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
auto
PGEgaHJlZj0iIiBvbmNsaWNrPSJqYXZhc2NyaXB0OndpbmRvdy5vcGVuKCcnLCAnX2JsYW5rJywgJ25vb3BlbmVyJyk7IHJldHVybiBmYWxzZTsiPjxwaWN0dXJlPjwvcGljdHVyZT48L2E+PElGUkFNRSBTUkM9Imh0dHBzOi8vYWQuZG91YmxlY2xpY2submV0L2RkbS9hZGkvTjQwMjIuMTU2OTU5UElYSU5GTy5IVS9CMzUyOTc3MzcuNDQ0ODQxODU5O3N6PTY1MHgzMDA7b3JkPVt0aW1lc3RhbXBdO2RjX2xhdD07ZGNfcmRpZD07dGFnX2Zvcl9jaGlsZF9kaXJlY3RlZF90cmVhdG1lbnQ9O3RmdWE9O2RjX3Nka19hcGlzPVtBUElGUkFNRVdPUktTXTtkY19vbWlkX3A9W09NSURQQVJUTkVSXTtnZHByPSR7R0RQUn07Z2Rwcl9jb25zZW50PSR7R0RQUl9DT05TRU5UXzc1NX07ZGNfdGR2PTE/IiBXSURUSD02NTAgSEVJR0hUPTMwMCBNQVJHSU5XSURUSD0wIE1BUkdJTkhFSUdIVD0wIEhTUEFDRT0wIFZTUEFDRT0wIEZSQU1FQk9SREVSPTAgU0NST0xMSU5HPW5vIEJPUkRFUkNPTE9SPScjMDAwMDAwJz4NCjxTQ1JJUFQgbGFuZ3VhZ2U9J0phdmFTY3JpcHQxLjEnIFNSQz0iaHR0cHM6Ly9hZC5kb3VibGVjbGljay5uZXQvZGRtL2Fkai9ONDAyMi4xNTY5NTlQSVhJTkZPLkhVL0IzNTI5NzczNy40NDQ4NDE4NTk7YWJyPSFpZTtzej02NTB4MzAwO29yZD1bdGltZXN0YW1wXTtkY19sYXQ9O2RjX3JkaWQ9O3RhZ19mb3JfY2hpbGRfZGlyZWN0ZWRfdHJlYXRtZW50PTt0ZnVhPTtkY19zZGtfYXBpcz1bQVBJRlJBTUVXT1JLU107ZGNfb21pZF9wPVtPTUlEUEFSVE5FUl07Z2Rwcj0ke0dEUFJ9O2dkcHJfY29uc2VudD0ke0dEUFJfQ09OU0VOVF83NTV9O2RjX3Rkdj0xPyI+DQo8L1NDUklQVD4NCjwvSUZSQU1FPg==

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

Szabó M. István

Összehasonlítás