Nichtlineare Modellierung, Simulation und Analyse von Stromnetzen im Frequenzbereich unter Nutzung von Verhaltensmodellen
In modernen Stromnetzen sind immer mehr leistungselektronische Komponenten vorhanden. Solche Komponenten weisen ein nichtlineares Verhalten auf und führen zu Spannungs- und Stromharmonischen. Gegenwärtige Verfahren im Frequenzbereich nehmen lineare Kleinsignalmodelle an, die in Anwesenheit von immer mehr leistungselektronischen Komponenten nicht mehr gültig sind.
Dieses Projekt zielt darauf ab, eine neue Theorie für die Analyse von Stromnetzen im Frequenzbereich zu entwickeln. Die Modelle der nichtlinearen Komponenten basieren auf Messungen und sind durch den X-Parameter-Verhaltensmodellierungsansatz inspiriert. Dieser Ansatz wird derzeit ausschließlich in der Hochfrequenztechnik eingesetzt und führt ein Konzept der auf Messungen basierten nichtlinearen Black-Box-Modellierung ein. Diese neue Theorie ermöglicht eine effektive und genauere Untersuchung des Betriebs von Stromnetzen ohne Annahme eines linearen Verhaltens der nichtlinearen Komponenten. Eine beispielhafte Anwendung ist die Stabilitätsanalyse von Stromnetzen unter gestörten Betriebsbedingungen.
In einem ersten Schritt wurde das auf Messungen basierte Frequenzbereichsmodell eines einphasigen Brückengleichrichters mit vier Dioden identifiziert. Ein solcher Gleichrichter ist eine verbreitete nichtlineare passive Komponente in heutigen Stromnetzen. Die Messungen der Komponente auf Leistungslevel wurden im ACS-Labor mit dem Flexible Power Simulator (FlePS) als Leistungsverstärker durchgeführt. Ein FPGA in Kombination mit LabVIEW führt die Spannungs- und Strommessungen durch, die Nachbearbeitung und Modellidentifikation erfolgt mittels Matlab.
Als nächster Schritt wird ein ähnliches auf Messungen basiertes Modell für eine aktive Komponente wie einen AC/DC-Wandler identifiziert. Darüber hinaus werden Simulationen auf Systemebene im Frequenzbereich mit solchen nichtlinearen Modellen durchgeführt, um den vorgestellten Ansatz zu validieren.
Wir danken Keysight Technologies für die finanzielle Unterstützung durch den “Applications and Core Technology University Research award”.