ระบบกักเก็บพลังงานแบตเตอรี่ขนาดใหญ่ที่ประกอบด้วยเซลล์ลิเธียมไอออนนับหมื่นเซลล์ หากเกิดเหตุขัดข้องกะทันหันย่อมสร้างความเสียหายทางเศรษฐกิจมหาศาล งานวิจัยล่าสุดจากเยอรมนีจึงได้พัฒนาแบบจำลองคอมพิวเตอร์ ‘Digital Twin’ ที่สามารถวินิจฉัยข้อบกพร่องระดับเซลล์ได้ตั้งแต่เนิ่นๆ เพื่อป้องกันระบบล่มโดยไม่คาดคิด
พลังงานสะอาดที่เข้าถึงได้ทุกที่ทุกเวลาเป็นจริงได้ด้วยระบบกักเก็บพลังงานแบตเตอรี่ (BESS) ตลาดนี้กำลังเติบโตอย่างรวดเร็ว โดยมีการติดตั้งระบบขนาดใหญ่เพิ่มขึ้นอย่างต่อเนื่อง เพื่อกักเก็บพลังงานส่วนเกินจากแผงโซลาร์เซลล์และกังหันลมสำหรับจ่ายกลับเข้าสู่สายส่งในเวลาที่ต้องการ รวมถึงรองรับยานยนต์พาณิชย์ รถไฟ หรือแม้แต่เรือที่ต้องการเดินเครื่องโดยปล่อยคาร์บอนเป็นศูนย์
ความต้องการสำหรับระบบกักเก็บพลังงานเหล่านี้อยู่ในระดับสูงมาก ระบบต้องรองรับกำลังไฟฟ้าหลักเมกะวัตต์หรือกิกะวัตต์ และต้องทำงานอย่างเสถียรผ่านวงจรการชาร์จและการคายประจุนับพันรอบ เงื่อนไขสำคัญคือเซลล์ลิเธียมไอออนนับหมื่นเซลล์ที่ประกอบขึ้นเป็นโมดูลและแพ็กแบตเตอรี่นั้น จะต้องทำงานอยู่ภายใต้ขีดจำกัดแรงดันไฟฟ้าที่กำหนดไว้อย่างเคร่งครัด
‘Digital Twin’ ตรวจจับข้อบกพร่องและความผิดปกติ
“ระบบจัดการแบตเตอรี่ หรือ Battery Management Systems ที่ใช้ควบคุมและตรวจสอบระบบกักเก็บพลังงานขนาดใหญ่ในปัจจุบัน จะแจ้งเตือนเมื่อค่าต่างๆ เช่น อุณหภูมิหรือแรงดันไฟฟ้า เกินขีดจำกัดที่กำหนดไว้ ซึ่งหากเกิดเหตุการณ์ดังกล่าว ระบบจะต้องถูกปิดการทำงานลงทันที” Alexander Reiter อธิบาย
วิศวกรเครื่องกลรายนี้กำลังพัฒนาแบบจำลองคอมพิวเตอร์สำหรับระบบกักเก็บพลังงานในโครงการวิทยานิพนธ์ระดับปริญญาเอกที่มหาวิทยาลัยประยุกต์มิวนิก (Hochschule München: HM) แบบจำลอง ‘Digital Twin’ นี้ช่วยให้สามารถตรวจจับข้อผิดพลาดในระดับเซลล์เดี่ยวและคาดการณ์ความผิดปกติได้ล่วงหน้าในขณะที่ระบบกำลังทำงานอยู่ ซึ่งเป็นการแจ้งเตือนก่อนที่ค่าต่างๆ จะทะลุขีดจำกัดสูงสุดจนนำไปสู่ความล้มเหลวของทั้งระบบ
“ในระดับเซลล์เดี่ยวนั้น สัญญาณของความล้มเหลวในระบบจะปรากฏให้เห็นล่วงหน้าตั้งแต่เนิ่นๆ” Reiter กล่าวเสริม “อย่างไรก็ตาม การตรวจสอบเซลล์แต่ละเซลล์ด้วยเครื่องมือวัดในขณะที่ระบบกำลังทำงานอยู่นั้นมีข้อจำกัดอย่างมาก จึงมักมีการใช้แบบจำลองสถานการณ์เข้ามาช่วยแทน แต่การคำนวณแบบจำลองสำหรับทุกเซลล์ในระบบนั้นใช้ทรัพยากรและเวลามากเกินไป”
คาดการณ์ความผิดปกติของเซลล์แบตเตอรี่ด้วยข้อมูลทางสถิติ
แบบจำลอง ‘Digital Twin’ ทำให้มองเห็นความเบี่ยงเบนจากพฤติกรรมเฉลี่ยที่คาดหวังของเซลล์ได้ “เราใช้วิธีการทางสถิติเพื่อค้นหาข้อผิดพลาด” นักวิจัยอธิบาย
ในขั้นตอนแรก แบบจำลองจะถูกปรับเทียบ (Calibrate) โดยใช้พารามิเตอร์ทางเทคนิคจากผู้ผลิตและการวัดคุณลักษณะของระบบ เช่น จำนวนเซลล์และโมดูล ความจุ ความต้านทานภายใน (Internal Resistance) รวมถึงความแปรปรวนของพารามิเตอร์ที่คาดว่าจะเกิดขึ้น ข้อมูลเหล่านี้จะถูกนำมาคำนวณเป็นเส้นโค้งการกระจายตัวทางสถิติเพื่อแสดงให้เห็นว่าเซลล์ควรมีพฤติกรรมอย่างไรในขณะทำงาน
จากนั้น ‘Digital Twin’ จะทำงานแบบ ‘Real-Time’ โดยจำลองรอบการชาร์จและการคายประจุไฟฟ้าที่เหมือนกับระบบกักเก็บพลังงานจริงทุกประการ พร้อมกับตรวจสอบอย่างต่อเนื่องว่าพฤติกรรมที่เกิดขึ้นจริง (เช่น การกระจายตัวของแรงดันไฟฟ้าในเซลล์) ตรงกับเส้นโค้งที่คำนวณไว้ล่วงหน้าหรือไม่
“แบบจำลองเหล่านี้ช่วยให้เราสามารถแสดงความเบี่ยงเบนของเซลล์เดี่ยวจากพฤติกรรมที่คาดหวังตามหลักสถิติได้” Reiter เน้นย้ำ วิธีนี้ช่วยให้สามารถระบุเซลล์ที่ล้มเหลวได้อย่างรวดเร็วและคาดการณ์ความผิดปกติได้แม่นยำ
Oliver Bohlen ศาสตราจารย์จาก HM และหัวหน้ากลุ่มวิจัยด้านระบบกักเก็บพลังงานไฟฟ้า เน้นย้ำถึงข้อดีนี้ว่า “วิธีนี้เรียบง่ายและสามารถนำไปใช้งานได้ทันที”
Everllence ซึ่งเป็นพันธมิตรด้านการวิจัยที่นำระบบกักเก็บพลังงานไปใช้ในอุตสาหกรรมเรือไฮบริด ได้รับประโยชน์โดยตรงจากผลการวิจัยนี้ โดยบริษัทสามารถนำหลักการดังกล่าวไปปรับปรุงกระบวนการตรวจจับข้อบกพร่องที่มีอยู่ให้ทำงานได้รวดเร็วขึ้น เพื่อป้องกันไม่ให้ระบบล่มในระหว่างการปฏิบัติงาน
MM
