Als de wereld zich haast om een netto-nul toekomst te bereiken en klimaatverandering tegen te gaan, zijn duurzame energiebronnen zoals zonne- en windenergie naar voren gekomen als potentiële kampioenen. De overgang van traditionele synchrone generatoren naar inverter-gebaseerde duurzame energiebronnen vormt echter een uitdaging voor de stabiliteit en betrouwbaarheid van het elektriciteitsnet.
Om een ononderbroken stroomvoorziening aan consumenten te garanderen, is het cruciaal om de stabiliteit en betrouwbaarheid van het elektriciteitsnet te verbeteren. Xingpeng Li, een assistent-professor elektrische en computertechniek aan de Universiteit van Houston, leidt een oplossing die een naadloze integratie van duurzame energiebronnen met het elektriciteitsnet mogelijk maakt, zonder de stabiliteit ervan in gevaar te brengen.
Het doel van Li’s project is om evoluerende energiesystemen in staat te stellen efficiënt en stabiel te opereren, terwijl ze de snelle groei van wind- en zonne-energie accommoderen. Een van de belangrijkste uitdagingen in deze overgang is de vermindering van de traagheid van het stroomsysteem. Traagheid verwijst naar de kinetische energie die is opgeslagen in zware roterende synchrone generatoren, die essentieel is voor het handhaven van de systeemstabiliteit, vooral tijdens grote storingen.
Li en zijn onderzoeksteam maken gebruik van machine learning technieken om efficiëntere en minder complexe dynamische prestatiemodellen te ontwikkelen. Deze modellen worden vervolgens geïntegreerd in de dag-van tevoren schema-toepassing die door netbeheerders wordt gebruikt om de opwekkingsbronnen te plannen voor de volgende operationele dag. Door machine learning te combineren met optimalisatiemodellen in dit innovatieve kader, streeft Li ernaar zowel efficiënte operaties als netstabiliteit te waarborgen.
Naast zijn onderzoekinspanningen is Li gepassioneerd over het inspireren en betrekken van toekomstige generaties, met name K-12 en universiteitsstudenten. Om dit te bereiken, zal zijn team een gratis open-source tool ontwikkelen met een eenvoudig te begrijpen grafische gebruikersinterface, waarin power engineering concepten worden uitgelegd. Deze tool zal niet alleen dienen als een referentiepunt voor de onderzoeksgemeenschap, maar ook jonge geesten aanmoedigen om loopbanen in de energiesector te overwegen.
Bovendien starten Li en zijn team een nieuwe cursus genaamd “Toegepaste Machine Learning in Energiesystemen” (AppML) om geavanceerde concepten op het snijvlak van machine learning en energietechniek te onderwijzen. Met de toenemende vraag naar machine learning expertise in de energiesector heeft deze cursus tot doel de kloof te overbruggen en te voldoen aan de behoeften van de arbeidsmarkt.
De erkenning voor het baanbrekende werk van Li strekt zich uit tot verder dan zijn recente National Science Foundation CAREER Award. Hij is geselecteerd als Early-Career Research Fellow in de Offshore Energy Safety Track door National Academies of Sciences, Engineering, and Medicine’s Gulf Research Program. Deze onderscheiding stelt hem in staat onderzoeksprojecten na te streven die buiten het bestek van een specifiek onderwerp vallen.
De onderzoeksinteresses van Xingpeng Li omvatten de planning en werking van diverse energie-energiesystemen, waaronder bulkstroomnetten en microgrids. Hij leidt het Renewable Power Grid (RPG) Lab aan de Universiteit van Houston en fungeert als Associate Director van het Power Electronics, Microgrids & Subsea Electrical Systems Center (PEMSEC). Zijn laboratorium richt zich op energiebeveiliging, overgang en transmissie voor zowel onshore als offshore energiesystemen.
Met zijn onderzoek streeft Li ernaar om toekomstige energiegrids te bevorderen die verrijkt zijn met duurzame energie door nieuwe modellen en algoritmen voor te stellen die de efficiëntie en veiligheid van energiesystemen verbeteren. Zijn werk draagt bij aan de realisatie van netto-nul energie systemen door de integratie van hernieuwbare energie en groene waterstof in het net te vergemakkelijken.
Met meer dan 60 peer-reviewed papers gepubliceerd en talloze onderscheidingen ontvangen, staat Xingpeng Li voorop in het bevorderen van de stabiliteit van het elektriciteitsnet en de integratie van duurzame energiebronnen. Zijn multidisciplinaire achtergrond, gecombineerd met zijn ervaring in de industrie, plaatst hem als een toonaangevende expert op dit gebied. Terwijl de wereld blijft prioriteren aan schone energie, bieden Li’s onderzoek en initiatieven veelbelovende oplossingen om de uitdagingen van duurzame energie-integratie aan te pakken en een duurzame toekomst voor iedereen te waarborgen.
Veelgestelde vragen
1. Wat zijn de verschillen tussen traditionele synchrone generatoren en inverter-gebaseerde duurzame energiebronnen?
Traditionele synchrone generatoren vertrouwen op zware roterende machines om elektriciteit te genereren, terwijl inverter-gebaseerde duurzame energiebronnen energie van bronnen zoals zonne- en windenergie omzetten in elektriciteit via elektronische apparaten genaamd inverters.
2. Wat is elektriciteitsnet stabiliteit en waarom is het essentieel?
Elektriciteitsnet stabiliteit verwijst naar het vermogen van een stroomsysteem om een gebalanceerde en betrouwbare stroomvoorziening te handhaven. Het zorgt ervoor dat de elektrische frequentie binnen acceptabele grenzen blijft, waardoor verstoringen en uitval worden voorkomen. Elektriciteitsnet stabiliteit is cruciaal om een ononderbroken stroomvoorziening aan consumenten te bieden.
3. Wat is stroomsysteem traagheid en waarom is het belangrijk?
Stroomsysteem traagheid verwijst naar de totale kinetische energie die is opgeslagen in de zware roterende synchrone generatoren binnen een stroomnet. Deze kinetische energie speelt een cruciale rol bij het handhaven van de systeemstabiliteit, vooral tijdens plotselinge verstoringen of schommelingen in de opwekking of belasting. Voldoende stroomsysteem traagheid zorgt ervoor dat de frequentie stabiel blijft en het net kan omgaan met variërende vraag.
4. Hoe draagt Xingpeng Li’s oplossing bij aan de stabiliteit van het elektriciteitsnet?
Xingpeng Li’s oplossing omvat het gebruik van machine learning technieken om efficiëntere en minder complexe dynamische prestatiemodellen te ontwikkelen. Door deze modellen te integreren in de planningsapplicatie die door netbeheerders wordt gebruikt, streeft Li naar efficiënte operaties en netstabiliteit terwijl de toenemende penetratie van wind- en zonne-energie wordt accommoderen.
5. Hoe betrekt Xingpeng Li toekomstige generaties bij het vakgebied van energietechniek?
Xingpeng Li gelooft in het inspireren en betrekken van toekomstige generaties, met name K-12 en universiteitsstudenten, om loopbanen in de energiesector te overwegen. Zijn team ontwikkelt een gratis open-source tool met een gebruiksvriendelijke interface om power engineering concepten uit te leggen, met als doel interesse en begrip onder jonge leerlingen te bevorderen. Daarnaast zal een nieuwe cursus genaamd “Toegepaste Machine Learning in Energiesystemen” worden geïntroduceerd om geavanceerde concepten te onderwijzen en de kloof tussen machine learning en expertise in energietechniek te overbruggen.
Bronnen:
– Universiteit van Houston: example.com
– National Science Foundation: example.org
The source of the article is from the blog motopaddock.nl