RT22 | Outils de régulation prédictive par modèle et de réseaux neuronaux appliqués aux convertisseurs à plusieurs niveaux

Les stratégies de commande standard pour les convertisseurs modulaires à plusieurs niveaux reposent principalement sur plusieurs boucles de régulateurs proportionnels-intégraux fonctionnant sur plusieurs références transformées afin d’assurer le découplage. Cependant, l’utilisation de plusieurs régulateurs SISO pour un système fortement couplé, qui comporte plus de variables que de degrés de liberté, réduit la robustesse de la commande par rapport aux régulateurs MIMO. Ce travail propose un contrôle prédictif de modèle séquentiel à déphasage (sPS-MPC) pour réguler un convertisseur matriciel modulaire à plusieurs niveaux (M3C), qui prend en compte le couplage des états et simplifie la structure de contrôle. La nouveauté et l’intérêt de l’application de ce MPC à un M3C résident dans la nécessité d’une formulation nouvelle et non triviale du modèle M3C, ainsi que dans sa dynamique très particulière et ses différences par rapport à d’autres topologies, puisqu’il est connecté à deux ports CA et présente un comportement très particulier à différentes fréquences de fonctionnement. Des essais expérimentaux ont été menés sur un M3C à 36 cellules afin de vérifier les performances de la proposition. Le schéma de commande prédictive a été implémenté sur des cartes OPAL-RT OP4510 et OP4520 avec un temps d’échantillonnage de 62 µs. Comme le montrent les résultats expérimentaux, la formulation sPS-MPC permet d’obtenir une réponse dynamique rapide en boucle fermée et un suivi efficace des courants d’entrée, de sortie et de circulation. De plus, le M3C piloté par le PS-MPC proposé fonctionne avec une fréquence de commutation fixe, une faible distorsion harmonique et des pertes de puissance réparties entre les commutateurs de puissance. Le MPC à déphasage séquentiel a également été appliqué à un MMC CC-CA ; cependant, les schémas de commande standard et basés sur le MPC utilisent une seule mesure de tension par sous-module pour équilibrer les tensions des condensateurs et assurer la commande du MMC. Par conséquent, le système de commande nécessite un nombre important de capteurs et une communication efficace des données sensibles dans des conditions d’EMI pertinentes, ce qui a un impact sur la fiabilité et le coût du convertisseur. Afin de surmonter ces problèmes, un observateur à réseau neuronal distribué a été mis en œuvre pour estimer en temps réel les tensions des condensateurs de chaque SM. L’observateur prédit la tension de chaque condensateur de SM à l’aide d’un modèle moyen standard. Ensuite, chaque prédiction est corrigée et débruité par un réseau neuronal de complexité computationnelle réduite. Ainsi, l’observateur réduit à un seul le nombre de capteurs de tension nécessaires par branche et filtre le bruit à haute fréquence présent dans les tensions estimées des condensateurs des modules solaires. Le déploiement en temps réel du réseau neuronal a été réalisé dans un contrôleur OPAL-RT et validé expérimentalement sur un MMC à 24 cellules ; l’évolutivité et le coût de calcul sur le simulateur OP4510 ont également été évalués.