1. INTRODUCCIÓN

El punto de operación adecuado de los generadores fotovoltaicos está ligado a las condiciones ambientales, además de la eficiencia del regulador, especialmente la eficiencia con que se genera el ciclo de conmutación del convertidor para mantener la tensión de salida en un rango aceptable. Con miras a incrementar la eficiencia de los convertidores DC-DC utilizados como reguladores de voltaje se han estudiado diferentes técnicas de control, para convertidores DC-DC Buck-Boost. Técnicas de control por modelo interno con dos grados de libertad aplicado a un convertidor elevador, presentan buenos índices de desempeño para el convertidor a pesar de la restricción de ancho de banda dada su dinámica de fase no mínima [1]. De igual forma las estrategias de control robusto por modo deslizante se han implementado para convertidores tipo Boost y tipo Buck-Boost [2], [3], que han permitido conseguir robustez del sistema ante variaciones de voltaje de entrada y perturbaciones por cambios de la impedancia de carga. Por otra parte se han formulado algoritmos de control predictivo para modelos sub-óptimos con el fin de asegurar estabilidad robusta con mayor eficiencia de un convertidor Buck-Boost utilizando la función de Lyapunov para minimizar la función de costo [4], [5]. Otras estrategias para optimizar la transferencia de energía del generador fotovoltaico a la carga se han formulado con la combinación de técnicas de control clásica en combinación con algoritmos MPPT aplicados en un convertidor DC-DC Buck-Boost [6]. En este trabajo se propone un controlador robusto QFT con dos grados de libertad y una estructura basada en el Predictor de Smith modificado para sistemas de fase no mínima [7]. En la Sección 2 se plantea el modelamiento matemático del generador fotovoltaico y el convertidor Buck-Boost, seguido se muestra el diseño del controlador robusto QFT en la Sección 3. En la sección 4 se discuten los resultados del desempeño de la estrategia de control propuesta y por último en la Sección 5 se plantean las conclusiones.

2. MODELADO

2.1. Generador fotovoltaico

Se propone un modelo de simulación conformado por un generador fotovoltaico construido con cuatro módulos en serie PV-UD190HA6 de 190 𝑊𝑝, conectados a un convertidor DC-DC Buck-Boost con carga resistiva que se encarga de regular el voltaje de salida entre 75𝑉_𝐷𝐶 y 125𝑉_𝐷𝐶. Cada módulo se modela como una unión PN que exhibe un comportamiento no lineal de la respuesta para la relación voltaje/corriente del generador.

En la Figura 1 se muestra el circuito equivalente de una celda de un generador fotovoltaico. La corriente generada por el panel solar es directamente proporcional a la cantidad de radiación solar impresa sobre la celda, lo cual permite que se genere una corriente en el diodo , conformando de esta forma la curva del generador[8]. corresponde a la resistencia de cada celda y a la resistencia paralelo en condiciones ideales, la cual se puede despreciar dado su valor elevado. La corriente generada por la celda está dada por la ecuación (1).

Donde la fotocorriente , depende de la primera y segunda temperatura de referencia y se determina por la ecuación (2).

La correinte en la ecuación (1) representa la corriente de saturación del diodo que está dada por la ecuación (3).

Donde es la corriente de cortocircuito de la celda solar a un irradiación de 1𝐾𝑊/𝑚2 y 25 °C. corresponde a un factor de calidad del diodo, que asume un valor de 2 para material cristalino. La constante de Boltzmann se representa por y la carga del electrón es [9].

2.2. Convertidor DC-DC Buck-Boost

El convertidor DC-DC Buck-Boost en modo de conducción continua se muestra en la Figura 2. El comportamiento dinámico del circuito se describe a partir de la ecuación (4) y la ecuación (5), donde es una función de la conmutación, la cual toma el valor de 1 cuando el interruptor está cerrado, y 0 cuando el interruptor está abierto, de manera que se describe el comportamiento dinámico en ambos modos de funcionamiento del convertidor [10].

Para linealizar el modelo se establece el punto de equilibrio que permite obtener un modelo en espacio de estados linealizado en un punto de operación con pequeña variación, tal como se muestra en la ecuación (6) y la ecuación (7), donde: las variables de estado se definen para el modelo promediado como y , el punto de equilibrio como , y , y la variación de pequeña señal como , y .

La ecuación (6) y la ecuación (7), permiten calcular la función de transferencia de fase no mínima, tal como se muestra en la ecuación (8).

Donde la ganancia estática del convertidor se define como , la constante de tiempo como = , que determina la ubicación de cero en el semiplano derecho, produciendo un sistema de fase no mínima. La frecuencia natural y el coeficiente de amortiguamiento relativo se definen como respectivamente. Para definir los parámetros del convertidor se selecciona un voltaje de entrada de 100 𝑉_𝐷𝐶 en el punto de máxima potencia del generador y un ciclo de trabajo en el punto de equilibrio = 0.6. Por tanto para una frecuencia de conmutación de 100 𝐾𝐻𝑧 se determina una inductancia , una capacitancia y una resistencia de carga de , con base en el trabajo presentado en [10].

3. DISEÑO CONTROLADOR QFT

3.1. Predictor Smith para sistemas de fase no mínima

Dadas las restricciones de ancho de banda impuestas por los sistemas de fase no mínima, se han propuesto diferentes estrategias para el diseño de controladores QFT basadas en una planta equivalente de fase mínima acoplada a un filtro pasa todo [11], no obstante tiene ciertas limitaciones en una implementación real dado que se pierde estabilidad robusta en el sistema [12]. Otro enfoque está relacionado con las limitaciones de especificaciones de desempeño con base en el corrimiento de contornos en el plano de Nichols, que implica un diseño tedioso del controlador y del pre-filtro [13]. Por otra parte, en [11] se propone una estructura fundamentada en el concepto del predictor Smith, modificado para sistemas de fase no mínima, la cual utiliza una planta estimada de fase mínima , en un lazo interno y un filtro pasa todo 𝐴𝑃𝐹, que permite mitigar los efectos del cero en el semiplano derecho S y el diseño del controlador G con el pre-filtro F, dado que es una estructura de dos grados de libertad. El esquema del controlador es como el que se muestra en la Figura 3.

La forma de la planta 𝑃 está dada por la ecuación (9), donde se observa el cero . La planta estimada está dada por la ecuación (10), por tanto el sistema estimado de fase mínima está dada de acuerdo a la ecuación (11) y el filtro pasa todo por la ecuación (12).

Dado que se diseña un controlador robusto QFT ante variaciones paramétricas se proponen dos algoritmos que permiten seleccionar una planta adecuada [7]. El primer algoritmo busca seleccionar una planta estimada del espacio de incertidumbre, tal que permita que en el diagrama de la Figura 4, es decir que en el rango de frecuencias de interés del controlador , donde a modo práctico se fija en 3𝑑𝐵.

Del conjunto de plantas que se seleccionaron del primer algoritmo, se toma la planta que minimiza la función de costo dada por la ecuación (13). Donde representa las plantillas de la planta real y representa las plantillas de la planta equivalente. Así se define el segundo algoritmo.

Con base en los algoritmos propuestos en [7] para un rango de frecuencias de interés = [1, 1.7, 3, 5.5, 10, 30, 100, 300] , la planta estimada que cumple con los criterios de selección, está dada por la ecuación (14).

3.2. Espacio de incertidumbre

Con base en los datos experimentales del convertidor con características similares al trabajo propuesto en [14], se puede establecer una variación en los parámetros del convertidor alrededor del ±20%. Para la planta nominal con una frecuencia de conmutación = 100𝐾𝐻𝑧, = 100 𝑉_𝐷𝐶 y un punto de operación = 0.5, una resistencia de carga , una inductancia , y una capacitancia . Con base en la variación de los parámetros que afectan el punto de operación del convertidor se conforma un intervalo de incertidumbre. La resistencia tiene una variación tal que, , en la inductancia , , en la capacitancia , ; lo cual permite generar una familia de plantas evaluada ante un conjunto de frecuencias de interés entre 1000 𝑟𝑎𝑑/𝑠 a 300 k𝑟𝑎𝑑/𝑠, obteniendo para cada frecuencia una representación en fase [°] y magnitud [dB] del conjunto de plantas sobre el diagrama de Nichols [15].

3.3. Especificaciones de desempeño del controlador

Dado que el regulador de voltaje Buck-Boost se somete a cambios de carga en la salida del convertidor, las variaciones de los parámetros en los diferentes puntos de operación, y la fluctuación aleatoria en el voltaje del generador establecido por las diferentes condiciones ambientales. En este trabajo se definen tres especificaciones de desempeño basados en la estabilidad robusta mínima recomendada donde se establece 5 𝑑𝐵 en ganancia y 45° en fase con un rechazo de perturbaciones de carga en el voltaje de salida del convertidor y seguimiento robusto de referencia, las cuales según la teoría de realimentación cuantitativa se definen de acuerdo a la ecuación (15), ecuación (16) y la ecuación (17) respectivamente.

Para resolver estas inecuaciones, se debe cuantificar los parámetros , , y , bien sea como constantes o a partir de funciones de transferencia que representen la dinámica deseada de la planta en lazo cerrado [16]. El criterio de estabilidad robusta se define con = 1.3, dando como resultado un margen de fase de 45° y margen de ganacia 5𝑑𝐵. El rechazo de perturbaciones a la salida del convertidor, se define a partir del parámetro y la ecuación (18) [17]. Éste se define como una función de transferencia que representa la dinámica deseada de la planta ante una perturbación de carga en el convertidor, por lo tanto se define un tiempo de establecimiento de 0.01 𝑠 de la salida ante una perturbación tipo escalón unitario, condicionado a la función de sensibilidad del sistema. Para definir la función de transferencia , se aplica el método de asignación de polos [16].

Para el seguimiento de referencias se diseña un sistema de dos grados de libertad, cuyo pre-filtro se define a partir de dos funciones de transferencia que sirven de límite superior y límite inferior de la respuesta dinámica del sistema en lazo cerrado [13]. El límite superior tiene una respuesta subamortiguada con un sobrepaso de 10% y tiempo de establecimiento = 5 𝑚𝑠, de igual forma, la respuesta sobreamortiguada obedece al mismo tiempo de establecimiento. A partir de estos parámetros se construye una función de transferencia de segundo orden con un cero que represente la respuesta dinámica superior deseada, tal como se muestra en la ecuación (19). Por su parte, El parámetro se ajusta a una función de transferencia con tres polos reales no repetidos, cuyo polo dominante responde al tiempo de establecimiento requerido [18]. La función de trasferencia se define en la ecuación (20).

3.4. Contornos del controlador

A partir de las especificaciones de desempeño del controlador dadas entre la ecuación (15), (16) y (17) y de las funciones de transferencia que representan los parámetros , , y , se debe conseguir una tal que cumpla las desigualdades establecidas en las especificaciones de desempeño, donde . Así, el problema de control se centra en determinar un controlador único, que cumpla con todas las especificaciones de desempeño establecidas a partir de la planta con incertidumbre en el rango de frecuencias de interés [19]. Para resolver el problema de control, se plantean una inecuación cuadrática por cada especificación de desempeño [20] tal como se muestra en la ecuación (21), (22), (23) y (24).

El sistema de ecuaciones se resuelve a partir de métodos iterativos de acuerdo al algoritmo propuesto por Chait et al [20], donde equivale a la representación polar del controlador y representa la forma polar de la planta nominal del lazo . Cada raíz del sistema de inecuaciones cuadráticas representa un lugar en el diagrama de Nichols para cada par fase [°] – magnitud [𝑑𝐵], para las frecuencias de interés y la planta nominal, donde se generan cantidad de puntos los cuales representan los contornos de cada especificación, de manera que el único controlador que cumple con todas las especificaciones de desempeño es aquel que consigue llevar la función del lazo sobre los interceptos de todos los contornos de cada especificación [19].

3.5. Loop-Shapping del controlador QFT

Mediante la técnica loop-shapping, se introduce un controlador que manipule la función de lazo hasta lograr cumplir con las restricciones impuestas por las especificaciones de desempeño. La respuesta de en la frecuencia de interés debe quedar por encima del intercepto de los contornos en cada frecuencia de interés, tal como se muestra en la Figura 5. Esto se logra agregando polos y ceros a la función de lazo hasta conseguir la respuesta deseada [15]. La función de transferencia del controlador diseñado se muestra en la ecuación (25).

Dado que se propuso una estructura de dos grados de libertad capaz de hacer seguimiento de señales de referencia, es importante conformar el pre-filtro de la estructura DOF. En el diseño del pre-filtro, se tomó como referencia la solución de la inecuación cuadrática dada en la ecuación (23) y la ecuación (24), así, se debe buscar que la respuesta en frecuencia de la función se encuentre entre el límite superior y límite inferior de las funciones y . La ecuación (26) permite que la respuesta en el dominio de la frecuencia del sistema se ajuste a los límites impuestos por las funciones y .

4. RESULTADOS

El esquema de control robusto, se valida utilizando técnicas de diseño basado en modelo bajo el entorno de Simulink de Matlab® y con el apoyo de la Toolbox Simscape para el modelamiento de sistemas físicos. En el modelo de simulación se cuantificó la lógica propuesta por el control robusto para generar una señal PWM de 100 𝐾𝐻𝑧 con ciclo de trabajo en función de la acción de control, donde se aplica a la puerta de un MOSFET canal N. El controlador se implementa a partir de las funciones de transferencia en tiempo continuo. El generador fotovoltaico se modela a partir de las ecuaciones propuestas en [8] y el modelo de simulación Renewable Energy Systems documentados en la Toolbox Simscape de Mtalab®. El modelo de simulación se muestra en la Figura 6.

La respuesta del convertidor se valida cuando el generador fotovoltaico de 760 𝑊𝑝 genera 117 𝑉_𝐷C en el punto máximo de potencia y se establece una tensión de referencia en la salida de −75 𝑉_𝐷𝐶. La respuesta del convertidor se muestra en la Figura 7, donde se presenta un sobrepaso cercano al 3%, y un tiempo de establecimiento inferior a 6 𝑚𝑠.

En la Figura 8 se observa la respuesta del convertidor ante una referencia de −125𝑉_𝐷𝐶 donde se presenta un sobrepaso cercano al 8%, y un tiempo de establecimiento inferior a 8 𝑚𝑠, lo que implica que a pesar del cambio del punto de operación del convertidor el controlador mantiene buenos índices de desempeño.

Dada la estabilidad del sistema en lazo cerrado, se analiza la respuesta del convertidor en presencia de una perturbación en la corriente de salida ante un cambio abrupto en la resistencia de carga del 50% a los 15 𝑚𝑠 de simulación. La respuesta temporal se observa en la Figura 9, con una variación del doble de la corriente inicial de 7.5 𝐴. El tiempo de establecimiento ante esta perturbación fue cercano a 5 𝑚𝑠, y la señal de control se incrementa del 44% al 46%.

Para validar la respuesta del controlador ante variaciones en el punto de operación debido a cambios en el voltaje de entrada del convertidor se modela un cambio de irradiación en el generador y un gradiente de temperatura, factores que afectan el rendimiento y la potencia generada por el panel solar. En la Figura 10 se observa una variación de irradiación de 1000 𝑊/𝑚2 a 460 𝑊/𝑚2 a los 15 𝑚𝑠 y la respuesta del convertidor y el controlador, la cual mediante un incremento del ciclo de trabajo del 44% al 47%, el cual compensa la variación del voltaje de salida del convertidor cuando el voltaje del generador fotovoltaico pasa de 122𝑉_𝐷𝐶 a 116𝑉_𝐷C.

La respuesta del controlador ante variación de temperatura en el generador fotovoltaico se muestra en la Figura 11. El panel solar se somete a una variación de 25°𝐶 a 70°𝐶, lo cual se traduce en una variación en el voltaje de salida del generador de 122𝑉_𝐷𝐶 a 100𝑉_𝐷C. La señal de control para compensar esta variación se incrementó de 44% a 49%, con un sobrepaso en la respuesta transitoria del 5% y un tiempo de establecimiento 7 𝑚𝑠.

5. CONCLUSIONES

El modelo linealizado en espacio de estado del convertidor es válido para el diseño del controlador QFT dado que describe adecuadamente la dinámica del circuito del convertidor, lo que permite el diseño de un controlador robusto que cumple las especificaciones de desempeño deseadas, para un esquema de control basado en el predictor Smith modificado para sistemas de fase no mínima, el cual permite sintonizar un controlador robusto QFT de dos grados de libertad dado que este esquema mitiga los efectos del cero en el semiplano derecho S.

El control robusto QFT para el regulador de tensión Buck-Boost aplicado a un generador fotovoltaico de 760𝑊𝑝 mostró un desempeño robusto ante las perturbaciones en la carga conectada al convertidor y variaciones en la tensión de entrada a causa de los cambios aleatorios de las condiciones ambientales (irradiación y temperatura) que se expone el panel solar en condiciones reales de funcionamiento, manteniendo un tiempo de establecimiento y sobrepaso acordes con las especificaciones de desempeño del controlador.

REFERENCIAS

[1] T. Kobaku, S. Patwardhan, and V. Agarwal, “Experimental Evaluation of Internal Model Control Scheme on a DC-DC Boost Converter Exhibiting Non-minimum Phase Behavior,” IEEE Trans. Power Electron., vol. PP, no. 99, pp. 1–1, 2017.

[2] H. S. Khan and A. Y. Memon, “FIL simulation of sliding mode controller for DC/DC boost converter,” in 2016 13th International Bhurban Conference on Applied Sciences and Technology (IBCAST), pp. 112–117, 2016.

[3] M. E. Şahın, H. İ. Okumuş, and H. Kahvecı, “Sliding mode control of PV powered DC/DC Buck-Boost converter with digital signal processor,” in 2015 17th European Conference on Power Electronics and Applications (EPE’15 ECCE-Europe), pp. 1–8, 2015.

[4] A. Alam, L. Tao, K. Habib, and S. Khan, “Model predictive control for disturbance rejection and robust stability in Buck-Boost converter,” in 2016 IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), pp. 892–895, 2016.

[5] A. Alam, L. Tao, and K. Habib, “Optimal model predictive control for disturbance rejection and stability in buck-boost converter and its comparison with classical technique,” in 2016 IEEE International Conference on Power System Technology (POWERCON), pp. 1–6, 2016.

[6] R. R. de C. Vaz, S. P. Pimentel, and S. Araújo, “Analysis and control of a non-inverter Buck-Boost power DC-DC converter by state-space modeling and applied to PV systems under MPPT operation,” in 2015 IEEE PES Innovative Smart Grid Technologies Latin America (ISGT LATAM), pp. 338–343, 2015.

[7] M. Garcia-Sanz, Robust Control Engineering: Practical QFT Solutions. CRC Press, 2017.

[8] T. Khatib and W. Elmenreich, Modeling of Photovoltaic Systems Using MATLAB: Simplified Green Codes. John Wiley & Sons, 2016.

[9] B. J. Saharia, M. Manas, and S. Sen, “Comparative Study on Buck and Buck-Boost DC-DC Converters for MPP Tracking for Photovoltaic Power Systems,” in 2016 Second International Conference on Computational Intelligence Communication Technology (CICT), pp. 382–387, 2016.

[10] S. Bacha, I. Munteanu, and A. I. Bratcu, Power Electronic Converters Modeling and Control. London: Springer London, 2014.

[11] I. HOROWITZ and M. SIDI, “Optimum synthesis of non-minimum phase feedback systems with plant uncertainty†,” Int. J. Control, Apr. 2007.

[12] W.-H. Chen and D. J. Ballance, “QFT design for uncertain non-minimum phase and unstable plants revisited,” Int. J. Control, vol. 74, no. 9, pp. 957–965, Enero 2001.

[13] M. Garcia-Sanz and C. H. Houpis, Wind Energy Systems: Control Engineering Design. CRC Press, 2012.

[14] A. A. Towati, Dynamic Analysis and QFT-based Robust Control Design of Switched-mode Power Converters. Helsinki University of Technology, 2008.

[15] M. G. Martínez, “Síntesis de controladores robustos mediante el análisis de la compatibilidad de especificaciones e incertidumbre,” http://purl.org/dc/dcmitype/Text, Universidad Pública de Navarra, 2001.

[16] C. H. Houpis, S. N. Sheldon, and J. J. D’Azzo, Linear Control System Analysis and Design: Fifth Edition, Revised and Expanded. CRC Press, 2003.

[17] J. Elso, M. Gil-Martinez, and M. Garcia-Sanz, “Quantitative feedback control for multivariable model matching and disturbance rejection,” Int. J. Robust Nonlinear Control, vol. 27, no. 1, pp. 121–134, Enero 2017.

[18] C. H. Houpis, S. J. Rasmussen, and M. Garcia-Sanz, Quantitative feedback theory: fundamentals and applications. CRC Press, 2005.

[19] M. Gil-Martínez and M. García-Sanz, “Simultaneous meeting of robust control specifications in QFT,” Int. J. Robust Nonlinear Control, vol. 13, no. 7, pp. 643–656, 2003.

[20] Y. Chait and O. Yaniv, “Multi-input/single-output computer-aided control design using the quantitative feedback theory,” Int. J. Robust Nonlinear Control, vol. 3, no. 1, pp. 47–54, Enero 1993.

Información adicional

Cómo citar: R. Núñez, O. Pinzón,“Controlador robusto basado en la técnica QFT para convertidores DC-DC buck -boost como regulador de voltaje en generadores fotovoltaicos,” Rev. UIS Ing., vol. 17, no. 1, pp. 243-250, 2018. Doi: https://doi.org/10.18273/revuin.v17n1-2018024