Design and Implementation of Model Predictive Control for Electrical Motor Drives

Bolognani, Saverio; Peretti, Luca; Zigliotto, M.

doi:10.1109/tie.2008.2007547

Cited by 395 publications

(173 citation statements)

References 21 publications

Supporting

Mentioning

169

Contrasting

Unclassified

Order By: Relevance

“…Năm 2000, Bemporad [3] đã đề xuất Điều khiển dự báo tường minh (EMPC), chỉ ra cách thức chuyển các tính toán trực tuyến cần thiết cho việc thực thi thuật toán tối ưu sang chế độ ngoại tuyến mà vẫn giữ được tất cả các đặc điểm khác của MPC thông thường, nhờ vậy mà khối lượng tính toán trực tuyến được giảm đi đáng kể, tạo điều kiện mở rộng phạm vi ứng dụng của MPC cho những đối tượng có động học nhanh. Đối với bài toán điều khiển động cơ đồng bộ kích thích vĩnh cửu (ĐCĐBKTVC) nuôi bởi nghịch lưu nguồn áp, nhiều nghiên cứu ứng dụng thành công EMPC đã được công bố [4,5,6]. Tuy nhiên, có thể chỉ ra một số nhược điểm trong các bài báo này.…”

Section: đặT Vấn đềunclassified

“…Tuy nhiên, có thể chỉ ra một số nhược điểm trong các bài báo này. Trong [4] và [5], cấu trúc điều khiển phân tầng truyền thống mà hiệu quả đã được chứng minh trong thực tiễn không được sử dụng; thay vào đó, dòng điện và tốc độ được đặt trong cùng một biến trạng thái. Trong [6], điện áp DC-Link được xét như một biến trạng thái, điều này làm hạn chế khả năng mở rộng thiết kế cho các ứng dụng không sử dụng phần tử lưu trữ năng lượng một chiều trung gian.…”

Section: đặT Vấn đềunclassified

“…Để có thể áp dụng được thuật toán EMPC, ta cần đến giả thiết đơn giản hóa sau để thu được mô hình dự báo tuyến tính trong phạm vi một vài chu kỳ trích mẫu: D ω (k) không đổi trong toàn miền dự báo. (7) Giả thiết dự báo (7) được đề cập trong hầu hết các nghiên cứu về điều khiển ĐCĐBKTVC sử dụng EMPC [4,5,6]. Đây là một giả thiết hợp lí nhằm đơn giản hóa cấu trúc phi tuyến của mô hình đối tượng dòng điện, phù hợp với miền dự báo không quá dài (N p ≤ 4).…”

Section: H 1 Cấu Trúc đIều Khiển đCđbktvc Nuôi Bởi Btmt Sử Dụng Nguyunclassified

See 2 more Smart Citations

Điều khiển động cơ đồng bộ kích thích vĩnh cửu nuôi bởi biến tần ma trận sử dụng phương pháp điều khiển dự báo tường minh

Trung¹,

Quang²

2016

Tuyển Tập Công Trình HNKH Toàn Quốc Lần Thứ 3 Về Điều Khiển &Amp; Tự Động Hoá VCCA - 2015

View full text Add to dashboard Cite

Hội nghị toàn quốc lần thứ 3 về Điều khiển và Tự động hoá -VCCA-2015 VCCA-2015Điều khiển động cơ đồng bộ kích thích vĩnh cửu nuôi bởi biến tần ma trận sử dụng phương pháp điều khiển dự báo tường minh Tóm tắtBài báo trình bày kết quả nghiên cứu, áp dụng phương pháp điều khiển dự báo tường minh cho đối tượng là hệ truyền động động cơ đồng bộ kích thích vĩnh cửu được nuôi bởi biến tần ma trận. Mô hình đối tượng dòng điện, và cũng là mô hình trạng thái của động cơ, mang đặc điểm phi tuyến bilinear, được đưa về dạng một mô hình tuyến tính tham số hằng trong phạm vi miền dự báo không quá dài. Nhờ đó, dễ dàng thiết kế được bộ điều khiển dự báo tường minh với sự hỗ trợ của công cụ Multi-Parametric Toolbox. Ngoài ra, một thành phần có chứa khâu tích phân được cộng thêm vào đầu ra của bộ điều khiển dự báo để triệt tiêu sai lệch tĩnh gây ra bởi sự kém chính xác của mô hình. Hiệu quả của bộ điều khiển dự báo đã thiết kế được kiểm chứng thông qua mô phỏng số. Những kết quả khả quan đạt được hứa hẹn đây có thể là một giải pháp điều khiển chất lượng cao, phù hợp với các hệ thống thực nghiệm thông dụng hiện nay. Từ khóa: điều khiển dự báo, động cơ đồng bộ kích thích vĩnh cửu, biến tần ma trận AbstractThe paper presents the initial research results on applications of explicit model predictive control to electric drive systems using matrix converter fed permanent-magnet synchronous motors. The current process model or the motor's discrete state model, which is characterized by a bilinear characteristic, can be considered as a linear time-invariant model during the prediction horizon which is not so long. Based on that assumption, it is easy to design explicit model predictive controller with the support of a MATLABbased toolbox named as Multi-Parametric Toolbox. Besides, a component containing integrator is added to the predictive controller's output in order to remove the static error caused by the inaccurate model. The effectiveness of the designed predictive control law is validated by digital simulations. It is shown that this method can be a high-quality solution which is suitable for common experimental systems.

show abstract

Section: đặT Vấn đềunclassified

Section: H 1 Cấu Trúc đIều Khiển đCđbktvc Nuôi Bởi Btmt Sử Dụng Nguyunclassified

See 1 more Smart Citation

Điều khiển động cơ đồng bộ kích thích vĩnh cửu nuôi bởi biến tần ma trận sử dụng phương pháp điều khiển dự báo tường minh

Trung¹,

Quang²

2016

Tuyển Tập Công Trình HNKH Toàn Quốc Lần Thứ 3 Về Điều Khiển &Amp; Tự Động Hoá VCCA - 2015

View full text Add to dashboard Cite

show abstract

“…Unlike in DTC the effect of each possible switch state is calculated and evaluated to obtain the optimal switch sequence. more information on predictive torque and flux control can be found in the literature [3], [10]. In this application a 2-level inverter is used as shown in figure 8.…”

Section: A Application: Flux and Torque Control For Induction Motormentioning

confidence: 99%

Design choices for the prediction and optimization stage of finite-set model based predictive control

Vyncke

Thielemans

Dierickx

et al. 2011

2011 Workshop on Predictive Control of Electrical Drives and Power Electronics

View full text Add to dashboard Cite

Abstract-The interest in applying model-based predictive control (MBPC) for power-electronic converters has grown tremendously in the past years. This is due to the fact that MBPC allows fast and accurate control of multiple controlled variables for hybrid systems such as a power electronic converter and its load. As MBPC is a family of possible controllers rather than one single controller, several design choices are to be made when implementing MBPC. In this paper several conceptual possibilities are considered and compared for two important parts of online Finite-Set MBPC (FS-MBPC) algorithm: the cost function in the optimizations step and the prediction model in the prediction step. These possibilities are studied for two different applications of FS-MBPC for power electronics. The cost function is studied in the application of output current and capacitor voltage control of a 3-level flyingcapacitor inverter. The aspect of the prediction model is studied for the stator flux and torque control of an induction machine with a 2-level inverter. The two different applications illustrate the versatility of FS-MBPC. In the study concerning the cost function firstly the comparison is made between quadratic and absolute value terms in the cost function. Comparable results are obtained, but a lower resource usage is obtained for the absolute value cost function. Secondly a capacitor voltage tracking control is compared to a control where the capacitor voltage may deviate without cost from the reference up to a certain voltage. The relaxed cost function results in better performance. For the prediction model both a classical, parametric machine model and a back propagation artificial neural network are applied. Both are shown to be capable of a good control quality, the neural network version is much more versatile but has a higher computational burden. However, the number of neurons in the hidden layer should be suffciently high. All studied aspects were verified with experimental results and these validate the simulation results. Even more important is the fact that these experiments prove the feasibility of implementing online finite-set MBPC in an FPGA for both applications.

show abstract

“…One of the advantages of an MPC is the easy inclusion of constraints and nonlinearities. Therefore, MPC has been widely applied to drive applications [15][16][17][18] and power converters such as active front-end rectifiers [19], matrix converters [20], and multilevel converters [21]. Recently, it has been applied to a bidirectional AC-DC converter for use in BESSs [22][23][24].…”

Section: Introductionmentioning

confidence: 99%

Application of Model Predictive Control to BESS for Microgrid Control

Nguyen¹,

Yoo²,

Kim³

2015

Energies

View full text Add to dashboard Cite

Battery energy storage systems (BESSs) have been widely used for microgrid control. Generally, BESS control systems are based on proportional-integral (PI) control techniques with the outer and inner control loops based on PI regulators. Recently, model predictive control (MPC) has attracted attention for application to future energy processing and control systems because it can easily deal with multivariable cases, system constraints, and nonlinearities. This study considers the application of MPC-based BESSs to microgrid control. Two types of MPC are presented in this study: MPC based on predictive power control (PPC) and MPC based on PI control in the outer and predictive current control (PCC) in the inner control loops. In particular, the effective application of MPC for microgrids with multiple BESSs should be considered because of the differences in their control performance. In this study, microgrids with two BESSs based on two MPC techniques are considered as an example. The control performance of the MPC used for the control microgrid is compared to that of the PI control. The proposed control strategy is investigated through simulations using MATLAB/Simulink software. The simulation results show that the response time, power and voltage ripples, and frequency spectrum could be improved significantly by using MPC.

show abstract

Design and Implementation of Model Predictive Control for Electrical Motor Drives

Cited by 395 publications

References 21 publications

Điều khiển động cơ đồng bộ kích thích vĩnh cửu nuôi bởi biến tần ma trận sử dụng phương pháp điều khiển dự báo tường minh

Điều khiển động cơ đồng bộ kích thích vĩnh cửu nuôi bởi biến tần ma trận sử dụng phương pháp điều khiển dự báo tường minh

Design choices for the prediction and optimization stage of finite-set model based predictive control

Application of Model Predictive Control to BESS for Microgrid Control

Contact Info

Product

Resources

About