Voltage Support in Distribution Grids by Model Predictive Control of the Grid Interface Converter for a Battery Energy Storage System

Abstract

Elektrifiseringen av dagens samfunn og den økte mengden av distribuert energiproduksjon har ført til økt press på strømnettet. Dette presset kan resultere i utfordringer knyttet til nettstabilitet, spenningskvalitet og leveringskvalitet. Historisk så har disse utfordringene blitt løst ved hjelp av dyre og tidkrevende løsninger som nettforsterkninger. Utviklingen av batteriteknologi har gjort at batterisystemer har blitt introdusert som et mulig alternativ til nettforsterkning. Batterisystemer kan bli installert på plasser der spenningskvalitetet er svekket for å bidra med nødvendig støtte. Fleksibiliteteten til batterisystemer gjør dem ideel for et bredt spekter av bruksområder for spenningsstøtte.

Denne masteroppgaven fokuserer på den overordnede styringen for batterisystemet. Effektflyten mellom strømnettet og batteripakken er kontrollert med en 2-nivå spenningskonverter. En nettilkoblet spenningskonverter er modellert på tilstandsromsform. Topologien til spenningskonverteren bruker dekoblet strømkontroll for uavhengig styring av aktiv og reaktiv effekt mellom spenningskonverteren og distribusjonsnettet.

En modellprediktiv kontrollmetode er foreslått som kontrollsystem for spenningskonverteren. Modellprediktiv kontroll har fordelen at den kan kalkulere optimal mengde aktiv og reaktiv effektflyt tilført strømnettet, gitt begrensningene i systemet. De foreslåtte objektene inkludere spenningskontroll, energioptimalisering og kombinert spenningskontroll med energioptimalisering. For alle objektene så har en rask kontroller med kort samplingsintervall og en treg kontroller med langt samplingsintervall blitt foreslått.

Simuleringen av spenningskonverteren med de foreslåtte objektene er gjennomført i et testnett for det lavspente distribusjonsnettet. Laster er introdusert for å tilføre spenningsforstyrrelser i nettet. Testnettet består av en serie av linjeimpedanser med tilkoblede lastnoder som er tilført spenning fra en 22 kV/400 V transformator tilkoblet en 22 kV spenningsilder som opptrer som et høyspent distribusjonsnett.

Simuleringene viser at modellprediktiv kontroll kan bli iverksatt og optimalt regne ut tilført kraftflyt for spenningsstøtte. Kombinert spenningskontroll med energioptimalisering viser den beste ytelsen blant de foreslåtte kontrollmetodene. Den raske kontrolleren klarer å reagere raskt på spenningsforstyrrelser, men har ikke en gunstig transient respons på grunn av linearisering vekk fra et likevektspunkt. Den trege kontrolleren reagerer ikke raskt nok på spenningsforstyrrelser under den initielle spenningsdippen, men viser gode stabilitetsegenskaper. Resultatene viser potensialet til modellprediktiv kontroll av batterisystemer for nettstabilitet og spenningsstøtte.

The electrification and increased penetration of distributed energy resources in today's society have created an increased demand for the electrical grid. This demand can result in challenges related to grid stability, power quality and continuity of supply. Traditionally, challenges related to increased grid demands have been alleviated through costly and time-consuming methods like grid reinforcements. With the advancement in battery technology, battery energy storage systems have become a viable alternative to grid reinforcements. Battery systems can be installed in locations where the power quality is compromised, thereby providing necessary support. Their flexibility makes them ideal for a wide range of voltage support applications.

This thesis focuses on the supervisory control of a battery system. The power flow between the grid and the battery is controlled by a grid-connected 2-level voltage source converter. A grid-connected voltage source converter is modelled using state-space representation. The voltage source topology used is decoupled current control to independently control the active and reactive power flow between the voltage source converter and the distribution grid.

A model predictive control methodology is proposed as the control strategy for the voltage source converter. Model predictive control has the advantage that it can calculate the optimal active and reactive power injection to the grid, given the constraints on the system. The proposed objectives include voltage tracking, energy optimization and combined voltage tracking with energy optimization. For all objectives, a fast controller with a short time step and a slower controller with a long time step is also proposed.

Simulations of the voltage source converter with the proposed objectives are conducted in a low voltage distribution test grid with load demands to introduce voltage disturbances. The test grid consists of a series of line impedances with connected loads that are supplied from a 22 kV/400 V transformer connected to a 22 kV voltage source acting as the high voltage distribution grid.

The simulations show that model predictive control can successfully be implemented to calculate optimal power injection for voltage support. Among the proposed control methods, the combined objective of voltage tracking with energy optimization demonstrates the best performance. The faster controller can quickly respond to voltage disturbances. It does not have the optimal transient response due to linearization away from an equilibrium point. The slower controller does not have a fast response time and is not able to reject disturbances during the initial voltage dip. However, it shows promising steady-state results. The findings underscore the potential of implementing model predictive control in battery energy storage systems for grid stability and voltage support.