkcHJfY29uc2VudD0vdXJsPWh0dHBzOi8vd3d3Lm9wZWwuaHUvYWphbmxhdG9rL29zc3plcy9vcGVsZWxla3Ryb21vc3RhbW9nYXRhcy5odG1sP3V0bV9zb3VyY2U9dmlsbGFueWF1dG9zb2smdXRtX21lZGl1bT1iYW5uZXImdXRtX2NhbXBhaWduPUFzdHJhLWFsd2F5c29uLVZOLUFzdHJhLVBST01PLURJUy1SRVMtUkUmdXRtX3Rlcm09MjAyNC0wNS0wNiZ1dG1fY29udGVudD0xMzAweDYwMCcsICdfYmxhbmsnLCAnbm9vcGVuZXInKTsgcmV0dXJuIGZhbHNlOyI+PHBpY3R1cmU+PHNvdXJjZSBzcmNzZXQ9Imh0dHBzOi8vdmlsbGFueWF1dG9zb2suaHUvd3AtY29udGVudC91cGxvYWRzLzIwMjQvMTAvb3BlbC1hc3RyYS1zdC0yNDA0MzAtNjUweDMwMC0zLmpwZyIgbWVkaWE9IihtYXgtd2lkdGg6IDcwMHB4KSI+PHNvdXJjZSBzcmNzZXQ9Imh0dHBzOi8vdmlsbGFueWF1dG9zb2suaHUvd3AtY29udGVudC91cGxvYWRzLzIwMjQvMTAvb3BlbC1hc3RyYS1zdC0yNDA0MzAtMTMwMHg2MDAtMy5qcGciIG1lZGlhPSIobWluLXdpZHRoOiA3MDBweCkiPjxpbWcgc3JjPSJodHRwczovL3ZpbGxhbnlhdXRvc29rLmh1L3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDI0LzEwL29wZWwtYXN0cmEtc3QtMjQwNDMwLTEzMDB4NjAwLTMuanBnIiBhbHQ9IiI+PC9waWN0dXJlPjwvYT48SU1HIFNSQz0iaHR0cHM6Ly9nZGVodS5oaXQuZ2VtaXVzLnBsL19bVElNRVNUQU1QXS9yZWRvdC5naWY/aWQ9YlEwd1JJYm9pNGZlUThkbFhvZ1F4WmRTLkJrZ0ZwaTFNRWlrajJ1Y2VrMy5mNy9mYXN0aWQ9a25hamhrbm5ob2ZweXlpanVtcHhsbmhxZWhseC9zdHBhcmFtPXhrbWZpa2R1Z3gvbmM9MC9nZHByPTAvZ2Rwcl9jb25zZW50PSIgc3R5bGU9IndpZHRoOjFweCFpbXBvcnRhbnQ7IiAvPg==

A mesterséges intelligencia (AI) olyan feladatok megoldásában és olyan rendszerek korszerű üzemeltetésében is helyet kap, mint az akkumulátoros rendezéseinek üzemeltetése. A rendszerszintű működést tekintve – ahol sok és sokféle elem, más-más pillanatnyi paraméterrel dolgozik, és ezeket optimalizálni kellene a hálózat, a fogyasztás és más számos más paraméter figyelembevételével – ez egyáltalán nem meglepő.

A német energia ügynökség (Dena) frissen publikált felmérése szerint a németországi energiavállalatok többsége úgy gondolja, hogy az AI alkalmazása fenntarthatóbb energiagazdaságot tesz lehetővé. A reprezentatív, 250 vállalat bevonásával készült elemzés szerint négyből három cég már azt is vizsgálja, hogy milyen területeken, hogyan lehetne ezt a potenciált kiaknázni a saját működésük során.

Azt, hogy központi jelentőségű lesz e területen az AI, könnyű belátni, ha hozzávesszük, hogy a civilizációs fejlődés merre felé tart. Arra, hogy a decentralizált termelési környezetben fogyasztási rendszerek millióit kell úgy kiszolgálni, hogy a digitalizálódó hálózatban innovatív megoldásokra van szükség – nem csak az ellátásbiztonságban, a dekarbonizációban vagy a sok, kis, különböző termelő-fogyasztó bevonásával kapcsolatos rugalmasságban, de a karbantartásban is. Vagy: akár az energiatároló rendszerek tárolási optimalizálásában és élettartamának meghosszabbításában is.

Itt a VartAI

Ez utóbbi történik az akkumulátor-gyártó Vartánál, ahol az Electronic Specifier közlése szerint kifejezetten mesterséges intelligencia segítségével szeretnék fejleszteni az akkumulátorkezelést.

Jó tudni, hogy a Magyarországon továbbra is a hagyományos, jó minőségű, tartós ceruzaelemek és akkumulátorok gyártójaként elkönyvelt Varta már két és fél éve robbantott az energiatárolási piacon.  Azt követően, hogy a legerősebb szegmensévé a lítium-ion akkumulátorokat gyártó Microbatteries & Solutions területe vált, úgy döntöttek: nagyobb méretű akkuk gyártására és agilis fejlesztésére, „az újgenerációs energiatárolási technológiák mielőbbi tömeggyártásba vitelére” is ráállnak. Ezt a döntést a tavalyi évi üzemi beszámoló is visszaigazolta; a Varta a háztartási akkumulátorok szegmensben továbbra is folyamatosan növeli a termelését és az eredményességét.

Ennek a fejlesztési-irányváltási folyamatnak a része az a most bejelentett kutatási projekt is, melynek során a legnagyobb presztízsű napelemes kutatóintézettel, a Fraunhofer ISE-vel, az akku-fejlesztő specialista NOVUM engineerING-gel és az új technológiai elméleteket a gyakorlatba átültető TWT Science & Innovationnel dolgoznak együtt.

„Az elektromos autók számának gyors növekedése nem a probléma, hanem a megoldás része”

A 2025 végéig tartó Longer kutatási projekt a tárolórendszerek ilyen, új feladatokra felkészítését segíti. Az új akkumulátor-menedzsment rendszertől azt várják, hogy a jelenleg elérhető szoftvereknél pontosabban feltérképezhetőek legyenek a háztáji napelemes energiatároló rendszerek, miközben a kapacitások jobb kihasználása mellett az akkumulátorok védelme is magasabb szintre léphessen. Azért van erre szükség, mert a Varta szerint az akkumulátoros energiatárolás hamarosan új feladatokat kell, hogy ellásson.

„Ma az otthoni akkumulátortároló rendszerek évente, átlagosan 200-300 teljes töltési ciklust végeznek el, miközben a tárolási oldalon ezeket szinte kizárólag napenergia tárolására használják” – mondta Benjamin Achzet, a Varta Storage kutatási koordinátora. Hozzátette, hogy a jövőben viszont ezek a rendszerek áramkereskedőkké válnak, mivel ezzel is csökkenthetők az energiaköltségek, ráadásul így a hálózati tehermentesítésben is fontos elemmé válnak.

Ez nem csak azt jelenti, hogy az akkus rendszerek másként is fognak működni, de azt is, hogy a gyártóknak a jelenleginél jóval nagyobb ciklusstabilitású tárolórendszereket kell tervezniük, építeniük, a piacra tenniük.

Elég lenne egy kis dobozos akku is a lakásokhoz

Önállóan megtanulja

A Longer projektben az AI-nek elemeznie kell az épületek terhelési profilját, meg kell tanulnia, hogyan kell a rendszerben lévő akkumulátort egy adott helyzetben valóban lemeríteni vagy feltölteni úgy, hogy az hosszú távon is hatékonyan működjön. Az önálló tanulási folyamat során megtanulja, hogy a különböző terhelési profilok hogyan befolyásolják az akkumulátor állapotát, és ezt követően az akku élettartamának előrejelzésére is képes lesz.

Az Electronic Specifier szerint a tároló létesítmények szimulációs modelljeit is felhasználják az AI-alapú működési stratégia hatékony, célzott tesztelésére és validálására, és így az AI segítségével minden felhasználási esetre megtalálható majd a legjobb stratégia, hogy minden otthon saját testreszabott energia- és akkumulátorkezelési profilhoz juthasson.

A kutatás eredményeit természetesen a Varta építheti majd be a saját energiatároló rendszereibe.

Együtt dolgozik az elektromos jövőn az Airbus és a Renault

PGEgaHJlZj0iaHR0cHM6Ly93d3cudm9sdGllLmV1Lz91dG1fc291cmNlPXZpbGxhbnlhdXRvc29rJnV0bV9tZWRpdW09ZW5lcmdpYSZ1dG1fY2FtcGFpZ249cm92YXQiIG9uY2xpY2s9ImphdmFzY3JpcHQ6d2luZG93Lm9wZW4oJ2h0dHBzOi8vd3d3LnZvbHRpZS5ldS8/dXRtX3NvdXJjZT12aWxsYW55YXV0b3NvayZ1dG1fbWVkaXVtPWVuZXJnaWEmdXRtX2NhbXBhaWduPXJvdmF0JywgJ19ibGFuaycsICdub29wZW5lcicpOyByZXR1cm4gZmFsc2U7Ij48cGljdHVyZT48c291cmNlIHNyY3NldD0iaHR0cHM6Ly92aWxsYW55YXV0b3Nvay5odS93cC1jb250ZW50L3VwbG9hZHMvMjAyNC8wNS92aWxsYW55YXRvc29raHUtbm92LTEzMDB4NjAwLTEtZW5lcmdpYS0yMDI0LTExLTA4LmpwZyIgbWVkaWE9IihtaW4td2lkdGg6IDcwMHB4KSI+PGltZyBzcmM9Imh0dHBzOi8vdmlsbGFueWF1dG9zb2suaHUvd3AtY29udGVudC91cGxvYWRzLzIwMjQvMDUvdmlsbGFueWF0b3Nva2h1LW5vdi0xMzAweDYwMC0xLWVuZXJnaWEtMjAyNC0xMS0wOC5qcGciIGFsdD0iIj48L3BpY3R1cmU+PC9hPg==

Szabó M. István