APLICACIÓN DEL CONTROL PREDICTIVO PARA EL CONTROL DE INVERSORES Y MOTORES ASÍNCRONOS

Abstract

Este trabajo fin de grado se basa en el estudio y la aplicación del control predictivo basado en modelo (Model Predictive Control o MPC) a convertidores electrónicos de potencia y máquinas asíncronas (MAS). La investigación en el MPC es actualmente muy relevante en electrónica de potencia. Además, es acorde con el enfoque actual de la sostenibilidad y eficiencia energética. El objetivo principal de este trabajo es implementar el control predictivo (MPC) en un convertidor electrónico de potencia CC/CA trifásico funcionado como inversor para dos aplicaciones específicas: una es la conexión a la red eléctrica de una fuente de energía en CC y la otra el accionamiento de un motor asíncrono trifásico. Se han modelado ambos sistemas, se ha diseñado el algoritmo de control y se ha comprobado su correcto funcionamiento mediante simulaciones. En concreto, en la primera aplicación se implementa el control predictivo mediante el software de simulación Matlab/Simulink. Se pretende controlar la corriente inyectada a la red eléctrica, para lo que se emplea una programación por bloques que permite definir los componentes del sistema. Además, se desarrollan técnicas para compensar los efectos que aparecen cuando el tiempo de cálculo del algoritmo de control es considerable respecto del tiempo de muestreo, alcanzando mejoras significativas en el comportamiento del sistema. Para el caso del control aplicado a la máquina asíncrona, se implementa el control predictivo de par o torque (Predictive Torque Control o PTC). El modelado dinámico de esta máquina se utiliza para realizar la predicción del flujo del estator y el par de la misma, consiguiendo un control eficiente y resultados óptimos en las simulaciones. El estudio confirma que el MPC es una técnica eficaz para el control de convertidores electrónicos en distintas aplicaciones. Mediante la herramienta Matlab/Simulink, se visualizan los resultados prácticos de este método. Según la aplicación elegida, varían tanto el modelo del sistema como el problema de optimización que se resuelve por el controlador predictivo.