Pochopení elektronických vlastností dvourozměrných materiálů je klíčové pro optimalizaci jejich výkonu v systémech lithium-iontových baterií (LIB). K tomu je nutné porozumět jejich elektronické pásové struktuře (BS), hustotě stavů (DOS) a procesům přenosu náboje během lithiačního procesu. Analýza pomocí výpočtů na základě teorie funkcionálů hustoty (DFT) ukazuje, jak elektronické stavy ovlivňují pohyb nositelů náboje, elektrickou vodivost a kapacitu ukládání náboje. Hustota stavů pak ukazuje rozdělení těchto stavů v rámci energetických hladin. Interkace lithiových iontů zásadně mění elektronické vlastnosti materiálů, což se projevuje posuny v pásové struktuře a změnami šířky pásu, jak lithium přenáší náboj na materiál. Tyto změny mají významný vliv na elektrochemické vlastnosti, jako je kapacita pro ukládání a uvolňování lithiových iontů během procesů nabíjení a vybíjení. Může také docházet k chemickým změnám na povrchu materiálů a strukturálním deformacím, které ovlivňují jejich elektronické vlastnosti.
Pro dosažení optimální účinnosti a stability v praxi je důležité rozumět těmto elektronickým vlastnostem při výběru materiálů pro anody. Například grafen je polomateriál, který se vyznačuje svým Diracovým kuželem v bodě K první Brillouinovy zóny, což vyplývá z jeho sp2 hybridizované uhlíkové struktury. Tato jedinečná pásová struktura zajišťuje grafenu vysokou elektronovou mobilitu. Nicméně interkace lithiových iontů zásadně mění jeho elektronické vlastnosti. Tato interkace posouvá Fermiho úroveň nad Diracův bod, mění hustotu stavů a mění koncentraci nositelů náboje. Tyto změny zlepšují elektrickou vodivost, což činí grafen dobrým kandidátem pro materiály anody v bateriových zařízeních. Podobně i další dvourozměrné materiály s polovodičovými vlastnostmi, jako jsou o-Al2N2 a h-AlC, vykazují výrazné fyzikální vlastnosti, včetně významného elektronického pásového gapu (Eg < 2 eV) a jedinečných optických vlastností. Adsorpce lithiových iontů na těchto materiálech mění jejich elektronickou povahu z polovodičové na kovovou, čímž se zlepšuje jejich elektrická vodivost. Tato zlepšení usnadňují jejich použití jako záporné elektrody a představují slibný potenciál pro náhradu grafenu v současných systémech LIB.
Pohyb lithiových iontů na povrchu materiálů anody je klíčovým faktorem pro optimalizaci nových negativních elektrod a zlepšení celkové funkčnosti baterie. Rychlost nabíjecího a vybíjecího procesu v LIB systémech závisí na mobilitě lithiových iontů v aktivních materiálech. Studium mechanismu difuze iontů na atomární úrovni poskytuje neocenitelné poznatky, protože difuze iontů přímo ovlivňuje rychlost baterie, cyklický výkon a strukturální stabilitu. Tyto poznatky jsou zásadní pro pokrok v oblasti vývoje materiálů pro skladování energie, kde zlepšení mobility iontů může výrazně zlepšit výkon a stabilitu zařízení za různých provozních podmínek.
Metody DFT byly široce používány pro simulaci transportu iontů v bateriích, a to výpočtem aktivační energie podél difuzních cest iontů. Metoda nudged elastic band (NEB) je zásadní výpočetní technikou pro simulaci difuzního procesu materiálů anody. Tento přístup určuje minimální energetickou cestu mezi dvěma stabilními stavy vytvořením řady meziobrázků nebo konfigurací, které vytvářejí hladký přechodní cestu. Tato cesta ukazuje energetickou krajinu, kterou ionty překonávají, přičemž mezi obrázky jsou udržovány rovnoměrné vzdálenosti pomocí sil pružin. Tento přístup umožňuje přesné stanovení aktivační energie, což je klíčové pro pochopení mobility iontů v bateriových systémech a navádí návrh nových materiálů anody s vylepšeným výkonem, rychlejšími dobami nabíjení a vyšší účinností.
Na základě této metody Leggesse et al. (2019) provedli výzkum mobility Li iontů na grafenu zkoumáním minimální energetické cesty a identifikováním bodu přechodu podél dvou cest. V těchto cestách lithium migruje z nejvhodnějšího místa na svého prvního souseda, jak je znázorněno na obrázku. První cesta vede po C-C vazbě, zatímco druhá cesta vede nad vrchol C atomu. Autoři uvádějí, že první cesta vykazuje nejnižší bariéru difuze, přibližně 0,18 eV.
Pro vývoj anodových materiálů pro nové bateriové technologie je také nezbytné porozumět voltáži otevřeného obvodu (OCV) a teoretické kapacitě. OCV poskytuje cenné informace o termodynamické stabilitě materiálů anody a jejich schopnosti pohánět elektrony, což ovlivňuje hustotu energie a účinnost baterie. Na druhé straně specifická kapacita kvantifikuje maximální množství náboje (lithium), které může anoda uložit, což je zásadní faktor pro celkovou kapacitu ukládání energie baterie. Vysoká specifická kapacita a významná průměrná OCV jsou klíčové pro dosažení vysoké hustoty energie a dlouhé životnosti během procesů nabíjení a vybíjení.
Významným směrem výzkumu v této oblasti je strategie zvyšování počtu adsorbovaných Li atomů na materiálech anody s respektem k adsorpční energii Li atomů, což může pomoci optimalizovat kapacitu a stabilitu během cyklů nabíjení a vybíjení.
Jak optimalizovat asociaci uživatelů v heterogenní cloudové rádiové přístupové síti pro zlepšení energetické účinnosti?
V posledních letech se stále více zaměřujeme na zlepšení energetické účinnosti v heterogenních rádiových přístupových sítích (HetNet), zejména v rámci procesů přepínání a optimalizace síťových stanic. Cílem je nejen snížit spotřebu energie, ale také minimalizovat interferenci mezi zařízeními a optimalizovat asociaci uživatelů s buněčnými stanicemi (BS), což může výrazně zlepšit celkový výkon a spolehlivost sítě.
Studie provedené v této oblasti, jako jsou ty uvedené v práci [19], se zaměřují na modely spánku základnových stanic (BS), které pomáhají zlepšit energetickou účinnost v heterogenních sítích. Modely spánku pracují na principu vypnutí stanic, když není potřeba jejich aktivita, čímž dochází k úsporám energie. Další výzkum, například v [20], se zabývá algoritmy pro přepínání malých BS na základě optimální vzdálenosti, což pomáhá snižovat spotřebu energie. Studie [21] rozpracovávají metodiku spánku malých buněk na základě zátěže, kdy BS vypnou, pokud zátěž klesne pod určitou prahovou hodnotu. Takové přístupy se ukazují jako efektivní pro zlepšení energetické účinnosti, ale zároveň existují určité limity, které nelze opomenout.
Přestože byly navrženy různé modely, které zahrnují analytické a heuristické algoritmy pro optimalizaci alokace zdrojů (RA), problémy jako interference mezi zařízeními, výběr optimální stanice pro uživatele a zajištění kvalitní mobilní služby zůstávají výzvou. Pro tyto účely byly některé studie zaměřeny na návrh metod spánku založených na analýze zatížení a distribuce zdrojů.
V naší práci jsme se zaměřili na rozšíření těchto přístupů. Cílem bylo vytvořit efektivní asociaci uživatelů v heterogenní síti, která by minimalizovala spotřebu energie a interferenci mezi mobilními zařízeními. V rámci tohoto modelu máme jeden makro BS (MBS) podložený pěti malými BS, přičemž uživatelé (MUE) jsou náhodně rozloženi v oblasti pokrytí makro BS, zatímco malá BS mají své vlastní mobilní uživatele přidělené podle určitých kritérií.
Pro optimalizaci jsme zvolili model SINR (Signal-to-Interference-plus-Noise Ratio), který se používá k měření kvality signálu mezi uživatelem a jeho přidělenou BS. Cílem tohoto modelu je minimalizovat funkci nákladů pro každého uživatele, přičemž je třeba zvážit několik kritérií, jako jsou vzdálenost mezi uživatelem a stanicí, spotřeba energie a kvalita signálu.
Tato metodika se ukázala jako velmi účinná při optimalizaci alokace uživatelů na základě těchto kritérií. Nicméně, tento přístup měl své limity. Uvědomili jsme si, že pro dosažení ještě lepších výsledků je třeba přistoupit k využití pokročilých technologií, jako je strojové učení (AI). S pomocí AI lze vytvořit prediktivní modely pro výběr nejvhodnější základnové stanice pro každého uživatele, což nejen zvyšuje energetickou účinnost, ale i zlepšuje celkový uživatelský zážitek.
Výsledky experimentů ukázaly, že použití metod strojového učení výrazně zlepšilo výkon systému, kdy přesnost modelu dosáhla hodnoty až 97 %. Tento pokrok naznačuje, že AI může být klíčovým faktorem při optimalizaci uživatelských asociací a snižování spotřeby energie v heterogenních sítích.
Strojové učení umožňuje analyzovat a vyhodnocovat obrovské množství dat, které jsou v rámci HetNet generována, a následně využít tyto informace k optimalizaci výběru základnové stanice pro každého uživatele. Vstupy pro trénování modelu zahrnují například vzdálenost mezi uživatelem a stanicí, SNR (Signal-to-Noise Ratio) a spotřebu energie pro komunikaci mezi uživatelem a stanicí.
Implementace tohoto přístupu přináší významné zlepšení nejen v oblasti energetické účinnosti, ale také v redukci interferencí, což zajišťuje stabilní a spolehlivou komunikaci pro všechny uživatele v síti. Zároveň se tím otevírá cesta k dalšímu rozvoji a optimalizaci systémů, které budou v budoucnosti ještě efektivnější a přizpůsobivější.
Pokud jde o implementaci těchto metod v praxi, je důležité mít na paměti, že klíčovým faktorem pro úspěch je schopnost správně trénovat modely na skutečných datech a pravidelně je aktualizovat, aby se přizpůsobily změnám v síti a uživatelském chování. Úspěch těchto metod závisí na schopnosti integrovat různé technologie a strategie do celkového rámce správy sítě.
Jak funguje obchodování s energií v mikrosítích a místních energetických systémech?
V posledních letech se koncept obchodování s energií v rámci mikrosítí a místních energetických systémů (LES) stal klíčovým tématem, které přitahuje pozornost jak odborníků, tak politiků. Tento způsob obchodování se zaměřuje na umožnění individuálním účastníkům (například domácnostem, malým firmám nebo komunitám) výměny přebytečné energie v decentralizovaném, peer-to-peer (P2P) formátu. Mikrosítě jsou autonomní energetické systémy, které dokážou fungovat nezávisle na hlavní síti, což jim umožňuje efektivně reagovat na změny v poptávce a nabídce energie.
Peer-to-peer obchodování s energií se liší od tradičního centralizovaného modelu tím, že umožňuje uživatelům vzájemně si prodávat a kupovat energii, čímž se vytváří flexibilní a dynamický trh. Tento model není pouze o výměně energie, ale i o zajištění větší energetické autonomie a stability. Technologie jako blockchain a umělá inteligence (AI) zde hrají klíčovou roli, protože zajišťují transparentnost, bezpečnost a efektivitu transakcí, což je klíčové pro fungování decentralizovaných systémů.
Výhody tohoto modelu jsou patrné na několika úrovních. Za prvé, přebytek energie, který by jinak mohl být nevyužit, se může prodávat ostatním účastníkům sítě, čímž dochází k efektivnímu využívání zdrojů. Za druhé, decentralizace umožňuje lepší integraci obnovitelných zdrojů energie, jako jsou solární panely a větrné turbíny, což přispívá k udržitelnosti celého systému. Místní trhy mohou také pomoci vyrovnávat poptávku a nabídku v reálném čase, což může vést k optimalizaci spotřeby energie a minimalizaci energetických ztrát.
Představme si konkrétní příklad: domácnost s instalovanými solárními panely, která generuje více energie, než spotřebuje, může tuto přebytečnou energii prodat svým sousedům. Systém by automaticky monitoroval nabídku a poptávku v dané oblasti, aby zajistil spravedlivé stanovení cen a aby obchody probíhaly v reálném čase bez potřeby prostředníků. Tento proces je zajištěn pomocí chytrých smluv, které jsou součástí blockchainového systému a automaticky vykonávají transakce na základě stanovených pravidel.
Další výhodou je zvýšená energetická bezpečnost. Místní energetické systémy, které nejsou závislé na centrální infrastruktuře, mohou lépe reagovat na krizové situace, jako jsou výpadky elektrického proudu nebo narušení dodávek energie. Pokud jedna část sítě selže, ostatní části mohou pokračovat v provozu, což minimalizuje celkové riziko výpadku.
Aby bylo toto obchodování efektivní, musí být zajištěna také správná regulace. Bez vhodného rámce, který by definoval práva účastníků, pravidla pro cenu energie a podmínky pro bezpečnost a ochranu dat, by decentralizované systémy nemohly fungovat optimálně. Navíc je důležité, aby byly vyvinuty technologie, které umožní snadnou integraci těchto mikrosítí do širší energetické sítě, a to jak na technické, tak na právní úrovni.
V tomto kontextu blockchainové technologie hrají klíčovou roli, protože umožňují transparentní, nezměnitelné a bezpečné zaznamenávání transakcí mezi účastníky trhu. Blockchain také umožňuje využívání inteligentních kontraktů, které automatizují procesy obchodování, vyřeší problémy s důvěrou mezi účastníky a mohou odstranit potřebu centralizovaných zprostředkovatelů, jako jsou energetické společnosti. To znamená, že ceny za energii mohou být stanoveny efektivněji na základě poptávky a nabídky, což má přímý vliv na ekonomiku celého systému.
Je nutné vzít v úvahu i některé výzvy, které jsou s tímto modelem spojené. Bez pečlivé ochrany dat může být tento systém náchylný k kybernetickým útokům. Zajištění bezpečnosti uživatelských dat a ochrany soukromí je tedy klíčovým faktorem pro úspěšnou implementaci těchto technologií. Dále je třeba vyřešit problémy týkající se regulace a právního rámce, který by zaručil, že obchodování bude probíhat spravedlivě a v souladu s pravidly trhu. Vzhledem k tomu, že tento typ obchodování s energií je stále relativně novým jevem, bude trvat nějaký čas, než se všechny problémy vyřeší a trh bude zcela vyspělý.
Tento typ energetických systémů má však velký potenciál pro budoucnost, zejména v kontextu zajištění udržitelnosti, zvýšení energetické nezávislosti a podpoření přechodu na obnovitelné zdroje energie. Technologie, které dnes rozvíjíme, mohou v budoucnu znamenat revoluci v tom, jakým způsobem nakládáme s energií a jak ji distribuujeme.

Deutsch
Francais
Nederlands
Svenska
Norsk
Dansk
Suomi
Espanol
Italiano
Portugues
Magyar
Polski
Cestina
Русский