RT23 | Développement d'un système d'essai PHIL avec une gestion de la charge et du chargement basée sur une IA pré-entraînée

La mobilité électrique est une mesure cruciale pour réduire les émissions de CO2 dans le secteur des transports et atténuer ainsi les effets du changement climatique. Alors que la gamme de choix des véhicules électriques (VE) continue de s'élargir, la possibilité de recharger indépendamment du temps et du lieu s'avérera être le problème essentiel des VE. La perspective imminente de pannes du réseau électrique et des restrictions de recharge qui en découlent est omniprésente dans les médias et dans le discours public. Pour faire face à ces menaces, deux mesures principales sont possibles : l'expansion du système Énergie et le contrôle du réseau. Le réseau universel et l'expansion de l'approvisionnement en Énergie sont inefficaces, coûteux et prennent du temps, ce qui laisse le contrôle du réseau comme possibilité restante. Dans le cadre du projet de recherche dtec emob, un contrôle intelligent du réseau, à l'épreuve du temps, est développé. Pour éviter les problèmes sur le réseau et du côté des VE, il se compose de deux sous-systèmes : un système de gestion de la charge classique et un système de gestion de la charge spécialisé dans les VE. Les deux systèmes sont conçus pour répondre aux exigences du réseau électrique de Hambourg. La première approche employée dans le projet utilise un algorithme d'apprentissage par renforcement dans le but de réduire l'encombrement du transformateur moyenne tension/basse tension. L'agent de contrôle est formé dans un environnement Python étendu avec le paquet pandapower pour les calculs de flux de puissance. Pour tester, valider et affiner le contrôle du réseau, un systèmeSimulation HIL de simulation de puissance est construit dans le laboratoire du projet. Un réseau de référence basse tension basé à Hambourg et contenant 57 charges domestiques (chacune avec une station de recharge pour VE et un VE) et un transformateur de distribution est utilisé. Les simulations du système électrique sont effectuées sur un simulateur OPAL-RT avec ePHASORSIM, qui comprend un modèle de réseau PowerFactory pour les calculs de flux de puissance. Un point de connexion au réseau d'un seul ménage avec sa charge de VE est représenté en utilisant un amplificateur linéaire optiquement connecté comme simulateur de réseau pour l'alimentation électrique, une charge programmable pour les charges domestiques conventionnelles, une station de charge CA intelligente et contrôlable (ACC), et un VE. L'agent qui a été préformé est ensuite transféré de Python à l'environnement en temps réel Simulink d'OPAL-RT, où il reçoit les résultats de la simulation et des mesures. Il contrôle la puissance de charge de chaque VE simulé ainsi que la puissance de charge du matériel d'alimentation inclus en utilisant les interfaces de communication intégrées pour limiter la puissance de sortie de l'ACC. L'objectif actuel du projet est de transférer l'agent pré-entraîné dans son nouvel environnement et d'utiliser le canal de communication de l'ACC avec les sorties de communication incluses dans l'OPAL-RT pour le contrôler. La recherche future se concentre sur l'expansion du système PHIL avec des chargeurs HP-DC, des stations de charge bidirectionnelles, des jumeaux numériques de différents transporteurs de mobilité et des simulations de flux de trafic à Hambourg.