ANFIS controller MPPT algorithm for solar powered dual three- phase induction motor based EVs

• Autorzy: Roubache Toufik , Chaouch Souad

Identyfikatory

DOI

10.15199/48.2024.03.47

Warianty tytułu

PL

Algorytm MPPT sterownika ANFIS dla pojazdów elektrycznych zasilanych energią słoneczną z podwójnym trójfazowym silnikiem indukcyjnym

• Języki publikacji: EN

Abstrakty

EN

In this paper, an adaptive neuro-fuzzy inference system (ANFIS) based maximum power point tracking algorithm (MPPT) are proposed for solar powered dual three phase induction motor (DTPIM) drives via input-output linearization control (IOLC). The maximum power delivery to the DTPIM is achieved by MPPT controller which employs ANFIS. It adjusts the duty cycle of the three-level boost converter for extracting maximum power from solar PV array. In addition, ANFIS is proposed for better performance of the system because has many inputs and also has multiple outputs but the fuzzy logic has multiple inputs and single output, so the combination of this two is known as ANFIS which is utilized for nonlinear applications. In order to test the performances of this control, a dynamic emulator is used. Further the propose controller is applied for electrical vehicle (EV) to determine its performance. Finally the obtained results show that the proposed controller provide a good trajectory tracking, and this scheme is robust with respect to parameter variations, and external load disturbances for DTP induction motor drive system.

PL

W tym artykule zaproponowano adaptacyjny algorytm śledzenia punktu mocy oparty na neurorozmytym systemie wnioskowania dla podwójnych trójfazowych silników indukcyjnych zasilanych energią słoneczną poprzez sterowanie linearyzacją wejścia i wyjścia. Maksymalne dostarczanie mocy do podwójnego trójfazowego silnika indukcyjnego jest osiągane przez kontroler śledzenia punktu maksymalnej mocy, który wykorzystuje adaptacyjny neurorozmyty system wnioskowania. Dostosowuje cykl pracy trzypoziomowej przetwornicy podwyższającej napięcie, aby uzyskać maksymalną moc z panelu fotowoltaicznego. Ponadto proponuje się adaptacyjny neurorozmyty system wnioskowania w celu lepszej wydajności systemu, ponieważ ma on wiele wejść i ma również wiele wyjść, ale logika rozmyta ma wiele wejść i jedno wyjście, więc połączenie tych dwóch jest znane jako adaptacyjne neurorozmyte wnioskowanie system stosowany w aplikacjach nieliniowych. W celu przetestowania wydajności tego sterowania używany jest dynamiczny emulator. Ponadto proponowany sterownik jest stosowany w pojeździe elektrycznym w celu określenia jego osiągów. Ostatecznie uzyskane wyniki pokazują, że proponowany sterownik zapewnia dobre śledzenie trajektorii, a ten schemat jest odporny na zmiany parametrów i zewnętrzne zakłócenia obciążenia dla dwufazowego trójfazowego układu napędowego silnika indukcyjnego.

Słowa kluczowe

EN

ANFIS; boost converter; dual three phase induction motor; DTPIM; Input-output linearization control; IOLC; electric vehicle; EV

PL

ANSW; konwerter w górę; podwójny trójfazowy silnik indukcyjny; sterowanie linearyzacją wejścia-wyjścia; pojazd elektryczny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 3
• Strony: 269--274
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Roubache Toufik

• University of Msila, Algeria

autor

Chaouch Souad

• LSP-IE Laboratory, University of Batna 2, Algeria

Bibliografia

• [1] Akca T., Ulu C., Obut S., ANFIS Based Inverse Controller Design for Liquid Level Control of a Spherical Tank, Przegląd Elektrotechniczny, 99 (2023), No. 2, 32-36.
• [2] Fernando J.T.E., Anbal T., Induction motor downsizing as a low-cost strategy to save energy, Journal of Cleaner Production, 24(2012),117-131.
• [3] Chakchouk W., Ben Regaya C., Zaafouri A., Sellami A., An improved fuzzy logic control of irrigation station, 4th International Conference on Control, Decision and Information Technologies (CoDIT), (2017), 259-264.
• [4] Beghdadi A., Bentaallah A., Abden A., Optimization of Sliding Mode with MRAS Based Estimation for Speed Sensorless Control of DSIM Via GWO, Przegląd Elektrotechniczny, 97(2021), No. 6, 21-29.
• [5] Villani M., Tursini M., Fabri G., Castellini L., High reliability permanent magnet brushless motor drive for aircraft application, IEEE Trans. Ind. Electron., 59(2012), No. 5, 2073- 2081.
• [6] Jin L., Norrga S., Zhang H., Wallmark O., Evaluation of a multiphase drive system in EV and HEV applications, In Proc. IEMDC.IEEE, (2015), 941-945.
• [7] Chen Q., Liao C., Ouyang A., Li X., Xiao Q., Research and development of in-wheel motor driving technology for electric vehicles. Int. J. Electr. Hybrid Veh. 8(2016), 242-254.
• [8] Sahraoui K., Katia K., Ameur A., A Robust Sensorless Iterated Extended Kalman Filter for Electromechanical Drive State Estimation, in EEA – Electrotehnica Electronica Automatica. 65(2017), No. 2, 46-53.
• [9] Derbane A., Tabbache B., Ahriche A., A fuzzy logic approach based direct torque control and five-leg voltage source inverter for electric vehicle powertrains, Rev. Roum. Sci. Techn. – Électrotechn. Et Énerg, 66(2021), No. 1, 15-20.
• [10] Belkacem S., Naceri F., Abdessemed R., Reduction of torque ripple in DTC for induction motor using input-output feedback linearization. Serbian Journal of Electrical Engineering, 8(2011), No.2, 97-110.
• [11] Lazreg M., Bentaallah A., Input Output Linearization Control of Double Star Induction Machine, Rev. Roum. Sci. Techn. – Électrotechn. Et Énerg, 63(2018), No. 4, 423-428.
• [12] De Castro R., Araujo R., Freitas D., Wheel slip control of EVs based on sliding mode technique with conditional integrators, IEEE Transaction on Industrial Electronics, 60(2013), No.8, 3256-3271.
• [13] Nam K., Fujimoto H., Hori Y., Advanced motion control of electric vehicles based on robust lateral tire force control via active front steering, IEEE/ASME Transactions on Mechatronics, 19(2014), No. 1, 289-299.
• [14] Yang Y., Liang Y., Xu G., Zhang J., Novel traction control of electric vehicle based on single wheel dynamics, Journal of Engineering, (2019), No. 23, 9006-9012.
• [15] Hadjab M., Medjahed B., Comparison and statistical validation of a model of a photovoltaic module, International Journal of Energy, 6(2012), No. 4, 133-140.
• [16] Jacomini R.V., Rocha C.M., Altuna J.A.T., Azcue J.L., Capovilla C.E., Squarezi A.J., Implementation of a Neuro-Fuzzy Direct Torque and Reactive Power Control for Doubly Fed Induction Motor, Przegląd Elektrotechniczny, 90 (2014), No. 10, 179-187.
• [17] Gregor R., Rodas J., Speed Sensorless Control of Dual Three-Phase Induction Machine based on a Luenberger Observer for Rotor Current Estimation, 38th Annual Conference on IEEE Industrial Electronics Society, (2012), 3653-3658.
• [18] Roubache T., Chaouch S., Nait said M., Sensorless Fault-Tolerant Control of an Induction Motor Based Electric Vehicle. J Electr Eng Technol, 11(2016), No. 5, 1423-1432.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).