Algorithmen zur Peak-Shaving-Kontrolle: Wie Versandentscheidungen getroffen werden

Nov 10, 2026 Eine Nachricht hinterlassen

 

Jedes Peak-Shaving-System hat einen Moment der Wahrheit. Die Belastung des Gebäudes steigt, der Zähler klettert auf das Monatsmaximum zu und irgendwo in der Steuerung wird – in Millisekunden oder im Planungslauf der vorherigen Mitternacht – entschieden, ob und wie schnell sich die Batterie entladen soll.

 

Die meisten Eigentümer sehen diese Entscheidung nie. Sie sehen das Ergebnis in der Bedarfsladelinie, und wenn das Ergebnis gut ist, schreiben sie es der Batterie zu, und wenn es schlecht ist, geben sie der Batterie die Schuld. In Wirklichkeit ist die Batterie das letzte Glied in einer Kette, die mit einer Messung beginnt und durch eine führtPeak-Shaving-Algorithmusderen Design den größten Teil der Einsparungen bestimmt.

 

Dieser Artikel öffnet diese Black Box: Was der Regelkreis tatsächlich misst, wie die drei Generationen der Dispatch-Logik funktionieren, wo jede einzelne ausfällt und wie Sie feststellen können, ob der Algorithmus Ihres Systems seinen Lebensunterhalt verdient. Es ist die mechanische Ergänzung zu unseren Artikeln über Spitzeneinsparungen und industrielle Strategien zur Spitzeneinsparung, in denen der Wertfall und die Taktiken vor Ort behandelt werden. Hier bleiben wir im Inneren des Controllers.

 

6750092411221216102151756733999156980382527626n

 

 

Die Anatomie des Regelkreises

Entfernen Sie das Branding und jeder Peak-Shaving-Controller hat die gleiche vierteilige Struktur:

Eine Messung- die Standortlast, abgelesen von einem Zähler oder Stromwandlern an einem definierten Punkt.Ein Sollwert- der Zielbedarf, den der Algorithmus nicht zu überschreiten versucht.Ein Fehler- die Lücke zwischen gemessener Last und Sollwert, das ist das Signal, das die Batterie abdecken muss.Eine Kontrollaktion- der an den Wechselrichter ausgegebene Entlade- (oder Lade-)Befehl, der durch die PCS-Bewertung und den verfügbaren Ladezustand begrenzt ist.

 

Vier Designoptionen innerhalb dieser Struktur unterscheiden kompetente Systeme von enttäuschenden: Wo wird die Messung durchgeführt, wie wird der Sollwert gewählt, ob der Algorithmus zeitlich vorausschaut und wie der Ladezustand budgetiert wird. Jedes ist es wert, verstanden zu werden, denn jedes ist ein Ort, an dem Ersparnisse stillschweigend verloren gehen.

 

Der Messpunkt ist wichtiger als alles andere in der Spezifikation.Die Batterie kann nur das rasieren, was das Messgerät sieht. Wenn die Stromwandler an einer Zuleitung vor der eigenen Ladelast der Batterie platziert werden, lädt das System tagsüber auf und treibt die gemessene Last mit seinem Eigenverbrauch über den Sollwert – die klassische selbstzerstörerische Installation. Wenn es sich bei dem Abrechnungszähler und dem Kontrollzähler um unterschiedliche Geräte mit unterschiedlichen Genauigkeiten handelt, entspricht eine Abweichung von 1 bis 2 Prozent bei einer 500-kW-Spitze einem nicht budgetierten Fehler von 5 bis 10 kW. Die Kontrollmessung sollte am Verbindungspunkt auf derselben Seite und derselben Genauigkeitsklasse wie die Abrechnung erfolgen, und der Algorithmus muss seine eigene Gebührenlast ausgleichen.

 

 

Generation eins: Reaktive Schwellenwertkontrolle

Der einfachste Algorithmus – und bei Einsteigerprodukten immer noch der gebräuchlichste – ist die reine Reaktion. Messen Sie die Belastung. Wenn der Sollwert überschritten wird, entleeren Sie den Überschuss. Wenn der Wert unterschritten wird, halten Sie an und laden Sie später auf.

 

Es funktioniert, und bei gut erzogenen Lasten mit langsamen Spitzen funktioniert es gut. Ein Bürogebäude, dessen Bedarf über vierzig Minuten ansteigt, gibt einem reaktiven Controller zahlreiche Warnungen, die implizit im Anstieg selbst enthalten sind.

 

Seine Fehlermodi sind strukturell und nicht einstellbar. Eine Stufenlast – ein startender Kältemaschinensatz, ein regenerierender Kran, ein zündender Schweißer – überschreitet den Sollwert schneller, als der Regelkreis reagiert, und der Spitzenwert bucht sich in ein oder zwei Intervallen ein, bevor die Batterie aufholt. Schlimmer noch: Der reaktive Regler hat keinen Energieblick nach vorn: Er entlädt sich bei jeder Bewegung frei und kann mit entladener Batterie den echten Nachmittags-Peak erreichen. Bei der reaktiven Steuerung werden die erwarteten Spitzen zufällig verarbeitet und die wichtigen Spitzen übersehen.

 

Die Verfeinerungen, die Generation eins nutzbar machen, sind:Hysterese und Totzone- Entladung nur oberhalb des Sollwerts plus einer kleinen Marge, Abgabe unterhalb des Sollwerts minus einer weiteren Marge, damit das System nicht um das Ziel herum klappert und aufgrund von Geräuschen nicht brennt. Fügen Sie ein hinzuRampeBeim Ausstieg entlädt er sich mehr als eine Minute, anstatt sofort anzuhalten – und das Rattern der Steuerung, das bei billigen Installationen auftritt, verschwindet größtenteils.

 

7736439901221500177852093448771767632525868886n

 

 

Generation zwei: Budgetierte reaktive Kontrolle

Die Zwischengeneration fügt die fehlende Ressourcensicht hinzu: Der Algorithmus verfolgt die verfügbare Energie und gibt sie gezielt aus.

Der Ladezustand wird über den Tag verteilt budgetiert. Unabhängig von frühen Ausflügen wird eine Vormittagsreserve gehalten. Die Entladungsautorität oberhalb des Sollwerts skaliert mit dem verbleibenden Budget – volle Leistung, während das Budget tief ist, und sich verjüngt, wenn es dünner wird. Und der Ladevorgang erfolgt zu bekanntermaßen günstigen und ruhigen Zeiten und nicht zu günstigen Zeitpunkten, wenn die Last sinkt.

Diese einzige Änderung behebt den Erschöpfungsfehler: Die Batterie verbraucht beim drittgrößten Spitzenwert des Morgens keine Energie mehr und ist beim größten Spitzenwert des Nachmittags leer. Das Budget ist grob – normalerweise eine lineare Zuweisung über das Betriebsfenster –, aber es verwandelt die Batterie von einem Reflex in einen Ressourcenmanager.

 

 

Generation drei: Prognosegestützter Versand

Die dritte Generation fügt eine Vorwärtsansicht hinzu: eine vorhergesagte Lastkurve, die typischerweise am Tag im Voraus erstellt und im Tagesverlauf aktualisiert wird, aus der der Algorithmus im Voraus die vollständige Ladezustandskurve plant.

 

Mit einer Prognose verändern die Versandentscheidungen ihren Charakter. Eine Vorentladung wird möglich – das gezielte Herunterfahren der Standortlast vor dem vorhergesagten Spitzenwert, damit die Batterie beim Eintreffen nicht mitten im Ladevorgang hängen bleibt. Die Ladefenster werden sowohl anhand des prognostizierten Tals als auch des Tarifs ausgewählt, nicht nur eines. Und das Vorausschaufenster beantwortet die Frage, die eine reaktive Steuerung nicht beantworten kann: nicht nur „Ist die Auslastung jetzt hoch“, sondern auch „Lohnt sich dieser Ausflug mit der Reserve, oder ist ein größerer Ausflug drei Stunden entfernt?“

 

Die Prognose muss nicht ausgefeilt sein, um hilfreich zu sein. Ein Persistenzmodell – heute sieht aus wie der vergleichbare Tag der letzten Woche, angepasst an das Wetter – erfasst den größten Teil des Wertes in Gebäuden mit routinemäßigen Belastungen. Der geringfügige Gewinn durch maschinelle Lernvorhersagen ist real, konzentriert sich jedoch auf Standorte mit volatilen, wetterbedingten oder unregelmäßigen Lasten. Unser Artikel zum KI-Versand deckt diese obere Ebene ab, einschließlich der Art und Weise, wie die Verschlechterungskosten in die Optimierung einfließen; Die Aussage dieses Artikels ist einfacher: Selbst eine bescheidene Prognose verändert die Form der SOC-Trajektorie zum Besseren, da bei gleicher Informationsqualität die Planung wichtiger ist als die Reaktion.

 

 

Auswahl des Sollwerts

Der Sollwert ist, wo das Geld ist, und es gibt drei Schulen.

A statischer Sollwert- beispielsweise auf 90 Prozent des historischen Maximums festgelegt - ist einfach und transparent und ändert sich in dem Monat, in dem die Last zunimmt.Rolling-Maximum-Anpassung- Verfolgen des jüngsten Maximums und Zurückziehen eines Spielraums - Passt sich selbst an, beschleunigt sich aber nach Anomalien nach oben und legt ein hohes Ziel fest.Perzentilbasierte Auswahl- ein Bedarfsniveau anzustreben, das die Batterie beispielsweise an 95 Prozent der Tage halten kann - ist die ehrlichste Formulierung, weil sie den Handel deutlich macht: An den schlechtesten 5 Prozent der Tage wird der Spitzenwert den Sollwert überschreiten, und das Modell sollte dies sagen.

Diese letzte Ehrlichkeit ist für die Nachfragegebühr selbst wichtig. In Märkten, in denen der in Rechnung gestellte Bedarf das höchste Intervall des Monats ist, wird bei einem Fehlschlag der gesamte Monat zurückgesetzt. Das eigentliche Ziel des Algorithmus ist nicht die durchschnittliche Leistung, sondernNull Fehlschläge, was zu konservativen Sollwerten und tiefen Reserven drängt. Wenn die Abrechnung die Spitzenintervalle mittelt oder Ratschen verwendet, verschiebt sich das Optimum. Die Tarifmechanik – nicht der Algorithmus-Marketing – soll die Aggressivität bestimmen.

 

 

Leitplanken: Die Schicht über dem Ziel

Produktionssysteme sitzen eine Leitplanke über der Optimierung, und ihre Regeln sind im richtigen Design nicht verhandelbar:

Mindestladezustand, den Arbitrage und Shaving nicht überschreiten können, vorbehalten für Ausfalldeckung oder vertragliche Verpflichtungen. AFreigabeauftrag reservieren- Wenn die Batterie fast leer ist und die Ladung immer noch über dem Zielwert liegt, entladen Sie sie bis zum Boden, anstatt eine Reserve zu horten, die nicht benötigt wird. Ausfahrtsrampen, die die Entladung sanft auf Null bringen, sodass die Baustellenlast nie eine Stufe erfährt. Und eine feste Obergrenze für die Anzahl der täglichen Zyklen oder den Durchsatz, da ein Algorithmus, der die heutige Bedarfsladung ohne Verschlechterungszeitraum optimiert, die Batterie problemlos in den frühen Austausch überführt – die Garantie kennt den Arbeitszyklus, selbst wenn der Algorithmus dies nicht weiß.

 

 

Fünf Gründe, warum abgestimmte Systeme im Feld versagen

Die Muster wiederholen sich auf allen Websites und sind jeweils ein Punkt auf der Checkliste.

Der Sollwert liegt unterhalb dessen, was die Batterie verteidigen kann, sodass das System frühzeitig erschöpft ist und trotzdem verfehlt – ein Ziel zwischen der Leistungsfähigkeit der Batterie und dem Verhalten der Last war nie erreichbar, und die Lösung ist ein Gespräch über die Dimensionierung, nicht über eine Optimierung.Der SOC wird vor dem Peak verbraucht– normalerweise eine fehlende Budgetschicht oder ein Ladefenster, das sich mit der Morgenrampe überschneidet.Feiertage und Shutdown-Wochen- Der Algorithmus hält eine volle Reserve für einen Spitzenwert bereit, der nicht eintritt, und die Arbitrageschicht bleibt im Leerlauf. Kalenderbewusstsein ist billig und fehlt oft.Die Tarifuhr ist falsch- Das System verschiebt die Last nach einem Zeitplan, der nicht mehr mit den Saisontarifen des Energieversorgers übereinstimmt, eine Fünf-Minuten-Lösung, die nur in der Rechnung zu finden ist.Die Messung erfolgt einpunktig– ein CT, ein Messgerät, keine Gegenprüfung – ein CT-Ausfall oder eine CT-Abweichung deaktiviert also stillschweigend den Regelkreis, während das System einen gesunden Zustand meldet.

 

 

So überprüfen Sie Ihren Algorithmus

Drei Fragen, die anhand von Daten beantwortet werden können, die Sie bereits besitzen.

Was ist das?höchste Trefferquote- der Anteil der abrechnungsrelevanten Tage, an denen das Monatsmaximum auf oder unter dem Zielwert blieb? Unter der Mitte der Neunziger in Prozent bedeutet das, dass der Sollwert oder das Budget falsch ist. Was ist das?SOC-Nutzung- Wie viel der eingekauften Energie wird an einem typischen Tag tatsächlich recycelt? Eine Anlage, die zweimal im Monat tiefentladen wird, ist falsch dimensioniert oder zu konservativ budgetiert. Und was geschah amschlimmster Tag eines jeden Monats- das eine Intervall, das den Ausschlag gab? Verfolgen Sie diese Tage: Fast jedes lässt sich auf einen der fünf oben genannten Fehlermodi zurückführen, und die Spur ist die Optimierungs-Roadmap.

 

Die unangenehme Zusammenfassung ist, dass der Algorithmus selten auf mysteriöse Weise versagt. Es schlägt am Messpunkt, am Sollwert oder am SOC-Budget fehl – ​​drei Stellen, die alle in den Daten sichtbar sind, die das System bereits aufzeichnet. Besitzer, die sich diese drei regelmäßig ansehen, behalten ihrePeak-Shaving-Algorithmusehrlich; Eigentümer, die nur auf die Leistungsabgabe achten, entdecken die Abweichung erst ein Jahr zu spät in der Rechnung.

 

 

 
news-1460-1460

MECC 50KW 108KWH BESS Batterie-Energiespeichersystem

 

Der MECC 50 kW 108 kWh Batterie-Energiespeicherschrank ist eine Energiespeicherlösung mit hoher Kapazität, die für industrielle und kommerzielle Anwendungen entwickelt wurde. Ausgestattet mit einem Lithium-Eisenphosphat-Akku (LiFePO4) mit 345,6 V und 314 Ah gewährleistet er eine langlebige, sichere und effiziente Energiespeicherung.

Hocheffizientes 50-kW/108-kWh-Energiespeichersystem für Industrie und Gewerbe (C&I ESS). Mit LiFePO4-Akku, Peak Shaving und intelligentem EMS. Reduzieren Sie die Betriebskosten und stellen Sie eine Notstromversorgung sicher. Erkundigen Sie sich nach maßgeschneiderten BESS-Lösungen.

Entworfen mit einer kompakten Stellfläche vonweniger als 1,2 QuadratmeterDieser 108-kWh-Schrank verfügt über einevorintegriertes All-in-One-Design, wodurch die Installationszeit vor Ort um reduziert wird40%im Vergleich zu modularen Regalsystemen.

Anfrage senden