Design and development of advanced model-based robust multi-objective controllers for multilevel converters

Résumé

Considérant le rôle essentiel des convertisseurs multiniveaux (MLC) dans l'avenir des distributions des énergies renouvelables, des véhicules électriques, et de l'automatisation, cette thèse contribue au développement de contrôleurs multi-objectifs avancés et de topologies pour les MLC afin d'améliorer leur performance, leur stabilité et leur fiabilité dans les modes d'opération reliés au réseau et opération. En conséquence, dans le premier travail de recherche de cette thèse, un contrôleur à mode glissant optimisé (OSMC) est introduit pour traiter le problème d'équilibrage de la tension du convertisseur à sept niveaux de cellules en U emballées (PUC), reconnu comme une référence, sans impliquer un contrôleur de boucle de voltage externe. Une analyse de stabilité plus poussée est également réalisée pour garantir la stabilité et la robustesse de l'algorithme OSMC sans capteur dans des conditions dynamiques et des incertitudes paramétriques. En ce qui concerne l'absence de méthode analytique efficace pour régler les facteurs de pondération dans les stratégies de contrôle prédictif de modèle (MPC), une technique basée sur l'intelligence artificielle (IA) entraînée hors ligne est développée dans le deuxième travail en utilisant l'algorithme de colonie d'abeilles artificielle (ABC) pour améliorer les performances de contrôle multi-objectif des contrôleurs prédictifs, qui sont dédiés aux MLC. Les résultats de l'application du MPC à apprentissage supervisé (SLMPC) à un convertisseur triphasé à point neutre bloqué (NPC) démontrent que l'IA est assez efficace pour traiter le réglage fastidieux des algorithmes basés sur le MPC. Malgré cela, l'apprentissage hors ligne ne peut pas garantir la performance de contrôle optimale du MPC dans des conditions dynamiques. C'est pourquoi une stratégie de réglage en ligne est développée dans les travaux de recherche suivants, basée sur réseau neuronal artificiel (RNA), afin d'adapter les facteurs de pondération d'un contrôleur MPC, qui est appliqué à un redresseur actif à sept niveaux de type PUC modifié (MPUC). Une nouvelle stratégie d'auto-apprentissage sans données est également établie à l'aide de l'algorithme d'optimisation par essaims de particules (PSO) pour former le régulateur basé sur le RNA. La stratégie d'entraînement proposée améliore considérablement la contribution des RNA aux problèmes de contrôle de l'électronique de puissance. Malgré l'étonnante performance multi-objectifs offerte par les contrôleurs prédictifs de modèle à ensemble de contrôle fini (FCSMPC), l'analyse de stabilité de Lyapunov n'est pas prise en charge en raison de la structure de contrôle discrète. Pour résoudre ce problème, une nouvelle fonction de Lyapunov prédictive est développée dans le même travail de recherche afin de garantir la stabilité des contrôleurs prédictifs multi-objectifs. L'objectif de stabilité proposé étant indépendant, il n'a aucun impact sur les performances de la commande optimale multi-objectifs des contrôleurs prédictifs. Pour réduire la sensibilité de la méthode d'auto-apprentissage aux paramètres initiaux, une stratégie avancée d'auto-apprentissage rapide multicœur (FSTS) est construite par l'algorithme compétitif impérialiste (ICA) dans le travail de recherche suivant. En utilisant la nouvelle FSTS généralisée, un contrôleur multi-objectif prédictif intelligent (IPMOC) est développé pour les MLC, qui peut suivre plus de sept objectifs de contrôle simultanément. En outre, un nouvel objectif d'atténuation prédictive sélective des harmoniques (SPHM) est formulé dans le même travail pour les contrôleurs basés sur le MPC afin de supprimer directement tout ordre harmonique. Le SPHM proposé est généralisé et fonctionnel pour divers MLC. Enfin, la topologie boost packed E-cell (BPEC), version modifiée de la conventionnelle packed E-cell (PEC), est introduite pour fournir une MLC compacte rentable (CMLC) pour les services auxiliaires de qualité de l'énergie. Malgré le PEC original, le BPEC proposé domine le point de couplage commun (PCC) en utilisant des voltages de liaison CC plus faibles. Par conséquent, le volume et le coût du convertisseur sont remarquablement réduits car des composants de moindre puissance sont nécessaires. Dans le cadre d'une étude de cas, un filtre de puissance actif compact (CAPF) est conçu en utilisant le BPEC proposé pour vérifier sa faisabilité. Les résultats des tests correspondants montrent que l'utilisation d'un contrôleur multi-objectif basé sur le MPC pour le BPEC conduit à un CAPF avantageux, qui peut répondre à toutes les attentes en matière de services auxiliaires. Les performances des contrôleurs multi-objectifs développés, ainsi que la topologie BPEC, ont été largement évaluées à l'aide de divers scénarios de test appliqués à des bancs d'essai spécifiques conçus sur la base de dSPACE 1104, Microlabox 1202, OPAL-RT OP8662, Chroma 61086, et la carte de puissance des convertisseurs, y compris le PUC à sept niveaux, le MPUC à sept niveaux, le NPC triphasé, et le BPEC à 11 niveaux.

Date	21 nov. 2023
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Kamal Al-Haddad (Directeur(-trice))