La soluzione del gemello digitale sviluppata nel progetto FULLEST mostra un’accuratezza superiore rispetto agli approcci tradizionali di gestione batterie, grazie al suo fondamento fisico
3E, in collaborazione con partner accademici e industriali, ha raggiunto un traguardo importante nel progetto FULLEST (Flexible Utility-Scale Energy Storage), offrendo una tecnologia di digital twin (gemello digitale) per sistemi di accumulo a batteria (BESS). Questa soluzione innovativa, ora integrata nella piattaforma SynaptiQ di 3E, rappresenta un passo avanti significativo nella gestione delle performance degli impianti di accumulo su scala utility.
Il progetto FULLEST risponde alle sfide critiche del mercato europeo dell’energy storage, un settore in rapida espansione: il Belgio, ad esempio, ha contrattato oltre 1,1 GW di capacità di accumulo attraverso il meccanismo della remunerazione della capacità (Capacity Remuneration Mechanism) e ospita installazioni rilevanti promosse da società come ENGIE e TotalEnergies.
Accuratezza tecnica basata su modelli fisico-chimici
La soluzione del gemello digitale sviluppata nel progetto FULLEST mostra un’accuratezza superiore rispetto agli approcci tradizionali di gestione batterie, grazie al suo fondamento fisico. Il sistema riesce a stimare lo stato di salute (SoH) con scarti molto ridotti rispetto ai sistemi fisici reali, in confronto a sistemi di gestione batterie convenzionali.
Elementi tecnici chiave:
- Modellazione elettrochimica avanzata
Il gemello digitale utilizza PyBAMM (Python Battery Mathematical Modelling) implementando il modello a singola particella (SPM) con simulazione dello sviluppo della SEI (solid electrolyte interphase). Questo consente di cogliere i processi fondamentali di degradazione, quali la crescita della SEI che consuma ioni litio e aumenta la resistenza. - Stima dello stato in tempo reale
Il sistema elabora dati di tensione, corrente e temperatura provenienti dal livello PCS (power converter) e li normalizza al livello cella per migliorare la precisione. L’approccio basato sulla fisica permette una sincronizzazione continua tra il gemello digitale e quello fisico. - Efficienza computazionale
Per operare in tempo reale, il gruppo di lavoro ha sviluppato modelli che offrono miglioramenti di velocità di circa 10 volte rispetto a modelli a ordine completo, pur mantenendo accuratezza. Il modello SPM usato può simulare un giorno di operatività di un PCS in 0,5 secondi, mantenendo equazioni caratteristiche della batteria, incluso il comportamento della diffusione, del trasferimento di carica e delle reazioni parallele associate all’invecchiamento. - Validazione dei risultati
Il modello di degradazione è stato calibrato da VUB in base a una campagna di aging su celle prelevate da una Porsche Taycan (riciclo / seconda vita) fornita da Revolta. I test hanno coperto condizioni di carico variabile, simulando servizi di rete come controllo di frequenza e tensione. I risultati mostrano che l’errore del modello è inferiore all’1 % della capacità nominale della cella, considerando un anno di test.
Un sistema di accumulo a batteria (BESS) che utilizza celle di seconda vita della Taycan è attualmente monitorato in SynaptiQ. L’implementazione del gemello digitale offre un metodo validato per calcolare il SoH, rispetto ai valori fissi (100 %) forniti dal BMS, che erano privi di informazioni utili.
Collaborazione industria-academia per la gestione dei sistemi di accumulo batteria
Il progetto FULLEST ha riunito competenze complementari da cinque partner, ognuno con contributi specialistici essenziali al successo tecnico del progetto:
- 3E ha guidato l’integrazione commerciale, adattando il gemello digitale alla piattaforma SynaptiQ, progettando l’architettura dati e i moduli di preprocessamento per gestire dati reali, errori di sensore e misurazioni mancanti.
- Vrije Universiteit Brussel (VUB) ha sviluppato i modelli elettrochimici alla base del gemello digitale, inclusa la modellazione della degradazione SEI e le procedure di validazione scientifica.
- Sirris ha contribuito con algoritmi di machine learning per il rilevamento delle anomalie e la modellazione a ordine ridotto, impiegando metodi di clustering non supervisionato e reti neurali.
- Revolta ha fornito dati reali operativi da sistemi BESS in esercizio, permettendo la convalida del gemello digitale in condizioni reali su configurazioni di celle multiple.
- Eneco ha apportato competenze di mercato e integrazione, aiutando a orientare lo sviluppo del gemello digitale verso applicazioni realistiche di servizi di rete (es. riserva, regolazione) e ottimizzazione delle strategie di redditività.
Tre casi d’uso strategici che evidenziano il valore di mercato dei sistemi di accumulo a batteria – BESS
- Ottimizzazione delle performance
Il sistema consente agli operatori di massimizzare il rendimento energetico bilanciando l’usura suscettibile alla degradazione. Modellando la crescita della SEI in funzione dello stato di carica, è possibile individuare strategie operative ottimali. - Rilevamento delle anomalie
Il gemello digitale monitora continuamente pattern di temperatura e parametri operativi per identificare segni precoci di degrado o potenziali guasti. Sono impiegati algoritmi basati su clustering per identificare celle anomale. - Manutenzione predittiva
Grazie alla modellazione accurata della degradazione, il sistema prevede la vita residua utile (remaining useful life) dei moduli. Ciò consente una pianificazione ottimizzata della manutenzione, riducendo i tempi di inattività e prolungando la vita utile dell’impianto.
Evoluzione del settore e posizionamento del progetto FULLEST
Il settore dei sistemi di accumulo batteria sta evolvendo rapidamente verso soluzioni di Asset Performance Management (APM) più sofisticate. Tra le tendenze emergenti:
- I modelli basati sulla fisica stanno acquisendo sempre più rilevanza rispetto ai modelli a circuito equivalente, soprattutto perché permettono una rappresentazione più accurata dei processi elettrochimici e termici.
- Le implementazioni real-time dei digital twin stanno diventando uno standard in sviluppo, con variazioni tra soluzioni cloud ed edge computing. Alcuni studi mostrano deviazioni inferiori al 2 % tra gemelli digitali e impianti reali.
- Le tecniche di rilevamento anomalie sono sempre più avanzate, incorporando approcci come decomposizione di serie temporali, isolation forests, autoencoder convoluzionali temporali, capaci di individuare failure modes prima che impattino la prestazione complessiva.
- Aziende nel campo dell’energy storage stanno già applicando manutenzione predittiva per anticipare moduli difettosi e ridurre i costi operativi.
Il successo del progetto FULLEST pone 3E e i suoi partner su un livello competitivo nel settore dell’asset performance management per i sistemi di accumulo di accumulo a batteria (BESS). Con i costi delle batterie in calo e una rapida diffusione delle installazioni, la domanda per soluzioni digitali avanzate crescerà ulteriormente. La tecnologia sviluppata attraverso FULLEST conferisce un vantaggio strategico, e dimostra il valore della collaborazione tra mondo accademico e industria per affrontare sfide tecnologiche complesse.
Per maggiori informazioni sul progetto FULLEST e sulle capacità di gestione degli asset BESS tramite SynaptiQ, contatta il team SynaptiQ.
