Makine öğrenimi tabanlı PID optimizasyonu ile çift aktif köprülü doğru akım güç çeviricilerinin denetimi

Abstract

Bu tez çalışmasında, özellikle yarı-iletken transformatör ve elektrikli araç akü sistemlerinde tercih edilen Çift Aktif Köprülü Doğru Akım çeviricisinin kapalı çevrim gerilim kontrolü üzerinde durulmuştur ve Çift Aktif Köprülü Doğru Akım çevirici uygulamalarında kullanılan dört farklı anahtarlama yöntemi incelenmiştir. Çift Aktif Köprülü Doğru Akım çeviricisinin kapalı çevrim denetiminde PID denetleyici kullanılmış olup, PID parametreleri, hem Ziegler-Nichols hem de önerilen yeni doğrusal regresyon tabanlı PID optimizasyonu ile elde edilerek dinamik performans karşılaştırması yapılmıştır. Geleneksel doğrusal regresyon tabanlı denetleyici optimizasyonlarında kullanılan yükselme zamanı, aşım, oturma zamanı gibi basamak cevabı nitelikleri kullanılarak hipotez fonksiyonu oluşturmak yerine kapalı çevrim sistemin sahip olması istenilen basamak cevabı dalga formu, geliştirilen doğrusal regresyon tabanlı makine-öğrenim algoritmasına iletilerek PID denetleyici parametreleri elde edilmiştir. Tasarlanan, 250 W güç kapasitesine sahip 200 kHz anahtarlama frekansı ve tek faz kaydırmalı anahtarlama yöntemi kullanılan çevirici için hem ideal hem de transformatör modeli, anahtarlama elemanları pSpice modeli ve sargı dirençlerinin dahil edildiği ideal olmayan koşullar altındaki benzetim çalışmaları verilmiştir. Geliştirilen doğrusal regresyon tabanlı PID optimizasyonuyla geleneksel Ziegler- Nichols yöntemine göre daha hızlı oturma zamanı ve aşımsız bir dinamik cevap elde edilmiştir. Doğrusal regresyon tabanlı PID optimizasyonu sonucunda elde edilen denetleyici parametreleriyle, ideal olmayan koşullar altında gerçekleştirilen benzetim çalışmasının, ideal koşullar altında elde edilen sonuçlar ile hemen hemen bire bir örtüştüğü gözlemlenmiştir.

In this Masters’ thesis, the study focused on a closed-loop voltage control of Dual Active Bridge converters, which is especially preferred in solid-state transformer and vehicle battery system applications. Additionally, four different switching techniques used for this converters have been included in the study. The traditional machine-learning-based linear regression employs the step response attributes such as, rise time, overshoot and settling time to formulate a hypothesis function. In this novel optimization method for the PID parameters proposed in this thesis, does not calculate the hypothesis function as in the traditional system but instead, the reference waveform is directly delivered to the machine-learning algorithm as a closed-loop system characteristic. The algorithm then optimizes the parameters for the PID to end up the closed-loop system. Designed Dual Active Bridge converter has 250W power capacitiy, it works under 200kHz and it uses single phase shift as switching method. For this converter, a simulation has been run under both ideal and non-ideal conditions where the, spice models of transistors, the transformer model and the winding resistances’ have been included. At the end of the study better dynamic performance have been achieved with this novel machine-learning-based PID optimization. Quite close non-ideal simulation results have been achived according to ideal simulation.