Search

In this paper, we are interested in taking into account uncertainties for k eff computations in neu-tronics. More generally, the material of this paper can be applied to propagate uncertainties in eigenvalue/eigenvector computations for the linear Boltzmann equation. In [1, 2], an intrusive MC solver for the gPC based reduced model of the instationary linear Boltzmann equation has been put forward. The MC-gPC solver presents interesting characteristics (mainly a better efficiency than non-intrusive strategies and spectral convergence): our aim is to recover these characteristics in an eigenvalue/eigenvector estimation context. This is done in practice at the price of few well identified modifications of an existing Monte Carlo implementation.

In the context of the fight against climate change, the electricity sector is experiencing a complete renewal. Power grids are undergoing a transformation from centralized and unidirectional systems to multilevel and more integrated networks with, among others, the insertion of intermittent Renewable Energy Sources (RES) on the production side and with the emergence of new consumer behaviors on the demand side. In this context, Battery Energy Storage Systems (BESS) are gaining momentum. Their excellent technical performances combined with a falling price make these storage solutions applicable to multiple scales and applications, ranging from the electrification of rural areas to the reinforcement of modern power grids. Large scale BESSs are complex systems, for which the electrochemical cells are only the elementary building blocks. Such storage systems consist of a hierarchical assembly of these cells, a complex control structure, a precise thermal management and a reversible power conversion apparatus, cooperating to ensure a smooth and safe operation. To deal with this complexity, BESS owners and operators need synthetic indicators to quickly assess the operation of their storage systems. In this work, this question of the monitoring of large scale BESSs is addressed with a selection, implementation and discussion of Key Performance Indicators (KPI). After a presentation of the multiple components constituting a BESS, a review of the main KPIs found in the literature is proposed. This preliminary phase concluded with the definition of four main categories covering the multiple aspects of the operation of a BESS: operation, performance, ageing and safety. Where needed, a choice was made to choose the estimation techniques offering the best tradeoff between accuracy, ease of implementation and computational load. Then, the overall implementation strategy used to take advantage of the large amount of data available was presented. The results were obtained for actual large-scale Li-Ion BESS projects, covering multiple applications and chemistries. Based on these illustrative results, the robustness and the accuracy of the indicators was discussed. More importantly, a special attention was paid to the methodology, meaning and interdependencies of these KPIs to enable battery owners to better understand their system. Inom ramen för kampen mot klimatförändringar upplever elsektorn en fullständig förnyelse. Kraftnät genomgår en omvandling från centraliserade och enkelriktade system till flernivå och mer integrerade nätverk, bland annat införande av intermittenta förnybara energikällor på produktionssidan och med uppkomsten av nya konsumentbeteenden på efterfrågesidan. I detta sammanhang får batterilagringssystem fart. Deras utmärkta tekniska prestanda i kombination med ett fallande pris gör att dessa lagringslösningar är tillämpliga på flera skalor och applikationer, allt från elektrifiering av landsbygden till förstärkning av moderna elnät. Storskaliga batterilagringssystem är komplexa system för vilka de elektrokemiska cellerna endast är de grundläggande byggstenarna. Sådana lagringssystem består av en hierarkisk sammansättning av dessa celler, en komplex kontrollstruktur, en exakt termisk hantering och en reversibel kraftomvandlingsapparat, som samarbetar för att säkerställa en smidig och säker drift. För att hantera denna komplexitet behöver batterilagringssystem-ägare och operatörer syntetiska indikatorer för att snabbt utvärdera driften av deras lagringssystem. I detta arbete behandlas denna fråga om övervakning av storskaliga batterilagringssystem med ett urval, implementering och diskussion av viktiga resultatindikatorer. Efter en presentation av de flera komponenterna som utgör ett batterilagringssystem föreslås en översyn av de viktigaste resultatindikatorer som finns i litteraturen. Denna preliminära fas avslutades med definitionen av fyra huvudkategorier som täcker flera aspekter av driften av en BESS: drift, prestanda, åldrande och säkerhet. Vid behov gjordes ett val för att välja uppskattningstekniker som erbjuder bästa -ivavvägning mellan noggrannhet, enkel implementering och beräkningslast. Sedan presenterades den övergripande implementeringsstrategin som användes för att dra fördel av den stora mängden tillgängliga data. Resultaten erhölls för faktiska storskaliga Li-Ion BESS-projekt, som täcker flera applikationer och kemister. Baserat på dessa illustrativa resultat diskuterades indikatorernas robusthet och noggrannhet. Ännu viktigare var att särskild uppmärksamhet ägnades åt dessa resultatindikatorer metodik, betydelse och beroende av varandra för att möjliggöra för varje batteriägare att bättre förstå sitt system.