使用实时仿真器对直流微电网中的分层控制进行实验研究
2025年2月14日
本文介绍了一种在仿真器 OPAL RT-Lab 中实现分层控制的直流微电网。它详细介绍了电路建模、初级和次级控制策略以及实验验证。结果证明了有效的控制性能，凸显了强大的实验平台对微电网研发的重要性。
我们的研究主要集中在开发分层控制策略，以开发到真实世界微电网平台的实验验证。我们的目标是解决动态微电网环境中控制方法有效性测试中的实际挑战。微电网研究的最新发展表明存在大量的示范项目，但大多数理论研究仍然通过模拟或实验得到验证。
集成真实世界微电网控制策略的系统化实验平台仍然存在限制实际验证和控制方法优化的缺陷。我们的协议提供了支持微电网中分层控制器策略的基于实际硬件的仪表的优势，解决了仿真和实际实施之间的差距。它为在实际平台上部署控制系统提供了一种全面的动手实践方法，确保更好的系统验证。
我们实验室的未来研究将侧重于探索微电网的先进控制策略，旨在增强系统的稳健性。我们寻求提高微电网在实际场景（例如突然没有变化和网络劳动力）下的运行能力，以确保在实际场景中可靠、高效的性能。要构建单独的分布式能源 （DER），请通过电线将直流电或直流电源的正极连接到降压电路的输入正极，同时连接相应的负极。
为降压转换器构建数学模型，以促进仿真和实验设置的控制参数设计。使用状态空间平均方法构建典型 Buck 转换器的状态空间方程。接下来，将状态空间方程转换为传递函数形式，以便更轻松地进行比例积分控制器设计。
构建单独的 DER 后，连接每个 Buck 电路的相应正负输出端子。为了模拟线路阻抗，在每个 DER 的正极之间串联插入小电阻器。对于负载集成，使用电阻器来模拟直流微电网中的常见负载。
将电阻器端子直接连接到全球负载的所有分布式能源的正负极的汇合点。当存在线路阻抗时，在每个降压电路的输出端连接电阻器以模拟本地负载。接下来，按下电源上的电源按钮。
使用旋钮将电压调整到指定值。确保电源在 0 到 300 伏的范围内运行，最大功率为 600 瓦。将 DCDC buck 转换器的输入和输出信号路由到信号转换板。
使用信号线将信号转换板连接到仿真器硬件控制器。最后，验证总线和负载连接。检查所有连接的准确性和安全性。
要配置 Droop 控制模块，请将 gains 和 difference blocks 等组件拖放到控制模块中。双击增益模块并根据需要设置下降系数。然后，对于双回路比例积分控制设置，将组件拖放到刺激器中。
在选择比例积分控制增益时，使用传递函数方程中 buck 转换器的传递函数模型。按照先设计内部电流控制回路，再设计外部电压控制回路的顺序。向每个 DER 的控制器提供不同的输入信号，以实现集中式仿真器控制器内的分布式控制。
例如，将 DER 2 和 DER 4 的信号拖到 DER 1 的控制模块中。接下来，基于基于共识的 Secondary Control 在仿真器中构建 Secondary Control 框图。通过在仿真器中修改 control gains 来调整 secondary control 的响应。
对于实时仿真器实验设置，请单击 edit 按钮以修改在仿真器上运行的程序。随后，激活设置按钮以完成开发属性设置。完成模型编辑后，点击 build 按钮，将模型编译成可执行代码。
监控软件编译窗口，直到出现消息 compilation successful。编译成功后，配置程序代码设置，包括仿真模式、实时通信链路类型和其他相关参数。将编译后的可执行程序下载到控制器硬件中。
然后，启动程序以启动实验。将示波器的电压探头连接到每个 DER 输出的正负端子，并将电流探头夹在输出端口处。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了在模拟器OPAL RT-Lab中实现的具有分层控制的直流微电网。它详细说明了电路建模、一级和二级控制策略以及实验验证。
关键研究组成部分
科学领域
- 微电网控制策略
- 实验验证
- 电路建模
背景
- 关注微电网的分层控制策略。
- 动态环境中验证控制方法的挑战。
- 集成实际平台以进行更好的验证。
- 系统实验平台的重要性。
研究目的
- 开发和验证分层控制策略。
- 弥合仿真和实际实施之间的差距。
- 为部署控制系统提供实践方法。
使用的方法
- 使用OPAL RT-Lab进行模拟。
- 电路建模技术。
- 一级和二级控制策略的实施。
- 控制性能的实验验证。
主要结果
- 展示了有效的控制性能。
- 强调了强大的实验平台的重要性。
- 在真实场景中验证了控制方法。
- 解决了微电网研究中的实际挑战。
结论
- 分层控制策略可以有效验证。
- 实际平台增强了结果的可靠性。
- 未来研究可以在这种系统方法的基础上进行。
常见问题
Executive Industry Relevance
Reliable control of distributed energy resources in DC microgrids is critical for the integration of renewables and storage in biopharma R&D facilities, where power quality and system resilience directly impact sensitive operations. Hierarchical control strategies validated on real-time simulators bridge the gap between theoretical models and practical deployment, supporting predictive confidence in energy management. This experimental platform enables risk-adjusted decisions for infrastructure investments and operational continuity in advanced research environments.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables rigorous hypothesis testing of control algorithms for distributed energy systems.
- Supports mechanistic de-risking by validating control responses under dynamic load and network conditions.
- Facilitates functional validation of power-sharing and voltage regulation strategies.
Screening & Assay Development
- Prepares validated microgrid models for downstream integration with facility automation and process control systems.
- Standardizes control parameterization and reproducibility across experimental runs.
- Generates quantitative outputs for benchmarking control performance and system stability.
Translational & Preclinical Research
- Aligns experimental microgrid platforms with real-world operational scenarios relevant to biopharma infrastructure.
- Supports continuity from simulation to hardware implementation, reducing translational risk.
- Enables risk-adjusted advancement of energy management solutions for critical research environments.
Pipeline & Workflow Integration
This experimental platform positions hierarchical control validation at the intersection of discovery, screening, and translational research for energy systems in biopharma settings.
- Discovery Biology: Provides a testbed for hypothesis-driven evaluation of distributed control strategies.
- Screening: Delivers reproducible, quantitative measurements of voltage and current regulation under varying conditions.
- Analytics: Enables oscilloscope-based readouts and statistical comparison of control responses with and without delay.
- Translational Research: Bridges simulation and hardware, supporting deployment in operational environments.
- Enterprise Reuse: Establishes a reusable experimental framework for ongoing control strategy development and validation.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in microgrid control performance and system reliability.
- Operational Value: Standardizes experimental validation, supporting reproducibility and scalability across sites.
- Strategic Value: Informs go/no-go decisions for energy infrastructure upgrades and risk mitigation.
- Portfolio Impact: Enables risk-adjusted prioritization of energy management solutions for research and manufacturing facilities.
Implementation Considerations
- Requires expertise in power electronics, control systems, and real-time simulation platforms.
- Demands access to hardware-in-the-loop simulators and instrumentation such as oscilloscopes.
- Necessitates cross-team standardization of control parameters and experimental protocols.
- Adaptation may be needed for different DER types or facility-specific load profiles.
- Practical limitations include simulator hardware constraints and the need for secure, accurate wiring and signal routing.
