1 概述
(1)目标显示SimPowerSystems以相量模式模拟电路和控制系统的能力不到一分钟。
(2)能量存储系统的说明(ESS)相关概念。
(3)演示如何使用公共太阳能数据时间序列(TMY以及如何创建典型的负载分布。 (4)提供帮助确定配电电力系统的通用工具ESS适当的额定值(功率和容量)。
2 配电系统
该示例的电网代表典型的配电系统。它等同于 25 kV 120 kV 输电系统组成。连接到变电站的 25 kV 母线。其中一个是有光伏电场和储能系统的社区供电。连接 25 kV 母线上的接地变压器提供中性点,在单相故障期间限制正常相的过电压。零序阻抗是电网正序阻抗值的三倍。即使模拟周期为一年,也可以在很短的时间内模拟网格。如果您只对电路中所有电压和电流的范围和相位的变化感兴趣,相位解决方案是理想的算法。您不需要解决方案R、L 和 C 元素相互作用产生的所有微分方程(状态空间模型)。相反,可以求解一组更简单的与电压和电流相量相关的代数方程。这就是相量求解方法在特定指定频率(本例中为 60 Hz)下面做什么。
3 动态负载模型
动态负载模型实现了基于负载曲线的三相三线动态负载。负载吸收的有功率P和无功功率Q正序电压V以及负载曲线数据的变化。P和Q变化如下:
P=P_LoadProfile*(V/Vo)^np & Q=Q_LoadProfile*(V/Vo)^nq
负荷曲线是以小时为单位的日负荷曲线。它们储存在里面LoadProfile_Datasets.mat文件中。用户指定每个负荷曲线的夏冬数据。提供两套配置文件。Build_LoadProfile_Datasets.m MATLAB脚本可以帮助用户创建额外的负荷曲线。
4 光伏电场和TMY3数据
TMY3数据块将TMY太阳辐照数据转换为电能。电源信号被馈送到光伏电场模块,将电源信号转换为电流。TMY国家太阳辐射数据库来自1961-1990年和1991-2005年(NSRDB)典型的档案气象年(TMY)数据集数据文件。 这些文件包括一年内太阳辐射和气象元素的每小时值。这些文件是由NREL由美国能源部能源效率和可再生能源办公室资助和监督的太阳能资源表征项目下的电气系统中心。 用户可以从242个站点位置中选择一个用于太阳时间序列数据。用户可以选择全局水平辐照度(GHI)或直接法线辐照(DNI)作为模拟使用的辐照值。 存储在所有位置的辐照度值StationData_NEW.mat该文件在覆盖初始化时自动加载。
5 储能系统 (ESS)
储能系统模块包括以下组件: - 控制系统 - 无监视器 - 储能计算器 - SPS 240/6000电流模型V 升压变压器。控制系统将在白天的任何给定时间确定来自 ESS 所需功率应保持在电网允许的最大功率指定值以下。电源信号被馈送到 240/600V 升压变压器的电源电流模块。尽管对于电池储能系统 (BESS),建模 ESS 的额定功率和容量分别为 kW 和 kWh 指定单位,
6 案例
显然,许多与储能系统和智能电网相关的应用程序都可以使用SimPowerSystem研究和验证模型,如此ESS演示。应用可以多种多样,如金融能源套利、缓解线路拥堵、设备延迟、太阳能平稳、旋转储备、电压支持等。在我们的情况下,我们选择了一个简单的场景来解释演示的目的。目的是确定连接到600V社区电力系统ESS设备的适当尺寸(功率和容量),以防止社区购买超过与电力公司约定的电力。光伏电站的输出,ESS对于额定功率和容量,模拟将给出全年不可用的数量。这种规模的研究可以在各地进行。
7 仿真结果
,其中 ESS 控制系统确定 ESS 所需的功率,以避免超过电网允许的最大功率(模拟为 1000 kW)
(1) 在第 91 天,ESS 不能提供必要的电力,社区也没有选择从电网上购买更多的电力。
(2)第 92 天,ESS 输出足以避免超过允许的最大功率。
Phasor 解决方案在编程故障中定期产生毫秒精度的模拟结果。
8 写在最后
% 使用以下脚本,您可以定义附加负载配置文件。% 这些负载配置文件将保存在文件“LoadProfile_Datasets.mat”中。% 配置文件将被动态负载块使用:%“住宅负荷”。%% ===================================================% 典型负荷曲线% ===================================================%% 格式。% 第1列:一天中的小时% 第2列=典型的夏季负荷,占Pnom_Load的百分比% 第3列=典型的冬季负荷,占Pnom_Load的百分比DataSet1=[ 1 24 27 2 19 26 3 16 24 4 17 27 5 20 35 6 30 39 7 40 48 8 46 56 9 52 61 10 57 63 11 62 67 12 65 66 13 68 60 14 71 46 15 80 38 16 84 34 17 87 33 18 87 37 19 85 44 20 72 48 21 67 44 22 60 37 23 52 31 24 40 29 ]; % % DataSet2 (Northeast USA)DataSet2=[ 1 26 30 2 23 30 3 22 30 4 21 31 5 22 32 6 26 34 7 30 47 8 36 56 9 40 61 10 40 61 11 41 51 12 42 40 13 43 36 14 45 34 15 46 33 16 49 35 17 52 37 18 52 40 19 52 40 20 51 39 21 47 37 22 42 35 23 39 34 24 34 32 ]; % LoadProfile_Data(:,:,1)=DataSet1; LoadProfile_Data(:,:,2)=DataSet2; BP1=[1:24]'; BP2=[1:3]; BP3=[1:2]; % clear DataSet1 DataSet2 save LoadProfile_Datasets