dc.contributor.advisor | Gordillo Álvarez, Francisco | es |
dc.contributor.advisor | Limón Marruedo, Daniel | es |
dc.creator | García Ordóñez, Joaquín | es |
dc.date.accessioned | 2024-08-01T08:28:08Z | |
dc.date.available | 2024-08-01T08:28:08Z | |
dc.date.issued | 2024-06-11 | |
dc.identifier.citation | García Ordóñez, J. (2024). Contributions to the implementation of real-time model predictive control in power inverters. (Tesis Doctoral Inédita). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/161814 | |
dc.description.abstract | Esta tesis explora las complejidades y avances en el control de inversores de potencia con control
predictivo basado en modelo, con un enfoque particular en los inversores multiniveles. La importancia de
estos últimos está creciendo debido al cambio global en la generación de energía, especialmente en la
necesidad de fuentes de energía renovable como la solar y eólica, ya que se requieren inversores de
potencia para su integración en las redes eléctricas.
El control predictivo basado en modelo es un método de control emergente en este campo,
anteriormente limitado por su alto esfuerzo computacional que no se adaptaba bien a las altas
frecuencias que necesitan los convertidores de potencia para funcionar. Gracias a la mayor
disponibilidad de hardware de cálculo más potente, este método de control se ha vuelto más atractivo
debido a sus ventajas, como su optimalidad, flexibilidad y la capacidad de manejar fácilmente sistemas
multivariables complejos que requieren varios objetivos de control. En esta tesis se introduce una nueva
mejora para el control predictivo llamada ``multirate'' y se adapta a la aplicación de convertidores de
potencia.
Este trabajo también aborda el problema de la inercia en la creciente integración de fuentes de energía
renovable. La reducción de generadores síncronos y su sustitución por fuentes de energía gobernadas
por electrónica de potencia disminuye la inercia de la red, creando desafíos en la regulación de
frecuencia y aumentando el riesgo de inestabilidad de la red. Aprovechando la flexibilidad del control
predictivo basado en modelo, se introduce una nueva formulación como un método prometedor para
proporcionar inercia virtual a la red.
La tesis concluye con propuestas de implementación de control predictivo basado en modelo en tiempo
real, destacando implementaciones basadas en datos y métodos de aprendizaje automático para
abordar las difíciles res-tricciones del tiempo real en aplicaciones de electrónica de potencia. En
particular, se propone un sistema \textit{hardware-in-the-loop} para superar las demandas
computacionales en un dispositivo FPGA.
En resumen, este trabajo proporciona un marco para la implementación de control predictivo basado en
modelos en tiempo real que aborda desafíos mordernos de control y mejora el rendimiento. El autor
desea que este trabajo pueda servir como una base flexible para el futuro para seguir mejorando la
eficiencia de la generación y la integración de energía, así como el rendimiento de conversión de los
inversores de potencia. | es |
dc.description.abstract | The thesis explores the complexities and advancements in the control of
power inverters with model predictive control, with a particular focus on
complex multilevel inverters. Its importance is growing due to the global
shift of energy generation, particularly towards renewable energy sources
such as solar and wind, since power inverters are required for their integration
into electrical grids.
Model predictive control is an emerging control method in this field, previously
held back by its high computational effort that does not suit with
really high frequencies that power converters need to work with. Thanks
to the wider availability of more powerful computing hardware, this control
method became attractive because of its main advantages, such as its optimality,
flexibility, and the ability to easily deal with complex multivariable
systems that demand several control objectives. In this thesis, model predictive
control for power converters has been studied and a novel enhancement
named “multirate” is introduced and adapted to this application.
This work also addresses the problem of inertia in the increasing integration
of renewable energy sources. The reduction of synchronous generators
and its substitution with energy sources governed by power electronics diminishes
grid inertia, exacerbating challenges in frequency regulation and
increasing the risk of grid instability. By exploiting the flexibility of model
predictive control, a new formulation is introduced as a promising method
to provide virtual inertia to the grid.
The thesis concludes with novel implementation proposals of real-time
model predictive control for power inverters, highlighting data-based implementations
and machine learning methods to address the difficult real-time
constraints in power electronic applications. In particular, a hardware-inthe-
loop setup is proposed, and guidelines are given to overcome the computational
demands in an FPGA device.
Overall, this work provides a framework for the implementation of realtime
model predictive control that addresses modern control challenges and
enhances performance. The author wishes that this work can serve as a
flexible base for the future to continue improving the efficiency of energy
generation and grid integration, as well as the conversion performance of
power inverters. | es |
dc.format | application/pdf | es |
dc.format.extent | 140 p. | es |
dc.language.iso | eng | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Contributions to the implementation of real-time model predictive control in power inverters | es |
dc.type | info:eu-repo/semantics/doctoralThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/embargoedAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Ingeniería de Sistemas y Automática | es |
dc.date.embargoEndDate | 2025-06-11 | |