You are on page 1of 12

CONTROLADORES FUZZY APLICADOS AO CONVERSOR DE GERADORES DE INDUO DUPLAMENTE EXCITADOS EM SISTEMAS ELICOS INTEGRADOS A SISTEMAS DE POTNCIA

Joo Paulo Abreu Vieira


jpavieira@yahoo.com.br

Marcus Vinicius Alves Nunes


mvan@ufpa.br

Ubiratan Holanda Bezerra


bira@ufpa.br

Andr Cavalcante do Nascimento


borgonio@amazon.com.br

Walter Barra Jr.

walbarra@ufpa.br Ncleo de Energia, Sistemas e Comunicaes - (NESC). Departamento de Engenharia Eltrica e de Computao, Centro Tecnolgico, Universidade Federal do Par. Av. Augusto Correa, no 01, Campus Universitrio do Guam, CEP: 66075-900, Belm-PA, Brasil. Centro Federal de Educao Tecnolgica (CEFET-PA). Departamento de Ensino, CEFET-PA. Av. Almirante Barroso, no 1155, Marco, CEP: 66093-020, Belm-PA, Brasil

ABSTRACT
This paper presents new fuzzy control strategies for application on the control of the static converter that connects the doubly fed induction generator into the electrical grid in variable speed wind generation systems. The proposed control strategies are of the type look-up- table with supervision. The performance of these intelligent regulators is compared with those obtained with constant gain PIs controllers, when the electrical power systems is submitted to faults. The fuzzy controllers are intended to ensure the continous operation of the static converter, even during the fault period, and at the same time to improve the transient performance of the electrical system as compared with the case of using PI conventional controllers. The results presented conrm the efciency of the proposed control strategies. The mathematical
Artigo submetido em 05/07/2006 1a. Reviso em 02/10/2006 2a. Reviso em 21/02/2007 Aceito sob recomendao do Editor Associado Prof. Carlos A. Castro

models that represent the dynamics of the wind turbines and generators were implemented using computacional programs developed in MATLABT M .
KEYWORDS: Doubly fed Induction Generators, Static Converter, Variable Speed Wind Generators, Fuzzy Control, Power System Transient Stability.

RESUMO
Este artigo apresenta novas estratgias de controle fuzzy aplicadas ao conversor esttico interligado ao rotor dos geradores de induo duplamente excitados (DFIG), em esquemas elicos de velocidade varivel, integrados a redes eltricas reais. As estratgias de controle propostas so do tipo fuzzy lookup-table com superviso. O desempenho de tais reguladores, baseados em inteligncia computacional, comparado com o obtido com controladores PIs a parmetros xos, na ocorrncia de faltas no sistema eltrico de potncia. Esses controladores fuzzy so destinados a garantir a continuidade da operao dos conversores, e melhorar o desempenho tran115

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

sitrio do sistema, em relao aos controladores convencionais. Os resultados apresentados conrmam a eccia das estratgias de controle adotadas. O modelo fsico dos aerogeradores, consistindo de um grande nmero de turbinas elicas, foi implementado atravs de uma ferramenta de simulao dinmica, desenvolvida no ambiente computacional MATLABT M .
PALAVRAS-CHAVE: Gerador de Induo Duplamente Excitado, Conversores Estticos, Aerogeradores de Velocidade Varivel, Controle Fuzzy, Estabilidade Transitria.

xos, geralmente costumam apresentar um pobre desempenho quando o sistema submetido a grandes perturbaes ou, mesmo, quando o sistema levado a operar em condies relativamente diferentes daquelas para as quais o controlador convencional foi projetado (Wang, 1997). Uma vez que o controle fuzzy possibilita a superviso inteligente, baseada apenas em informaes qualitativas sobre a operao da mquina eltrica, o mesmo surge como um mtodo heurstico que pode melhorar o desempenho da mesma. Portanto, a utilizao de controladores fuzzy em sistemas elicos de velocidade varivel, permite manter o desempenho do sistema de controle sempre ajustado s atuais condies operacionais e estrutura da planta, reduzindo o pico de corrente do rotor e aumentando a margem de estabilidade eletromecncia, melhorando assim, o comportamento transitrio em relao aos reguladores PIs convencionais, na ocorrncia de faltas no sistema eltrico.

1 INTRODUO
O aumento da integrao de geradores de induo duplamente excitados (DFIG) controlados por conversores estticos, em esquemas elicos de velocidade varivel, nas redes eltricas atualmente uma tendncia generalizada em muitos pases. Esse fato, est diretamente relacionado com a exibilidade do controle oferecido pelos conversores estticos que possibilitam manter a tenso terminal constante quando a mquina opera em velocidade varivel, permitindo o controle independente de potncia ativa e reativa que a mquina troca com a rede eltrica, com a mxima ecincia no aproveitamento da energia elica (Vieira et al, 2006). A desvantagem do DFIG a sua operao durante faltas no sistema eltrico. Neste caso os limites da corrente do rotor tem possibilidade de serem ultrapassados, podendo causar danos ao conversor eletrnico (Morren et al, 2005). No sentido de evitar que tais situaes ocorram, adotado um sistema de proteo, nos quais os terminais do rotor do DFIG so curto-circuitados (crow-bar), desativando os conversores, ou seja, as malhas de controle so bloqueadas, o que gera uma menor margem de estabilidade transitria. Por outro lado, com os controladores bem projetados, possvel evitar o aumento excessivo da corrente do rotor durante a ocorrncia de distrbios, garantindo a continuidade de operao dos conversores, e como consequncia o aumento da estabilidade transitria do sistema. Este tipo de controle do conversor para um sistema DFIG realizado por controladores proporcionais e integrais (PIs), os quais possuem estrutura simples e desempenho razoavelmente robusto. Contudo, o sucesso do controlador PI, e conseqentemente, o melhor desempenho da mquina dependem das escolhas apropriadas dos ganhos proporcionais e integrais. A sintonizao desses ganhos para um desempenho timo no tarefa trivial, ainda mais quando o processo pode sofrer variaes durante a operao e ser no-linear, uma vez que as equaes dinmicas que descrevem o comportamento do DFIG apresentam no-linearidades e termos acoplados que afetam o desempenho dos reguladores (Almeida et al, 2004). Estratgias de controle convencionais, a parmetros
116

2 MODELO DA TURBINA ELICA


O modelo implementado para a turbina elica parte da potncia mecnica da mesma a qual calculada pela seguinte expresso (Heier, 1998): Pmec = 0.5CP r2 U3 w Sendo: r - raio do rotor da turbina elica (m); Uw - velocidade mdia do vento (m/s); - massa especca do ar (kg m3 ); CP - coeciente de potncia. Para obteno de CP em uma determinada velocidade de vento, o rotor da turbina deve ser controlado, girando a uma velocidade angular que resulte na razo entre a velocidade da ponta da p e a velocidade do vento, apresentada a seguir: = Onde: t - velocidade de rotao do eixo da turbina elica. Em esquemas elicos de velocidade varivel,CP funo de e (ngulo de passo), como descrito nas equaes (3) e (4) (Slootweg et al, 2003): rt Uw (2) (1)

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

O torque eletromagntico em p.u. dado por: CP (, ) = = 0.73 151 0.58 0.002 2.14 13.2 i - 18.4 e i (3) i = 1 + Te = V d ids + Vq iqs (9)

A equao de balano adotada para aerogeradores de velocidade varivel em estudos de estabilidade transitria, dada pela equao a seguir: d 2HG G = Tm Te DG dt Onde:

1 0.02

0.003 3 +1

(4)

(10)

3 MODELO DO DFIG
O modelo dinmico do DFIG considera duas equaes algbricas para o estator, duas equaes dinmicas para o rotor, mais a equao de balano de potncia. Os transitrios do estator so desprezados neste modelo, devido sua rpida extino. Desta forma, as equaes em p.u., na base nominal do gerador, representadas em funo de uma tenso atrs de uma reatncia transitria para estudos de estabilidade transitria, so descritas a seguir (Kundur, 1994; Nunes et al, 2003): Vds = V d rs ids + Xa iqs Vqs = V q rs iqs Xa ids dV d = 1 V + (X X )i a a qs + d dt T o Xm + ss V q s X Vqr rr dV q dt (5) (6) HG a constante de inrcia da turbina em (seg) e G a velocidade angular do rotor do gerador em (p.u) e D corresponde ao coeciente de amortecimento da carga (p.u). O torque mecnico obtido diretamente a partir da relao entre a potncia mecnica, proveniente da equao (1), e a velocidade mecnica do rotor da turbina elica. Neste artigo utilizado o modelo de massa nica, devido presena dos conversores estticos na interligao da mquina com a rede, que funcionam como um ltro, desacoplando a freqncia da rede eltrica da freqncia do gerador (Nunes, 2003; Slootweg, 2003).

4 MODELO DOS CONVERSORES DO DFIG


(7) Para o modelo dos conversores, assume-se que a tenso no link cc seja constante. O conversor interligado ao rotor (C1) modelado como fonte de tenso e o conversor interligado rede eltrica (C2) modelado como fonte de corrente. O sistema de controle do conversor C1 do DFIG ser estabelecido em dois nveis: controle da corrente do rotor em um nvel interno e controle da velocidade e tenso em um nvel mais externo (Nunes et al, 2005). Neste sistema, o conversor C1 controla a tenso do rotor, e, portanto, o torque eletromagntico da mquina e a potncia reativa que o estator troca com a rede eltrica e o conversor C2 responsvel pelo controle adicional da tenso, atravs do aumento da potncia reativa gerada (Holdsworth et al, 2002). O diagrama esquemtico do DFIG, conversores estticos e reguladores descrito na gura 1 a seguir: Neste artigo, somente o controle do conversor C1 utilizado para a superviso inteligente. A estratgia de controle adotada para o conversor C2 mantm a tenso no link cc constante, operando com fator de potncia unitrio. A implementao das malhas de controle propostas para o torque eletromagntico ou velocidade do rotor e a potncia reativa ou tenso mostrada a seguir na gura 2 (Nunes et al, 2003):
117

1 V q (Xa Xa )ids To Xm ss V d + s Xrr Vdr

(8)

Onde: Xrr , Xm - Reatncias do estator, rotor e mtua, respectivamente (pu); Xa - reatncia de circuito aberto da mquina de induo em regime permanente (p.u.); Xa - reatncia transitria de circuito aberto da mquina de induo (p.u.); Vd ,Vq - componentes da tenso atrs da reatncia transitria Xa (p.u.);

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

Rede Eltrica

Caixa de Engrenagens

BASE DE REGRAS FUZZY

x em U
Gerador DFIG

y em V

Fuzzificador

Defuzzificador

C2

C1

Conversor Interligado Rede

Conversor Interligado ao Rotor

Conjuntos Fuzzy em U

MQUINA DE INFERNCIA FUZZY

Conjuntos Fuzzy em V

Figura 1: Diagrama esquemtico do DFIG.

Figura 3: Diagrama de Blocos da Arquitetura de um Controlador Fuzzy Tpico

kP1

i
+ +

qr -

k P2
Kp

y = wr _ ref wr

r, ref +

k I1
r

iqr, ref k1 + + 1 s1

k I2 s

KP1
Vqr
Clculo

& y

PI

Planta

KI 1

k P3

Controlador Supervisrio Fuzzy


+ +

Vref

+ -

+ P

k s

k I3
-

id r, ref idr

Vdr

Figura 4: Controle supervisrio fuzzy para o controle da velocidade do rotor

1 sL m

5.1 Controladores Supervisrios Fuzzy


Figura 2: Controladores de Velocidade e de Tenso Foram implementados trs controladores supervisrios PIs fuzzy, cujos parmetros KP 1, KI 1, KP 2, KI 2, KP 3 e KI 3 dos controladores PIs do DFIG, mostrados na gura 2, foram ajustados a cada instante de amostragem pelos sistemas fuzzy, responsveis por gerar os novos valores dos parmetros dos controladores. Estes ajustes so realizados de acordo com os novos valores dos desvios das entradas e das derivadas das entradas. O esquema para os controladores supervisrios PIs fuzzy do DFIG apresentado nas guras 4 a 6.

5 CONTROLADORES FUZZY
Neste item, mostrada a arquitetura tpica de um sistema de controle fuzzy, ilustrada na gura 3. Um controlador fuzzy normalmente composto dos seguintes blocos: O fuzzycador, que realiza um mapeamento entre os valores numricos das variveis de entrada do controlador para graus de compatibilidade com conceitos lingsticos; a mquina de inferncia, onde se efetua o processamento fuzzy propriamente dito, atravs de estratgias de raciocnio aproximado, baseadas em operadores da lgica fuzzy; a base de regras, que consiste de uma coleo de regras lingsticas do tipo se condio, ento ao; e o defuzzycador, que transforma o conceito lingstico, obtido pelo procedimento de inferncia, em um valor numrico bem denido, o qual utilizado como a sada efetiva do controlador fuzzy. E por m, so apresentados os detalhes das estratgias de controladores fuzzy, aplicados ao conversor esttico interligado ao rotor do DFIG, que correspondem a controladores supervisrios fuzzy e PIs fuzzy.
118

Kp Clculo

y = I qr _ ref I qr KP 2

& y

PI

Planta

KI 2

Controlador Supervisrio Fuzzy

Figura 5: Controle supervisrio fuzzy para o controle da corrente do rotor ao longo do eixo q

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

Kp Clculo

y = I dr _ ref I dr KP3

NG

NM

NP

ZE

PP

PM

PG

& y

PI

Planta

0.5

KI 3

0 -0.01 -0.005 0 erro wra [p.u] 0.005 0.01

Controlador Supervisrio Fuzzy

Figura 6: Controle supervisrio fuzzy para o controle da corrente do rotor ao longo do eixo d

NG

NM

NP

ZE

PP

PM

PG

0.5

O controlador supervisrio do tipo gain-scheduling representado por sistemas fuzzy que determinam os valores dos parmetros denominados de k p e . A varivel fuzzy kp , normalizada entre 0 e 1 utilizada para se obter o ganho proporcional KP , do controlador PI. Por outro lado, o ganho integral KI obtido em funo dos ganhos KP e da varivel fuzzy , portanto, seu valor dependente das possveis variaes que possam ocorrer no ganho proporcional. determinado um intervalo (KPmin, KPmax ) para o ganho proporcional. Por convenincia, KP normalizado para o valor entre 0 e 1 pela seguinte transformao linear (Zhao et al, 1993): KP = (KPmax KPmin )kp + KPmin Assume se que o ganho integral determinado por: KP KI = (11)

0 -0.1 -0.05 0 deriv erro wra [p.u] 0.05 0.1

Figura 7: Funes de pertinncias para o desvio e a derivada do desvio da velocidade do rotor


1 0.8 0.6 0.4 0.2 0 0 2 4 6 8 10 12 KP1supfuzzy 14 16 18 20 P

MP

0.5

0 3 4 5 6 7 8 KI1supfuzzy 9 10 11

(12) Figura 8: Funes de pertinncias dos ganhos KP1 e KI1

Em seguida, determina-se o intervalo para os ganhos proporcional e integral. Para concluir o projeto do controlador supervisrio fuzzy resta ento somente especicar as funes de pertinncia para os conjuntos fuzzy associados s variveis de operao. Em um sistema fuzzy, as funes de pertinncia governam a intensidade com que cada controlador infere na regio de operao. As funes de pertinncias foram denidas utilizando-se formas triangulares e trapezoidais, que tm sido uma soluo padro, conforme mostrado nas guras 4 a 9 a seguir, sendo que o universo de discurso para cada varivel foi normalizado para valores distintos de acordo com o comportamento das variveis, observadas durante a simulao, e por m foram utilizados fuzzycadores singleton e defuzzycadores mdia dos centros (Wang, 1997). Na gura 7 so mostradas as funes de pertinncia que correspondem s entradas dos controladores com ganhos KP 1eKI 1. Os universos de discurso das variveis desvio

e derivada do desvio de velocidade foram particionados utilizando 7 conjuntos fuzzy cada, denominados NG, NM, NP, ZE, PP, PM e PG, que signicam, respectivamente, negativo grande, negativo mdio, negativo pequeno, zero, positivo pequeno, positivo mdio e positivo grande. As funes de pertinncias dos ganhos dos KP 1eKI 1 so mostradas na gura 8. Esses ganhos correspondem s sadas dos sistemas fuzzy, representadas pelas seguintes variveis lingsticas: G e P, que signicam grande e pequeno, e P, PM, M e G, que correspondem a, pequeno, positivo mdio, mdio e grande. Na Figura 9 a seguir, so representadas as funes de pertinncia das entradas do controlador com ganhos KP 2eKI 2. As variveis lingsticas so representadas tambm pelo particionamento de 7 conjuntos fuzzy, que correspondem ao desvio e derivada do desvio da corrente do rotor ao longo do eixo q.
119

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

NG

NM

NP

ZE

PP

PM

PG

1 NG

NM

NP

ZE

PP

PM

PG

0.5

0.5

0 -0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 erro Iqr [p.u] NP ZE PP 0.1 0.15 0.2 0.25

0 -0.1 -0.08 -0.06 -0.04 -0.02 0 0.02 erro Idr [p.u] 0.04 0.06 0.08 0.1

1 NG 0.8 0.6 0.4 0.2 0 -2 -1.5

NM

PM

PG 1

NG

NM

NP

ZE

PP

PM

PG

0.5

0 -1 -0.5 0 0.5 deriv erro Iqr [p.u] 1 1.5 2 -0.8 -0.6 -0.4 -0.2 0 0.2 deriv erro Idr [p.u] 0.4 0.6 0.8

Figura 9: Funes de pertinncias para o desvio e a derivada do desvio da corrente do rotor do eixo q

Figura 11: Funes de pertinncias para o desvio e a derivada do desvio da corrente do rotor do eixo d
1 P G

1 0.8 0.6 0.4 0.2 0 0

0.8 0.6 0.4 0.2 0 0 0.5 1 1.5 2 2.5 3 KP3supfuzzy 3.5 4 4.5 5

0.2

0.4

0.6

0.8 1 1.2 KP2supfuzzy

1.4

1.6

1.8

2
1 P MP M G

MP

G
0.5

0.5

0 3 4 5 6 7 8 KI3supfuzzy 9 10 11

0 1.5 2 2.5 3 3.5 4 KI2supfuzzy 4.5 5 5.5 6

Figura 12: Funes de pertinncias dos ganhos KP3 e KI3

Figura 10: Funes de pertinncias dos ganhos KP2 e KI2 A seguir, so apresentadas as bases de regras empregadas neste artigo para os controladores supervisrios fuzzy (Wang, 1997). As bases de regras dos supervisrios fuzzy das guras 13 e 14 so compostas por 49 regras qualitativas cada, que executam o gerenciamento de todo o sistema fuzzy.

Os ganhos KP 2eKI 2 correspondem s sadas do controlador supervisrio fuzzy. Suas funes de pertinncias so mostradas na Figura 10. Os universos de discurso dos ganhos KP 2eKI 2 foram particionados, utilizando 2 e 4 conjuntos fuzzy, respectivamente. So mostradas na gura 11 as funes de pertinncia que correspondem s entradas do controlador com ganhos KP 3 eKI 3. Os universos de discurso das variveis desvio e derivada do desvio da corrente do rotor ao longo do eixo d, foram particionados utilizando 7 conjuntos fuzzy cada. Finalmente, as funes de pertinncias dos ganhos KP 3 e KI 3 so mostradas na Figura 12. Esses ganhos so representados pelas seguintes variveis lingsticas: G e P, para o ganho KP 3 e P, PM, M e G, para o ganhoKI 3.
120

5.2 Controladores PIs Fuzzy


Foram implementados para este esquema de controle trs reguladores PIs fuzzy, que recebem como sinal de entrada os desvios e as derivadas calculadas dos desvios das variveis de controle do DFIG, mostradas na gura 2. A sada de cada sistema fuzzy utilizado, corresponde ao sinal de controle que atuar na planta. O esquema para o controlador fuzzy apresentado nas gura 15 a 17. Foram denidas tambm para esta estratgia de controle as

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

& y
NG NM NP ZE PP PM PG NG NM NP ZE G G G G P G G G P P G G P P P G P P G G P G G G G G G G PP PM PG G G G G G P G P P P P P G P P G G P G G G

Clculo

de

& y
u

& y
Sistema Fuzzy

y = I qr _ ref I qr
Planta

Controlador Fuzzy
Figura 16: Controlador PI fuzzy para controle da corrente do rotor ao longo do eixo q
Clculo de

Figura 13: Base de regras para o ganho k P

& y
NG NM NP ZE PP PM PG NG P PM M G M PM P NM P PM PM M PM PM P NP ZE PP PM PG P P P P P P P P PM PM PM P PM PM M PM PM PM M G PM P PM PM M P P P PM PM P P P P P

& y
u

& y
Sistema Fuzzy

y = I dr _ ref I dr
Planta

Controlador Fuzzy
Figura 17: Controlador PI fuzzy para controle da corrente do rotor ao longo do eixo d

Figura 14: Base de regras para o ganho .

funes de pertinncias, utilizando-se formas triangulares e trapezoidais, conforme apresentado nas guras 18 a 23. O universo de discurso para as variveis utilizadas na estratgia foi normalizado para valores distintos, de acordo com o comportamento das variveis observadas durante o processo de simulao. Nota-se que os universos de discurso esto no intervalo [-1,1]. Isto muito adotado no sentido de normalizar as variveis. Portanto, os ganhos fuzzy devem ser escolhidos de forma que os valores mximos da entrada do controlador fuzzy no ultrapassem os extremos mximo e mnimo do universo de discurso. Os universos de discurso das variveis desvio e derivada do desvio de velocidade do rotor do DFIG foram particionados em 7 conjuntos fuzzy rotulados de: NG, NM, NP, ZE, PP, PM e PG, que signicam, respectivamente, negativo grande,

negativo mdio, negativo pequeno, zero, positivo pequeno, positivo mdio e positivo grande, como identicado na gura 18. Para simplicar os clculos e minimizar o tempo de execuo do algoritmo, foram utilizadas funes de pertinncia nos formatos triangular e trapezoidal. Na gura 19, so apresentadas as funes de pertinncia que correspondem sada do controlador com ganhos KP 1eKI 1. Os universos de discurso das variveis desvio e derivada do desvio de velocidade foram particionados utilizando tambm 7 conjuntos fuzzy cada, rotulados de: NG, NM, NP, ZE, PP, PM e PG. Na Figura 20 so representadas as funes de pertinncia das entradas do controlador com ganhos KP 2eKI 2. As variveis lingsticas das entradas so representadas tambm pelo particionamento de 7 conjuntos fuzzy cada, sendo que as mesmas correspondem ao desvio e derivada do desvio da corrente do rotor ao longo do eixo q. A sada do controlador com ganhos KP 2eKI 2, corresponde derivada do desvio da tenso do rotor ao longo do eixo q na gura 2, que somada tenso do rotor do passo de integrao anterior resultar na tenso do rotor ao longo do eixo q do passo atual, a qual ser realimentada nas equaes dinmicas do DFIG. Suas funes de pertinncias so mostradas na Figura 21. Na gura 22 so apresentadas as funes de pertinncia que correspondem s entradas do controlador com ganhos KP 3
121

Clculo

de

& y &
Sistema Fuzzy

& y
u

y = wr _ ref wr
Planta

Controlador Fuzzy
Figura 15: Controlador PI fuzzy para controle da velocidade do rotor

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

NG

NM

NP

ZE

PP

PM

PG

NG

NM

NP

ZE

PP

PM

PG

0.5

0.5
0 -0.015 -0.01 -0.005 0 erro wra [p.u] 0.005 0.01 0.015

0 -0.25

-0.2

-0.15

-0.1

-0.05 0 0.05 erro Iqr [p.u]

0.1

0.15

0.2

0.25

NG

NM

NP

ZE

PP

PM

PG

1
0.5

NG

NM

NP

ZE

PP

PM

PG

0.5
0 -0.1 -0.05 0 deriv erro wra [p.u] 0.05 0.1

0 -2 -1.5 -1 -0.5 0 0.5 deriv erro Iqr [p.u] 1 1.5 2

Figura 18: Funes de pertinncias para o desvio e a derivada do desvio da velocidade do rotor
NG 1 NM NP ZE PP PM PG

Figura 20: Funes de pertinncias para o desvio e a derivada do desvio da corrente do rotor do eixo q

0.8

6 SISTEMA DE POTNCIA
A rede eltrica real adotada nas simulaes pertence COSERN, concessionria de distribuio de energia eltrica, a qual opera no estado do Rio Grande do Norte, no Brasil. Nas presentes simulaes foi utilizada uma de suas redes, conhecida como Rede Eltrica de Au. Para este sistema, planejada a integrao de um parque elico na barra 2, onde apresentado um equivalente de aerogeradores de 20 MW, como ilustrado na gura 25. Alm disso, o sistema de gerao apresenta um gerador equivalente sncrono, para representar o sistema eltrico conectado barra 1. A mquina primria equivalente do gerador sncrono apresenta regulador de velocidade com ao integral e proporcional (Kundur, 1994).

0.6

0.4

0.2

0 -0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 variao da sada do PI1FUZZY [p.u] 0.2 0.25

Figura 19: Funo de pertinncia para as sadas do controlador fuzzy com ganhos KP1 e KI1.

e KI 3. Os universos de discurso das variveis desvio e derivada do desvio da corrente do rotor ao longo do eixo d foram particionados utilizando 7 conjuntos fuzzy cada. Por m, a sada do controlador na gura 2, com ganhos KP 3 e KI 3, corresponde derivada do desvio da tenso do rotor ao longo do eixo d, que adicionada a tenso do rotor da amostra anterior, ir resultar na tenso do rotor ao longo do eixo d, que tambm corresponde a sada do regulador de tenso ou potncia reativa do DFIG. Suas funes de pertinncias so mostradas na gura 23. Os controladores do tipo PI fuzzy incremental aplicados aos reguladores de velocidade e tenso do DFIG, apresentam uma base de regras bidimensional, utilizando-se 7 funes de pertinncia para cada entrada e sada, ou seja, a base de regras bidimensional (7X7) contm 49 regras. A seguir, mostrada a base de regras empregada no projeto dos controladores PIs fuzzy na gura 19 (Miranda, 2000).
122

7 RESULTADOS DAS SIMULAES


Para as simulaes dinmicas realizadas, a falta corresponde a um curto-circuito trifsico, ocorrido prximo barra 16, na rede eltrica de Au-RN, no instante t=1s, com durao de 100ms. As guras 26 a 29 apresentam o comportamento da corrente do rotor, velocidade do rotor, tenso e potncia ativa do DFIG, respectivamente, nas situaes em que os controladores do gerador so compostos por PIs a parmetros xos, supervisrios fuzzy e PIs fuzzy, respectivamente. Na gura 26 mostrada a corrente do rotor do DFIG, e pode ser observado que o pico da corrente rotrica diminudo em aproximadamente 5% e 9%, quando do uso de controladores supervisrios fuzzy e PIs fuzzy, respectivamente, em relao aos controladores PIs a parmetros xos, o que representa uma maior conabilidade da operao contnua dos convesores, podendo evitar, em algumas situaes, a ao do

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

NG 1

NM

NP

ZE

PP

PM

PG 1

NG

NM

NP

ZE

PP

PM

PG

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

0 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 variao da sada do PI2FUZZY [p.u] 0.15 0.2

0 -0.15 -0.1 -0.05 0 0.05 variao da sada do PI3FUZZY [p.u] 0.1 0.15

Figura 21: Funo de pertinncia para as sadas do controlador fuzzy com ganhos KP2 e KI2.
NG NM NP ZE PP PM PG

Figura 23: Funo de pertinncia para as sadas do controlador fuzzy com ganhos KP3 e KI3.

& y
NG NM NP ZE PP PM PG NG NG NG NG NM NM NP ZE NM NG NG NM NM NP ZE PP NP NG NM NP NP ZE PP PM ZE NG NM NP ZE PP PM PM PP NM NP ZE PP PP PM PG PM NP ZE PP PM PM PG PG PG ZE PP PM PM PG PG PG

0.5

0 -0.02 -0.015 -0.01 -0.005 0 0.005 erro Idr [p.u] 0.01 0.015 0.02

NG

NM

NP

ZE

PP

PM

PG

0.5

Figura 24: Base de Regras para os Controladores PIs Fuzzy.


-0.8 -0.6 -0.4 -0.2 0 0.2 deriv erro Idr [p.u] 0.4 0.6 0.8

Figura 22: Funes de pertinncias para o desvio e a derivada do desvio da corrente do rotor do eixo d

dos controladores fuzzy foi capaz no apenas de reduzir o sobre-sinal, mas tambm diminuir o tempo de acomodao, melhorando o desempenho de resposta dinmica da tenso. Na gura 29, o comportamento da potncia ativa do DFIG apresenta claramente menores oscilaes, como conseqncia menor sobre-sinal e tempo de acomodao, quando so utilizados controladores baseados em lgica fuzzy, isso se traduz em melhoria do desempenho transitrio para o sistema quando os controladores inteligentes baseados em sistemas fuzzy desenvolvidos forem utilizados. Nas Figuras 30 e 31 so apresentadas as variaes dos ganhos proporcionais (KP1, KP2 e KP3) e integrais (KI1, KI2 e KI3) dos controladores PIs das malhas de controle do DFIG, que foram determinados pelo esquema de controle supervisrio fuzzy. observado que durante a ocorrncia do curto-circuito, os parmetros dos controladores do DFIG sofrem variaes baseadas nas novas metodologias propostas de controle supervisionado inteligente, com o objetivo de calcular os ganhos
123

crow-bar, mantendo o conversor em operao durante a falta, e reduzindo as chances de desativao das malhas de controle, e como consequncia, garantindo uma maior margem de estabilidade transitria do sistema. observado na gura 27 que os controladores inteligentes implementados permitem tambm que a velocidade do rotor apresente menores oscilaes, entrando em regime permanente mais rapidamente, com menor sobre-sinal, em relao aos resultados com reguladores PI xos. A gura 28 apresenta o comportamento dinmico da tenso. identicado que sem o uso dos controladores inteligentes, ou seja, apenas com controladores xos, o sistema apresenta sobresinal mais elevado, e resposta mais lenta. Os controladores fuzzy apresentam desempenhos melhores. A ao

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

1.02

PIs Fixos Supervisrios Fuzzy PIs Fuzzy

Velocidade do Rotor [p.u]

1.015

1.01

1.005

1.5

2.5 Tempo [s]

3.5

Figura 25: Rede Eltrica de Au-RN Figura 27: Velocidade do Rotor


0.17 0.16 0.15 PIs Fixos Supervisrios Fuzzy PIs Fuzzy
1.2 1.1

Corrente do Rotor [p.u]

0.14 0.13 0.12 0.11 0.1 0.09 0.08 1 1.5 2 2.5 Tempo [s] 3 3.5 4

0.9 0.8 PIs Fixos Supervisrios Fuzzy PIs Fuzzy

Tenso [p.u]

0.7 0.6 0.5 0.4 0.3 0.2 1 1.5 2

Figura 26: Corrente do Rotor

2.5 Tempo [s]

3.5

Figura 28: Tenso timos. Estas variaes dos ganhos dos controladores supervisrios fuzzy ocorrem dentro de uma faixa pequena, em relao ao valor de regime permanente, demonstrando a factibilidade de implementao real.

8 CONCLUSES
A implementao de estratgias de controle fuzzy aplicadas ao conversor interligado ao rotor do DFIG, apresentada neste trabalho, corresponde a uma soluo de engenharia inovadora, que resulta na melhoria do desempenho transitrio do sistema elico, quando comparado s estratgias de controle convencional, a parmetros xos, que apresentam um pobre desempenho quando o sistema submetido as grandes pertubaes, como um curto-circuito na rede eltrica. Dentro desta losoa, foram implementados trs controladores supervisrios fuzzy e trs PIs fuzzy nas malhas de controle do
124

DFIG, sendo os desempenhos dos mesmos comparados com os dos controladores PI a parmetros xos. Os resultados mostraram claramente que as novas estratgias propostas, baseadas em regras qualitativas derivadas do conhecimento especialista sobre a dinmica do DFIG, reduzem o pico da corrente do rotor durante o transitrio, alm de aumentar a margem de estabilidade transitria, diminuindo os impactos sobre o sistema eltrico, o que representa um ganho adicional desenvolvido neste artigo.

AGRADECIMENTOS
Os autores agradecem a COSERN Companhia Energtica do Rio Grande do Norte pela permisso do uso dos parmetros da rede eltrica de Au-RN.

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

0.4 0.35 0.3

PIs Fixos Supervisrios Fuzzy PIs Fuzzy

KI1

10 5 0 1 1.5 2 2.5 Tempo [s] 3 3.5 4

Potncia Ativa [p.u]

0.25 0.2 0.15 0.1 0.05 0 1 1.5 2 2.5 Tempo [s] 3 3.5 4

0.8 0.6 0.4 0.2 0

KI2

1.5

2.5 Tempo [s]

3.5

KI3

2 1 0 1 1.5 2 2.5 Tempo [s] 3 3.5 4

Figura 29: Potncia Ativa


7 6 5 4 3 1 1.5 2 2.5 Tempo [s] 3 3.5 4

Figura 31: Ganhos KI1, KI2 e KI3

Kundur, P., (1994). Power System Stability and Control. USA. EPRI Electric Power Research Institute. McGraw-Hill. Morren, J., Haan, S.W.H., (2005). Ridethrough of Wind Turbines with Doubly-Fed Induction Generator During a Voltage Dip. IEEE Transactions on Energy Conversion. vol 20, pp. 435-441.

KP2

KP1

1.5 1 0.5 1 3.5 3 1.5 2 2.5 Tempo [s] 3 3.5 4

2.5 2 1.5 1 1.5 2 2.5 Tempo [s] 3 3.5 4

Miranda, V. (2000). Uma abordagem Sobre Redes Neurais, Lgica Difusa e Algoritmos Evolucionrios. Departamento de Engenharia Electrotcnica e de Computadores. Faculdade de Engenharia da Universidade do Porto. Portugal. 2000. Nunes, M.V.A., (2003). Avaliao do Comportamento de Aerogeradores de Velocidade Fixa e Varivel Integrados em Redes Eltricas Fracas. Tese de Doutorado. Florianpolis. Universidade Federal de Santa Catarina. Nunes, M.V.A., Zurn, H.H., Bezerra, U.H, Peas Lopes, J. A., Almeida, R.G., (2003). Inuence of the Variable Speed Wind Generators in Transient Stability Margin of the Conventional Generators Integrated in Electrical Grids. IEEE Transactions on Energy Conversion. vol.19(4), pp.692-701. Nunes, M.V.A., Vieira, J.P.A., Bezerra, U.H., Lopes, J.A.P., (2005). New Mathematical Models to Represent Variable Speed Wind Generation Systems in Transient Stability Studies, 15th Power Systems Computation Conference (PSCC05), Lige, Belgium, 2005. Slootweg, J.G., (2003). Wind Power Modelling and Impact on Power System Dynamic. Ph.D. Dissertation. Tech. Univ. Delft. The Netherlands.
125

KP3

Figura 30: Ganhos KP1, KP2 e KP3

REFERNCIAS
Almeida, R.G., Peas Lopes, J.A., Barreiros, J.A.L., (2004). Improving Power System Dynamic Behavior Through Doubly Fed Induction Machines Controlled by Static Converter Using Fuzzy Control. IEEE Transactions Power System. Vol. 19. pp1942-1950. Heier, S., (1998). Grid Integration of Wind energy Conversion Systems. Chicester, UK: John Wiley & Sons Ltd., 1998. Holdsworth, L.; Wu, X.; Jenkins, N., (2002). Dynamic and Steady-State Modelling of the Doubly-Fed Induction Machine (DFIM) for Wind Turbine Applications. Internal MCEE UMIST report on. (Jan).

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007

Slootweg, J.G., Polinder, H.; Kling, W.L.; (2003). Representing Wind Turbine Electrical Generating Systems in Fundamental Frequency Simulations. IEEE Transactions on Energy Conversion. v. no , pp. Vieira, J.P.A., Nunes, M.V.A., Bezerra, U.H., Nascimento, A.C., Silva, S.R., Medeiros Jr., M.F., Oliveira, J.T., Ferreira, S.F., (2006). Controlability Analysis of Connected to a Real Electric Grid. VI INDUSCON 2006, Recife. Brasil. Wang, L.X., (1997). A Course in Fuzzy Systems and Control. Prentice Hall International. Inc. Zhao, Z.Y., Tomizuka, M., Isaka, S., (1993). Fuzzy Gain Schedulling of PID Controllers. IEEE Transactions on Systems, Man, and Cybern. vol. 23, no 5, pp.13921398.

126

Revista Controle & Automao/Vol.18 no.1/Janeiro, Fevereiro e Maro 2007