Desain dan Implementasi Bidirectional Coupled Converter menggunakan Fuzzy

Logic Controller pada Mobil Listrik

Oleh :

Kharisma Bani Adam (2211201208)

pembimbing :

Prof. Dr. Ir. Mochamad Ashari, M.Eng.

Dr. Heri Suryoatmojo, ST., M.T.

1

Pendahuluan

Pemodelan Sistem

Simulasi dan Implementasi

Kesimpulan

Kerangka Presentasi

Latar Belakang

Minyak bumi, sumber energi utama pada bidang transportasi terbatas.

Krisis energi tak dapat dihindari

Energi terbarukan : energi matahari, angin.

3

Perumusan Masalah

Bagaimana merancang sistem charging dan discharging HEV (Hybrid Electric Vehicle)

Bagaimana meningkatkan efisiensi daya yang dihasilkan oleh PV?

Bagaimana mengintegrasikan sistem (baterai, PV, dan Beban)

4

Tujuan Penelitian

Mendesain sistem PV terhubung dengan konverter boost menggunakan Artificial Neural Network Multi Model MPPT

Mendesain sistem charging, dan discharging menggunakan konverter dua arah dengan kopling induktor

Mendesain HEV yang mempunyai efisiensi tinggi dan bobot yang ringan.

5

Pendahuluan

Pemodelan Sistem

Simulasi dan Implementasi

Kesimpulan

Sistem bidirectional coupled converter pada mobil listrik

7

PV Array

BidirectionalConverter with

Coupling Inductor

MPPTNN Multi

Model

TempIrrd D

Battery

Motor Drive

Fuzzy Logic

Motor

VbatIbat

Iref

VDC

Vo

Boost Converter

Vlink

D’

Implementasi

Simulasi

Komponen Nilai

PV Modul UJ-6

Baterai 50 kWh

VDClink 600-620 Volt

Vbatt 240 Volt

Jumlah modul PV 5 seri

Photovoltaic

8

0

50

100

150

200

250

0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34

Da

ya

(W

att

)

Tegangan (Volt)

1000

750 w/m2

500 w/m2

o

o

o

0

50

100

150

200

250

0 4 8 12 16 20 24 28 32

Aru

s (A

mp

ere)

Tegangan (Volt)

25 °C

45 °C

65 °C

Variasi Temperatur

Variasi Irradiasi

Model yang digunakan

adalah model yang

diusulkan oleh M. G.

Villalva

Spesifikasi UJ-6 Katalog Model Error

[%]

Maksimum power (Pmax) [W] 209.95 209.94 0.005

Tegangan pada Pmax [V] 29.2 29.18 0.034

Arus pada Pmax [A] 7.19 7.17 0.27

Open Circuit Voltage (Voc) [V] 35.8 35.7 0.55

Short Circuit Current (Isc) [A] 8.00 8.03 0.375

Desain PV - Boost Konverter dengan MPPT

D

VV in

out

1

9

NeuralNetwork

Multi ModelSuhu

Irrd

PIkontroler Boost/PV

+ ErrorVref

Vpv

D

Parameter Nilai

C 2.2 mF

L 1 mH

Kontrol PV - Boost Konverter dengan MPPT

10

NeuralNetwork

Multi ModelSuhu

Irrd

PIkontroler Boost/PV

+ ErrorVref

Vpv

D

-

VDClink > 610 Volt

620 PI

VDClink

+

-

e

++

X

11

Mppt berbasis neural network multi model (NNMM)

ANN1

ANN2

ANN3FuzzyClassifier Suhu

Irrd

Suhu

Irrd

Suhu

Irrd

Enable

Enable

Enable

Vref

Kelas

Selector

Fuzzy Classifier

ReasoningMethod

RuleBase

DataBase

ClassPola

Knowledge Base

12

Fuzzy Classifier 1.0

Dingin Hangat Panas

Suhu(˚C)

(a)

1.0

Berawan Normal Cerah

Irradiasi(W/m^2)

(b)

0 0.2 0.4 0.6

100 20 30 40

0.8 1.0

1.0Kelas 1 Kelas 2 Kelas 3

(c)

0 0.2 0.4 0.6 0.8 1.0

Suhu Irradiasi

Berawan Normal Cerah

Dingin Kelas 2 Kelas 3 Kelas 3

Hangat Kelas 1 Kelas 2 Kelas 3

Panas Kelas 1 Kelas 1 Kelas 2

Membership

Function

Fuzzy

Rule

13

Konveter Dua Arah

Konveter dua arah menggunakan kopling induktor

14

T

Ton ToffS1,S2

S3

_

3 1S S

1 2S S

Mode Kerja Boost

Konveter dua arah menggunakan kopling induktor

15

Mode Kerja Buck

16

Konveter dua arah menggunakan kopling induktor

Kontrol Bidirectional Converter

17

Charging modeFuzzy

Vbat

Tbat Iref-maks

Discharging modeFuzzy

Vbat

Tbat

Iref-maks

Selektor

Vlink-ref

Vlink

+

-PIe

<0

0

1

∫Limiter

Iref

Iref-maks

IrefUpLo

_

Ibc

-PIe D’

Charge Mode

18 (Tanvir Singh Mundra, and Ajay Kumar, 2007)

Boost Charge = 0.4 C

Trickle Charge = 0.1 C,

C adalah nilai kapasitas nominal baterai

Tegangan cell

baterai (Volt)

Boost Charge Tricle Charge Charge Off

Vbat ≥ 2.6 - -

2.6 > Vbat ≥ 2.48 Tbat < 50 ° Tbat ≥ 60 ° C

2.48 > Vbat ≥ 2.37 Tbat < 50 ° C 60>Tbat ≥ 50 ° C Tbat ≥ 60 ° C

2.3 > Vbat ≥ 2.37 - Tbat < 50 ° C Tbat ≥ 60 ° C

2.3 > Vbat ≥ 2.0 Tbat < 50 ° C Tbat ≥ 50 ° C

Vbat < 2.0 - -

Discharge Mode

19

Tegangan cell

baterai (Volt) Boost Discharge Tricle Discharge Charge Off

Vbat ≥ 2.37 Tbat < 50 ° C 60>Tbat ≥ 50 ° C Tbat ≥ 60 ° C

2.3 > Vbat ≥ 2.37 - Tbat < 50 ° C Tbat ≥ 60 ° C

2.3 > Vbat ≥ 2.0 Tbat < 50 ° C 60>Tbat ≥ 50 ° C Tbat ≥ 60 ° C

Vbat < 2.0 - -

Boost Charge = 0.4 C

Trickle Charge = 0.2 C,

C adalah nilai kapasitas nominal baterai

Desain Bidirectional Converter dengan Coupling Induktor (simulasi)

20

Parameter Nilai

Tegangan Output (sisi HV) 600-620 Volt

Tegangan Input (sisi LV) 240-312 Volt

Frekuensi switching 10 kHz

L1, L2 1 mH

CH 2.2 mF

CL 10 mF

Parameter komponen kapasitor dan induktor pada kombinasi

konverter untuk disimulasikan ditunjukan pada tabel berikut:

Desain Bidirectional Converter dengan Coupling Induktor (Implementasi)

21

Parameter Nilai

Tegangan Output (sisi HV) 31.5 Volt

Tegangan Input (sisi LV) 12 Volt

Frekuensi switching 21.7 kHz

L1, L2 1.5 mH

CH 2.2 mF

CL 10 mF

Parameter komponen kapasitor dan induktor pada kombinasi

konverter untuk disimulasikan ditunjukan pada tabel berikut:

Desain Bidirectional Converter dengan Coupling Induktor (untuk Implementasi)

22

Tampilan tegangan dan arus pada implementasi

bidirectional converter

23

Pulsa kontrol yang

dihasilkan driver mosfet

tegangan Drain dan Gate

pada mosfet 1

Arus induktor pada

converter

S1

S3

S2

Pendahuluan

Pemodelan Sistem

Simulasi dan Implementasi

Kesimpulan

Kinerja MPPT

0

200

400

600

800

1000

1200

0 1 2 3 4 5 6 7 8 9 10

Day

a (W

att)

Waktu (s)

Ppv

P Boost

Pmax

1000 W/m2

500 W/m2

800 W/m2

Daya PV, dan daya boost

konverter pada irradiasi berbeda

25

Gambar disamping

menunjujjan sistem PV

dengan variasi

irradiasi.

120

125

130

135

140

145

150

0 1 2 3 4 5 6 7 8 9 10

Tega

nga

n (

Vo

lt)

Waktu (s)

Vpv

Vref

Kinerja MPPT

Daya PV, dan daya boost

konverter pada irradiasi berbeda

1000 W/m2

500 W/m2

800 W/m2

26

Akurasi NNMM MPPT

Nilai akurasi NNMM MPPT dengan variasi irradiasi pada

temperatur 25 °C

No. T (°C)

Irrd (W/m2)

Vref V (p=max)

Error Matching Eff

1 25 1000 146.3 146.49 -0.19 99.87%

2 25 900 146.5 146.49 0.01 99.99%

3 25 800 146.4 146.49 -0.09 99.94%

4 25 700 146.0 145.99 0.01 99.99%

5 25 600 145.5 145.49 0.01 99.99%

6 25 500 145.5 145.49 0.01 99.99%

7 25 400 143.4 143.49 -0.09 99.94%

8 25 300 141.7 141.49 0.21 99.85%

9 25 200 137.6 137.49 0.11 99.92%

10 25 100 120.5 119.99 0.51 99.57%

Rata-rata 99.91%

27

Akurasi NNMM) MPPT

No. T(°C) Irrd

(W/m2) Vref V

(p=max) Error Matching Eff

1 25 800 146.4 146.49 -0.09 99.94%

2 30 800 145.9 145.99 -0.09 99.94%

3 35 800 145.2 145.49 -0.29 99.80%

4 40 800 144.6 144.99 -0.39 99.73%

5 45 800 144.4 144.49 -0.09 99.94%

6 50 800 143.7 143.99 -0.29 99.80%

7 55 800 143.3 143.49 -0.19 99.87%

8 60 800 142.8 142.99 -0.19 99.87%

Rata-rata 99.86% Nilai akurasi NNMM MPPT dengan variasi temperatur pada

irradiasi 800 W/m2

28

Effisiensi sistem PV

Nilai effisiensi PV-NNMM MPPT dengan variasi

irradiasi pada temperatur 25 °C

-

2.00

4.00

6.00

8.00

10.00

12.00

14.00

1000 800 600 400 200

Efi

sien

si (

%)

Irradiasi (W/m2)

29

Nilai efisiensi sistem PV

mengalami

penurunan seiring

dengan nilai irradiasi

yang berkurang

Effisiensi sistem PV

Nilai effisiensi PV-NNMM MPPT dengan variasi

temperatur pada irradiasi 800 W/m2

-

2.00

4.00

6.00

8.00

10.00

12.00

14.00

25 30 35 40 50

Efis

ien

si (

%)

Temperatur (°C)

30

Nilai efisiensi sistem

PV juga mengalami

penurunan seiring

dengan

peningkatan

temperatur,. Tetapi

nilai pengurangan

tidak sebesar ketika

irradiasi berkurang.

Hasil simulasi perunahan irradiasi pada bidirectional

converter

0

200

400

600

800

1000

1200

1400

0 1 2 3 4 5 6 7 8 9 10

Day

a (w

att)

Waktu (S)

Pboost

Pbatt

Variasi irradiasi 100, 500, dan 800 W/m2

1000 W/m2

500 W/m2

800 W/m2

31

Pada grafik disamping

menjajikan daya baterai

dan daya input

bidirectional. Effisiensi

konverter pada pada

grafik disamping bernilai

82 - 87%.

Pada gambar bagian

bawah tampak

tegangan DC link stabil

meskipun daya PV

perubah

500

550

600

650

0 1 2 3 4 5 6 7 8 9 10

Tega

nga

n (

Vo

lt)

Waktu (s)

1000 W/m2 500 W/m2

800 W/m2

Daya baterai dan bidirectional konverter

Tegangan DC link

Hasil simulasi perunahan irradiasi pada bidirectional

converter

Arus yang mengalir ke baterai bersesuaian dengan daya

-10

-5

0

5

10

0 1 2 3 4 5 6 7 8 9 10

Aru

s (A

)

Waktu (s)

1000 W/m2

500 W/m2

800 W/m2

Hasil simulasi bidirectional converter

Tegangan DC link

0

1000

2000

3000

4000

5000

6000

7000

8000

Da

ya

(W

) Pload

Pbatt

Ppv

0

100

200

300

400

500

600

700

800

0 1 2 3 4 5 6 7 8 9 10

Teg

an

ga

n(V

)

Waktu (s)

V link

33

Simulasi ini dilakukan pada irradiasi 1kW/m2

dengan mengubah daya

beban yang terhubung pada

DC link. Daya beban berubah

dari 3kW menjadi 7 kW

Hasil simulasi bidirectional converter

Arus dan tegangan

pada DC link ketika

terjadi perubahan

mode dari boost

charging menjadi tricle

charging

Pada kondisi ini, daya

yang dihasilkan PV

mlebihi daya yang

dibutuhkan pada proses

charging

-10

-8

-6

-4

-2

0

2

4

6

8

10

Aru

s (A

)

0

100

200

300

400

500

600

700

800

Teg

an

ga

n (

V)

Waktu (s)

Boost > tricle

34

0

200

400

600

800

1000

1200

Da

ya

PV

(W

)

Hasil simulasi bidirectional converter

Arus dan tegangan

pada DC link ketika

terjadi perubahan

mode dari boost

charging menjadi tricle

charging

Pada kondisi ini, daya

yang dihasilkan PV

mlebihi daya yang

dibutuhkan pada proses

charging 270

274

278

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

teg

an

ga

n (

V)

Waktu (S)

276

35

Boost Charge dan tricle charge

(implementasi)

Percobaan ini dilakukan

pada baterai

berkapasitas 36 Ah 12 V

Pada grafik terjadi

pergantian dari boost

charge menjadi tricle

charge

36

0

1

2

3

4

5

6

0 50 100 150 200 250

Aru

s (A

)

Waktu (s)

Discharge

37

-3.5

-3

-2.5

-2

-1.5

-1

-0.5

0

0.5

1

1.5

0 10 20 30 40 50 60 70

Aru

s B

ate

ra

i

Waktu (s)

Percobaan ini dilakukan pada baterai berkapasitas 36 Ah 12 V

Percobaan dilakukan dengan set point tegangan keluaran sebesar

30 V, dan beban sebesar 10 Ohm, dan power sulpai yang bekerja

pada curren control dengan range tegangan maksimal (31.5 Volt)

keluaran arus 1 A

Effisiensi bidirectional Converter

(Implementasi)

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

100.00%

9.42 19.98 28.95 41.07 49.60

Efisi

en

si

Pout (Watt)

0.00%

20.00%

40.00%

60.00%

80.00%

100.00%

120.00%

4.83 23.61 56.23 91.44

Efisi

en

si

Pout (Watt)

No

.

I set

(A)

V input

(Volt)

A output

(A)

V output

(Volt)

Pout

(Watt)

Pin

(Watt)

Efisiensi

1 5 12 2 24.8 49.6 60 82.67%

2 3.88 12 1.85 22.2 41.07 46.56 88.21%

3 2.69 12 1.5 19.3 28.95 32.28 89.68%

4 1.82 12 1.22 16.38 19.9836 21.84 91.50%

5 0.85 12 0.82 11.49 9.4218 10.2 92.37%

No. I set

(A)

V input

(Volt)

A output

(A)

V output

(Volt)

Pout

(Watt)

Pin

(Watt)

Efisiensi

1 0.16 31.5 0.83 5.82 4.8306 5.04 95.85%

2 0.84 31.5 1.84 12.83 23.6072 26.46 89.22%

3 2.03 31.5 2.83 19.87 56.2321 63.945 87.94%

4 3.36 31.5 3.62 25.26 91.4412 105.84 86.40%

Boost Mode Buck Mode

Pendahuluan

Pemodelan Sistem

Simulasi dan Implementasi

Kesimpulan

39

Kesimpulan

40

□ Hasil simulasi disimpulkan bahwa Neuro Fuzzy Multi Model

NFMM sebagai algoritma MPPT memiliki nilai akurasi sebesar

99.88 %.

□ Nilai matching efisiensi sistem PV bernilai rata-rata 99.86 %.

Nilai ini menunjukkan sistem PV sudah bekerja optimal.

□ Hasil simulasi dan implementasi konverter dua arah

didapatkan sistem konverter sudah dapat mengikuti setting

poin yang diberikan kontroller baik simulasi maupun

implementasi.

□ Nilai efisiensi rata-rata konverter dua arah dengan kopling

induktor sebesar 90 % untuk simulasi, dan 89 % untuk

implementasi.

Saran

41

□ Parameter komponen-komponen yang digunakan dalam

boost konverter masih ideal sehingga harus dilakukakan

perhitungan parameter komponen sehingga hasil simulasi

mendekati nyata.

□ Simulasi sistem berjalan sangat lambat. Diperlukan average

model sehingga simulasi sistem dapat dilakukan dengan lebih

cepat.

Daftar Pustaka [1] L. Solero, A. Lidozzi, and J. A. Pomilio, "Design of multiple-input power converter for hybrid vehicles," Power Electronics, IEEE Transactions on, vol. 20, pp. 1007-1016, 2005. [2] M. Marchesoni and C. Vacca, "New DC&DC Converter for Energy Storage System Interfacing in Fuel Cell Hybrid Electric Vehicles," Power Electronics, IEEE

Transactions on, vol. 22, pp. 301-308, 2007. [3] N. Woonki, P. Taesik, K. Taehyung, and K. Sangshin, "Light Fuel-Cell Hybrid Electric Vehicles Based on Predictive Controllers," Vehicular Technology, IEEE

Transactions on, vol. 60, pp. 89-97, 2011. [4] S. Matsumura, S. Omatu, and H. Higasa, "Speed control of an electric vehicle system using PID type neurocontroller," in Neural Networks, 1993. IJCNN '93-Nagoya.

Proceedings of 1993 International Joint Conference on, 1993, pp. 661-664 vol.1. [5] P. Wipasuramonton, Z. Q. Zhu, and D. Howe, "Predictive current control with current-error correction for PM brushless AC drives," Industry Applications, IEEE

Transactions on, vol. 42, pp. 1071-1079, 2006. [6] J. Moreno, M. E. Ortuzar, and J. W. Dixon, "Energy-management system for a hybrid electric vehicle, using ultracapacitors and neural networks," Industrial Electronics,

IEEE Transactions on, vol. 53, pp. 614-623, 2006.

42 42

Daftar Pustaka [7] A. A. Ferreira, J. A. Pomilio, G. Spiazzi, and L. de Araujo Silva, "Energy Management Fuzzy Logic Supervisory for Electric Vehicle Power Supplies System," Power

Electronics, IEEE Transactions on, vol. 23, pp. 107-115, 2008. [8] P. Thounthong, S. Pierfederici, J. P. Martin, M. Hinaje, and B. Davat, "Modeling and Control of Fuel Cell/Supercapacitor Hybrid Source Based on Differential Flatness Control," Vehicular Technology, IEEE Transactions on, vol. 59, pp. 2700-2710, 2010. [9] A. S. Samosir and A. H. M. Yatim, "Implementation of Dynamic Evolution Control of Bidirectional DC&#x2013;DC Converter for Interfacing Ultracapacitor Energy Storage to Fuel-Cell System," Industrial Electronics, IEEE Transactions on, vol. 57, pp. 3468-3473, 2010. [10] A. Payman, S. Pierfederici, F. Meibody-Tabar, and B. Davat, "An Adapted Control Strategy to Minimize DC-Bus Capacitors of a Parallel Fuel Cell/Ultracapacitor Hybrid System," Power Electronics, IEEE Transactions on, vol. 26, pp. 3843-3852, 2011. [11] Z. Qi, S. Wang, G. Liu, and G. Tian, "Integrated Control of Energy Management for Stand-Alone PV System," in Power and Energy Engineering Conference, 2009. APPEEC

2009. Asia-Pacific, 2009, pp. 1-4.

43

Daftar Pustaka [12] L. Zhiling and R. Xinbo, "A novel power management control strategy for stand-alone photovoltaic power system," in Power Electronics and Motion Control Conference,

2009. IPEMC '09. IEEE 6th International, 2009, pp. 445-449. [13] T. Bhattacharya, V. S. Giri, K. Mathew, and L. Umanand, "Multiphase Bidirectional Flyback Converter Topology for Hybrid Electric Vehicles," Industrial

Electronics, IEEE Transactions on, vol. 56, pp. 78-84, 2009. [14] K. Gummi and M. Ferdowsi, "Double-Input DC&#x2013;DC Power Electronic Converters for Electric-Drive Vehicles&#x2014;Topology Exploration and Synthesis Using a Single-Pole Triple-Throw Switch," Industrial Electronics, IEEE Transactions on, vol. 57, pp. 617-623, 2010. [15] M. B. Camara, H. Gualous, F. Gustin, A. Berthon, and B. Dakyo, "DC/DC Converter Design for Supercapacitor and Battery Power Management in Hybrid Vehicle Applications&#x2014;Polynomial Control Strategy," Industrial Electronics, IEEE

Transactions on, vol. 57, pp. 587-597, 2010. [16] Y. Lung-Sheng and L. Tsorng-Juu, "Analysis and Implementation of a Novel Bidirectional DC&#x2013;DC Converter," Industrial Electronics, IEEE Transactions on, vol. 59, pp. 422-434, 2012.

44

Daftar Pustaka [17] X. Chang-jun, Q. Shu-hai, and C. Qi-hong, "Control strategy of hybrid power system for Fuel Cell Electric Vehicle based on neural network optimization," in Automation

and Logistics, 2008. ICAL 2008. IEEE International Conference on, 2008, pp. 753-757. [18] R. Gules, J. De Pellegrin Pacheco, H. L. Hey, and J. Imhoff, "A Maximum Power Point Tracking System With Parallel Connection for PV Stand-Alone Applications," Industrial Electronics, IEEE Transactions on, vol. 55, pp. 2674-2683, 2008. [19] Z. Amjadi and S. S. Williamson, "A Novel Control Technique for a Switched-Capacitor-Converter-Based Hybrid Electric Vehicle Energy Storage System," Industrial

Electronics, IEEE Transactions on, vol. 57, pp. 926-934, 2010.

45

46