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.Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCSMPC) cho nghịch lưu đa mức cầu H nối tầng.
Mở đầu Sự cần thiết đề tài Hệ truyền động cơng suất cao, trung áp hay cịn gọi hệ truyền động MV ứng dụng rộng rãi cơng nghiệp, chiếm đến 85% phụ tải máy nén khí, bơm, quạt, băng tải Tuy nhiên, truyền động MV phải đối mặt với nhiều thách thức, số thách thức liên quan đến thiết kế biến đổi phía động cơ, ràng buộc thiết bị chuyển mạch yêu cầu hệ thống truyền động Đối với ứng dụng MV, yêu cầu giảm dv/dt tối ưu đóng cắt van bán dẫn, giảm điện áp common-mode xuống mức cho phép… yếu tố cần thiết Đó lý khiến biến đổi nghịch lưu đa mức thành phần thiếu hầu hết ứng dụng điện tử công suất dải điện áp trung cao Trong số phương pháp điều khiển cho biến đổi nghịch lưu đa mức, điều khiển dự báo mơ hình (MPC) lên kỹ thuật điều khiển thay đầy hứa hẹn cho ứng dụng điện tử công suất truyền động điện Trong số họ MPC, điều khiển MPC tập hữu hạn (FCS-MPC) hay gọi MPC trực tiếp trở thành chiến lược điều khiển phổ biến tận dụng lợi chuyển mạch biến đổi công suất không cần khâu điều chế Cho đến nay, hầu hết nghiên cứu giới hạn MPC bước (single-step MPC) với ưu điểm đáp ứng động học nhanh Gần đây, nghiên cứu việc tăng chiều dài khoảng dự báo gọi MPC nhiều bước (multistep MPC), có lợi ích đáng kể việc cải thiện hiệu suất hệ thống trạng thái ổn định MPC có tiềm vượt trội điều khiển tuyến tính truyền thống cách cung cấp đáp ứng động học nhanh trạng thái ổn định tốt MPC phát triển triển khai ứng dụng truyền động điện nối lưới Bên cạnh ưu điểm khơng thể phủ nhận, MPC cịn hạn chế mặt thuật toán cần phải khắc phục như: tồn sai lệch tĩnh, khối lượng tính tốn lớn… Dựa thực tế đó, tác giả lựa chọn đề tài với tên gọi: “Điều khiển dự báo với tập hữu hạn giá trị đầu vào (FCS-MPC) cho nghịch lưu đa mức cầu H nối tầng” với mục đích cải thiện số hạn chế thuật toán FCS-MPC, cho phép FCS-MPC để trở thành giải pháp thay điều khiển khả thi hấp dẫn cho ứng dụng điện tử công suất truyền động điện Mục tiêu nghiên cứu Luận án thực nghiên cứu, đề xuất phương pháp cải thiện thuật toán FCS-MPC ứng dụng FCS-MPC cho biến đổi nghịch lưu đa mức kiểu cầu H nối tầng Mục tiêu đề tài đề xuất thuật toán nhằm triệt tiêu sai lệch trạng thái tĩnh tồn thuật tốn FCS-MPC thơng thường; đưa thuật toán cải tiến với mục tiêu giảm khối lượng tính tốn cho multistep MPC; ứng dụng mạng nơ-ron thành phương pháp điều khiển ANN-MPC nhằm giảm phụ thuộc MPC vào mơ hình hệ thống triển khai thuật tốn multistep MPC mơ hình thời gian thực Đối tượng phạm vi nghiên cứu • Đối tượng nghiên cứu: Bộ biến đổi nghịch lưu đa mức cầu H nối tầng • Phạm vi nghiên cứu: sử dụng cấu trúc điều khiển động IM với điều khiển dòng điện phương pháp FCS-MPC Các mạch vịng ngồi áp dụng phương pháp điều khiển PI truyền thống Phương pháp nghiên cứu Kết hợp nghiên cứu lý thuyết thực nghiệm - Nghiên cứu lý thuyết mơ hình hóa nghịch lưu đa mức động IM; - Nghiên cứu phối hợp thuật toán điều khiển truyền thống đại; kiểm nghiệm lý thuyết mô phỏng; - Nghiên cứu kiểm chứng lý thuyết thực nghiệm Ý nghĩa khoa học thực tiễn đề tài • Ý nghĩa khoa học: Kết nghiên cứu giúp cải thiện thuật toán FCS-MPC dựa hạn chế tồn phương pháp điều khiển Thứ xây dựng thuật toán FCS-MPC cải tiến với mục đích triệt tiêu sai lệch trạng thái tĩnh Thứ hai đưa thuật toán K-best SDA cải tiến từ thuật toán giải mã cầu SDA nhằm nâng cao tốc độ tính tốn cho phương pháp điều khiển FCS-MPC đa bước Các thuật toán điều khiển triển khai thực FPGA Thứ ba đề xuất phương pháp điều khiển ANN-MPC giúp thực nghiệm thuật tốn FCS-MPC đa bước khả thi • Ý nghĩa thực tiễn: Các kết nghiên cứu kiểm chứng thơng qua mơ hình thực nghiệm, chứng tỏ khả ứng dụng thực tiễn Sự đóng góp luận án giúp cho việc ứng dụng phương pháp điều khiển dự báo MPC thực tế có triển vọng, đảm bảo chất lượng điều khiển Bố cục luận án Nội dung luận án trình bày sau: Chương Tổng quan Giới thiệu tổng quan nghịch lưu đa mức nói chung NLĐM cấu trúc CHB nói riêng, phương pháp điều khiển cho BBĐ CHB, phương pháp điều khiển dự báo mơ hình MPC Chương trình bày phân loại, ưu nhược điểm MPC; từ đề xuất hướng nghiên cứu chuyên sâu Chương FCS-MPC với mục đích triệt tiêu sai lệch tĩnh cho nghịch lưu đa mức cấu trúc CHB nối tải động IM Trình bày mơ hình hóa q trình điện từ động IM hệ tọa độ β dq Bên cạnh đề xuất thuật tốn single-step MPC nhằm xử lý vấn đề sai lệch tĩnh đưa sơ đồ cấu trúc điều khiển Tính đắn thuật tốn đánh giá kết mơ Matlab/Simulink Chương Thuật toán multistep MPC cho nghịch lưu đa mức cấu trúc CHB nối tải động IM Đưa thuật toán giải mã mặt cầu SDA K-best SDA nhằm giảm khối lượng tính tốn, tức giảm áp lực lên vi điều khiển Đánh giá ưu điểm K-best SDA so với SDA kiểm chứng số đáp ứng hệ thống sử dụng thuật tốn multistep MPC thơng qua kết mơ Chương 4: Xây dựng hệ thống thực nghiệm kết Nội dung chương đánh giá tính hiệu multistep MPC với thuật toán K-best SDA thông qua việc thực tảng FPGA Tiếp đề xuất phương pháp điều khiển ANN-MPC nhằm thay cho điều khiển Multistep MPC mà đáp ứng tiêu điều khiển Các kết mô kiểm chứng thông qua mô hình thực nghiệm FPGA phân tích đưa đánh giá Kết luận kiến nghị Trình bày tóm lược kết đạt luận án; đồng thời hạn chế đề xuất hướng nghiên cứu Các đóng góp luận án - Ứng dụng điều khiển FCS-MPC đơn bước cho nghịch lưu đa mức cầu H nối tầng có bổ sung khâu tích phân để bù sai lệch tĩnh; - 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; - Đề xuất cấu trúc ANN-MPC để thay điều khiển FCS-MPC đa bước nhằm giảm khối lượng tính tốn Chương Tổng quan 1.1 Khái quát vấn đề nghiên cứu 1.1.1 Nghịch lưu đa mức cầu H nối tầng (CHB) Bộ biến đổi nghịch lưu đa mức MLI (Multilevel inverter) nghiên cứu phát triển ba thập kỷ ứng dụng thành công công nghiệp, truyền tải điện áp cao kết nối nguồn lượng tái tạo Nghịch lưu đa mức phân thành ba cấu trúc là: cấu trúc diode kẹp điểm trung tính NPC, cấu trúc tụ điện thay đổi FC cấu trúc nối tầng Cấu trúc nối tầng lại chia thành cấu trúc cầu H nối tầng CHB, cấu trúc dạng module hóa MMC Nếu phân loại theo số lượng nguồn DC, nghịch lưu đa mức phân thành loại sử dụng nguồn DC sử dụng nhiều nguồn DC cách ly Hình 1.1 cho nhìn khái quát cấu trúc nghịch lưu đa mức Trong luận án này, đối tượng nghiên cứu nghịch lưu đa mức cấp nguồn cho hệ truyền động không đồng công suất cao dải điện áp trung Với ứng dụng này, cấu trúc dạng nối tầng chiếm ưu Bộ biến đổi cấu trúc MMC (Modular Multilevel Converters) vốn khởi nguồn phát triển cho hệ thống truyền tải HVDC MMC cấu trúc đại số NLĐM, có triển vọng cho ứng dụng cơng suất trung bình cao, đặc biệt cho biến đổi nguồn điện áp VSI MMC có khả mở rộng submodule (SM), làm giảm chi phí sản xuất BBĐ; điện áp đầu có chất lượng cao với THD dv/dt thấp Tuy nhiên, nhược điểm NLĐM cấu trúc MMC yêu cầu số lượng tụ kẹp nhiều Giá trị tụ tương đối cao, điện áp tụ phải đo điều khiển; điều làm tăng độ phức tạp mạch lực sơ đồ điều khiển Cấu trúc CHB vac1 vdc1 Nhiều nguồn DC cách ly vac vac2 vdc2 Cấu trúc MMC Nghịch lưu đa mức -Vdc -2Vdc Cấu trúc NPC + (1/2)vdc + vdc vac (1/2)vdc - vdc Một nguồn DC vc Cấu trúc FC + (1/2)vdc vdc vac + (1/2)vdc - Hình 1.1 Các kiểu cấu trúc nghịch lưu đa mức NLĐM kiểu cầu H nối tầng (CHB) có sơ đồ mạch lực đơn giản hơn, có số phần tử cung cấp số mức điện áp cấu trúc phổ biến cho biến tần cấp trung áp, công suất cao Bộ nghịch lưu đa mức cầu H nối tầng chọn làm đối tượng nghiên cứu luận án 1.1.2 Các phương pháp điều khiển cho NLĐM cấu trúc CHB Bên cạnh phương pháp điều khiển truyền thống, với phát triển mạnh mẽ tảng vi xử lý (như DSP, FPGA), phương pháp điều khiển ngày xuất nhiều như: điều khiển trượt SMC, điều khiển trí tuệ nhân tạo AIC điều khiển dự báo Các phương pháp điều khiển đại khả thi so với phương pháp tuyến tính ứng dụng hệ thống động lực học có độ phức tạp, tính phi tuyến ràng buộc cao Trong số phương pháp điều khiển đại, điều khiển dự báo (Predictive Control) giải pháp thay cho việc điều khiển biến đổi điện tử công suất hệ truyền động Điều khiển dự báo bao gồm họ điều khiển rộng với cách tiếp cận khác Phương pháp điều khiển dự báo phương pháp tổng quát thiết kế điều khiển miền thời gian áp dụng cho hệ tuyến tính hệ phi tuyến Một chiến lược điều khiển dự báo áp dụng gần cho biến đổi ĐTCS hệ truyền động điện điều khiển dự báo mơ hình (MPC) MPC chia thành hai nhóm điển hình: MPC tập điều khiển hữu hạn (finite control set FCS-MPC) MPC tập điều khiển liên tục (continuous control set CCS-MPC) 1.1.3 Điều khiển dự báo dựa mơ hình MPC MPC phương pháp điều khiển dựa hồn tồn mơ hình hệ thống Nói chung, chất lượng điều khiển phụ thuộc vào chất lượng mơ hình dự báo Bằng việc dựa vào mơ hình tốn học hệ thống, phương pháp MPC dự đoán trạng thái hệ thống, sau đánh giá trực tiếp xuất tín hiệu điều khiển van tối ưu cách giải hàm mục tiêu (Cost function) Với đối tượng BBĐ cấu trúc CHB có tập trạng thái đóng cắt hữu hạn, phương pháp điều khiển sử dụng phổ biến FCSMPC FCS-MPC tạo nên cách kết hợp điều khiển tập hữu hạn với công nghệ điều khiển dự báo mơ hình Sau đó, kết dự báo so sánh với lượng đặt để chọn chuỗi vector phù hợp với mục tiêu điều khiển FCS-MPC phân thành hai loại xét theo độ dài phạm vi dự báo Nếu bước dự báo ngắn với N = (một bước dự báo) gọi singlestep MPC; bước dự báo dài với N ≥ (nhiều bước dự báo) gọi multistep MPC Phạm vi dự báo dài mang lại trạng thái xác lập tốt so với phạm vi dự báo ngắn Tuy nhiên, phạm vi dự báo dài dẫn đến số lượng phép tính tăng lên đáng kể Xét tổng quan, ba yếu tố quan trọng phân tích thuật toán MPC áp dụng cho biến đổi công suất hệ truyền động xây dựng mơ hình tốn học để dự báo hành vi biến, xây dựng hàm mục tiêu thể hành vi mong muốn hệ thống đưa hành động tối ưu cách tối thiểu hóa hàm mục tiêu 1.1.4 Lý MPC đặc biệt phù hợp với NLĐM cấu trúc CHB hệ truyền động IM Xét yêu cầu ngày tăng tính hiệu hiệu suất hệ thống, việc phát triển sơ đồ điều khiển phải tính đến chất thực BBĐ CHB hệ truyền động động IM hệ thống phi tuyến có tính chất hỗn hợp, bao gồm tuyến tính, phi tuyến số lượng hữu hạn thiết bị chuyển mạch Các tín hiệu đầu vào cho thiết bị điện tử cơng suất tín hiệu rời rạc Một số ràng buộc hạn chế cần tích hợp vào điều khiển Ngày nay, thực tế, tất chiến lược điều khiển thực tảng điều khiển kỹ thuật số hoạt động miền thời gian gián đoạn Thiết kế hệ thống điều khiển phải tính đến mơ hình tải để điều chỉnh thơng số điều khiển Đây đặc trưng phương pháp điều khiển dự báo dựa theo mơ hình MPC Như vậy, tất đặc điểm NLĐM cấu trúc CHB hệ truyền động IM đặc tính điều khiển sử dụng để hình thành điều khiển hội tụ cách tự nhiên cho việc áp dụng FCS-MPC Nội dung luận án nghiên cứu điều khiển dự báo MPC cho NLĐM cấu trúc CHB 1.1.5 Ngun lý thực FCS-MPC Hình 1.2 mơ tả cấu trúc điều khiển tổng quát phương pháp FCSMPC với đối tượng BĐCS Trong sơ đồ này, x(t) giá trị biến điều khiển đo (dòng điện, điện áp, mô-men, …), xác định thông qua khâu đo lường Các giá trị trích mẫu sau khoảng thời gian nhỏ cố định, đưa tín hiệu thời điểm trích mẫu x[k] Trong x[k] đại lượng thơng qua trích mẫu thời điểm [k], qua mơ hình dự báo (mơ hình biến đổi cơng suất, mơ hình động cơ) thu giá trị dự báo x[k+1] thời điểm [k+1] Mơ hình dự báo tính tốn giá trị đáp ứng hệ thống thời điểm tương lai [k+1] x[k+1] tương ứng với phương án trạng thái chuyển mạch biến đổi công suất, kết hợp với giá trị đáp ứng đặt x*[k+1] đưa vào hàm mục tiêu Hàm mục tiêu phương pháp điều khiển dự báo MPC đại diện cho mục đích điều khiển hệ thống để đạt hành vi mong muốn cụ thể FCS-MPC * x [k] x[k+1] Tối ưu hàm mục tiêu Mơ hình dự báo Converter Sopt x[k] Trạng thái đóng cắt Trích mẫu KABC Load x(t) Hình 1.8 Sơ đồ cấu trúc điều khiển tổng quát phương pháp FCS-MPC 1.2 Vấn đề FCS-MPC 1.2.1 Sai lệch tĩnh Phương pháp điều khiển MPC có xác hay khơng phụ thuộc nhiều vào mơ hình tải Đối với FCS-MPC, tần số lấy mẫu thấp có tham số khơng phù hợp mơ hình dự báo làm xuất sai lệch mơ hình hệ thống dẫn đến việc tồn sai lệch tĩnh Luận án đề xuất phương án xây dựng khâu dự báo dịng điện bổ sung thêm thành phần tích phân nhằm mục đích bù sai lệch mơ hình, mơ thử nghiệm với hệ thống nghịch lưu đa mức cầu H nối tầng cho động IM 1.2.2 Multistep MPC Multistep MPC dự báo trạng thái hệ thống đa bước thời điểm k+1, k+2, …, k+N (N số bước) thay dự báo trạng thái hệ thống thời điểm k+1 dự báo đơn bước (singlestep MPC) MPC nhiều bước dự báo nhìn chung đạt hiệu ổn định vịng kín tốt so với MPC bước dự báo Trong lĩnh vực điện tử công suất truyền động điện, làm bật lợi ích multistep MPC sau Thứ nhất, khoảng dự báo dài dài mang lại hiệu suất trạng thái xác lập tốt, độ đập mạch dòng điện đạt đảm bảo nằm giới hạn cho phép Thứ hai, số hệ thống điều khiển, cần có khoảng thời gian dự báo dài trình độ nhằm đảm bảo bám theo tín hiệu đặt tránh ổn định vịng kín Thứ ba, multistep MPC làm giảm đáng kể độ nhạy điều khiển nhiễu kết cải thiện hiệu suất trình hoạt động trạng thái xác lập Bên cạnh ưu điểm thấy rõ này, nhược điểm tất yếu mà ta dễ dàng nhận thấy multistep MPC khối lượng tính tốn tăng nhiều so với phương pháp điều khiển truyền thống Thuật toán K-best SDA đời giải pháp thích hợp nhằm giảm khối lượng tính tốn cho multistep MPC 1.2.3 Ứng dụng mạng nơ-ron để xây dựng điều khiển ANNMPC nhằm thực nghiệm thuật toán multistep MPC Các kỹ thuật trí tuệ nhân tạo (AI) bao gồm hệ chuyên gia (ES), logic mờ (FL), mạng nơ-ron nhân tạo (ANN) thuật toán di truyền (GA) gần có tác động đáng kể đến lĩnh vực điện tử công suất truyền động điện Trong số nhánh AI, dường ANN có tác động mạnh nhất, điều thể qua công bố vòng 10 năm trở lại ứng dụng lĩnh vực khác Một nội dung luận án cải thiện thuật tốn Multistep MPC nghiên cứu ứng dụng ANN để trở thành toán ANN-MPC Ý tưởng tạo mạng nơ-ron với phép tính tương đối đơn giản lại xấp xỉ khả điều khiển MPC với đầy đủ yêu cầu phức tạp Bộ điều khiển ANN-MPC đề xuất đạt hiệu điều khiển tương đương với MPC nhiều bước thơng thường, thử nghiệm thuật tốn multistep MPC thiết bị thực Chương FCS-MPC với mục đích triệt tiêu sai lệch tĩnh cho NLĐM cấu trúc CHB nối tải động IM 2.1 Phương pháp điều khiển dự báo FCS-MPC Bộ điều khiển dự báo sử dụng mơ hình hệ thống để tính tốn giá trị biến trạng thái thời điểm định tương lai, sau chọn đầu vào tối ưu để đáp ứng mục tiêu điều khiển đặt chu kì trích mẫu Cho hệ thống biểu diễn phương trình trạng thái sau: dx ( t ) dt = Αx ( t ) + Βu ( t ) (2.1) Trong x(t) vector biến trạng thái, u(t) vector đầu vào, s trạng thái chọn tổng số n trạng thái Mơ hình rời rạc sử dụng để ước tính giá trị trạng thái biến thời điểm lấy mẫu k+1 tương ứng với: x ( k + 1) = Α p x ( k ) + Β p u ( k ) (2.2) Phương trình trạng thái (2.2) xác thời gian trích mẫu đủ nhỏ giá trị ma trận trạng thái với Ap, Bp biết Nếu điều kiện khơng thoả mãn, xuất lỗi dự báo dẫn đến việc lựa chọn đầu vào khơng tối ưu gây sai lệch tĩnh Việc sử dụng phương pháp dự báo truyền thống dễ gây sai lệch tĩnh hệ thống Để tránh vấn đề này, khâu tích phân tích hợp vào điều khiển dự báo dịng điện với mục đích triệt tiêu sai lệch tĩnh sai lệch mơ hình hệ thống thực 2.2 Phương pháp điều khiển FCS-MPC kết hợp khâu tích phân Sơ đồ điều khiển thuật tốn FCS-MPC tích hợp khâu tích phân đưa hình 2.1 FCS-MPC x*[k] x[k+1] Tối ưu hàm mục tiêu Converter Sopt Mơ hình dự báo x[k] Trạng thái đóng cắt Trích mẫu KABC Load x(t) Uoffset x*[k] Bộ điều khiển tích phân Hình 2.1 Sơ đồ điều khiển thuật tốn FCS-MPC tích hợp khâu tích phân Mục tiêu phương pháp thiết kế điều khiển nhằm tạo giá trị uoffset(k) = uoffset_ref (k) để bù sai lệch mơ hình tạo sai lệch dự báo tương đương với sai lệch dự báo, sau tạo sai lệch dự báo 10 phụ thuộc vào sai lệch biến trạng thái tham chiếu giá trị thực đo Cơng thức để tính uoffset hay đầu điều khiển tích phân để thoả mãn yêu cầu biểu diễn sau: uoffset ( z ) = G + z −1 i ( xref ( z ) − x ( z ) ) − z −1 (2.3) với uoffset kết khâu tích phân với đầu vào sai lệch biến trạng thái tham chiếu biến trạng thái thực hệ thống 2.3 Phương pháp điều khiển dự báo FCS-MPC cho mạch nghịch lưu đa mức CHB ứng dụng động IM 2.3.1 Cấu trúc điều khiển dự báo FCS-MPC thông thường cho mạch nghịch lưu đa mức CHB nối tải động IM FCS-MPC Hàm mục tiêu cm sw *[k ] + _ [k ] r*[k ] + _ BĐK Tốc độ BĐK Từ thông r [k ] * isq isdq k * isd Tối ưu CMV Tối ưu đóng cắt CHB Tối ưu hàm mục tiêu V [k ] Trạng thái S [k ] đóng cắt Tối ưu sai lệch dòng điện s [k ] 13 isdq k + 1 Dự báo dòng điện Mơ hình từ thơng 14 isabc[k] isdq[k] r [k ] 10 Trích mẫu s [k ] IM idq [k ] dq 12 abc [isa,isb,isc] 11 Trích mẫu Hình 2.2 Sơ đồ điều khiển IM sử dụng phương pháp FCS-MPC Cấu trúc điều khiển động IM sử dụng phương pháp FCS-MPC gồm: mạch vịng ngồi có điều khiển tốc độ (khối 1) điều khiển từ thông (khối 2) thiết kế theo điều khiển PI thơng thường Mạch vịng điều khiển dòng điện thiết kế theo phương pháp FCS-MPC 2.3.2 Cấu trúc điều khiển dự báo FCS-MPC kết hợp khâu tích phân cho mạch nghịch lưu đa mức CHB nối tải động IM Sơ đồ điều khiển IM sử dụng điều khiển dự báo kết hợp khâu tích phân thể Hình 2.6 11 FCS-MPC Hàm mục tiêu cm sw *[k ] + _ [k ] r*[k ] Tối ưu CMV + _ BĐK Tốc độ BĐK Từ thông r [k ] isdq k * isq Tối ưu đóng cắt isdq k CHB Tối ưu hàm mục tiêu V [k ] Trạng thái S [k ] đóng cắt Tối ưu sai lệch dịng điện * isd s [k ] 15 13 isdq k + 1 Dự báo dòng điện BĐK tích phân isdq k Mơ hình từ thông isabc[k] isdq[k] r [k ] [isa,isb,isc] s [k ] IM idq [k ] dq 12 14 10 Trích mẫu abc 11 Trích mẫu Hình 2.6 Sơ đồ điều khiển IM sử dụng phương pháp FCS-MPC kết hợp khâu tích phân Hàm mục tiêu xây dựng theo chuẩn bình phương sai lệch: 2 2 J( k ) = y ( k + 1) − y ( k + 1) + CMV u( k ) − u ( k ) + dc u( k ) * * (2.4) Mục tiêu điều khiển đề sau: - Điều khiển bám dòng điện 𝑖𝑠 (𝑡) = 𝑖𝑠∗ (𝑡); - Đảm bảo ràng buộc thay đổi mức điện áp: lần đóng cắt thay đổi mức điện áp; ví dụ |𝑆𝐴 (𝑘) − 𝑆𝐴 (𝑘 + 1)| ≤ 1; - Giảm điện áp common-mode 2.4 Kết mô kiểm chứng Thông số mô phỏng: Bảng 2.1 Thông số mạch lực điều khiển Tham số Giá trị Đơn vị Điện áp Vdc 600 V Nội trở nguồn 0,0001 Ω Điện dung DC 2500 µF Tần số trích mẫu 20 kHz Thông số điều khiển tốc độ kpω=30 kiω=800 Thông số điều khiển từ thông kp =100 ki =5 12 Bảng 2.2 Thông số động Tham số Giá trị Đơn vị Công suất định mức PN 1,119 MW Điện áp định mức UN 3,3 kV Tốc độ định mức nN 1470 vịng/phút 0,88 Hệ số cơng suất cos𝜑 Hiệu suất động H 0,95 Momen quán tính J KGm2 Số cặp cực pc Tần số định mức fN 50 Hz 2.4.1 Kiểm tra đáp ứng dòng điện Trường hợp thay đổi điện trở rotor 35%, xảy sai lệch mơ hình, nhận thấy có xuất sai lệch tĩnh thời điểm 0,7s Nếu áp dụng phương pháp điều khiển FCS-MPC cải tiến sai lệch tĩnh trung bình trạng thái ổn định trở thành 0A Hình 2.9 Kết mơ trục d với điều khiển dự báo thông thường Hình 2.10 Kết mơ trục d với điều khiển dự báo kết hợp khâu tích phân Hình 2.11 Kết mô trục q với điều khiển dự báo thơng thường Hình 2.12 Kết mơ trục q với điều khiển dự báo thông thường 2.4.2 Kiểm tra đáp ứng CMV tối ưu đóng cắt 13 Hình 2.17 Đáp ứng CMV Hình 2.18 Đáp ứng tối ưu đóng cắt Kết kiểm tra đáp ứng điện áp common-mode không bị ảnh hưởng hai phương pháp điều khiển FCS-MPC Hình 2.8 cho đáp ứng CMV, khoảng thời gian có trọng số cm=60 điện áp common-mode bị triệt tiêu Hình 2.9 thể đáp ứng tối ưu đóng cắt So sánh dạng điện áp pha A hai khoảng thời gian với trọng số tối ưu đóng cắt khác nhau, nhận thấy khoảng thời gian có sw=5, dạng điện áp thưa Chương Thuật toán multistep MPC cho nghịch lưu đa mức cấu trúc CHB nối tải động IM 3.1 Cấu trúc điều khiển hệ thống NLĐM cấu trúc CHB nối tải động IM, sử dụng thuật toán multistep MPC Điều khiển hệ truyền động IM xây dựng sở phương pháp điều khiển tựa từ thơng rotor; đó, mạch vịng dịng điện sử dụng multistep MPC, mạch vòng tốc độ từ thông sử dụng điều khiển PI truyền thống, miêu tả hình 3.1; sử dụng thành phần trọng số CMV, dc cho mục tiêu giảm common-mode tối ưu đóng cắt Mạch vịng gồm điều khiển tốc độ điều khiển ∗ ∗ từ thơng đưa tín hiệu đặt dòng điện 𝑖𝑠𝑑 𝑖𝑠𝑞 14 PI rd'* [k ] + *[k ] + dc isd* [k ] − isq* [k ] − CMV PI CHB Multistep MPC Thiết kế U* [k] tham chiếu Y* [k] Hàm J [k] N mục tiêu U[k] Mơ hình dự báo Y[k] Bảng Thuật trạng toán giải Uopt[k] thái mã mặt đóng cầu SDA cắt A B C N s [ k ] s [k ] rd' [k ] isdq [k] isabc[k] dq abc Mơ hình từ thơng Rotor s [k ] isa ,isb ,isc Trích mẫu [ k ] Trích mẫu Vi điều khiển IM Hình 3.1 Cấu trúc điều khiển hệ thống CHB-MLI nối tải động IM, sử dụng phương pháp multistep MPC 3.2 Thiết kế điều khiển dòng điện với phương pháp điều khiển multistep MPC 3.2.1 Mơ hình hệ thống Mơ hình hệ thống có dạng: x[ k + 1] = Ax[ k ] + Bu[ k ] y[ k + 1] = Cx[ k + 1] Trong đó: x= isd isq y = isd isq rq' rd' T T : vector biến trạng thái; : vector biến đầu ra; u = S A SB S C : vector biến đầu vào T 3.2.2 Mơ hình dự báo • Tín hiệu đầu vào điều khiển thời điểm thứ k: U ( N ,1) [ k ] = u[ k ] Trong đó, • u[ k + 1] T T u[l ] = S A [l ], T S B [l ] , T u[ k + N − 1] T (3.1) S C [l ] ; l k , k + N − Tín hiệu dự báo đầu thời điểm thứ k: Y ( N ,1) [ k ] = y[ k + 1] T y[ k + 2] T y[ k + N ] T T (3.2) Mối liên hệ Y[k] U[k]: Y[ k ] = x[ k ] + U[ k ] (3.3) 3.2.3 Hàm mục tiêu 15 Mục tiêu đặt hàm Cost function sau: - Dòng điện bám giá trị đặt - Giảm thiểu điện áp common-mode - Sự thay đổi điện áp hơn, từ giảm tổn hao đóng cắt Để thực mục tiêu trên, hàm mục tiêu cho số bước dự đoán N tùy ý xây dựng theo tiêu chuẩn bình phương sai lệch: J N ( k ) = Y(k) − Y (k) * 2 + dc SU(k) − Εu(k − 1) 2 + CMV U(k) − U (k) * (3.4) 3.2.4 Thuật toán giải mã cầu SDA Vấn đề đặt cần tìm U(k)=Uopt(k) cho hàm mục tiêu 𝐽𝑁 (𝑘) đạt nhỏ Thực tế tăng số bước dự báo (N) số mức CHB-MLI (m=2n+1) dẫn đến số lượng giá trị có Uopt(k) tăng theo cấp số mũ, việc kiểm tra tồn so sánh bất khả thi số lượng phép tính yêu cầu vi điều khiển cần xử lý lớn Thuật toán giải mã cầu SDA cho phép hạn chế số lượng giá trị cần kiểm tra, từ khả thi áp dụng lên vi điều khiển Hình 3.2 mơ tả bước thực thuật toán giải mã cầu, cụ thể gồm bước: - Đưa hàm mục tiêu dạng chuẩn để áp dụng thuật tốn tìm kiếm - Sử dụng thuật tốn tìm kiếm nhánh ràng buộc để đưa giá trị cần tìm Thuật tốn giải mã cầu SDA Đưa dạng chuẩn JN(k) Hàm mục tiêu dạng bậc Hàm mục tiêu dạng giải pháp tối ưu không ràng buộc Uuc Hàm mục tiêu dạng số ngun bình phương nhỏ Thuật tốn tìm kiếm nhánh ràng buộc Uopt(k) Hình 3.2 Các bước triển khai thuật toán giải mã cầu SDA 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 Mặc dù loại bỏ nhiều trường hợp khơng thỏa mãn số lượng trường hợp (gọi nút tìm kiếm) SDA cần phải kiểm tra lớn, dựa vào trình dẫn đến nhiều thời gian cho việc tìm kiếm Để giải vấn đề này, thuật tốn K16 best SDA với việc tìm kiếm song song, phù hợp với tảng tính tốn song song hứa hẹn thay cho SDA tương lai 3.3.1 Cấu trúc điều khiển Cấu trúc điều khiển động IM kết hợp biến đổi CHB sử dụng phương pháp vật lý tựa từ thơng rotor FOC Mạch vịng tốc độ mạch vịng từ thơng sử dụng điều khiển PI Mạch vòng dòng điện sử dụng điều khiển multistep MPC dùng thuật toán K-best SDA thay cho điều khiển PI cấu trúc truyền thống rd'* [k ] PI + dc isd* [k ] Thiết kế U [k] tham chiếu Y* [k] Hàm mục tiêu U[k] Mơ hình dự báo Y[k] - *[k ] + CMV isq* [k ] - PI CHB Multistep MPC * JN [k] Thuật toán Bảng giải mã U [k] trạng opt mặt cầu thái K-best đóng SDA cắt A B C N s [ k ] s [k ] rd' [k ] isdq [k] isabc[k] dq abc Mơ hình từ thơng Rotor s [k ] isa ,isb ,isc Trích mẫu [ k ] Trích mẫu Vi điều khiển IM Hình 3.6 Cấu trúc điều khiển CHB-MLI nối tải động IM, sử dụng phương pháp multistep MPC với thuật toán K-best SDA 3.3.2 Thuật toán giải mã cầu K-best SDA a Nội dung Khác với SDA, K-best SDA tìm kiếm song song nút, trình tìm kiếm ưu tiên chiến lược tìm kiếm theo chiều rộng Tìm kiếm theo chiều sâu U = [-n,-n+1, ,-2,-1,0,1,2, -n -1 Tìm kiếm đồng thời theo bề ngang n-1,n] n 1 i =1 -1 -1 -1 -1 i=2 -1 a) 2 10 10 -1 11 -1 i=3 -1 Uopt = [-1,0,1] -1 3 -1 b) Hình 3.7 Tìm kiếm nút dùng SDA a); K-best SDA sơ đồ b) Một điểm đặc biệt thuật toán K-best SDA số lượng nút cần kiểm tra xác định trước số lượng nút không thay đổi liệu toán khác Điều giúp người lập trình 17 kiểm sốt thời gian thực thuật toán vi điều khiển cách tối ưu b Thuật toán xếp Bitonic Mấu chốt để thực K-best SDA sử dụng tính toán song song cho việc xếp ma trận Ut (thực chất xếp mảng) để tìm trường hợp tối ưu, hiệu so với thuật toán xếp Xét phương diện xếp với số lượng phần tử nhỏ 15 bit nhớ thuật tốn Bitonic phù hợp 3.3.3 Mô kiểm chứng Matlab/Simulink a Kịch mơ Thuật tốn mơ kiểm chứng với đối tượng nghịch lưu cấu trúc CHB 11 mức, động IM trung thế; thực với hai loại tải: tải quạt gió tải khơng đổi b Kết mơ • Đánh giá đáp ứng chế độ xác lập hệ thống với N=2 Hình 3.15 Đáp ứng dòng điện với N=2: a) Trên trục d; b) Trên trục q a) b) Hình 3.16 a) Sai lệch dòng điện trục d; b) Sai lệch dòng điện trục q 18 Việc sử dụng điều khiển multistep MPC mạch vịng dịng điện góp phần cải thiện hiệu suất hệ thống so với single-step MPC kết Đáp ứng dòng điện trục d,q giai đoạn ổn định, giá trị thực bám tốt giá trị đặt Khi N tăng sai lệch dòng trục d q giảm, nhiên với N > (bước) việc giảm thiểu sai lệch khơng cịn hiệu • Kiểm tra tính khả thi thuật tốn Để kiểm tra tính ưu việt thuật toán K-best SDA so với thuật toán SDA, tiến hành so sánh kết hai thuật tốn với mục đích giải yêu cầu mà hàm mục tiêu đưa với N=2 Giá trị CMV giảm đến giá trị có biên độ ±1/3Vdc giống với kết thuật tốn cũ • So sánh K-best SDA với SDA: Trường hợp N tăng, số lượng nút kiểm tra lớn lần tìm kiếm thuật tốn SDA K-best SDA cho bảng 3.3 Bảng 3.5 So sánh số lượng nút kiểm tra N 10 SDA 803 29.381 287.078 4.769.662 - - K-best 55 121 187 253 319 649 SDA Khi tăng số bước dự báo số lượng nút cần kiểm tra thuật toán SDA tăng lên nhanh chóng Điều chứng minh khối lượng tính tốn sử dụng K-best SDA giảm đáng kể Chương Xây dựng hệ thống thực nghiệm kết 4.1 Thực nghiệm kiểm chứng thuật toán multistep MPC với phương pháp K-best SDA cho biến tần đa mức cấu trúc CHB 4.1.1 Điều kiện thực nghiệm Mơ hình hệ thống thực nghiệm bao gồm: Mạch nghịch lưu gồm cầu H nối tầng cho điện áp mức, nguồn cấp cho mạch điều khiển 19 đầu vào DC cách ly cho cầu H, mạch đo lường, kit điều khiển FPGA, tải RL Hình 4.1 Mơ hình hệ thống thực nghiệm 4.1.2 Triển khai vi điều khiển FPGA Cấu trúc thực thi thuật toán Multi-step MPC điều khiển động kit FPGA Zybo-Z7 sử dụng thuật toán SDA K-best SDA để so sánh cách cơng Khối timer có chức tạo xung có độ rộng 10ns (tương đương với 100MHz) 4.1.3 Kết thực nghiệm Các kết thực nghiệm cho thấy hiệu việc áp dụng trọng số vào hàm mục tiêu CMV số lần đóng cắt giảm V/div; 1ms/div a) V/div; 1ms/div b) Hình 4.12 Điện áp CMV trước a) sau b) có trọng số 20 20 V/div; 5ms/div a) 20 V/div; 5ms/div b) Hình 4.13 Điện áp tải trước a) sau b) có trọng số đóng cắt 4.2 Thực nghiệm kiểm chứng thuật toán multistep MPC sử dụng ANN, áp dụng cho NLĐM cấu trúc CHB 4.2.1 Phương pháp điều khiển ANN-MPC Mạng nơ-ron (ANN) đề xuất để thay điều khiển multistep MPC q trình điều khiển hệ thống Để FCS-MPC có đáp ứng đủ nhanh, đầu tiên, điều khiển multistep MPC xây dựng mô phần mềm MATLAB/Simulink Tiếp theo, tiến hành thu thập liệu phản hồi (dòng điện, điện áp tải, ) tổ hợp trạng thái đóng cắt tối ưu tương ứng tính tốn từ điều khiển MPC Sau đó, mạng nơ-ron ANN tạo huấn luyện từ tập liệu Cuối cùng, sử dụng mạng nơ-ron sau huấn luyện để điều khiển hệ thống mà không phụ thuộc vào điều khiển MPC phức tạp Bằng cách này, tạo điều khiển sử dụng số lượng đầu vào giống hệt với MPC, xấp xỉ khả điều khiển MPC với đầy đủ yêu cầu phức tạp, tốc độ xử lý nhanh Cấu trúc điều khiển ANN-MPC mơ tả Hình 4.4 Trained ANN Hidden V* (k) Vl (k) CHB Vector Table Output Input V V Max V0 V0 V0 V V0 i f (k) V V V0 V0 V0 V0 V0 ua Lf Rload ub uc Lf Rload Lf Rload Z V Cf Cf Cf ANN-based Controller Hình 4.14 Cấu trúc điều khiển ANN-MPC 21 4.2.2 Cấu trúc mạng nơ-ron Kiến trúc chung mạng nơron nhân tạo (ANN) gồm thành phần là: Input Layer, Hidden Layer Output Layer Ứng dụng phương pháp mạng nơ-ron ANN tốn ANN-MPC để tìm tổ hợp trạng thái van tối ưu ma trận trạng thái Mơ hình mạng ANN sử dụng mơ hình Logistic regression 4.2.3 Thực phương pháp ANN-MPC Dữ liệu lấy từ MPC với trường hợp điện áp đặt (Vref = 80,100,120,140,160,180,200,220) Các liệu lấy với giá trị mạch lực, giá trị tải thời gian trích mẫu Huấn luyện mạng ANN sử dụng hàm trainscg thư viện Matlab Thuật toán sử dụng để huấn luyện mạng Scaled Conjugate Gradient (SCG) Training Phase CHB If L ua , ub , uc MPC Controller Il Load Vc C If LC Filter L R Io Load Vc C R If, Vf Vf * ua , ub , uc Proposed Neural Network Target Test Phase CHB LC Filter Trained Neural Network If, Vf Vf * Input Hình 4.19 Quá trình thu thập liệu huấn luyện ANN-MPC 4.2.4 Mơ hình thực nghiệm Hình 4.29 hệ thống bàn thí nghiệm hoàn thiện NLĐM CHB pha Three-Phase 95 mức Level Inverter Oscilloscope Kit Zybo Z7-20 Tải R Load Measuring Mạch Circuitđo Hình 4.29 Hệ thống bàn thí nghiệm hồn thiện 22 Thuật toán ANN-MPC FPGA thiết kế theo dạng pipeline với tần số tính tốn 500kHz chu kỳ trích mẫu 100us (Tần số phát xung mạch 10kHz) Tổng thời gian để thuật toán tính kết với 8us Dữ liệu đưa vào từ MATLAB bao gồm lượng đặt trọng số tối ưu sau huấn luyện Hình 4.31 Điện áp mức pha Hình 4.32 Điện áp mức pha Hình 4.33 Dịng tải pha 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 23 thuật toán FCS-MPC bước cho nghịch lưu đa mức cầu H nối tầng - Tiếp theo, nghiên cứu ứng dụng phương pháp điều khiển FCSMPC 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 toán 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 không mong muốn Mô 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 24 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 H-bridge inverters,” Journal of Electrical Engineering, vol 72, no 1, pp 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 HBridge 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 (ESCI Q3) 25