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(TMY3文件)以及如何创建典型的负荷分布。 (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
电网代表典型的配电系统。它等效于一个 25 kV 配电变电站供电 120 kV 由输电系统组成。几条馈线连接到变电站 25 kV 母线。其中一个是有光伏电场和储能系统的社区供电。连接在 25 kV 母线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。其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。如果只对电路中所有电压和电流的范围和相位的变化感兴趣，则相位解决方案是理想的算法。您不需要求解由 R、L 和 C 所有由元素相互作用产生的微分方程(状态空间模型)。相反，与电压和电流相关的代数方程可以更简单地解决。在特定的指定频率下，这是相量求解方法(本例为 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。 随着正序电压V和负载曲线数据的变化，负载吸收的有功率P和无功率Q发生了变化。P和Q的变化如下：
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。 它们被储存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个站点中选择一个用于太阳时间序列的数据。用户可以选择全辐照(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 - 监视器不能使用 - 储能计算器 - SPS 和 240/600V 升压变压器。控制系统将确定白天任何给定时间的来源 ESS 保持电网允许的最大功率指定值以下的所需功率。电源信号被馈送连接 240/600V 电源电流模块升压变压器。虽然是电池储能系统 (BESS)，建模 ESS 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。金融能源套利、缓解线路拥堵、设备延迟、太阳能平滑、旋转储备、电压支撑等多种应用。在我们的案例中，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6000的连接V社区电力系统ESS为防止社区购买超过与电力公司约定的电力，设备的适当尺寸(功率和容量)。光伏电站的输出基于给定的负载，ESS的额定功率和容量，模拟将给出一整年的不可用的数量。 各地都可以进行这种规模的研究。
7 仿真结果
，其中 ESS 确定控制系统 ESS 所需的功率，以避免超过电网允许的最大功率 1000 kW）
（1） 在第 91 天，ESS 不能提供必要的电力，社区也不能选择从电网上购买更多的电力。
（2）在第 92 天，ESS 输出足以避免超过允许的最大功率。
Phasor 在编程故障中，解决方案定期产生毫秒精度的模拟结果。
8 写在最后
% 使用以下脚本，您可以定义额外的负载配置文件。 % 这些负载配置文件将保存在文件中LoadProfile_Datasets.mat”中。 % 动态负载块将使用配置文件： %住宅负荷。 % % =================================================== % 典型的负荷曲线 % =================================================== % % 格式。 % 第一列: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