23948sdkhjf

Glaze bruger cloud computing og machine learning til at gøre energi­lagringssystemer intelligente

| Medlemsnyhed | Indrykket af Glaze ApS

Danske Lithium Balance vil bruge cloud computing og machine learning til at gøre virksomhedens energi­lagringssystemer mere intelligente.

Mens lagringen løser et problem, rejser det dog også nye spørgsmål. For hvornår er det bedst at bruge løs af strømmen fra batterierne, og hvornår er det omvendt mere fordelagtigt at sælge strømmen videre til en god pris? Begge dele afhænger af vind og vejr samt af elprisernes udsving i løbet af døgnet.

Den danske producent af batteri­styringer Lithium Balance har sat sig for at løse problematikken med en IIoT-løsning, der kobler virksomhedens batterisystemer til energilagring sammen med machine learning-algoritmer i skyen.

»Skal jeg f.eks. sælge strømmen fra batteriet nu og købe strøm fra nettet billigt i nat? For at svare på det skal man have koblet noget intelligens på, som kigger på forbrugsmønsteret, vejrudsigten, og hvad elprisen ligger på ude i fremtiden. Og så begynder det at blive rimelig kompliceret at lave det lokalt,« siger Lars Kruse, direktør for energilagringssystemer i Lithium Balance.

Lithium Balance har i mange år udviklet og solgt batteristyringer, men energilagringssystemer er et nyt marked for virksomheden. Inden nytår bliver de første testløsninger installereret 30 forskellige steder i Danmark, Skotland og Spanien.

Der er tale om alt fra små batteri- systemer med en kapacitet på 10 kWh til enfamilieshuse og store systemer på 100-250 kWh til større ejendomme, fortæller Lars Kruse.

Ikke muligt uden cloud
Lithium Balance har hentet hjælp hos konsulentvirksomheden Glaze til at udvikle IIoT-løsningen, som kort fortalt består af en site controller om bord på batterilagringssyste­met, som er forbundet via nettet til Microsofts Azure IoT-platform.

Målet med løsningen er netop at gå fra den lokale model, hvor f.eks. et solcelleanlæg udelukkende ser på forbrug her og nu, og til at kunne lave en mere intelligent prognose for den nære fremtid.

Cloud-løsningen henter løbende data ind om bl.a. elpriser og vejrudsigter, og sammen med data fra det enkelte energilagringssystem ude hos kunden bliver det muligt at regne sig frem til en model for de næste 24 timers styring af kundens energilagringssystem.

»Det er hele begrundelsen for at lægge det op i skyen, at vi ikke skal have algoritmerne liggende lokalt ude hos de forskellige kunder. Jeg har rent faktisk svært ved at se, hvordan vi skulle kunne gøre det her uden en eller anden form for skyløsning,« siger Lars Kruse.

Site controlleren er bygget op omkring en Raspberry Pi-minicompu- ter, der via enten CAN-bus eller Modbus taler sammen med den lokale hardware på stedet:

»Den fungerer dybest set som en ‘bridge’, der forbinder de forskellige devices og sender data op i skyen. Lagring af overskudsstrøm fra kilder som solceller og vindmøller er en teknologi i rivende udvikling, og batterilagre proppet med lithium-ion-celler er et af de oplagte bud på et sted at gemme den overskydende el.

Den skal f.eks. kunne styre inverteren, se på det lokale forbrug fra huset, og hvad produktionen er fra solcelleanlægget lige nu,« forklarer Lars Kruse.

Hardware-integration driller
Mens det ifølge Lars Kruse har været let at gå til cloud-platformen og komme i gang med at bruge nogle af dens indbyggede beregningsværktøjer, har hardwaresiden under- tiden drillet udviklerne. Det gælder bl.a. kommunikationen mellem Raspberry Pi-computeren og inverteren, der styrer op- og afladning, og diverse strømmålere:

»Vi troede, at integrationen mellem site controlleren og de lokale devices ville være det simpleste at få til at virke, men det har vi haft overraskende mange problemer med. Vi har oplevet, at forskellige fabrikanter ikke overholder CAN-bus- og Modbus-standarderne, så et signal f.eks. har været inverteret i forhold til det, der står i manualen. Så det har taget overraskende lang tid,« siger Lars Kruse.

Machine learning på vej
Cloud-løsningen har ifølge direktøren taget cirka fire måneder at udvikle, og når den kommer ud til de første kunder i slutningen af oktober, er det tid til at luge ud i fejl og mangler:

»De første løsninger vil et stykke hen ad vejen være at betragte som beta-systemer. Nu får vi et antal brugere, som vi får noget feedback fra og kan se, hvad der måtte være af fejl, og derefter vil der selvfølgelig komme en masse forbedringer af cloud-løsningen,« siger Lars Kruse.

Lige nu er der ikke implementeret egentlig machine learning i cloud-løsningen, men det er på vej inden nytår, fortæller Lars Kruse. På den længere bane er det heller ikke utænkeligt, at kunderne mod betaling skal kunne stille batteri­kapacitet til rådighed for elselskaberne, som kan bruge kapaciteten til at optimere elnettet.

»Det er stadig meget på projektniveau, men det er en vision, som vi er nødt til at forberede vores systemer på. Men det kan slet ikke lade sig gøre, hvis ikke energilagringssystemet er forbundet til internettet på en eller anden måde,« siger Lars Kruse.

Læs mere om casen her.

Medlemsnyhed

Indrykket af
Glaze ApS

Flæsketorvet 68
1711 København V
Danmark
Glaze ApS

Send til en kollega

0.075