Multi-objective & multi-model PI/PID controller tunning
Contenido principal del artículo
Resumen
Este estudio aborda el desafío de modelar un controlador para una turbina eólica de 15 MW propuesta por la Universidad de Córdoba. Ante la falta de disponibilidad de un modelo que represente el funcionamiento interno de la turbina, se resolvió utilizando la herramienta de Identificación de Sistemas en MATLAB. Se empleó el modelo lineal ARMAX, y se aplicaron los criterios de Vinnicombe y Akaike para abordar múltiples modelos, objetivos y seleccionar las mejores funciones de transferencia. Inicialmente, se obtuvieron 15 funciones de transferencia. Posteriormente, el controlador PI propuesto se ajustó a un PID con un filtro utilizando las cuatro funciones de transferencia encontradas mediante el uso del algoritmo de optimización multiobjetivo spMODEx, encontrando ganancias óptimas con un Kp=-8, Ti=12, Td=0.9754, y filtro=10, lo que resultó en un J=0.4602, superando óptimamente el valor propuesto por el desafío, J=0.5206. Las ganancias encontradas en este estudio demostraron su viabilidad para operar en una amplia gama de sistemas, respaldando un enfoque de múltiples modelos
Palabras clave:
Detalles del artículo
Citas
Estimate parameters of ARX, ARIX, AR, or ARI model - MATLAB arx - MathWorks América Latina. (s/f). Mathworks.com. Recuperado el 25 de mayo de 2024, de https://la.mathworks.com/help/ident/ref/arx.html
Ljung, L. System Identification: Theory for the User, Second Edition. Upper Saddle River, NJ: Prentice-Hall PTR, 1999.
V. Huilcapi, X. Blasco, J. M. Herrero and G. Reynoso-Meza, "A Loop Pairing Method for Multivariable Control Systems Under a Multi-Objective Optimization Approach," in IEEE Access, vol. 7, pp. 81994-82014, 2019, doi: 10.1109/ACCESS.2019.2923654.MATH DOI: https://doi.org/10.1109/ACCESS.2019.2923654
Ackermann, Thomas, ed. Wind power in power systems. John Wiley & Sons, 2012. DOI: https://doi.org/10.1002/9781119941842
Garrido, Juan, et al. Concurso en Ingeniería de Control 2024: Control de una turbina eólica de gran potencia II. Dpto. Ingeniería de Control y Automática, Universidad de Córdoba, 2024.
Zhang, P. (2010). Advanced Industrial Control Technology. Nova York. DOI: https://doi.org/10.1016/B978-1-4377-7807-6.10002-6
Vinnicombe, G. (1993). Measuring Robustness of Feedback Systems. PhD thesis, University of Cambridge, Dept. of Engineering.
Akaike, H. (1974). "A new look at the statistical model identification". IEEE Transactions on Automatic Control, 19(6), 716-723. DOI: https://doi.org/10.1109/TAC.1974.1100705
Burnham, K. P., & Anderson, D. R. (2002). "Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach". Springer.
J. Chen, K. H. Lundberg, D. E. Davison and D. S. Bernstein, "The Final Value Theorem Revisited - Infinite Limits and Irrational Functions," in IEEE Control Systems Magazine, vol. 27, no. 3, pp. 97-99, June 2007, doi: 10.1109/MCS.2007.365008. DOI: https://doi.org/10.1109/MCS.2007.365008
Hau, Erich. Wind Turbines: Fundamentals, Technologies, Application, Economics. 3. Ed. Munique: Springler, 2013. DOI: https://doi.org/10.1007/978-3-642-27151-9
Vance, P. J., Das, G. P., Kerr, D., Coleman, S. A., McGinnity, T. M., Gollisch, T., & Liu, J. K. (2017). Bioinspired approach to modeling retinal ganglion cells using system identification techniques. IEEE Transactions on Neural Networks and Learning Systems, 29(5), 1796-1808. DOI: https://doi.org/10.1109/TNNLS.2017.2690139
Gilberto Reynoso-Meza (2024). eXtended Multi-objective Differential Evolution with Spherical Pruning, < spMODEx > algorithm (https://www.mathworks.com/matlabcentral/fileexchange/65145-extended-multi-objective-differential-evolution-with-spherical-pruning-spmodex-algorithm), MATLAB Central File Exchange. Retrieved May 30, 2024