Experimentelle Untersuchung der hierarchischen Regelung in DC-Microgrids mit Hilfe eines Echtzeitsimulators
February 14th, 2025
In diesem Artikel wird ein DC-Microgrid mit hierarchischer Steuerung vorgestellt, das in einem Simulator, OPAL RT-Lab, implementiert ist. Es beschreibt die Schaltungsmodellierung, primäre und sekundäre Steuerungsstrategien und die experimentelle Validierung. Die Ergebnisse zeigen eine effektive Steuerungsleistung und unterstreichen die Bedeutung einer robusten experimentellen Plattform für die Forschung und Entwicklung von Microgrids.
Unsere Forschung konzentriert sich hauptsächlich auf die Entwicklung hierarchischer Steuerungsstrategien für reale Microgrid-Plattformen und die experimentelle Validierung. Unser Ziel ist es, praktische Herausforderungen bei den Tests der Wirksamkeit von Steuerungsmethoden in dynamischen Microgrid-Umgebungen anzugehen. Die jüngsten Entwicklungen in der Microgrid-Forschung zeigen eine große Anzahl von Demonstrationsprojekten, doch die meisten theoretischen Studien werden immer noch durch Simulationen oder Experimente validiert.
Systematische experimentelle Plattform, die reale Micro-Grid-Steuerungsstrategien integriert, bleiben Narben, die die praktische Verifizierung und Optimierung von Steuerungsmethoden einschränken. Unser Protokoll bietet den Vorteil, dass es eine realitätsnahe hardwarebasierte Instrumentierung hierarchischer Steuerungsstrategien in Microgrids ermöglicht und so die Lücke zwischen Simulation und praktischer Umsetzung schließt. Es bietet einen umfassenden praktischen Ansatz für den Einsatz von Steuerungssystemen auf realen Plattformen und gewährleistet so eine bessere Systemvalidierung.
Zukünftige Forschungen in unserem Labor werden sich auf die Erforschung fortschrittlicher Steuerungsstrategien für Microgrids konzentrieren, um die Robustheit des Systems zu verbessern. Unser Ziel ist es, die Fähigkeit des Microgrid-Betriebs in realen Szenarien wie plötzlichen Nicht-Änderungen und Netzwerkmitarbeitern zu verbessern, um eine zuverlässige, effiziente Leistung in praktischen Szenarien zu gewährleisten. Um einzelne verteilte Energieressourcen oder DER zu konstruieren, verbinden Sie den Pluspol der Gleichstromquelle oder Gleichstromquelle über einen Draht mit dem Eingangspluspol der Abwärtsschaltung, während Sie gleichzeitig die entsprechenden Minuspole verbinden.
Erstellen Sie ein mathematisches Modell für den Abwärtswandler, um die Auslegung von Regelungsparametern für Simulationen und Versuchsaufbauten zu erleichtern. Verwenden Sie die Methode der Zustandsraummittelung, um die Zustandsraumgleichungen für einen typischen Abwärtswandler zu erstellen. Transformieren Sie als Nächstes die Zustandsraumgleichung in die Form der Übertragungsfunktion, um den Entwurf eines proportionalen integralen Reglers zu vereinfachen.
Nachdem Sie einzelne DERs konstruiert haben, schließen Sie die entsprechenden positiven und negativen Ausgangsanschlüsse jeder Abwärtsschaltung an. Um die Leitungsimpedanz zu simulieren, fügen Sie kleine Widerstände in Reihe zwischen den Pluspolen jedes DER ein. Verwenden Sie für die Lastintegration Widerstände, um gängige Lasten in DC-Microgrids zu simulieren.
Verbinden Sie die Widerstände direkt mit den Konfluenzpunkten der Plus- und Minuspole aller verteilten Energieressourcen für globale Lasten. Wenn eine Leitungsimpedanz vorhanden ist, schließen Sie Widerstände am Ausgang jeder Abwärtsschaltung an, um lokale Lasten zu simulieren. Drücken Sie anschließend den Netzschalter am Netzteil.
Stellen Sie die Spannung mit dem Drehknopf auf den angegebenen Wert ein. Stellen Sie sicher, dass das Netzteil im Bereich von null bis 300 Volt und einer maximalen Leistung von 600 Watt arbeitet. Leiten Sie die Eingangs- und Ausgangssignale des DCDC-Abwärtswandlers auf eine Signalumwandlungsplatine.
Verbinden Sie die Signalumwandlungsplatine über Signalkabel mit dem Hardware-Controller des Simulators. Überprüfen Sie abschließend die Bus- und Lastverbindungen. Überprüfen Sie alle Verbindungen auf Genauigkeit und Sicherheit.
Wenn Sie proportionale integrale Steuerverstärkungen auswählen, verwenden Sie das Übertragungsfunktionsmodell des Abwärtswandlers aus der Übertragungsfunktionsgleichung. Befolgen Sie die Reihenfolge, in der Sie zuerst den internen Stromregelkreis und dann den äußeren Spannungsregelkreis entwerfen. Stellen Sie den Controllern jedes DER unterschiedliche Eingangssignale zur Verfügung, um die verteilte Steuerung innerhalb des zentralen Simulator-Controllers zu implementieren.
Ziehen Sie z.B. Signale von DER two und DER four in das Steuermodul von DER one. Erstellen Sie als Nächstes das Blockdiagramm für die sekundäre Steuerung im Simulator, basierend auf der konsensbasierten sekundären Steuerung. Passen Sie die Reaktion des sekundären Reglers an, indem Sie die Reglerverstärkungen im Simulator ändern.
Klicken Sie für den Versuchsaufbau des Echtzeitsimulators auf die Schaltfläche Bearbeiten, um das auf dem Simulator ausgeführte Programm zu ändern. Aktivieren Sie anschließend die Schaltfläche set, um die Einstellungen für die Entwicklungseigenschaft abzuschließen. Klicken Sie nach Abschluss der Modellbearbeitung auf die Schaltfläche Erstellen, um das Modell in ausführbaren Code zu kompilieren.
Überwachen Sie das Fenster zur Softwarekompilierung, bis die Meldung Kompilierung erfolgreich angezeigt wird. Konfigurieren Sie nach erfolgreicher Kompilierung die Einstellungen des Programmcodes, einschließlich des Simulationsmodus, des Verbindungstyps für die Echtzeitkommunikation und anderer relevanter Parameter. Laden Sie das kompilierte ausführbare Programm in die Controller-Hardware herunter.
Starten Sie dann das Programm, um das Experiment zu starten. Verbinden Sie die Spannungstastköpfe des Oszilloskops mit den Plus- und Minuspolen jedes DER-Ausgangs und klemmen Sie die Stromtastköpfe an die Ausgangsanschlüsse.
View the full transcript and gain access to thousands of scientific videos
Überblick
Dieser Artikel präsentiert ein DC-Mikronetz mit hierarchischer Steuerung, das in einem Simulator, OPAL RT-Lab, implementiert wurde. Es beschreibt die Schaltkreismodellierung, primäre und sekundäre Steuerungsstrategien sowie die experimentelle Validierung.
Wichtige Studienkomponenten
Fachgebiet
- Mikronetz-Steuerungsstrategien
- Experimentelle Validierung
- Schaltkreismodellierung
Hintergrund
- Fokus auf hierarchische Steuerungsstrategien für Mikronetze.
- Herausforderungen bei der Validierung von Steuerungsmethoden in dynamischen Umgebungen.
- Integration von Echtzeit-Plattformen für bessere Validierung.
- Bedeutung systematischer experimenteller Plattformen.
Zweck der Studie
- Entwicklung und Validierung hierarchischer Steuerungsstrategien.
- Überbrückung der Lücke zwischen Simulation und praktischer Implementierung.
- Bereitstellung eines praktischen Ansatzes für den Einsatz von Steuerungssystemen.
Verwendete Methoden
- Simulation mit OPAL RT-Lab.
- Schaltkreismodellierungstechniken.
- Implementierung primärer und sekundärer Steuerungsstrategien.
- Experimentelle Validierung der Steuerungsleistung.
Hauptergebnisse
- Effektive Steuerungsleistung demonstriert.
- Bedeutung robuster experimenteller Plattformen hervorgehoben.
- Validierung von Steuerungsmethoden in realen Szenarien.
- Bewältigung praktischer Herausforderungen in der Mikronetzforschung.
Schlussfolgerungen
- Hierarchische Steuerungsstrategien können effektiv validiert werden.
- Echtzeit-Plattformen erhöhen die Zuverlässigkeit der Ergebnisse.
- Zukünftige Forschung kann auf diesem systematischen Ansatz aufbauen.
Häufig gestellte Fragen
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.
