Wie man die Validierungskosten in PHIL-Systemen optimieren kann, ohne die Genauigkeit zu beeinträchtigen

Wichtigste Erkenntnisse

• Die PHIL-Budgets sinken, wenn hardware erst nach Abschluss software für ungelöste, hardware Risiken durchgeführt werden.
• Die Genauigkeit sollte sich nach der Empfindlichkeit des Ausfallmodus richten, wobei die Stabilität im Regelkreis die praktische Obergrenze für die Modellgenauigkeit darstellt.
• Sowohl die Kosten pro kW als auch der Arbeitsaufwand sinken, wenn durch Modellaufteilung und Testautomatisierung unnötiger hardware und manueller Aufwand vermieden werden.

Die Kosten für die PHIL -Validierung sinken, wenn Sie hardware für die Risiken einsetzen, die software abgedeckt werden können.

Mangelhafte software kostete die US-Wirtschaft im Jahr 2022 mindestens 2,41 Billionen Dollar. Diese Zahl ist von Bedeutung, da PHIL einer der teuersten Wege ist, um Probleme aufzudecken, die man schon früher hätte finden können. Teams geben zu viel Geld aus, wenn sie die Testumgebung als universelle Prüfmaschine betrachten. Man gewährleistet die Genauigkeit und senkt die Kosten, wenn jeder PHIL-Lauf eine spezifische, hardware Frage beantwortet.

Bei der Validierung inTests darum, ein akzeptables Systemverhalten unter den relevanten Bedingungen nachzuweisen, während bei der Verifikation überprüft wird, ob Modelle, Code und Schnittstellen den Anforderungen entsprechen.hardware kommt genau dort zum Einsatz, wo software enden und hardware beginnt. Diese Grenze sorgt dafür, dassTests Validierung aufeinander abgestimmt bleiben. Außerdem bietet sie eine elegante Möglichkeit, Simulationsbudgets zu optimieren, ohne das Vertrauen in die Ergebnisse zu beeinträchtigen.

Die Validierungskosten sinken, wenn PHIL nur das Restrisiko berücksichtigt

PHIL ist kostengünstiger, wenn Sie damit nur das Verhalten testen, bei dem nach software noch Unsicherheiten bestehen. Das betrifft in der Regel Schnittstelleneffekte, das Timing der Steuerung, Sättigung, Auslösungen von Schutzvorrichtungen und hardware . Der Zeitaufwand für die Prüfstandstests sinkt, da Sie keine leistungsfähige hardware mehr einsetzen, hardware Logik zu bestätigen, die bereits durch Unit-Tests geklärt wurde. Die Kostenkontrolle beginnt mit einer präzisen Risikobeschreibung für jeden Durchlauf.

Ein Team für Motorantriebe liefert ein anschauliches Beispiel. Stromschleifenlogik, Fehleranalyse und Zustandsübergänge werden in Model-in-the-Loop- und software verifiziert, während der PHIL-Prüfstand für Totzeit, Sensorrauschen, DC-Link-Abfall und Verstärkerinteraktion reserviert ist. Diese Verlagerung reduziert die Anzahl der Wiederholungsläufe und verkürzt die Einrichtungszeit. Außerdem verbessert sie die Rückverfolgbarkeit, da jeder PHIL-Fall einem spezifischen Restrisiko zugeordnet ist, anstatt einer allgemeinen Forderung nach mehr Sicherheit.

„PHIL ist kostengünstiger, wenn man es nur dazu nutzt, das Verhalten zu testen, bei dem nach software noch Unsicherheiten bestehen.“

Der Unterschied zwischen Verifizierung und Validierung legt fest, was PHIL nachweisen muss

Verifikation und Validierung in software Tests , unterschiedliche FragenTests , und PHIL ist auf der Seite der Validierung angesiedelt. Bei der Verifikation wird überprüft, ob Modelle, Code, Schnittstellen und Anforderungen miteinander übereinstimmen. Bei der Validierung wird überprüft, ob sich das integrierte Steuerungssystem unter Berücksichtigung hardware und der Regeleffekte akzeptabel verhält. PHIL sollte dieses Verhalten nachweisen, anstatt die grundlegende Korrektheit erneut zu überprüfen.

Teams verwechseln Validierung und Verifizierung beiTests ein fehlgeschlagener PHIL-Lauf sie dazu zwingt, eine fehlende Anforderung oder eine fehlerhafte Einheitenumrechnung zu korrigieren. Das ist Verifizierungsarbeit, und der Fehler hätte schon früher und zu weitaus geringeren Kosten entdeckt werden müssen. Ein Projekt zur Netzumrichterentwicklung veranschaulicht diese Unterscheidung gut. Anforderungsverfolgung, Reglergrenzen und Nachrichtenverarbeitung gehören inTests Validierungsschichten, bevor eine Leistungsstufe mit Strom versorgt wird, während sich ein PHIL-Lauf auf Stromaufteilung, Durchfahrverhalten und Schutz unter elektrischer Belastung konzentrieren sollte.

Software Tests Risiken vor der Ausführung von PHIL beseitigen

Tests so viel Unsicherheit wie möglich beseitigen, bevor PHIL beginnt. Dazu gehören Komponententests, Modellprüfungen, Schnittstellenvalidierung, Fehlerinjektion und automatisierte Regressionstests beim Erstellen des Controllers. PHIL wird kostengünstiger, wenn sein Zweck klar und konkret definiert ist. Es wird zu einer Verschwendung, wenn es gleichzeitig als allgemeine Debugging-Phase dient.

Ein Team für Batterie-Wechselrichter kann über Nacht Tausende von Steuerungskombinationen simulieren und am nächsten Morgen nur die wenigen Fälle mit instabilem Verhalten auf den Prüfstand bringen. Dieser Ablauf spart Geld, denn die KostenTests unzureichendenTests wurden für die US-Wirtschaft auf 22,2 bis 59,5 Milliarden US-Dollar pro Jahr geschätzt. Späte Ausfälle sind in jedem Bereich teuer, und PHIL erhöht diese Kosten noch durch zusätzliche hardware, Sicherheitsvorkehrungen und Laborpersonal. Sie können die Validierungskosten erst senken, wenn Ihre Tests Tests zuerst die leicht zu behebenden FehlerTests .

Die Zuverlässigkeit sollte eher der Ausfallsensitivität entsprechen als den Modellzielen

Hochpräzis sind Hochpräzis gerechtfertigt, wenn fehlende Details über Bestehen oder Durchfallen entscheiden können. Die Modelldetaillierung sollte sich an der Fehleranfälligkeit orientieren und nicht an persönlichen Vorlieben oder dem Stolz auf das Modell. Wenn eine vereinfachte Darstellung das zu testende Verhalten wiedergibt, ist sie die bessere Wahl für die Validierung. Mehr Details zu Schaltvorgängen sind nicht automatisch nützlicher.

Betrachten wir einmal einen Laderegler für Elektrofahrzeuge. Ein detailliertes Schaltmodell ist sinnvoll, wenn es um Durchschlagsschutz, Oberschwingungen oder Strombegrenzungen innerhalb eines Teilzyklus geht. Ein Modell mit reduzierter Ordnung reicht aus, wenn Sie die Überwachungsabläufe, Sollwertanstiege oder den Kommunikationsausfall überprüfen. Durch diese Unterscheidung bleibt die Belastung des Solvers unter Kontrolle und die Neuanpassungszeit wird verkürzt. Ein auf Millisekunden genaues Budget lässt sich nicht mit einem Mikrosekundenmodell rechtfertigen, es sei denn, der Fehlermodus spielt tatsächlich auf dieser Zeitskala eine Rolle.

Die Stabilität im geschlossenen Regelkreis legt die Obergrenze für die Wiedergabetreue fest

Die Stabilität des Regelkreises bildet die Obergrenze für die nutzbare Genauigkeit in PHIL. Sobald Latenzzeiten, Verstärkergrenzen, Sensorrauschen oder Schnittstellenalgorithmen den Regelkreis destabilisieren, bringen zusätzliche Modelldetails keinen Nutzen mehr. Das Labor wird dann Zeit damit verbringen, die Konfiguration zu optimieren, anstatt Tests Produkt Tests . Eine stabile Kopplung hat Vorrang vor einer detaillierteren Darstellung.

Ein microgrid veranschaulicht dies deutlich. Wenn der Verstärker während eines Spannungseinbruchtests übersteuert oder eine Regelkreisverzögerung die Stromrückführung verzerrt, sagt das Ergebnis mehr über den Prüfstand als über den Regler aus. Schnittstellenalgorithmen, Dämpfungsparameter und Sensorfilterung müssen vor Beginn der Testreihen klar definiert werden. Ihr Ziel ist ein Regelkreis, der in allen relevanten Anwendungsfällen vorhersehbar, messbar und wiederholbar bleibt.

Die PHIL-Kosten pro kW hängen vom hardware ab

Die Kosten pro kW bei PHIL ergeben sich aus der hardware dem Schutzaufwand für jede getestete Kilowattleistung, nicht allein aus der Nennleistung. Leistungsverstärker, Sensor-und Datenfusion, Kühlung, Befestigungen, Sicherheitssysteme und der Zeitaufwand für das Bedienpersonal steigen alle mit dem Umfang des Projekts. Ein kleiner Prüfstand mit komplexer Signalaufbereitung kann pro kW mehr kosten als ein größerer, einfacherer. Deshalb ist hardware der entscheidende Faktor.

• Die Nennleistung bestimmt die Größe des Verstärkers, die Auslegung der Zuleitung und die thermische Reserve.
• Der Spannungsbereich beeinflusst die Isolierung, den Schutz sowie hardware.
• Durch den Fehlerstromschutz steigen die Kosten für Leistungsschalter, Schütze und Sicherheitsgehäuse.
• Der Bandbreitenbedarf bestimmt die Wahl der Verstärkerklasse und den Aufwand für die Schnittstellenanpassung.
• Die Testdauer umfasst den Arbeitsaufwand, den Energieverbrauch und die Zeit für die Rückstellung zwischen den Durchläufen.

Ein 50-kW-Wechselrichterprüfstand, der für die schnelle Durchfahrt bei Störungen ausgelegt ist, kann pro kW teurer sein als ein 500-kW-Prüfstand, der für Lastabwurfprüfungen im stationären Betrieb verwendet wird. Hohe Bandbreite, die Bewältigung von Störungsenergie und strenge Schutzlogik treiben den Preis pro getestetem Kilowatt in die Höhe. Das ist die klarste Art, die PHIL-Kosten pro kW in einfachen Worten zu erklären. Sie sparen Geld, wenn die Nennleistung genau der anspruchsvollsten hardware entspricht, die Sie noch erfüllen müssen.

Durch Modellpartitionierung lassen sich die Rechenkosten senken, ohne die Aussagekraft der Ergebnisse zu beeinträchtigen

Durch Modellpartitionierung lassen sich Kosten senken, da nur zeitkritische Funktionen auf dem schnellsten Rechenziel ausgeführt werden. Schnelle Schaltpfade, Schutzlogik und die Synchronisation von Ein- und Ausgängen bleiben in der Nähe der deterministischen hardware. Langsamere thermische, Überwachungs- oder Netzwerkmodelle können auf kostengünstigeren Ressourcen ausgeführt werden. Die Nachvollziehbarkeit bleibt gewahrt, da jedes Teilmodell genau auf seine zeitlichen Anforderungen abgestimmt ist.

Ein Konverterlabor könnte die Anlagenschnittstelle und die PWM-Interaktion auf hardware belassen, während ein Einspeisemodell und ein Testsequenzer auf CPU-Kernen laufen. Diese Aufteilung reduziert den Bedarf an teurer Hochgeschwindigkeitskapazität, ohne die Aussagekraft der aus dem Lauf gewonnenen Erkenntnisse zu beeinträchtigen. Auf Plattformen wie OPAL-RT nutzen Teams häufig eine Partitionierung, um die deterministischsten Ressourcen für die wenigen Regelkreise zu reservieren, die diese wirklich benötigen. Sie erzielen ein besseres Simulationsbudget, wenn nicht die Modellgröße, sondern die zeitliche Disziplin über die Platzierung entscheidet.

„Mehr hardware einen manuellen Prozess hardware beheben, bei dem die Vorbereitung jedes einzelnen Falls Stunden in Anspruch nimmt.“

Durch Testautomatisierung lässt sich der Validierungsaufwand stärker reduzieren als durch zusätzliche hardware

Die Automatisierung reduziert den Validierungsaufwand, da sie die manuelle Arbeit überflüssig macht, die mit jedem PHIL-Durchlauf verbunden ist. Automatisierte Build-Prüfungen, Parameterdurchläufe, Zurücksetzungen, Datenerfassung und Entscheidungslogik verwandeln die knappe Laborzeit in verwertbare Ergebnisse. Mehr hardware einen manuellen Prozess, bei dem die Vorbereitung jedes einzelnen Falls Stunden in Anspruch nimmt, hardware beheben. Wiederholbarkeit entsteht in erster Linie durch die Steuerung des Arbeitsablaufs.

Ein Labor, das den Start automatisiert, Fehler simuliert, Protokolle aufzeichnet und nach jedem Durchlauf die Erfolgskriterien bewertet, wird mehr aussagekräftige Testfälle abdecken als ein größerer, manuell betriebener Prüfstand. Die Teams behalten zwar die Nennleistung des Verstärkers im Gedächtnis, doch die versteckten Kosten liegen in der Abweichung bei der Einrichtung, der Beurteilung durch den Bediener und der Erstellung der Berichte. Deshalb werden disziplinierteTests Validierungen auf lange Sicht kostengünstiger sein als reine hardware . OPAL-RT passt am besten in dieses Bild, wenn die Plattform als Teil eines kontrollierten Testsystems betrachtet wird, bei dem Automatisierung und Umfang die Hauptarbeit übernehmen, anstatt die Größe des Prüfstands.