Design and implementation of predictive current controller based on artificial neural networks for voltage source inverters

Abstract

Bu çalışmada, voltaj kaynaklı eviriciler için beş farklı yapay sinir ağı (YSA) tabanlı öngörülü akım kontrolcüsü tasarımları yapılmıştır. Birinci tasarımda, sistemin matematiksel modelini kullanan sonlu kontrol setli model öngörülü kontrol (finite control set model predictive control, FCS-MPC) yönteminden alınan veriler kullanılarak, tasarlanan statik YSA tabanlı akım kontrolcüsü eğitilmiştir. Sonra diğer dört modelde sinüzoidal referans akım öngörüsünün yapılabilmesi amacı ile ileri beslemeli bir referans akım öngörücü YSA (feedforward reference current predictor artificial neural network, RefPNN) tasarımı yapılmıştır. Bu yapı kullanılarak Histerezis akım kontrolcüsü içeren iki evirici benzetimi oluşturulmuş ve bu benzetimden alınan veriler ile Histerezis tabanlı öngörülü iki adet YSA (hysteresis based predictive artificial neural network1, Hist-PNN1 ve hysteresis based predictive artificial neural network2, Hist-PNN2) akım kontrolcüsü eğitilmiştir. Benzer şekilde, dördüncü oransal-rezonans (proportional resonant, PR) tabanlı öngörülü akım kontrolcüsünün (PR based predictive artificial neural network, PR-PNN) eğitiminde, RefPNN ve PR akım kontrolcüsü içeren bir benzetimden alınan veriler kullanılmıştır. Beşinci YSA tabanlı öngörülü akım kontrolcüsünde (PI based predictive artificial neural network, PI-PNN) ise eğitim verileri RefPNN ve akım kontrolcüsü olarak oransal-integral (proportional integral, PI) kontrolcüsü içeren bir benzetimden alınmıştır. Deneysel çalışma için güç katında 7MBP50RJ120 IPM modül ve denetleyici olarak STM32F407 mikrodenetleyicisini içeren üç fazlı 5kVA'lik evirici devresi tasarlanmıştır. Çevrim dışı alınan veriler kullanılarak eğitilen beş farklı YSA akım kontrolcüsü hem benzetim ortamında hem de deneysel olarak farklı test koşulları altında test edilmiş ve sonuçları karşılaştırılmıştır. Tüm yöntemlerin öngörü özelliğine sahip olduğu ve başarıyla uygulanabileceği tespit edilmiştir.

In this study, five different Artificial Neural Network (ANN) based predictive current controller designs were made for voltage source inverters. In the first design, the designed static ANN-based current controller is trained by using the data obtained from the finite control set model predictive control (FCS-MPC) method using the mathematical model of the system Then, a feedforward reference current predictor ANN (RefPNN) was designed to predict sinusoidal reference current in the other four methods. Using this structure, two inverter simulations containing a hysteresis current controller were created, and two hysteresis-based predictive ANNs (Hist-PNN1 and Hist-PNN2) current controllers were trained with the data obtained from this simulation. Similarly, data from a simulation containing RefPNN and proportional-resonant (PR) current controller were used in training the fourth PR-based predictive current controller (PR-PNN). The fifth ANN-based predictive current controller (PI-PNN) training data are taken from a simulation which RefPNN and, as the current controller, a proportional-integral (PI) controller. A three-phase 5kVA inverter circuit with a 7MBP50RJ120 IPM module in the power stage and STM32f407 as a controller was designed for the experimental study. Five different ANN current controllers trained using offline data were tested both in the simulation environment and experimentally under different test conditions, and their results were compared. It has been determined that all methods have predictive properties and can be applied successfully.