Elektrické systémy, energetika a Model-Based Design: modelování, simulace, návrh řízení
8.4.2025 (úterý), registrace od 12:30 (od 10:00 včetně dopoledního Master Class), vstupné zdarma
Kongresové centrum ČVUT, Praha, Česká republika
Na základe nariadenia Európskej komisie 2016/631 je potrebné pri tvorbe analýz vypracovať také simulačné modely, ktoré spĺňajú podmienky zhody a ich simulačný výstup je možné porovnať s výstupom na vybranom zdroji elektrickej energie. Príspevok sa zaoberá modelovaním, simuláciou a analýzou dynamických vlastností simulačných modelov v elektroenergetike. Počas prezentácia popíšeme prístupy modelovania, identifikácie a ďalšie využívané nástroje v prostredí MATLAB.
Vývoj elektrických systémů v prostředí MATLAB a Simulink je postaven na nástrojích pro fyzikální modelování, kde jsou v grafickém prostředí vytvářeny simulační modely z prvků reprezentujících reálné systémy, na základě jejich fyzického uspořádání. Knihovny Simscape Electrical a Simscape Battery poskytují bloky pro stejnosměrné, střídavé, jednofázové i třífázové systémy. Mezi typické prvky patří nejrůznější zdroje elektrické energie, modely vedení a zátěže, výkonová elektronika, napěťové měniče a střídače, elektrické pohony a další.
Master Class Vás provede krok po kroku ukázkovým příkladem zaměřeným na analýzu mikrosítě. Její model zahrnuje jak tradiční generátory, tak fotovoltaiku a simulaci zátěží. Řídicí systémy využité v modelu jsou pak postaveny na metodách, jako je droop control a MPPT.
Postupně si představíme způsob práce v grafickém prostředí Simulink/Simscape. Ukážeme si, jak nastavovat parametry jednotlivých prvků a jak je sestavit do fyzikální sítě. Dále si projdeme možnosti nastavení simulace, a jakým způsobem vizualizovat a interpretovat její výsledky. Nakonec se podíváme, jak propojit fyzikální model s navrženými algoritmy a jak je testovat za pomocí společné simulace.
Grid modernization and decentralization have rapidly increased power system complexity. Modern grids include variable power generation assets, such as wind and solar, and distributed energy storage systems, such as grid-scale batteries. These power systems introduce new levels of uncertainty to grid operations and call for more intelligent and robust control algorithms in grid management.
This keynote highlights how MATLAB, Simulink, and Simscape Electrical can transform smart grid management by enabling:
Simulace modelů pohonů na systémové úrovni umožní dimenzování návrhu a vývoj řídicích systémů již v raných etapách vývoje, usnadní optimalizaci návrhu a dovolí testování rizikových scénářů bez nutnosti práce s fyzickým zařízením.
Typické kroky při tvorbě modelu pohonného systému v prostředí MATLAB & Simulink zahrnují modelování elektromotoru (PMSM, BLDC, apod.), modelování výkonové elektroniky (napěťový měnič, střídač), návrh a implementaci vestavěného softwaru (řídicí algoritmy, virtuální senzory), vymezení testovacích scénářů, simulace a analýzy výsledků. Modely komponent mohou mít různou úroveň detailů v závislosti na zadaných požadavcích. Závěr vývojového procesu se opírá o generování zdrojového kódu (C/C++, HDL) z navržených algoritmů a jeho integraci do reálného prostředí.
Bude prezentováno využití prostředků MATLAB-SIMULINK v kombinaci s vizualizačním prostředím AVEVA InTouch pro vytvoření SW trenažéru. Tento Tréninkový simulátor je využíván pro výcvik operátorů teplárenských záložních zdrojů ZZ, v rámci centrálního zdroje Elektráren Opatovice a soustavy centrálního zásobování teplem (SCZT – EOP – Hradec Králové – Pardubice – Chrudim) od roku 2011. V loňském roce v reakci na změny v reálné technologii, proběhl i upgrade HW a SW simulátoru z Win XP a Matlab R2010a na aktuální verzi Matlabu R2023b na Win11.
Vzhledem k době základního vývoje (2010/2011) a dlouhodobému průběžnému využívání Treninkových simulátorů ZZ, jsou dosud využívány starší verze SW nástrojů, ale „principiální koncepce řešení“ je nadčasová a využitelná i v dalších průmyslových oblastech (elektroenergetika – simulátory elektro-rozvoden, petrochemie – proces krakování, teplárenství – soustavy centrálního zásobování teplem SCZT, a obecně strojírenství).
Tréninkové (Operátorské, Dispečerské, Inženýrské) Simulátory lze zařadit do kategorie „digitálních dvojčat“ – viz [1] Neuman, P. “Digitální dvojčata v energetice a ve strojírenství”. časopis All for Power, č. 2, 2024.
Systémy založené na obnovitelných zdrojích, jako jsou větrné a solární farmy, se rychle vyvíjí a přispívají k většímu podílu na celkové výrobě elektřiny. V nástrojích MATLAB, Simulink a Simscape je možné modelovat architekturu systémů sestavených z obnovitelných zdrojů energie, provádět studie integrace nových zdrojů do systému a vyvíjet řídicí systémy, které je ovládají.
Samostatnou kapitolu pak představuje využití dalších inovativních technologií, jako jsou palivové články. Efektivní vývoj palivových článků a elektrolyzérů vyžaduje dostatečně věrné simulační modely, které umožňují prozkoumat návrhové možnosti, analyzovat kompromisy a jsou oporou při návrhu vhodných řídicích systémů.
Testování modelů výkonové elektroniky v prostředí dSPACE umožňuje efektivní simulaci a ověřování řídicích algoritmů v reálném čase. Díky hardwaru a softwaru dSPACE lze přesně modelovat chování výkonových měničů, motorů a dalších elektrických systémů před jejich nasazením do praxe. Tato metoda výrazně zkracuje vývojový cyklus, minimalizuje náklady a zvyšuje bezpečnost testování.
MATLAB & Simulink poskytuje návrhové prostředí, ve kterém je možné modelovat bateriové články, navrhovat různé architektury bateriových sestav (battery pack) a vyhodnocovat tepelné a elektrické chování baterií za normálních a poruchových podmínek. Využít lze parametrizované modely bateriových článků, sestavit vlastní model baterie se zahrnutím různých efektů, geometrií a topologií a doplnit jej chladicím systémem.
Cílem algoritmů BMS (battery management system) je zajištění požadovaného výkonu, bezpečného provozu a přijatelné životnosti baterie v odlišných provozních režimech a za různých okolních podmínek. Pomocí simulace na systémové úrovni je možné ověřit funkční aspekty návrhu BMS, získat přehled o dynamickém chování baterie, ověřit efektivitu BMS a následně použít automatické generování kódu pro jeho implementaci na reálný systém. Mezi typické úlohy BMS patří sledování napětí a zahřívání článků, odhad stavu nabití a kondice baterie (state-of-charge, state-of-health), řízení vhodného profilu nabíjení, vyvážení stavu nabití jednotlivých článků nebo řízené odpojení baterie od zdroje/zátěže v případě nutnosti.
V dnešních technických systémech se stále více uplatňují algoritmy vytvořené metodami umělé inteligence. V oblasti elektrických a energetických systémů nachází AI uplatnění v různých formách. Redukované modely umožňují popsat chování složitých systémů při zachování vysoké rychlosti simulace. Virtuální senzory slouží k získávání hodnot veličin, které nezle přímo měřit. V oblasti řídicích systémů se jedná o pokročilé metody řízení, jako je model predictive control nebo reinforcement learning. Analýza provozních dat může sloužit k diagnostice systémů v oblasti prediktivní údržby. Samostatnou kapitolu pak představuje využití predikčních modelů pro předpovídání dodávek, spotřeby a cen energií při provozu energetických systémů.