Wichtigste Erkenntnisse

• „Hardware-in-the-Loop“ ist dann am effektivsten, wenn das Timing des Controllers, die Schnittstellen und die Fehlerbehandlung die wichtigsten Unbekannten sind.
• Die Qualität des Anlagenmodells sollte der Steuerungsfrage entsprechen und ausreichend detailliert sein, um die Dynamik, die das Verhalten des Reglers bestimmt, nachzubilden.
• Die Ergebnisse aus Labor- und Fahrzeugversuchen sollten sich bestätigen und miteinander in Einklang stehen, während frühe Anlagenmodelle zunächst grundlegende Unsicherheiten beseitigen sollten.

Teams im Bereich der Fahrzeugsteuerung erhalten schneller bessere Antworten, wenn sie „Hardware-in-the-Loop“ einsetzen, nachdem ein Anlagenmodell die grundlegende Steuerungsfrage geklärt hat.

Bei der „Hardware-in-the-Loop“- Tests im Automobilbereich wird der Serienregler in einen geschlossenen Regelkreis mit einer simulierten Anlage eingebunden, sodass Sie das Verhalten des Reglers überprüfen können, bevor ein vollständiger Fahrzeug- oder Prüfstandsaufbau bereitsteht. Das ist wichtig, da moderne Regelungssoftware direkten Einfluss auf die Sicherheit hat. Die elektronische Stabilitätskontrolle senkt das Risiko tödlicher Alleinunfälle bei Personenkraftwagen um 49 % und bei Geländewagen um 59 %. Ein „Hardware-in-the-Loop“-Test ist wertvoll, funktioniert jedoch am besten, nachdem das Anlagenmodell bereits die grundlegenden Fragen zu Regelgesetz, Grenzwerten und der erwarteten Anlagenreaktion beantwortet hat.

Teams greifen oft zu früh auf eine Bench-Rig-Lösung zurück, weil die Hardware greifbarer wirkt und mehr Vertrauen vermittelt. Dieser Instinkt verlangsamt das Programm, wenn die offene Frage noch das Verhalten des Systems und nicht die Interaktion mit der Hardware betrifft. Ein gutes Systemmodell ermöglicht es Ihnen, Fälle viel früher zu optimieren, Fehler zu simulieren und zu wiederholen – mit weniger Einrichtungsaufwand und klareren Zusammenhängen. „Hardware-in-the-Loop“ sollte erst dann zum Einsatz kommen, wenn Reglerschnittstellen, Timing und Fehlerbehandlung zum Hauptrisiko werden.

„Hardware-in-the-Loop“- Tests n im Automobilbereich schließen den Regelkreis

Das „Hardware-in-the-Loop“- Tests -Verfahren für die Automobilindustrie lässt den eigentlichen Regler mit einem simulierten Fahrzeug oder Teilsystem zusammenarbeiten, sodass Sie Regelausgänge, die Verarbeitung von Eingaben und das Timing unter reproduzierbaren Bedingungen überprüfen können. Es schließt den Regelkreis mit Serienhardware, wodurch es bei Integrationsfragen zuverlässiger ist als eine Desktop-Simulation.

Ein gutes Beispiel hierfür ist ein Motor-Wechselrichter-Regler. Der Regler liest Drehzahl-, Strom- und Temperatursignale aus dem Simulator aus und sendet anschließend Impuls- und Drehmomentbefehle zurück an die simulierte Anlage. Anhand dieses Aufbaus lässt sich erkennen, ob der Regler zu früh in die Sättigung geht, einen Grenzbereich verfehlt oder einen Sensorfehler falsch verarbeitet. Man muss nicht mehr raten, wie sich der Code auf einem Laptop verhalten wird, sobald er auf die tatsächlichen Ein- und Ausgangskanäle trifft.

Dieser Unterschied ist von Bedeutung, da viele Regelungsprobleme nicht allein auf das Regelgesetz zurückzuführen sind. Sie entstehen durch Skalierung, Quantisierung, Latenz und Fehlersignalisierung über Schnittstellen hinweg. Eine „Hardware-in-the-Loop“-Konfiguration für die Automobilindustrie bietet Ihnen Reproduzierbarkeit, ohne dass Sie auf den Bau eines Fahrzeugs warten müssen, und stellt dennoch sicher, dass die Reglerhardware zuverlässig arbeitet. Sie ersetzt zwar nicht die Systemmodellierung, deckt jedoch Integrationsprobleme auf, die bei einer reinen Softwaresimulation verborgen bleiben.

Verwenden Sie „Hardware-in-the-Loop“, wenn das Timing der Schnittstelle entscheidend ist

„Hardware-in-the-Loop“ ist die richtige Wahl, wenn die größte Unsicherheit im Timing des Reglers, in den Signalschnittstellen, in der Aufgabenplanung oder im Netzwerkaustausch liegt. Sobald das Verhalten der Anlage verstanden ist, sollten Sie zu „Hardware-in-the-Loop“ übergehen, um zu prüfen, ob sich der Regler unter realistischen Ausführungsbedingungen weiterhin korrekt verhält.

Stellen Sie sich einen elektrischen Achsregler vor, der in der Desktop-Simulation das richtige Drehmoment erzeugt, bei Spitzenauslastung des Busverkehrs jedoch eine Anforderung zur Drehmomentreduzierung übersieht. Das Regelgesetz ist zwar in Ordnung, doch der Scheduler und das Kommunikations-Timing führen zu einem Fehlerpfad. Ein Hardware-in-the-Loop-Test wird dieses Problem aufdecken, da der reale Regler seine Aufgaben ausführt, Eingaben umwandelt und Ausgaben veröffentlicht – und zwar unter denselben Lastbedingungen, unter denen das System im Einsatz sein soll.

An dieser Stelle macht sich die Arbeit am Prüfstand bezahlt. Wenn Sie sich immer noch fragen, wie sich Reifenschlupf, Motorinduktivität oder Kühlmitteltemperatur auf den Regelwert auswirken, bleiben Sie beim Anlagenmodell. Sobald die Frage lautet: „Erreicht der Regler mit diesem Timing und dieser Schnittstellenauslastung noch den Sollwert?“, ist Hardware-in-the-Loop der bessere nächste Schritt.

Die Genauigkeit des Pflanzenmodells bestimmt den Wert jedes Tests

Die Genauigkeit des Systemmodells bestimmt, was ein Hardware-in-the-Loop-Test tatsächlich nachweisen kann. Man benötigt genügend Details, um die für den Regler relevanten Systemdynamiken nachzubilden, benötigt jedoch nicht für jeden Testfall ein vollständiges Fahrzeugmodell.

Ein Beispiel hierfür ist ein Regler zur Batteriekühlung. Wenn es darum geht, die Logik für den Lüfterbetrieb und die Behandlung von Temperaturschwellenwerten zu überprüfen, reicht ein konzentriertes thermisches Modell aus. Wenn es hingegen darum geht, die Drehmomentreduzierung bei steigender Zelltemperatur während intensiver Fahrzyklen zu validieren, muss das Modell die thermische Trägheit, die Sensorplatzierung und die Grenzen der Stellglieder berücksichtigen. Eine zu geringe Genauigkeit an der falschen Stelle führt zu sauberen Diagrammen und schwachen Belegen.

Sie sollten die Genauigkeit direkt an die Steuerungsfrage knüpfen und den Umfang des Modells auf diesen Bedarf abstimmen. Ein zu hoher Detaillierungsgrad in einem irrelevanten Teilsystem verschwendet Aufwand und verlangsamt die Testausführung. Fehlende Dynamik im Bereich des Regelkreises führt zu falschem Vertrauen. Gute „Hardware-in-the-Loop“-Arbeit im Automobilbereich beginnt mit einem Modell, das selektiv und transparent ist und genau auf das spezifische Verhalten abgestimmt ist, das Sie testen müssen.

„Sobald sich die Frage stellt: ‚Erreicht der Controller das Ziel bei diesem Timing und dieser Schnittstellenauslastung noch?‘, ist ‚Hardware-in-the-Loop‘ der bessere Ansatz.“

Erstellen Sie das Anlagenmodell anhand messbarer Kontrollfragen.

Die Erstellung eines Anlagenmodells sollte von den Bestehens- und Fehlkriterien, den benannten Signalen und den erwarteten Reglerreaktionen ausgehen. Ein überschaubares Modell mit klar messbaren Ausgangsgrößen ist wertvoller als ein umfangreiches Modell, das nicht erklären kann, warum ein Test bestanden oder nicht bestanden wurde.

Ein Team, das sich mit Bremssteuerungen befasst, legt möglicherweise vor der Erstellung des Modells den Radgeschwindigkeitsfehler, den Schlupf-Sollwert, die Druckaufbaugeschwindigkeit und die Zeitdauer der Fehlerverriegelung fest. Anhand dieser Größen lässt sich erkennen, welche Zustände, Verzögerungen und Nichtlinearitäten zum Regelkreis gehören. Teams, die in dieser Phase SPS SOFTWARE einsetzen, profitieren in der Regel von editierbaren Gleichungen und sichtbaren Parametern, da das Testmodell die Analyse unterstützen und interpretierbare Ablaufverläufe liefern muss.

Außerdem müssen Sie sich vor dem Anschluss des Reglers über Abtastzeiten, Signalskalierung und Fehler-Einschleifpunkte abstimmen. Diese Vorbereitung spart später unnötigen Zeitaufwand im Labor. Wenn Sie die Regelungsfrage in einem Satz formulieren und die Signale benennen können, die diese beantworten, ist Ihr Anlagenmodell bereit für die „Hardware-in-the-Loop“-Testarbeiten.

Bei einem „Hardware-in-the-Loop“-Test werden Regler mit Modellen verbunden

Bei einem Hardware-in-the-Loop-Test werden der physische Regler, seine Ein- und Ausgangsschnittstellen, die Kommunikationskanäle sowie eine simulierte Anlage, die das Subsystem oder die Fahrzeugdynamik abbildet, miteinander verbunden. Das Ergebnis ist ein geschlossener Regelkreis, der es ermöglicht, das Verhalten des Reglers unter reproduzierbaren Betriebs- und Fehlerbedingungen zu beobachten.

Eine typische Konfiguration für eine Getriebesteuerung umfasst die Zuordnung analoger und digitaler Ein- und Ausgänge, Netzwerkmeldungen, die Emulation von Stellgliedern, Fehlerinjektionspunkte und synchronisierte Protokollierung. Man injiziert einen fehlenden Sensorimpuls, einen Spannungsabfall oder einen verschobenen Kalibrierungswert und beobachtet dann die Reaktion der Steuerung, ohne dabei das Risiko einer Hardwarebeschädigung einzugehen. Diese Wiederholbarkeit ist der praktische Grund, warum Teams „Hardware-in-the-Loop“ nutzen, anstatt direkt zur Fahrzeugzeit überzugehen.

Die folgende Checkliste hilft dabei, häufig gestellte Fragen zu Fahrzeugsteuerungen der richtigen ersten Testphase zuzuordnen.

Frage, auf die Sie eine Antwort benötigen	Beste erste Testphase	Was Ihnen das Ergebnis verrät
Wird das Regelgesetz das Ziel unter den erwarteten Anlagenbedingungen stabil halten?	Beginnen Sie mit einem Pflanzenmodell auf dem Desktop.	Dieses Ergebnis zeigt, ob der Algorithmus korrekt ist, bevor die Ausarbeitung der Hardware-Details Zeit in Anspruch nimmt.
Kann es sein, dass Jitter des Schedulers oder Bus-Timing die Antwort stören?	Umstellung auf „Hardware-in-the-Loop“.	Dieses Ergebnis zeigt, ob sich das Steuerungsergebnis ändert, wenn sich der Ausführungszeitpunkt ändert.
Werden die Fehlerflags in der vorgesehenen Reihenfolge gesetzt und zurückgesetzt?	Umstellung auf „Hardware-in-the-Loop“.	Dieses Ergebnis zeigt, ob der Controller abnormale Eingaben über die tatsächlichen Schnittstellen verarbeitet.
Wird die Sättigung des Stellglieds oder die Verzögerung des Systems eine Neujustierung der Kraft erforderlich machen?	Beginnen Sie mit einem Pflanzenmodell mit höherer Genauigkeit.	Dieses Ergebnis zeigt, ob fehlende Dynamik die Ursache für eine schlechte Regelung ist.
Wird das integrierte System die Fahrzeugmaße genau genug wiedergeben?	Zum Abschluss die Korrelation zwischen Prüfstand und Fahrzeug.	Dieses Ergebnis zeigt, an welchen Stellen das Modell vor der Freigabe noch korrigiert werden muss.

Testszenarien sollten sich an Kontrollrisiken und Fehleranfälligkeiten orientieren

Testszenarien sollten anhand der Kriterien Kontrollrisiko, Fehleranfälligkeit und Sicherheitsauswirkungen ausgewählt werden. Die einfache Automatisierbarkeit sollte erst an zweiter Stelle stehen. Die besten „Hardware-in-the-Loop“-Konzepte legen den Schwerpunkt auf Zustände, in denen der Regler unter den Bedingungen von Verzögerung, Rauschen, Sättigung und beeinträchtigter Sensorik korrekt reagieren muss.

Die automatische Notbremsung ist ein eindeutiges Beispiel dafür. Frontalaufprallvermeidungssysteme mit automatischer Bremsfunktion im Stadt- und Überlandverkehr reduzieren Front-Heck-Unfälle um etwa 50 %. Eine solche Steuerungsfunktion erfordert die Abdeckung von Szenarien wie Sensorausfällen, Fehlzielen, verminderter Reibung und Aktuatorverzögerungen, da ein übersehener Grenzfall direkte Sicherheitsrisiken mit sich bringt.

Eine risikobasierte Auswahl steigert zudem die Effizienz. Man benötigt keine Hunderte von einfachen, ähnlichen Fällen, wenn bereits fünf schwierige Fälle die Schwachstellen des Reglers aufdecken. Eine Fehlermatrix, die mit Sicherheitszielen, Betriebszuständen und Wiederherstellungslogik verknüpft ist, liefert aussagekräftigere Erkenntnisse als eine lange Testliste, die aus Bequemlichkeit erstellt wurde. Ein gutes Hardware-in-the-Loop- Tests us ist selektiv und diszipliniert.

Benchmark-Tests sollten erst durchgeführt werden, nachdem die Kontrollfragen in den Modellen beantwortet wurden.

Prüfstandversuche sind am nützlichsten, nachdem Anlagenmodelle die Unsicherheit hinsichtlich der Regelungsstrategie verringert haben und das „Hardware-in-the-Loop“-Verfahren das Ausführungsverhalten überprüft hat. Wenn man die Hardware zu früh auf den Prüfstand bringt, verbringt man Zeit damit, Vorrichtungen zusammenzubauen, um Fragen zu klären, die ein Modell schneller beantwortet hätte.

Diese Anzeichen deuten in der Regel darauf hin, dass Sie noch eine Weile beim aktuellen Pflanzenmodell bleiben sollten:

• Die zu erwartende Reaktion der Pflanze ist nach wie vor umstritten.
• Ihre „Bestanden“- und „Nicht bestanden“-Signale wurden nicht definiert.
• Das Regelgesetz muss noch hinsichtlich der Grundverstärkung oder der Grenzwerte optimiert werden.
• Fehlerfälle lassen sich noch nicht eindeutig bestimmten Steuerungsaktionen zuordnen.
• Der Aufwand für den Aufbau des Prüfstands ist größer als die gestellte Frage.

Ein Regler für den Kühlkreislauf zeigt die Kosten auf, die durch das Überspringen dieses Befehls entstehen. Wenn die Pumpendynamik und die Sensorverzögerung noch ungewiss sind, liefert ein Prüfstand mehrdeutige Ergebnisse, über die man tagelang diskutieren kann. Sobald das Anlagemodell diese Effekte berücksichtigt hat, eignet sich der Prüfstand für die Überprüfung der Rohrleitungen, der Gehäuse und der Hardware-Toleranzen. Sie werden weniger Zeit damit verbringen, Symptomen hinterherzujagen, und mehr Zeit damit, bekannte Erwartungen zu bestätigen.

„Übersichtliche, physikalisch fundierte Anlagenmodelle helfen Ihnen dabei, schon frühzeitig gezieltere Fragen zu stellen, sodass ‚Hardware-in-the-Loop‘ dort zum Einsatz kommt, wo es den größten Mehrwert bietet, und die Zeit im Fahrzeug für die Korrelation genutzt wird statt für die Fehlerbehebung bei der grundlegenden Steuerung.“

„Hardware-in-the-Loop“- Tests en erfordern weiterhin eine Fahrzeugkorrelation

Das „Hardware-in-the-Loop“- Tests hat seine Grenzen, da jedes Modell bestimmte Aspekte ausklammert und jeder Regler mit Rauschen, Toleranzen und Kopplungseffekten konfrontiert ist, die sich nur schwer vollständig abbilden lassen. Es bedarf weiterhin einer Korrelation zwischen Prüfstand und Fahrzeug, um sicherzustellen, dass das simulierte System das gemessene Verhalten so genau widerspiegelt, dass die beabsichtigte Aussage zutrifft.

Schwankungen der Reifenkraft, mechanische Nachgiebigkeit, thermische Einwirkung, Leitungsrauschen und Streuungen bei den Sensoren in der Produktion können die Ergebnisse verfälschen, selbst wenn eine „Hardware-in-the-Loop“-Testreihe zunächst einwandfrei verlaufen ist. Ein Lenkunterstützungsregler könnte zwar alle Laborversuche bestehen, dann aber auf unebenem Straßenbelag eine leichte Schwingung zeigen, weil die Reibung der Zahnstange und die Kopplung mit den Straßenbedingungen in der Testanlage vereinfacht dargestellt wurden. Das bedeutet nicht, dass die „Hardware-in-the-Loop“-Phase versagt hat. Es bedeutet vielmehr, dass diese Phase die Fragen beantwortet hat, für deren Beantwortung sie konzipiert wurde.

Die besten Teams in der Automobilbranche betrachten Modelle, „Hardware-in-the-Loop“-Ansätze, Prüfstände und Fahrzeuge als einen Prozess zur schrittweisen Reduzierung von Unsicherheiten. Genau in diesen Bereich fügt sich SPS SOFTWARE nahtlos ein. Klare, physikalisch basierte Systemmodelle helfen Ihnen dabei, frühzeitig gezieltere Fragen zu stellen, sodass „Hardware-in-the-Loop“-Ansätze dort zum Einsatz kommen, wo sie den größten Mehrwert bieten, und die Zeit im Fahrzeug für die Korrelation statt für die Fehlerbehebung bei der Grundsteuerung genutzt wird.

Leitfaden dazu, was ein Doppelimpulstest misst, wie man eine Simulation einrichtet und wie man die Schaltleistung vor dem Test auf der Hardware-Prüfbank abschätzen kann.

In diesem Leitfaden wird erläutert, wie Sie in der Zeitbereichssimulation eine Oberschwingungsanalyse und eine Netzqualitätsanalyse durchführen, nichtlineare Lasten modellieren, die Gesamtverzerrung berechnen und die Grenzwerte an den entsprechenden Sammelschienen überprüfen können.

Wichtigste Erkenntnisse

• Der Eingangsspannungsbereich sollte bei der Wahl der Topologie an erster Stelle stehen, da eine Quelle, die den Zielausgang überschreitet, eine einfache Buck- oder Boost-Stufe aus der Regelung bringt.
• Die Simulation funktioniert am besten, wenn zunächst die ideale Schaltung überprüft und die Verluste schrittweise hinzugefügt werden, da so die Ursache jeder Änderung der Wellenform erkennbar bleibt.
• Parasitäre Effekte und Einschaltdauerbegrenzungen haben ein größeres Gewicht als reine Nennwerte, insbesondere in batteriebetriebenen Systemen wie den Umrichtern von Elektrofahrzeugen.

Die Auswahl eines Buck-Boost-Wandlers richtet sich nach dem Eingangsspannungsbereich, nicht nach der Bezeichnung des Wandlers.

Eine Lithium-Ionen-Zelle hat im Betrieb üblicherweise eine Spannung zwischen 3,0 V und 4,2 V , was bedeutet, dass jeder aus diesen Zellen gebaute Akku bei sinkender Ladung kritische Spannungsgrenzen überschreitet. Allein diese Tatsache unterscheidet einfache von riskanten Wahlmöglichkeiten bei Wandlern. Wenn die Quelle vollständig über oder unter dem Lastziel bleibt, reicht in der Regel eine einfache Buck- oder Boost-Stufe aus. Wenn die Quelle das Ziel überschreitet, ist ein Buck-Boost-Wandler zunächst die sicherere Wahl.

Diese Sichtweise ist bei der Simulation von Bedeutung, da Topologiefehler zunächst akzeptabel erscheinen, bis der Tastgrad, die Stromwelligkeit und die Belastung der Bauteile über den gesamten Eingangsbereich hinweg überprüft werden. Sie wählen nicht zwischen drei Bezeichnungen, die mit geringfügigen Unterschieden dieselbe Aufgabe erfüllen. Sie wählen den Strompfad, der die Verluste, den Regelungsaufwand und den nutzbaren Betriebsbereich bestimmt. Gute Modelle machen dies frühzeitig sichtbar, bevor die Arbeit am Prüfstand einen sauberen Schaltplan in eine unangenehme Überraschung verwandelt.

Ein Buck-Boost-Konverter eignet sich für Quellen, deren Spannung die Zielspannung übersteigt

Ein Buck-Boost-Wandler eignet sich am besten, wenn die Eingangsspannung im Normalbetrieb sowohl über als auch unter die erforderliche Ausgangsspannung schwankt. Dieser Betriebsbereich ist der Hauptgrund für die Wahl dieses Wandlers. Er regelt über den gesamten Bereich, während eine reine Buck- oder Boost-Stufe an einem Ende die Regelung verlieren würde.

Ein Akkupack, das einen 48-V-Bus speist, veranschaulicht dieses Muster deutlich. Direkt nach dem Aufladen kann die Spannung des Akkus über 48 V liegen, sodass eine Buck-Stufe ausreicht. Wenn der Akku fast leer ist, kann die Spannung unter 48 V fallen, sodass die Schaltung nun eine Boost-Funktion benötigt. Ein Buck-Boost-Wandler deckt beide Zustände ab, ohne die Regelung von einer Stufe an die andere zu übergeben.

Dies ist von Bedeutung, da viele frühe Modelle ausschließlich auf der Nennspannung basieren. Diese Vereinfachung verschleiert die genauen Betriebspunkte, an denen der Tastgrad ansteigt, die Stromwelligkeit zunimmt und die thermische Belastung zu steigen beginnt. Wenn man den Wandler zunächst auf den minimalen und maximalen Eingangsstrom auslegt, ergibt sich die Wahl der Topologie viel naheliegender.

„Wenn man den Wandler zunächst auf den minimalen und maximalen Eingangsstrom abstimmt, ergibt sich die Wahl der Topologie viel naheliegender.“

Der Buck-Boost-Effekt entsteht dadurch, dass Energie gespeichert und anschließend wieder abgegeben wird

Ein Buck-Boost-Wandler speichert Energie in einem Induktor während eines Schaltzustands und gibt diese Energie in einem anderen Schaltzustand an den Ausgang ab. Der Regelkreis steuert die Dauer der einzelnen Zustände. Durch diese Zeitsteuerung kann der Wandler je nach Schaltungsaufbau und Tastverhältnis eine Ausgangsspannung erzeugen, die über oder unter der Eingangsspannung liegt.

Ein einfacher invertierender Buck-Boost-Wandler veranschaulicht diesen Ablauf gut. Wenn der Schalter schließt, fließt Strom durch die Induktivität, und in ihrem Magnetfeld baut sich Energie auf. Wenn der Schalter öffnet, drückt die Induktivität den Strom durch die Diode in den Ausgangskondensator und zur Last. Der durchschnittliche Ausgangspegel richtet sich nach dem Tastverhältnis, sodass eine längere Einschaltzeit den Umwandlungswirkungsgrad erhöht.

Diesen Ansatz findet man auch in nicht-invertierenden Schaltungen, wie sie in vielen Stromversorgungssystemen zum Einsatz kommen. Die Details unterscheiden sich zwar, doch die Prioritäten bei der Modellierung bleiben dieselben. Achten Sie zunächst auf den Induktivitätsstrom, den Schaltstrom und die Kondensatorwelligkeit. Diese Wellenformen geben Aufschluss über den Zustand des Wandlers – mehr noch als die Ausgangsspannung allein.

Buck-Schaltung mit reduzierter Spannung und einfacheren Strompfaden

Ein Buck-Wandler senkt die Spannung über einen einfacheren Strompfad als ein Buck-Boost-Wandler, wodurch er leichter zu modellieren und in der Regel auch einfacher zu regeln ist. Er eignet sich für Anwendungen, bei denen die minimale Eingangsspannung stets über der Soll-Ausgangsspannung liegt. Der Eingangsstrom verläuft zudem gleichmäßiger, was den Aufwand für die Eingangsfilterung oft verringert.

Eine 24-V-Versorgung, die eine geregelte 12-V-Steuerspannung speist, ist ein typisches Beispiel für einen Buck-Wandler. Der Schalter legt den Eingangsstrom während eines Teils jedes Zyklus an die Induktivität an, und die Induktivität glättet diese gepulste Energie zu einem Gleichstromausgang mit niedrigerer Spannung. Die Ausgangswelligkeit wird hauptsächlich durch die Schaltfrequenz, den Induktivitätswert, die Kondensatorgröße und den parasitären Widerstand bestimmt.

In der Regel wählt man zunächst die Buck-Schaltung, sofern das Spannungsfenster dies zulässt, da dann weniger Belastungsbedingungen geprüft werden müssen. Der Tastgrad bleibt häufiger in einem angenehmen mittleren Bereich. Das bedeutet in der Regel eine einfachere Kompensation, einen geringeren Spitzenstrom und weniger Überraschungen, wenn man vom Modell mit idealen Bauteilen auf praktische Bauteile umsteigt.

Boost-Stufen erhöhen die Spannung durch Energieübertragung über Induktoren

Ein Abwärtswandler erhöht die Spannung, indem er eine Induktivität aus der Quelle auflädt und diese gespeicherte Energie anschließend mit einem höheren Ausgangspotenzial an die Last abgibt. Er funktioniert gut, wenn der maximale Eingangsstrom stets unter dem Soll-Ausgangsstrom bleibt. Der Nachteil ist, dass der Quellstrom und die Belastung des Schaltelements stark ansteigen, wenn sich der Tastgrad seiner Obergrenze nähert.

Eine 12-V-Batterie, die einen 24-V-Hilfsbus speist, ist ein typisches Beispiel für eine Aufwärtswandlung. Die Induktivität lädt sich auf, während der Schalter eingeschaltet ist, und der Ausgangskondensator versorgt die Last während dieser Zeit. Wenn der Schalter ausgeschaltet wird, fließt der Induktivitätsstrom über die Diode zur Quelle, wodurch die Ausgangsspannung über die Quellspannung ansteigt.

Sie sollten Ergebnisse mit hoher Einschaltdauer mit Vorsicht betrachten, selbst wenn der Ausgang stabil erscheint. Geringfügige Abweichungen bei Schaltverlusten, Dioden-Spannungsabfall oder Induktivitätswiderstand können den Wirkungsgrad schnell beeinträchtigen. Aus diesem Grund müssen bei Boost-Schaltungen die Stromwelligkeit und der Temperaturanstieg genau untersucht werden, bevor Sie eine saubere Spannungskurve als Erfolg werten.

Die Simulation sollte mit idealen Schaltvorgängen beginnen und anschließend Verluste einbeziehen

Der beste Weg, einen Gleichstrom-Gleichstrom-Wandler zu simulieren, besteht darin, mit einem idealen Schaltmodell zu beginnen, die Wellenformen und die Regelung zu überprüfen und dann nacheinander die nicht-idealen Effekte hinzuzufügen. Durch diese Reihenfolge bleiben Fehler sichtbar. Außerdem lässt sich so besser erkennen, welcher Parameter das Verhalten tatsächlich beeinflusst, anstatt mehrere Probleme gleichzeitig zu überdecken.

Ein nützlicher erster Ansatz nutzt einen idealen Schalter, eine ideale Diode, einen nominalen Eingangs-Sweep und eine ohmsche Last. Sobald der Tastgrad und die Wellenformen korrekt aussehen, fügt man praktische Verlustgrößen hinzu und vergleicht die Verschiebung bei der durchschnittlichen Ausgangsleistung, der Welligkeit und den Stromspitzen. Die SPS-SOFTWARE eignet sich gut für diesen Arbeitsablauf, da die Modellstruktur offen genug bleibt, um jedes Element einzeln zu untersuchen, anstatt den Wandler als geschlossenen Block zu behandeln.

• Beginnen Sie mit einem Schaltzeitpunkt, der über den gesamten Eingangsbereich hinweg die erwartete Ausgangsleistung liefert.
• Berücksichtigen Sie den Dioden-Spannungsabfall und den Einschaltwiderstand, bevor Sie den Regelkreis erneut abstimmen.
• Den Wicklungswiderstand der Drossel einfügen, damit sich Stromwelligkeit und Erwärmung den Nennwerten annähern.
• Berücksichtigen Sie den Serienwiderstand des Kondensators, da die Brummspannung ohne diesen schnell ansteigt.
• Modellieren Sie die Totzeit und die Gate-Verzögerung, wenn Schaltverluste oder Querleitung eine Rolle spielen.

Diese Vorgehensweise spart Zeit, da jeder hinzugefügte Verlust eine erkennbare Signatur aufweist. Wenn die Ausgangsspannung nach dem Hinzufügen eines Widerstands einbricht, sind die Topologie oder die magnetischen Komponenten wahrscheinlich unterdimensioniert. Wenn sich lediglich die Welligkeit ändert, müssen vor Beginn der Regelungsoptimierung die Wahl der Kondensatoren oder die Frequenz überprüft werden.

Die Grenzen des Arbeitszyklus erklären die meisten Kompromisse bei der Topologie

Die Begrenzung des Tastverhältnisses erklärt den größten Teil des praktischen Unterschieds zwischen Buck-, Boost- und Buck-Boost-Lösungen. Liegt das erforderliche Tastverhältnis nahe bei 0 % oder 100 %, verschlechtern sich die Strombelastung, die Verlustempfindlichkeit und die Regelreserve. Eine Topologie, die das Tastverhältnis über den gesamten Betriebsbereich hinweg moderat hält, führt in der Regel zu einem übersichtlicheren Design.

Eine Buck-Stufe arbeitet im komfortablen Bereich, solange der Eingangsstrom deutlich über dem Ausgangsstrom liegt, da das erforderliche Tastverhältnis mit ausreichender Reserve unter eins bleibt. Eine Boost-Stufe wird belastet, wenn der Ausgangsstrom weit über den Eingangsstrom ansteigt. Eine Buck-Boost-Stufe gewährleistet eine Regelung über einen größeren Bereich, erkauft diesen Bereich jedoch durch eine höhere Strombelastung und eine größere Anzahl an Bauteilen, die abgestimmt werden müssen.

Nutzen Sie diesen Meilenstein, bevor Sie sich für eine Topologie entscheiden.	Betrachten Sie das Ergebnis als praktisches Signal des Modells.
Wenn der Mindesteingangswert über dem Sollausgangswert bleibt, ist eine Abwärtswandlerstufe in der Regel für diesen Bereich geeignet.	Der Arbeitszyklus bleibt unter seiner Obergrenze, wodurch sich die Belastung leichter bewältigen lässt.
Wenn die maximale Eingangsleistung unter der Soll-Ausgangsleistung bleibt, reicht in der Regel eine Verstärkerstufe aus.	An Stellen mit hoher Belastung muss der Verlust weiterhin genau überwacht werden, da der Strom dort schnell ansteigt.
Wenn der Eingangsstrom den Sollwert überschreitet, sorgt eine Buck-Boost-Stufe dafür, dass die Regelung über den gesamten Bereich hinweg aufrechterhalten bleibt.	Der Stromverbrauch und der Regelungsaufwand steigen im Vergleich zu einer Einzweckstufe.
Wenn das Modell einen Arbeitszyklus nahe den Grenzwerten benötigt, warnt es Sie hinsichtlich der Sicherheitsmarge.	Magnetische Effekte, Schaltverluste und die Erholung nach Transienten werden sich immer schwerer in den Griff bekommen lassen.

Buck-Boost-Schaltungen eignen sich für EV-Batterien, die den Bus überqueren

Ein Buck-Boost-Wandler eignet sich für Leistungsstufen in Elektrofahrzeugen, wenn die Batteriespannung je nach Ladezustand, Temperatur und Last die erforderliche Bus- oder Subsystemspannung überschreitet. Diese Situation tritt häufig in Antriebsversorgungsschienen, Hilfsbussen und Batterieschnittstellenstufen auf. Die Topologie gewährleistet eine konstante Regelung, wenn eine Buck- oder Boost-Stufe allein den zulässigen Bereich verlassen würde.

Der Ladezustand einer Elektrofahrzeugbatterie bleibt während des Betriebs nicht auf einem festen Wert stehen, und genau deshalb ist diese Topologie von Bedeutung. Der weltweite Absatz von Elektroautos erreichte im Jahr 2023 etwa 14 Millionen Einheiten, was rund 18 % des gesamten Autoabsatzes entspricht. Eine breite und wachsende installierte Basis bedeutet, dass immer mehr Ingenieure batteriebetriebene Umrichter über den gesamten Betriebsbereich hinweg modellieren, anstatt sich auf die Nennwerte des Akkupacks zu beschränken.

Ein praktisches Beispiel ist ein Hochspannungsmodul, das in einem Betriebsmodus eine untergeordnete Hilfsschiene speist und in einem anderen Betriebsmodus Energie von einer untergeordneten Quelle bezieht. Das genaue Regelverfahren kann variieren, doch Ihr Modell sollte stets die minimale und maximale Modulspannung sowie Lastsprungbedingungen durchspielen. Genau hier hört die Wahl des Wandlers auf, rein theoretisch zu sein, und zeigt stattdessen, wie gut er geeignet ist.

„Eine gute Auswahl von Wandlern beruht auf dieser Disziplin, denn die richtige Stufe ist jene, die ihr Verhalten beibehält, wenn die idealen Bauteile nicht mehr vorhanden sind.“

Parasitische Effekte entscheiden darüber, ob simulierte Gewinne nach der Hardware-Implementierung bestehen bleiben

Parasitäre Effekte entscheiden darüber, ob sich ein Wandler, der in der Simulation vielversprechend aussieht, auch dann noch wie erwartet verhält, wenn Kupferwiderstand, Kondensatorverluste, Layoutinduktivität und Bauteil-Timing ins Spiel kommen. Diese Effekte sind keine geringfügigen Korrekturen. Sie verändern Welligkeit, Spitzenstrom, Spannungsüberschwingen und Wirkungsgrad so stark, dass sie eine früh getroffene Topologieentscheidung zunichte machen können.

Beim Bau eines Prototyps tritt diese Diskrepanz am Schaltknoten oft zutage. Das ideale Modell zeigt saubere Übergänge, während die Hardware Schwingungen, zusätzliche Erwärmung und Ausgangswelligkeit aufweist, die zuvor nicht zu erkennen waren. Dies ist in der Regel auf nicht berücksichtigte Ersatzserienwiderstände, Schleifeninduktivität oder das Rückstellverhalten zurückzuführen. Sobald diese Faktoren berücksichtigt werden, ist die beste Topologie nicht mehr diejenige, die auf einem sauberen Schaltplan am besten aussah, sondern diejenige, die das Ziel noch mit einer gewissen Sicherheitsmarge erfüllt.

Das ist eine nützliche Gewohnheit, die man sich nach dem ersten erfolgreichen Durchlauf aneignen sollte. SPS SOFTWARE funktioniert am besten, wenn man jede Komponente als überprüfbar und editierbar betrachtet und das Modell dann so lange verfeinert, bis es die erwartete Messkurve erklärt. Eine gute Auswahl der Wandler ergibt sich aus dieser Vorgehensweise, denn die richtige Stufe ist jene, die ihr Verhalten beibehält, wenn die idealen Bauteile wegfallen.

Wichtigste Erkenntnisse

• Die Analyse der Spannungsstabilität liefert die besten Ergebnisse, wenn man die Blindleistungsreserve, die Leistungsgrenzen der Anlagen und die Sättigung der Regelkreise im Blick behält, anstatt sich allein auf die Spannungshöhe zu verlassen.
• PV-Kurven, QV-Studien und dynamische Simulationen liefern Antworten auf unterschiedliche Fragen; daher spart die richtige Reihenfolge der Untersuchungen Zeit und verbessert die Qualität Ihrer technischen Beurteilung.
• Die Koordinierung des Schutzes, das Lastverhalten der Zuleitungen und die Strombegrenzungen der Wechselrichter entscheiden darüber, ob die simulierte Reserve glaubwürdig genug ist, um Betriebs- oder Planungsentscheidungen zu stützen.

Die Analyse der Spannungsstabilität in der Simulation funktioniert, wenn man die Blindleistungsreserve als Hauptsignal betrachtet und nicht nur die Spannungsamplitude.

Ein Spannungsabfall beginnt selten mit einem einzelnen niedrigen Spannungswert. Er setzt ein, wenn Generatoren, Kondensatorbänke, statische Kompensatoren oder Wechselrichtersteuerungen keine Blindleistungsunterstützung mehr leisten können, während die Überlastbelastung weiter zunimmt. Wind- und Solarenergie deckten im Jahr 2023 13,4 % des weltweiten Strombedarfs, was bedeutet, dass immer mehr Netze vom Verhalten der Umrichter abhängig sind, das in Stabilitätsstudien angemessen berücksichtigt werden muss. Eine gute Spannungsstabilitätsanalyse zeigt Ihnen, wo sich die schwachen Sammelschienen befinden, welche Begrenzungen zuerst greifen und wie die Schutzvorrichtungen reagieren, wenn sich die Spannungswiederherstellung verlangsamt.

Eine aussagekräftige Simulation basiert auf einer fundierten Modellauswahl und nicht auf einer einzigen Untersuchungsmethode. Sie versuchen, eine praktische ingenieurtechnische Frage zu Sicherheitsmargen, Einsturzrisiken oder Korrekturmaßnahmen zu beantworten. Das bedeutet, dass Ihr Modell ein glaubwürdiges Lastverhalten, realistische Kontrollgrenzen und eine Untersuchungsmethode benötigt, die auf die für Sie relevante Störung oder das Lastmuster abgestimmt ist. Wenn diese Komponenten nicht stimmen, sehen die Diagramme zwar ordentlich aus, vermitteln Ihnen aber dennoch falsche Erkenntnisse.

„Der entscheidende Faktor ist die Blindleistungsreserve.“

Bei der Spannungsstabilität geht es um die Blindleistungsreserve

Die Spannungsstabilität ist die Fähigkeit eines Stromnetzes, nach einer Lastzunahme, einer Schaltvorgang oder einer Störung eine akzeptable Spannung aufrechtzuerhalten. Der entscheidende Maßstab hierfür ist die Blindleistungsreserve. Ein Knotenpunkt kann sich nahe der Nennspannung befinden und dennoch kurz vor dem Zusammenbruch stehen. Deshalb reicht die bloße Höhe der Spannung allein nicht aus, um eine ausreichende Aussage zu treffen.

Stellen Sie sich einen Übertragungskorridor vor, der an einem heißen Abend einen Ballungsraum mit hoher Last versorgt. Stufenschalter halten die Verteilerspannung nahe am Sollwert, Induktionsmotoren ziehen mehr Blindstrom, und ein nahegelegener Generator erreicht seine Blindleistungsgrenze. Das Spannungsprofil mag für kurze Zeit noch akzeptabel aussehen, doch das System verfügt fast über keine Reserven mehr. Ein kleiner Leitungsausfall oder ein weiterer Lastanstieg wird den Knotenpunkt an den Scheitelpunkt der Leistungs-Spannungs-Kurve drängen.

Dies ist wichtig, da Spannungsinstabilität in der Regel ein Grenzproblem darstellt, bevor sie sich als sichtbares Niederspannungsproblem manifestiert. Sie müssen die Blindleistungsgrenzen der Generatoren, die umgeschalteten Kompensationsstufen, die Transformator-Stufenschaltung und die Spannungsempfindlichkeit der Last im Auge behalten. Tun Sie dies nicht, verwechseln Sie einen stabilen Betriebspunkt mit einem instabilen. Eine gute Analyse beginnt mit der Frage: „Wie viel Spielraum bleibt noch, bevor die Regelungen an ihre Grenzen stoßen?“

Simulation mit einem realistischen Netzwerkmodell starten

Ein zuverlässiges Netzmodell umfasst die Parameter und Regelungsmechanismen, die das Spannungsverhalten unter Lastbedingungen tatsächlich bestimmen. Sie benötigen korrekte Leitungsdaten, Transformator-Stufenschalter, Shunt-Vorrichtungen, Generatorgrenzwerte, Lastzusammensetzung und Regelungslogik. Wenn einer dieser Faktoren zu stark vereinfacht wird, stimmt die von Ihnen berechnete Sicherheitsmarge nicht mit dem tatsächlichen Verhalten im Netz überein.

Eine praxisnahe Konfiguration beginnt mit einem gelösten Basisfall und einer klar definierten Untersuchungsgrenze. Eine Untersuchung des Einspeisungsnetzes erfordert Einspeisungsregler, eine Kondensatorschaltlogik und Lasten mit hohem Motoranteil. Eine Untersuchung des Hauptnetzes erfordert Generatorerregung, Grenzen der Blindleistungskapazität und Übertragungswege, die die von Ihnen Tests Betriebsbedingungen widerspiegeln. In SPS SOFTWARE ist dieser Ausführungsschritt nützlich, da Sie Modellgleichungen und Schutzeinstellungen überprüfen und bearbeiten können, anstatt ein fertiges Ergebnis einfach zu akzeptieren.

Der schnellste Weg, das Vertrauen in die Analyse der Spannungsstabilität zu verlieren, ist das Überspringen grundlegender Modellprüfungen. Nutzen Sie diese Mindestcheckliste, bevor Sie das System einer Belastungsprüfung unterziehen.

• Stellen Sie sicher, dass der Leistungsfluss im Basisfall mit den vorgesehenen Betriebsbedingungen übereinstimmt.
• Überprüfen Sie jede reaktive Quelle auf realistische Grenzwerte und Regelungsprioritäten.
• Wählen Sie Lasten mit einer Spannungsempfindlichkeit, die dem Untersuchungsbereich entspricht.
• Überprüfen Sie die Schaltbereiche, Totzonen und Zeitverzögerungen des Transformators.
• Es sind Schutzvorrichtungen vorzusehen, die auslösen, bevor der Einsturz vollständig abgeschlossen ist.

Verwenden Sie PV-Kurven, um zunächst die schwachen Sammelschienen zu lokalisieren

Die PV-Kurvenanalyse ist der schnellste Weg, um festzustellen, wo die Spannungsstabilitätsreserve knapp ist. Man erhöht die Last oder die Übertragungsbelastung schrittweise und beobachtet, wie die Sammelschienenspannung darauf reagiert. Die schwachen Sammelschienen sind diejenigen, die als erste an ihre Grenze stoßen. Diese Sammelschienen verdienen Ihre Aufmerksamkeit, bevor eingehendere Untersuchungen beginnen.

Ein gängiger Arbeitsablauf sieht vor, dass ein Übertragungskorridor von einem Erzeugungsgebiet in ein Lastgebiet unter Beobachtung mehrerer Stromkreise genutzt wird. Ein Stromkreis weist in der Regel einen stärkeren Spannungsabfall und eine geringere Belastbarkeitsreserve auf als die anderen. Dieser Stromkreis dient dann als Anhaltspunkt für die Prüfung von Abhilfemaßnahmen. Anschließend können Sie die Unterstützung durch Nebenschlussgeneratoren, die Neusteuerung von Generatoren oder Stufenschaltungen testen und feststellen, welche Maßnahme den Betrieb in einen sichereren Bereich verschiebt.

PV-Kurven sind wertvoll, weil sie eine vage Sorge vor einem Zusammenbruch in eine nach Schwachstellen geordnete Karte umwandeln. Außerdem verhindern sie, dass Sie Ihre Anstrengungen auf das gesamte Netz verteilen, wenn das limitierende Problem lokal begrenzt ist. Den größten Nutzen erzielen Sie, wenn bei jedem Schritt die Grenzen der Anlagen und die Regelmaßnahmen berücksichtigt werden. Werden reaktive Obergrenzen ignoriert, sieht die Kurve besser aus, als das System tatsächlich ist.

Verwenden Sie QV-Studien, wenn reaktive Grenzwerte vorherrschen

QV-Studien beantworten eine eng gefasste, aber sehr wichtige Frage. Sie zeigen, wie viel Blindleistung ein Bus benötigt, um ein bestimmtes Spannungsniveau aufrechtzuerhalten. Das macht sie nützlich, wenn das Hauptproblem in einem lokalen Blindleistungsdefizit liegt. Dabei geht es weniger um die Belastbarkeit als vielmehr um ein Blindleistungsdefizit an einem bestimmten Standort.

Ein gutes Beispiel hierfür ist eine schwache Sammelschiene in einem Umspannwerk in der Nähe einer großen Motorlast. Die PV-Kurve kann bestätigen, dass der Bereich nur über eine geringe Reserve verfügt, doch die QV-Kurve zeigt, wie viel Blindleistungsunterstützung erforderlich ist, um einen Wert von 1,0 pro Einheit oder ein anderes Ziel zu halten. Dadurch werden die Dimensionierung von Kondensatoren, statische Kompensationsstudien und die Platzierung der Unterstützung konkreter. Man muss nicht mehr raten, welche Sammelschiene Unterstützung benötigt oder wie viel Unterstützung erforderlich ist.

QV-Ergebnisse gewinnen besonders an Bedeutung, wenn die Blindleistungsgrenzen der Generatoren erreicht sind oder wenn sich durch einen Leitungsausfall die lokale Blindleistungsversorgung verändert. Sie zeigen zudem Fälle auf, in denen ein Knotenpunkt Unterstützung benötigt, die eine entfernte Quelle aufgrund der Übertragungsreaktanz nicht effektiv bereitstellen kann. Wenn Ihre Frage lautet: „Wo setze ich die Unterstützung ein und wie viel wird benötigt?“, liefert eine QV-Studie eine direktere Antwort als eine PV-Kurve.

Die dynamische Simulation untersucht den Verlauf bis zum Spannungsabfall

Eine dynamische Simulation zeigt, wie sich das System im Laufe der Zeit von einer Störung in Richtung Stabilisierung oder Zusammenbruch entwickelt. Sie erfasst Regelmaßnahmen, Verzögerungen, Sättigung und Schutzlogik, die in statischen Untersuchungen nicht vollständig dargestellt werden können. Deshalb ist sie unerlässlich, nachdem PV- und QV-Untersuchungen Schwachstellen identifiziert haben. Die statische Sicherheitsreserve gibt Aufschluss über die Entfernung bis zum Auftreten von Problemen, während die dynamische Reaktion den Weg dorthin aufzeigt.

Ein Busfehler, der nach mehreren Zyklen behoben wird, kann dazu führen, dass Motoren blockieren, Transformator-Stufenschalter umschalten und Blindleistungsgeräte nacheinander schalten. Eine statische Untersuchung würde diesen zeitlichen Ablauf nicht erfassen. Ein RMS-Modell kann eine langsame Spannungswiederherstellung nach der Fehlerbehebung darstellen, und ein detaillierteres elektromagnetisches Modell kann die Strombegrenzung des Umrichters oder die Wechselwirkung der Regelung während desselben Ereignisses aufzeigen. Diese Details sind von Bedeutung, wenn der Betriebspunkt bereits nahe an seiner Blindleistungsgrenze liegt.

Nutzen Sie diesen Anhaltspunkt, um die Untersuchungsmethode auf die von Ihnen gestellte Frage abzustimmen.

Studienansatz	Was dir das ganz klar sagt	Wenn es am besten passt
Überprüfung des Stromflusses im Basisszenario	Dies bestätigt, dass Spannungen, Ströme und Blindleistungen mit den Betriebsbedingungen übereinstimmen, die Sie untersuchen möchten.	Führen Sie dies vor jedem Stabilitätstest durch, damit jedes spätere Ergebnis von einem glaubwürdigen Zustand ausgeht.
Analyse der Leistungs-Spannungs-Kurve	Es ermittelt die schwächsten Busse, indem es aufzeigt, wo die Spannung bei steigender Last oder Übertragungsbelastung zuerst zusammenbricht.	Verwenden Sie diese Funktion, wenn Sie sich einen schnellen Überblick über Margen und Schwachstellen im gesamten Netzwerk verschaffen möchten.
Analyse der Blindleistungskurve	Es zeigt, wie viel lokale Blindleistungsunterstützung erforderlich ist, um eine bestimmte Spannung an einer Sammelschiene aufrechtzuerhalten.	Verwenden Sie diese Option, wenn die Platzierung und die Größe der Var-Halterung im Vordergrund stehen.
Simulation von RMS-Störungen	Es erfasst langsamere Regelvorgänge wie die Erregung, Stufenschaltungen, die Motorwiederherstellung und die Schutzzeitabläufe.	Setzen Sie es nach einem Fehler, einem Ausfall oder einem Schaltvorgang ein, wenn die Reaktionszeit über den Ausgang entscheidet.
Simulation elektromagnetischer Transienten	Es löst Probleme im Zusammenhang mit Wandlergrenzen und kurzfristigen Regelwechselwirkungen, die für stationäre Methoden zu detailliert sind.	Verwenden Sie es in Umrichter-intensiven Bereichen oder wenn Schalt- und Steuerungsdetails die Spannungswiederherstellung beeinflussen.
Überprüfung der Koordinierung von Schutzmaßnahmen	Es zeigt, welche Elemente zuerst auslösen und wie sich diese Auslösungen auf die Stabilitätsreserve auswirken, von der Sie ausgegangen sind.	Verwenden Sie dies vor der endgültigen Entscheidung, damit die simulierte Marge die tatsächliche Absicherung widerspiegelt.

Verteilungsnetze benötigen Lastmodelle, die dem tatsächlichen Verhalten entsprechen

Studien zur Stabilität der Verteilungsspannung scheitern, wenn die Lastmodelle zu einfach sind. Die Lastverteilung in den Abzweigleitungen wird durch Motoren, thermostatisch geregelte Lasten, dezentrale Erzeugung auf Dächern, Reglermaßnahmen und Unsymmetrien bestimmt. Annahmen von konstanter Leistung können das Risiko eines Zusammenbruchs über- oder unterschätzen. Sie benötigen ein Modell, das der tatsächlichen Zusammensetzung der Lasten in den Abzweigleitungen entspricht.

Eine lange Zuleitung, die Klimaanlagen, kleine gewerbliche Motoren und dezentrale Erzeugungsanlagen versorgt, verhält sich ganz anders als eine Zuleitung, die hauptsächlich aus ohmschen Heizungen besteht. Nach einem Fehler oder einem Spannungseinbruch kann das Blockieren von Motoren den Blindleistungsbedarf hoch halten, während Regler und Kondensatorsteuerungen mit Verzögerung reagieren. Wenn Ihr Modell all dies als statischen Block mit konstanter Leistung behandelt, wird die prognostizierte Erholung glatter aussehen, als es die Zuleitung tatsächlich leisten wird.

Bei Studien zur Verteilungstechnik muss auch berücksichtigt werden, wo und wie schnell die Regelungsmaßnahmen greifen. Stufenschalter können die Kundenspannung aufrechterhalten, während sie das vorgelagerte Netz an seine Grenzen bringen. Kondensatorbänke können einem Abschnitt helfen, während sie einen anderen beeinträchtigen, wenn die Schaltlogik schlecht abgestimmt ist. Man kann das Risiko eines Spannungsabfalls in einer Abzweigleitung nicht so untersuchen, als handele es sich um einen reduzierten Sammelschienenstrang. Die Zusammensetzung der Abzweigleitung ist Gegenstand der Untersuchung.

Netze mit hohem Anteil an erneuerbaren Energien benötigen Wechselrichterbegrenzungen

Netzsysteme mit hohem Anteil an erneuerbaren Energien erfordern im Modell explizite Stromgrenzwerte für Wechselrichter, Regelungsprioritäten und Einstellungen für die Blindleistungsunterstützung. Umrichterbasierte Anlagen verhalten sich nicht wie Synchrongeneratoren. Bei einem Spannungsabfall richten sich ihre Regelungen nach den Stromgrenzwerten und Schutzschwellen. Fehlen diese Grenzwerte, wird die simulierte Reserve zu hoch angesetzt.

Ein Solarkraftwerk, das an ein instabiles Netz angeschlossen ist, liefert ein anschauliches Beispiel. Bei einem Spannungseinbruch priorisiert die Wechselrichtersteuerung häufig die Blindleistungsunterstützung bis zu einer bestimmten Stromobergrenze. Jenseits dieser Obergrenze sinkt die Wirkleistungsunterstützung, und die weitere Spannungsunterstützung wird begrenzt. Die Stromerzeugung aus Photovoltaik stieg im Jahr 2023 um fast 320 TWh – der größte jemals verzeichnete jährliche Anstieg –, weshalb dieses Modellierungsdetail für moderne Stabilitätsstudien von Bedeutung ist.

Außerdem müssen Sie die Spannungsregelung auf Anlagenseite, die Impedanz des Kollektorsystems und die Netzkodevorgaben für die Störungsüberbrückung berücksichtigen. Eine generische Quelle hinter einer Reaktanz kann diese Grenzen nicht erfassen. Diese Vereinfachung mag für eine grobe Vorauswahl akzeptabel sein, ermöglicht jedoch keine fundierte Beurteilung des Zusammenbruchsrisikos. Wenn Ihr Netz reich an Wechselrichter-basierten Ressourcen ist, muss das Spannungsstabilitätsmodell die physikalischen Eigenschaften der Umrichter und deren Regelungslogik widerspiegeln.

„Eine Reserve, die nur vor dem Auslösen eines Relais besteht, ist keine nutzbare Reserve.“

Die Schutzkoordination muss die Grenzwerte für die Spannungsstabilität berücksichtigen

Die Koordinierung der Schutzsysteme im Stromnetz ist Teil der Spannungsstabilitätsanalyse, da die Schutzsysteme das endgültige Ergebnis bestimmen, sobald sich die Spannungswiederherstellung verlangsamt oder der Strom ansteigt. Eine Reserve, die nur vor der Auslösung eines Relais besteht, ist keine nutzbare Reserve. Die Untersuchung muss dieselbe Auslöse-Logik widerspiegeln, die auch die Feldgeräte anwenden werden.

Eine verzögerte Unterspannungsabschaltung in einem Windpark, eine Lastabwurfstufe an einer schwachen Zuleitung oder ein Übererregungsbegrenzer an einem Generator können jeweils den Verlauf von der Störung bis zum Zusammenbruch beeinflussen. Eine Einstellung kann den Betrieb lange genug aufrechterhalten, bis sich die Spannung wieder erholt, während eine andere die Unterstützung aufhebt und den Spannungseinbruch vertieft. Deshalb gehört die Überprüfung der Schutzvorrichtungen in den Simulationsablauf und nicht erst danach. Wenn das Relais zuerst auslöst, ist Ihr PV- oder QV-Ergebnis nicht die vollständige Antwort.

Das beste technische Urteil ergibt sich aus der Zusammenführung von Sicherheitsmargen, Regelgrenzen und Schutzauslösezeiten in einem einheitlichen Modell. SPS SOFTWARE fügt sich nahtlos in diesen Arbeitsablauf ein, da offene Modelle es erleichtern, die Annahmen hinter der Netzreaktion und der Relaisauslösung zu überprüfen. Sie suchen nicht nach einer spektakulären grafischen Darstellung. Sie suchen nach einem Untersuchungsergebnis, das auch dann noch Sinn ergibt, wenn das System unter Belastung steht, die Regler an ihre Grenzen stoßen und der Schutz genau wie eingestellt auslöst.

Wichtigste Erkenntnisse

• Reproduzierbare EMT-Forschung beginnt damit, dass man den Simulationslauf als vollständige, wiederholbare Aufzeichnung betrachtet, die das Modell, die Berechnungsdaten, die Eingaben und die Tool-Versionen umfasst.
• Die Transparenz physikalisch fundierter Modelle ist ebenso wichtig wie die Ergebnisse selbst, denn die Leser müssen die Gleichungen, Annahmen und die Steuerungslogik überprüfen können, um darauf vertrauen zu können, dass dieselbe Studie wiederholt wird.
• Die meisten Probleme bei der Reproduzierbarkeit sind auf kleine, undokumentierte Entscheidungen zurückzuführen, wie beispielsweise Zeitschritte, Ereigniszeitpunkte, Initialisierung und Nachbearbeitung; daher sollten streng strukturierte Laufprotokolle und portable Studienpakete zur Standardpraxis gehören.

Reproduzierbare Simulationsforschung scheitert meist daran, dass die Autoren einen Simulatorlauf als Screenshot betrachten, anstatt als Aufzeichnung, die man erneut ausführen kann. Eine groß angelegte Umfrage ergab, dass 70 % der Forscher versucht hatten, die Experimente anderer Wissenschaftler zu reproduzieren, dabei jedoch gescheitert waren. Die EMT-Forschung birgt ein zusätzliches Risiko, da bereits kleine numerische und modelltechnische Entscheidungen Wellenformen, Auslöselogik und Schutzergebnisse verändern können.

„Sie können die Ergebnisse des EMT-Stromversorgungssystems reproduzierbar machen, indem Sie das Modell, die Berechnungsdaten und die Ausführungsbedingungen als ein einziges Paket veröffentlichen.“

Die praktische Herangehensweise ist einfach: Reproduzierbarkeit ist eine grundlegende Anforderung an die Konzeption Ihrer Studie und keine Nachbesserung, die erst nach der Formulierung der Ergebnisse erfolgt. Physikalisch basierte Modellierung macht dies möglich, da Gleichungen, Parameter und Annahmen überprüft und hinterfragt werden können. Ihre Aufgabe ist es, jede verborgene Entscheidung transparent zu machen – von den Toleranzen des Solvers bis hin zu den Anfangsbedingungen –, damit ein Gutachter oder Laborpartner die Studie nachstellen und zu denselben technischen Schlussfolgerungen gelangen kann.

Definition der reproduzierbaren Simulationsforschung in Studien zu EMT-Stromversorgungssystemen

Reproduzierbare EMT-Forschung bedeutet, dass ein unabhängiger Leser Ihr Simulationsmodell ausführen und innerhalb einer festgelegten Toleranz die gleichen wichtigen Diagramme und Kennzahlen erhalten kann. Dazu gehören das vollständige Modell, alle Eingabedaten sowie die numerischen Einstellungen, die zur Erzeugung der Ergebnisse verwendet wurden. Ebenfalls enthalten sind die Versionen der verwendeten Tools und etwaige externe Skripte. Dies stellt strengere Anforderungen als die bloße Behauptung eines ähnlichen Verhaltens.

Bei der Arbeit als Elektromechaniker sollte der Begriff „gleiches Ergebnis“ aus technischer Sicht definiert werden, nicht unter ästhetischen Gesichtspunkten. Wenn Ihre Aussage von Spitzenstrom, Gleichstromkreiswelligkeit, PLL-Stabilität oder der Ansprechzeit von Schutzvorrichtungen abhängt, benötigen Sie für diese Größen einen numerischen Toleranzbereich. Dieser Bereich sollte die numerischen Schwankungen widerspiegeln, die Sie bei verschiedenen Maschinen erwarten, und nicht die Streuung, die sich aus undokumentierten Parametereinstellungen ergibt.

Es ist außerdem hilfreich, drei Ebenen der Wiederholbarkeit zu unterscheiden, damit Ihre Leser wissen, was sie erwartet. Wiederholbare Läufe auf demselben Computer dienen dazu, die grundlegende Laufsteuerung zu testen. Die Reproduktion auf einem anderen Computer dient dazu, die Tool-Versionierung, Gleitkomma-Unterschiede und versteckte Abhängigkeiten zu prüfen. Die Reproduktion in einem anderen Simulator dient dazu, Modellannahmen zu überprüfen, was eine noch klarere Dokumentation der physikalischen Gleichungen und der Steuerungslogik erfordert.

Festlegung der Anforderungen an die Modelltransparenz für die physikalisch basierte Modellierung von Stromversorgungssystemen

Transparente, physikalisch basierte Modelle legen Gleichungen, Parameter und Komponentengrenzen offen, sodass andere überprüfen können, was Ihre Studie tatsächlich simuliert. Sie sollten in der Lage sein, jede dargestellte Wellenform auf ein Komponentenmodell und einen Parameterwert zurückzuführen. Steuerblöcke müssen lesbar sein und dürfen nicht zu undurchsichtigen Artefakten kompiliert werden. Wenn ein Wert angepasst wird, muss das Anpassungsziel angegeben werden.

Beginnen Sie mit einem präzisen „Mustervertrag“, in dem klar definiert ist, was zum Leistungsumfang gehört und was nicht. Wenn Sie ein Modell mit gemittelten Umwandlungswerten verwenden, geben Sie an, welche Details der Schaltung Sie weggelassen haben und warum dies für Ihre Behauptung akzeptabel ist. Wenn Sie detaillierte Schaltungsdetails einbeziehen, erläutern Sie, wie Sie Geräteverluste, Totzeiten und Sättigung darstellen. Die Leser benötigen nicht jede einzelne Zwischenbemerkung, aber sie benötigen jede Annahme, die die physikalischen Gegebenheiten verändert.

Zur Transparenz gehören auch die Benennung und die Struktur. Einheitliche Signalbezeichnungen, klare Subsystemgrenzen und übersichtliche Einheiten verringern das Risiko, dass ein anderer Forscher etwas falsch verdrahtet und dann dem Tool die Schuld dafür gibt. Wenn ein Modell so klar ist, dass es von einem Doktoranden überprüft werden kann, ist es in der Regel auch klar genug, dass ein Gutachter ihm vertrauen kann.

Überprüfen Sie die numerischen Einstellungen, die am häufigsten die Reproduzierbarkeit beeinträchtigen

Die Reproduzierbarkeit der EMT-Simulationen ist nicht gewährleistet, wenn die Auswahl des Solvers, der Zeitschritt, die Interpolation und die Ereignisbehandlung als Standardwerte behandelt werden. Der Zeitschritt und die Toleranzen wirken sich direkt auf die Schaltwelligkeit, die Stabilitätsreserven der Regelung und die Zeitabläufe der Schutzfunktionen aus. Regeln für den zeitlichen Ablauf von Ereignissen, wie z. B. die Auslösung von Leistungsschaltern und die Einfügung von Fehlern, müssen präzise festgelegt werden. Diese Einstellungen sollten als Teil der Studiendefinition veröffentlicht werden und nicht als Nebensächlichkeiten des Simulators.

Betrachten Sie eine Netzfehleranalyse an einem 2-MW-Wechselrichtermodell, bei der Ihre Aussage von den ersten 10 ms der Strombegrenzung abhängt. Ein fester Zeitschritt von 5 µs kann einen anderen Spitzenwert und einen anderen Zeitpunkt der Begrenzeraktivierung ergeben als 20 µs, selbst bei identischen Reglerverstärkungen, da sich die Abtastung, die Diskretisierung und die Ausrichtung der Schaltvorgänge verschieben. Wenn in der Veröffentlichung nur das Reglerdiagramm dargestellt und die numerischen Einstellungen weggelassen werden, kann ein anderes Labor das Modell zwar „nachbilden“, aber dennoch Ihr Hauptergebnis verfehlen.

Legen Sie klare Regeln für die Wahl der numerischen Werte fest. Beginnen Sie mit einem Zeitschritt, der durch die schnellste Dynamik in Ihren Daten gerechtfertigt ist, und vergewissern Sie sich anschließend, dass die wichtigsten Ergebnisse auch bei einem kleineren Zeitschritt stabil bleiben. Geben Sie an, welche Filter oder Dezimierungsverfahren für die Darstellungen verwendet wurden, damit die Leser die Glättung der Darstellung nicht mit der physikalischen Dämpfung verwechseln. Wenn Ihre Ergebnisse von Schwellenwertüberschreitungen abhängen, halten Sie die Erkennungsmethode und die Vergleichstoleranz fest.

Geben Sie Eingaben, Anfangsbedingungen und Solver-Versionen einheitlich an

Für wiederholbare EMT-Studien ist ein vollständiges Protokoll erforderlich , das alle Eingaben, den Ausgangszustand und die verwendeten Tool-Versionen erfasst. Die Ausgangsbedingungen sind entscheidend, da sich Steuerungen, Maschinenzustände und Netzspannungen auf unterschiedliche Verläufe einpendeln können. Die Versionsangaben sind wichtig, da Solver, Bibliotheken und numerische Korrekturen das Verhalten beeinflussen. Wenn Sie Ihre eigenen Ergebnisse sechs Monate später nicht reproduzieren können, wird es auch niemand anderes tun.

Verwenden Sie ein Ausführungsmanifest, das mit dem Modell mitgeliefert wird und bei jeder Neugenerierung der Ergebnisse aktualisiert wird. Behandeln Sie es wie einen Eintrag im Laborjournal mit festgelegten Feldern und nicht als Freitext. Bei der Zusammenarbeit im Team dient das Manifest als gemeinsame Referenz, die eine schleichende Abweichung zwischen „dem Modell“ und „den Ergebnissen“ verhindert.

• Name des Simulationsprogramms, genaue Version und Angaben zum Betriebssystem
• Lösertyp, fester oder variabler Schritt, Zeitschritt und Fehlertoleranzen
• Alle Eingabedateien mit Prüfsummen und einer einzigen Quelle für die Parameterwerte
• Anfangsbedingungsmethode, einschließlich etwaiger Leistungsfluss- oder stationärer Vorlaufberechnungen
• Ereignisprotokoll mit Zeitstempeln für Fehler, Schaltvorgänge und Änderungen des Reglermodus

Das Gleiche gilt für Skripte, die für die grafische Darstellung und die Nachbearbeitung verwendet werden. Wenn bei einer grafischen Darstellung Fensterfunktionen, Neuberechnungen oder Filter zum Einsatz kommen, sollten die Einstellungen und die Code-Version festgehalten werden. Eine saubere Ausführungsaufzeichnung ermöglicht es, Kommentare aus der Überprüfung schnell in erneute Ausführungen umzusetzen, anstatt wochenlange Rekonstruktionsarbeiten zu erfordern.

EMT-Studien bündeln und teilen, damit andere sie nachführen können

„Für die Reproduzierbarkeit zu sorgen bedeutet, ein lauffähiges Paket bereitzustellen, nicht nur ein Diagramm und eine Parametertabelle.“

Ein vollständiges Paket umfasst Modelldateien, das Ausführungsmanifest, Eingabedatensätze und die Skripte zur grafischen Darstellung, mit denen die veröffentlichten Abbildungen erstellt werden. Die Dateipfade müssen relativ und plattformunabhängig sein, damit das Projekt auf einem neuen Rechner ohne manuelle Korrekturen geöffnet werden kann. Ihr Ziel ist es, mit einem einzigen Befehl oder Klick die von Ihnen zitierten Ergebnisse zu reproduzieren.

Die Verpackung funktioniert am besten, wenn Sie bearbeitbare Quelldaten von generierten Artefakten trennen. Behalten Sie Quellmodelle, Parametersätze und Skripte unter Versionskontrolle und speichern Sie generierte Diagramme in einem Ergebnisordner, der mit einem bestimmten Commit verknüpft ist. Archivieren Sie das genaue Ausführungsbündel, das mit einer Einreichung verbunden ist, damit spätere Bearbeitungen die Herkunft der veröffentlichten Abbildungen nicht überschreiben.

Manche Teams standardisieren diesen Arbeitsablauf in SPS SOFTWARE, da offene, bearbeitbare Komponentenmodelle und eine klare Parametrierung es einfacher machen, die für Wiederholungsläufe relevanten Elemente zusammenzufassen. Die Wahl des Tools ist weniger wichtig als die Gewohnheit: Wenn der Empfänger nicht überprüfen und ausführen kann, was Sie verwendet haben, lässt sich die Studie nicht reproduzieren.

Erkennen Sie häufige Lücken in der Berichterstattung, die wiederholbare Ergebnisse verhindern

Der schnellste Weg, die Reproduzierbarkeit zu verbessern, besteht darin, nach Lücken zu suchen, auf die Gutachter immer wieder stoßen: fehlende Zahlenangaben, fehlende Anfangsbedingungen und fehlende Ereignisdefinitionen. Diese Auslassungen sind nicht unerheblich, da sich die Ergebnisse von EMT-Simulationen schon bei winzigen Abweichungen verändern können. Eine separate Umfrage ergab, dass 52 % der Forscher der Meinung sind, dass es eine erhebliche Reproduzierbarkeitskrise gibt. Dieses Muster deckt sich mit den Beobachtungen von Gutachtern im Bereich der Stromversorgungssysteme, wenn Simulationsergebnisse nicht wiederholt werden können.

Ein einfacher Selbsttest deckt die meisten Probleme bereits vor der Einreichung auf. Ein Kollege aus Ihrem Team sollte in der Lage sein, das Studienpaket zu klonen, es auf einem sauberen Rechner auszuführen und alle Abbildungen neu zu generieren, ohne Sie um Hilfe bitten zu müssen. Wenn er einen E-Mail-Verlauf benötigt, um die Solver-Einstellungen, eine Parameterdatei oder den genauen Zeitablauf der Ereignisse zu finden, ist die Arbeit noch nicht bereit für die Begutachtung.

Kontrollpunkt zur Reproduzierbarkeit	Was Sie aufzeichnen müssen	Was ein Wiederholer schnell überprüfen kann
Transparenz des Modells	Bearbeitbare Gleichungen, übersichtliche Steuerungslogik und Parameterquellen	Jedes dargestellte Signal lässt sich einem Modellelement und einem Wert zuordnen
Numerische Konfiguration	Lösertyp, Schrittweite, Toleranzen und Regeln für den Ablauf von Ereignissen	Die Peaks und Zeitpunkte liegen innerhalb des von Ihnen angegebenen Toleranzbereichs
Ausgangsbedingungen	Vorlaufverfahren, Annahmen zum Leistungsfluss und Dateien zur Zustandsinitialisierung	Die Einschwingwerte und stationären Werte stimmen mit den angegebenen Referenzwerten überein
Eingaben und Störungen	Parametersätze, externe Daten und ein zeitgestempelter Ereignisplan	Fehler, Schaltvorgänge und Betriebsartenwechsel treten zeitgleich auf
Herkunft und Verpackung	Tool-Versionen, Ausführungsmanifest und portable Dateistruktur	Die Studie läuft auf einem sauberen Rechner ohne Pfadkorrekturen

Eine gute Reproduzierbarkeit mag streng erscheinen, zahlt sich jedoch in Form von reibungsloseren Überprüfungszyklen und klareren internen Übergaben aus. Teams, die die Modellierung als veröffentlichungsfähiges Artefakt und nicht als persönlichen Arbeitsbereich betrachten, bauen eine Glaubwürdigkeit auf, die sich im Laufe der Zeit verstärkt. SPS SOFTWARE eignet sich am besten, wenn Sie diese Disziplin durch transparente, überprüfbare, physikbasierte Modelle unterstützen möchten, das Ergebnis jedoch weiterhin von Ihren Laufprotokollen und Ihren Paketierungsgewohnheiten abhängt.