Comparação de estratégias de controle preditivo e direto de torque para motores de indução

Rafael Figueiredo; Igor Oliani; Angelo S. Lunardi; Alfeu J. Sguarezi Filho; Daniel Albiero; Marcello Mezaroba

doi:10.18618/REP.2024.1.0035

Authors

Rafael Figueiredo Universidade Federal do ABC https://orcid.org/0000-0001-8083-2189
Igor Oliani Universidade Federal do ABC https://orcid.org/0000-0002-9425-2940
Angelo S. Lunardi Universidade Federal do ABC https://orcid.org/0000-0003-4743-8117
Alfeu J. Sguarezi Filho Universidade Federal do ABC https://orcid.org/0000-0001-9981-436X
Daniel Albiero Universidade Estadual de Campinas (UNICAMP) https://orcid.org/0000-0001-6877-8618
Marcello Mezaroba Universidade do Estado de Santa Catarina https://orcid.org/0000-0002-9888-5008

DOI:

https://doi.org/10.18618/REP.2024.1.0035

Keywords:

Controle Direto de Torque, Controle Preditivo Baseado em Modelo, Controle Preditivo de Torque, Motor de indução, Controle Preditivo Modulado

Abstract

As mudanças climáticas e a tendência de eletrificação causada pelo uso de energias renováveis incentiva a pesquisa em eletrificação de sistemas e direciona parte do interesse a tecnologias de acionamentos elétricos. Dentre os motores usados em acionamentos modernos, os motores de indução trifásicos mostram-se competitivos dado o seu baixo custo, elevada robustez e maturidade tecnológica. Este artigo explora métodos de controle direto de torque e fluxo, com destaque para controles preditivos, promissores por sua resposta dinâmica rápida e flexibilidade com não linearidades. São analisados resultados experimentais do DTC, PTC, PTC-DSVM e MPTC na mesma bancada. Os resultados demonstram por meio das respostas dinâmica, em regime e THD as diferenças entre estratégias e mostram que a frequência fixa do MPTC não se relaciona diretamente à melhor qualidade de energia no acionamento. O custo computacional também é medido para complemento das análises.

Downloads

Download data is not yet available.

Author Biographies

Rafael Figueiredo, Universidade Federal do ABC

natural de São Paulo, 1994. Doutorando em Energia, Mestre em Eng. Elétrica (2022), Engenheiro de Automação, Instrumentação e Robótica (2022) e Bacharel em Ciência e Tecnologia (2018), pela UFABC. Técnico em Eletrônica pelo IFSP (2012), com experiência profissional na área de manutenção, projeto e laboratório, como técnico e como engenheiro. Faz parte do LEPS (Laboratório de Eletrônica de Potência e Smart Grids da UFABC), além de cursar Bacharelado em Ciência da Computação.

Igor Oliani, Universidade Federal do ABC

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.

Angelo S. Lunardi, Universidade Federal do ABC

Doutor em Engenharia Elétrica pela Universidade de São Paulo (USP) em 2022, Mestre em Engenharia Elétrica pela Universidade Federal Universidade do ABC (UFABC) e. 2017 e graduado em Engenharia Eletrônica em 2015 pelo Instituto Mauá de Tecnologia, onde durante o curso realizou trabalho científico como iniciação científica em 2013 com foco em simulação computacional e controle multivariável. Atualmente bolsista FUCAMP pósdoutorado com pesquisa em Micro-redes pela Universidade Estadual de Campinas (UNICAMP).

Alfeu J. Sguarezi Filho, Universidade Federal do ABC

Recebeu seu mestrado e seu Doutorado em Eng. Elétrica pela Universidade de Campinas no Brasil, respectivamente em 2007 e 2010. É professor da Universidade Federal do ABC - UFABC, em Santo André, Brasil, lecionando nas áreas de Máquinas Elétricas, Eletrônica de Potência e Acionamentos Elétricos. É membro Sênior do IEEE.

Daniel Albiero, Universidade Estadual de Campinas (UNICAMP)

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.

Marcello Mezaroba, Universidade do Estado de Santa Catarina

Engenheiro Eletricista, Mestre e Doutor em Engenharia Elétrica em 1996, 1998 e 2001 respectivamente, pela Universidade Federal de Santa Catarina. É Professor Titular no Departamento de Engenharia Elétrica da Universidade Estadual de Santa Catarina (DEE/UDESC) onde atua na Graduação e Pós-Graduação desde 2002. Sócios fundadores da Empresa SUPPLIER. É membro do Institute of Electrical and Electronics Engineers (IEEE) e da Sociedade Brasileira de Eletrônica de Potência (SOBRAEP), para a qual foi eleito duas vezes para o Conselho Deliberativo. Atuou como Presidente da SOBRAEP eleito para o biênio 2020-2021.

References

F. Un-Noor, S. Padmanaban, L. Mihet-Popa, M. N. Mollah, E. Hossain, “A Comprehensive Study of Key Electric Vehicle (EV) Components, Technologies, Challenges, Impacts, and Future Direction of Development”, Energies, vol. 10, no. 8, 2017, https://doi.org/doi:10.3390/en10081217. DOI: https://doi.org/10.3390/en10081217

A. T. de Almeida, F. J. T. E. Ferreira, G. Baoming, “Beyond Induction Motors—Technology Trends to Move Up Efficiency”, IEEE Transactions on Industry Applications, vol. 50, no. 3, pp. 2103–2114, 2014, doi: https://doi.org/10.1109/TIA.2013.2288425. DOI: https://doi.org/10.1109/TIA.2013.2288425

A. E. Fitzgerald, C. Kingsley, S. D. Umans, Máquinas Elétricas de Fitzgerald e Kingsley, 7 ed., AMGH, 2014.

S. Jia, P. Zhang, D. Liang, M. Dai, J. Liu, “Design and Comparison of Three Different Types of IE4 Efficiency Machines”, in 2019 22nd International Conference on Electrical Machines and Systems (ICEMS), pp. 1–4, 2019, doi: https://doi.org/10.1109/ICEMS.2019.8921786. DOI: https://doi.org/10.1109/ICEMS.2019.8921786

C. H. T. Lee, W. Hua, T. Long, C. Jiang, L. V. Iyer, “A Critical Review of Emerging Technologies for Electric and Hybrid Vehicles”, IEEE Open Journal of Vehicular Technology, vol. 2, pp. 471–485, 2021, doi: https://doi.org/10.1109/OJVT.2021.3138894. DOI: https://doi.org/10.1109/OJVT.2021.3138894

D. Mohanraj, J. Gopalakrishnan, B. Chokkalingam, L. Mihet-Popa, “Critical Aspects of Electric Motor Drive Controllers and Mitigation of Torque Ripple—Review”, IEEE Access, vol. 10, pp. 73635–73674, 2022, doi: https://doi.org/10.1109/ACCESS.2022.3187515. DOI: https://doi.org/10.1109/ACCESS.2022.3187515

I. Takahashi, T. Noguchi, “A New Quick-Response and High-Efficiency Control Strategy of an Induction Motor”, IEEE Transactions on Industry Applications, vol. IA-22, no. 5, pp. 820–827, 1986, doi: https://doi.org/10.1109/TIA.1986.4504799. DOI: https://doi.org/10.1109/TIA.1986.4504799

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

P. Karamanakos, T. Geyer, “Guidelines for the Design of Finite Control Set Model Predictive Controllers”, IEEE Transactions on Power Electronics, vol. 35, no. 7, pp. 7434–7450, 2020, doi: https://doi.org/10.1109/TPEL.2019.2954357. DOI: https://doi.org/10.1109/TPEL.2019.2954357

A. J. S. Filho, “Model Predictive Control for DoublyFed Induction Generators and Three-Phase Power Converters”, Model Predictive Control for Doubly Fed Induction Generators and Three-Phase Power Converters, pp. 1–219, 1 2022, doi: https://doi.org/10.1016/B978-0-32-390964-8.00002-6. DOI: https://doi.org/10.1016/B978-0-32-390964-8.00010-5

M. Amiri, J. Milimonfared, D. A. Khaburi, “Predictive Torque Control Implementation for Induction Motors Based on Discrete Space Vector Modulation”, IEEE Transactions on Industrial Electronics, vol. 65, no. 9, pp. 6881–6889, 2018, doi: https://doi.org/10.1109/TIE.2018.2795589. DOI: https://doi.org/10.1109/TIE.2018.2795589

I. Osman, D. Xiao, M. F. Rahman, M. Norambuena, J. Rodriguez, “Discrete Space Vector Modulation Based Model Predictive Flux Control With Reduced Switching Frequency for IM Drive”, IEEE Transactions on Energy Conversion, vol. 36, no. 2, pp. 1357–1367, 2021, doi: https://doi.org/10.1109/TEC.2020.3033356. DOI: https://doi.org/10.1109/TEC.2020.3033356

W. Zhang, Y. Yang, M. Fan, L. He, A. Ji, Y. Xiao, H. Wen, X. Zhang, T. Yang, S. Mekhilef, J. Rodriguez, “An Improved Model Predictive Torque Control for PMSM Drives Based on Discrete Space Vector Modulation”, IEEE Transactions on Power Electronics, vol. 38, no. 6, pp. 7535–7545, 2023, doi: https://doi.org/10.1109/TPEL.2023.3257399. DOI: https://doi.org/10.1109/TPEL.2023.3257399

A. Bhaumik, S. Das, “Virtual voltage vector based predictive current control of speed sensorless induction motor drives”, ISA Transactions, vol. 133, pp. 495–504, 2023, doi: https://doi.org/10.1016/j.isatra.2022.07.007. DOI: https://doi.org/10.1016/j.isatra.2022.07.007

M. Rivera, F. Morales, C. Baier, J. Muñoz, L. Tarisciotti, P. Zanchetta, P. Wheeler, “A modulated model predictive control scheme for a two-level voltage source inverter”, in 2015 IEEE International Conference on Industrial Technology (ICIT), pp. 2224–2229, 2015, doi: https://doi.org/10.1109/ICIT.2015.7125425. DOI: https://doi.org/10.1109/ICIT.2015.7125425

L. Tarisciotti, P. Zanchetta, A. Watson, J. C. Clare, M. Degano, S. Bifaretti, “Modulated Model Predictive Control for a Three-Phase Active Rectifier”, IEEE Transactions on Industry Applications, vol. 51, no. 2, pp. 1610–1620, 2015, doi: https://doi.org/10.1109/TIA.2014.2339397. DOI: https://doi.org/10.1109/TIA.2014.2339397

B. V. Comarella, D. Carletti, I. Yahyaoui, L. F. Encarnação, “Theoretical and Experimental Comparative Analysis of Finite Control Set Model Predictive Control Strategies”, Electronics, vol. 12, no. 6, 2023, doi: https://doi.org/10.3390/electronics12061482. DOI: https://doi.org/10.3390/electronics12061482

V. Yaramasu, A. Dekka, J. Rodriguez, “Modulated Model Predictive Torque and Current Control of Squirrel Cage Induction Generator-Based Wind Power Generation System”, in 2020 IEEE 21st Workshop on Control and Modeling for Power Electronics (COMPEL), pp. 1–7, 2020, doi: https://doi.org/10.1109/COMPEL49091.2020.9265656. DOI: https://doi.org/10.1109/COMPEL49091.2020.9265656

F. Yu, K. Li, Z. Zhu, X. Liu, “An Over-Modulated Model Predictive Current Control for Permanent Magnet Synchronous Motors”, IEEE Access, vol. 10, pp. 40391–40401, 2022, doi: https://doi.org/10.1109/ACCESS.2022.3166511. DOI: https://doi.org/10.1109/ACCESS.2022.3166511

H. Aberkane, D. Sakri, D. Rahem, “Comparative study of different variants of direct torque control applied to induction motor”, in 2018 9th International Renewable Energy Congress (IREC), pp. 1–6, 2018, doi: https://doi.org/10.1109/IREC.2018.8362484. DOI: https://doi.org/10.1109/IREC.2018.8362484

K. A. Tibamoso, N. A. Oñate, “Model predictive control on induction machine for electric traction”, in 2017 CHILEAN Conference on Electrical, Electronics Engineering, Information and Communication Technologies (CHILECON), pp. 1–5, 2017, doi: https://doi.org/10.1109/CHILECON.2017.8229626. DOI: https://doi.org/10.1109/CHILECON.2017.8229626

I. Oliani, T. Baldim Dos Santos, R. B. F. Figueiredo, D. Albiero, A. Pelizari, A. Joãozinho Sguarezi Filho, “Robust Finite Control Set Current Control for Induction Motor Using Deadbeat Approach in Synchronous Reference Frame”, Eletrônica de Potência, vol. 28, no. 01, pp. 28–35, Mar. 2023, doi: https://doi.org/10.18618/REP.2023.1.0041. DOI: https://doi.org/10.18618/REP.2023.1.0041

R. Figueiredo, A. Lunardi, A. J. Sguarezi, A. Pelizari, “CONTROLE PREDITIVO ROBUSTO COM CONJUNTO FINITO DE ESTADOS PARA MÁQUINAS DE INDUÇÃO”, REVISTA ELETRÔNICA DE POTÊNCIA, vol. 27, no. 3, pp.208–215, 2022, doi: https://doi.org/10.18618/REP.2022.3.0027. DOI: https://doi.org/10.18618/REP.2022.3.0027

M. F. Elmorshedy, W. Xu, F. F. M. El-Sousy, M. R. Islam, A. A. Ahmed, “Recent Achievements in Model Predictive Control Techniques for Industrial Motor: A Comprehensive State-of-the-Art”, IEEE Access, vol. 9, pp. 58170–58191, 2021, doi: https://doi.org/10.1109/ACCESS.2021.3073020. DOI: https://doi.org/10.1109/ACCESS.2021.3073020

I. Osman, D. Xiao, K. S. Alam, S. M. S. I. Shakib, M. P. Akter, M. F. Rahman, “Discrete Space Vector Modulation-Based Model Predictive Torque Control With No Suboptimization”, IEEE Transactions on Industrial Electronics, vol. 67, no. 10, pp. 8164–8174, Oct. 2020, doi: https://doi.org/10.1109/TIE.2019.2946559. DOI: https://doi.org/10.1109/TIE.2019.2946559

W. Tian, Q. Yang, X. Gao, P. Karamanakos, X. Yin, R. Kennel, M. L. Heldwein, “Fast Indirect Model Predictive Control for Variable Speed Drives”, IEEE Transactions on Power Electronics, vol. 38, no. 11, pp. 14475–14491, 2023, doi: https://doi.org/10.1109/TPEL.2023.3307773. DOI: https://doi.org/10.1109/TPEL.2023.3307773

P. Cortes, J. Rodriguez, C. Silva, A. Flores, “Delay Compensation in Model Predictive Current Control of a Three-Phase Inverter”, IEEE Transactions on Industrial Electronics, vol. 59, no. 2, pp. 1323–1325, 2012, doi: https://doi.org/10.1109/TIE.2011.2157284. DOI: https://doi.org/10.1109/TIE.2011.2157284

T. Santos, I. Oliani, R. Figueiredo, A. Pelizari, A. J. Sguarezi Filho, “Avaliação do Impacto da Robustez na Estimação de Fluxo Magnético para os Controles Preditivos de Torque e Corrente”, in SBSE 2022 - IX Simpósio Brasileiro de Sistemas Elétricos, 2022, doi: https://doi.org/10.20906/sbse.v2i1.2890 DOI: https://doi.org/10.20906/sbse.v2i1.2890