JavaScript is currently disabled.Please enable it for a better experience of Jumi. Adaptivt batteri sänkte effekttopparna med fjärdedel

Ett batteristyrsystem baserat på förstärkningsinlärning sänkte de rörliga elkostnaderna med 2–3 procent och effekttopparna med upp till 24 procent. Forskare vid Karlstads universitet testade tekniken i ett växthus med sol­celler. 

Lösningen kombinerar artificiell intelligens och signal­behand­lings­algoritmer med korttids­prognoser för elförbrukning och solelsproduktion. 

Forskarna påpekar att växthus erbjuder optimala förhållanden för livsmedelsproduktion året runt. Samtidigt är de mycket energikrävande. 

Jorge Solis

– Systemet för optimerad energi­användning skulle kunna tillämpas i större skala i exempelvis tillverkningsindustrin, där det behövs för att minska både produktions­kostnader och koldioxidavtryck, säger Jorge Solis, docent i elektroteknik vid Karlstads universitet. 

Systemet testades med verkliga driftsdata från ett klimatstyrt växthus vid Karlstads universitet, utrustat med solceller och batterilagring.

Den adaptivbaserade styrningen överträffar både traditionella fasta regler och enklare AI-modeller:

• De rörliga elkostnaderna minskade med 2,2 procent i februari och 2,7 procent i mars.

• Effekttoppar minskade med upp till 24 procent.

• Den totala elkostnaden blev lägre än i alla jämförda scenarier.

Studien genomfördes med stöd från Energimyndigheten inom programmet Energieffektivisering i belysning.

Här kan du ta del av studien: Intelligent Control Strategy of a Battery Energy Storage for a Climate-Controlled Greenhouse with a High Proportion of Local Renewable Energy.

Prenumerera på Elektroniktidningens nyhetsbrev eller på vårt magasin.


MER LÄSNING:
 
KOMMENTARER
Kommentarer via Disqus

Rainer Raitasuo

Rainer
Raitasuo

+46(0)734-171099 rainer@etn.se
(sälj och marknads­föring)
Per Henricsson

Per
Henricsson
+46(0)734-171303 per@etn.se
(redaktion)

Jan Tångring

Jan
Tångring
+46(0)734-171309 jan@etn.se
(redaktion)