$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Con il rapido sviluppo delle fonti di energia rinnovabile, le microreti hanno guadagnato un'attenzione significativa a livello globale1. Consentono l'integrazione nella rete di risorse energetiche distribuite (DER), come il solare fotovoltaico (PV), insieme ai sistemi di accumulo di energia (ESS), supportando così la transizione verso l'energia sostenibile e rinnovabile. In quanto componente fondamentale nell'integrazione delle energie rinnovabili, le microreti CC hanno attirato una notevole attenzione grazie alla loro compatibilità con la natura CC intrinseca dei sistemi fotovoltaici, delle batterie e di altri DER. Il funzionamento CC riduce la necessità di più conversioni di energia, il che può migliorare l'efficienza e l'affidabilità complessive del sistema. Di conseguenza, le microreti CC rappresentano una strada promettente per ottimizzare l'integrazione delle energie rinnovabili2.
È ampiamente riconosciuto che la simulazione e gli studi sperimentali sono fondamentali per far progredire la tecnologia delle microreti. Le simulazioni consentono a ricercatori o ingegneri di modellare e analizzare vari scenari e strategie di controllo in un ambiente virtuale, che è conveniente e privo di rischi. Tuttavia, la sperimentazione nel mondo reale è altrettanto importante in quanto convalida questi modelli e teorie, rivelando sfide pratiche e comportamenti dinamici che le simulazioni potrebberonon catturare completamente. Nonostante le intuizioni ottenute dalle simulazioni, sono necessari esperimenti pratici sulle microreti per affrontare i problemi che derivano dalle implementazioni fisiche. Questi esperimenti aiutano a comprendere le caratteristiche operative, le dinamiche di controllo e le interazioni tra i diversi componenti in un contesto reale4. Data la loro scala ridotta e la loro natura modulare, le microreti offrono una soluzione più gestibile e scalabile per condurre questi studi sperimentali vitali rispetto alle tradizionali reti elettriche su larga scala, che sono troppo estese e complesse per la sperimentazione pratica. Pertanto, condurre esperimenti fisici sulle microreti è essenziale per far progredire la nostra comprensione e le nostre capacità in questo campo.
In una tipica microgrid CC, vari DER sono collegati a un bus CC tramite convertitori di potenza. Questa configurazione facilita lo scambio diretto di alimentazione senza la necessità di più conversioni CC-CC o CA-CC5. Questi convertitori di potenza regolano la tensione e la corrente, garantendo un trasferimento di potenza efficiente e stabilità. Il bus CC funge da nodo centrale, distribuendo l'alimentazione ai vari carichi collegati al sistema. Le linee di trasmissione forniscono i percorsi necessari per il flusso di energia tra i DER, i convertitori e i carichi, mantenendo un'alimentazione stabile e affidabile all'interno della microrete. Per gestire efficacemente il funzionamento di una microrete CC, viene spesso impiegata una struttura di controllo gerarchica6. Questa struttura è generalmente suddivisa in tre livelli: controllo primario, secondario e terziario, ciascuno con funzioni e responsabilità distinte.
Il controllo primario si concentra sulla regolazione immediata della tensione e della corrente all'interno della microrete CC, garantendo stabilità e una corretta condivisione di corrente/potenza tra i DER. Il controllo primario più comune è il controllo della caduta. Rispetto ad altri controlli primari, è privo di comunicazione e ha una risposta rapida. Tuttavia, a causa della sua caratteristica di abbassamento, il controllo dell'abbassamento può causare una deviazione della tensione e non è in grado di mantenere la tensione al valore nominale. Allo stesso tempo, all'aumentare del carico e del numero di DER, la precisione della condivisione della corrente diminuisce. Pertanto, è necessario un ulteriore controllo secondario per il ripristino della tensione e la regolazione della corrente. Il controllo secondario ripristina i punti di funzionamento del sistema dopo i disturbi e coordina i controllori primari per la regolazione della tensione e della corrente. Il controllo terziario ottimizza il funzionamento economico e strategico della microrete, gestendo la programmazione energetica e le interazioni con la rete elettrica principale7.
La letteratura recente evidenzia progressi significativi nell'applicazione del controllo gerarchico per le microreti CC, passando dagli studi di simulazione alle configurazioni hardware-in-the-loop (HIL) e, infine, agli esperimenti fisici del mondo reale. Gli studi di ricerca iniziali hanno spesso impiegato strumenti di simulazione per sviluppare e testare algoritmi di controllo gerarchico per microreti CC. Questi studi si concentrano sulla modellazione del comportamento dinamico delle microreti, sull'ottimizzazione delle strategie di controllo e sulla valutazione delle prestazioni del sistema in varie condizioni. Gli ambienti di simulazione come MATLAB/Simulink e PSCAD sono comunemente utilizzati grazie alla loro flessibilità e ai set di strumenti completi per l'analisi dei sistemi di alimentazione8. Andando oltre le simulazioni pure, gli esperimenti HIL forniscono un ambiente di test più realistico integrando l'hardware di controllo in tempo reale con modelli di microgrid simulati. Questo approccio consente ai ricercatori di convalidare gli algoritmi di controllo e di valutarne le prestazioni in condizioni quasi reali. Le configurazioni HIL colmano il divario tra studi teorici e implementazioni pratiche, offrendo preziose informazioni sull'interazione tra i sistemi di controllo e i componenti delle microgrid9. La convalida finale delle strategie di controllo gerarchico si ottiene attraverso esperimenti fisici su configurazioni di microgrid reali. Questi esperimenti prevedono l'implementazione di algoritmi di controllo su hardware di microgrid reali, tra cui DER, convertitori elettronici di potenza e unità di controllo. Gli esperimenti fisici forniscono la valutazione più accurata delle prestazioni del sistema, rivelando sfide pratiche e problemi operativi che potrebbero non essere evidenti nelle simulazioni o nelle configurazioni HIL.
Per riassumere la progressione della ricerca sul controllo gerarchico nelle microreti DC, la Tabella 1 presenta una panoramica degli studi chiave classificati in base al loro approccio sperimentale. Dalla suddetta letteratura, è evidente che, mentre alcuni studi hanno utilizzato con successo piattaforme di microgrid fisiche per la sperimentazione, vi è una notevole mancanza di documentazione sistematica e di descrizioni complete di queste piattaforme sperimentali e del loro utilizzo, in particolare nel contesto del controllo gerarchico. Questa lacuna è significativa perché informazioni dettagliate sulle configurazioni sperimentali, le metodologie e i risultati sono fondamentali per replicare gli studi, far progredire la ricerca e facilitare l'implementazione pratica di strategie di controllo gerarchico nelle tecnologie delle microreti. Alla luce di questa esigenza, questo articolo si propone di fornire un'introduzione dettagliata e sistematica allo sviluppo e all'utilizzo di una piattaforma sperimentale fisica per microreti DC, concentrandosi sul controllo gerarchico, per contribuire con preziose intuizioni e linee guida pratiche alla ricerca in corso in questo campo.
In sintesi, i principali contributi di questo articolo sono i seguenti. In primo luogo, nell'ambito della strategia di controllo gerarchico, l'articolo elabora in dettaglio gli algoritmi di controllo necessari e le implementazioni per il controllo delle microreti, mentre i lavori precedenti hanno per lo più trattato gli esperimenti come validazione senza ulteriori elaborazioni. In secondo luogo, in linea con l'implementazione degli algoritmi di controllo, questo documento fornisce anche la configurazione hardware e la topologia dei componenti della microrete, migliorando la riproducibilità degli esperimenti di controllo della microrete. In terzo luogo, costruendo una piattaforma sperimentale scalabile, questo documento getta le basi per la ricerca futura sulle microreti, consentendo un'ulteriore esplorazione delle prestazioni di controllo in condizioni reali come ritardi di comunicazione e variazioni di carico, supportando così lo sviluppo di strategie di controllo più robuste ed efficienti.