최근 몇 년 동안 PVWPS(Photovoltaic Water Pumping System)의 효율 개선은 청정 전기 에너지 생산을 기반으로 작동하기 때문에 연구자들 사이에서 큰 관심을 끌고 있습니다. 유도 전동기(IM)에 적용된 손실 최소화 기술을 통합하는 애플리케이션. 제안된 제어는 IM 손실을 최소화하여 최적의 자속 크기를 선택합니다. 또한 가변 단계 섭동 관찰 방법도 도입됩니다. 싱크 전류 감소;따라서 모터 손실이 최소화되고 효율이 향상됩니다. 제안된 제어 전략은 손실 최소화가 없는 방법과 비교됩니다. 비교 결과는 전기 속도, 흡수 전류, 흐르는 손실의 최소화에 기반을 둔 제안 방법의 효율성을 보여줍니다. 제안된 방법의 실험적 테스트로 PIL(processor-in-the-loop) 테스트가 수행됩니다. 여기에는 생성된 C 코드를 STM32F4 디스커버리 보드에 구현하는 작업이 포함됩니다. 임베디드에서 얻은 결과 보드는 수치 시뮬레이션 결과와 유사합니다.
특히 재생에너지태양의태양광 기술은 물 펌핑 시스템에서 화석 연료에 대한 보다 깨끗한 대안이 될 수 있습니다.1,2.태양광 펌핑 시스템은 전기가 없는 외딴 지역에서 상당한 관심을 받았습니다3,4.
다양한 엔진이 PV 펌핑 응용 분야에 사용됩니다. PVWPS의 기본 단계는 DC 모터를 기반으로 합니다. 이러한 모터는 제어 및 구현이 쉽지만 주석자와 브러시가 있기 때문에 정기적인 유지 관리가 필요합니다.5. 이러한 단점을 극복하기 위해 브러시리스 브러시리스, 고효율 및 신뢰성을 특징으로 하는 영구 자석 모터가 도입되었습니다. .간접 필드 지향 제어(IFOC) 기술과 직접 토크 제어(DTC) 방법이 일반적으로 사용됩니다8.
IFOC는 Blaschke와 Hasse에 의해 개발되었으며 넓은 범위에 걸쳐 IM 속도를 변경할 수 있습니다. 정상 상태 및 동적 조건에서 자속 및 토크를 독립적으로 제어합니다. 축(d)는 로터 자속 공간 벡터와 정렬되며, 이는 로터 자속 공간 벡터의 q축 구성요소가 항상 0인 것을 포함합니다.FOC는 우수하고 빠른 응답을 제공합니다. ,12 그러나 이 방법은 복잡하고 매개변수 변동이 있습니다. 해당 추정치에서 고정자 자속과 토크를 빼서 제어합니다. 결과는 제어할 적절한 전압 벡터를 생성하기 위해 히스테리시스 비교기에 입력됩니다.고정자 자속과 토크 모두.
이 제어 전략의 주요 불편은 고정자 자속 및 전자기 토크 조절을 위한 히스테리시스 레귤레이터의 사용으로 인한 큰 토크 및 자속 변동입니다15,42. 리플을 최소화하기 위해 다중 레벨 변환기가 사용되지만 전력 스위치의 수에 의해 효율이 감소합니다16. 몇몇 저자들은 공간 벡터 변조(SWM)17, 슬라이딩 모드 제어(SMC)18를 사용했는데, 이 기술은 강력한 기술이지만 바람직하지 않은 지터링 효과19를 겪고 있습니다. 많은 연구자들이 인공 지능 기술을 사용하여 컨트롤러 성능을 향상시켰습니다. 네트워크, 구현하기 위해 고속 프로세서를 필요로 하는 제어 전략20, 그리고 (2) 유전 알고리즘21.
퍼지 제어는 강력하고 비선형 제어 전략에 적합하며 정확한 모델에 대한 지식이 필요하지 않습니다. 여기에는 자속 및 토크 리플을 줄이기 위해 히스테리시스 컨트롤러 및 스위치 선택 테이블 대신 퍼지 논리 블록을 사용하는 것이 포함됩니다. 지적할 가치가 있습니다. FLC 기반 DTC는 더 나은 성능22을 제공하지만 엔진의 효율성을 극대화하기에 충분하지 않으므로 제어 루프 최적화 기술이 필요합니다.
대부분의 이전 연구에서 저자는 기준 플럭스로 일정한 플럭스를 선택했지만 이러한 기준 선택은 최적의 관행을 나타내지 않습니다.
고성능, 고효율 모터 드라이브는 빠르고 정확한 속도 응답이 필요합니다. 한편, 일부 작업의 경우 제어가 최적이 아니므로 드라이브 시스템의 효율성을 최적화할 수 없습니다. 사용하면 더 나은 성능을 얻을 수 있습니다. 시스템 작동 중 가변 자속 기준.
많은 저자들은 엔진의 효율성을 향상시키기 위해 다양한 부하 조건(예: in27)에서 손실을 최소화하는 탐색 컨트롤러(SC)를 제안했습니다. 이 기술은 반복적인 d-축 전류 기준 또는 고정자 자속에 의해 입력 전력을 측정 및 최소화하는 것으로 구성됩니다. 그러나 이 방법은 에어 갭 플럭스에 존재하는 진동으로 인해 토크 리플이 발생하고 이 방법을 구현하는 데 시간이 많이 걸리고 계산 리소스가 많이 필요합니다. 입자 무리 최적화도 효율성을 개선하는 데 사용되지만 이 기술은 다음을 수행할 수 있습니다. 국소 최소값에 갇혀 제어 매개변수29를 잘못 선택하게 됩니다.
본 논문에서는 모터 손실을 줄여 최적의 자속을 선택하기 위한 FDTC 관련 기술을 제안한다. 이러한 조합은 각 동작점에서 최적의 자속 수준을 사용할 수 있는 능력을 보장하여 제안하는 태양광 워터 펌핑 시스템의 효율을 높인다. 따라서 태양광 워터 펌핑 응용 분야에 매우 편리한 것으로 보입니다.
또한 제안된 방법의 processor-in-the-loop 테스트는 실험적 검증으로 STM32F4 보드를 사용하여 수행됩니다. 이 코어의 주요 이점은 구현의 단순성, 저렴한 비용 및 복잡한 프로그램을 개발할 필요가 없다는 것입니다. , FT232RL USB-UART 변환 보드는 컴퓨터에 가상 직렬 포트(COM 포트)를 설정하기 위해 외부 통신 인터페이스를 보장하는 STM32F4와 연결되어 있습니다. 이 방법을 사용하면 데이터를 높은 전송 속도로 전송할 수 있습니다.
제안된 기술을 사용하는 PVWPS의 성능은 다양한 작동 조건에서 손실 최소화가 없는 PV 시스템과 비교됩니다. 얻은 결과는 제안된 태양광 워터 펌프 시스템이 고정자 전류 및 구리 손실을 최소화하고 플럭스와 펌핑 물을 최적화하는 데 더 우수함을 보여줍니다.
논문의 나머지 부분은 다음과 같이 구성됩니다. 제안된 시스템의 모델링은 "태양광 시스템의 모델링" 섹션에서 제공됩니다. "연구된 시스템의 제어 전략" 섹션에서 FDTC, 제안된 제어 전략 및 MPPT 기술은 다음과 같습니다. 자세히 설명되어 있습니다. 결과는 "시뮬레이션 결과" 섹션에서 논의됩니다. "STM32F4 디스커버리 보드를 사용한 PIL 테스트" 섹션에서는 processor-in-the-loop 테스트가 설명됩니다. 이 백서의 결론은 " 결론” 섹션.
그림 1은 독립형 PV 물 펌핑 시스템에 대해 제안된 시스템 구성을 보여줍니다. 시스템은 IM 기반 원심 펌프, 태양광 어레이, 2개의 전력 변환기[부스트 변환기 및 전압원 인버터(VSI)]로 구성됩니다. 이 섹션에서는 , 연구된 태양광 물 펌핑 시스템의 모델링이 제시됩니다.
이 논문은 단일 다이오드 모델을 채택합니다.태양의태양광 전지. PV 전지의 특성은 31, 32 및 33으로 표시됩니다.
적응을 수행하기 위해 부스트 컨버터가 사용됩니다. DC-DC 컨버터의 입력 및 출력 전압 사이의 관계는 아래 식 34와 같습니다.
IM의 수학적 모델은 다음 방정식 5,40에 의해 참조 프레임(α,β)에서 설명될 수 있습니다.
여기서 \(l_{s }\),\(l_{r}\): 고정자 및 회전자 인덕턴스, M: 상호 인덕턴스, \(R_{s }\), \(I_{s }\): 고정자 저항 및 고정자 전류, \(R_{r}\), \(I_{r }\): 회전자 저항 및 회전자 전류, \(\phi_{s}\), \(V_{s}\): 고정자 자속 및 고정자 전압 , \(\phi_{r}\), \(V_{r}\): 회전자 자속 및 회전자 전압.
IM 속도의 제곱에 비례하는 원심 펌프 부하 토크는 다음과 같이 결정할 수 있습니다.
제안된 워터 펌프 시스템의 제어는 세 가지 하위 섹션으로 구분됩니다. 첫 번째 부분은 MPPT 기술을 다루고 두 번째 부분은 퍼지 로직 컨트롤러의 직접 토크 제어를 기반으로 IM을 구동하는 방법을 다룹니다. 또한 섹션 III에서는 다음과 관련된 기술을 설명합니다. 기준 플럭스를 결정할 수 있는 FLC 기반 DTC.
이 연구에서 가변 단계 P&O 기술은 최대 전력점을 추적하는 데 사용됩니다. 빠른 추적과 낮은 진동이 특징입니다(그림 2)37,38,39.
DTC의 주요 아이디어는 기계의 자속과 토크를 직접 제어하는 것이지만 전자기 토크 및 고정자 자속 조절에 히스테리시스 레귤레이터를 사용하면 높은 토크와 자속 리플이 발생합니다. 따라서 블러링 기술을 도입하여 DTC 방법(그림 7) 및 FLC는 충분한 인버터 벡터 상태를 개발할 수 있습니다.
이 단계에서 입력은 소속 함수(MF)와 언어 용어를 통해 퍼지 변수로 변환됩니다.
첫 번째 입력(εφ)에 대한 세 가지 소속 함수는 그림 3과 같이 음수(N), 양수(P), 영(Z)입니다.
두 번째 입력(\(\varepsilon\)Tem)에 대한 5개의 소속 함수는 그림 4에서와 같이 음수 대형(NL) 음수 소형(NS) 0(Z) 양수 소형(PS) 및 양수 대형(PL)입니다.
고정자 자속 궤적은 12개의 섹터로 구성되며, 퍼지 집합은 그림 5와 같이 이등변 삼각형 소속 함수로 표시됩니다.
표 1은 입력 멤버십 함수를 사용하여 적절한 스위치 상태를 선택하는 180개의 퍼지 규칙을 그룹화합니다.
추론 방법은 Mamdani의 기술을 사용하여 수행됩니다. i 번째 규칙의 가중치 계수(\(\alpha_{i}\))는 다음과 같이 제공됩니다.
여기서\(\mu Ai \left( {e\varphi } \right)\),\(\mu Bi\left( {eT} \right) ,\) \(\mu Ci\left( \theta \right) \) : 자속, 토크 및 고정자 자속 각도 오차의 구성원 값.
그림 6은 Eq.(20)에서 제안하는 최대 방법을 사용하여 퍼지 값에서 구한 날카로운 값을 나타낸 것이다.
모터 효율을 높이면 유량이 증가하여 일일 물 펌핑이 증가합니다(그림 7). 다음 기술의 목적은 손실 최소화 기반 전략을 직접 토크 제어 방법과 연관시키는 것입니다.
자속 값이 모터의 효율에 중요하다는 것은 잘 알려져 있습니다. 자속 값이 높으면 철 손실이 증가하고 회로의 자기 포화도가 증가합니다. 반대로 자속 수준이 낮으면 줄 손실이 높아집니다.
따라서 IM의 손실 감소는 플럭스 레벨 선택과 직접적인 관련이 있습니다.
제안된 방법은 기계의 고정자 권선을 통해 흐르는 전류와 관련된 줄 손실 모델링을 기반으로 합니다. 회전자 자속 값을 최적 값으로 조정하여 모터 손실을 최소화하여 효율성을 높이는 것으로 구성됩니다. 줄 손실 다음과 같이 표현할 수 있습니다(코어 손실 무시).
전자기 토크\(C_{em}\) 및 회전자 자속\(\phi_{r}\)은 dq 좌표계에서 다음과 같이 계산됩니다.
전자기 토크\(C_{em}\) 및 회전자 자속\(\phi_{r}\)은 참조 (d,q)에서 다음과 같이 계산됩니다.
방정식(30)을 풀면 최적의 회전자 자속과 최소의 손실을 보장하는 최적의 고정자 전류를 찾을 수 있습니다.
제안된 기술의 견고성과 성능을 평가하기 위해 MATLAB/Simulink 소프트웨어를 사용하여 다양한 시뮬레이션을 수행했습니다. 조사된 시스템은 직렬로 연결된 8개의 230W CSUN 235-60P 패널(표 2)로 구성됩니다. 원심 펌프는 IM에 의해 구동되며, 특성 매개변수는 표 3에 나와 있습니다. PV 펌핑 시스템의 구성 요소는 표 4에 나와 있습니다.
이 섹션에서는 일정한 플럭스 기준이 있는 FDTC를 사용하는 태양광 물 펌핑 시스템을 동일한 작동 조건에서 최적 플럭스(FDTCO)를 기반으로 하는 제안된 시스템과 비교합니다. 두 태양광 시스템의 성능은 다음 시나리오를 고려하여 테스트되었습니다.
이 섹션에서는 1000W/m2의 일사량을 기반으로 하는 펌프 시스템의 제안된 시동 상태를 제시합니다. 그림 8e는 전기 속도 응답을 보여줍니다. FDTC와 비교하여 제안된 기술은 1.04에서 정상 상태에 도달하는 더 나은 상승 시간을 제공합니다. s 및 FDTC를 사용하여 1.93초에서 정상 상태에 도달합니다. 그림 8f는 두 가지 제어 전략의 펌핑을 보여줍니다. FDTCO가 펌핑 양을 증가시키는 것을 볼 수 있습니다. 이는 IM에 의해 변환된 에너지의 개선을 설명합니다. 8h는 인발된 고정자 전류를 나타냅니다. FDTC를 사용한 시동 전류는 20A이고 제안된 제어 전략은 10A의 시동 전류를 제안하여 줄 손실을 줄입니다. 그림 8i 및 8j는 개발된 고정자 자속을 보여줍니다. PVPWS는 1.2 Wb의 일정한 기준 플럭스에서 작동하는 반면 제안된 방법에서는 기준 플럭스가 1A로 태양광 시스템의 효율을 향상시키는 데 관여합니다.
(ㅏ)태양열복사 (b) 전력 추출 (c) 듀티 사이클 (d) DC 버스 전압 (e) 회전자 속도 (f) 펌핑 수 (g) FDTC에 대한 고정자 위상 전류 (h) FDTCO에 대한 고정자 위상 전류 (i) FLC를 사용한 자속 응답 (j) FDTCO를 사용한 자속 응답 (k) FDTC를 사용한 고정자 자속 궤적 (l) FDTCO를 사용한 고정자 자속 궤적.
그만큼태양의방사선은 3초에 1000W/m2에서 700W/m2, 6초에 500W/m2로 다양했습니다(그림 8a). 그림 8b는 1000W/m2, 700W/m2 및 500W/m2에 대한 해당 태양광 전력을 보여줍니다. .그림 8c와 8d는 각각 듀티 사이클과 DC 링크 전압을 보여줍니다. 그림 8e는 IM의 전기적 속도를 보여주며, 제안된 기술이 FDTC 기반 태양광 시스템에 비해 더 나은 속도와 응답 시간을 가짐을 알 수 있습니다. 그림 8f 그림 8g와 8h는 FDTC와 FDTCO를 사용하여 얻은 다양한 조도 수준에 대한 물 펌핑을 보여줍니다. FDTC보다 FDTCO로 더 많은 양수를 얻을 수 있습니다. , 전류 진폭이 최소화되어 구리 손실이 적어 시스템 효율이 향상됩니다. 따라서 높은 시동 전류는 기계 성능을 저하시킬 수 있습니다. 그림 8j는따라서 손실을 최소화하기 위한 최적의 자속이 그 성능을 보여줍니다. 그림 8i와 달리 자속은 일정하므로 최적의 작동을 나타내지 않습니다. 그림 8k 및 8l은 고정자 자속 궤적의 변화를 보여줍니다. 8l은 최적의 플럭스 전개를 예시하고 제안된 제어 전략의 주요 아이디어를 설명합니다.
의 갑작스런 변화태양의1000W/m2의 조도에서 시작하여 1.5초 후에 500W/m2로 급격히 감소합니다(그림 9a). 그림 9b는 1000W/m2 및 500에 해당하는 태양광 패널에서 추출된 태양광 전력을 보여줍니다. W/m2. 그림 9c와 9d는 각각 듀티 사이클과 DC 링크 전압을 보여줍니다. 그림 9e에서 볼 수 있듯이 제안된 방법은 더 나은 응답 시간을 제공합니다. 그림 9f는 두 가지 제어 전략에 대해 얻은 물 펌핑을 보여줍니다.펌핑 FDTCO의 경우 FDTC의 경우보다 더 높았고, FDTC의 경우 0.009m3/s에 비해 1000W/m2 복사 조도에서 0.01m3/s를 펌핑했습니다.또한, 조도가 500W/m2일 때 FDTCO는 0.0079m3/s를 펌핑한 반면 FDTC는 0.0077m3/s를 펌핑했습니다. 그림 9g 및 9h는 FDTC 방법과 제안된 제어 전략을 사용하여 시뮬레이션된 전류 응답을 설명합니다. 제안된 제어 전략은 급격한 조도 변화에서 전류 진폭이 감소하여 구리 손실이 감소함을 보여줍니다. 그림 9j는 손실을 최소화하기 위해 최적의 플럭스를 선택하기 위해 플럭스 응답의 진화를 보여줍니다. 따라서 제안된 기술은 는 1Wb의 플럭스와 1000 W/m2의 조도에서 성능을 보여줍니다. 반면 플럭스는 0.83Wb 및 500W/m2입니다. 그림 9i와 대조적으로 플럭스는 1.2Wb에서 일정하지만 그렇지 않습니다. 최적의 기능을 나타냅니다. 그림 9k와 9l은 고정자 자속 궤적의 진화를 보여줍니다. 그림 9l은 최적의 자속 전개를 보여주고 제안된 제어 전략과 제안된 펌핑 시스템의 개선에 대한 주요 아이디어를 설명합니다.
(ㅏ)태양열복사 (b) 추출된 전력 (c) 듀티 사이클 (d) DC 버스 전압 (e) 회전자 속도 (f) 물 흐름 (g) FDTC에 대한 고정자 위상 전류 (h) FDTCO에 대한 고정자 위상 전류 (i) ) 다음을 사용한 자속 응답 FLC (j) FDTCO를 사용한 자속 응답 (k) FDTC를 사용한 고정자 자속 궤적 (l) FDTCO를 사용한 고정자 자속 궤적.
플럭스 값, 전류 진폭 및 펌핑 측면에서 두 기술의 비교 분석은 표 5에 나와 있으며, 제안 기술을 기반으로 하는 PVWPS는 펌핑 유량을 증가시키고 진폭 전류 및 손실을 최소화하여 고성능을 제공함을 보여줍니다. 최적의 플럭스 선택.
제안된 제어 전략을 검증하고 테스트하기 위해 STM32F4 보드를 기반으로 PIL 테스트가 수행됩니다. 여기에는 임베디드 보드에서 로드 및 실행될 코드 생성이 포함됩니다. 보드에는 1MB 플래시, 168MHz의 32비트 마이크로컨트롤러가 포함되어 있습니다. 클록 주파수, 부동 소수점 단위, DSP 명령어, 192KB SRAM. 이 테스트 중에 STM32F4 검색 하드웨어 보드를 기반으로 생성된 코드를 포함하고 Simulink 소프트웨어에 도입된 제어 시스템에서 개발된 PIL 블록이 생성되었습니다. 허용하는 단계 STM32F4 보드를 사용하여 구성할 PIL 테스트는 그림 10에 나와 있습니다.
STM32F4를 사용한 Co-simulation PIL 테스트는 제안된 기술을 검증하기 위한 저비용 기술로 사용할 수 있습니다. 이 문서에서는 최상의 기준 플럭스를 제공하는 최적화된 모듈을 STMicroelectronics Discovery Board(STM32F4)에 구현합니다.
후자는 Simulink와 동시에 실행되고 제안된 PVWPS 방법을 사용하여 공동 시뮬레이션 중에 정보를 교환합니다. 그림 12는 STM32F4에서 최적화 기술 하위 시스템의 구현을 보여줍니다.
제안된 최적의 기준 플럭스 기술만 이 공동 시뮬레이션에 표시됩니다. 이는 태양광 물 펌핑 시스템의 제어 거동을 보여주는 이 작업의 주요 제어 변수이기 때문입니다.
게시 시간: 2022년 4월 15일
