Hoe het Stroombeheer in Microgrids Werkt: Controle van Stroom en Spanning in VSC-Configuraties

Het beheer van energie in microgrids is een essentieel onderdeel van moderne elektrische netwerken, waarbij verschillende operationele modi van Voltage Source Converters (VSC) cruciaal zijn voor de stabiliteit en efficiëntie van het systeem. In dit hoofdstuk wordt de controle van actieve en reactieve stroom, de spanning van de DC-link, en de spanning aan de AC-zijde besproken. Deze mechanismen zijn fundamenteel voor het integreren van meerdere microgrids, die elk hun eigen spannings- en frequentieverwijzingen kunnen bepalen.

In veel gevallen is het belangrijk om zowel de actieve als de reactieve stroomstroom te regelen. Actieve stroom (P) kan worden aangepast door de fasehoek (ϕ) tussen de omvormer en het hoofdnet aan te passen. Een positieve waarde voor ϕ betekent dat de omvormer energie in het net injecteert, terwijl een negatieve waarde betekent dat de omvormer energie uit het net opneemt. Dit wordt bepaald door de verhouding tussen de spanning die door de omvormer wordt gegenereerd (VC) en de netspanning (VG). Het effect van een kleine verandering in de spanning tussen de omvormer en het net kan echter ook een impact hebben op de actieve stroom.

Door gebruik te maken van de Clarke-Park transformatie in een draaiend d-q coördinatensysteem kan actieve en reactieve stroomcontrole worden ontkoppeld. Dit betekent dat de actieve en reactieve stroom onafhankelijk kunnen worden geregeld, wat belangrijk is voor systemen die zowel energie produceren als consumeren. In dit geval kan de actieve stroom (P) en de reactieve stroom (Q) uitgedrukt worden als functies van de d-q componenten van de spanning en de inductancestroom. Door de juiste sturing van de inductancestroom, met gescheiden regels voor de d- en q-componenten, kunnen actieve en reactieve stroom volledig worden ontkoppeld.

Wat betreft de DC-link, het is noodzakelijk om een stabiele spanning op de DC-bus te handhaven. Dit wordt bereikt door één of meer VSC’s de controle over de DC-link te geven, wat essentieel is voor het handhaven van het energiebalans binnen het systeem. De spanning aan de DC-kant zal ongeveer gelijk zijn aan de actieve energie die tussen de omvormer en het aangesloten netwerk wordt uitgewisseld. Het is belangrijk op te merken dat de modulatie-index (m) van het PWM-signaal de DC-busspanning beïnvloedt, en deze moet altijd kleiner zijn dan 1 om overmodulatie te voorkomen.

Naast de controle van de DC-link, is het ook mogelijk om de omvormer als een vormingsunit aan de AC-zijde te gebruiken. Dit betekent dat de omvormer de spanning van het aangesloten AC-netwerk regelt, wat essentieel is voor het handhaven van een stabiele netfrequentie en spanningsniveau. Wanneer de omvormer in deze configuratie opereert, zal hij de benodigde hoeveelheid energie trekken of injecteren om de balans van het AC-netwerk te behouden.

De drie belangrijkste operationele modi van de VSC—stroombeheer, DC-linkspanningcontrole en AC-spanningscontrole—kunnen visueel worden weergegeven door middel van circuittabellen. Wanneer de omvormer de stroom regelt, fungeert de omvormer als een stroombron aan zowel de AC- als de DC-zijde. In de modus voor het regelen van de DC-link werkt de omvormer als een spanningsbron aan de DC-zijde en een stroombron aan de AC-zijde. Bij de AC-spanningsregeling is de omvormer een stroombron aan de DC-zijde en een spanningsbron aan de AC-zijde. Dit maakt het mogelijk om de werking van de omvormer op een overzichtelijke manier te begrijpen.

Een ander belangrijk aspect is de integratie van meerdere microgrids via multi-terminal architecturen. Een multi-terminal converter maakt het mogelijk om verschillende AC- of DC-microgrids te integreren in een gemeenschappelijk elektrisch systeem. Dit gebeurt via specifieke verbindingspoorten, waarbij elke poort is uitgerust met een bidirectionele omvormer. Voor AC-microgrids wordt de VSC gebruikt, en voor DC-microgrids wordt de dual active bridge toegepast. Deze converters regelen de energiestroom tussen de microgrids en het gemeenschappelijke systeem.

Bij de implementatie van deze technologieën is het essentieel dat ingenieurs niet alleen aandacht besteden aan de technische specificaties, maar ook aan de manier waarop de omvormers samenwerken binnen een grotere systeemarchitectuur. Het ontwerp van de systemen moet rekening houden met de onderlinge afstemming van de spanning en stroomcontrole om zo de stabiliteit en efficiëntie van het gehele netwerk te waarborgen.

Hoe de Risicoaanvaarding de Optimalisatie van Microgrid Systemen Beïnvloedt

De probabilistische benadering voor het plannen van microgrids biedt waardevolle inzichten in de kosten en prestaties van dergelijke systemen, vooral in het licht van verschillende niveaus van onzekerheid. In een gedetailleerde analyse van de geoptimaliseerde systemen in zowel deterministische als probabilistische scenario's, kunnen we de impact van risicomanagement begrijpen en de kostenbalans van microgrid investeringen evalueren. De gegevens, gepresenteerd in tabellen en grafieken, tonen de variaties in de totale kosten voor de benodigde apparatuur en de operationele kosten onder verschillende voorwaarden van onzekerheid.

De analyse van de geoptimaliseerde configuraties van microgrids in deze probabilistische simulaties toont aan dat het ontwerp sterk afhankelijk is van de risicobereidheid van de beslisser. In gevallen waar het risico hoger wordt geaccepteerd, zien we vaak een grotere inzet van hernieuwbare energiebronnen en energieopslagcapaciteit. Dit kan worden verklaard door de noodzaak om schommelingen in de energievraag en -aanbod te beheren, wat cruciaal is voor het bereiken van energiezekerheid in microgrids.

Wat opvalt is dat de totale levenscycluskosten (WLC) van een microgrid in probabilistische simulaties kunnen variëren met ongeveer 4% boven of onder de deterministische schattingen. Dit toont aan dat een zekere mate van onzekerheid in de prognoses, die niet wordt meegenomen in traditionele modellen, de werkelijke kosten aanzienlijk kan beïnvloeden. In het slechtste geval kunnen de kosten zelfs met meer dan 20% stijgen, terwijl in het beste geval een besparing van 21% mogelijk is. Dit suggereert dat risicomijdende beslissingen vaak leiden tot hogere kosten, maar ook een grotere zekerheid bieden dat het systeem functioneert zoals bedoeld.

Het effect van risicomanagement op de systeemprestaties kan verder worden geanalyseerd door te kijken naar de bijdrage van de verschillende componenten van het microgrid. In het geval van fotovoltaïsche en windturbines is het waarschijnlijk dat er meer geïnvesteerd zal worden in hernieuwbare energieproductie in scenario's met een laag risico, terwijl energieopslagcomponenten zoals batterijen en waterstofopslag toenemen in de scenario’s met een hogere mate van onzekerheid. Dit helpt niet alleen de stabiliteit van het microgrid te waarborgen, maar kan ook de operationele kosten beïnvloeden.

Een andere belangrijke overweging is de aanzienlijke toename van de rekentijd voor probabilistische modellen in vergelijking met deterministische modellen. De rekentijd voor het probabilistische model kan tot 8,3 keer langer zijn dan voor het deterministische model, wat kan leiden tot hogere operationele kosten. Echter, deze extra kosten kunnen gerechtvaardigd worden door de meer gedetailleerde en realistische voorspellingen die het probabilistische model biedt, vooral als er meerdere onzekerheidsfactoren in de afwegingen worden meegenomen.

Het is ook belangrijk om te begrijpen dat, hoewel de probabilistische benadering vaak meer betrouwbare resultaten oplevert, deze afhankelijk is van de kwaliteit en betrouwbaarheid van de invoerdata. Onjuiste of onvoldoende gegevens kunnen de nauwkeurigheid van de resultaten aantasten, wat kan leiden tot verkeerde investeringsbeslissingen. Het gebruik van betrouwbare prognoses en het regelmatig bijwerken van de gegevens zijn daarom essentieel om de effectiviteit van probabilistische modellen te waarborgen.

In scenario’s met een lage onzekerheid kan de keuze voor een geoptimaliseerd microgrid-ontwerp gebaseerd zijn op de kosten van de apparatuur en de operationele kosten die het beste aansluiten bij de marktomstandigheden. In situaties met hoge onzekerheid kan het verstandig zijn om te kiezen voor een overcapaciteit aan hernieuwbare energiebronnen en opslagcapaciteit, waardoor het systeem robuuster wordt tegen onverwachte fluctuaties in vraag en aanbod.

Bij het vergelijken van de resultaten van probabilistische en deterministische benaderingen wordt duidelijk dat het balanceren van de verschillende kostencomponenten, zoals de initiële investering in hernieuwbare energiebronnen en de operationele kosten van opslag en distributie, van cruciaal belang is voor de lange-termijn efficiëntie van het systeem. Het optimaal afstemmen van de energieopwekking en -opslagcapaciteit zorgt ervoor dat het microgrid, ongeacht de marktomstandigheden, in staat is om zowel aan de vraag als aan de vereiste risiconiveaus te voldoen.

Het is daarnaast relevant om de keuze van de technologieën in de context van probabilistische modellering verder te onderzoeken. De keuze van bijvoorbeeld het aantal fotovoltaïsche panelen of windturbines kan, afhankelijk van de mate van onzekerheid, fluctuerende effecten hebben op de algehele kosten en prestaties van het systeem. Hoewel het in sommige gevallen zinvol kan zijn om te kiezen voor een hogere capaciteit aan hernieuwbare energiebronnen in risicomijdende scenario’s, kan het in andere gevallen kosteneffectiever zijn om te investeren in flexibiliteit en opslagcapaciteit.

Hoe beïnvloeden single-rate en multi-rate modellering de prestaties van microgrids zonder en met PV-installaties?

De analyse van microgrids, waarbij verschillende gedistribueerde generators (DG's) met elkaar samenwerken, vereist nauwkeurige modelleringstechnieken om spanningen, stromen en vermogensstromen correct te voorspellen. Twee benaderingen die hierbij vaak worden toegepast zijn single-rate en multi-rate modellering. De single-rate methode gebruikt één enkele tijdschaal om dynamische systemen te simuleren, terwijl de multi-rate methode meerdere tijdschalen hanteert om verschillende processen met hun eigen snelheid te modelleren. Dit heeft invloed op de nauwkeurigheid van de simulatie en daarmee op het ontwerp en de bediening van microgrids.

In het geval waarbij DG1 fungeert als grid-forming generator, DG2 als grid-supporting en DG3 als grid-feeding generator – waarbij DG3 energie van PV-panelen ontvangt – spelen regelstrategieën een cruciale rol in het behouden van systeemstabiliteit en efficiëntie. De regeling van het PV-deel, gebaseerd op de overdrachtsfunctie van een gemodificeerde boost-omzetter, zorgt ervoor dat de stroom door de spoel nauwkeurig wordt gevolgd en de spanning aan de PV-terminal stabiel blijft, ondanks fluctuaties in zoninstraling. De simulaties tonen aan dat de spanningen aan de terminals van de DG's en de belastingen, evenals de vermogensstromen, goed worden gehandhaafd binnen de gewenste grenzen.

De aanwezigheid van PV-panelen introduceert dynamiek in het microgrid, die vraagt om een robuuste regeling en precieze modellering. De multi-rate modellering lijkt hierbij beter in staat om de snellere veranderingen in het PV-deel nauwkeurig te volgen zonder dat dit ten koste gaat van de simulatie van langzamere processen elders in het systeem. Bovendien leidt de multi-rate aanpak tot lagere foutpercentages in de spanning op verschillende knooppunten dan de single-rate aanpak, wat wijst op een grotere betrouwbaarheid van deze methode bij systemen met geïntegreerde hernieuwbare energiebronnen.

Een belangrijk aandachtspunt blijft het beheer van ongewenste negatieve sequentiestromen die ontstaan door ongebalanceerde belastingen. Deze kunnen ongecontroleerd terugvloeien naar de grid-forming generator en storingen veroorzaken. Het is daarom noodzakelijk dat de ratio van de terminalspanningen van de omvormers tot de nominale belastingspanning hoog genoeg is om deze effecten te mitigeren. Dit benadrukt het belang van een gedegen ontwerp van zowel de hardware als de besturingsalgoritmen om de stabiliteit en betrouwbaarheid van het microgrid te waarborgen.

In de berekening van spanningen en stromen op de verschillende knooppunten speelt iteratief zoeken een belangrijke rol: het bepalen van de juiste spanning op bus 12 binnen een interval, gevolgd door het berekenen van bijbehorende spanningen en stromen via phasorrelaties, en het minimaliseren van de fout tussen berekende en referentie vermogens. Dit proces illustreert het belang van nauwkeurige elektrische netwerkmodellen en iteratieve oplossingsmethoden voor de precieze simulatie van complexe microgridtopologieën.

Naast de pure elektrische parameters is het cruciaal om de interactie tussen regelstrategieën van verschillende typen DG's goed te begrijpen. Grid-forming units nemen een centrale rol in door de systeemsynchronisatie en spanningsregeling te verzorgen, terwijl grid-supporting units ondersteunend vermogen leveren, en grid-feeding units, zoals PV-installaties, primair vermogen injecteren zonder zelf het net te vormen. Dit verschil in functies vraagt om een integrale benadering in zowel ontwerp als operationeel beheer.

Verder dienen de dynamische effecten van convertergestuurde bronnen, met name de boost-omzetter en zijn regeling, diepgaand te worden bestudeerd, omdat zij het vermogen en de kwaliteit van de energievoorziening direct beïnvloeden. Door een geavanceerde regeling, die rekening houdt met de inductantie, capaciteit en weerstand van de converters en PV-panelen, kan een stabiele en efficiënte energie-injectie worden gerealiseerd, die ook bestand is tegen variaties in belasting en zoninstraling.

Naast deze technische aspecten is het voor de lezer van belang te beseffen dat de modellering van microgrids nooit los gezien kan worden van het bredere systeem: netkwaliteit, bescherming, communicatie en zelfs economische aspecten zijn onlosmakelijk verbonden met de technische keuzes in de simulatie en het ontwerp. Nauwkeurige modellen ondersteunen niet alleen de technische validatie maar zijn ook onmisbaar voor risicoanalyse en optimalisatie in de praktijk.

Hoe werkt een zonne-energiesysteem voor batterij-oplading en elektrisch voertuig (EV) laden?

In de beschreven configuratie is een MPPT-algoritme gebaseerd op de Perturb and Observe (P&O)-methode geïmplementeerd, waarmee het systeem constant het maximale punt voor energieopbrengst kan volgen, ongeacht variaties in lichtintensiteit of temperatuur. Het systeem bevat een blok waarin de duty cycle wordt aangepast, afhankelijk van de uitgangsspanning en de zonne-instraling. Dit zorgt ervoor dat het systeem altijd op het ideale niveau opereert.

Het laadcontrolemechanisme van de batterij werkt in drie fasen. De eerste fase, constant stroom (bulk laadmodus), vindt plaats wanneer de batterij minder dan 99% van de laadcapaciteit heeft en de batterijspanning niet hoger is dan de volledige laadspanning. In deze fase is de duty cycle gelijk aan de MPPT-instelling. In de tweede fase, de constante spanningsmodus, wordt de batterij geladen met een constante spanning zodra de spanning van de batterij hoger is dan de maximale laadspanning, maar de staat van lading (SoC) nog steeds lager is dan 99%. De laatste fase is de drijvende laadmodus, waarbij het systeem stopt met laden wanneer de batterij volledig is geladen, wat betekent dat de spanning en SoC van de batterij gelijk zijn aan de vereisten.

Een andere cruciale component is de bidirectionele DC-DC converter, die het mogelijk maakt om zowel de batterij op te laden als energie uit de batterij terug te leveren aan het netwerk, of om elektrische voertuigen (EV's) op te laden. Deze converter kan energie efficiënt tussen de batterij en het DC-busnetwerk sturen, afhankelijk van de laad- of ontlaadbehoeften van de EV. Het systeem is ontworpen om de hoeveelheid stroom- en spanningsrimpels te minimaliseren, wat zorgt voor een hoge mate van efficiëntie bij zowel het opladen als het ontladen van de batterij.

Wanneer het systeem in de boostmodus werkt, kan de energie van het DC-busnetwerk naar de EV-batterij stromen, waarmee het voertuig wordt opgeladen. De buckmodus zorgt ervoor dat de energie van de EV-batterij naar het netwerk wordt teruggevoerd wanneer het voertuig niet in gebruik is, wat het systeem nog veelzijdiger maakt.

Het is essentieel dat het systeem niet alleen in staat is om het maximale vermogen van de PV-panelen te benutten, maar ook dat het de batterij efficiënt oplaadt en ontlaadt, met de nodige beveiligingen en controles voor overbelasting en onjuiste laadomstandigheden. Zo'n systeem kan een bijdrage leveren aan de ontwikkeling van duurzame energiebronnen en elektrisch vervoer, door het combineren van energieopslag en slimme oplaadtechnologieën.

Hoe kan een adaptieve POD-controller de prestaties van hybride AC/DC microgrids verbeteren?

De POD-controller speelt een cruciale rol in het stabiliseren van netwerken door oscillaties te dempen die ontstaan door dynamische belastingstoenames of storingen. De fundamentele verschillen tussen de POD-controller met de 2-DOF dempingscontroller zijn te vinden in de X/R-verhouding van het netwerk. De POD-controller is ontworpen voor netwerken met een lage X/R-verhouding (minder dan 1), wat typisch is voor distributienetwerken met lage spanning en resistieve kenmerken. De 2-DOF dempingscontroller daarentegen is geoptimaliseerd voor netwerken met een X/R-verhouding van 4,42, wat meer voorkomt in distributienetwerken met middelhoge spanning en inductieve eigenschappen.

Bij plotselinge belastingstoenames, zoals de toevoeging van een belasting van 300 kW aan het AC-subnetwerk, kunnen er aanzienlijke spanningsfluctuaties optreden. Deze fluctuaties kunnen, afhankelijk van de controller, sneller of langzamer herstellen. In gevallen waar de POD-controller wordt gebruikt, herstellen de spanningsniveaus snel, terwijl de 2-DOF dempingscontroller een langzamere hersteltijd vertoont. Deze langzamere reactie van de 2-DOF controller wordt veroorzaakt door het feit dat de dempingsprestatie beter is bij het begin van de belastingstoename, maar meer tijd nodig heeft om volledig te stabiliseren.

Het is belangrijk om te begrijpen dat de POD-controller optimaal presteert in netwerken met een lage X/R-verhouding, maar dat in complexere systemen, zoals hybride microgrids die zowel AC- als DC-subnetwerken bevatten, de prestaties kunnen verbeteren door adaptieve mechanismen. De basis van het verbeteren van de prestaties van de POD-controller ligt in het dynamisch aanpassen van de dempingsinstellingen op basis van de wijzigende belasting en frequentievariaties binnen het systeem.

Wanneer de systeemconfiguraties van motoren variëren – zoals bijvoorbeeld de combinatie van een enkele motor van 200 pk met verschillende kleinere motoren van 5 en 25 pk – kan de prestaties van een niet-aanpasbare POD-controller onvoldoende zijn. Dit blijkt uit de prestaties van een NA-POD-controller wanneer de belasting verandert van een enkele motor naar meerdere motoren. In dergelijke gevallen is er meer behoefte aan flexibiliteit in de controller om de snelheid en frequentie van het systeem effectief te dempen.

De implementatie van een ANFIS-gebaseerde POD-controller biedt een robuuste oplossing. Deze controller is ontworpen als een aanvullende regelaar binnen de externe spanningsregelkring van het energieopslagsysteem (ESS). Het systeem heeft vijf lagen, waaronder een inputlaag, drie verborgen lagen en een uitvoerlaag, die elkaar via richtinggevende verbindingen aansteken. Het ANFIS leert van de systeeminformatie en past de parameters aan op basis van de dynamische verandering in frequentie en belasting. De kracht van deze aanpak ligt in het feit dat de controller zich aanpast aan de veranderingen in de belasting en de frequentie, waardoor de effectiviteit van de demping wordt vergroot zonder dat er handmatige aanpassingen nodig zijn.

Deze adaptieve benadering is essentieel voor het stabiliseren van complexe hybride systemen die AC en DC subnets combineren. De frequentieanalyse van de systeemfrequentie en de spectrumdichtheid van de AC-subnetten kan inzicht geven in de effectiviteit van de controllers. In gevallen met meerdere dominante frequenties, zoals in systemen met verschillende motorconfiguraties, kan de ANFIS-controller helpen bij het verhelpen van de niet-lineariteit die typisch is voor deze hybride netwerken.

Naast de technische werking van de controller, is het belangrijk voor de lezer te begrijpen dat de stabiliteit en controle van hybride microgrids afhankelijk zijn van de mate van dynamiek binnen het systeem. In netwerken waar de belasting snel verandert, of waar de netwerken sterk afhankelijk zijn van inductieve belastingen, moet de controller flexibel genoeg zijn om in te grijpen bij onvoorziene fluctuaties. De keuze voor de juiste controller – een proportionele POD-controller of een adaptieve ANFIS-gebaseerde controller – hangt dus sterk af van de specifieke kenmerken van het netwerk en de dynamische belasting.