$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Mit der rasanten Entwicklung erneuerbarer Energiequellen haben Microgrids weltweit an Bedeutung gewonnen1. Sie ermöglichen die Integration von dezentralen Energieressourcen (DERs) wie Solarphotovoltaik (PV) sowie Energiespeichersystemen (ESS) in das Netz und unterstützen so den Übergang zu nachhaltiger und erneuerbarer Energie. Als kritische Komponente bei der Integration erneuerbarer Energien haben DC-Microgrids aufgrund ihrer Kompatibilität mit der inhärenten DC-Natur von PV-Systemen, Batterien und anderen DERs große Aufmerksamkeit erregt. Der Gleichstrombetrieb reduziert den Bedarf an mehrfachen Energieumwandlungen, was die Effizienz und Zuverlässigkeit des Gesamtsystems verbessern kann. Folglich stellen DC-Microgrids einen vielversprechenden Weg zur Optimierung der Integration erneuerbarer Energien dar2.
Es ist allgemein anerkannt, dass Simulationen und experimentelle Studien für die Weiterentwicklung der Microgrid-Technologie von entscheidender Bedeutung sind. Simulationen ermöglichen es Forschern oder Ingenieuren, verschiedene Szenarien und Steuerungsstrategien in einer virtuellen Umgebung kostengünstig und risikofrei zu modellieren und zu analysieren. Experimente in der realen Welt sind jedoch ebenso wichtig, da sie diese Modelle und Theorien validieren und praktische Herausforderungen und dynamische Verhaltensweisen aufzeigen, die Simulationen möglicherweise nicht vollständig erfassen3. Trotz der aus den Simulationen gewonnenen Erkenntnisse sind praktische Experimente mit Microgrids notwendig, um Probleme zu lösen, die sich aus physikalischen Implementierungen ergeben. Diese Experimente helfen dabei, die Betriebseigenschaften, die Regelungsdynamik und die Wechselwirkungen zwischen verschiedenen Komponenten in einer realen Umgebungzu verstehen 4. Aufgrund ihres kleineren Maßstabs und ihres modularen Charakters bieten Microgrids im Vergleich zu herkömmlichen Großnetzen, die für praktische Experimente zu umfangreich und komplex sind, eine überschaubarere und skalierbarere Lösung für die Durchführung dieser wichtigen experimentellen Studien. Daher ist die Durchführung physikalischer Experimente an Microgrids unerlässlich, um unser Verständnis und unsere Fähigkeiten in diesem Bereich zu verbessern.
In einem typischen DC-Microgrid sind verschiedene DERs über Stromrichter mit einem DC-Bus verbunden. Dieser Aufbau ermöglicht den direkten Austausch von Strom, ohne dass mehrere DC-DC- oder AC/DC-Wandlungenerforderlich sind 5. Diese Stromrichter regeln die Spannung und den Strom und sorgen so für eine effiziente Energieübertragung und Stabilität. Der DC-Bus dient als zentraler Knoten, der die Stromversorgung an verschiedene Verbraucher verteilt, die an das System angeschlossen sind. Die Übertragungsleitungen stellen die notwendigen Wege für den Stromfluss zwischen den DERs, Konvertern und Lasten bereit und sorgen für eine stabile und zuverlässige Stromversorgung innerhalb des Microgrids. Um den Betrieb eines DC-Microgrids effektiv zu verwalten, wird häufig eine hierarchische Steuerungsstruktur eingesetzt6. Diese Struktur ist im Allgemeinen in drei Ebenen unterteilt: primäre, sekundäre und tertiäre Kontrolle, die jeweils unterschiedliche Funktionen und Zuständigkeiten haben.
Die Primärregelung konzentriert sich auf die unmittelbare Regelung von Spannung und Strom innerhalb des DC-Microgrids, um Stabilität und eine ordnungsgemäße Strom-/Leistungsverteilung zwischen den DERs zu gewährleisten. Die gebräuchlichste primäre Kontrolle ist die Droop-Kontrolle. Im Vergleich zu anderen Primärsteuerungen ist es kommunikationsfrei und reagiert schnell. Aufgrund ihrer Droop-Charakteristik kann die Droop-Regelung jedoch zu Spannungsabweichungen führen und ist nicht in der Lage, die Spannung auf dem Nennwert zu halten. Gleichzeitig nimmt mit zunehmender Last und zunehmender Anzahl von DERs die Genauigkeit der Stromverteilung ab. Daher ist eine zusätzliche Sekundärregelung für die Spannungswiederherstellung und Stromregelung erforderlich. Die Sekundärregelung stellt die Betriebspunkte des Systems nach Störungen wieder her und koordiniert die Primärregler für die Spannungs- und Stromregelung. Die tertiäre Steuerung optimiert den wirtschaftlichen und strategischen Betrieb des Microgrids, indem sie die Energieplanung und die Wechselwirkungen mit dem Hauptstromnetzverwaltet 7.
In der jüngsten Literatur werden bedeutende Fortschritte bei der Anwendung der hierarchischen Steuerung für DC-Mikronetze hervorgehoben, die von Simulationsstudien über Hardware-in-the-Loop-Setups (HIL) bis hin zu physikalischen Experimenten in der realen Welt reichen. In ersten Forschungsstudien wurden häufig Simulationswerkzeuge eingesetzt, um hierarchische Steuerungsalgorithmen für DC-Microgrids zu entwickeln und zu testen. Diese Studien konzentrieren sich auf die Modellierung des dynamischen Verhaltens von Microgrids, die Optimierung von Steuerungsstrategien und die Bewertung der Systemleistung unter verschiedenen Bedingungen. Simulationsumgebungen wie MATLAB/Simulink und PSCAD werden aufgrund ihrer Flexibilität und umfassenden Toolsets für die Analyse von Stromnetzen häufig verwendet8. HIL-Experimente gehen über reine Simulationen hinaus und bieten eine realistischere Testumgebung, indem Echtzeit-Steuerungshardware in simulierte Microgrid-Modelle integriert wird. Dieser Ansatz ermöglicht es den Forschern, Steuerungsalgorithmen zu validieren und ihre Leistung unter realitätsnahen Bedingungen zu bewerten. HIL-Setups schließen die Lücke zwischen theoretischem Studium und praktischer Umsetzung und bieten wertvolle Einblicke in die Interaktion zwischen Steuerungssystemen und Microgrid-Komponenten9. Die ultimative Validierung hierarchischer Steuerungsstrategien wird durch physikalische Experimente an realen Microgrid-Setups erreicht. Diese Experimente beinhalten den Einsatz von Steuerungsalgorithmen auf realer Microgrid-Hardware, einschließlich DERs, leistungselektronischen Wandlern und Steuergeräten. Physikalische Experimente liefern die genaueste Bewertung der Systemleistung und zeigen praktische Herausforderungen und betriebliche Probleme auf, die in Simulationen oder HIL-Setups möglicherweise nicht erkennbar sind.
Um den Fortschritt der hierarchischen Steuerungsforschung in DC-Microgrids zusammenzufassen, gibt Tabelle 1 einen Überblick über Schlüsselstudien, die nach ihrem experimentellen Ansatz kategorisiert sind. Aus der oben genannten Literatur geht hervor, dass zwar einige Studien physische Microgrid-Plattformen erfolgreich für Experimente genutzt haben, es jedoch einen bemerkenswerten Mangel an systematischer Dokumentation und umfassender Beschreibung dieser experimentellen Plattformen und ihrer Nutzung gibt, insbesondere im Zusammenhang mit der hierarchischen Steuerung. Diese Lücke ist von Bedeutung, da detaillierte Informationen über Versuchsaufbauten, Methoden und Ergebnisse entscheidend sind, um Studien zu replizieren, die Forschung voranzutreiben und die praktische Umsetzung hierarchischer Steuerungsstrategien in Microgrid-Technologien zu erleichtern. Vor diesem Hintergrund zielt dieses Papier darauf ab, eine detaillierte und systematische Einführung in die Entwicklung und Nutzung einer physikalischen experimentellen Plattform für DC-Microgrids zu geben, wobei der Schwerpunkt auf der hierarchischen Steuerung liegt, um wertvolle Erkenntnisse und praktische Richtlinien für die laufende Forschung in diesem Bereich beizutragen.
Zusammenfassend sind die Hauptbeiträge dieses Papiers wie folgt. Zunächst werden im Rahmen der hierarchischen Steuerungsstrategie die notwendigen Steuerungsalgorithmen und Implementierungen für die Steuerung von Microgrids detailliert ausgearbeitet, während frühere Arbeiten Experimente meist als Validierung ohne weitere Ausarbeitung behandelt haben. Zweitens bietet dieses Papier in Übereinstimmung mit dem Einsatz von Regelungsalgorithmen auch den Hardware-Aufbau und die Topologie der Microgrid-Komponenten, wodurch die Reproduzierbarkeit von Microgrid-Steuerungsexperimenten verbessert wird. Drittens legt dieses Papier durch den Aufbau einer skalierbaren experimentellen Plattform den Grundstein für die zukünftige Forschung zu Microgrids und ermöglicht eine weitere Erforschung der Steuerungsleistung unter realen Bedingungen wie Kommunikationsverzögerungen und Lastschwankungen, wodurch die Entwicklung robusterer und effizienterer Steuerungsstrategien unterstützt wird.