Vous êtes sur la page 1sur 3

IPD-410 INFORME. EXTREMUM SEEKING.

IPD-410 Informe. Extremum Seeking.


Nicol s M ller Pollmann a u
AbstractEl siguiente documente presenta una breve intro ducci n a uno de los m todo de busqueda de m ximos, por o e a medio de algoritmos de MPPT. El m todo aqu descrito es e Extremum Seeking, detall ndose paso a paso el funcionamiento a de este algoritmo. Index TermsFotovolt ico, MPPT, Extremum Seeking a

I. I NTRODUCCI ON Los sistemas fotovolt icos presentan variaciones en la poa tencia que son capaces de suministrar dependiendo del lugar en la curva VI en la que el sistema se encuentre operando (ver gura 1). Por ello es que nos interesar maximizar la potencia a que podemos obtener del sistema, con tal de volverlo lo m s a eciente posible.

Fig. 2.

Algoritmo ES (ver ref. [3])

Expandiendo en Serie de Taylor f () (truncada a la segunda derivada): y = f () = f + f ( )2 2 (2)

La entrada al sistema es el cual corresponde a: = a sen(t) + Denimos como: = = + (4) (3)

Reemplazando las ecuaciones (3) y (4) en tenemos:


Fig. 1. Curvas VI de una celda fotovolt ica para distintos tipos de radiaci n a o solar (ver ref. [1])

= a sen(t) + = a sin(t) Reescribiendo la ecuaci n (2) queda: o y = f + y = f + f ( a sen(t))2 2

(5)

Aquellos problemas que consisten en la b squeda de un u m ximo (o mnimo) a la salida de un sistema se llaman a Extremum Control (o Se-Optimizing Control). Los algoritmos que permiten encontrar estos valores se conocen como Maximum Power Point Tracking (MPPT). Varios han sido los algoritmos utilizadopara encontrar el MPPT (ver ref. [4]), debido a la superioridad entre sus pares es que estudiaremos el m todo de Extremum Seeking [1]. e II. E XTREMUM S EEKING (ES) Nos basaremos en el algoritmo que aparece en [3], el cual se muestra en la gura (2). Asumiremos que existe un m ximo en f () el cual se a encuentra en = : f ( ) = 0 f ( ) < 0

f 2 ( 2 a sen(t) + a2 sen2 (t)) 2

(6)

Aplicando sen2 (t) = (1 cos(2t))/2 se llega a: y = f + a2 f a2 f af 2 + af sen(t)+ cos(2t)sen(t) 4 2 4 (7)

Al pasar por el ltro (s/(s + h )), se eliminan aquellas componentes continuas: s f 2 a2 f y af sen(t) + cos(2t) s + h 2 4

(1)

(8)

IPD-410 INFORME. EXTREMUM SEEKING.

Luego se demodula, al multiplicar ys/(s+h ) por sen(t), quedando: f 2 a2 f sen(t) af sen2 (t) + cos(2t)sen(t) 2 4 (9) Al integrar, aquellas componentes que son de alta frecuencia se vuelven despreciables obteni ndose: e [ ] k af (10) s 2 El sistema (ver ecuaci n 11) es estable debido a que o kf < 0, lo cual implica que 0. Esto es v lido para a grande comparado con k, a y h . s s
kaf 2

Fig. 3.

M todo ES implementado en [2] e

(11)

N tese que en el algoritmo de ES dependiendo de la relaci n o o entre y , se podr observar a partir de y y a sen(t), a dependiendo de si estos est n en fase o no: a En f ase < Desf ase >

(12)

Fig. 4.

Algoritmo ES extendido (ver ref. [3])

Adem s debemos destacar el hecho de que todas las cona stantes utilizadas (a, k, h ) son positivas. Si en vez de haber un m ximo hubiese un mnimo, basta a con reemplazar k = k. Enunciamos ahora el teorema para Extremum Seeking: Para el sistema gura (2) el error de salida y f alcanza convergencia exponencial local a una vecindad O(a2 + 1/ 2 ) del origen, para una perturbaci n lo sucientemente grande, o y 1/(1 + L(s)) es asintoticamente estable, con L(s) = k a f 2s (13)

Asumiremos que : La planta es no lineal, con din micas lineales en el lazo a de ES. f () es de la forma de la ecuaci n (2). o Hay un m ximo en f ( ). a Esta vez la idea ser minimizar lo cual llevar a a F0 (s)f () al optimo. Para ello utilizaremos las Transformadas de Laplace de y f : L{ } = (s) L{f } = f (s) Asumiendo que y f son constantes, tenemos: s f L{f } = s Por ejemplo, para el caso est tico se elige a C0 (s) = 1/(s + h ) y Ci (s) = 1, quedando: L{ } =

Entonces, el sistema converge a una vecindad del optimo (f ( ) = y ), una demostraci n m s rigurosa se encuentra en o a la referencia [2]. A. Nota Para el caso del diagrama del m todo ES en [2] (ver g. e 3), se implementa adem s un ltro pasa-bajos(l /(s + l )), a el cual selecciona las frecuencias m s bajas presentes en (y a ) a sin(t), debido a la falta de informaci n se asume que o este ltro tiene como objetivo eliminar el ruido presente en esta etapa, adem s de seleccionar las bajas frecuencias. a III. ES EXTENDIDO Esta secci n muestra el manejo del algoritmo para plantas o con din micas y par metro simple. a a Si los valores optimos de y f , varan de forma no escalonada, es necesario implementar otras herramientas. Utilizaremos el sistema de la gura (4) para analizar este caso.

(14)

(15)

C0 (s) s = f s + h 1 Ci (s) (s) = (16) s N tese que la aparici n de f y en el diagrama de la o o gura (4), compensa el hecho de que f no sea constante. El planteamiento anterior presenta problema, ya que variando o f , el sistema puede resultar inestable o no

IPD-410 INFORME. EXTREMUM SEEKING.

converger. Es por ello que la elecci n de Ci (s) y C0 (s) es o de suma importancia. El unico requisito explicito para f y , es sus din micas a no pueden ser m s r pidas que las de la planta (Fi (s) y F0 (s)). a a Para realizar el an lisis de estabilidad de ES extendido es a necesario considerar los siguientes supuestos:

y x = A(t)x(t, 0), x(0) = x0 , es una representaci n en o variables de espacio de la ecuaci n diferencial LTV. o den{Hi (s)}[] = f num{Hi (s)}sen(t)H0 (s)0 (t) (24) donde: Hi (s) = Ci (s) (s)Fi (s) C0 (s) F0 (s) H0 (s) = k f (s) R EFERENCES
[1] S. Brunton1 , C. W.Rowley1 , S. R.Kulkarni1 , and C. Clarkson, Maximum Power Point Tracking for Photovoltaic Optimization Using Extremum Seeking , Harlow, England: Addison-Wesley, 1999. [2] M. Kristic and H. Wang, Automatica 2000 Krstic , 1999. [3] K.B. Ariyur and M. Krstic, Real-time Optimization by Extremum-Seeking Control Wiley, 2003. [4] Y. Tan W.H. Moase,C. Manzie, D. Nesic and I.M.Y. Mareels, Extremum Seeking From 1922 To 2010 Control Conference (CCC), 2010. [5] R. Leyva, C. Alonso, I. Queinnec, A. Cid-Pastor, D. Lagrange and L.Martinez-Salamero, MPPT of Photovoltaic Systems using ExtremumSeeking Control Dept. of Eng. Electronica, Univ. Rovira i Virgili,Tarragona, Spain [6] K.J. Astrom and B. Wittenmark Adaptive control , Addison-Wesley, 2a edici n, 1995. o

Fi (s) y F0 (s) son asintoticamente estables y propios. f y son funciones racionales estrictamente propias y los polos de que no son asintoticamente estables no son ceros de Fi (s). C0 (s) y Ci (s) son propios. Lo cual asegura que pof damos implementar los ltros.

(25)

Debido a que el documento est basado en plantear el a m todo ES, es que s lo ser considerado el an lisis de e o a a estabilidad para ES extendido en LTV. En caso de que el lector est interesado en la demostraci n de LTI, esta puede e o ser encontrada en la referencia [3]. A. Test de Estabilidad de LTV (linear time variant) Donde las ecuaciones del sistema de la gura 4 son: [ ] f y = F0 (s) f (t) + ( )2 (17) 2 = Fi (s)[a sen(t) Ci (s) (s)] = k sen(t ) C0 (s) (y + n) f (s) (18)

(19)

Se denen los errores de seguimiento como: = (t) + 0 0 = Fi (s)(a sen(t)) y = y F0 (s) f (t) La idea es minimizar el error y . El sistema ser estable si se cumplen los requisitos escritos a acontinuaci n correspondientes a Proposition 1.5 (ref. [3]): o El error y alcanza convergencia local exponencial a una vecindad O(a2 ), del origen, para ruido n = 0 y: j no es un cero de Fi (s). Los ceros de f (s) que no son asintoticamente estables son TAMBIEN ceros de C0 (s). Los polos de (s) que no son asintoticamente estables NO son ceros de Ci (s). C0 (s) es asintoticamente estable y los eigenvalues de la matriz (T, 0) es la soluci n en el tiempo T de la o ecuaci n diferencial matricial: o = A(t)(t, 0), (0, 0) = I (23) (20) (21) (22)