실시간 시뮬레이터를 사용한 DC 마이크로그리드의 계층적 제어에 대한 실험적 조사

이 기사에서는 시뮬레이터 OPAL RT-Lab에서 계층적 제어가 구현된 DC 마이크로그리드를 소개합니다. 회로 모델링, 1차 및 2차 제어 전략, 실험적 검증에 대해 자세히 설명합니다. 그 결과는 효과적인 제어 성능을 보여주며, 마이크로그리드 연구 및 개발을 위한 강력한 실험 플랫폼의 중요성을 강조합니다.

재생 가능 에너지원의 부상은 마이크로그리드, 특히 DC 변형의 중요성을 강조했으며, 이는 태양광 패널, 배터리 저장 시스템 및 기타 DC 부하 솔루션을 통합하는 데 매우 적합합니다. 이 백서는 시뮬레이터인 OPAL RT-Lab에서 구현된 계층적 제어가 있는 DC 마이크로그리드의 개발 및 실험을 제시합니다. 마이크로그리드에는 전력 변환기, DC 버스 및 DC 부하를 통해 상호 연결된 분산 에너지 자원(DER)이 포함됩니다. 1차 제어 장치는 드룹 제어 메커니즘과 이중 루프 PI(Proportional-Integral) 제어를 사용하여 전압과 전류를 조절하여 안정적인 작동과 비례 전력 공유를 보장합니다. 2차 제어는 합의 기반 전략을 활용하여 DER을 조정하여 버스 전압을 복원하고 정확한 전력 공유를 보장하여 시스템 신뢰성과 효율성을 향상시킵니다. 이 백서에 자세히 설명된 실험 설정에는 회로 모델링, 하드웨어 구현 및 제어 전략이 포함됩니다. 하드웨어 플랫폼의 회로 및 컨트롤러 파라미터가 지정되며, 오실로스코프 측정을 통해 결과를 관찰할 수 있습니다. 제어 전략의 효과를 검증하기 위해 지연이 있거나 없는 2차 제어 반응을 보여주는 두 세트의 실험이 수행됩니다. 그 결과는 마이크로그리드에서 계층적 제어의 성공적인 구현을 확인합니다. 이 연구는 마이크로그리드 기술의 발전을 위한 포괄적인 실험 플랫폼의 중요성을 강조하여 향후 연구 및 개발에 대한 귀중한 통찰력을 제공합니다.

재생 가능 에너지원의 급속한 발전으로 마이크로그리드는 전 세계적으로 상당한 주목을 받고 있습니다¹. 이를 통해 에너지 저장 시스템(ESS)과 함께 태양광 발전(PV)과 같은 분산 에너지 자원(DER)을 그리드에 통합할 수 있으므로 지속 가능한 재생 가능 에너지로의 전환을 지원할 수 있습니다. 재생 에너지 통합의 중요한 구성 요소인 DC 마이크로그리드는 PV 시스템, 배터리 및 기타 DER의 고유한 DC 특성과의 호환성으로 인해 상당한 주목을 받았습니다. DC 작동은 다중 에너지 변환의 필요성을 줄여 전체 시스템 효율성과 신뢰성을 향상시킬 수 있습니다. 결과적으로, DC 마이크로그리드는 재생 에너지 통합을 최적화하기 위한 유망한 방법을 제시합니다².

시뮬레이션 및 실험 연구가 마이크로그리드 기술을 발전시키는 데 중요하다는 것은 널리 인정되고 있습니다. 시뮬레이션을 통해 연구원 또는 엔지니어는 비용 효율적이고 위험이 없는 가상 환경에서 다양한 시나리오와 제어 전략을 모델링하고 분석할 수 있습니다. 그러나 실제 실험은 이러한 모델과 이론을 검증하고 시뮬레이션이 완전히 포착하지 못할 수 있는 실용적인 도전과 역동적인 행동을 드러내는 것만큼 중요합니다³. 시뮬레이션을 통해 얻은 통찰력에도 불구하고, 물리적 구현에서 발생하는 문제를 해결하기 위해서는 마이크로그리드에 대한 실제 실험이 필요합니다. 이러한 실험은 실제 환경에서 작동 특성, 제어 역학 및 서로 다른 구성 요소 간의 상호 작용을 이해하는 데 도움이 됩니다⁴. 소규모 및 모듈식 특성을 감안할 때 마이크로그리드는 실제 실험을 하기에는 너무 광범위하고 복잡한 기존의 대규모 전력망에 비해 이러한 중요한 실험 연구를 수행하기 위한 더 관리하기 쉽고 확장 가능한 솔루션을 제공합니다. 따라서 마이크로그리드에 대한 물리적 실험을 수행하는 것은 이 분야에 대한 우리의 이해와 역량을 발전시키는 데 필수적입니다.

일반적인 DC 마이크로그리드에서는 다양한 DER이 전력 변환기를 통해 DC 버스에 연결됩니다. 이 설정은 여러 DC-DC 또는 AC-DC 변환 없이 직접 전력 교환을 용이하게 합니다⁵. 이 전력 변환기는 전압과 전류를 조절하여 효율적인 전력 전송과 안정성을 보장합니다. DC 버스는 중앙 노드 역할을 하여 시스템에 연결된 다양한 부하에 전력을 분배합니다. 송전선은 DER, 컨버터 및 부하 간의 전력 흐름에 필요한 경로를 제공하여 마이크로그리드 내에서 안정적이고 신뢰할 수 있는 전력 공급을 유지합니다. DC 마이크로그리드의 작동을 효과적으로 관리하기 위해 계층적 제어 구조가 사용되는 경우가 많습니다⁶. 이 구조는 일반적으로 1차, 2차, 3차 통제의 세 가지 수준으로 나뉘며, 각각 고유한 기능과 책임이 있습니다.

1차 제어는 DC 마이크로그리드 내에서 전압 및 전류를 즉시 조절하는 데 중점을 두어 DER 간의 안정성과 적절한 전류/전력 공유를 보장합니다. 가장 일반적인 기본 제어는 드룹 제어입니다. 다른 기본 제어 장치와 비교하여 통신이 필요 없고 응답이 빠릅니다. 그러나 드룹 특성으로 인해 드룹 제어는 전압 편차를 유발할 수 있으며 전압을 공칭 값으로 유지할 수 없습니다. 동시에 부하와 DER의 수가 증가함에 따라 전류 공유의 정확도가 감소합니다. 따라서 전압 복원 및 전류 조정을 위해 추가적인 2차 제어가 필요합니다. 2차 제어는 교란 후 시스템 작동 지점을 복원하고 전압 및 전류 조정을 위해 1차 컨트롤러를 조정합니다. 3차 제어는 마이크로그리드의 경제적이고 전략적인 운영을 최적화하고 에너지 스케줄링 및 주 전력망과의 상호 작용을 관리합니다⁷.

최근 문헌은 시뮬레이션 연구에서 HIL(hardware-in-the-loop) 설정, 그리고 궁극적으로 실제 물리적 실험에 이르기까지 DC 마이크로그리드에 대한 계층적 제어 적용의 중요한 발전을 강조합니다. 초기 연구 연구에서는 DC 마이크로그리드를 위한 계층적 제어 알고리즘을 개발하고 테스트하기 위해 시뮬레이션 도구를 사용하는 경우가 많았습니다. 이러한 연구는 마이크로그리드의 동적 동작을 모델링하고, 제어 전략을 최적화하고, 다양한 조건에서 시스템 성능을 평가하는 데 중점을 둡니다. MATLAB/Simulink 및 PSCAD와 같은 시뮬레이션 환경은 전력 시스템 분석을 위한 유연성과 포괄적인 툴셋으로 인해 일반적으로 사용됩니다⁸. HIL 실험은 단순한 시뮬레이션을 넘어 실시간 제어 하드웨어를 시뮬레이션된 마이크로그리드 모델과 통합하여 보다 현실적인 테스트 환경을 제공합니다. 이 접근 방식을 통해 연구원은 제어 알고리즘을 검증하고 거의 실제 조건에서 성능을 평가할 수 있습니다. HIL 설정은 이론적 연구와 실제 구현 사이의 격차를 해소하여 제어 시스템과 마이크로그리드 구성 요소 간의 상호 작용에 대한 귀중한 통찰력을 제공합니다⁹. 계층적 제어 전략의 궁극적인 검증은 실제 마이크로그리드 설정에 대한 물리적 실험을 통해 달성됩니다. 이러한 실험에는 DER, 전력 전자 변환기 및 제어 장치를 포함한 실제 마이크로그리드 하드웨어에 제어 알고리즘을 배포하는 작업이 포함됩니다. 물리적 실험은 시스템 성능에 대한 가장 정확한 평가를 제공하여 시뮬레이션 또는 HIL 설정에서 명백하지 않을 수 있는 실질적인 문제와 운영 문제를 드러냅니다.

DC 마이크로그리드에서 계층적 제어 연구의 진행 상황을 요약하기 위해 표 1 은 실험적 접근 방식으로 분류된 주요 연구의 개요를 제시합니다. 앞서 언급한 문헌에 따르면, 일부 연구에서는 실험을 위해 물리적 마이크로그리드 플랫폼을 성공적으로 활용했지만, 특히 계층적 제어의 맥락에서 이러한 실험 플랫폼과 그 사용에 대한 체계적인 문서와 포괄적인 설명이 현저히 부족하다는 것이 분명합니다. 실험 설정, 방법론 및 결과에 대한 자세한 정보는 연구를 복제하고, 연구를 진행하고, 마이크로그리드 기술에서 계층적 제어 전략의 실제 구현을 촉진하는 데 중요하기 때문에 이러한 격차가 중요합니다. 이러한 필요성에 비추어 본 논문은 계층적 제어에 중점을 두고 DC 마이크로그리드를 위한 물리적 실험 플랫폼의 개발 및 활용에 대한 상세하고 체계적인 소개를 제공하여 이 분야에서 진행 중인 연구에 귀중한 통찰력과 실용적인 지침을 제공하는 것을 목표로 합니다.

요약하면 이 논문의 주요 기여는 다음과 같습니다. 첫째, 이 논문은 계층적 제어 전략의 틀 하에서 마이크로그리드 제어에 필요한 제어 알고리즘과 구현을 자세히 설명하지만, 이전 연구에서는 더 이상의 정교화 없이 대부분 실험을 검증으로 취급했습니다. 둘째, 제어 알고리즘의 배포에 따라 이 백서는 마이크로그리드 구성 요소의 하드웨어 설정 및 토폴로지를 제공하여 마이크로그리드 제어 실험의 재현성을 향상시킵니다. 셋째, 이 논문은 확장 가능한 실험 플랫폼을 구축함으로써 마이크로그리드에 대한 향후 연구의 토대를 마련하여 통신 지연 및 부하 변동과 같은 실제 조건에서 제어 성능을 추가로 탐색할 수 있도록 함으로써 보다 강력하고 효율적인 제어 전략의 개발을 지원합니다.

이 섹션에서는 OPAL RT-Lab(이하 "시뮬레이터")에서 구현된 그림 1에 표시된 계층적 제어를 통합하는 DC 마이크로그리드를 개발하고 실험하는 데 사용되는 방법을 간략하게 설명합니다. 프로토콜은 물리적 설정 및 회로 모델링, 제어 전략 구현 및 시뮬레이터 실험 설정의 세 가지 주요 섹션으로 나뉩니다. 이 프로토콜은 더 높은 수준의 최적화 및 주 전력망과의 상호 작용을 포함하는 3차 제어 전략을 다루지 않으며, 현재 실험 설정의 범위를 벗어나며 향후 작업을 위해 남겨 둡니다.

1. 물리적 설정 및 회로 모델링

1. 시스템 전기 토폴로지
   참고: DC 마이크로그리드 시스템 회로 아키텍처를 고려하여 다음 단계를 통해 하드웨어 실험 플랫폼의 구축을 진행합니다.
   1. 개별 DER의 구성
      1. 와이어를 통해 DC 전류의 양극을 벅 회로의 입력 양극에 연결하는 동시에 해당 음극을 연결합니다. 특정 변환기는 그림 2A에 나와 있습니다. 벅 컨버터에 대한 수학적 모델을 구축하여 후속 시뮬레이션 및 실험 설정을 위한 제어 매개변수 설계를 용이하게 합니다. 그림 3에 표시된 것과 같은 일반적인 벅 컨버터의 경우, 다음⁵와 같이 상태공간 평균법을 사용하여 상태공간 방정식을 구성합니다.
              (1)
         여기서 ^{I, L}, ^VC는 각각 인덕터 전류 및 출력 전압입니다. R, L, C는 변환기 회로의 구성 요소 매개변수입니다. V^in은 입력 DC 전압을 나타냅니다. d는 DC-DC 컨버터의 듀티 사이클을 나타냅니다. 방정식 (1)을 PI 제어기 설계에 더 편리한 다음 전달 함수 형식으로 변환합니다.
         
              (2)
         여기서 s는 라플라스 연산자를 나타냅니다. G_Id(s)는 전류에 대한 듀티 비율의 전달 함수입니다. G_VI(s)는 전류에서 전압으로의 전달 함수입니다.
      2. 다중 DER을 사용한 마이크로그리드 구축
         1. 위에서 설명한 대로 개별 DER을 생성하는 프로세스를 반복합니다. 여러 DER이 있는 상태에서 각 벅 회로의 해당 양극 및 음극 출력 단자를 연결합니다.
         2. 라인 임피던스를 시뮬레이션하려면 각 DER의 양극 사이에 작은 저항을 직렬로 삽입하십시오.
      3. 로드 통합
         1. 저항기를 사용하여 DC 마이크로그리드의 공통 부하를 시뮬레이션합니다. 전역 부하의 경우 저항기의 단자를 모든 DER의 양극과 음극의 합류점에 직접 연결합니다. 라인 임피던스가 있는 경우 그림 2D와 같이 각 벅 회로의 출력에 저항을 연결하여 로컬 부하를 시뮬레이션합니다.
            참고: 이 실험에서 회로 연결은 그림 2C와 같이 플러그인 커넥터를 사용하여 구현됩니다.
2. 하드웨어 회로 설계 및 설정
   참고: 그림 1의 토폴로지에 해당하는 DC 마이크로그리드 실험 플랫폼의 하드웨어 설정은 주로 다음 단계로 구성됩니다.
   1. DC 전원 공급 장치 구성
      1. 전원 버튼을 눌러 전원 공급 장치를 활성화하십시오.
      2. 볼륨을 조정하십시오tage 노브를 사용하여 지정된 값으로 이동합니다. 이 전원 공급 장치는 출력 범위가 [0 - 300V] 이고 최대 전력이 600W인 정전압 DC 소스입니다. 실험 시작 시 스위치를 눌러 전원 공급을 시작하십시오. 이 실험에 사용된 전원 공급 장치는 그림 2B에 나와 있습니다.
   2. DC-DC 벅 컨버터 설정
      1. 컨버터의 입력 및 출력 신호를 신호 변환 보드로 라우팅하고 신호 케이블을 통해 시뮬레이터 하드웨어 컨트롤러에 연결합니다.
         참고: 이 설정을 통해 전류 및 전압 신호를 아날로그 형식으로 출력하고 컨트롤러에서 PWM 신호를 전송하여 회로 레벨에서 컨버터를 구동할 수 있습니다.
   3. 버스 및 부하 연결 확인
      1. 이 단계가 1.1.3단계와 일치하는지 확인합니다. 정확성과 보안을 위해 모든 연결을 검사하십시오.

2. 제어 전략 실행

1. 2.1.드룹 제어 구성
   1. 그림 4와 같이 Gains 및 Difference 블록과 같은 구성 요소를 끌어다 놓아 시뮬레이터 내의 제어 모듈에서 droop 제어 모듈을 구성합니다.
   2. 'gain' 모듈을 두 번 클릭하고 필요에 따라 드룹 계수를 설정합니다.
2. 이중 루프 PI 제어 설정
   1. 시뮬레이터에서 구성 요소를 끌어다 놓아 제어 블록 다이어그램을 구성합니다( 그림 5 참조).
   2. PI 제어 게인을 선택할 때는 방정식 ( 2에 있는 벅 컨버터의 전달 함수 모델을 사용하고, 내부 루프(전류 루프)를 먼저 설계한 다음 외부 루프(전압 루프)를 설계하는 순서를 따릅니다.
      참고: 이중 루프 제어 체계에서는 빠른 전압 조정이 DER 간의 전력 분배 정밀도를 손상시킬 수 있으므로 빠른 동적 응답과 전력 공유 정확도 사이에는 절충점이 있습니다.
3. 분산 통신 토폴로지 구축
   1. 각 DER의 컨트롤러에 서로 다른 입력 신호를 제공하여 중앙 집중식 시뮬레이터 컨트롤러 내에서 분산 제어를 구현합니다. 예를 들어, DER 1의 경우 그림 6 의 왼쪽 부분과 그림 7C와 같이 DER 2 및 DER 4의 신호를 제어 모듈로 드래그하여 분산 통신을 가능하게 합니다.
4. 분산된 2차 제어 전략의 구현
   1. 그림 6과 같이 합의 기반 2차 제어를 기반으로 시뮬레이터에서 2차 제어 블록 다이어그램을 구성합니다. 컨트롤 게인을 수정하여 보조 컨트롤 응답을 조정합니다.

3. 실시간 시뮬레이터 실험 설정

참고: 시뮬레이터 실험의 특정 구성은 그림 8과 같이 4단계로 구성됩니다.

1. 모델 초기화
   1. 편집 버튼을 클릭하여 시뮬레이터에서 실행 중인 프로그램을 수정합니다. 그런 다음 SET 버튼을 활성화하여 개발 속성 설정을 완료합니다.
2. 모델 컴파일
   1. 모델 편집을 완료한 후 빌드 버튼을 클릭하여 모델을 실행 코드로 컴파일합니다.
   2. 'Compilation Successful' 메시지가 나타날 때까지 소프트웨어 컴파일 창을 모니터링합니다. 오류가 발생하면 프롬프트에 따라 오류를 찾아 필요한 수정을 수행합니다
3. 시뮬레이터 실시간 제어 구성
   1. 컴파일 프로세스가 완료되면 시뮬레이션 모드, 실시간 통신 링크 유형 및 기타 관련 매개변수와 같은 프로그램 코드 설정을 구성합니다.
4. 프로그램 다운로드 및 실행
   1. 컴파일된 실행 프로그램을 컨트롤러 하드웨어에 다운로드하고 실험을 시작합니다.
   2. 오실로스코프의 전압 프로브를 각 DER 출력의 양극 및 음극 단자에 연결하고 clamp 출력 포트에서 전류 프로브를 연결합니다. 오실로스코프 창을 사용하여 마이크로그리드의 각 DER에서 출력을 관찰합니다.

그림 4는 시뮬레이터 내에 구성된 제어 모듈의 드룹 제어 모듈을 보여줍니다. 세부 설계는 다음과 같은 드룹 메커니즘을 기반으로 합니다.

드룹 제어 메커니즘은 DC 마이크로그리드에서 분산형 1차 제어를 위한 기본 전략입니다. AC 시스템에서 동기식 발전기의 동작을 에뮬레이트...

그림 10 은 통신 지연 없이 2차 제어 하에 있는 마이크로그리드 시스템의 전류 및 전압 응답을 보여줍니다. 시간 t₁ 이전에는 전압이 48V의 공칭 값에서 안정화 될 수 없으며 전류 분포가 상대적으로 부정확하다는 것이 분명한 드룹 기반 1 차 제어에 의해서만 시스템이 조정됩니다. 시간 t₁에서 2차 제어를 활성화하면 전압?...

저자는 공개할 이해 상충이 없습니다.

이 연구는 중국 국립자연과학재단(National Natural Science Foundation of China)의 보조금 62103308 및 보조금 62073247, 중앙대학을 위한 기초연구기금(Fundamental Research Fund for the Central Universities)의 2042023kf0095, 중국 후베이성 자연과학재단(Natural Science Foundation of Hubei Province Natural Science Foundation)의 보조금 2024AFB719 및 JCZRQN202500524, 무한대학교 실험 기술 프로젝트(Wuhan University Experiment Technology Project)의 보조금 WHU-2022-SYJS-10의 지원을 받았다. 그리고 부분적으로는 보조금 번호 GZC20241269에 따른 CPSF의 박사후 연구원 프로그램에 의해.