Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.
LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng tơi hướng dẫn thầy hướng dẫn nhà khoa học Tài liệu tham khảo luận án trích dẫn đầy đủ Các số liệu, kết luận án hoàn toàn trung thực chưa tác giả khác công bố Hà Nội, ngày Người hướng dẫn khoa học tháng năm 2023 Tác giả luận án i Lời cảm ơn Luận án hoàn thành sở kết nghiên cứu Đại học Bách khoa Hà Nội Sau thời gian học tập nghiên cứu, tơi hồn thành luận án hướng dẫn thầy: PGS.TS Trần Trọng Minh PGS.TS Vũ Hoàng Phương, Đại học Bách khoa Hà Nội Tơi xin bày tỏ lịng biết ơn sâu sắc dẫn tận tình thầy hướng dẫn, người chia sẻ, quan tâm công việc lẫn đời sống, tạo điều kiện giúp đỡ để tơi hồn thiện luận án Tôi trân trọng cảm ơn thầy cô thuộc nhóm chun mơn Điện tử cơng suất Truyền động điện, thầy phịng C9-102 cho tơi mơi trường làm việc học tập đầm ấm, chuyên nghiệp, động với góp ý chân thành, sâu sắc TS Dương Minh Đức, TS Nguyễn Duy Đỉnh, TS Nguyễn Anh Tân người giúp nhiều việc củng cố thêm kiến thức chuyên môn hồn thiện luận án Tơi xin cảm ơn Ban Giám hiệu, Khoa Tự động hóa, Trường Điện-Điện tử; Ban Giám hiệu, Phòng đào tạo - Đại học Bách khoa Hà Nội tạo điều kiện thuận lợi nhiều mặt công việc học tập Tôi chân thành cảm ơn anh chị em Nghiên cứu sinh khoa Tự động hóa, Viện kỹ thuật Điều khiển Tự động hóa, người đồng hành, động viên, giúp đỡ hỗ trợ Tôi nhớ đến nhóm sinh viên K61, K62, K63 thuộc PE-Lab học tập nghiên cứu phòng C9-203 với hai em Nguyễn Mạnh Tuấn Đinh Huy Hùng (K61) thuộc APES-Lab Họ người đồng hành, động viên, hỗ trợ nhiều việc nghiên cứu, triển khai thực nghiệm Sự quan tâm, giúp đỡ, động viên tạo điều kiện Ban Giám hiệu, Ban chủ nhiệm khoa Cơ khí đồng nghiệp môn Điện kỹ thuật, Trường Đại học Xây dựng Hà Nội nguồn động lực lớn giúp vững bước chặng đường học tập nghiên cứu Sau cùng, xin gửi lời cảm ơn sâu sắc đến thành viên gia đình tơi, người bạn thân thiết quan tâm, động viên giúp đỡ tơi vượt qua khó khăn để hoàn thành luận án Hà Nội, tháng năm 2023 Tác giả luận án Phó Bảo Bình ii MỤC LỤC LỜI CAM ĐOAN I LỜI CẢM ƠN II MỤC LỤC III DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT VI DANH MỤC CÁC BẢNG .VIII DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ IX MỞ ĐẦU XIII CHƯƠNG TỔNG QUAN 1.1 Khái quát vấn đề nghiên cứu 1.1.1 Nghịch lưu đa mức cầu H nối tầng (CHB) 1.1.2 Các phương pháp điều khiển cho NLĐM cấu trúc CHB 1.1.3 Điều khiển dự báo dựa mô hình MPC 1.1.4 Lý MPC đặc biệt phù hợp với NLĐM cấu trúc CHB hệ truyền động IM 10 1.1.5 Nguyên lý thực FCS-MPC 11 1.2 Vấn đề FCS-MPC 12 1.2.1 Sai lệch tĩnh 13 1.2.2 Multistep MPC 13 1.3 Ứng dụng mạng nơ-ron để xây dựng điều khiển ANN-MPC nhằm thực nghiệm thuật toán multistep MPC 16 Kết luận chương 17 CHƯƠNG FCS-MPC VỚI MỤC ĐÍCH TRIỆT TIÊU SAI LỆCH TĨNH CHO NLĐM CẤU TRÚC CHB NỐI TẢI ĐỘNG CƠ IM 19 2.1 Phương pháp điều khiển dự báo FCS-MPC 19 2.2 Phương pháp điều khiển dự báo FCS-MPC kết hợp khâu tích phân 21 2.3 Phương pháp điều khiển dự báo FCS-MPC cho mạch nghịch lưu đa mức CHB ứng dụng động IM 23 iii 2.3.1 Cấu trúc điều khiển dự báo FCS-MPC thông thường cho mạch nghịch lưu đa mức CHB nối tải động IM 23 2.3.2 Nguyên lý hoạt động NLĐM cấu trúc CHB 24 2.3.3 Mơ hình trạng thái động khơng đồng (IM) 27 2.3.4 Cấu trúc điều khiển dự báo FCS-MPC kết hợp khâu tích phân cho mạch nghịch lưu đa mức CHB, ứng dụng động IM 31 2.4 Kết mô kiểm chứng 35 2.4.1 Kiểm tra đáp ứng dòng điện 36 2.4.2 Kiểm tra đáp ứng CMV tối ưu đóng cắt 40 2.4.3 Kiểm tra đáp ứng trạng thái độ hệ thống 41 CHƯƠNG THUẬT TOÁN MULTISTEP MPC CHO NGHỊCH LƯU ĐA MỨC CẤU TRÚC CHB NỐI TẢI ĐỘNG CƠ IM 46 3.1 Cấu trúc điều khiển hệ thống NLĐM cấu trúc CHB nối tải động IM, sử dụng thuật toán Multistep MPC 46 3.2 Thiết kế điều khiển dòng điện với phương pháp điều khiển multistep MPC 47 3.2.1 Mơ hình hệ thống 47 3.2.2 Mô hình dự báo 48 3.2.3 Hàm mục tiêu 49 3.2.4 Thuật toán giải mã mặt cầu SDA 50 3.3 Nâng cao tốc độ tính tốn Multistep MPC với phương pháp K-best SDA cho NLĐM cấu trúc CHB nối tải động IM 55 3.3.1 Cấu trúc điều khiển 55 3.3.2 Thuật toán giải mã mặt cầu K-best SDA 56 3.3.3 Mô kiểm chứng phần mềm Matlab/Simulink 61 CHƯƠNG XÂY DỰNG HỆ THỐNG THỰC NGHIỆM VÀ KẾT QUẢ72 4.1 Thực nghiệm kiểm chứng thuật toán multistep MPC với phương pháp K-best SDA cho biến tần đa mức cấu trúc CHB 72 4.1.1 Điều kiện thực nghiệm 72 4.1.2 Triển khai vi điều khiển FPGA 75 4.1.3 Kết thực nghiệm 77 4.2 Thực nghiệm kiểm chứng thuật toán Multistep MPC sử dụng ANN, áp dụng cho nghịch lưu đa mức cấu trúc CHB 80 4.2.1 Phương pháp điều khiển ANN-MPC 80 iv 4.2.2 Cấu trúc mạng nơ-ron ANN 82 4.2.3 Thực phương pháp ANN-MPC 86 4.2.4 Mô kiểm chứng Matlab/Simulink 91 4.2.5 Mơ hình thực nghiệm 94 4.2.6 Kết thu mơ hình thực nghiệm 97 KẾT LUẬN VÀ KIẾN NGHỊ 101 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 102 TÀI LIỆU THAM KHẢO 103 PHỤ LỤC 111 v Danh mục ký hiệu chữ viết tắt Từ viết tắt Dạng đầy đủ tiếng Anh Ý nghĩa BBĐ Bộ biến đổi NLĐM Nghịch lưu đa mức ĐTCS Điện tử công suất TĐĐ Truyền động điện MV Medium Voltage Trung áp PES Power Electronic System Hệ thống điện tử công suất MLI Multilevel Inverter Bộ nghịch lưu đa mức VSI Voltage Source Inverter Nghịch lưu nguồn áp IGBT Insulated Gate Bipolar Transistor Transistor lưỡng cực cổng cách ly CHB Cascaded H-Bridge Cầu H nối tầng NPC Neutral Point Converter BBĐ cấu trúc diode kẹp MMC Modular Multilevel Converters BBĐ dạng module hóa FC Flying Capacitor Tụ bay LV Low Voltage Điện áp thấp FACTS Flexible AC Transmission System Hệ thống truyền tải xoay chiều linh hoạt STATCOM Static Synchronous Compensator Thiết bị bù đồng tĩnh HVDC High Voltage DC Dòng điện chiều điện áp cao DC Direct Current Dòng điện chiều IM Induction Motor Động không đồng ba pha rotor lồng sóc FOC Field Oriented Control Điều khiển tựa từ thơng AI Artificial Intelligence Trí tuệ nhân tạo MPC Model Predictive Control Điều khiển dự báo dựa theo mơ hình vi CCS-MPC Continuous Control Set CCSMPC MPC tập điều khiển liên tục FCS-MPC Finite Control Set MPC MPC tập điều khiển hữu hạn MIMO Multi Input, Multi Output Nhiều đầu vào, nhiều đầu RHC Receding Horizon Control Điều khiển khoảng dự báo dịch miền thời gian OPP Optimized Pulse Patterns Các mẫu xung tối ưu ESA Exhaustive Search Algorithm Thuật tốn tìm kiếm tồn diện SDA Sphere Decoding Algorithm Thuật toán giải mã mặt cầu DSP Digital Signal Processor Bộ xử lý tín hiệu số PWM Pulse Width Modulation Điều chế độ rộng xung SVM Space Vector Modulation Điều chế vector không gian DTC Direct Torque Control Điều khiển trực tiếp mômen FPGA Field Programmable Gate Array Mảng cổng lập trình dạng trường DPC Direct Power Control Điều khiển trực tiếp công suất VOC Direct Voltage Control Điều khiển trực tiếp điện áp THD Total Harmonic Distortion Tổng méo sóng hài CMV Common-mode Voltage Điện áp common-mode ANN Artificial Neural Network Mạng nơ-ron nhân tạo vii Danh mục bảng Bảng 2.1 Bảng thể tối ưu đóng cắt 34 Bảng 2.2 Thông số mạch lực điều khiển 35 Bảng 2.3 Thông số động 36 Bảng 2.4 Kịch mô 36 Bảng 2.5 Thay đổi đồng thời tham số động phạm vi 35% 38 Bảng 2.6 Số lần chuyển mức pha A 40 Bảng 3.1 Quá trình thực thuật toán 60 Bảng 3.2 Thông số động 61 Bảng 3.3 Thông số mạch lực điều khiển 62 Bảng 3.4 Kịch mô 62 Bảng 3.5 So sánh số lượng nút kiểm tra 66 Bảng 4.1 Bảng thông số huấn luyện 88 Bảng 4.2 Kích thước ma trận 89 Bảng 4.3 Trạng thái xung điều khiển van 91 Bảng 4.4 Thông số mô ANN-MPC 91 Bảng 4.5 Bảng định liệu huấn luyện 92 Bảng 4.6 Tài nguyên sử dụng FPGA 97 Bảng 4.7 Thông số thực nghiệm 98 viii Danh mục hình vẽ, đồ thị Hình 1.1 Các kiểu cấu trúc nghịch lưu đa mức Hình 1.2 NLĐM cấu trúc MMC cấp cho tải động Hình 1.3 NLĐM cấu trúc CHB cấp cho tải động Hình 1.4 Các phương pháp điều khiển thông dụng cho NLĐM cấu trúc CHB (nguồn [22]) Hình 1.5 Phân loại Điều khiển dự báo (nguồn [26]) Hình 1.6 Ưu nhược điểm MPC (nguồn [23]) Hình 1.7 Sơ đồ khối điều khiển FCS-MPC Hình 1.8 Sơ đồ cấu trúc điều khiển tổng quát phương pháp FCS-MPC 11 Hình 1.9 Nguyên lý điều khiển khoảng dự báo dịch miền thời gian RHC (nguồn [47]) 12 Hình 1.10 ANN với chức khối xấp xỉ 17 Hình 2.1 Sơ đồ điều khiển thuật tốn FCS-MPC tích hợp khâu tích phân 22 Hình 2.2 Sơ đồ điều khiển động IM sử dụng phương pháp FCS-MPC 24 Hình 2.3 Sơ đồ mạch lực NLĐM cấu trúc CHB 25 Hình 2.4 Cấu trúc cầu H bảng phối hợp đóng cắt 25 Hình 2.5 Mặt phẳng vector không gian nghịch lưu ba pha 11 mức cấu trúc CHB 27 Hình 2.6 Sơ đồ điều khiển động IM sử dụng chiến lược điều khiển dự báo dịng điện tích hợp khâu tích phân 31 Hình 2.7 Minh họa điện áp common-mode 32 Hình 2.8 Mô tả cách thực hàm mục tiêu 35 Hình 2.9 Kết mô trục d theo phương pháp FCS-MPC thông thường 37 Hình 2.10 Kết mô trục d theo phương pháp FCS-MPC tích hợp khâu tích phân 37 Hình 2.11 Đáp ứng dòng điện sai lệch dòng điện trục q với điều khiển dự báo thông thường 37 Hình 2.12 Đáp ứng dịng điện sai lệch dòng điện trục q với điều khiển dự báo kết hợp khâu tích phân 38 Hình 2.13 Đáp ứng dịng điện sai lệch dòng điện trục d áp dụng FCSMPC thông thường 38 ix Hình 2.14 Đáp ứng dòng điện sai lệch dòng điện trục d áp dụng FCSMPC kết hợp khâu tích phân 39 Hình 2.15 Các đáp ứng trục q dùng FCS-MPC thơng thường 39 Hình 2.16 Các đáp ứng trục q dùng FCS-MPC kết hợp khâu tích phân 39 Hình 2.17 Đáp ứng điện áp common-mode 40 Hình 2.18 Đáp ứng tối ưu đóng cắt 40 Hình 2.19 Kịch 1: tốc độ đặt thay đổi từ đến nref thời điểm 0,5(s) a) nref ,n; b) Mload, M; c) isabc ; d) ref, (tải quạt gió) 42 Hình 2.20 Kịch 2: Tốc độ đặt thay đổi từ đến nref thời điểm 0,5(s) a) nref ,n; b) Mload, M; c) isabc ; d) ref, (tải không đổi) 43 Hình 2.21 Kịch 3: đảo chiều quay động -nref đến +nref thời điểm 1,2(s) a) nref ,n; b) Mload, M; c) isabc ; d) ref, 44 Hình 3.1 Cấu trúc điều khiển hệ thống CHB-MLI nối tải động IM, sử dụng phương pháp Multistep MPC 47 Hình 3.2 Các bước triển khai thuật tốn giải mã mặt cầu SDA 50 Hình 3.3 Minh họa ý nghĩa phép biến đổi 52 Hình 3.4 Minh họa biểu đồ thuật tốn tìm kiếm nhánh ràng buộc 54 Hình 3.5 Sơ đồ thuật tốn tìm kiếm 54 Hình 3.6 Cấu trúc điều khiển động IM dựa NLĐM cấu trúc CHB, sử dụng phương pháp Multistep MPC với thuật toán K-best SDA 55 Hình 3.7 Tìm kiếm nút dùng SDA a) K-best SDA sơ đồ b) 56 Hình 3.8 Lưu đồ thuật tốn K-best SDA 57 Hình 3.9 Cấu trúc đề xuất thực K-best SDA FPGA 58 Hình 3.10 Lưu đồ thuật toán xếp Bitonic 59 Hình 3.11 Minh họa thuật toán Bitonic xếp với mảng phần tử 60 Hình 3.12 Điện áp common-mode thay đổi trọng số 62 Hình 3.13 So sánh THD dịng điện SDA K-best SDA 63 Hình 3.14 So sánh tần số đóng cắt trung bình SDA K-best SDA 63 Hình 3.15 a) Sai lệch dòng điện trục d; b) Sai lệch dòng điện trục q 64 Hình 3.16 Đáp ứng dịng điện với N=2: a) Trên trục d; b) Trên trục q 65 Hình 3.17 Giá trị THD tăng số bước dự báo 65 Hình 3.18 Kịch 1: tốc độ đặt thay đổi từ đến nref thời điểm 0,5(s): a) nref ,n; b) Mload, M; c) isabc ; d) ref, (tải quạt gió) 67 Hình 3.19 Kịch 2: tốc độ đặt thay đổi từ đến nref thời điểm 0,5(s): a) nref ,n; b) Mload, M; c) isabc ; d) ref, (tải không đổi) 68 x Dịng tải đo 4A (Hình 4.33) có dạng sóng hình sin, cho thấy ổn định hệ thống Với kết điện áp mức pha dòng điện điện áp thu tải trở có lọc LC, thấy thuật tốn ANN-MPC có khả ứng dụng mơ hình thực tế mà khơng bị rào cản khối lượng tính tốn lớn phức tạp multistep MPC Kết luận chương Như vậy, nội dung chương xây dựng thành công thực nghiệm thuật toán đề xuất Các kết thực nghiệm kiểm chứng thành cơng thuật tốn đề xuất chứng minh tính khả thi triển khai thực tế Tuy nhiên, với điều kiện trang thiết bị, kết thực nghiệm có chất lượng chưa cao THD dịng điện lớn, chưa tính đến phương án loại bỏ nhiễu 100 Kết luận kiến nghị Luận án đóng góp mặt lý thuyết thực tiễn nhằm cải thiện thuật toán FCS-MPC, từ single-step MPC đến multistep MPC FCS-MPC trở thành chiến lược điều khiển khả thi cho NLĐM cấu trúc CHB hệ truyền động động IM Luận án có đóng góp sau: Trước tiên, luận án thiết kế khâu dự báo dịng điện có bổ sung thêm thành phần tích phân nhằm mục đích bù sai lệch tĩnh thuật toán FCS-MPC bước cho nghịch lưu đa mức cầu H nối tầng - Tiếp theo, nghiên cứu ứng dụng phương pháp điều khiển FCS-MPC đa bước để nâng cao chất lượng điều khiển nghịch lưu cầu H 11 mức nối tầng tải động IM K-best SDA nhằm giảm khối lượng tính tốn MPC; - Cuối cùng, đề xuất cấu trúc điều khiển ANN-MPC để thay cho điều khiển FCS-MPC nhiều bước nhằm giảm khối lượng tính tốn vốn gánh nặng MPC • Những hạn chế luận án hướng nghiên cứu Mơ hình thực nghiệm cho điều khiển ANN-MPC nhiều mặt hạn chế tác động nhiễu ảnh hưởng ngoại cảnh khác nên kết đo tồn THD lớn khơng mong muốn Mơ hình chưa kiểm nghiệm thời gian đáp ứng điện áp độ thay đổi mức điện áp đặt từ 50VDC lên 110VDC không đáp ứng nguồn tương ứng - Các trọng số hàm mục tiêu phương pháp FCS-MPC chọn cách thử Nghiên cứu sử dụng phương pháp ANN với mục đích tự chỉnh định trọng số nhằm tăng tính xác, tốc độ tính toán nâng cao chất lượng điều khiển 101 Danh mục cơng trình cơng bố luận án H.M.Tran, T.Q Dang, T.D Le, T.T Do, B.B Pho, H.P Vu, H.T Nguyen (2021), “Phương pháp điều khiển MPC đa bước cải tiến cho biến đổi CHB làm việc độc lập,” Hội nghị - Triển lãm quốc tế lần thứ Điều khiển Tự động hố; VCCA-2021 Phó Bảo Bình, Nguyễn Hữu Phúc, Trần Trọng Minh, Vũ Hoàng Phương (2022), “Cải thiện phương pháp điều khiển dự báo cho nghịch lưu đa mức cầu H nối tầng hệ truyền động động không đồng bộ,” Chuyên san Đo lường, Điều khiển Tự động hóa, vol 3, No.1, pp 41–50 Phó Bảo Bình, Lê Đức Thọ, Đặng Quang Tiến, Trần Trọng Minh, Vũ Hồng Phương (2022), “Điều khiển dự báo mơ hình đa bước với hiệu tính tốn biến đổi đa mức cầu H nối tầng cấp nguồn cho động không đồng bộ,” Chuyên san Đo lường, Điều khiển Tự động hóa, vol 3, No.2, pp 9–18 B.B Pho, N Van Cao, T.M Hoan, Phuong Vu (2021), “Modified multistep model predictive control for three-phase induction motor drive system considering the common-mode voltage minimization,” International Journal of Power Electronics and Drive Systems, vol 12, no 4, pp 2251–2260 (Scopus Q3) C.M Van, S Duong-Minh, Duc Tran-Huu, B.B Pho, Phuong Vu (2021), “An improved method of model predictive current control for multilevel cascaded Hbridge inverters,” Journal of Electrical Engineering, vol 72, no.1, 1-11 (SCIE Q4 B.P Bao, C Mai-Van, T.M Tran, Phuong Vu (2022), “Model predictive control for distributed MPPT algorithm of cascaded H-Bridge multilevel grid-connected PV inverters,” Journal of Electrical Engineering, vol 73, no 4, pp 305-309 (SCIE Q4) B.B Pho, T.M Hoan, M.T Trong, Phuong Vu (2022), “An Artificial Neural Network-Based Model Predictive Control Of Cascaded H-Bridge Multilevel Inverter,” International Journal of Renewable Energy Research-IJRER, vol 12, no (2022) (ESCI Q3) 102 Tài liệu tham khảo [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] Bin Wu and Mehdi Narimani (2017), “High-power converters and AC drives,” Second EdiEd., IEEE Press, Wiley T Geyer and D.E Quevedo (2014), “Multistep finite control set model predictive control for power electronics,” IEEE Transactions on Power Electronics, vol 29, no 12, pp 6836–6846 S Kouro, M Malinowski, K Gopakumar, et al (2010), “Recent advances and industrial applications of multilevel converters,” IEEE Transactions on Industrial Electronics, vol 57, no 8, pp 2553–2580 R.T Kamran Sharifabadi, Lennart Harnefors, Hans-Peter Nee, Staffan Norrga (2019), “Advanced Multilevel Converters and Applications in Grid Integration,” First EditEd., WILEY P.K.S.I L J Rodriguez, S.Bernet (2010), “A survey on neutral-point-clamped inverters,” IEEE Transactions on Industrial Electronics, vol 57, no 7, pp 2219–2230 R.J and M.N T A Meynard, H Foch, P Thomas, J Courault (2002), “Multicell converters: basic concepts and industry applications,” IEEE Transactions on Industrial Electronics, vol 49, no 5, pp 955–964 M Malinowski, K Gopakumar, J Rodriguez, et al (2010), “A survey on cascaded multilevel inverters,” IEEE Transactions on Industrial Electronics, vol 57, no 7, pp 2197–2206 F Martinez-Rodrigo, D Ramirez, A.B Rey-Boue, et al (2017), “Modular multilevel converters: Control and applications,” Energies, vol 10, no 11 L Zhang, D Zhang, T Hua, et al (2019), “Reliability evaluation of modular multilevel converter based on Markov model,” Journal of Modern Power Systems and Clean Energy, vol 7, no 5, pp 1355–1363, Springer Singapore R Mali, N Adam, A Satpaise, et al (2019), “Performance Comparison of Two Level Inverter with Classical Multilevel Inverter Topologies,” Proceedings of 2019 3rd IEEE International Conference on Electrical, Computer and Communication Technologies, ICECCT 2019, pp 1–7, IEEE M Vijeh, M Rezanejad, E Samadaei, et al (2019), “A General Review of Multilevel Inverters Based on Main Submodules: Structural Point of View,” IEEE Transactions on Power Electronics, vol 34, no 10, pp 9479–9502, IEEE H Akagi (2011), “Classification, terminology, and application of the modular multilevel cascade converter (MMCC),” IEEE Transactions on Power Electronics, vol 26, no 11, pp 3119–3130 B.J Pawar and V.J Gond (2017), “Modular multilevel converters: A review on topologies, modulation, modeling and control schemes,” Proceedings of the International Conference on Electronics, Communication and Aerospace Technology, ICECA 2017, vol 2017-Janua, pp 431–440 103 [14] Trần Hùng Cường (2020), “Nghiên cứu phương pháp điều chế điều khiển biến đổi bán dẫn công suất đa mức kiểu module hóa,” [15] Y Okazaki, M Hagiwara, and H Akagi (2013), “A speed-sensorless startup method of an induction motor driven by a modular multilevel cascade inverter (MMCI-DSCC),” 2013 IEEE Energy Conversion Congress and Exposition, ECCE 2013, vol 1, no MMCI, pp 1473–1480 [16] M Abolhassani (2012), “Modular multipulse rectifier transformers in symmetrical cascaded H-bridge medium voltage drives,” IEEE Transactions on Power Electronics, vol 27, no 2, pp 698–705 [17] D Eaton, J Rama, and P Hammond (2003), “Neutral shift,” IEEE Industry Applications Magazine, vol 9, no 6, pp 40–49 [18] L Sun, W Zhenxing, M Weiming, et al (2014), “Analysis of the DC-link capacitor current of power cells in cascaded H-bridge inverters for highvoltage drives,” IEEE Transactions on Power Electronics, vol 29, no 12, pp 6281–6292 [19] A Marzoughi, R Burgos, D Boroyevich, et al (2014), “Investigation and comparison of cascaded H-bridge and modular multilevel converter topologies for medium-voltage drive application,” IECON Proceedings (Industrial Electronics Conference), pp 1562–1568 [20] S Kouro, M.A Perez, J Rodriguez, et al (2015), “Model Predictive Control: MPC’s Role in the Evolution of Power Electronics,” IEEE Industrial Electronics Magazine, vol 9, no 4, pp 8–21 [21] J Rodríguez, R.M Kennel, S Member, et al (2012), “High-Performance Control Strategies for Electrical Drives : An Experimental Assessment,” vol 59, no 2, pp 812–820 [22] R Baidya (2018), “Multistep Model Predictive Control for Power Electronics and Electrical Drives (PhD Thesis),” University of New South Wales [23] S Vazquez, J Rodriguez, M Rivera, et al (2017), “Model Predictive Control for Power Converters and Drives: Advances and Trends,” IEEE Transactions on Industrial Electronics, vol 64, no 2, pp 935–947 [24] B.K Bose (2006), “Power Electronics and Motor Drives - Advances and Trends,” Elsevier [25] M Ciobotaru, F Iov, P Zanchetta, et al (2008), “Study and analysis of a natural reference frame current controller for a multi-level H-bridge power converter,” PESC Record - IEEE Annual Power Electronics Specialists Conference, pp 2914–2920 [26] Jose Rodriguez and P Cortes (2012), “Predictive control of power converters and electrical drives,” John Wiley & Sons, Ltd [27] T Geyer (2010), “A comparison of control and modulation schemes for medium-voltage drives: Emerging predictive control concepts versus field oriented control,” 2010 IEEE Energy Conversion Congress and Exposition, ECCE 2010 - Proceedings, no May, pp 2836–2843 104 [28] T Geyer (2011), “A comparison of control and modulation schemes for medium-voltage drives: Emerging predictive control concepts versus PWMbased schemes,” IEEE Transactions on Industry Applications, vol 47, no 3, pp 1380–1389 [29] F.C.A.L.L Salvatore (2000), “Sliding mode control of an induction motor,” Power Electronics and Variable Speed Drives, 2000 Eighth International Conference on (IEE Conf Publ No 475), no 475, pp 18–19 [30] B.B Pho, T.M Tran, M.L Nguyen, et al (2020), “Discrete-Time Quasi Sliding Mode Control of Single-phase T-type Inverters for Residential PV Applications,” International Conference on Advanced Mechatronic Systems, ICAMechS, vol 2020-Decem [31] W Jun, H Peng, and J Yu (2004), “A simple direct-torque fuzzy control of permanent magnet synchronous motor driver,” Intelligent Control and Automation, 2004 [32] B.K Bose (2007), “Neural network applications in power electronics and motor drives - An introduction and perspective,” IEEE Transactions on Industrial Electronics, vol 54, no 1, pp 14–33 [33] K.L Du and M.N.S Swamy (2006), “Neural network Design,” Neural Networks in a Softcomputing Framework, pp 1–566 [34] N Bianchi and M Dai Pre (2003), “Active power filter control using neural network technologies,” IEE Proceedings-Electric Power Applications, vol 150, no 2, pp 139–145 [35] W.K.M Sc (2009), “Predictive Control of Three Phase AC/DC Converters (PhD Thesis),” WARSAW UNIVERSITY [36] P Mattavelli (2005), “An improved deadbeat control for UPS using disturbance observers,” IEEE Transactions on Industrial Electronics, vol 52, no 1, pp 206–212 [37] S.M Yang and F.C Lin (2002), “A Deadbeat Current Controller for Field Oriented Induction Motor Drives,” International Journal of Electronics, vol 89, no 12, pp 877–887 [38] J Holtz and S Stadtfeld (1983), “A predictive controller for the stator current vector of AC machines fed from a switched voltage source,” International Power Electronics Conference, IPEC, Tokyo, pp 1665–1675 [39] R.P Aguilera, P Acuna, Y Yu, et al (2017), “Predictive Control of Cascaded H-Bridge Converters under Unbalanced Power Generation,” IEEE Transactions on Industrial Electronics, vol 64, no 1, pp 4–13 [40] T Geyer (2017), “Model Predictive control of high power converters and industrial drives,” WILEY [41] A Linder, R Kanchan, R Kennel, et al (2010), “Model-Based Predictive Control of Electric Drives,” no November 2016 [42] T Geyer and D.E Quevedo (2013), “Multistep direct model predictive control 105 [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] for power electronics Part 1: Algorithm,” 2013 IEEE Energy Conversion Congress and Exposition, ECCE 2013, pp 1154–1161 C.B.A Eduardo F Camacho, Carlos Bordons (2007), “Model Predictive Control,” The secondEd., Springer London, London David Q.Mayne (2014), “Model predictive control: Recent developments and future promise,” Automatica, vol 50, no 12, pp 2967–2986 S.J Qin and T.A Badgwell (2003), “Process Control Dynamic,” Control Engineering Practice, vol 11, pp 733–764 S.Joe Qin; Thomas A.Badgwell (2003), “A survey of industrial model predictive control technology,” Control Engineering Practice, vol 11, no 7, pp 733–764 J Rodríguez, J Pont, C.A Silva, et al (2007), “Predictive current control of a voltage source inverter,” IEEE Transactions on Industrial Electronics, vol 54, no 1, pp 495–503 M.M Tobias Geyer, Georgios Papafotiou (2004), “On the optimal control of switch-mode DC-DC converters,” 7th International Workshop, HSCC 2004, Philadelphia, PA, USA, March 25-27, 2004 Proceedings, pp 342–356, Hybrid Systems: Computation and Control D.E Quevedo, R.P Aguilera, and T Geyer (2014), “Predictive Control in Power Electronics and Drives: Basic Concepts, Theory, and Methods,” vol 531, Advanced aEd., Springer International Publishing S Vazquez, J.I Leon, L.G Franquelo, et al (2014), “Model predictive control: A review of its applications in power electronics,” IEEE Industrial Electronics Magazine, vol 8, no 1, pp 16–31 J Rodriguez, F Member, M.P Kazmierkowski, et al (2011), “State of the Art of Finite Control Set Model Predictive Control in Power Electronics,” no c, pp 1–15 C Mai-Van (2022), “Nghiên cứu điều khiển hệ truyền động biến tần đa mức có tính đến cố van bán dẫn,” Trường Đại học Bách khoa Hà Nội B.K Bose (2000), “Energy, environment, and advances in power electronics,” IEEE International Symposium on Industrial Electronics, vol 1, no February 2000 G.A Capolino (2008), “Recent advances and applications of power electronics and motor drives-Advanced and intelligent control techniques,” IECON Proceedings (Industrial Electronics Conference), no May, pp 37–39 D.M Ionel (2010), “High-efficiency variable-speed electric motor drive technologies for energy savings in the US residential sector,” Proceedings of the International Conference on Optimisation of Electrical and Electronic Equipment, OPTIM, pp 1403–1414 M Van Chung, D.T Anh, P Vu, et al (2020), “Hardware in the loop cosimulation of finite set-model predictive control using fpga for a three level 106 [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] CHB inverter,” International Journal of Power Electronics and Drive Systems, vol 11, no 4, pp 1719–1730 A Linder and R Kennel (2005), “Direct model predictive control - A new direct predictive control strategy for electrical drives,” 2005 European Conference on Power Electronics and Applications, vol 2005 S Aurtenechea Larrinaga, M.A Rodríguez Vidal, E Oyarbide, et al (2007), “Predictive control strategy for DC/AC converters based on direct power control,” IEEE Transactions on Industrial Electronics, vol 54, no 3, pp 1261– 1271 P Lezana, R Aguilera, and D Quevedo (2009), “Steady-state issues with finite control set model predictive control,” IECON Proceedings (Industrial Electronics Conference), pp 1776–1781 K.N Liuping Wang, Shan Chai, Dae Yoo, Lu Gan (2015), “PID and Predictive Control of Electrical Drives and Power Converters using Matlab/Simulink,” WILEY R.P Aguilera, P Lezana, and D.E Quevedo (2013), “Finite-control-set model predictive control with improved steady-state performance,” IEEE Transactions on Industrial Informatics, vol 9, no 2, pp 658–667 L Wang, C.T Freeman, S Chai, et al (2013), “Predictive-repetitive control with constraints: From design to implementation,” Journal of Process Control, vol 23, no 7, pp 956–967, Elsevier Ltd M.P Kazmierkowski, K R., and F Blaabjerg (2002), “Control in Power Electronics Selected Problems,” Elsevier Science (USA) R.O Ramirez, J.R Espinoza, C.R Baier, et al (2019), “Finite-State Model Predictive Control with Integral Action Applied to a Single-Phase Z-Source Inverter,” IEEE Journal of Emerging and Selected Topics in Power Electronics, vol 7, no 1, pp 228–239 T Geyer and D.E Quevedo (2014), “Performance of multistep finite control set model predictive control for power electronics,” IEEE Transactions on Power Electronics, vol 30, no 3, pp 1633–1644 Z Hu, Q Liu, and K Hameyer (2016), “A study of multistep model predictive direct current control for dynamic drive applications with high switching frequency,” IET Conference Publications, vol 2016, no CP684, pp 1–6 J Scoltock, T Geyer, and U.K Madawala (2013), “A comparison of model predictive control schemes for MV induction motor drives,” IEEE Transactions on Industrial Informatics, vol 9, no 2, pp 909–919 P Karamanakos, T Geyer, and S Manias (2012), “Direct voltage control of DC-DC boost converters using model predictive control based on enumeration,” 15th International Power Electronics and Motion Control Conference and Exposition, EPE-PEMC 2012 ECCE Europe, pp 1–8 T Geyer, N Oikonomou, G Papafotiou, et al (2011), “Model predictive pulse pattern control,” IEEE Energy Conversion Congress and Exposition: Energy 107 [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] Conversion Innovation for a Clean Energy Future, ECCE 2011, Proceedings, no October, pp 3306–3313 P Karamanakos, T Geyer, N Oikonomou, et al (2014), “Direct model predictive control: A review of strategies that achieve long prediction intervals for power electronics,” IEEE Industrial Electronics Magazine, vol 8, no 1, pp 32–43 M.J Mardanov and Y.A Sharifov (2015), “Pontryagin’s maximum principle for the optimal control problems with multipoint boundary conditions,” Abstract and Applied Analysis, vol 2015, no R Baidya, R.P Aguilera, P Acuna, et al (2020), “Enabling Multistep Model Predictive Control for Transient Operation of Power Converters,” IEEE Open Journal of the Industrial Electronics Society, vol 1, no August, pp 284–297 P Karamanakos, T Geyer, and R Kennel (2016), “A Computationally Efficient Model Predictive Control Strategy for Linear Systems with Integer Inputs,” IEEE Transactions on Control Systems Technology, vol 24, no 4, pp 1463– 1471 P Karamanakos, T Geyer, and R.P Aguilera (2017), “Computationally efficient long-Horizon direct model predictive control for transient operation,” 2017 IEEE Energy Conversion Congress and Exposition, ECCE 2017, vol 2017-Janua, no October, pp 4642–4649 T Dorfling, H Du Toit Mouton, T Geyer, et al (2020), “Long-Horizon FiniteControl-Set Model Predictive Control with Nonrecursive Sphere Decoding on an FPGA,” IEEE Transactions on Power Electronics, vol 35, no 7, pp 7520– 7531 Z Guo and P Nilsson (2006), “Algorithm and implementation of the K-best Sphere decoding for MIMO detection,” IEEE Journal on Selected Areas in Communications, vol 24, no 3, pp 491–503 C.A Shen and A.M Eltawil (2010), “A radius adaptive K-Best decoder with early termination: Algorithm and VLSI architecture,” IEEE Transactions on Circuits and Systems I: Regular Papers, vol 57, no 9, pp 2476–2486 J.D Lee and K.E Batcher (2000), “Minimizing communication in the bitonic sort,” IEEE Transactions on Parallel and Distributed Systems, vol 11, no 5, pp 459–474 E Monmasson, M Hilairet, G Spagnuolo, et al (2022), “System-on-Chip FPGA Devices for Complex Electrical Energy Systems Control,” IEEE Industrial Electronics Magazine, vol 16, no 2, pp 53–64 E Zafraratia, S Vazquez, A.M Alcaide, et al (2022), “K-Best Sphere Decoding Algorithm for Long Prediction Horizon FCS-MPC,” IEEE Transactions on Industrial Electronics, vol 69, no 8, pp 7571–7581 K El Hamidi, M Mjahed, A El Kari, et al (2019), “Quadcopter attitude and altitude tracking by using improved PD controllers,” International Journal of Nonlinear Dynamics and Control, vol 1, no 3, p 287 108 [82] Z CÖMERT and A KOCAMAZ (2017), “A Study of Artificial Neural Network Training Algorithms for Classification of Cardiotocography Signals,” Bitlis Eren University Journal of Science and Technology, vol 7, no 2, pp 93–103 [83] K Patan (2008), “Artificial Neural Networks for the Modelling and Fault Diagnosis of Technical Processes,” vol 401, Lecture NoEd [84] H Wu, Y Zhou, Q Luo, et al (2016), “Training feedforward neural networks using symbiotic organisms search algorithm,” Computational Intelligence and Neuroscience, vol 2016 [85] K.J Hunt, D Sbarbaro, R Zbikowski, et al (1992), “Neural networks for control systems-A survey,” Automatica, vol 28, no 6, pp 1083–1112 [86] D Gueye, A Ndiaye, and A Diao (2020), “Adaptive Controller Based on Neural Network Artificial to Improve Three-phase Inverter Connected to the Grid,” 9th International Conference on Renewable Energy Research and Applications, ICRERA 2020, pp 72–77 [87] A Elhor and O Soares (2022), “Grid-connected PV System with a ModifiedNeural Network Control,” International Journal of Renewable Energy Research-IJRER, vol 12, no 2, pp 1013–1022 [88] M Novak, T Dragicevic, and F Blaabjerg (2019), “Weighting factor design based on artificial neural network for finite set MPC operated 3L-NPC converter,” Conference Proceedings - IEEE Applied Power Electronics Conference and Exposition - APEC, vol 2019-March, pp 77–82, IEEE [89] T Dragičević and M Novak (2019), “Weighting Factor Design in Model Predictive Control of Power Electronic Converters: An Artificial Neural Network Approach,” IEEE Transactions on Industrial Electronics, vol 66, no 11, pp 8870–8880, IEEE [90] S Vazquez, D Marino, E Zafra, et al (2022), “An Artificial Intelligence Approach for Real-Time Tuning of Weighting Factors in FCS-MPC for Power Converters,” IEEE Transactions on Industrial Electronics, vol 69, no 12, pp 11987–11998 [91] I.S Mohamed, S Rovetta, T.D Do, et al (2019), “A neural-network-based model predictive control of three-phase inverter with an output LC Filter,” IEEE Access, vol 7, pp 124737–124749 [92] A Bakeer, I.S Mohamed, P.B Malidarreh, et al (2022), “An Artificial Neural Network-Based Model Predictive Control for Three-Phase Flying Capacitor Multilevel Inverter,” IEEE Access, vol 10, no July, pp 70305–70316, IEEE [93] P Cortes, A Wilson, S Kouro, et al (2010), “Model predictive control of multilevel cascaded H-bridge inverters,” IEEE Transactions on Industrial Electronics, vol 57, no 8, pp 2691–2699 [94] Nguyễn Doãn Phước (2009), “Lý thuyết điều khiển tuyến tính,” 4th Ed., Nhà xuất Khoa học Kỹ thuật [95] H.A Young, M.A Perez, and J Rodriguez (2016), “Analysis of Finite-ControlSet Model Predictive Current Control with Model Parameter Mismatch in a 109 [96] [97] [98] [99] [100] Three-Phase Inverter,” IEEE Transactions on Industrial Electronics, vol 63, no 5, pp 3100–3107 N.P Quang (2020), “Điều khiển vector truyền động điện xoay chiều ba pha,” 2nd Ed., Nhà xuất Bách Khoa Hà Nội J Rodríguez, J Pontt, P Correa, et al (2004), “A new modulation method to reduce common-mode voltages in multilevel inverters,” IEEE Transactions on Industrial Electronics, vol 51, no 4, pp 834–839 F Grimm, P Kolahian, Z Zhang, et al (2021), “A Sphere Decoding Algorithm for Multistep Sequential Model-Predictive Control,” IEEE Transactions on Industry Applications, vol 57, no 3, pp 2931–2940 D Wang, Z.J Shen, X Yin, et al (2022), “Model Predictive Control Using Artificial Neural Network for Power Converters,” IEEE Transactions on Industrial Electronics, vol 69, no 4, pp 3689–3699 M.F Møller (1993), “A scaled conjugate gradient algorithm for fast supervised learning,” Neural Networks, vol 6, no 4, pp 525–533 110 Phụ lục A1 Thiết kế tham chiếu Tín hiệu tham chiếu U*[k] tính cho điều kiện điện áp common-mode 0: U*[k] = u*[k ]T u*[k + 1]T u*[k + N − 1]T T Trong đó: cos( ) − sin( s ) s L s u* ( ) = − s sin + s cos Vdc 3 2 + s − sin + s − cos 3 1− + s * − di sdq (l ) Ts Tr dt + 1− −s − + Ts Tr k + 1; ; k + N 1− 1− T ' * r ψ rdq (l ) i sdq (l ) + 1− 1− − T r A2 Chứng minh (3.6) 2 2 J N [k ] = Γx[k ] + U[k ] − Y*[k ] + CMV U[k ] − U*[k ] + dc SU[k ] − Εu[ k − 1] 2 Khai triển bình phương: J N [k ] = U + U Γx − Y* + U Γx − Y* + Γx − Y* T T + dc SU − SU Eu − SU ( Eu ) + Eu T T T 2 + CMV U − U* U − U*[k ]U[k ]T + U*[k ] 2 2 Mặt khác, ta có: U[k ]T Γx − Y* = U Γx − Y*[k ] T T T (kết số thực) SU Eu = SU ( Eu ) * T * T U U = U U Do kết số thực nên hàm JN trở thành: 111 J N [k ] = U + U Γx − Y* + Γx − Y* T + dc SU − SU ( Eu ) + Eu T T + CMV U − U* U + U* J N [k ] = U + dc SU + CMV U 2 − dcSU ( Eu ) − CMV U* T T 2 2 + 2{U x − U Y U}+ x − Y + Eu + * T T 2 * 2 dc CMV U* 2 J N [k ] = U + dcS S + CMV I N U T T T T + T x − T Y* − dcST Eu − CMV U* U 2 + x − Y* + dc Eu + CMV U* 2 Viết lại với dạng rút gọn ta (3.6): J N [k ] = U[k ]T WU[ k ] +2F[ k ]T U[ k ] + ε[ k ] Trong đó: W = T + dcST S + CMV I N F[k ] = T x[k ] − T Y*[k ] − dcST Eu[k − 1] − CMV U*[k ] 2 ε[k ] = x[k ] − Y*[k ] + dc Eu[ k − 1] + CMV U*[ k ] 2 A3 Chứng minh (3.10) Ta có công thức đạo hàm ma trận: xT Bx = (B + BT ) x x J N = 2WU[k ] + 2F[ k ] = → U[ k ] = U uc [ k ] = − W −1F[ k ] U A4 Chứng minh (3.13) (3.14) Ta có: J N [k ] = U[k ] WU[ k ] +2F[ k ] U[ k ] + ε[ k ] T T Thêm số ta được: J N [k ] = UT [ k ]WU[ k ] + 2F[ k ]T U[ k ] + FT [ k ]W −1F[ k ] + ε[ k ] J N [k ] = UT [ k ]WU[ k ] + UT [ k ]WW −1F[ k ] + FT [ k ]U[ k ] + FT [ k ]W −1F[ k ] J N [k ] = ( UT [ k ]W + FT [ k ])( U[ k ] + W −1F[ k ]) Do W ma trận đối xứng nên W = WT ; J N [k ] có giá trị số, đó: 112 J N [k ] = ( UT [ k ]W + FT [ k ]( W −1 )T W )( U[ k ] + W −1F[ k ]) J N [k ] = ( UT [ k ] + ( W −1F[ k ])T ) W ( U[ k ] + W −1F[ k ]) Thay Uuc = − W −1F[k ] ta chứng minh (3.13) J N [ k ] = ( U[ k ] − U uc [ k ] ) T W ( U[ k ] − U uc [ k ]) Thay W = HT H; U uc [k ] = HU uc [k ] vào (3.13) ta (3.14): J N [k ] = ( U[k ] − Uuc [k ]) HT H ( U[k ] − U uc [k ]) T J N [k ] = HU[ k ] − HUuc [ k ] = HU[ k ] − Uuc [ k ] 2 A5 Bảng quy đổi vector trạng thái sang nút Output layer Vector Vector Vector Nút ka kb kc 0 0 Nút ka kb kc O1 -1 0 O2 -2 -1 O3 -2 O4 -1 0 0 Nút ka kb kc O27 -2 O56 O28 -2 O57 1 O29 -2 O -2 O30 -2 O59 O5 -1 O31 -2 O60 O6 -1 -1 O32 -2 -1 O61 -1 O7 -1 O33 -1 -1 O8 -2 O34 -1 O9 -2 O35 1 -1 O10 -2 O36 -1 O11 -1 O37 -1 -1 O12 -2 -2 O38 -1 O13 -1 -2 O39 -1 1 O14 -2 O40 -1 O15 -2 O41 -1 -1 O16 2 -2 O42 -1 O17 -2 O43 -1 O18 -2 O44 -1 O19 -1 -2 O45 113 -1 -1 O20 -2 -2 O46 -1 O21 -2 -1 O47 -2 O22 -2 O48 1 -2 O23 -2 O49 -2 O24 -2 2 O50 -1 O25 -2 O51 -1 -1 O26 -2 O52 114