Crear un sistema de administración de energía de microrred usando NI LabVIEW y DAQ

Gooi Hoay Beng, 南洋工科大学

"Al formular y procesar cálculos de matriz, LabVIEW proporciona herramientas de programación para codificar más fácilmente las aplicaciones del sistema de energía, lo que ahorra tiempo de programación."

- Gooi Hoay Beng, 南洋工科大学

El desafío:

Satisfacer las necesidades de energía en Singapur explorando los recursos de energía sostenible y mejorando la eficiencia del sistema actual de suministro.

La solución:

Usar el software NI LabVIEW y el hardware de adquisición de datos (DAQ) de NI para desarrollar un sistema de administración de energía de microrred (MEMS) de bajo costo que incluye tecnología de información y comunicaciones (ICT), medidores inteligentes y aplicaciones de optimización avanzada para administrar sistemas de distribución que sirven como plataforma para incorporar recursos energéticos renovables.

Autor(es):

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

 

Los estudiantes del Laboratorio de Investigación de Energía Limpia (LaCER) de la Escuela de Ingeniería Eléctrica y Electrónica (EEE) de la Universidad Técnica de Nanyang (NTU) crearon un prototipo de microrred. Se compone de recursos de energía como energía solar fotovoltaica (PV), turbinas eólicas, celdas de combustible y bancos de baterías. Toda la microrred es controlada por el servidor MEMS basado en la web, que controla y monitorea los diferentes aspectos de la administración de la energía.

 

 

 

Desarrollamos programas de software para administrar la información recolectada de los sensores y realizar el control de carga y el despacho de generación. La figura 1 muestra el diagrama de interfaz entre la base de datos y diferentes módulos de software. Usamos el software LabVIEW para desarrollar módulos para detección y comunicación avanzadas, pronóstico de carga, compromiso de unidad, estimación de estado y flujo de energía óptimo.

 

Sistema avanzado de detección y comunicación

En una microrred, integrar y conectar los dispositivos de detección y control es un desafío porque involucra diferentes protocolos de comunicación, como la comunicación serial RS232 y la comunicación Modbus RS422/485. Para resolver este desafío, convertimos la información en un protocolo estándar: Ethernet. Realizamos la conversión de manera fácil y económica utilizando un convertidor de protocolo de comunicación.

 

Nuestras principales tareas de diseño incluían la detección y la comunicación entre el servidor MEMS y los sensores de energía, así como otros dispositivos de control, como interruptores de circuitos, fuentes de AC programables y controladores lógicos programables (PLC). Instalamos 32 sensores de energía compatibles con el protocolo Modbus en toda la red de microrredes para realizar medidas de monitoreo de energía, como voltaje, corriente, potencia activa, potencia reactiva y estado de los interruptores de circuitos. Para implementar una solución rentable para la comunicación entre el servidor MEMS y todos los sensores de energía, dividimos los sensores en cuatro grupos con ocho unidades de sensores por grupo. Eventualmente, cada grupo se conecta a un convertidor RS485 a TCP/IP donde el protocolo Modbus se convierte a Modbus TCP que se ejecuta en la red LAN Ethernet. Emitimos una dirección IP única para cada convertidor y cada grupo de sensores de energía junto con una identificación.

 

 

 

El sistema extrae medidas de potencia usando el LabVIEW Datalogging and Supervisory Control (DSC) Module ingresando la dirección IP, la identificación del sensor y la dirección de registro del sensor de energía deseado. Los usuarios no necesitan definir los mensajes Modbus exactos para recuperar la información, lo cual ahorra un tiempo valioso. El sistema envía todas las medidas de potencia a las respectivas variables globales en LabVIEW, donde se muestran en la GUI principal para monitoreo (ver Figura 2). Otras aplicaciones también pueden usar fácilmente las medidas a través de variables globales. El PLC utiliza la misma técnica para controlar los interruptores de circuitos en la microrred.

 

El banco de pruebas de la microrred utiliza una fuente AC programable para probar la microrred autónoma. Para comunicarnos con la fuente de energía, usamos el bloque de funciones TCP en LabVIEW. Los usuarios ingresan la dirección IP de la fuente de energía sin incluir el tedioso código de programación para monitorear y controlar la fuente de energía.

 

Pronóstico de carga

El objetivo del pronóstico de carga es predecir la carga total del cliente con 15 minutos de anticipación. Tiene un impacto de mercado importante en la operación, el control y la planificación eficientes de las microrredes. Los valores de pronóstico precisos dan como resultado ahorros económicos y mejoran la seguridad de operación del sistema.

 

 

 

El método de predicción se basa en la red neuronal artificial (ANN), que desarrollamos usando LabVIEW (ver Figura 3). Para mejorar el rendimiento de los algoritmos de pronóstico de carga, agregamos las siguientes características:

 

  • Preprocesamiento de datos para identificar datos erróneos e irregulares para que podamos eliminarlos o ajustarlos antes de usarlos para el entrenamiento.
  • Detención anticipada para acelerar la convergencia y evitar el sobreajuste de los datos de entrenamiento.
  • Programación de días anormales para identificar los días que tienen perfiles de carga anormales y excluirlos del entrenamiento para que el modelo de carga no se dañe. Los usuarios pueden actualizar los días anormales desde la GUI.
  • Análisis de correlación y regresión lineal para descubrir la relación lineal entre los datos de entrada y de destino utilizando una línea recta.

 

Usamos el dispositivo NI USB-6215 DAQ para recopilar datos históricos de carga del edificio de Comunicación e Información de la Escuela Wee Kim Wee en NTU. Procesamos y almacenamos los datos en una base de datos que desarrollamos usando LabVIEW. Para recopilar los datos de carga diarios, conectamos las entradas analógicas del dispositivo DAQ a la red de distribución del edificio a través de un transformador de voltaje reductor, que está conectado a sensores de voltaje y corriente adicionales para obtener los datos de voltaje y corriente, respectivamente.

 

Integramos con éxito el algoritmo de pronóstico de carga con los módulos de software en la unidad MEMS. El sistema de pronóstico implementado es confiable y preciso.

 

 

 

Compromiso de unidad

El módulo de software de compromiso de unidad es un componente esencial del MEMS. Basado en un perfil de demanda pronosticado, el módulo de software ayuda a los operadores de microrredes a encontrar un cronograma de generación de energía optimizado que minimice el costo operativo total si la microrred está aislada o que maximice el beneficio total si la microrred está conectada a la red principal. Una vez que se completa el proceso de optimización, los resultados, incluyendo el estado de encendido/apagado y la cantidad de kW despachados desde las fuentes de generación, se envían al módulo de flujo de energía óptimo del MEMS para su procesamiento. El compromiso de unidad es uno de los problemas de optimización más complejos en la administración de sistemas de energía. Al utilizar los scripts que creamos con el LabVIEW MathScript RT Module, el software tarda solo unos segundos en determinar la solución optimizada del problema formulado en base a varias restricciones y cientos de variables (ver Figura 5).

 

El módulo de software incluye las siguientes características:

 

  • Usando el LabVIEW MathScript RT Module, puede resolver en segundos. un problema complejo de compromiso de unidad
  • Con la GUI integrada en LabVIEW, los usuarios pueden ejecutar fácilmente el módulo de compromiso de unidad con configuraciones predeterminadas/personalizadas.
  • Usando la función de captura en tiempo real de LabVIEW, el software se ejecuta automáticamente a una hora de inicio definida por el usuario.
  • Una vez que se completa la optimización, los resultados se guardan automáticamente en una ruta definida por el usuario en el servidor y se envían al módulo de flujo de energía óptimo del MEMS.

 

Estimación de estado

La estimación de estado es una función MEMS en tiempo real que utiliza medidas, estado del interruptor de circuitos y posiciones del regulador de voltaje recopiladas por control supervisorio y adquisición de datos (SCADA) para verificar y estimar los voltajes de bus en los sistemas de energía. Las magnitudes de voltaje del bus estimadas y los ángulos de fase de voltaje se consideran valores de estado confiables del sistema y se utilizan como una de las entradas para el módulo de flujo de energía óptimo. Sus valores de carga de bus procesados se utilizan como entradas para el módulo de pronóstico de carga.

 

El módulo de estimación de estado tiene tres subfunciones codificadas en el lenguaje de programación The MathWorks, Inc. MATLAB basado en la plataforma LabVIEW:

 

  1. El procesador de topología determina la configuración de la red, convirtiendo una red orientada a nodos en una red orientada a bus.
  2. La estimación de estado calcula las magnitudes y los ángulos de voltaje del bus.
  3. La detección e identificación de datos erróneos verifica que las medidas sin procesar sean buenas antes de usarlas en el módulo de estimación de estado.

 

Al codificar el módulo de estimación de estado, es un desafío poder garantizar que se ejecute en cualquier red eléctrica. Por lo tanto, usamos bloques de script para aumentar la flexibilidad al describir algoritmos complejos. Cada subfunción se implementa usando bloques de script en LabVIEW. Las entradas y salidas (1D y 2D) transfieren datos entre bloques de script o al panel frontal para mostrar los resultados. También se utiliza un nodo de retroalimentación para detectar e identificar datos erróneos.

 

Al formular y procesar cálculos de matriz, LabVIEW proporciona herramientas de programación para codificar más fácilmente las aplicaciones del sistema de energía, lo que ahorra tiempo de programación.

 

 

 

Incorporamos con éxito la función de estimación de estado con otras funciones del MEMS y la configuración del hardware de microrred en LaCER, NTU (ver Figura 6).

 

Flujo de energía óptimo

El flujo de energía óptimo es una de las funciones en línea del MEMS. El módulo de flujo de energía óptimo encuentra la configuración óptima de una red determinada del sistema de energía, como el costo total de generación o la pérdida del sistema, mientras cumple con sus ecuaciones de flujo de energía y los límites operativos del equipo, como las restricciones de voltaje del bus, los límites de flujo y los límites de la capacidad de la fuente de generación. Los datos de entrada para el módulo de flujo de energía óptimo incluyen la configuración de red y la información de carga definida por el módulo de estimación de estado. Como parte de los resultados de salida, el módulo de flujo de energía óptimo recomienda valores para:

 

  • salidas de fuente de alimentación activa/reactiva
  • relaciones de tomas de transformadores de cambio de tomas bajo carga

 

Estos parámetros se envían a los controladores CB del interruptor de circuitos, los controladores del invertidor, los controladores del generador y los controladores de toma de carga para mantener el funcionamiento del sistema en un modo más económico y eficiente.

 

 

 

Usamos programación cuadrática para resolver el problema de flujo de energía óptimo. Codificamos este algoritmo en MATLAB y luego lo integramos con LabVIEW a través de la función de script de MATLAB. Usamos LabVIEW para vincular el flujo de energía óptimo con la estimación de estado y SCADA para controlar ciertos componentes de la microrred. La Figura 7 muestra cómo usamos los toolkits de LabVIEW para la GUI principal de flujo de energía óptimo para la microrred en LaCER, NTU.

 

El algoritmo LF se ha integrado con éxito con UC del MEMS. El sistema de pronóstico implementado funciona de manera confiable con una precisión satisfactoria.

 

Compromiso de unidad

El módulo de software de compromiso de unidad (UC) actúa como uno de los componentes esenciales del MEMS. En base a un perfil de demanda pronosticado, el módulo de software ayuda a los operadores de microrredes a encontrar un cronograma de generación de energía optimizado que minimice el costo operativo total mientras la microrred está aislada o que maximice el beneficio total mientras la microrred está conectada a la red principal. Una vez que se completa el proceso de optimización, los resultados que incluyen el estado de encendido/apagado y la cantidad de kW despachados desde las fuentes de generación, se envían al módulo de flujo de energía óptimo del MEMS para su procesamiento. UC es uno de los problemas de optimización más complejos en la administración de sistemas de energía. Al usar la función MATLAB Script de LabVIEW, el software puede determinar en segundos la solución optimizada del problema formulado con varias restricciones y cientos de variables. La GUI principal de UC se muestra en la Figura 5.

 

El módulo de software tiene las siguientes características:

 

  • Al usar la función MATLAB Script de LabVIEW, se puede resolver en segundos un problema complejo de UC.
  • Con la interfaz gráfica integrada en LabVIEW, los usuarios pueden ejecutar fácilmente la optimización de UC con configuraciones predeterminadas o personalizadas con tan solo unos clics.
  • Al usar la función de captura en tiempo real de LabVIEW, el software se puede ejecutar automáticamente en un tiempo de inicio automático definido por el usuario.
  • Una vez que se completa la optimización, los resultados se guardan automáticamente en una ruta definida por el usuario en el sistema del servidor y, al mismo tiempo, se envían al OPF del MEMS.

 

Estimación de estado

La estimación de estado es una función MEMS en tiempo real que utiliza medidas, estado del interruptor de circuitos y posiciones del regulador de voltaje recopiladas por SCADA) para verificar y estimar los voltajes de bus en los sistemas de energía. Las magnitudes de voltaje del bus estimadas y los ángulos de fase del voltaje se consideran valores de estado confiables del sistema y se usarán como una de las entradas para OPF y sus valores de carga del bus procesados como entradas para pronóstico de carga.

 

El estimador de estado tiene 3 subfunciones codificadas en el lenguaje de programación Matlab basado en la plataforma LabVIEW.

 

  1. Procesador de topología: Determina la configuración de la red, convirtiendo una red orientada a nodos en una red orientada a bus.
  2. Estimación de estado: Calcula las magnitudes y los ángulos de voltaje del bus.
  3. Detección e identificación de datos erróneos: Verifica que las medidas sin procesar sean buenas antes de usarlas en el estimador de estado.

 

Al codificar el estimador de estado, es un desafío poder garantizar que se ejecute en cualquier red eléctrica. Por lo tanto usar bloques de script es una manera de aumentar la flexibilidad al describir algoritmos complejos. Cada subfunción se implementa usando bloques de script en LabVIEW. Las entradas y salidas (1D y 2D) se crean para transferir datos de los bloques de script a otros o al panel frontal para mostrar los resultados. Un nodo de retroalimentación también se utiliza como filtro de detección e identificación de datos erróneos.

 

Cuando la formulación y el procesamiento se basan en cálculos de matriz, LabVIEW proporciona herramientas de programación para codificar más fácilmente las aplicaciones del sistema de energía para que pueda ahorrar tiempo a los programadores.

 

La función SE se ha demostrado con éxito en combinación con otras funciones del MEMS y la configuración del hardware de microrred en el Laboratorio de Investigación de Energía Limpia, NTU. La GUI principal para el estimador de estado se muestra en la Figura 6.

 

Flujo de energía óptimo

El flujo de energía óptimo (OPF) es una de las funciones en línea del MEMS. El objetivo del OPF es encontrar la configuración óptima de una red determinada del sistema de energía que optimice la función objetivo del sistema, como el costo total de generación o la pérdida del sistema, mientras cumple con sus ecuaciones de flujo de energía y los límites operativos del equipo, como las restricciones de voltaje del bus, los límites de flujo y los límites de la capacidad de la fuente de generación. Los datos de entrada para el OPF incluyen información de la configuración de red y de carga definida por SE y, como parte de los resultados de salida, el OPF indicará los valores recomendados para

 

  1. salidas de fuente de energía activa/reactiva
  2. relaciones de tomas de transformadores de cambio de tomas bajo carga

 

Estos parámetros se enviarán a los controladores CB, los controladores del invertidor, los controladores del generador y los controladores de toma de carga para mantener el funcionamiento del sistema en un modo más económico y eficiente.

 

La programación cuadrática se utiliza para resolver el problema del OPF. Este algoritmo se codifica en MATLAB y luego se integra en LabVIEW a través de la función script de MATLAB. Basado en la plataforma LabVIEW, el OPF se vincula a SE y SCADA para tomar el control de ciertos componentes de la microrred. Usando herramientas de LabVIEW, la GUI principal del OPF para la microrred en LaCER, NTU se crea como se muestra en la Figura 7.

 

MATLAB® es una marca registrada de The MathWorks, Inc.

 

Información del autor:

Gooi Hoay Beng
南洋工科大学
Escuela de Ingeniería Eléctrica y Electrónica (S2-B7c-05) Universidad Tecnológica de Nanyang
Singapore 639798
Singapur
Tel: +65-67905481
Fax: +65-67933318
ehbgooi@ntu.edu.sg

Figura 1. Diagrama de bloques de interfaz de datos MEMS
Figura 2. GUI principal del MEMS desarrollada usando LabVIEW 2009 para monitorear todos los sensores de energía instalados.
Figura 3. GUI de entrenamiento de Red Neuronal Artificial desarrollada usando LabVIEW
Figura 4. GUI principal de pronóstico de carga desarrollada con LabVIEW
Figura 5. GUI para compromiso de unidad desarrollado con LabVIEW
Figura 6. GUI principal para la función de estimación de estado desarrollada con LabVIEW
Figura 7. GUI principal para la función de flujo de energía óptimo desarrollada con LabVIEW