Etudiant :Mohamed BENLARACHE
Directeur ou Directrice :Sami Othman (directeur), Nida Sheibat-Othman
Date de la soutenance :08/07/2016
Commentaire :
- Etudiant : Mohamed Benlahrache
- Soutenuet : 08 juillet 2016
- Encadrement : Sami Othman (directeur), Nida Sheibat-Othman
Résumé de la thèse
Dans ce projet de thèse, la commande prédictive à base de modèle (MPC) est utilisée pour la commande et la commande tolérante aux défauts de l’éolienne. Afin d’optimiser le temps de calcul de la commande MPC, qui peut rendre son implémentation en ligne irréalisable, les entrées de la commande ont été paramétrées par les fonctions de Laguerre (LMPC) ou les fonctions de Kautz (KMPC). Ceci a permis de réduire le temps de calcul d’un tiers. La commande MPC robuste par approche min-max a également été considérée dans l’objectif de rendre la stratégie de commande robuste aux incertitudes paramétriques, et à l’apparition de défauts. Ces différentes stratégies ont état évaluées sur un modèle de l’éolienne à deux masses, avec une commande multi entrée (angle d’inclinaison des pâles et couple du générateur) /multi sortie (puissance générée et vitesse du générateur), avec contraintes sur les entrées et les sorties. à la suite, la commande MPC paramétrée par les fonctions de Laguerre ou de Kautz a été reformulée dans l’unique objectif de compenser le défaut. En effet, sur une éolienne en fonctionnement stable et possédant des lois de commande qui ne s’accommode pas aux défauts, il est possible de calculer la correction nécessaire à considérer par les lois existantes afin de compenser le défaut, si le défaut est bien détecté et estimé. Cette stratégie est recherchée si l’industriel ne souhaite pas changer les lois de commande établies sur l’éolienne, car les stratégies de commande MPC discutées peuvent faire l’ensemble de travail : poursuite de la trajectoire désirée et l’accommodation aux défauts.
Commentary :
- PhD student name : Mohamed Benlahrache
- End: 8 jully 2016
- Supervisor : Sami Othman (director), Nida Sheibat-Othman
- Summary of the PhD study : Predictive control ; observers ; wind tubines ; parameter identification ; statistical methods
abstract
In this thesis, model predictive control (MPC) is used to control the wind turbine and to identify the faults that could occur. Since the computation time in the MPC strategy is high, its use in real time fast systems may become unfeasable. To overcome this difficulty, the MPC control inputs are parametrized by Laguerre functions (LMPC) or Kautz functions (KMPC). This
allowed decreasing the computation time by 33% compared to non-parametrized MPC. The min-max MPC approach is also considered in order to render the control strategy robust to parametric uncertainties and faults scenarios.
These control strategies are evaluated on a wind turbine model with a multi-input (pitch angle and generator torque) / multi- output (generator power and generator speed) control, with constraints on inputs and outputs. These results are discussed in Chapter IV.
In Chapter V, the Laguerre or Kautz parameterized MPC is reformulated with the objective of faults compensations. Indeed, if the faults are detected and estimated then it is possible to calculate the correction required to compensate these faults. This strategy becomes interesting from a wind turbine is operated with a controller that is not aimed to be changed for security or cost reasons, and the objective of the operator is only to compensate actuator or sensor faults. In these simulations, an available benchmark was used with the controller implemented in it.
