Introducción

Si desea simular una red eléctrica a gran escala que se asemeje a una real, deberá calibrar cada modelo representativo de esa red. Este proceso, denominado validación de modelos de centrales eléctricas (PPMV), se puede realizar tanto con pruebas de escalón offline como supervisión del rendimiento online de eventos de red. Además, dado el creciente porcentaje de almacenamiento de energía eólica y solar en la red moderna, cada vez es más importante disponer de modelos precisos de estos sistemas de energía renovable junto con los de la generación de energía tradicional. Los principales objetivos de la validación PPMV son:

• Identificar posibles errores y correcciones en el modelo
• Comprender la sensibilidad de los parámetros a las posibles mejoras del modelo

Esta tarea puede suponer todo un desafío, sobre todo cuando la exigen normativas técnicas tales como los estándares NERC MOD-026 o MOD-027. Este white paper describe un flujo de trabajo de PPMV en el que se utiliza MATLAB^® y Simulink^®, haciendo hincapié en datos de pruebas de escalón offline y en la supervisión del rendimiento online de eventos de red usando datos de sincrofasor (PMU) tanto para energías renovables como para generación de energía tradicional. Se exploran flujos de trabajo que incluyen tanto ajustes manuales como técnicas automatizadas. Un caso práctico de una planta de energía solar demuestra cómo realizar lo siguiente:

1. Reproducir datos medidos a través de simulaciones
2. Comprender la discrepancia de respuestas a través de la reproducción de datos de campo
3. Uso de criterios técnicos y sensibilidad de parámetros automatizada para evaluar y clasificar la influencia de los parámetros del sistema en la respuesta del sistema
4. Mejorar la respuesta del sistema con ajustes manuales y estimación de parámetros automatizada

También se describen las siguientes plantillas para pruebas de generación de energía tradicional:

1. Prueba de rechazo de carga con factor de potencia cero
2. Pruebas de escalón de tensión de circuito abierto
3. Pruebas de escalón online

Reproducción de datos medidos a través de simulaciones

Para calibrar modelos de sistemas de energía estandarizados con datos reales es preciso superponer y comparar tanto la respuesta de simulación como los datos de medición de campo. Uno de los métodos de comparación de respuestas consiste en reproducir datos de campo medidos a través de modelos de simulación y observar las respuestas. Con la incorporación de las energías renovables a la red eléctrica, se han desarrollado modelos estandarizados de rendimiento de plantas similares a los modelos estándar de IEEE para la generación de energía tradicional. La Figura 1 (abajo) es una representación de alto nivel de la planta de energía solar conectada a la red.

El atributo fundamental de la validación PPMV es reproducir datos medidos a través de un modelo de simulación. En lo que respecta a las pruebas de escalón offline, la reproducción de datos implica excitar el modelo de planta a través de mediciones de señales de control. En cuanto a la supervisión del rendimiento online, la reproducción de datos implica excitar el modelo de planta a través de mediciones físicas de la tensión o corriente en el punto de conexión de la red eléctrica. Se suele considerar la tensión (V), la frecuencia (F), la potencia activa (P) y la potencia reactiva (Q) como las cuatro mediciones necesarias para realizar la validación PPMV. En el caso de la generación de energía tradicional, también se puede utilizar la tensión de campo o la corriente de campo, si se registran durante los procedimientos de prueba.

La Figura 2 (abajo), muestra el modelo de una instalación solar (con REEC_A, REPC_A y REGC_A) con un bloque VF Replay que permite reproducir los datos de campo para confirmar el rendimiento de la planta.

Comprensión de la discrepancia de respuestas a través de la reproducción de datos de campo

La primera etapa de la validación PPMV consiste en comprender la discrepancia de respuestas a través del ajuste manual de parámetros. Es posible que tenga una lista de parámetros “sospechosos” que ajustar en función de experiencias previas. También puede obtener información adicional observando los atributos de una discrepancia de respuestas, que puede señalar ciertos parámetros que requieran ajuste. La Figura 3 muestra los resultados de la reproducción de V y F para el ejemplo de planta de energía renovable. Dado que la respuesta de P y Q simulada no coincide con la respuesta de P y Q medida, los parámetros del modelo son inexactos y requieren un ajuste. Puesto que las respuestas de P y Q muestran diferencias de respuesta dinámica, es posible que la diferencia se deba a los parámetros del lazo de retroalimentación de tensión, que podrían ajustarse manualmente.

Uso de criterios técnicos y sensibilidad de parámetros automatizada para evaluar y clasificar la influencia de los parámetros del sistema en la respuesta del sistema

Los parámetros se pueden ajustar manualmente, pero los modelos de plantas de energía solar cuentan con más de 50 parámetros ajustables. Para identificar los parámetros para esta prueba de escalón de tensión, se puede aplicar la sensibilidad de parámetros automatizada para evaluar y clasificar la influencia de parámetros del sistema adicionales en la respuesta de sistema. Como se muestra en la Figura 4, el análisis de sensibilidad ejecuta muchas simulaciones con pequeñas perturbaciones de parámetros para identificar cuáles mejoran más los resultados. Este método ayuda a identificar los parámetros más importantes en los que centrarse.

Los resultados del análisis de sensibilidad se encuentran en la Figura 5. La gráfica muestra los cuatro parámetros que se han probado en este caso. Se observa que el parámetro de ganancia repc_Ki será el que más impacto tendrá a la hora de mejorar el rendimiento de la respuesta al escalón de tensión.

Mejora de la respuesta del sistema con ajustes manuales y estimación de parámetros automatizada

Después de realizar el ajuste manual y la sensibilidad de parámetros automatizada, puede aplicar estimación de parámetros automatizada para mejorar la respuesta. Los rangos de valores de los parámetros se pueden restringir en la tarea de estimación de parámetros automatizada, y se pueden agregar varias pruebas con el fin de garantizar que los parámetros identificados sean precisos para una amplia variedad de operaciones de la planta de energía solar. Como se muestra en la Figura 6, la estimación de parámetros utiliza métodos de optimización para minimizar la diferencia entre la simulación y los datos de campo mediante el ajuste automático de los parámetros de la planta.

Cabe señalar que la tarea de validación PPMV no debería culminar con el ajuste automatizado. Es importante evaluar el resultado y determinar si se pueden efectuar más ajustes manuales. Por ejemplo, se pueden revertir los parámetros que no hayan cambiado significativamente a sus valores originales y comparar las respuestas. Si el resultado es comparable, puede resultar más adecuado hacer el mínimo imprescindible de cambios en los parámetros.

Ejemplos de reproducción para generación de energía tradicional

La reproducción de datos de campo se puede realizar no solo para la validación de modelos de energías renovables, sino también para instalaciones de generación de energía tradicional típicas. Si bien se pueden utilizar datos de PMU, la reproducción se puede configurar para pruebas offline específicas de equipamiento de planta. La ventaja de realizar múltiples pruebas independientes y estudios de validación es que se puede probar cada componente de manera aislada, lo que reduce el número de parámetros que se deban ajustar. En los siguientes ejemplos de configuración, se puede realizar tanto análisis de sensibilidad como estimación de parámetros, como se ha demostrado en el ejemplo anterior de una instalación solar.

Para una prueba de rechazo de carga con factor de potencia cero, se puede simular el generador de manera aislada reproduciendo P y Q (consulte la Figura 7). Además de P y Q, se pueden reproducir otras mediciones, como la frecuencia y la tensión de campo medida (Efd). En este caso, la coincidencia de datos se puede centrar en la tensión en bornes del generador.

Con un modelo de generador validado, se pueden incluir más componentes con pruebas offline adicionales, tales como pruebas de escalón de tensión del sistema de excitación. En la Figura 8, se ha incluido un sistema de excitación ST1A. Se reproduce la referencia de tensión, y se puede confirmar que la tensión en bornes del generador coincide. Dado que el modelo es una prueba offline, la reproducción de la red de potencia activa y reactiva es cero.

Por último, se pueden agregar componentes adicionales, como un estabilizador del sistema de energía. En la Figura 9, se ha agregado un PSS2C al modelo, y se reproduce P y Q para validar todos los componentes utilizando datos conectados a la red. Aunque no se ha agregado en estos ejemplos, también podría incluirse un modelo regulador reproduciendo la reproducción de frecuencia. Una vez que creada una plantilla para una prueba de planta, se puede utilizar la misma plantilla para varias plantas de energía en las que se realicen pruebas similares. En el caso de diferentes generadores o sistemas de excitación, simplemente basta con intercambiar esos bloques para diferentes configuraciones de planta.

Resumen

En este white paper, hemos explorado la validación PPMV aplicada a la supervisión del rendimiento online de eventos de red con datos de PMU, utilizando un flujo de trabajo que incluía tanto ajustes manuales como técnicas automatizadas. Con un caso práctico de la planta de energía solar conectada a la red se han demostrado los siguientes pasos del flujo de trabajo:

1. Reproducción de datos medidos a través de simulaciones
2. Comprensión de la discrepancia de respuestas a través de la reproducción de datos de campo
3. Uso de criterios técnicos y sensibilidad de parámetros automatizada para evaluar y clasificar la influencia de los parámetros del sistema en la respuesta del sistema
4. Mejora de la respuesta del sistema con ajustes manuales y estimación de parámetros automatizada

MATLAB y Simulink permiten realizar la validación de modelos de centrales eléctricas con técnicas automatizadas. El flujo de trabajo proporciona información y flexibilidad para cumplir con normativas técnicas tales como el estándar NERC MOD-26.