La vitrine de diffusion des mémoires et thèses de l'ÉTS

Adaptive network-based fuzzy inference systems for sensorless control of PMSG based wind turbine with power quality improvement features

Singh, Mukhtiar (2010). Adaptive network-based fuzzy inference systems for sensorless control of PMSG based wind turbine with power quality improvement features. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Télécharger (7MB) | Prévisualisation
Télécharger (2MB) | Prévisualisation


The wind power generation is rapidly becoming competitive with conventional fossil fuel sources and already today is at par with new coal or gas fired power stations. The wind turbine design objectives have changed over the past decade from being convention-driven to being optimized driven within the operating regime and market environment. The wind turbines are growing in size, designs are progressing from fixedspeed, stall-controlled having drive trains with gearboxes, to become pitch controlled, variable speed and with or without gearboxes. The advancement in power electronics devices further supports the trend toward variable speed turbines. Today, the wind turbines in the market have a variety of innovative concepts, with proven technology for both generators and power electronics interface. However, the increasing penetration of large wind farms into electrical power systems also poses different kind of challenges due to their intermittent nature. This inspires the designers to develop both custom generators and power electronics devices with sophisticated modern control system strategies.

Recently, variable-speed permanent magnet synchronous generator (PMSG) based wind energy conversion systems (WECS) are becoming more attractive in comparison to fixed-speed WECS. In the variable-speed generation system, the wind turbine can be operated at maximum power operating points over a wide speed range by adjusting the shaft speed optimally. Moreover, the use of Permanent Magnet reduces size, and weight of overall WECS, as there is no need of field winding and its excitation system. The absence of rotor winding also reduces heat dissipation in the rotor and hence improves the overall efficiency. This kind of configuration also find special favor for off-shore wind application, where the geared doubly fed induction generator requires regular maintenance due to tearing-wearing in brushes and gear box.

To perform maximum power point tracking at different wind speeds, the variable speed operation of PMSG is required. For the variable speed operation of PMSG, generally vector control is preferred as it allows the independent torque and field control just like a simple DC motor control. The vector control of PMSG essentially requires the rotor position and speed information. For this purpose, usually shaft mounted speed and position sensors are used, resulting into additional cost and complexity of the system. In order to eliminate the sensors and their associated problems, a novel adaptive networkbased fuzzy-inference system (ANFIS) architecture is proposed for rotor position and speed estimation over wide range of speed operation. The ANFIS architecture has well known advantages of modeling a highly non-linear system, as it combines the capability of fuzzy reasoning in handling the uncertainties and capability of artificial neural network (ANN) in learning from processes. Thus, the ANFIS is used to develop an adaptive model of variable speed PMSG under highly uncertain operating conditions, which also automatically compensates any variation in parameters such as inductance, resistance etc. An error gradient based dynamic back propagation method has been used for the on-line tuning of ANFIS architecture.

In the proposed work a PMSG based WECS is modeled for both isolated and grid connected system. In the isolated WECS operation, a wind-battery hybrid system is presented. The battery energy storage system (BESS) in the isolated system is used to absorb the wind power fluctuations and varying load demand. In grid connected system, the fault ride through capability of WECS is demonstrated under grid voltage sag/swell conditions.

Another objective is to develop an advance controller for grid side inverter. Since the inverter works under highly fluctuating operating conditions, it is not possible to set the optimal value of gains for the conventional proportional-integral (PI) regulator. This may lead to false operation of inverter. To alleviate this problem an adaptive neurofuzzy controller is developed, which has well known advantages in modeling and control of a highly non-linear system. The main objective is to achieve smooth operation of grid side inverter, where the conventional PI controller may fail due to the rapid change in the dynamics of the overall system. The combined capability of neuro-fuzzy controller in handling the uncertainties and learning from the processes is proved to be advantageous while controlling the inverter under fluctuating operating conditions.

Moreover, in the proposed work, the grid side inverter rating is also optimally utilized by incorporating the power quality improvement features. Normally, the grid interfacing inverter has very low utilization factor 20-30 % with a possible peak of 60% of rated output due to the intermittent nature of wind. Therefore, if the same inverter is utilized for solving power quality problem at point of common coupling (PCC) in addition to its normal task, then the additional hardware cost for custom power devices like APF, STATCOM or VAR compensator can be saved. Thus, the author have proposed a very simple and cost effective solution by using the grid side inverter as a load harmonics, load reactive power and load unbalance compensator of a 3P4W non-linear unbalanced load at PCC in a distribution network, in addition to its normal task of wind power injection in to the grid. Similarly, it has also been shown that the grid side inverter can also be used to maintain constant voltage at PCC for a dedicated load despite of voltage sag/swell and unbalance in grid side voltage.

Résumé traduit

Le coût de la generation d’énergie éolienne devient concurrentiel à celui de la génération d’énergie électrique des sources d’énergies fossiles dites conventionnelles. Il est d’ailleurs à parité avec le coût de génération des centrales au charbon et au gaz. Les générateurs éoliens sont de tailles plus imposantes et leur conception a évolué d’un contrôle vitesse avec entraînement à boîte de vitesse à un contrôle d’hélice de vitesse variable avec ou sans boîte de vitesse. Les progrès réalisés en électronique de puissance stimulent cette tendance vers les éoliennes à vitesse variable. Aujourd’hui, les turbines éoliennes sur le marché comportent de nombreux concepts innovateurs avec une techonologie de pointe autant en génération qu’en interface de puissance. Toutefois, la forte pénétration de larges centrales éoliennes dans les réseaux électriques actuels pose d’autres problèmes à cause de leur nature intermittente. Cela motive les concepteurs de systèmes éoliens à développer des contrôleurs sophistiqués de génératrices et des systèmes de puissance.

Récemment, les machines éoliennes à aimant permanent de vitesse variable deviennent plus attrayantes que les machines à vitesse fixe pour les systèmes de generation éolienne. Dans le cas des systèmes de génération à vitesse variable, les aéromoteurs peuvent opérer au point de puissance maximum sur une large gamme de vitesse en ajustant la vitesse de l’arbre de manière optimale. Plus encore, l’utilisation de machines à aimant permanent réduit la taille du système de génération éolien puisque ni les enroulements d’aimantation et leur système d’excitation ne sont requis. Cc type de configuration s’applique aussi de manière préférentielle en off-shore que la machine éolienne asynchrone à double alimentation qui requiert une maintenance régulière à cause de l’usure des broches et de la boîte de vitesse.

Pour réaliser la poursuite de puissance maximum à diverses vitesses de vent, il est nécessaire d’opérer la machine à aimant permanent à vitesse variable. Pour ce faire, la commande vectorielle est habituellement favorisée car elle permet le contrôle indépendant du couple et du champ comme dans le cas du contrôle des moteurs continus. La commande vectorielle de la machine à aimant permanent requiert essentiellement la position du rotor et la vitesse. A cet effet, un tachomètre et un capteur de position montés sur l’arbre de la machine sont utilisés. Ces capteurs augmentent le coût et la complexité du système. Afin d’éliminer les capteurs de position et de vitesse ainsi que les problèmes qui leur sont associés, une novelle architecture de système d’inférence flou avec réseaux de neurones (ANFIS) est proposé en vue d’estimer la vitesse et la position du rotor sur une large gamme de vitesses d’opération.

L’architecture ANFIS a comme avantage de modéliser un système hautement non linéaire puisqu’il combine les aptitudes de la logique floue par rapport à la prise en charge d’incertitudes paramétriques et les aptitudes d’apprentissage des réseaux de neurones. Alors l’ANFIS est utilisé pour développer un modèle adaptatif de la machine à aimant permanent à vitesse variable sous des conditions d’opération incertaines et compense aussi l’effet de la variation des paramètres tels que l’inductance er la résistance etc.

Dans ces travaux, un système de génération éolienne à aimant permanent est modélisé autant en application autonome qu’en interconnection au réseau. En mode autonome, un système hybride batterie et éolienne est présenté. Le système de stockage à batterie permet d’amortir les fluctuations de l’énergie éolienne et de la demande à la charge. Pour le système éolien connecté au réseau, la capacité d’élimination de défaut est démontrée sous des conditions de sauts et des creux de tension.

Un autre objectif du travail est de développer un contrôleur avancé de l’onduleur situé du côté réseau. Comme l’onduleur fonctionne dans des conditions d’opération variables, il n’est pas possible de fixer les gains des régulateurs PI de manière optimale sans entraver le fonctionnement de l’onduleur. Pour résoudre ce problème, un contrôleur neuronal flou adaptatif est développé. Ce contrôleur présente l’avantage de modéliser et de contrôler des systèmes hautement non linéaires. L’objectif principal de ce contrôleur est d’assurer une operation régulière de l’onduleur côté réseau lors des changements brusques de la dynamique du système contrairement aux PI conventionnels.

De plus, dans ces travaux, la puissance nominale de l’onduleur du côté réseau est optimisée de manière optimale. Normalement, la puissance de l’onduleur situé du côté réseau a un faible facteur d’utilisation de 20-30% avec un pic 60% de puissance nominale à cause de l’intermittence du vent. Par conséquent si le même onduleur est utilisé pour résoudre les problèmes de qualité de l’onde au point de raccordement commun en plus de ses fonctions normales, alors le coût additionnel d’achat d’équipements de puissance tels que le filtre actif, le STATCOM ou le compensateur de puissance réactive est épargné. Alors l’auteur propose une solution simple de coût competitive consistant à utiliser l’onduleur du côté réseau comme compensateur d’harmoniques de courant, de puissance réactive à la charge et de déséquilibre d’une charge triphasé à quatre fils non linéaire et déséquilibrée située au point de raccordement commun au réseau de distribution en plus d’injecter de la puissance active. Egalement, nous montrons que le convertisseur côté réseau peut servir à maintenir la tension constante malgré des sauts ou des creux de tension.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thesis presented to École de technologie supérieure in partial fulfillement [sic] of the requirements for the degree of doctor of philosophy". Bibliogr. : f. [209]-220.
Mots-clés libres: Thèses et écrits académiques. Éoliennes Commande automatique. Énergie éolienne Qualité Contrôle. Générateurs synchrones. Systèmes flous. Réseaux neuronaux (Informatique) Energy éolienne, Génératrice synchrone à aimant permanent, Systèmes neuronaux flous et adaptatifs, Contôle sans capteur, Qualité de l’onde, Filtre actif
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Chandra, Ambrish
Programme: Doctorat en génie > Génie
Date de dépôt: 18 nov. 2010 16:46
Dernière modification: 14 févr. 2017 22:22

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt


Plus de statistique...