Simple Science

Ciência de ponta explicada de forma simples

# Engenharia Eletrotécnica e Ciência dos Sistemas# Sistemas e Controlo# Sistemas e Controlo

Gerenciando a Tensão em Redes Solares

Métodos para estabilizar redes de energia à medida que o uso de energia solar aumenta.

― 7 min ler


Controle de Voltagem emControle de Voltagem emRedes Solaresenergia solar.voltagem da rede com o aumento daMétodos eficazes para gerenciar a
Índice

À medida que mais casas usam painéis solares e outras fontes de energia pequenas, as redes elétricas que entregam eletricidade enfrentam novos desafios. Esses desafios surgem das grandes quantidades de eletricidade que os painéis solares produzem durante a maior incidência de luz solar. As redes elétricas tradicionais não foram projetadas para lidar com níveis tão altos de fluxo de energia, especialmente de muitas fontes pequenas.

Quando muita energia é injetada na rede de uma vez, os níveis de tensão podem subir além dos limites seguros. Para controlar isso, são usadas métodos que gerenciam tanto a tensão quanto a Potência Reativa. A potência reativa ajuda a estabilizar os níveis de tensão, permitindo que mais potência ativa flua com segurança pela rede sem precisar atualizar fisicamente a infraestrutura.

Este artigo discute como diferentes métodos de gerenciamento de tensão e potência reativa podem ajudar a manter a rede funcionando de forma suave à medida que mais casas adotam energia solar. Ele se concentra particularmente em um método chamado Otimização de Feedback Online (OFO), que busca melhorar a capacidade da rede sem grandes atualizações.

O Problema com o Aumento dos Níveis de Potência

O aumento da produção de energia solar e outras fontes descentralizadas significa que muitas vezes há energia demais entrando na rede durante os picos de produção. Isso pode fazer com que os níveis de tensão excedam os limites definidos, o que pode levar a problemas na entrega da energia de forma segura.

Quando os níveis de tensão sobem demais, os operadores da rede precisam fazer ajustes. Métodos de controle de potência reativa ajudam a regular os níveis de tensão, permitindo que mais potência ativa flua com segurança pela rede. Essa abordagem libera capacidade sem o estresse de atualizações físicas caras.

Como Funciona o Controle de Potência Reativa

O principal objetivo do controle de potência reativa é manter os níveis de tensão dentro de limites aceitáveis. Gerenciando a potência reativa injetada ou absorvida em vários pontos na rede, os operadores podem criar um ambiente estável para a transmissão de energia.

Existem diferentes métodos de controle de potência reativa, incluindo Controle de Droop, controle baseado em aprendizado de máquina e métodos coordenados como o OFO. Cada um tem suas próprias vantagens e desvantagens.

Controle de Droop

O controle de droop é um método local, onde cada inversor (o dispositivo que converte energia solar em eletricidade para a rede) ajusta sua saída com base na tensão no seu local. Isso significa que, se a tensão ultrapassar um certo nível, o inversor vai reduzir sua saída de potência reativa. Embora esse método seja amplamente utilizado, seu foco local significa que pode não ser o jeito mais eficiente de gerenciar toda a rede.

Controle Ajustado por Aprendizado de Máquina

Outra abordagem é o controle ajustado por aprendizado de máquina. Esse método busca otimizar o controle de droop aprendendo com dados sobre como a rede reage a diferentes condições. Tenta criar uma curva de droop mais eficaz, mas ainda opera dentro da mesma estrutura local. Embora reduza o uso desnecessário de potência reativa, não resolve completamente a coordenação necessária em toda a rede.

Otimização de Feedback Online (OFO)

O OFO representa uma mudança em direção a uma abordagem mais coordenada e flexível. Diferente dos métodos locais, o OFO usa medições de tensão em tempo real para fazer ajustes em toda a rede. Ele não requer um modelo preciso da rede, tornando-se mais adaptável às condições reais no campo. Ao atualizar continuamente suas configurações de potência reativa com base nas medições de tensão, o OFO pode ajudar a manter a rede estável e maximizar sua capacidade.

Simulando a Rede

Para entender como esses métodos funcionam, simulações foram realizadas com base em dados de uma rede de distribuição de baixa tensão específica. Essa rede é estruturada como muitas redes residenciais encontradas na Europa, onde os fluxos de energia são influenciados pela geração de energia solar e pelo consumo de energia das casas.

As simulações analisaram como diferentes métodos de controle lidam com as restrições de tensão ao longo de um dia típico e em diferentes níveis de produção de energia solar. Vários cenários com aumento da capacidade solar foram testados para ver quão bem cada método de controle poderia manter os limites de tensão e, portanto, a estabilidade da rede.

Resultados dos Estudos de Simulação

Os resultados mostraram que, à medida que mais energia solar é adicionada à rede, os níveis de tensão muitas vezes ultrapassam os limites permitidos. O controle de droop padrão foi eficaz em gerenciar as tensões no início, mas teve dificuldades à medida que a capacidade aumentou. O uso da potência reativa foi alto, levando a ineficiências.

Em contraste, o controle ajustado por aprendizado de máquina teve um desempenho um pouco melhor do que o controle de droop padrão, mas ainda ficou aquém em lidar com níveis mais altos de entrada solar. No entanto, o método OFO demonstrou uma melhoria significativa. Ele conseguiu manter os níveis de tensão muito mais próximos dos limites aceitáveis, permitindo assim que mais potência ativa fluísse pela rede.

Testes no Mundo Real

Para validar os resultados da simulação, testes no mundo real foram realizados em uma rede de distribuição na Dinamarca. Aqui, foi estabelecido um sistema com fontes de energia produzindo tanto potência ativa quanto reativa. Os testes mostraram que, sem nenhum gerenciamento de potência reativa, os níveis de tensão alcançavam limites inseguros muito rapidamente.

Usando o controle de droop padrão, o limite de tensão foi alcançado com uma certa quantidade de produção de potência ativa. Ao empregar o OFO, a rede conseguiu lidar com níveis de entrada de potência ainda mais altos antes de atingir o limite de tensão, mostrando quão eficaz esse método pode ser na vida real.

Benefícios do Controle Coordenado

A clara vantagem de usar uma abordagem coordenada como o OFO está na sua capacidade de enfrentar as complexidades de uma rede de energia moderna. Como se baseia em medições reais e não depende de um modelo detalhado, pode se adaptar mais rapidamente e efetivamente às condições em mudança.

Essa habilidade de regular a tensão enquanto maximiza o fluxo de potência ativa não apenas ajuda a aliviar os estresses imediatos na rede, mas também oferece uma alternativa econômica a construir uma nova infraestrutura física.

Conclusão

À medida que a adoção de energia solar e outras fontes de poder descentralizadas continua a crescer, a necessidade de um gerenciamento melhor da tensão e da potência reativa se torna crítica. Métodos tradicionais como o controle de droop estão se tornando inadequados para gerenciar as novas dinâmicas de fluxo de energia em redes residenciais.

Abordagens de aprendizado de máquina adicionam alguma otimização, mas ainda operam dentro de uma estrutura localizada. Em contraste, métodos como a Otimização de Feedback Online oferecem uma solução promissora. Ao coordenar esforços em toda a rede e utilizar dados em tempo real, o OFO pode aumentar dramaticamente a capacidade da infraestrutura existente.

A capacidade de gerenciar os níveis de tensão de forma eficaz sem necessidade de atualizações excessivas destaca os potenciais benefícios para os operadores da rede. Esses avanços não só poderiam melhorar a eficiência, mas também adiar a necessidade de reforços físicos caros, levando, em última análise, a um futuro energético mais sustentável.

Fonte original

Título: Power Distribution Grid Enhancement via Online Feedback Optimization

Resumo: The rise in residential photovoltaics and other distributed energy sources poses unprecedented challenges for the operation of power distribution grids. When high amounts of active power are injected into the grid by such power sources, the overall power flow is often limited because of voltages reaching their upper acceptable limits. Volt/VAr control aims to raise this power flow limit by controlling the voltage using reactive power. This way, more active power can be transmitted safely without physically reinforcing the grid. In this paper, we use real consumption and generation data on a low-voltage CIGR\'E grid model and an experiment on a real distribution grid feeder to analyze how different Volt/VAr methods can enhance grid capacity, i.e., by how much they can improve the grid's capability to transmit active power without building new lines. We show that droop control enhances the grid but vastly underutilizes the reactive power resources. We discuss how the effectiveness of droop control can be partially improved by employing machine-learning techniques to tune the droop coefficients, but we demonstrate that local control laws are inherently unable to achieve optimal grid enhancement. In contrast, methods that coordinate the use of reactive power resources across the grid, such as Online Feedback Optimization (OFO), can enhance the grid to its full potential. A numerical study performed on data from an entire year using a realistic grid model suggests that OFO can enable another 9\% of maximum active power injections compared to droop control. To achieve that, OFO only requires voltage magnitude measurements, minimal model knowledge, and communication with the reactive power sources. A real-life experiment provides a demonstration of the practical feasibility of the proposed approach and enhanced the grid by another 10.5\% compared to droop control.

Autores: Jonas G. Matt, Lukas Ortmann, Saverio Bolognani, Florian Dörfler

Última atualização: 2024-02-29 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2305.04666

Fonte PDF: https://arxiv.org/pdf/2305.04666

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes