Controle Preditivo Robusto De Corrente Por Estados Finitos Para Motor De Indução Usando Abordagem Deadbeat No Referencial Síncrono

Authors

  • Igor Oliani Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil
  • Thiago Baldim dos Santos Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil
  • Rafael Figueiredo Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil
  • Daniel Albiero Escola de Engenharia Agronômica, Faculdade de Engenharia Agrícola (FEAGRI), Universidade Estadual de Campinas (Unicamp), Campinas – São Paulo, Brasil
  • Ademir Pelizari Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil
  • Alfeu J. Sguarezi Filho Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil

DOI:

https://doi.org/10.18618/REP.2023.1.0041

Keywords:

controle de corrente, Controle indireto orientado por campo, Controle preditivo robusto, Deadbeat, Motor de Indução, Variações de parâmetros

Abstract

O controle preditivo baseado em modelo tem ganhado destaque na área de acionamentos de máquinas de indução. Entre as suas principais vantagens estão o alto desempenho, a flexibilidade e a simplicidade de implementação. No entanto, eventuais variações nos parâmetros da planta comprometem o desempenho do controle. Propostas para o aumento da robustez dessa técnica têm sido objeto de pesquisa com diferentes abordagens, como modificações no modelo matemático da planta e projetos de novos observadores de fluxo. Este trabalho propõe um controle preditivo robusto baseado em modelo de corrente, empregando o controle indireto orientado por campo no referencial síncrono. A corrente do estator e o fluxo do rotor são tomados como variáveis de estado e o vetor tensão do estator é tido como a entrada. O seu diferencial com relação à estratégia de controle preditivo por estados finitos clássica está na construção do algoritmo de controle. O vetor tensão é calculado em duas componentes, combinando o controle preditivo clássico com a abordagem deadbeat: uma considera a referência de corrente do estator e a outra considera as perturbações causadas por erros de parâmetros. O desempenho do método de controle foi verificado através da condução de ensaios em bancada de teste experimental ao se analisar o comportamento estacionário e dinâmico do sistema. Os resultados corroboram a eficácia da proposta de controle robusto contra variações paramétricas.

Downloads

Download data is not yet available.

Author Biographies

Igor Oliani, Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil

Bacharel em Ciência e Tecnologia pela Universidade Federal do ABC (2019) onde atualmente está cursando Engenharia de Energia e participando do programa de mestrado em engenharia elétrica. Sua linha de pesquisa é focada em sistemas elétricos e eletrônica de potência aplicada a acionamentos de motores elétricos e veículos elétricos.

Thiago Baldim dos Santos, Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil

é bacharel em Engenharia Elétrica pelo Instituto Mauá de Tecnologia, (2019) e atualmente cursa o programa de doutorado em energia da Universidade Federal do ABC (UFABC). Sua linha de pesquisa é focada em sistemas elétricos e eletrônica de potência aplicada a acionamentos de máquinas elétricas e veículos elétricos.

Rafael Figueiredo, Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil

é Graduado em Bacharel de Ciências e Tecnologia (2018) e Automação, Engenharia de Instrumentação e Robótica (2022) pela Universidade Federal do ABC (UFABC),onde agora cursa um Mestrado em Engenharia Elétrica e um Bacharelado em Ciência da Computação. Faz parte do LEPS (Laboratório de Eletrônica de Potência e Rede Inteligente – UFABC) e tem como interesse de pesquisa eletrônica de potência, acionamentos de motor, eletrificação e energias renováveis.

Daniel Albiero, Escola de Engenharia Agronômica, Faculdade de Engenharia Agrícola (FEAGRI), Universidade Estadual de Campinas (Unicamp), Campinas – São Paulo, Brasil

é formado pela Faculdade de Engenharia Agronômica da Unicamp (2001), Graduação incompleta em Física na Unicamp (1996), mestrado (2005) e doutorado (2009) em Engenharia Agronômica na Unicamp. Atualmente é Professor de Projeto de Máquinas Agrícolas e Robótica na Faculdade de Engenharia Agrícola (FEAGRI), Universidade Estadual de Campinas (UNICAMP), Coordenador de Extensão da FEAGRI/UNICAMP. Tem experiência em Engenharia Agrícola, com ênfase em dinâmica do solo, projeto e avaliação de máquinas agrícolas, maquinário agroecológico, equipamentos para agricultura familiar, óptica aplicada à engenharia agrícola, construções rurais com material alternativo, propriedades físicas e mecânicas do material biológico, aviação agrícola, gestão da qualidade na agricultura, energia na agricultura (biomassa e vento) e robótica na agricultura.

Ademir Pelizari, Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil

é engenheiro eletricista formado pela Universidade de Mogi das Cruzes (UMC), São Paulo, Brazil em 2002. Concluiu mestrado e doutorado em 2009 e 2015, respectivamente.Atualmente é Professor Adjunto da Universidade Federal do ABC (UFABC) nas áreas de dispositivos eletromecânicos e máquinas elétricas.

Alfeu J. Sguarezi Filho, Laboratório de Eletrônica de Potência Smart Grids, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC (UFABC), Santo André – São Paulo, Brasil

é Mestre e Doutor em Engenharia Elétrica pela Faculdade de Engenharia Elétrica e de Computação da Universidade Estadual de Campinas (Unicamp) em 2007 e 2010, respectivamente. Atualmente, é Professor Associado da Universidade Federal do ABC (UFABC). Ele é um membro sênior do IEEE e autor de diversos artigos em revistas científicas nacionais e internacionais e capítulos de livros nas áreas de máquinas elétricas, acionamentos de máquinas, veículos elétricos, eletrônica de potência, energia eólica e fotovoltaica.

References

G. Buja, M. Kazmierkowski, “Direct torque control of PWM inverter-fed AC motors – a survey”,IEEE Transactions on Industrial Electronics, vol. 51, no. 4, pp. 744–757, Ago. 2004, doi:https://doi.org/10.1109/TIE.2004.831717. DOI: https://doi.org/10.1109/TIE.2004.831717

M. P. Kazmierkowski, L. G. Franquelo, J. Rodriguez,M. A. Perez, J. I. Leon, “High-Performance Motor Drives”,IEEE Industrial Electronics Magazine, vol. 5, no. 3, pp. 6–26, Set. 2011, doi:https://doi.org/10.1109/MIE.2011.942173. DOI: https://doi.org/10.1109/MIE.2011.942173

M. Nagataki, K. Kondo, O. Yamazaki, K. Yuki,Y. Nakazawa, “Online Auto-Tuning Method in Field-Orientation-Controlled Induction Motor Driving Inertial Load”,IEEE Open Journal of Industry Applications, vol. 3, pp. 125–140, Jul. 2022, doi:https://doi.org/10.1109/OJIA.2022.3189343. DOI: https://doi.org/10.1109/OJIA.2022.3189343

K. V, R. Rai, B. Singh, “Sliding Model-Based Predictive Torque Control of Induction Motor for Electric Vehicle”,IEEE Transactions on Industry Applications, vol. 58, no. 1, pp. 742–752, Jan.-Fev.2022, doi:https://doi.org/10.1109/TIA.2021.3131973. DOI: https://doi.org/10.1109/TIA.2021.3131973

J. Rodriguez, C. Garcia, A. Mora, S. A. Davari,J. Rodas, D. F. Valencia, M. Elmorshedy, F. Wang,K. Zuo, L. Tarisciotti, F. Flores-Bahamonde, W. Xu,Z. Zhang, Y. Zhang, M. Norambuena, A. Emadi,T. Geyer, R. Kennel, T. Dragicevic, D. A. Khaburi,Z. Zhang, M. Abdelrahem, N. Mijatovic, “Latest Advances of Model Predictive Control in ElectricalDrivesx2014;Part II: Applications and Benchmarking With Classical Control Methods”,IEEE Transactions on Power Electronics, vol. 37, no. 5, pp. 5047–5061,Maio 2022, doi:https://doi.org/10.1109/TPEL.2021.3121589. DOI: https://doi.org/10.1109/TPEL.2021.3121589

J. Rodriguez, M. P. Kazmierkowski, J. R. Espinoza,P. Zanchetta, H. Abu-Rub, H. A. Young, C. A. Rojas,“State of the Art of Finite Control Set Model Predictive Control in Power Electronics”,IEEE Transactions on Industrial Informatics, vol. 9, no. 2, pp. 1003–1016,Maio 2013, doi:https://doi.org/10.1109/TII.2012.2221469. DOI: https://doi.org/10.1109/TII.2012.2221469

S. Vazquez, J. I. Leon, L. G. Franquelo, J. Rodriguez,H. A. Young, A. Marquez, P. Zanchetta, “Model Predictive Control: A Review of Its Applications in Power Electronics”,IEEE Industrial ElectronicsMagazine, vol. 8, no. 1, pp. 16–31, Mar. 2014, doi:https://doi.org/10.1109/MIE.2013.2290138. DOI: https://doi.org/10.1109/MIE.2013.2290138

A. J. Sguarezi Filho, A. L. de Oliveira, L. L. Rodrigues,E. C. M. Costa, R. V. Jacomini, “A Robust Finite Control Set Applied to the DFIG Power Control”,IEEE Journal of Emerging and Selected Topics in Power Electronics, vol. 6, no. 4, pp. 1692–1698, Dez.2018, doi:https://doi.org/10.1109/JESTPE.2018.2833474. DOI: https://doi.org/10.1109/JESTPE.2018.2833474

Z. Zhang, Y. Liu, X. Liang, H. Guo, X. Zhuang,“Robust Model Predictive Current Control of PMSM Based on Nonlinear Extended State Observer”,IEEEJournal of Emerging and Selected Topics in Power Electronics, vol. 11, no. 1, pp. 862–873, Fev. 2022, doi:https://doi.org/10.1109/JESTPE.2022.3192064. DOI: https://doi.org/10.1109/JESTPE.2022.3192064

E. R. C. Duque, A. Lunardi, J. S. Solís-Chaves, T. d. S. Paiva, D. A. Fernandes, A. J.Sguarezi Filho, “Improvement of Robustness of MPC Adding Repetitive Behavior for the DFIG Current Control”,Energies, vol. 15,no. 11, Jun. 2022, doi:https://doi.org/10.3390/en15114114, URL:https://www.mdpi.com/1996-1073/15/11/4114. DOI: https://doi.org/10.3390/en15114114

F. Stinga, D. Popescu, “Robust model predictive control of an induction motor”,in 18th International Conference on System Theory, Control and Computing (ICSTCC), pp. 381–386, 2014, doi:https://doi.org/10.1109/ICSTCC.2014.6982446. DOI: https://doi.org/10.1109/ICSTCC.2014.6982446

M. Mousavi, S. A. Davari, V. Nekoukar, C. Garcia,L. He, F. Wang, J. Rodriguez, “Predictive Torque Control of Induction Motor Based on a Robust Integral Sliding Mode Observer”,IEEE Transactions on Industrial Electronics, vol. 70, no. 3, pp. 2339–2350, Mar. 2022, doi:https://doi.org/10.1109/TIE.2022.3169831. DOI: https://doi.org/10.1109/TIE.2022.3169831

Y. Zhang, X. Wang, B. Zhang, H. Yang, “A Robust Model-Free Predictive Current Control of Induction Motor Drives”,in 22nd International Conference on Electrical Machines and Systems (ICEMS), pp. 1–5,2019, doi:https://doi.org/10.1109/ICEMS.2019.8921533. DOI: https://doi.org/10.1109/ICEMS.2019.8921533

X. Wang, Y. Zhang, H. Yang, B. Zhang, J. Rodriguez,C. Garcia, “A Model-Free Predictive Current Control of Induction Motor Based on Current Difference”,in IEEE 9th International Power Electronics and Motion Control Conference (IPEMC2020-ECCEAsia), pp. 1038–1042, 2020, doi:https://doi.org/10.1109/IPEMC-ECCEAsia48364.2020.9368240. DOI: https://doi.org/10.1109/IPEMC-ECCEAsia48364.2020.9368240

X. Wang, Y. Zhang, H. Yang, B. Zhang, J. Rodriguez,“A Robust Predictive Current Control of Induction Motor Drives”,in IEEE Energy Conversion Congressand Exposition (ECCE), pp. 5136–5140, 2020, doi:https://doi.org/10.1109/ECCE44975.2020.9235789. DOI: https://doi.org/10.1109/ECCE44975.2020.9235789

Y. Zhang, X. Wang, H. Yang, B. Zhang, J. Rodriguez,“Robust predictive current control of induction motors based on linear extended state observer”,Chinese Journal of Electrical Engineering, vol. 7, no. 1, pp. 94–105, Mar. 2021, doi:https://doi.org/10.23919/CJEE.2021.000009. DOI: https://doi.org/10.23919/CJEE.2021.000009

J. Wang, F. Wang, G. Wang, S. Li, L. Yu, “Generalized Proportional Integral Observer Based Robust Finite Control Set Predictive Current Control for Induction Motor Systems With Time-Varying Disturbances”,IEEE Transactions on Industrial Informatics,vol. 14, no. 9, pp. 4159–4168, Set. 2018, doi:https://doi.org/10.1109/TII.2018.2818153. DOI: https://doi.org/10.1109/TII.2018.2818153

X. Wang, Y. Zhang, H. Yang, “Enhanced Robust Dead beat Predictive Current Control for Induction Motors”,in IEEE International Conference on Predictive Control of Electrical Drives and PowerElectronics (PRECEDE), pp. 600–604, 2021, doi:https://doi.org/10.1109/PRECEDE51386.2021.9680912. DOI: https://doi.org/10.1109/PRECEDE51386.2021.9680912

R. B. F. Figueiredo, A. Lunardi, A. J. S. Filho,A. Pelizari, “Controle Preditivo Robusto com Conjunto Finito de Estados para Máquinas de Indução”, Eletrônica de Potência,vol. 27, no. 3, pp. 208–215, Set. 2022, doi:http://dx.doi.org/10.18618/REP.2022.3.0027. DOI: https://doi.org/10.18618/REP.2022.3.0027

B. Wang, X. Chen, Y. Yu, C. Wang, B. Li,D. Xu, “Robust predictive current control for induction motor in synchronous rotating frame”,in 8thIET International Conference on Power Electronics,Machines and Drives (PEMD 2016), pp. 1–5, 2016,doi:https://doi.org/10.1049/cp.2016.0270. DOI: https://doi.org/10.1049/cp.2016.0270

L. Yan, F. Wang, J. Rodrıguez, “Luenberger Prediction Model-Based Robust Predictive Current Control of Induction Machine Drives”,in IEEE 9th International Power Electronics and Motion Control Conference(IPEMC2020-ECCE Asia), pp. 1006–1010, 2020, doi:https://doi.org/10.1109/IPEMC-ECCEAsia48364.2020.9368026. DOI: https://doi.org/10.1109/IPEMC-ECCEAsia48364.2020.9368026

A. Bazanella, R. Reginatto, “Robustness margins for indirect field-oriented control of induction motors”,in Proceedings of the 37th IEEE Conference on Decision and Control (Cat. No.98CH36171), vol. 1, pp. 1001–1006 vol.1, 1998, doi:https://doi.org/10.1109/CDC.1998.760827. DOI: https://doi.org/10.1109/CDC.1998.760827

J. Rodriguez, P. Cortes,Predictive control of power converters and electrical drives, vol. 40, John Wiley& Sons, 2012. DOI: https://doi.org/10.1002/9781119941446

A. J. S. Filho,Model Predictive Control for Doubly-Fed Induction Generators and Three-Phase Power Converters, Elsevier, 2022, doi:https://doi.org/10.1016/C2020-0-01024-8. DOI: https://doi.org/10.1016/C2020-0-01024-8

Sheng-Ming Yang, Chen-Haur Lee, “A deadbeat current controller for field oriented induction motor drives”,IEEE Transactions on Power Electronics,vol. 17, no. 5, pp. 772–778, Set. 2002, doi:https://doi.org/10.1109/TPEL.2002.802182. DOI: https://doi.org/10.1109/TPEL.2002.802182

F. Wang, S. Li, X. Mei, W. Xie, J. Rodríguez,R. M. Kennel, “Model-Based Predictive Direct Control Strategies for Electrical Drives: An Experimental Evaluation of PTC and PCC Methods”,IEEE Transactions on Industrial Informatics,vol. 11, no. 3, pp. 671–681, Jun. 2015, doi:https://doi.org/10.1109/TII.2015.2423154 DOI: https://doi.org/10.1109/TII.2015.2423154

Published

2023-02-01

How to Cite

[1]
I. Oliani, T. B. dos Santos, R. Figueiredo, D. Albiero, A. Pelizari, and A. J. Sguarezi Filho, “Controle Preditivo Robusto De Corrente Por Estados Finitos Para Motor De Indução Usando Abordagem Deadbeat No Referencial Síncrono”, Eletrônica de Potência, vol. 28, no. 1, pp. 28–35, Feb. 2023.

Issue

Section

Original Papers