Erstellen eines Microgrid-Energiemanagementsystems mit NI LabVIEW und DAQ

Gooi Hoay Beng, 南洋工科大学

„Beim Formulieren und Verarbeiten von Matrixberechnungen bietet LabVIEW Programmierwerkzeuge zum einfacheren Programmieren von Anwendungen für Energiesysteme, wodurch Programmierzeit eingespart wird.“

– Gooi Hoay Beng, 南洋工科大学

Die Aufgabe:

Deckung des Energiebedarfs von Singapur durch die Erforschung nachhaltiger Energieressourcen und die Verbesserung der Effizienz des derzeitigen Versorgungssystems.

Die Lösung:

NI LabVIEW-Software und NI-Datenerfassungshardware (DAQ) zur Entwicklung eines kostengünstigen Microgrid-Energiemanagementsystems (MEMS) einsetzen, das Informations- und Kommunikationstechnologie (IKT), intelligente Zähler und fortschrittliche Optimierungsanwendungen zur Verwaltung von Verteilungssystemen umfasst, die als Plattform zur Einbindung erneuerbarer Energiequellen dienen.

Autor(en):

Cheah Peng Huat – 南洋工科大学
Siow Lip Kian – 南洋工科大学
Liang Hong Zhu – 南洋工科大学
Vo Quoc Nguyen – 南洋工科大学
Nguyen Dinh Duc – 南洋工科大学
Gooi Hoay Beng – 南洋工科大学

 

Studierende am Laboratory for Clean Energy Research (LaCER) der School of Electrical and Electronic Engineering (EEE) der Nanyang Technical University (NTU) haben einen Microgrid-Prototypen erstellt. Er besteht aus Energieressourcen wie Solarphotovoltaik (PV), Windturbinen, Brennstoffzellen und Batteriebanken. Das gesamte Microgrid wird vom webbasierten MEMS-Server gesteuert, der verschiedene Aspekte der Stromverwaltung steuert und überwacht.

 

 

 

Wir haben Softwareprogramme entwickelt, um die von den Sensoren gesammelten Informationen zu verwalten und Laststeuerung und Erzeugungsverteilung durchzuführen. Abbildung 1 zeigt das Schnittstellendiagramm zwischen der Datenbank und verschiedenen Softwaremodulen. Wir haben die LabVIEW-Software verwendet, um Module für fortschrittliche Sensorik und Kommunikation, Lastprognose, Einsatzoptimierung, Zustandsschätzung und optimalen Leistungsfluss zu entwickeln.

 

Fortschrittliches Sensor- und Kommunikationssystem

In einem Microgrid ist die Integration und Anbindung von Sensor- und Steuerungsgeräten eine Herausforderung, da verschiedene Kommunikationsprotokolle wie die serielle RS232-Kommunikation und die RS422/485-Modbus-Kommunikation erforderlich sind. Um diese Herausforderung zu meistern, haben wir die Informationen in ein Standardprotokoll umgewandelt – Ethernet. Wir haben die Konvertierung einfach und kostengünstig mit einem Kommunikationsprotokollkonverter durchgeführt.

 

Unsere Hauptdesignaufgaben umfassten das Erfassen und Kommunizieren zwischen dem MEMS-Server und den Leistungssensoren sowie anderen Steuerungsgeräten wie Leistungsschaltern, programmierbaren Wechselstromquellen und speicherprogrammierbaren Steuerungen (SPS). Wir haben 32 Leistungssensoren installiert, die das Modbus-Protokoll im gesamten Microgrid-Netzwerk für Leistungsüberwachungsmessungen wie Spannung, Strom, Wirkleistung, Blindleistung und Leistungsschalterstatus unterstützen. Um eine kostengünstige Lösung für die Kommunikation zwischen dem MEMS-Server und allen Leistungssensoren bereitzustellen, haben wir die Sensoren in vier Gruppen mit acht Sensoreinheiten pro Gruppe aufgeteilt. Jede Gruppe verbindet sich schließlich mit einem RS485-zu-TCP/IP-Konverter, wo das Modbus-Protokoll in Modbus TCP konvertiert wird, das auf dem Ethernet-LAN-Netzwerk läuft. Wir weisen jedem Wandler und jeder Gruppe von Leistungssensoren eine eindeutige IP-Adresse sowie eine entsprechende ID zu.

 

 

 

Das System extrahiert Leistungsmessungen mit dem LabVIEW Datalogging and Supervisory Control (DSC) Module durch Eingabe der IP-Adresse, der Sensor-ID und der Registeradresse des gewünschten Leistungssensors. Benutzer müssen nicht die genauen Modbus-Meldungen definieren, um die Informationen abzurufen, was wertvolle Zeit spart. Das System sendet alle Leistungsmessungen an die entsprechenden globalen Variablen in LabVIEW, wo sie in der Haupt-GUI zur Überwachung angezeigt werden (siehe Abbildung 2). Auch andere Anwendungen können die Messwerte einfach über globale Variablen verwenden. Die SPS verwendet die gleiche Technik zur Steuerung von Leistungsschaltern im Microgrid.

 

Der Microgrid-Prüfstand verwendet eine programmierbare AC-Quelle, um das eigenständige Microgrid zu testen. Um mit der Stromquelle zu kommunizieren, haben wir den TCP-Funktionsblock in LabVIEW verwendet. Benutzer geben die IP-Adresse der Stromquelle ein, ohne langwierigen Programmiercode einzufügen, um die Stromquelle zu überwachen und zu steuern.

 

Lastprognose

Das Ziel der Lastprognose besteht darin, die gesamte Kundenlast 15 Minuten im Voraus vorherzusagen. Sie hat erhebliche Auswirkungen auf den Markt auf den effizienten Betrieb, die Steuerung und die Planung von Microgrids. Genaue Prognosewerte führen zu wirtschaftlichen Einsparungen und erhöhen die Betriebssicherheit des Systems.

 

 

 

Die Prognosemethode basiert auf dem künstlichen neuronalen Netzwerk (ANN), das wir mit LabVIEW entwickelt haben (siehe Abbildung 3). Um die Leistung der Lastprognosealgorithmen zu verbessern, haben wir folgende Sonderfunktionen hinzugefügt:

 

  • Datenvorbereitung zur Identifizierung ungültiger und unregelmäßiger Daten, so dass wir sie vor der Verwendung für Trainingsdaten entfernen oder anpassen können.
  • Frühes Stoppen, um die Konvergenz zu beschleunigen und Überanpassungen der Trainingsdaten zu vermeiden.
  • Planung abnormaler Tage, um Tage mit abnormalen Lastprofilen zu identifizieren und diese beim Training unberücksichtigt zu lassen, damit das Lastmodell nicht beschädigt wird. Benutzer können die abnormalen Tage von der GUI aus aktualisieren.
  • Korrelations- und lineare Regressionsanalyse, um die lineare Beziehung zwischen Eingabe- und Zieldaten anhand einer geraden Linie zu ermitteln.

 

Wir verwenden das DAQ-Gerät NI USB-6215, um historische Lastdaten aus dem Gebäude der Wee Kim Wee School of Communication and Information an der NTU zu sammeln. Die Daten werden in einer mit LabVIEW entwickelten Datenbank verarbeitet und gespeichert. Um die täglichen Lastdaten zu sammeln, verbinden wir die analogen Eingänge des DAQ-Geräts mit dem Verteilungsnetz im Gebäude über einen Spannungswandler, der mit zusätzlichen Strom- und Spannungssensoren verbunden ist, um die Spannungs- bzw. Stromdaten zu erhalten.

 

Wir haben den Algorithmus zur Lastprognose erfolgreich in die Softwaremodule in der MEMS-Einheit integriert. Das implementierte Prognosesystem ist zuverlässig und genau.

 

 

 

Einsatzoptimierung

Das Softwaremodul für die Einsatzoptimierung ist eine wesentliche Komponente von MEMS. Basierend auf einem prognostizierten Bedarfsprofil unterstützt das Softwaremodul die Microgrid-Betreiber dabei, einen optimierten Stromerzeugungsplan zu finden, der die Gesamtbetriebskosten minimiert, wenn das Microgrid isoliert ist, oder den Gesamtnutzen maximiert, wenn das Microgrid mit dem Hauptnetz verbunden ist. Sobald der Optimierungsprozess abgeschlossen ist, werden die Ergebnisse, einschließlich des Ein-/Aus-Status und der von den Erzeugungsquellen gesendeten kW-Menge, zur Verarbeitung an das MEMS-Modul für optimalen Leistungsfluss gesendet. Die Einsatzoptimierung ist eines der komplexesten Optimierungsprobleme im Energiesystemmanagement. Durch die Verwendung der Skripte, die wir mit dem LabVIEW MathScript RT Module erstellt haben, benötigt die Software nur Sekunden, um die optimierte Lösung des formulierten Problems basierend auf mehreren Einschränkungen und Hunderten von Variablen zu bestimmen (siehe Abbildung 5).

 

Dieses Softwaremodul besitzt folgende Eigenschaften:

 

  • Durch die Verwendung des LabVIEW MathScript RT Module kann ein komplexes Problem der Einsatzoptimierung innerhalb von Sekunden gelöst werden.
  • Mit der in LabVIEW integrierten GUI können Benutzer das Einsatzoptimierungs-Modul einfach mit Standard-/benutzerdefinierten Einstellungen ausführen.
  • Durch die Echtzeitaufzeichnungsfunktion von LabVIEW wird die Software automatisch zu einem benutzerdefinierten Startzeitpunkt ausgeführt.
  • Sobald die Optimierung abgeschlossen ist, werden die Ergebnisse automatisch in einem benutzerdefinierten Pfad auf dem Server gespeichert und an das MEMS-Modul für optimalen Leistungsfluss gesendet.

 

Zustandsschätzung

Die Zustandsschätzung ist eine MEMS-Echtzeitfunktion, die von SCADA (Supervisory Control and Data Acquisition) gesammelte Messungen, den Status von Leistungsschaltern und die Stufenpositionen von Spannungsreglern verwendet, um Busspannungen in Stromversorgungssystemen zu überprüfen und zu schätzen. Die geschätzten Busspannungsbeträge und Spannungsphasenwinkel gelten als zuverlässige Zustandswerte des Systems und werden als eine der Eingaben für das optimale Leistungsflussmodul verwendet. Die verarbeiteten Buslastwerte werden als Eingangswerte für das Lastprognosemodul verwendet.

 

Das Zustandsschätzungsmodul hat drei Unterfunktionen, die in der Programmiersprache MATLAB von The MathWorks, Inc. auf Grundlage der LabVIEW-Plattform geschrieben sind:

 

  1. Der Topologieprozessor bestimmt die Netzwerkkonfiguration, indem er ein knotenorientiertes Netzwerk in ein busorientiertes Netzwerk umwandelt.
  2. Die Zustandsschätzung berechnet Busspannungsbeträge und -winkel.
  3. Die Erkennung und Identifizierung schlechter Daten verifiziert, dass die Rohmessungen gut sind, bevor sie im Zustandsschätzungsmodul verwendet werden.

 

Bei der Programmierung des Zustandsschätzungsmoduls ist es schwierig, sicherzustellen, dass es in jedem Stromnetz läuft. Daher haben wir Skriptblöcke verwendet, um die Flexibilität bei der Beschreibung komplexer Algorithmen zu erhöhen. Jede Unterfunktion wird mithilfe von Skriptblöcken in LabVIEW implementiert. Die Ein- und Ausgänge (1D und 2D) übertragen Daten zwischen Skriptblöcken oder zum Frontpanel, um die Ergebnisse anzuzeigen. Ein Rückkopplungsknoten wird auch verwendet, um fehlerhafte Daten zu erkennen und zu identifizieren.

 

Beim Formulieren und Verarbeiten von Matrixberechnungen bietet LabVIEW Programmierwerkzeuge zum einfacheren Programmieren von Anwendungen für Energiesysteme, wodurch Programmierzeit eingespart wird.

 

 

 

Wir haben die Zustandsschätzfunktion erfolgreich mit anderen MEMS-Funktionen und dem Microgrid-Hardware-Setup am LaCER der NTU integriert (siehe Abbildung 6).

 

Optimaler Leistungsfluss

Der optimale Leistungsfluss ist eine der MEMS-Online-Funktionen. Das Modul für den optimalen Leistungsfluss findet die optimalen Einstellungen eines gegebenen Energiesystemnetzwerks, wie z. B. Gesamterzeugungskosten oder Systemverlust, während es seine Leistungsflussgleichungen und Gerätebetriebsgrenzen erfüllt, wie z. B. Busspannungsbeschränkungen, Zweigflussgrenzen und Erzeugungsquellenkapazitätsgrenzen. Die Eingabedaten für das Modul für den optimalen Leistungsfluss beinhalten Netzwerkkonfigurations- und Lastinformationen, die durch das Zustandsschätzungsmodul definiert sind. Als Teil der Ausgangsergebnisse empfiehlt das Modul für den optimalen Leistungsfluss Werte für:

 

  • die Ausgänge der aktiven/reaktiven Stromquelle und
  • die Stufenverhältnisse von Laststufentransformatoren

 

Diese Parameter werden an die Leistungsschaltersteuerungen, Wechselrichtersteuerungen, Generatorsteuerungen und Laststufensteuerungen gesendet, um das System in einem sparsameren und effizienteren Modus laufen zu lassen.

 

 

 

Wir haben quadratische Programmierung verwendet, um das Problem des optimalen Leistungsflusses zu lösen. Wir haben diesen Algorithmus in MATLAB programmiert und ihn mithilfe der MATLAB-Skriptfunktion in LabVIEW integriert. Wir haben LabVIEW verwendet, um den optimalen Stromfluss sowohl mit der Zustandsschätzung als auch mit SCADA zu verknüpfen, um bestimmte Komponenten des Microgrids zu steuern. Abbildung 7 zeigt, wie wir LabVIEW-Toolkits für die Haupt-GUI für den optimalen Stromfluss für das Microgrid im LaCER an der NTU verwendet haben.

 

Der LF-Algorithmus wurde erfolgreich in die UC von MEMS integriert. Das implementierte Prognosesystem arbeitet zuverlässig mit einer zufriedenstellenden Genauigkeit.

 

Einsatzoptimierung

Das Softwaremodul „Einsatzoptimierung“ (Unit Commitment, UC) fungiert als eine der wesentlichen Komponenten von MEMS. Basierend auf einem prognostizierten Bedarfsprofil kann das Softwaremodul die Microgrid-Betreiber dabei unterstützen, einen optimierten Stromerzeugungsplan zu finden, der die Gesamtbetriebskosten minimiert, während das Microgrid isoliert ist, oder den Gesamtnutzen maximiert, während das Microgrid mit dem Hauptnetz verbunden ist. Sobald der Optimierungsprozess abgeschlossen ist, werden die Ergebnisse, die den Ein-/Aus-Status und die gesendete kW-Menge der Erzeugungsquellen enthalten, zur Verarbeitung an das MEMS-Modul für optimalen Leistungsfluss (OPF, Optimal Power Flow) gesendet. Die UC ist eines der komplexesten Optimierungsprobleme im Energiesystemmanagement. Durch die Verwendung der MATLAB-Skriptfunktion von LabVIEW ist die Software in der Lage, innerhalb von Sekunden die optimierte Lösung des formulierten Problems mit mehreren Nebenbedingungen und Hunderten von Variablen zu ermitteln. Die Haupt-UI der UC ist in Abbildung 5 dargestellt.

 

Das Softwaremodul verfügt über folgende Funktionen:

 

  • Mit der MATLAB-Skriptfunktion von LabVIEW kann ein komplexes UC-Problem innerhalb von Sekunden gelöst werden.
  • Mit der in LabVIEW integrierten grafischen Benutzeroberfläche können Benutzer die UC-Optimierung mit Standard-/benutzerdefinierten Einstellungen einfach per Mausklick ausführen.
  • Durch die Echtzeitaufzeichnungsfunktion von LabVIEW kann die Software automatisch zu einem benutzerdefinierten Autostartzeitpunkt ausgeführt werden.
  • Sobald die Optimierung abgeschlossen ist, werden die Ergebnisse automatisch in einem benutzerdefinierten Pfad auf dem Server gespeichert und an das OPF von MEMS gesendet.

 

Zustandsschätzung

Die Zustandsschätzung ist eine MEMS-Echtzeitfunktion, die von SCADA gesammelte Messungen, den Status von Leistungsschaltern und die Stufenpositionen von Spannungsreglern verwendet, um Busspannungen in Stromversorgungssystemen zu überprüfen und zu schätzen. Die geschätzten Busspannungsbeträge und Spannungsphasenwinkel werden als vertrauenswürdige Zustandswerte des Systems betrachtet und werden als eine der Eingaben für OPF und seine verarbeiteten Buslastwerte als Eingaben für die Lastvorhersage verwendet.

 

Der Zustandsschätzer verfügt über drei Unterfunktionen, die in der Matlab-Programmiersprache basierend auf der LabVIEW-Plattform programmiert sind.

 

  1. Topologieprozessor: Er bestimmt die Netzwerkkonfiguration, indem er ein knotenorientiertes Netzwerk in ein busorientiertes Netzwerk umwandelt.
  2. Zustandsschätzung: Sie berechnet Busspannungsbeträge und -winkel
  3. Erkennung und Identifizierung ungültiger Daten: Sie überprüft, ob die Messungen ordnungsgemäß sind, bevor sie in der Zustandsschätzung verwendet werden.

 

Bei der Programmierung des Zustandsschätzers ist es schwierig, sicherzustellen, dass er in jedem Stromnetz läuft. Daher kann man Skriptblöcke verwenden, um die Flexibilität bei der Beschreibung komplexer Algorithmen zu erhöhen. Jede Unterfunktion wird mithilfe von Skriptblöcken in LabVIEW implementiert. Die Ein- und Ausgänge (1D und 2D) werden erstellt, um Daten von den Skriptblöcken zu anderen oder zum Frontpanel zu übertragen, um die Ergebnisse anzuzeigen. Ein Rückkopplungsknoten wird auch als Filter für die Erkennung und Identifizierung falscher Daten verwendet.

 

Beim Formulieren und Verarbeiten auf Grundlage von Matrixberechnungen bietet LabVIEW Programmierwerkzeuge zum einfacheren Programmieren von Anwendungen für Energiesysteme, wodurch Programmierer Zeit einsparen können.

 

Die SE-Funktion wurde erfolgreich in Zusammenarbeit mit anderen MEMS-Funktionen und dem Microgrid-Hardwareaufbau im Laboratory for Clean Energy Research an der NTU demonstriert. Die Haupt-GUI für den Zustandsschätzer ist in Abbildung 6 dargestellt.

 

Optimaler Leistungsfluss

Der optimale Leistungsfluss (OPF, Optimal Power Flow) ist eine der MEMS-Online-Funktionen. Das Ziel des OPF ist es, die optimalen Einstellungen eines gegebenen Energiesystemnetzwerks, wie z. B. Gesamterzeugungskosten oder Systemverlust zu finden, die die Zielfunktion des Systems optimieren, während es seine Leistungsflussgleichungen und Gerätebetriebsgrenzen erfüllt, wie z. B. Busspannungsbeschränkungen, Zweigflussgrenzen und Erzeugungsquellenkapazitätsgrenzen. Die Eingabedaten für OPF umfassen Netzwerkkonfigurations- und Lastinformationen, die von SE definiert werden, und als Teil der Ausgabeergebnisse empfiehlt OPF die empfohlenen Werte für:

 

  1. die Ausgänge der aktiven/reaktiven Stromquellen und
  2. die Stufenverhältnisse von Laststufentransformatoren

 

Diese Parameter werden an die Leistungsschaltersteuerungen, Wechselrichtersteuerungen, Generatorsteuerungen und Laststufensteuerungen gesendet, um das System in einem sparsameren und effizienteren Modus laufen zu lassen.

 

Mit der quadratischen Programmierung wird das OPF-Problem gelöst. Dieser Algorithmus wurde in MATLAB programmiert und dann mithilfe der MATLAB-Skriptfunktion in LabVIEW integriert. Basierend auf der LabVIEW-Plattform ist OPF sowohl mit SE als auch mit SCADA verknüpft, um die Steuerung bestimmter Komponenten des Microgrids zu übernehmen. Durch die Verwendung von LabVIEW-Toolboxen wird die Haupt-OPF-GUI für das Microgrid im LaCER der NTU wie in Abbildung 7 gezeigt erstellt.

 

MATLAB® ist eine eingetragene Marke von MathWorks, Inc.

 

Informationen zum Autor:

Gooi Hoay Beng
南洋工科大学
School of Electrical and Electronic Engineering (S2-B7c-05) Nanyang Technological University
Singapore 639798
Singapore
Tel: +65-67905481
Fax: +65-67933318
ebgooi@ntu.edu.sg

Abbildung 1: MEMS-Datenschnittstelle (Blockdiagramm)
Abbildung 2: MEMS-Haupt-GUI, die mit LabVIEW 2009 zur Überwachung aller installierten Leistungssensoren entwickelt wurde.
Abbildung 3: GUI für das Training des künstlichen neuronalen Netzes, die mit LabVIEW entwickelt wurde
Abbildung 4: Haupt-GUI zur Lastprognose, die mit LabVIEW entwickelt wurde
Abbildung 5: GUI zur Einsatzoptimierung, die mit LabVIEW entwickelt wurde
Abbildung 6: Haupt-GUI für die Funktion zur Zustandsschätzung, die mit LabVIEW entwickelt wurde
Abbildung 7: Haupt-GUI für die Funktion für den optimalen Leistungsfluss, die mit LabVIEW entwickelt wurde