Với sự cần thiết của động cơ đồng bộ từ trở, để giảm được hạn chế về mặt dao động mô men xoắn của động cơ, đề tài luận văn sẽ nghiên về phương pháp điều khiển dòng điện tối ưu dựa trên p
GIỚI THIỆU ĐỘNG CƠ ĐỒNG BỘ TỪ TRỞ
Tổng quan
Động cơ đồng bộ từ trở là động cơ đồng bộ hiệu suất cao với kích thước nhỏ gọn được dùng tương đối phổ biến trên thị trường cho các phụ tải công suất vừa và lớn Các lĩnh vực ứng dụng động cơ đồng bộ từ trở như lĩnh vực kéo, nâng tải, lĩnh vực phương tiện giao thông bằng năng lượng điện…Với cấu trúc đặc biệt nên không có tổn hao đồng phía rotor, hiệu suất cao so với mặt bằng chung hiện nay Đó là một trong những điểm mạnh của động cơ đồng bộ từ trở Động cơ đồng bộ từ trở đã nhận được rất nhiều sự chú ý trong nhiều ứng dụng trong ngành trong những năm gần đây do tính đơn giản của cấu trúc và chi phí sản xuất thấp SynRM tương đối rẻ vì không sử dụng nam châm vĩnh cửu Bên cạnh đó, việc vận hành SynRM không sinh ra nhiệt độ cao, do đó nó không có vấn đề về việc khử từ Ngoài ra, không có tổn thất đồng sinh ra ở rôto cho phép mô men xoắn lớn hơn so với máy không đồng bộ dẫn đến chỉ số hiệu suất của SynRM có thể lên tới chỉ số IE4 với kích thước giống hệt với máy không đồng bộ thông thường Chính những lợi thế đó đã góp phần tạo ra cơ hội lớn để SynRM phát triển trong lĩnh vực công nghiệp hiện nay Năm 2011 là năm đánh dấu cột mốc của sự phát triển SynRM với giải thương đầu tiên dành cho động cơ đồng bộ từ trở do ABB phát triển đã được trao giải thưởng Tự động hóa năm bởi tạp chí thương mại AUTOMATION ở Đức Tuy nhiên, SynRM cũng có những nhược điểm đáng kể Chính vì cấu tạo đặc biệt của rotor mà SynRM có thể gây ra rung động và tiếng ồn lớn khi vận hành Hệ số công suất của loại máy này thường thấp, dẫn đến quá khổ công suất của biến tần Ngoài ra, nó rất nhạy cảm với bão hòa từ, tác động mạnh đến giá trị tối đa cho mô men đạt được
Hình 1.1 Động cơ đồng bộ từ trở [25]
Ưu nhược điểm của động cơ đồng bộ từ trở
Những ưu điểm chính của SynRM phụ thuộc vào việc loại bỏ tổn thất đồng rotor cho phép giá trị mô men xoắn đạt được cao hơn so với động cơ không đồng bộ có cùng kích cỡ, cùng với cấu trúc đơn giản của rotor dẫn đến chi phí thấp hơn so với động cơ không đồng bộ
Giải pháp của rotor SynRM cho thấy là tiềm năng cho sự thay thế động cơ không đồng bộ trong các ứng dụng về sức kéo Tóm lại, các ưu điểm của SynRM được tóm tắt như sau:
Chi phí thấp, không gian lắp đặt nhỏ, khối lượng nhẹ dễ dàng lắp đặt
Hiệu suất cao IE4 (giảm tổn thất đến 40% so với động cơ hiệu suất cao IE2)
Mật độ moment / dòng điện cao
Nhiệt độ hoạt động thấp và hiệu năng cao
Cấu trúc giống hệt stator và mạch công suất biến tần của Induction Motor
Khả năng chịu quá tải cao trong thời gian ngắn
Cơ cấu đơn giản và chắc chắn
Độ tin cậy cao Để hình dung được sự giảm tốt thất so với động cơ không đồng bộ chuẩn IE2 ta tham khảo hình sau đây:
Hình 1.2 So sánh tổn thất giữa động cơ không đồng bộ IE2 và động cơ đồng bộ từ trở [25]
Từ hình 1.2 ta nhận thấy tổn thất giảm rõ rệt cụ thể so với động cơ SynRM IE4 ta giảm được tổn thất khoảng 40% và 20% so với động cơ SynRM thông thường
Bên cạnh những ưu điểm mà động cơ đồng bộ từ trở mang lại thì SynRM cũng tồn tại các nhược điểm Vì cấu trúc và nguyên lý hoạt động của rotor dị hướng của SynRM mà SynRM tồn tại các nhược điểm như sau:
Hệ số công suất thấp (0.55-0.7)
Phạm vi tốc độ thấp
Rung mô-men quay Đây chính là lý do của đề tài nghiên cứu nhằm khắc phục được nhược điểm thứ ba của động cơ từ trở chính là giảm hiện tượng giao động moment và góp phần giảm tổn thất Stator khi điều khiển động cơ bằng dòng điện tối ưu được tính toán trong Chương 3.
Tình hình nghiên cứu về động cơ đồng bộ từ trở
1.3.1 Tình hình nghiên cứu ngoài nước Động cơ đồng bộ từ trở và động cơ đồng bộ nam châm vĩnh cữu là hai loại động cơ được quan tâm nhất ở thời điểm hiện tại về các ưu điểm là hai loại động cơ này mang lại Trong đó, động cơ đồng bộ nam châm vĩnh cữu có hiệu suất nhỉnh hơn động cơ đồng bộ từ trở một ít Tuy nhiên về mặt khoáng sản để sản xuất động cơ đồng bộ nam châm vĩnh cữu lại phần lớn nằm ở nước Trung Quốc ( Trung quốc chiếm đến 70% sản lượng khoáng sản đất hiếm trên toàn cầu - theo bbc việt nam) và Mỹ hiện tại đang nhập khẩu trực tiếp đất hiếm từ Trung Quốc lên đến 80% tổng sản lượng đất hiếm sử dụng hằng năm Việc sử dụng động cơ đồng bộ nam châm vĩnh cữu tăng sẽ dẫn đến việc lệ thuộc tương đối vào quốc gia Trung Quốc Trong những năm gần đây, dưới áp lực về chính sách thương mại mà Tổng thống Donald Trumph đang áp đặt cho Trung Quốc, Trung Quốc đã chính thức lên tiếng sẽ hạn chế xuất khẩu mặt hàng khoáng sản này Vì vậy, việc chế tạo và phát triển một động cơ khác có hiệu suất tương đương là giải pháp tốt nhất vào thời điểm này Đó là động cơ đồng bộ từ trở
Trong những năm gần đây, SynRM đã nhận được nhiều sự chú ý cho nhiều ứng dụng do tính đơn giản về cấu trúc, chi phí sản xuất thấp và kết cấu chắc chắn [1-3] Tuy nhiên, độ gợn mô-men xoắn cao tạo ra các rung động cơ học và tiếng ồn âm thanh là một trong những nhược điểm chính của động cơ này Độ phẳng của mô-men xoắn là một yêu cầu thiết yếu trong nhiều ứng dụng hiện nay Do đó, nhiều tác giả ngoài nước đã đề xuất các phương pháp khác nhau để giảm thiểu gợn mô-men xoắn với loại động cơ này thông qua hai cách tiếp cận
1.3.1.1 Cách tiếp cận thứ nhất là thay đổi cấu trúc động cơ để đạt được kết quả tối ưu
Trong bài viết số [4], các tác giả đã chỉ ra rằng có hai cách tiếp cận giảm thiểu độ gợn mô-men xoắn của động cơ đồng bộ Phương pháp đầu tiên là cải tiến kỹ thuật bao gồm các kỹ thuật để điều chỉnh thiết kế stator và rôto của máy để loại bỏ gợn mô-men xoắn không mong muốn
Các tác giả trong bài viết [5-7] đã đề xuất các phương pháp giảm độ gợn mô-men xoắn bằng cách điều chỉnh giới hạn thông lượng từ thông trong cấu trúc của rotor Hiệu quả của rôto với cấu trúc trục nghiêng để đạt được sự giảm độ gợn mô-men xoắn đã được nghiên cứu chi tiết trong phần [8-9] Các tác giả trong [8] và [9] chỉ ra rằng gợn mô-men xoắn được giảm khi cấu trúc rôto bị lệch với một góc bằng với độ rộng một khe của khe stator
Về cách tiếp cận thứ nhất cho thấy đây là một cách tiếp cận phổ biến để thay đổi cấu trúc rotor động cơ đồng bộ từ trở Cách tiếp cận này đã và đang là cách tiếp cận cần thiết để đổi mới không ngừng thiết kế cải tiến cho động cơ đồng bộ từ trở
1.3.1.2 Cách tiếp cận thứ hai là thay đổi dòng điện điều khiển Stator để đạt được dòng điện tối ưu và giảm độ gợn mô men xoắn như mong muốn
Dựa trên hệ trục tọa độ rotor dq, các nghiên cứu được trình bày trong [11-13] đưa ra các biểu thức của dòng điện tối ưu để giảm thiểu gợn mô-men xoắn Các tác giả của
[11] và [12] đề xuất một phép biến đổi Park mở rộng để có được dòng điện tối ưu trong động cơ không sin, trong khi các tác giả trong [13] có được dòng điện tối ưu để đạt được điều kiện mô-men xoắn cực đại có tính đến ảnh hưởng của bão hòa từ
Dựa trên sự tuyến tính hóa tín hiệu đầu ra, các tác giả trong bài viết [14] và [15] đã đề xuất một phương pháp để có được dòng điện tối ưu cho mô-men xoắn không đổi và giảm thiểu tổn thất Các bộ điều khiển phi tuyến được đề xuất trong [14] để điều chỉnh mô-men xoắn bằng cách chọn giá trị của dòng điện mô-men trục d và trục q làm một trong các biến đầu ra
Dựa trên điều khiển chế độ trượt - Sliding mode control (SMC) [16], giá trị của dòng tham chiếu được điều chỉnh để giữ tốc độ của động cơ không đổi Do đó, gợn mô- men xoắn của động cơ được giảm thiểu Việc bơm dòng điện hài bậc cao được đề xuất trong [17], nhược điểm của phương pháp này là gợn mô-men xoắn cao vì các tác giả chỉ tối ưu hóa dòng điện cho sóng hài bậc 5 và 7
Gần đây, dựa trên mô hình điều khiển mô-men xoắn trực tiếp – direct torque control (DTC), các phương pháp nghiên cứu trong [18-21] đã đề xuất kiểm soát từ thông stator và tạo ra mô-men xoắn Trong [19], biên độ và góc của các vectơ điện áp đầu vào được lấy từ các sai số của mô-men xoắn và từ thông Do đó, mô-men xoắn và thông lượng gợn sóng được giảm thiểu Dựa trên điều khiển dự báo giá trị mô-men xoắn [20], điện áp tối ưu hóa được sử dụng để giảm gợn mô-men xoắn Trong phương pháp đó, vectơ góc điện áp được xác định từ đầu ra của bộ điều khiển mô men và từ thông Một phương pháp khác dựa trên việc bơm dòng điện tần số cao được trình bày trong [21], điểm Maximum Torque per Ampere (MTPA) có thể được tinh toán bởi sự thay đổi mô-men xoắn dựa trên sự thay đổi của góc bằng không tại các điểm MTPA
Trong phần [22], các dòng tối ưu thu được dựa trên bộ điều khiển nhạy và điều chế vectơ không gian – Space vector modulation (SVM) trong giải thuật tìm kiếm tự động theo tiêu chí MTPA Trong [23], sự ước tính khác biệt của độ tự cảm d -q đã được sử dụng để đạt được phương thức điều khiển MTPA và điều khiển mô-men xoắn một cách chính xác
1.3.2 Tình hình nghiên cứu trong nước
Gần đây, với sự phát triển trong công cuộc tự động hóa và hiện đại hóa, Việt Nam ngày càng đạt được một số thành tựu nhất định trong các lĩnh vực về năng lượng, lắp ráp và sản xuất vi mạch, động cơ, dây chuyền tự động… Và một số các công ty lớn dẫn đầu về các lĩnh vực như: Tập đoàn điện lực EVN, Tập đoàn Dầu khí Petro Việt Nam trong lĩnh vực về năng lượng, Tổng công ty máy động lực và nông nghiệp Việt Nam -VEAM về lĩnh vực cơ khí chế tạo máy, Tập đoàn viễn thông quân đội Viettel, FPT Software về lĩnh vực vi mạch, viễn thông…cùng với sự phát triển của cuộc cách mạng 4.0 đã thúc đẩy mạnh mẽ về sự tích hợp các thuật toán trí tuệ nhân tạo vào hầu hết các lĩnh vực Tuy nhiên, việc ứng dụng và chế tạo động cơ đồng bộ từ trở chưa được mọi người chú ý đến
Vinfast (tập đoàn Vingroup – Phạm Nhật Vượng) là Công ty Việt nam đầu tiên ứng dụng việc chế tạo cơ khí, lắp ráp và sản xuất xe máy, xe ô tô được thị trường trong mong chờ nhất cho đến thời điểm hiện tại Ngoài các động cơ đốt trong, Vinfast còn sử dụng các động cơ điện để chế tạo các mẫu xe điện hiệu năng cao đầu tiên của Việt Nam Một số mẫu xe điện đã xuất xưởng như: Vinfast Clara (2018) và gần đây nhất là mẫu Vinfast V9 Sport base (2019)
Hình 1.3 Xe máy điện Vinfast [32]
Tuy nhiên, hai mẫu xe trên vẫn sử dụng động cơ điện DC cung cấp từ Bosch với cấu trúc rotor dây quấn Hiệu suất và công suất chưa được cao nên hạn chế về mặt tốc độ cũng như kích thước Việc ứng dụng được động cơ đồng bộ từ trở thay cho động cơ hiện tại là điều hoàn toàn khả thi với các ưu điểm vượt trội của động cơ đồng bộ từ trở mang lại
Mục tiêu nghiên cứu động cơ đồng bộ từ trở
1.4.1 Mục tiêu Để đạt được hiệu suất vận hành cao cho động cơ đồng bộ từ trở Bài luận văn này sẽ thực hiện phương pháp điều khiển thích nghi dựa trên mạng Neural Adaline để điều khiển tối ưu dòng vận hành Stator Việc này sẽ giảm tổn thất và điều khiển chính xác mô men cần tương ứng (giảm hiệu ứng dao động mô men) Trong đó, mạng Neural Adaline sẽ điều chỉnh các sóng hài thông qua các hàm học tập và kết hợp với hệ số tối ưu dựa trên dòng điện tối ưu tính toán được từ các phương pháp tối ưu hóa (Chương 3)
Từ các bài viết nghiên cứu hướng phát triển cho động cơ đồng bộ từ trở trên, đề tài nhận thấy các vấn đề nghiên cứu đa số ứng dụng cho thông số máy là Sin và chủ yếu về cải tiến thiết kế cấu trúc rotor Bài luận văn này sẽ tính toán các dòng điện tối ưu cụ thể cho hai dạng động cơ thật tế và ứng dụng mạng Adaline tự học tập để điều khiển dòng tối ưu cho stator của động cơ đồng bộ từ trở dạng Sin và không Sin Chương sau sẽ giới thiệu về mô hình toán học dành cho SynRM và các phương trình tính toán tối ưu cho SynRM.
MÔ HÌNH ĐỘNG CƠ ĐỒNG BỘ TỪ TRỞ
Lich sử phát triển
Từ năm 1888, các nhà vật lý đã lần đầu tiên chế tạo được một cấu trúc rotor động cơ đồng bộ từ trở đơn giản được cấu tạo từ các lá thép mảnh ghép nối lại với nhau trên trục rotor Đến năm 1923, nhà vật lý J.K.Kostko đã cho ra đời bản thiết kế cải tiến lại cấu trúc các lá thép tăng hiệu suất đáng kể cho động cơ đồng bộ từ trở Đến những năm thập niên 1960, các nhà vật lý tiếp tục tìm tòi và cải tiến không ngừng cấu trúc rotor của động cơ đồng bộ từ trở nhằm tăng hiệu suất và cải thiện đáng kể điểm yếu của động cơ đồng bộ từ trở đó chính là giao động moment khi điều khiển Từ đó, các cấu trúc dị hướng cho rotor động cơ đồng bộ từ trở ra đời như rotor trục dị hướng, rotor dị hướng ngang Đến năm 1998, lần đầu tiên hãng ABB đã cho ra đời phiên bản Servo ứng dụng nguyên lý đồng bộ từ trở Đến năm 2010, ABB tiếp tục cho ra mắt phiên bản tối ưu cho động cơ đồng bộ từ trở và bộ điều khiển tương ứng, đánh dấu bước ngoặc phổ biến cho động cơ đồng bộ từ trở trên thị trường công nghiệp
Hình 2.1 Quá trình phát triển của động cơ đồng bộ từ trở [25]
Quy trình sản xuất
Để xây dựng và chế tạo được rotor động cơ đồng bộ từ trở, các nhà chế tạo tiến hành chế tạo từng lá thép đơn giản với cấu trúc tối ưu Sau đó, ghép các lá thép lại với nhau trên lõi trục đặc và giữ cân bằng bởi các bộ phận hỗ trợ Cuối cùng là đặt rotor vào lồng động cơ và thử nghiệm Quy trình sản xuất được thể hiện như sau:
Bước 1: Thiết kế và sản xuất các lá thép đơn
Bước 2: Kết hợp các lá thép thành Rotor hoàn chỉnh trên trục rotor
Bước 3: Rotor được kết vào bộ phận hỗ trợ để giữ cân bằng
Bước 4: Đặt rotor nằm hoàn chỉnh trong động cơ và thử nghiệm
Hai loại cấu trúc rotor của động cơ đồng bộ từ trở phổ biến nhất hiện nay được thể hiện như hình 2.2:
Hình 2.2 Các cấu trúc dị hướng khác nhau của rotor SynRM [27]
Từ điện trở, hay còn gọi tắt là từ trở, là tính chất của một số vật liệu, có thể thay đổi điện trở suất dưới tác dụng của từ trường ngoài Hiệu ứng này lần đầu tiên được phát hiện bởi William Thomson (Lord Kelvin) vào năm 1856 Gần đây, các nhà khoa học đã phát hiện ra nhiều loại hiệu ứng từ điện trở trong nhiều loại vật liệu khác nhau đem lại khả năng ứng dụng hết sức to lớn
Hình 2.3 Đối tượng hình học dị hướng (a) và đẳng hướng (b) trong trường từ 𝛹
Hình 2.3 thể hiện nguyên lý tạo ra momen xoắn đối với vật liệu hình học dị hướng ( có cấu trúc trục d và q khác nhau) (a) khi trục d của vật liệu tạo với từ trường 𝛹 một góc 𝛿 Trong khi đó đối với vật liệu hình học đẳng hướng sẽ không sinh ra được momen xoắn
Về nguyên tắc, SynRM tương tự như động cơ đồng bộ cực lồi, nhưng không có cuộn dây kích từ trong rotor Trong động cơ này chỉ có rotor được cấu tạo bởi rào chắn (không khí) và các thanh (thép)
Hình 2.4 Cấu trúc của SynRM so với Induction Motor [32]
Trường từ ψ của SynRM được tạo ra bởi một cuộn dây stator và móc vòng giữa stator và rotor thông qua các thanh thép với tốc độ từ trường quay ở tốc độ đồng bộ ωs Khi đó, động cơ sẽ luôn tồn tại một lực mômen xoắn nhằm để giảm năng lượng tích trữ của toàn bộ hệ thống bằng cách giảm sự méo trường theo trục q (δ=0) Nếu góc tải δ được giữ là hằng số thì năng lượng điện từ sẽ tiếp tục được chuyển đổi thành năng lượng cơ và sẽ quay với tốc độ bằng tốc độ ωs Động cơ đồng bộ từ trở tạo ra mô-men bằng sự biến đổi từ trở của chuyển động gây ra bởi vị trí của rotor Do đó, mô-men từ trở tạo ra bởi SynRM dựa trên ảnh hưởng của cực lồi và tỉ lệ với sai phân của độ tự cảm từ hoá 𝐿 𝑑 − 𝐿 𝑞 của trục d-q trong hệ toạ độ của rotor Để tối đa hoá mô-men ngõ ra tạo bởi động cơ, cần yêu cầu tăng tỉ số 𝐿 𝑑 trên 𝐿 𝑞 hay còn gọi là “tỉ số lồi” Thông số này là chìa khoá trong thiết kế động cơ và tối ưu hoá quá trình hoạt động của nó
Hình 2.5 Mô hình hóa trường từ tác động rotor [32]
2.2.2 So sánh với các động cơ phổ biến hiện nay
Với sự đa dạng về chủng loại động cơ hiện nay có thể kể đến như động cơ đồng bộ kích từ, động cơ đồng bộ nam châm vĩnh cửu, động cơ không đồng bộ rotor lồng sóc, động cơ không động bộ rotor dây quân, động cơ dc… thì mỗi loại động cơ sẽ có đặc trưng việc tùy làm phạm vi hoạt động và tối ưu về mặt kinh tế mà ta sẽ sử dụng loại động cơ tương ứng Trong đó, động cơ đồng bộ từ trở là một trong hai loại động cơ đồng bộ hiệu suất cao nhất cho đến thời điểm hiện tại vì thành phần tổn thất không còn thành phần dòng điện ở rotor Để có cái nhìn tổng quan về các loại động cơ ta có thể tham chiếu bảng so sánh sau đây:
Bảng 2.1 so sánh 3 loại động cơ cùng công suất và tốc độ định mức như sau: [28]
So sánh 3 loại động cơ cùng công suất 15 kW và tốc độ 1500 rpm
Loại động cơ Động cơ không đồng bộ IE2 Động cơ đồng bộ từ trở Động cơ đồng bộ nam châm vĩnh cữu
Từ bảng so sánh 2.1 ta nhận thấy sự ưu việt mang lại từ 2 loại động cơ đồng bộ này Trong đó với cùng mức độ về tốc độ và công suất hạng trung (15kW) thì moment của động cơ đồng bộ nam châm vĩnh cửu cho giá trị lớn nhất và tổn hao thấp nhất Tiếp đến là động cơ đồng bộ từ trở và động cơ không đồng bộ hiệu suất cao ( chuẩn IE2) Tuy nhiên, về mặt sản xuất và giá thành thì động cơ đồng bộ nam châm vĩnh cửu chưa tối ưu như động cơ đồng bộ từ trở Do đó việc ứng dụng, nghiên cứu động cơ đồng bộ từ trở là phương hướng đúng đắn và nên phát huy hiện nay.
Mô hình toán học hệ trục abc
Mô hình mạch điện tương đương của stator SynRM được biểu diễn như sau:
Hình 2.6 Mô hình tương đương của Stator SynRM [30]
Mô hình tương đương của Stator SynRM bao gồm 3 cuộn dây đấu hình sao 3 pha với điện áp vào lần lượt là 𝑣 𝑎 , 𝑣 𝑏 , 𝑣 𝑐 Trong đó các phần từ 𝐿 𝑠 và 𝑅 𝑠 lần lượt là cảm kháng và trở kháng của các cuộn dây Bên cạnh đó, để dẽ hình dung cấu trúc quấn dây của SynRM ta có mô hình hóa mặt cắt của SynRM được thể hiện như sau:
Hình 2.7 Mô hình mặt cắt SynRM [30]
Các cuộn dây ba pha được sắp xếp hình học để tạo ra từ trường tổng xoay tròn đều quay rotor để tạo ra lực moment kéo rotor đi với tốc độ đồng bộ bằng với tốc độ xoay của từ trường Trong hình minh họa rõ hệ trục tọa độ rotor dq để ứng dụng trong việc tính toán với 𝜃 𝑟 là góc cơ của rotor so với trục stator Để có cái nhìn tổng quan hơn về số cặp cực của động cơ đồng bộ từ trở ta tham khảo hình sau:
Hình 2.8 Ví dụ về SynRM 1 cặp cực và 2 cặp cực [32]
Hình trên minh họa cho cấu trúc quấn dây của động cơ 1 cặp cực và 2 cặp cực Trong đó hình a là động cơ 1 cặp cực Hình b là động cơ 2 cặp cực Về nguyên lý vận hành, động cơ có số cặp cực càng lớn thì tốc độ càng chậm và ngược lại Tùy mục đích ứng dụng ta có thể xây dựng động cơ một hoặc nhiều cặp cực tương ứng
Ma trận giá trị cảm kháng và hỗ cảm của động cơ đồng bộ từ trở được định nghĩa như sau:
Có hai phương pháp xác định ma trận cảm kháng của động cơ từ trở Phương pháp thứ nhất ta tiên hành đo thực nghiệm tại các phòng thí nghiệm có đủ cơ sở hạ tầng để thực hiện phép đo chính xác cụ thể cho từng pha Phương pháp thứ hai ta đo điện cảm và hỗ cảm đơn giản (hài cơ bản) của một pha và quy ra giá trị tổng quát với công thức như sau:
𝐿 𝑠 : Điện cảm tự thân của từng pha
𝐿 2 : Điện cảm dao động của 𝐿 𝑠 và 𝑀 𝑠
𝑀 𝑠 : Điện cảm móc vòng 1 pha
Trong từng nghiên cứu cụ thể có thế lấy giá trị lý tưởng của cảm kháng hoặc chính xác để tính toán tùy thuộc vào phạm vi từng nghiên cứu cụ thể
Bỏ qua tổn hao sắt, ta có phương trình điện áp stator được thể hiện đơn giản như sau:
[𝜳] = [𝛹 𝑎 𝛹 𝑏 𝛹 𝑐 ] 𝑇 : Vector từ thông móc vòng qua các cuộn dây
R : Điện trở một pha của Stator
𝑳(𝑝𝜃) : Ma trận từ cảm của Stator
Phương trình momen lý tưởng bỏ qua ma sát và quán tính của động cơ đồng bộ từ trở được thể hiện như sau:
Phương trình momen có tính đến ma sát và quán tính của động cơ đồng bộ từ trở được thể hiện như sau:
B: hệ số ma sát cơ
J: hệ số quán tính của động cơ
Phương trình moment có thể áp dụng phương trình đơn giản lượt bỏ hai trọng số ma sát và quán tính hoặc có thể áp dụng chi tiết đầy đủ hai yếu tố trên để tính toán Trong phạm vi đề tài, em sẽ áp dụng phương trình tính toán lượt bỏ trọng số ma sát và quán tính nhằm đơn giản hóa bài toán Sau khi có được kết quả dòng điện tối ưu sẽ áp dụng cho mô hình động cơ chính xác có quán tính và ma sát để mô phỏng sát thật tế nhất có thể.
Mô hình toán học hệ trục dq
Khi bỏ qua tổn hao sắt, ta có phương trình điện áp ở hệ trục dq được thể hiện như sau:
𝑖 0 ] đặc trưng cho sự tương hỗ qua lại giữa i ds và i qs và
L d và L q là từ cảm quy về hệ quy chiếu d và q với công thức như sau [35]:
Tổng thông lượng qua các cuộn dây theo d và q được thể hiện:
Từ [2.7] ta có thể viết lại phương trình điện áp như sau:
[2.10] Để có thể nhìn rõ hơn về các thành phần toán học của động cơ đồng bộ từ trở ta tham chiếu sơ đồ vector như sau: Ψds v ds i ds trục d Ψs i s δ φ i qs Ψqs v s v qs trục q
Hình 2.9 Sơ đồ vector bỏ qua tổn thất sắt [28]
Phép biến đổi Park
Hệ trục abc và hệ trục dq là hai hệ trục phổ biến để tính toán máy điện quay đặc trưng cho điện áp ba pha và rotor Tùy vào mục đích cụ thể ta sẽ xác định phương pháp tính toán sẽ ứng dụng trên hệ trục cụ thể Để chuyển đổi giữa các hệ trục ta có phép biến đổi Park được định nghĩa bởi:
Phương trình trên được định nghĩa là phép biến đổi thuận từ hệ trục abc sang hệ trục dq Phương trình tiếp theo là phép biến đổi nghịch từ hệ trục dq trở về hệ trục abc:
Trong đó ma trận Park được định nghĩa như sau:
Sau khi xác định được các phương trình đặc trưng của động cơ đồng bộ từ trở, chương sau sẽ đi vào phần tính toán thật tế và áp dụng các phương pháp tính toán tối ưu cho động cơ đồng bộ từ trở cụ thể.
TÍNH TOÁN DÒNG ĐIỆN TỐI ƯU CHO ĐỘNG CƠ ĐỒNG BỘ TỪ TRỞ
Thông số động cơ
Đề tài sử dụng thông số động cơ A và B là động cơ thật tế của ABB Động cơ A có khuynh hướng thiên về thông số moment và tốc độ ở mức trung bình nhằm ứng dụng cho các lĩnh vực không cần tốc độ cao nhưng cần moment lớn.Và động cơ B có khuynh hướng thiên về động cơ tốc độ cao nhằm ứng dụng cho các lĩnh vực cần tốc độ xoay lớn
Bảng 3.1 thể hiện thông số của động cơ A như sau [29]:
Bảng 3.1 Thông số động cơ A [29]
Công suất định mức 𝑃 𝑁 = 1.1 [kW]
Dòng định mức 𝐼 𝑟𝑚𝑠 = 3 [A] Điện trở stator 𝑅 𝑠 = 6.2 [Ohm]
Tốc độ định mức Ω 𝑁 = 1500 [rpm]
Quán tính của rotor J= 0.002 [kg 𝑚 2 ] Với thông số điện cảm đo được [29]:
Bảng 3.2 thể hiện thông số của động cơ B như sau [11]:
Bảng 3.2 Thông số động cơ B [11]
Dòng định mức 𝐼 𝑟𝑚𝑠 = 20 [A] Điện trở stator 𝑅 𝑠 = 0.83 [Ohm]
Tốc độ định mức Ω 𝑁 = 15000 [rpm]
Quán tính của rotor J= 0.0000185 [kg 𝑚 2 ]
Với thông số điện cảm đo được [11]:
Phương pháp tính toán dòng điện tối ưu
Đề tài sẽ áp dụng ba phương pháp tính toán tối ưu Từng phương pháp sẽ đạt được các giá trị cụ thể và có sự khác nhau về mặt tối ưu rõ rệt cho từng trường hợp Các phương pháp tính toán tối ưu được áp dụng: phương pháp cận tối ưu, phương pháp Largrange, phương pháp hình học
3.2.1 Trường hợp có dòng trung tính (𝒊 𝒉 ≠0) Đối với trường hợp điều khiển có sử dụng dây trung tính, vì tính chất phức tạp của hệ bốn phương trình bốn ẩn bậc hai Đề tài sẽ sử dụng phương pháp hình học để tính toán trong trường hợp này (𝑖 𝑜𝑝𝑡−2 ) Phương pháp cận tối ưu (𝑖 𝑜𝑝𝑡−0 ) và tối ưu Largrange (𝑖 𝑜𝑝𝑡−1 ) sẽ được áp dụng trong trường hợp không có dây trung tính
Hình 3.1 Phương pháp điều khiển có dòng trung tính 𝑖 ℎ [29]
Khi 𝑖 ℎ ≠ 0 ta có ma trận Park được định nghĩa như sau:
Phương trình Moment của SynRM được định nghĩa như sau [26]:
𝑇 𝑟𝑒𝑓 : Giá trị moment không đổi (reference)
𝑇 𝑝𝑢𝑙 : Giá trị moment giao động Để 𝑇 𝑒 là hằng số ta phải giảm thiểu tối đa được 𝑇 𝑝𝑢𝑙 Từ [26] ta nhận thấy để tối thiểu hóa 𝑇 𝑝𝑢𝑙 chỉ có thể dùng dòng điện có chứa các sóng hài bậc cao Phương trình Moment có thể viết lại như sau:
[𝑰]: Vector dòng điện chứa hài bậc cao
Từ phương trình [3.5] ta nhận thấy có vô số giá trị thỏa mãn yêu cầu Do đó để có được dòng điện tối ưu ta cần thêm các điều kiện biên cho phương trình Và tổn thất tối thiểu là một điều kiện quan trọng và xét trong phạm vi luận văn Phương pháp hình học sử dụng hình học trên mặt phẳng ba chiều để trực quan hóa dòng điện ba chiều và tổn thất hiệu ứng Joule Đối với điều này, ta sử dụng một hệ trục tọa độ không gian Descartes (O, x, y, z) với x = 𝑖 𝑎 , y = 𝑖 𝑏 , z = 𝑖 𝑐
Hình 3.2 Mặt phẳng tối ưu tổn thất (P) và mặt phảng tối ưu mô men (𝑇 𝑒 ) [29]
Gọi các điểm M có tọa độ i thỏa mãn sao cho tất cả các điểm M của bề mặt này có cùng giá trị Momen 𝑇 𝑒 Ta có mặt phẳng 𝑇 𝑒 có hình dạng như trên Mặt phẳng P được định nghĩa là mặt phẳng tối ưu về tổn thất Đo đó ta có thể xác định được vector
K là vector tối ưu giữa hai mặt phẳng nhằm đạt tối ưu về mô men và tối ưu về tổn thất
Hình 3.3 Mặt phẳng hình học mô phỏng mặt phẳng 𝑇 𝑒 và dòng điện tối ưu của
Với phương trình mặt phẳng đồng Momen như sau:
Từ [3.6] ta biểu diễn thành:
Từ đó ta có Vector K được định nghĩa như sau:
𝑖 𝑐 ] [3.8] Để giảm thiểu tổn thất do hiệu ứng Joule, ta cần vector i phải là vector tuyến tính với vector K và là nhỏ nhất Cách tiếp cận hình học cho vấn đề cho thấy giải pháp tối ưu
𝑖 𝑜𝑝𝑡−2 cho dòng điện là vector đồng tuyến tính với vector K: ∂L
∂𝜃 𝑖 𝑜𝑝𝑡−2 và do đó vuông góc với mặt phẳng tiếp tuyến với tứ giác
Gọi vector [𝑰 𝑜𝑝𝑡−2 ] là vector tỉ lệ với vector K:
Với a là hệ số tỉ lệ
Phương trình [3.10] là phương trình giá trị riêng và vector riêng ứng với ma trận ∂L
Từ đó ta tìm vector riêng và giá trị riêng của ma trận ∂L
∂𝜃 Từ đó ta có tìm được vector riêng, giá trị riêng nhỏ nhất tối ưu cần tìm
[𝑽 𝑃𝑖 ]: là vector trị riêng đơn vị của ma trận ∂[𝐋]
𝑎 𝑖 : giá trị riêng của ma trận ∂L
∂𝜃 liên kết với các vector 𝑉 𝑃𝑖 Trong đó λ 1 có giá trị lớn nhất và λ 3 là nhỏ nhất
Vector [𝑰] = [𝑰 𝑜𝑝𝑡−2 ] được tìm kiếm tỉ lệ thuận với vector riêng [𝑽 𝑃𝑖 ] của ma trận
Do đó dòng điện tối ưu được biểu diễn như sau:
Thay vào phương trình Momen ta có:
Vậy dòng điện tối ưu là:
Dựa vào phương pháp góc Euler, ta chứng minh được:
Nếu 𝑇 𝑒 > 0 , [𝑰 𝑜𝑝𝑡−2 ] sẽ được tính toán dựa trên λ 1 và [𝑽 𝑃1 ]:
Nếu 𝐶 𝑒𝑚 < 0 , [𝑰 𝑜𝑝𝑡−1 ] sẽ được tính toán dựa trên λ 3 và 𝑉 𝑃3 :
Trong phạm vi đề tài chỉ xét trường hợp giá trị mô men dương và tính toán dựa trên công thức 3.16
3.2.2 Trường hợp không có dòng trung tính (𝒊 𝒉 = 0)
Trường hợp không có dòng trung tính là trường hợp động cơ không sử dụng dây trung tính khi đấu mô hình sao của stator Đối với trường hợp này, đề tài sẽ phân tích ba giải pháp tính toán tối ưu cho dòng điện Kết quả thu được sẽ là ba dòng điện tối ưu cho các loại động cơ tính toán
Hình 3.4 phương pháp điều khiển không có dòng trung tính 𝑖 ℎ [29]
Khi 𝑖 ℎ = 0 ta có ma trận Park được định nghĩa như sau:
3.2.2.1 Phương pháp 01: cận tối ưu (𝐢 𝐨𝐩𝐭−𝟎 )
Là phương pháp dựa trên phương trình tổn thất đồng của stator trên hệ trục dq:
Dựa vào phương trình tổn thất đồng ở stator ta nhận thấy để tối ưu cơ bản về mặt tổn thất ( giá trị tổn thất bé nhất có thể đạt được) ta sẽ điều khiển động cơ bằng dòng điện 𝑖 𝑑 = 𝑖 𝑞 = 𝑖 𝑜𝑝𝑡−0
Biểu thức Mô-men điện từ có thể viết lại như sau:
𝑖 𝑞 ] [3.20] Định nghĩa ma trận [A] như sau:
Lúc đó Te sẽ trở thành:
Với 𝑖 𝑑 = 𝑖 𝑞 = 𝑖 𝑜𝑝𝑡−0 ta viết lại phương trình moment như sau:
Trong ngành tối ưu hóa, phương pháp nhân tử Lagrange (đặt theo tên của nhà toán học Joseph Louis Lagrange) là một phương pháp để tìm cực tiểu hoặc cực đại của một hàm số với các điều kiện giới hạn xác định
Khi gặp một bài toán mà chúng ta gặp điều kiện của hàm f(x,y) với điều kiện ràng buộc là g(x,y)=0 Để tìm cực trị của hàm này khi có điều kiện ràng buộc ta sẽ đi thiết lập hàm Lagrange:
Trong đó 𝜆 là một hằng số chưa xác định, gọi là nhân tử Lagrange Điều kiện cần của cực trị là hệ phương trình sau:
Khi giải hệ phương trình này ta sẽ được bộ số (𝑥 0 , 𝑦 0 , 𝜆 0 ) là nghiệm của hệ điểm dừng Khi đó ta sẽ so sánh f(𝑥 0 , 𝑦 0 ) với f(𝑥 1 , 𝑦 1 ) - trong đó (𝑥 1 , 𝑦 1 ) là một bộ số khác thỏa mãn điều kiện g(x,y)=0 mà thông thường sẽ là các giá trị biên để kiểm tra xem điểm dừng là cực đại hay cực tiểu
Từ phương trình đặc trưng của phương pháp Largrange ta xác định hàm cực tiểu hóa cần thiết chính là hàm tổn thất đồng stator Và hàm điều kiện ràng buộc chính là hàm giao động moment = 0 Từ đó ta có phương trình đặc trưng Largrange cho động cơ đồng bộ từ trở như sau:
Với λ là hệ số nhân Lagrange Đạo hàm lần lượt L theo 𝑖 𝑑 và 𝑖 𝑞 ta được:
Trong đó 𝑖 𝑑_𝑜𝑝𝑡 và 𝑖 𝑞_𝑜𝑝𝑡 là các thành phần dòng điện d,q tối ưu
Từ (3.30) và (3.31), ta thu được 𝜆 được biểu diễn sau:
Và dòng 3 pha tối ưu thu được như sau:
Tóm tắt
Từ kết quả của các phép tính trên, ta có kết quả nhận xét như sau:
Dòng tối ưu 𝑖 𝑜𝑝𝑡2 đạt được từ phương pháp tiếp cận hình học cho thấy độ tối ưu rõ rệt với kết quả giao động mô men bằng 0 Tổn thất ở Stator là thấp nhất so với các phương pháp còn lại từ 𝑖 𝑜𝑝𝑡0 và 𝑖 𝑜𝑝𝑡1 Bên cạnh đó, 𝑖 𝑜𝑝𝑡2 trong trường hợp có dòng trung tính so với 𝑖 𝑜𝑝𝑡2 trong trường hợp không có dòng trung tính cho hiệu quả cao hơn về mặt tổn thất và giảm giao động mô men Điều đó cho thấy sự tác động của dòng trung tính vào giá trị mô men và tổn thất khiến cho mô mên động cơ tăng, nhờ đó mà giảm được tổn thất của động cơ
Bảng 3.3 Các giá trị dòng điện tối ưu cho SynRM
Phương pháp Dòng điện tối ưu Ứng dụng tối ưu
𝑝 (𝐿 2 + 2𝑀 2 ) Điều khiển các máy SynRM hình Sin Không tối ưu
Dòng cận tối ưu – i opt−0 𝑖 𝑑0 = 𝑖 𝑞0 = √ 𝑇 𝑒
𝑎(𝑝𝜃) + 𝑏(𝑝𝜃) + 2𝑐(𝑝𝜃) Điều khiển các máy SynRM phi Sin Chưa tối ưu
𝜆 𝑐 Điều khiển các máy SynRM phi Sin Tối ưu
𝜆 1 [𝑽 𝑃1 ] Điều khiển các máy SynRM phi Sin Tối ưu
Bảng 3.1 là bảng tổng kết các giá trị tính toán tối ưu có được trong chương 3 Tiếp theo sẽ là các giá trị kết quả tính toán áp dụng thật tế cho thông số hai động cơ A và
Kết quả tính toán dòng tối ưu
Như thông số trình bày trong phần 3.1 thì ta có thể thấy động cơ A là loại động cơ đặc trưng về độ lớn mô men và có 2 cặp cực Đối với các dòng động cơ này mục đích sử dụng là để cho các lĩnh vực cần lực kéo lớn, kéo các phụ tải lớn mà không cần tốc độ cao Trong phần này, đề tài sẽ phân tích kết quả tính toán của bốn trường hợp cụ thể với thông số động cơ A Hai trường hợp đầu là hai trường hợp lý tưởng Hai trường hợp sau là hai trường hợp thông số thật tế đo đạc được từ phòng thí nghiệm [29]
3.4.1.1 Trường hợp lý tưởng (𝑴 𝟐 =𝑳 𝟐 ) Đây là trường hợp lý tưởng hóa cho động cơ A Trong đó, Giá trị điện cảm và hỗ cảm của động cơ A chỉ tồn tại thành phần đến hài bậc 2 với biên độ hài bậc hai của cảm kháng và hỗ cảm là bằng nhau Do đó, gía trị ma trận điện cảm pha a của động cơ A sẽ trở thành:
Các giá trị tự cảm và hỗ cảm của động cơ A trường hợp này sẽ dịch đi 120 độ và được thể hiện hình học ba pha như hình sau:
Hình 3.5 Giá trị cảm kháng và hỗ cảm động cơ A
Kết quả tính toán dòng điện tối ưu như sau:
Hình 3.6 Giá trị dòng điện tối ưu pha a của động cơ A
Chính vì đây là trường hợp lý tưởng nhất mà một động cơ đồng bộ từ trở có thể đạt được nên giá trị tối ưu của tất cả phương pháp tiếp cận đều cho kết quả như nhau và như dòng điện dạng sin thông thường
Giá trị mô men của các dòng điện tối ưu tương ứng:
Hình 3.7 Giá trị Mô men ứng với các dòng điện tối ưu của động cơ A
Chính vì các dòng điện là giống nhau hoàn toàn nên giá trị mô men ứng với các giá trị dòng điện đều là giá trị tối ưu bằng nhau và không dao động
Tổn thất giữa các phương pháp
Hình 3.8 Tổn thất tương đối giữa các dòng điện tối ưu
Tổn thất giữa các phương pháp đều như nhau và là tối ưu nhất Tóm lại, đối với trường hợp lý tường khi 𝑴 𝟐 = 𝑳 𝟐 thì ta chỉ cần điều khiển bằng dòng điện hình sin Không cần áp dụng các phương pháp tính toán tối ưu
3.4.1.2 Trường hợp tổng quát (𝑴 𝟐 ≠𝑳 𝟐 ) Đây là trường hợp cận lý tưởng khi gía trị ma trận điện cảm và hỗ cảm của động cơ đồng bộ từ trở chỉ có thành phần hài bậc 2 và giá trị biên độ của thành phần hài bậc
2 này là khác nhau Từ đó giá trị điện cảm và hỗ cảm pha a của động cơ A sẽ trở thành:
3 )) Các giá trị tự cảm và hỗ cảm của động cơ A khác trong trường hợp này sẽ dịch đi
120 độ và được thể hiện hình học ba pha như hình sau:
Hình 3.9 Giá trị cảm kháng và hỗ cảm động cơ A
Kết quả tính toán dòng điện tối ưu như sau:
Hình 3.10 Giá trị dòng điện tối ưu pha a của động cơ A
Từ kết quả ta có thể thấy được rằng dòng điện tối ưu 𝑖 𝑜𝑝𝑡2 cho kết quả khác so với dòng điện sin thông thường và từ hai dòng tối ưu còn lại 𝑖 𝑜𝑝𝑡0 và 𝑖 𝑜𝑝𝑡1 Trong đó, giá trị của dòng điện 𝑖 𝑜𝑝𝑡2 có chứa các giá trị hài bậc cao khi thành phần hài bậc 2 của điện cảm và hỗ cảm của động cơ đồng bộ từ trở có giá trị biên độ khác nhau (𝑴 𝟐 ≠
Giá trị mô men của các dòng điện tối ưu tương ứng:
Hình 3.11 Giá trị Mô men ứng với các dòng điện tối ưu của động cơ A
Về giá trị mô men đạt được từ các phương pháp tối ưu so với phương pháp điều khiển dòng điện sin thông thường là như nhau Do đó có thể kết luận rằng trường hợp cận lý tưởng và lý tưởng của động cơ đồng bộ từ trở thì khi điều khiển bằng dòng điện sin thông thường hay các phương pháp tối ưu đều cho giá trị mô men không dao động
Hình 3.12 Tổn thất tương đối giữa các dòng điện tối ưu
So với phương pháp không sử dụng dây trung tính thì phương pháp sử dụng dây trung tính 𝑖 𝑜𝑝𝑡2 sẽ tồn tại dòng điện trên dây trung tính là dòng điện hình sin với giá trị biên độ = 0.5 (A) Dòng trung tính này sẽ tác động tương đối đến giá trị tổn thất tổng của stator động cơ tuy nhiên không đáng kể so với dòng điện 3 pha abc còn lại Tổn thất giữa các phương pháp
Hình 3.13 Tổn thất tương đối giữa các dòng điện tối ưu
Về mặt tổn thất, ta có thể thấy rõ kết quả tối ưu mà dòng điện 𝑖 𝑜𝑝𝑡2 mang lại Trong đó, ba dòng điện điều khiển sin, 𝑖 𝑜𝑝𝑡0 , 𝑖 𝑜𝑝𝑡1 là có giá trị tổn thất bằng nhau và xấp xỉ 1.04 đơn vị tương đối, lớn hơn 0.04 so với dòng điện tối ưu 𝑖 𝑜𝑝𝑡2 Từ đó có thể kết luận phương pháp tiếp cận điều khiển dòng 𝑖 𝑜𝑝𝑡2 cho kết quả tổn thất tối ưu hơn so với các phương pháp còn lại trong trường hợp này
3.4.1.3 Trường hợp động cơ A có giá trị cảm kháng chứa hài bậc cao và hỗ cảm bằng 0 Đây là một trong nhưng trường hợp thật tế của động cơ đồng bộ từ trở Trong đó, giá trị điện cảm và cảm kháng của động cơ chứa đựng các giá trị hài bậc cao Bằng biện pháp triệt tiêu hổ cảm ta có được giá trị hỗ cảm gần như bằng không Đây là một trong những động cơ chuyên dụng sử dụng trên lĩnh vực hàng không Từ đó, ta có gía trị ma trận điện cảm pha a của động cơ A sẽ trở thành:
Các giá trị tự cảm và hỗ cảm của động cơ A các pha còn lại trong trường hợp này sẽ dịch đi 120 độ và được thể hiện hình học ba pha như hình sau:
Hình 3.14 Giá trị cảm kháng và hỗ cảm động cơ A
Kết quả tính toán dòng điện tối ưu như sau:
Hình 3.15 Giá trị dòng điện tối ưu pha a của động cơ A
Khi ứng dụng thông số động cơ thật tế có được, giá trị dòng điện các phương pháp tối ưu đều xuất hiện các thành phần hài bậc cao Trong đó, dòng điện 𝑖 𝑜𝑝𝑡2 là có giá trị hài bậc cao tương đối lớn gây méo dạng hoàn toàn dòng điện 𝑖 𝑜𝑝𝑡2 so với các phương pháp còn lại
Giá trị mô men của các dòng điện tối ưu tương ứng:
Hình 3.16 Giá trị Mô men ứng với các dòng điện tối ưu của động cơ A
Về mặt giá trị mô men đầu ra ta thấy được khi ứng dụng các phương pháp tối ưu sẽ có được kết quả giá trị mô men là hằng số (7 N.m) so với giá trị dao động xung quanh giá trị 7 N.m của phương pháp điều khiển dòng sin thông thương Đây là kết quả tối ưu mà các phương pháp tiếp cận mang lại Giải quyết được triệt để yếu điểm của động cơ đồng bộ từ trở vốn có Dòng điện trung tính các phương pháp:
Hình 3.17 Dòng điện trung tính giữa các phương pháp tối ưu
Tương tự như dòng điện 3 pha 𝑖 𝑜𝑝𝑡2 , dòng trung tính của 𝑖 𝑜𝑝𝑡2 cũng chứa các sóng hài bậc cao Dòng trung tính của ba phương pháp còn lại sẽ bằng 0 như hình
Tổn thất giữa các phương pháp:
Hình 3.18 Tổn thất tương đối giữa các dòng điện tối ưu
Kết quả và nhận xét
Dựa vào kết quả tính toán được, đề tài có thể kết luận được rằng đối với trường hợp điều khiển không đấu nối dây trung tính Phương pháp tối ưu nhất được đề xuất là điều khiển bằng dòng điện 𝑖 𝑜𝑝𝑡1 Đối với trường hợp có sử dụng dây trung tính thì
𝑖 𝑜𝑝𝑡2 cho giá trị tối ưu nhất về khía cạnh mô men và tổn thất Phương pháp điều khiển dòng điện sin thông thường không mang lại giá trị tối ưu trong thật tế, chỉ có thể ứng dụng trong lý thuyết cho các thông số lý tưởng Để có thể điều khiển được động cơ đồng bộ từ trở một cách tối ưu nhất, ta không thể sử dụng trực tiếp dòng điện tối ưu này để áp dụng trực tiếp cho động cơ Các thông số tôi ưu có thể khác biệt đôi chút khi áp dụng vào thực nghiệm Để có thể thích ứng được dòng điện tối ưu đúng với thật tế, đề tài sẽ sử dụng kết quả tính toán tối ưu từ chương 3 này để đem vào mô phỏng với thuật toán học tập Adaline để tìm được dòng điện tối ưu theo phương pháp Adaline và mô phỏng điều khiển ứng với hai thông số động cơ A, B với các hệ số ma sát và quán tính thật tế
Nội dung chương sau sẽ giới thiệu về mô hình học tập Adaline và các hệ số sử dụng trong mạng Adaline.
MẠNG ADALINE
Tổng quan
Mạng nơ-ron nhân tạo hay thường gọi ngắn gọn là mạng nơ-ron là một mô hình toán học hay mô hình tính toán được xây dựng dựa trên các mạng nơ-ron sinh học Nó gồm có một nhóm các nơ-ron nhân tạo (nút) nối với nhau, và xử lý thông tin bằng cách truyền theo các kết nối và tính giá trị mới tại các nút (cách tiếp cận connectionism đối với tính toán) Trong nhiều trường hợp, mạng nơ-ron nhân tạo là một hệ thống thích ứng (adaptive system) tự thay đổi cấu trúc của mình dựa trên các thông tin bên ngoài hay bên trong chảy qua mạng trong quá trình học
Hình 4.1 Mạng ANN (Artificial Neural Network) [32]
Một mạng ANN sẽ có 3 kiểu tầng:
Tầng vào (input layer): Là tầng bên trái cùng của mạng thể hiện cho các đầu vào của mạng
Tầng ra (output layer): Là tầng bên phải cùng của mạng thể hiện cho các đầu ra của mạng
Tầng ẩn (hidden layer): Là tầng nằm giữa tầng vào và tầng ra thể hiện cho việc suy luận logic của mạng.
Cấu trúc mạng ADALINE
Trong thực tế sử dụng, nhiều mạng nơ-ron được sử dụng như các công cụ mô hình hóa dữ liệu thống kê phi tuyến Chúng có thể được dùng để mô hình hóa các mối quan hệ phức tạp giữa dữ liệu vào và kết quả hoặc để tìm kiếm các dạng/mẫu trong dữ liệu Hình 4.2 cho thấy một sơ đồ khối nơron sinh học trong đó mỗi yếu tố đầu vào được xử lý bởi các trọng số và phương trình toán học để đưa vào các hàm chức năng riêng biệt để cho ra kết quả xử lý đầu ra
Hình 4.2 Nguyên lý hoạt động của các tế bào Neural [29] Đầu ra của mạng nơron được cho bởi biểu thức trong phương trình:
𝑦 = 𝑓(s) = 𝑓(∑ 𝑛 𝑘=1 𝑥 𝑘 𝑤 𝑘 + 𝑏 𝑤 0 ) [4.1] Adaline (Adaptive Linear Neuron) là một mạng nơ ron nhân tạo một lớp được phát triển bởi Giáo sư Bernard Widrow và sinh viên tốt nghiệp Ted Hoff tại Đại học Stanford vào năm 1960 Adaline dựa trên tế bào thần kinh McCulloch–Pitts Nó được cấu thành từ các hàm trọng số, một hàm xử lý và một hàm tổng Sự khác biệt giữa tế bào Adaline và tế bào tiêu chuẩn (McCulloch–Pitts) là trong giai đoạn học tập, các trọng số được điều chỉnh theo tổng trọng số của đầu vào Một mạng lưới nhiều đơn vị ADALINE được gọi là MADALINE Hình 4.3 minh họa cho nguyên lý hoạt động của một mạng ADALINE thông dụng:
Hình 4.3 Cấu trúc của một ADALINE [29]
Vector đầu vào X(k) đáp ứng mong muốn y(k) được định nghĩa:
Vector trọng số đầu vào W(n) được xác định bởi:
Điều này sẽ cho kết quả của đầu ra ước lượng ADALINE:
𝑦(𝑛) 𝑒𝑠𝑡 = [𝑾] 𝑇 [𝑿(𝑛)] [4.4] Các trọng số được cập nhật bởi các thuật toán huấn luyện để giảm thiểu sai số e(n) là sự sai lệch của y(n) và 𝑦(𝑛) 𝑒𝑠𝑡
Các sai số được xác định bởi phương trình:
Các hệ số học tập được xác định sao tối thiểu hóa hàm J xác định bởi biểu thức:
Trọng số của ADALINE được cập nhật theo công thức:
Với η là các thiết lập học tập, n là chỉ số thời gian còn gọi là số chu kỳ điều chỉnh [W(n)] là vector của trọng số, [X(n)] là vector đầu vào
Các mạng ADALINE được xem là tương đối phù hợp cho vấn đề về giảm độ gợn mô men xoắn vì đây là trường hợp tính toán mà nhiều yếu tố khác nhau cùng tham gia vào quá trình tính toán này (gợn sóng mô-men xoắn, hiệu suất biến tần, sai số trong việc ước lượng các thông số tối ưu v.v ).
Ứng dụng Adaline điều khiển động cơ đồng bộ từ trở
Trong phạm vi đề tài, em sẽ sử dụng cấu trúc mạng ADALINE để xây dựng dòng điện tối ưu chuẩn tối ưu có thể tự học tập cho SynRM dựa trên các hệ số tính toán tối ưu tư chương Trong đó đầu vào là tổ hợp các hàm sin, cos đến bậc hài thứ n Sau khi có được đáp ứng đầu ra, giá trị đầu ra sẽ được nhân với hệ số gọi là hệ số optimal
Từ đó có được dòng điện trên hệ trục dq tối ưu Chi tiết về sơ đồ khối và giải thuật sẽ được trình bày trong phần phụ lục
Dữ liệu đầu vào được sử dụng là tổ hợp các sóng hài đến bậc 5 được định nghĩa như sau:
Với 𝑥 1 (𝑛) = 𝑐𝑜𝑠(𝑝𝜃 ∗ 𝑃) + 𝑠𝑖𝑛(𝑝𝜃 ∗ 𝑃) ứng với hài bậc 1 Tương tự cho các sóng hài bậc 2 đến bậc 5 Trong đó, giá trị P được định nghĩa bởi 𝑃 = 2 ∗
𝑠ố 𝑝ℎ𝑎 độ𝑛𝑔 𝑐ơ = 2 ∗ 3 = 6 Đây là thông số thực nghiệm đo đạc tối ưu trong [26]
Hàm trọng số được sử dụng trong mô phỏng được sử dụng đến hài bậc 5 tương ứng:
[𝑾(𝑝𝜃)] = [𝑤 1 (𝑝𝜃) 𝑤 2 (𝑝𝜃) 𝑤 3 (𝑝𝜃) 𝑤 4 (𝑝𝜃) 𝑤 5 (𝑝𝜃)] 𝑇 Với 𝑤 1 (𝑝𝜃) = η ∗ e(𝑝𝜃) ∗ (𝑐𝑜𝑠(𝑝𝜃 ∗ 𝑃) + 𝑠𝑖𝑛(𝑝𝜃 ∗ 𝑃) ứng với hài bậc 1 Tương tự cho các sóng hài bậc 2 đến bậc 5 Đây là hàm trọng số tối ưu dành cho điều khiển động cơ ứng với các giá trị đầu vào hài bậc cao tương ứng đã được chứng minh trong việc điều khiển động cơ đồng bộ nam châm vĩnh cữu [26] Với η là hệ số học tập và e(𝑝𝜃) sai số giữa moment đặt và moment đầu ra
Dữ liệu output đầu ra được định nghĩa bởi:
𝑦(𝑝𝜃) 𝑒𝑠𝑡 = 𝑊(𝑝𝜃) 𝑇 𝑋(𝑝𝜃) + 𝑏 ∗ 𝑤(0) Với 𝑏 ∗ 𝑤(0) = η ∗ e(𝑝𝜃) là hệ số độc lập với hàm điều hòa
4.3.4 Hệ số 𝑲 𝒐𝒑𝒕 Để làm rõ vấn đề tại sao lại phải sử dụng Adaline để học tập hệ số tối ưu cho dòng điện ta đi vào phân tích từng trường hợp cụ thể sau đây
4.3.4.1 Trường hợp có dòng trung tính Đối với trường hợp có dòng trung tính, ta đã tính được giá trị dòng điện tối ưu như sau:
Từ biểu thức dòng điện tối ưu trên ta nhận thấy dòng điện tối ưu khi sử dụng dây trung tính được cấu thành bởi tích vô hướng của hai thành phần chính √ 2.𝑇 𝑒 λ 1 hoặc
√ 2.𝑇 𝑒 λ 3 và [𝐕 P1 ] hoặc [𝐕 P3 ] Từ đây đề tải chỉ phân tích trường hợp mô men dương để giảm độ dài luận văn, do đó trường hợp mô men âm sẽ không được trình bày trong phần mô phỏng Với thành phần [𝐕 P1 ] là thành phần hệ số tối ưu cố định được xác định từ vector riêng của ma trận ∂𝐋(pθ)
∂θ không phụ thuộc vào giá trị mô men Từ đó ta sẽ sử dụng thành phần này như là thành phần cố định tối ưu ( gọi là vector 𝐾 𝑜𝑝𝑡2 ) Với hệ số λ có hình dạng như sau:
Hình 4.4 Các giá trị riêng tính toán của động cơ B
Nhận thấy giá trị riêng λ 1 có thể phân tích thành chuỗi Fourier tương ứng Bên cạnh đó khi điều khiển động cơ thật tế, hệ số √ 2.𝑇 𝑒 λ 1 sẽ không chuẩn xác như tính toán từ lý thuyết và có thể ảnh hưởng tới dòng điện tối ưu không đạt kết quả như mong muốn
Vì vậy, đề tài sẽ sử dung mạng Adaline để điều khiển được hệ số tối ưu này một cách hoàn hảo khi hệ số tối ưu sẽ tự thay đổi đến khi giá trị dòng điện đạt trạng thái tối ưu nhất Ta có thể hình dung lưu đồ điều khiển Adaline đơn giản như sau:
Hình 4.5 Hình ảnh xử lý giá trị tối ưu 𝑰 𝑜𝑝𝑡2
4.3.4.2 Trường hợp không có dòng trung tính Đối với phương pháp cận tối ưu 𝑖 𝑜𝑝𝑡0 (𝑖 𝑑 = 𝑖 𝑞 ) đề tài sẽ không áp dụng Adaline vì hệ số tối ưu giữa 𝑖 𝑑 và 𝑖 𝑞 của phương pháp này là 1 Và trường hợp này cũng không tối ưu bằng các phương pháp còn lại Đối với trường hợp tối ưu Lagrange ta nhận thấy dòng điện tối ưu có biểu thức như sau: i q_opt =(1 − λ a) i d_opt λ c Tương tự trường hợp có dòng trung tính, ta có thể nhận thấy được biểu thức dòng điện i q_opt được cấu thành bởi hai thành phần chính Phần thứ nhất chính là hệ số tối ưu (1−λ.a) λ.c với λ = (a+b)−√(a−b) 2 +4.c 2
2.(a.b−c 2 ) không phụ thuộc vào giá trị mô men Do đó ta gọi đây là hệ số tối ưu cố định 𝐾 𝑜𝑝𝑡1 Thành phần thứ hai là i d_opt có dạng hình học như sau:
Hình 4.6 Dòng điện 𝑖 𝑑_𝑜𝑝𝑡 động cơ B
Nhận thấy dòng điện i d_opt có thể phân tích dưới dạng chuỗi Fourier tương ứng Do đó ta có thể xây dựng dòng điện i d_opt bằng mạng Adaline và kết hợp với hệ số 𝐾 𝑜𝑝𝑡1 để có được dòng điện tối ưu điều khiển động cơ Lưu đồ điều khiển Adaline trường hợp không có dòng trung tính có thể biểu diễn như sau:
Hình 4.7 Hình ảnh xử lý giá trị tối ưu 𝑰 𝑜𝑝𝑡1
Trong chương sau, đề tài sẽ áp dung mô phỏng thông số động cơ A và B ứng dụng với mạng Adaline thông qua hai phương pháp điều khiển phổ biến hiện nay chính là sử dụng biến tần và Hysterisis.
KẾT QUẢ MÔ PHỎNG
Thông số động cơ mô phỏng
Khi mô phỏng mô hình trong phần mềm Matlab, về mặt thông số động cơ, đề tài sẽ sử dụng phương trình gần đúng của biểu thức Mô men động cơ không chứa thành phần ma sát và quán tính của động cơ:
Thông số mô phỏng sẽ ứng với thông số 02 động cơ A, B như sau:
5.1.1 Động cơ A (trích từ chương 3)
Công suất định mức 𝑃 𝑁 = 1.1 [kW]
Dòng định mức 𝑖 𝑟𝑚𝑠 = 3 [A] Điện trở stator 𝑅 𝑠 = 6.2 [Ohm]
Tốc độ định mức Ω 𝑁 = 1500 [rpm]
Quán tính của rotor J= 0.002 [kg 𝑚 2 ] Giá trị hình học cảm kháng và hỗ cảm của động cơ A có thông số như sau:
Hình 5.1 Giá trị điện cảm và hỗ cảm của động cơ A
5.1.2 Động cơ B ( trích từ chương 3)
Dòng định mức 𝑖 𝑟𝑚𝑠 = 20 [A] Điện trở stator 𝑅 𝑠 = 0.83 [Ohm]
Tốc độ định mức Ω 𝑁 = 15000 [rpm]
Quán tính của rotor J= 0.0000185 [kg 𝑚 2 ]
Giá trị hình học cảm kháng và hỗ cảm của động cơ B có thông số như sau:
Hình 5.2 Giá trị điện cảm và hỗ cảm của động cơ B
Bộ điều khiển mô-men Adaline cho SynRM
Mô hình điều khiển giải thuật thích nghi Adaline cho động cơ đồng bộ từ trở được thể hiện như sau:
Park dq/abc Biến đổi Park dq/abc
Inverter Hysterisis Động cơ SynRM
Xác định vị trí rotor Iabc_motor pθ
Công tắc chuyển đổi Ɛ pθ Đo lường Iabc
Park abc/dq Iabc_motor pθ Adaline
Hình 5.3 Mô hình điều khiển động cơ SynRM
Bộ điều khiển dòng điện: Tính toán điện áp miền d-q ứng với dòng tối ưu
[Park]: Ma trận chuyển đổi Park
Hysterisis: Bộ điều khiển sử dụng nguyên lý hysterisis
Bộ biến đổi áp nguồn: tạo ra điện áp điều khiển động cơ miền a, b, c
Kopt: các giá trị tính toán tối ưu từ chương 3
Inverter: bộ inverter tạo xung điện áp điều khiển
Adaline: bộ xây dựng giá trị tham chiếu dòng tối ưu có thuật toán học tập
𝑇𝑒 𝑟𝑒𝑓 : giá trị mô men tham chiếu cần điều khiển
𝑇𝑒 𝑚𝑜 : giá trị mô men đạt được của động cơ
Mô hình mô phỏng
Mô hình mô phỏng sẽ được trình bày chi tiết trong phần phụ lục Trong đó các thông số được giữ nguyên khi mổ phỏng bao gồm: giá trị tốc độ động cơ A được giữ ở tốc độ n = 382 rpm Giá trị tốc độ động cơ B được giữ ở tốc độ n = 1432 rpm Giá trị học tập Adaline được sử dụng ở giá trị η = 0.05 Tổng quan mô hình sử dụng được thể hiện như hình sau:
Hình 5.4 Mô hình điều khiển động cơ SynRM
Kết quả mô phỏng
5.4.1 Điều khiển bằng khối Current Controller
Phương pháp sử dụng trong bộ Current Controller là phương pháp so sánh dòng điện và tính toán ra điện áp điều khiển dựa trên phương trình điện áp – dòng điện của động cơ SynRM tương ứng Từ đó kết hợp với bộ Inverter để cho ra các xung điều khiển ứng với điện áp mong muốn
Sơ đồ nguyên lý, phương trình sẽ được trình bày trong phụ lục
Hình 5.5 Giá trị 𝐾 𝑜𝑝𝑡 một pha của các phương pháp
Các giá trị K opt được lấy từ giá trị tính toán cho động cơ A ở chương 3 sau đó quy đổi thành chuỗi Fourier và nhập vào trong các khối mô phỏng của Matlab simulink Chi tiết phần quy đổi Fourier sẽ được trình bày ở mục lục
Giá trị dòng tối ưu Adaline:
Hình 5.6 Dòng điện tối ưu Adaline
Kết quả khi sử dụng bộ Adaline cho thấy được sự học tập tăng dần từ giá trị 0 của dòng điện lên giá trị tối ưu tuần hoàn Đến khi đạt giá trị tối ưu, các giá trị của các hàm trọng số không còn tác động đến các giá trị dòng điện, do đó kết quả sẽ được giữ với giá trị tối ưu nhất tại thời điểm tính toán
Các giá trị mô men tối ưu:
Hình 5.7 Các giá trị mô men tối ưu
Nhận xét với kết quả mô phỏng, ta có giá trị mô men không hoàn toàn là giá trị hằng số phẳng như tính toán lý thuyết ở chương 3 Đây là kết quả khi điều khiển thật tế, mô men vẫn tồn tại giá trị dao động nhất định tuy nhiên so với dòng điện sin vẫn tối ưu hơn rất nhiều
Giá trị hàm trọng số:
Hình 5.8 Hàm trọng số Adaline Đây là các giá trị của các hàm trọng số thay đổi theo thời gian từ lúc mới khởi động cho đến khi đạt tối ưu cho động cơ đồng bộ từ trở Sau khi có giá trị tối ưu thì giá trị các hàm tối ưu sẽ không thay đổi và đạt giá trị gần như là hằng số Đối với trường hợp Moment tải thay đổi, giá trị học tập Adaline thay đổi linh hoạt như kết quả mô phỏng:
Giá trị dòng tối ưu Adaline:
Hình 5.9 Dòng điện tối ưu Adaline thay đổi khi Mô men thay đổi
Tương tự như kết quả trước, ta có dòng điện tối ưu Adaline sẽ thay đổi từ từ sang giá trị tối ưu mới khi Mô men tham chiếu thay đổi Giá trị mô men mô phỏng trong trường hợp này được nhảy bậc từ 5 N.m sang 7 N.m tại mốc thời gian 0.1s để đánh giá sự học tập từ mạng Adaline mang lại Thời gian đáp ứng tương đối nhanh chỉ khoảng 0.03s
Giá trị mô men tối ưu:
Hình 5.10 Moment Opt so với moment đặt
Kết quả khi điều khiển có bộ Adaline cho giá trị bám mượt mà với giá trị tham chiếu Thời gian đáp ứng tương đối nhãnh chỉ khoảng 0.03s
Giá trị hàm trọng số
Hình 5.11 Hàm trọng số Adaline
Giá trị các hàm trọng số được cập nhật để thay đổi giá trị đầu ra của mạng Adaline một cách linh hoạt và nhanh chóng
Với bộ điều khiển Adaline, dòng điện tới ưu có khác biệt so với tính toán lý thuyết bởi vì ảnh hưởng của hệ số học tập Adaline và thay đổi linh hoạt so với kêt quả tính toán cố định
Thời gian học của Adaline tương đối nhanh 0.03s Đây là phương pháp có thể ứng dụng tốt trong thật tế góp phần cải thiện điểm yếu của động cơ đồng bộ từ trở và tăng hiệu suất động cơ
Hình 5.12 Giá trị 𝐾 𝑜𝑝𝑡 một pha của các phương pháp
Tương tự trường hợp động cơ A, ta xây dựng chuỗi Fourier cho các giá trị K opt Đối với động cơ B, K opt1 có phần méo dạng nhiều hơn so với động cơ A
Giá trị dòng tối ưu Adaline:
Hình 5.13 Dòng điện tối ưu Adaline không đổi
Tương tự trường hợp động cơ A, các thông số dòng điện đáp ứng tốc độ nhanh hơn động cơ A khoảng 0.01s
Hình 5.14 Moment tối ưu so với moment đặt
Giá trị mô phỏng cho thấy giá trị mô men từ các phương pháp tối ưu cho kết quả tốt hơn dòng điện sin rất nhiều Tuy nhiên ở động cơ B cho thấy kết quả mô men từ
𝑖 opt0 , 𝑖 opt1 , 𝑖 opt2 có đỉnh dao động lớn hơn động cơ A ( 2.2 Nm / 2 N.m so với động cơ A đạt 5.2 N.m / 5 N.m) Giá trị hàm trọng số:
Hình 5.15 Hàm trọng số Adaline Đối với trường hợp Moment tải thay đổi, giá trị học tập Adaline thay đổi linh hoạt như kết quả mô phỏng của động cơ A:
Giá trị dòng tối ưu opt-Adaline:
Hình 5.16 Dòng điện tối ưu Adaline thay đổi khi mô men thay đổi
Hình 5.17 Moment Opt so với moment đặt
Giá trị hàm trọng số
Hình 5.18 Hàm trọng số Adaline
Với bộ điều khiển Adaline, dòng điện tới ưu có khác biệt so với tính toán lý thuyết bởi vì ảnh hưởng của hệ số học tập Adaline và thay đổi linh hoạt so với kêt quả tính toán cố định Mô men đầu ra của giá trị mô phỏng không phải là giá trị hằng số, tuy nhiên so với phương pháp truyền thống vẫn đạt giá trị tối ưu
5.4.2 So sánh giữa việc sử dụng mạng Adaline và không sử dụng mạng Adaline 5.4.2.1 Cách tiếp cận thứ 2
Hình 5.19 So sánh khi có Adaline và không có Adaline ở dòng tối ưu Largrange
Hình 5.20 So sánh khi có Adaline và không có Adaline ở dòng tối ưu hình học
5.4.2.3 Nhận xét Đối với trường hợp lấy dòng điện tối ưu tính toán điều khiển động cơ đồng bộ từ trở về mặt lý thuyết cho giá trị rất tốt và khả quan Tuy nhiên khi sử dụng để điều khiển trực tiếp trong mô hình mô phỏng lại cho ra kết quả không phù hợp ( cách tiếp cận thứ 3) Kết quả này đã chứng minh được việc khi tính toán thuần lý thuyết chưa xét đến các yếu tố ảnh hưởng về mặt sai số cũng như tác động của các bộ điều khiển động cơ vào bài toán dẫn đến khó có thể áp dụng trực tiếp vào việc điều khiển động cơ
Khi áp dụng bộ điều khiển Moment, giá trị mô men được cải thiện hơn nhiều lần và chứng minh được việc học tập của Adaline trong các trường hợp biến động thông số và ảnh hưởng của các khâu điều khiển đến giá trị tính toán thuần lý thuyết Đây là kết quả khả quan để có thể xây dựng bộ điều khiển Adaline trong thật tế
5.4.3 Điều khiển bằng khối Hysterisis
Phương pháp điều khiển Hysterisis là phương pháp so sánh trực tiếp giá trị dòng điện hiện tại của động cơ và giá trị dòng điện tối ưu để đóng cắt các transistor tạo ra các xung điện áp DC 2 mức để điều khiển động cơ Chi tiết nguyên lý điều khiển trong phụ lục