In den letzten Jahren haben Verbesserungen der Effizienz von photovoltaischen Wasserpumpsystemen (PVWPS) bei Forschern großes Interesse geweckt, da ihr Betrieb auf einer sauberen elektrischen Energieerzeugung basiert. In diesem Artikel wird ein neuer Fuzzy-Logic-Controller-basierter Ansatz für PVWPS entwickelt Anwendungen, die Techniken zur Verlustminimierung beinhalten, die auf Induktionsmotoren (IM) angewendet werden. Die vorgeschlagene Steuerung wählt die optimale Flussgröße durch Minimierung von IM-Verlusten aus. Darüber hinaus wird auch das Beobachtungsverfahren für Störungen mit variablem Schritt eingeführt Reduzieren des Senkenstroms;daher werden Motorverluste minimiert und der Wirkungsgrad verbessert. Die vorgeschlagene Steuerstrategie wird mit Verfahren ohne Verlustminimierung verglichen. Die Vergleichsergebnisse veranschaulichen die Wirksamkeit des vorgeschlagenen Verfahrens, das auf der Minimierung von Verlusten in elektrischer Geschwindigkeit, absorbiertem Strom und Fließen basiert Wasser und sich entwickelndes Flussmittel. Ein Processor-in-the-Loop (PIL)-Test wird als experimenteller Test der vorgeschlagenen Methode durchgeführt. Er umfasst die Implementierung des generierten C-Codes auf dem STM32F4 Discovery Board Board ähneln den numerischen Simulationsergebnissen.
Vor allem Erneuerbare EnergienSolar-Photovoltaik-Technologie kann eine sauberere Alternative zu fossilen Brennstoffen in Wasserpumpsystemen sein1,2.Photovoltaische Pumpsysteme haben in abgelegenen Gebieten ohne Strom erhebliche Aufmerksamkeit erhalten3,4.
In PV-Pumpanwendungen werden verschiedene Motoren verwendet. Die Primärstufe von PVWPS basiert auf Gleichstrommotoren. Diese Motoren sind einfach zu steuern und zu implementieren, erfordern jedoch aufgrund des Vorhandenseins der Annotatoren und Bürsten regelmäßige Wartung5. Um diesen Mangel zu überwinden, bürstenlos Es wurden Permanentmagnetmotoren eingeführt, die sich durch bürstenlose, hohe Effizienz und Zuverlässigkeit auszeichnen .Indirekte feldorientierte Steuerungstechniken (IFOC) und Methoden der direkten Drehmomentsteuerung (DTC) werden allgemein verwendet8.
IFOC wurde von Blaschke und Hasse entwickelt und ermöglicht die Änderung der IM-Drehzahl über einen weiten Bereich9,10. Der Statorstrom wird in zwei Teile geteilt, einer erzeugt den magnetischen Fluss und der andere erzeugt das Drehmoment durch Umrechnung in das dq-Koordinatensystem Unabhängige Steuerung von Fluss und Drehmoment unter stationären und dynamischen Bedingungen. Achse (d) ist auf den Rotorfluss-Raumvektor ausgerichtet, was bedeutet, dass die q-Achsen-Komponente des Rotorfluss-Raumvektors immer Null ist. FOC bietet eine gute und schnellere Reaktion11 ,12, jedoch ist diese Methode komplex und unterliegt Parametervariationen13. Um diese Mängel zu überwinden, führten Takashi und Noguchi14 DTC ein, das eine hohe dynamische Leistung aufweist und robust und weniger empfindlich gegenüber Parameteränderungen ist. In DTC sind das elektromagnetische Drehmoment und der Statorfluss werden gesteuert, indem der Statorfluss und das Drehmoment von den entsprechenden Schätzungen subtrahiert werden. Das Ergebnis wird in einen Hysteresekomparator eingespeist, um den geeigneten Spannungsvektor zur Steuerung zu erzeugensowohl Statorfluss als auch Drehmoment.
Der Hauptnachteil dieser Steuerstrategie sind die großen Drehmoment- und Flussschwankungen aufgrund der Verwendung von Hysteresereglern für die Statorfluss- und elektromagnetische Drehmomentregelung15,42. Mehrstufige Wandler werden verwendet, um die Welligkeit zu minimieren, aber die Effizienz wird durch die Anzahl der Leistungsschalter reduziert16. Mehrere Autoren haben Space Vector Modulation (SWM)17, Sliding Mode Control (SMC)18 verwendet, die leistungsstarke Techniken sind, aber unter unerwünschten Jitter-Effekten leiden19. Viele Forscher haben Techniken der künstlichen Intelligenz verwendet, um die Reglerleistung zu verbessern, darunter (1) neuronale Netzwerke, eine Steuerungsstrategie, für deren Implementierung Hochgeschwindigkeitsprozessoren erforderlich sind20, und (2) genetische Algorithmen21.
Die Fuzzy-Regelung ist robust, für nichtlineare Regelungsstrategien geeignet und erfordert keine Kenntnis des genauen Modells. Sie beinhaltet die Verwendung von Fuzzy-Logikblöcken anstelle von Hysteresereglern und Schalterauswahltabellen, um die Fluss- und Drehmomentwelligkeit zu reduzieren. Dies ist erwähnenswert FLC-basierte DTCs bieten eine bessere Leistung22, reichen jedoch nicht aus, um die Effizienz des Motors zu maximieren, sodass Techniken zur Optimierung des Regelkreises erforderlich sind.
In den meisten früheren Studien wählten die Autoren einen konstanten Fluss als Referenzfluss, aber diese Referenzwahl stellt keine optimale Praxis dar.
Motorantriebe mit hoher Leistung und hohem Wirkungsgrad erfordern eine schnelle und genaue Drehzahlreaktion. Andererseits ist die Steuerung für einige Vorgänge möglicherweise nicht optimal, sodass die Effizienz des Antriebssystems nicht optimiert werden kann. Eine bessere Leistung kann durch Verwendung erzielt werden eine variable Flussreferenz während des Systembetriebs.
Viele Autoren haben einen Suchregler (SC) vorgeschlagen, der Verluste unter verschiedenen Lastbedingungen (wie in27) minimiert, um die Effizienz des Motors zu verbessern. Die Technik besteht darin, die Eingangsleistung durch iterative d-Achsen-Stromreferenz oder Statorfluss zu messen und zu minimieren Diese Methode führt jedoch aufgrund von Schwingungen im Luftspaltfluss zu Drehmomentwelligkeit, und die Implementierung dieser Methode ist zeitaufwändig und rechenintensiv. Die Partikelschwarmoptimierung wird auch zur Verbesserung der Effizienz verwendet28, aber diese Technik kann es in lokalen Minima stecken bleiben, was zu einer schlechten Auswahl von Kontrollparametern führt29.
In diesem Artikel wird eine Technik im Zusammenhang mit FDTC vorgeschlagen, um den optimalen Magnetfluss durch Reduzierung der Motorverluste auszuwählen. Diese Kombination stellt die Fähigkeit sicher, das optimale Flussniveau an jedem Betriebspunkt zu verwenden, wodurch die Effizienz des vorgeschlagenen photovoltaischen Wasserpumpsystems erhöht wird. Daher scheint es für photovoltaische Wasserpumpenanwendungen sehr praktisch zu sein.
Darüber hinaus wird ein Processor-in-the-Loop-Test des vorgeschlagenen Verfahrens unter Verwendung des STM32F4-Boards als experimentelle Validierung durchgeführt. Die Hauptvorteile dieses Kerns sind die einfache Implementierung, die geringen Kosten und die Notwendigkeit, komplexe Programme 30 nicht zu entwickeln , das FT232RL USB-UART-Konvertierungsboard ist dem STM32F4 zugeordnet, das eine externe Kommunikationsschnittstelle gewährleistet, um einen virtuellen seriellen Port (COM-Port) auf dem Computer einzurichten. Dieses Verfahren ermöglicht die Datenübertragung mit hohen Baudraten.
Die Leistung von PVWPS unter Verwendung der vorgeschlagenen Technik wird mit PV-Systemen ohne Verlustminimierung unter verschiedenen Betriebsbedingungen verglichen. Die erzielten Ergebnisse zeigen, dass das vorgeschlagene photovoltaische Wasserpumpensystem besser darin ist, Statorstrom- und Kupferverluste zu minimieren, den Fluss zu optimieren und Wasser zu pumpen.
Der Rest der Arbeit ist wie folgt strukturiert: Die Modellierung des vorgeschlagenen Systems ist im Abschnitt „Modellierung von Photovoltaiksystemen“ angegeben. Im Abschnitt „Regelungsstrategie des untersuchten Systems“ sind FDTC, die vorgeschlagene Regelungsstrategie und die MPPT-Technik enthalten ausführlich beschrieben. Die Ergebnisse werden im Abschnitt „Simulationsergebnisse“ erörtert. Im Abschnitt „PIL-Tests mit dem STM32F4 Discovery Board“ werden Processor-in-the-Loop-Tests beschrieben. Abschnitt „Schlussfolgerungen“.
Abbildung 1 zeigt die vorgeschlagene Systemkonfiguration für ein eigenständiges PV-Wasserpumpsystem. Das System besteht aus einer IM-basierten Kreiselpumpe, einem Photovoltaik-Array, zwei Stromrichtern [Aufwärtswandler und Spannungsquellenwechselrichter (VSI)]. In diesem Abschnitt wird die Modellierung des untersuchten photovoltaischen Wasserpumpsystems vorgestellt.
Dieses Papier übernimmt das Einzeldiodenmodell vonSolar-Photovoltaikzellen. Die Eigenschaften der PV-Zelle sind mit 31, 32 und 33 bezeichnet.
Um die Anpassung durchzuführen, wird ein Aufwärtswandler verwendet. Die Beziehung zwischen den Eingangs- und Ausgangsspannungen des DC-DC-Wandlers ist durch die folgende Gleichung 34 gegeben:
Das mathematische Modell von IM kann im Bezugssystem (α,β) durch die folgenden Gleichungen beschrieben werden 5,40:
Dabei sind \(l_{s }\),\(l_{r}\): Stator- und Rotorinduktivität, M: Gegeninduktivität, \(R_{s }\), \(I_{s }\): Statorwiderstand und Statorstrom, \(R_{r}\), \(I_{r }\): Rotorwiderstand und Rotorstrom, \(\phi_{s}\), \(V_{s}\): Statorfluss und Stator Spannung , \(\phi_{r}\), \(V_{r}\): Rotorfluss und Rotorspannung.
Das Lastmoment der Kreiselpumpe proportional zum Quadrat der IM-Drehzahl kann bestimmt werden durch:
Die Steuerung des vorgeschlagenen Wasserpumpensystems ist in drei verschiedene Unterabschnitte unterteilt. Der erste Teil befasst sich mit der MPPT-Technologie. Der zweite Teil befasst sich mit dem Ansteuern des IM basierend auf der direkten Drehmomentsteuerung des Fuzzy-Logik-Controllers FLC-basierter DTC, der die Bestimmung von Referenzflüssen ermöglicht.
In dieser Arbeit wird eine P&O-Technik mit variablem Schritt verwendet, um den maximalen Leistungspunkt zu verfolgen. Sie zeichnet sich durch schnelles Tracking und geringe Oszillation aus (Abbildung 2)37,38,39.
Die Hauptidee von DTC besteht darin, den Fluss und das Drehmoment der Maschine direkt zu steuern, aber die Verwendung von Hysteresereglern für die elektromagnetische Drehmoment- und Statorflussregelung führt zu einem hohen Drehmoment und einer hohen Flusswelligkeit. Daher wird eine Unschärfetechnik eingeführt, um die zu verbessern DTC-Verfahren (Fig. 7), und der FLC kann ausreichende Invertervektorzustände entwickeln.
In diesem Schritt wird die Eingabe durch Zugehörigkeitsfunktionen (MF) und linguistische Terme in Fuzzy-Variablen umgewandelt.
Die drei Zugehörigkeitsfunktionen für die erste Eingabe (εφ) sind negativ (N), positiv (P) und null (Z), wie in Abbildung 3 dargestellt.
Die fünf Zugehörigkeitsfunktionen für die zweite Eingabe (\(\varepsilon\)Tem) sind Negative Large (NL), Negative Small (NS), Zero (Z), Positive Small (PS) und Positive Large (PL), wie in Abbildung 4 dargestellt.
Die Statorflussbahn besteht aus 12 Sektoren, in denen das Fuzzy-Set durch eine gleichschenklige dreieckige Zugehörigkeitsfunktion dargestellt wird, wie in Abbildung 5 gezeigt.
Tabelle 1 gruppiert 180 Fuzzy-Regeln, die die Eingangszugehörigkeitsfunktionen verwenden, um geeignete Schaltzustände auszuwählen.
Die Inferenzmethode wird unter Verwendung der Mamdani-Technik durchgeführt. Der Gewichtsfaktor (\(\alpha_{i}\)) der i-ten Regel ist gegeben durch:
wo\(\mu Ai \left( {e\varphi } \right)\),\(\mu Bi\left( {eT} \right) ,\) \(\mu Ci\left( \theta \right) \) : Zugehörigkeitswert von Magnetfluss, Drehmoment und Statorflusswinkelfehler.
Abbildung 6 veranschaulicht die scharfen Werte, die aus den Fuzzy-Werten unter Verwendung der durch Gleichung (20) vorgeschlagenen Maximummethode erhalten wurden.
Durch Erhöhen des Motorwirkungsgrads kann die Durchflussrate erhöht werden, was wiederum das tägliche Wasserpumpen erhöht (Abbildung 7). Der Zweck der folgenden Technik besteht darin, eine auf Verlustminimierung basierende Strategie mit einem direkten Drehmomentsteuerungsverfahren zu verbinden.
Es ist bekannt, dass der Wert des magnetischen Flusses wichtig für die Effizienz des Motors ist. Hohe Flusswerte führen zu erhöhten Eisenverlusten sowie zu einer magnetischen Sättigung des Stromkreises. Umgekehrt führen niedrige Flusswerte zu hohen Joule-Verlusten.
Daher steht die Verringerung der IM-Verluste in direktem Zusammenhang mit der Wahl des Flussniveaus.
Das vorgeschlagene Verfahren basiert auf der Modellierung der Joule-Verluste, die mit dem Strom verbunden sind, der durch die Statorwicklungen in der Maschine fließt. Es besteht darin, den Wert des Rotorflusses auf einen optimalen Wert einzustellen, wodurch die Motorverluste minimiert werden, um den Wirkungsgrad zu erhöhen. Joule-Verluste kann wie folgt ausgedrückt werden (ohne Ummagnetisierungsverluste):
Das elektromagnetische Drehmoment \(C_{em}\) und der Rotorfluss \(\phi_{r}\) werden im dq-Koordinatensystem berechnet als:
Das elektromagnetische Drehmoment \(C_{em}\) und der Rotorfluss \(\phi_{r}\) werden in Referenz (d,q) berechnet als:
Durch Lösen der Gleichung (30) können wir den optimalen Statorstrom finden, der einen optimalen Rotorfluss und minimale Verluste gewährleistet:
Verschiedene Simulationen wurden mit MATLAB/Simulink-Software durchgeführt, um die Robustheit und Leistung der vorgeschlagenen Technik zu bewerten. Das untersuchte System besteht aus acht 230-W-CSUN-235-60P-Panels (Tabelle 2), die in Reihe geschaltet sind. Die Kreiselpumpe wird von IM und angetrieben seine charakteristischen Parameter sind in Tabelle 3 aufgeführt. Die Komponenten des PV-Pumpsystems sind in Tabelle 4 aufgeführt.
In diesem Abschnitt wird ein photovoltaisches Wasserpumpsystem, das FDTC mit einer konstanten Flussreferenz verwendet, mit einem vorgeschlagenen System verglichen, das auf einem optimalen Fluss (FDTCO) unter denselben Betriebsbedingungen basiert. Die Leistung beider Photovoltaiksysteme wurde unter Berücksichtigung der folgenden Szenarien getestet:
Dieser Abschnitt stellt den vorgeschlagenen Anlaufzustand des Pumpensystems basierend auf einer Einstrahlungsrate von 1000 W/m2 dar. Abbildung 8e veranschaulicht die elektrische Geschwindigkeitsreaktion. Im Vergleich zu FDTC bietet die vorgeschlagene Technik eine bessere Anstiegszeit und erreicht einen stationären Zustand bei 1,04 s und mit FDTC das Erreichen eines stabilen Zustands bei 1,93 s. Abbildung 8f zeigt das Pumpen der beiden Steuerstrategien. Es ist ersichtlich, dass das FDTCO die Pumpmenge erhöht, was die Verbesserung der durch das IM umgewandelten Energie erklärt. Abbildungen 8g und 8h stellen den entnommenen Statorstrom dar. Der Anlaufstrom unter Verwendung des FDTC beträgt 20 A, während die vorgeschlagene Steuerstrategie einen Anlaufstrom von 10 A vorschlägt, was Joule-Verluste reduziert. Die Abbildungen 8i und 8j zeigen den entwickelten Statorfluss. Der FDTC-basierte PVPWS arbeitet mit einem konstanten Referenzfluss von 1,2 Wb, während bei dem vorgeschlagenen Verfahren der Referenzfluss 1 A beträgt, was zur Verbesserung des Wirkungsgrads der Photovoltaikanlage beiträgt.
(a)SolarStrahlung (b) Leistungsentnahme (c) Einschaltdauer (d) Zwischenkreisspannung (e) Rotordrehzahl (f) Pumpen von Wasser (g) Statorphasenstrom für FDTC (h) Statorphasenstrom für FDTCO (i) Flussantwort unter Verwendung von FLC (j) Flussantwort unter Verwendung von FDTCO (k) Statorflussverlauf unter Verwendung von FDTC (l) Statorflussverlauf unter Verwendung von FDTCO.
DasSolar-Strahlung variierte von 1000 bis 700 W/m2 bei 3 Sekunden und dann auf 500 W/m2 bei 6 Sekunden (Abb. 8a). Abbildung 8b zeigt die entsprechende Photovoltaikleistung für 1000 W/m2, 700 W/m2 und 500 W/m2 . Die Abbildungen 8c und 8d veranschaulichen den Arbeitszyklus bzw. die Zwischenkreisspannung. Abbildung 8e veranschaulicht die elektrische Geschwindigkeit von IM, und wir können feststellen, dass die vorgeschlagene Technik im Vergleich zum FDTC-basierten Photovoltaiksystem eine bessere Geschwindigkeit und Reaktionszeit aufweist. Abbildung 8f zeigt das Wasserpumpen für verschiedene Bestrahlungsstärken, die unter Verwendung von FDTC und FDTCO erhalten wurden. Mit FDTCO kann mehr Pumpen erreicht werden als mit FDTC. Die Abbildungen 8g und 8h veranschaulichen die simulierten Stromantworten unter Verwendung des FDTC-Verfahrens und der vorgeschlagenen Steuerungsstrategie. Unter Verwendung der vorgeschlagenen Steuerungstechnik , die Stromamplitude wird minimiert, was weniger Kupferverluste bedeutet und somit die Systemeffizienz erhöht. Daher können hohe Anlaufströme zu einer reduzierten Maschinenleistung führen. Abbildung 8j zeigt die Entwicklung der Flussantwort, um die auszuwählenOptimaler Fluss, um sicherzustellen, dass Verluste minimiert werden, daher veranschaulicht die vorgeschlagene Technik ihre Leistung. Im Gegensatz zu Abbildung 8i ist der Fluss konstant, was keinen optimalen Betrieb darstellt. Die Abbildungen 8k und 8l zeigen die Entwicklung der Statorflussbahn 8l veranschaulicht die optimale Flussentwicklung und erläutert die Hauptidee der vorgeschlagenen Steuerstrategie.
Eine plötzliche Änderung inSolar-Strahlung angewendet, beginnend mit einer Bestrahlungsstärke von 1000 W/m2 und nach 1,5 s abrupt auf 500 W/m2 abnehmend (Abb. 9a). W/m2. Die Abbildungen 9c und 9d veranschaulichen den Arbeitszyklus bzw. die DC-Zwischenkreisspannung. Wie aus Abbildung 9e ersichtlich ist, bietet das vorgeschlagene Verfahren eine bessere Reaktionszeit. Abbildung 9f zeigt das für die beiden Steuerstrategien erhaltene Wasserpumpen mit FDTCO war höher als mit FDTC und pumpte 0,01 m3/s bei einer Bestrahlungsstärke von 1000 W/m2 im Vergleich zu 0,009 m3/s mit FDTC;Außerdem pumpte FDTCO bei einer Bestrahlungsstärke von 500 W At /m2 0,0079 m3/s, während FDTC 0,0077 m3/s pumpte. Abbildungen 9g und 9h. Beschreiben die Stromantwort, die unter Verwendung der FDTC-Methode und der vorgeschlagenen Steuerstrategie simuliert wurde. Wir können das feststellen Die vorgeschlagene Steuerstrategie zeigt, dass die Stromamplitude bei abrupten Änderungen der Bestrahlungsstärke reduziert wird, was zu reduzierten Kupferverlusten führt. Abbildung 9j zeigt die Entwicklung der Flussantwort, um den optimalen Fluss zu wählen, um sicherzustellen, dass Verluste minimiert werden, daher die vorgeschlagene Technik veranschaulicht seine Leistung mit einem Fluss von 1 Wb und einer Bestrahlungsstärke von 1000 W/m2, während der Fluss 0,83 Wb und die Bestrahlungsstärke 500 W/m2 beträgt. Im Gegensatz zu Abb. 9i ist der Fluss konstant bei 1,2 Wb, was nicht der Fall ist stellen eine optimale Funktion dar. Die Abbildungen 9k und 9l zeigen die Entwicklung der Statorflussbahn. Abbildung 9l veranschaulicht die optimale Flussentwicklung und erläutert die Hauptidee der vorgeschlagenen Steuerstrategie und die Verbesserung des vorgeschlagenen Pumpsystems.
(a)SolarStrahlung (b) Entnommene Leistung (c) Einschaltdauer (d) Zwischenkreisspannung (e) Rotordrehzahl (f) Wasserdurchfluss (g) Statorphasenstrom für FDTC (h) Statorphasenstrom für FDTCO (i) ) Flussantwort mit FLC (j) Flussantwort unter Verwendung von FDTCO (k) Statorflussverlauf unter Verwendung von FDTC (l) Statorflussverlauf unter Verwendung von FDTCO.
Eine vergleichende Analyse der beiden Technologien in Bezug auf Flusswert, Stromamplitude und Pumpen ist in Tabelle 5 gezeigt, die zeigt, dass das PVWPS auf der Grundlage der vorgeschlagenen Technologie eine hohe Leistung mit erhöhtem Pumpfluss und minimiertem Amplitudenstrom und -verlusten bietet, was darauf zurückzuführen ist zur optimalen Flussmittelauswahl.
Um die vorgeschlagene Steuerungsstrategie zu verifizieren und zu testen, wird ein PIL-Test basierend auf dem STM32F4-Board durchgeführt. Er umfasst das Generieren von Code, der auf das eingebettete Board geladen und ausgeführt wird. Das Board enthält einen 32-Bit-Mikrocontroller mit 1 MB Flash, 168 MHz Taktfrequenz, Fließkommaeinheit, DSP-Anweisungen, 192 KB SRAM. Während dieses Tests wurde ein entwickelter PIL-Block im Steuerungssystem erstellt, der den generierten Code auf der Grundlage des STM32F4-Discovery-Hardware-Boards enthält, und in die Simulink-Software eingeführt PIL-Tests, die mit dem STM32F4-Board konfiguriert werden müssen, sind in Abbildung 10 dargestellt.
Co-Simulations-PIL-Tests mit STM32F4 können als kostengünstige Technik verwendet werden, um die vorgeschlagene Technik zu verifizieren. In diesem Dokument wird das optimierte Modul, das den besten Referenzfluss liefert, im STMicroelectronics Discovery Board (STM32F4) implementiert.
Letzteres wird gleichzeitig mit Simulink ausgeführt und tauscht Informationen während der Co-Simulation unter Verwendung des vorgeschlagenen PVWPS-Verfahrens aus. Abbildung 12 veranschaulicht die Implementierung des Subsystems der Optimierungstechnologie in STM32F4.
In dieser Co-Simulation wird nur die vorgeschlagene optimale Referenzflusstechnik gezeigt, da sie die Hauptsteuervariable für diese Arbeit ist, die das Steuerverhalten eines photovoltaischen Wasserpumpsystems demonstriert.
Postzeit: 15. April 2022
