computationally efficient long horizon model predictive direct current control of dfig wind turbines

Model predictive control (mpc) based methods are gaining more and more attention in power converters and electrical drives. nevertheless, high computational burden of mpc is an obstacle for its application, especially when the prediction horizon increases extends. at the same time, increasing the prediction horizon leads to a superior response. in this paper, a long horizon mpc is proposed to control the power converter employed in the rotor side of dfig. the main contribution of this paper is to propose a new comparative algorithm to speed up the optimization of the objective function. the proposed algorithm prevents examining all inputs in each prediction step to saving the computational time. additionally, the proposed method along with the use of an incremental algorithm applies a sequence of weighting factors in the cost function over the prediction horizon to maximize the impact of primary samples on the optimal vector selection. therefore, the proposed mpc strategy can predict a longer horizon with relatively low computational burden. finally, results show that the proposed controller has the fastest dynamic response with lower overshoots compared to direct torque control and vector control method. in addition, the proposed strategy with more accurate response reduces the calculation time by up to 48% compared to classical mpc, for the prediction horizon of three.

افزایش کارایی کنترل پیش بین مستقیم جریان کران بلند برای یک ژنراتور القایی دو تحریکه متصل به توربین بادی

روش های مبتنی بر کنترل پیش در حوزه مبدل های قدرتی و درایوهای الکتریکی بسیار مورد توجه قرار گرفته اند. اما از بزرگ ترین ایرادات این روش ها زمان محاسبات طولانی آن ها است که با افزایش کران پیش بین این مشکل بزرگ تر خواهد شد. این درحالی است که افزایش کران پیش بین باعت افزایش دقت سیستم می شود. در این مقاله یک کنترل پیش بین کران بلند برای مبدل قدرت استفاده شده در روتور ژنراتور القایی دو تحریکه پیشنهاد شده است. در روش پیشنهادی از یک الگوریتم مقایسه گر در ساختار کنترل پیش بین استفاده شده است تا سرعت بهینه سازی تابع هدف را افزایش دهد. الگوریتم پیشنهادی از اعمال تمامی ورودی های کنترلی به تابع هدف جلوگیری می کند. علاوه بر این در ساختار بهینه سازی از یک توالی ضرایب وزنی استفاده شده است تاثیر نمونه های اولیه در بهینه سازی بیشتر شود. در نهایت نتایج شبیه سازی نشان می دهد که استراتژی پیشنهادی زمان محاسبات را در حدود 48 درصد نسبت به حالت عادی آن بهبود می دهد.