Model Predictive Control of a Doubly-fed Induction Generator, Connected to a Dc-grid, for Distributed Generation

Abstract

Esta dissertação apresenta uma estratégia de controlo preditivo aplicada a um gerador de indução duplamente alimentado (DFIG) ligado a uma rede dc, adequada para geração distribuída e em ambiente de micro-rede. A topologia de ligação da DFIG à rede dc é obtida através da substituição de um dos inversores de fonte de tensão por um retificador a díodos. Contudo a inclusão do retificador a díodos origina uma ondulação no binário, caracterizada por uma componente que oscila a uma frequência seis vezes superior à frequência do estator. Esta componente harmónica tem efeitos negativos sobre os componentes mecânicos do sistema, e como tal, são necessários esforços para eliminar essas oscilações no binário.As estratégias de controlo clássicas, baseadas na orientação de campo, abordam esta questão através da inclusão de controladores ressonantes, ou através da decomposição e supressão desta componente harmónica em referenciais múltiplos. No entanto, estes métodos apresentam desvantagens inerentes, tais como: grande esforço de sintonização, resposta dinâmica inferior e dificuldade de incluir restrições no sistema. Além disso, a existência de múltiplas malhas de controlo dita o uso de uma separação elevada nas larguras de banda do sistema de controlo e que a estabilidade do sistema está fortemente dependente da largura de banda da malha interna.A utilização de controlo preditivo baseado em modelos (MPC) no sistema de controlo proposto, consegue evitar todas as dificuldades associadas ao controlo vetorial, e é capaz de praticamente eliminar as oscilações de baixa frequência presentes no binário. Atendendo que as estratégias de controlo preditivo são baseadas em modelos discretos, o seu desempenho é fortemente dependente da precisão dos parâmetros do modelo, assim como da correcta estimação destes parâmetros. Por outro lado, a complexidade do modelo discreto deve também ser minimizada, por forma a tornar o algoritmo viável para uso prático. Como tal, também é fornecida uma comparação do desempenho do sistema, quando as diferentes técnicas de discretização são usadas, designadamente o método de Euler e a expansão em série de Taylor.

This work presents a predictive control strategy applied to a doubly-fed induction generator (DFIG) connected to a dc microgrid, suitable for distributed generation purposes and microgrid environment. The topology of connecting the DFIG to the dc grid consists in the replacement of one voltage source inverter by a diode rectifier. However, the inclusion of the diode rectifier gives rise to a large torque ripple, characterized by a component oscillating at six times the stator frequency. This harmonic component has negative effects on the mechanical components of the drive system and as such, efforts are needed to eliminate those torque oscillations.Classical control strategies, based on field orientation try to address this issue by the inclusion of resonant controllers, or by decomposing and suppressing this harmonic component in multiple reference frames. However, those methods have inherent disadvantages, such as: great tuning effort, inferior dynamic response and difficulty to include restrictions in the system. Furthermore, the existence of multiple control loops dictates that separate bandwidth for them must be ensured, as the stability of the system is closely related to the bandwidth of the inner loop. The use of model predictive control (MPC) in the proposed control system system avoids all the difficulties associated with vector control and is able to practically fully eliminate the low-frequency torque oscillations.Attending that predictive control strategies are based in discrete models, their performance is heavily dependent on the model parameters accuracy and of a correct parameter estimation. On the other hand, the complexity of the discrete model must also be minimized, to make the algorithm feasible for practical use. As such, a comparison is also provided on the steady-state and dynamic performance of the system, when the forward Euler and Taylor series expansion discretization methods are used.