Técnicas de Control Predictivo aplicadas a sistemas basados en

Técnicas de Control Predictivo
aplicadas a sistemas basados en
pilas de combustible
Carlos Bordons
Fuel Cell Control Lab
Dpto. de Ingeniería de Sistemas y Automática
Universidad de Sevilla
Carlos Bordons, Simposio CEA, Almeria 2010
1
Índice
Presentar algunos trabajos realizados en torno al uso de
técnicas de Control Predictivo (Model Predictive Control,
MPC) a sistemas que usan pilas de combustible.
Experiencias en nuestro laboratorio de la Universidad de
Sevilla
1. Introducción
2. Dinámica
3. Control de la alimentación de
aire
4. Inclusión de almacenamiento
5. Conclusiones
Carlos Bordons, Simposio CEA, Almeria 2010
2
1. Introducción
•
•
•
Las pilas de combustible
(Fuel cells) se han
desarrollado
considerablemebte en los
últimos años: buenas
candidatas para
generación limpia de
electricidad tanto en
aplicaciones móviles
como estacionarias
Se alimentan de
hidrógeno. Los
subproductos son agua y
calor
Muchos temas abiertos
(materiales,
electroquímica,
fabricación,
mantenimiento). El
control automático de
estos sistemas es uno de
ellos
Carlos Bordons, Simposio CEA, Almeria 2010
3
Motivación
Toyota last summer announced it would put
hydrogen fuel-cell cars into production in 2015.
Honda FCX Clarity
Leasing. 200 vehicles in USA and Japan
Carlos Bordons, Simposio CEA, Almeria 2010
Introducción a las pilas
• Sistemas
electroquímicos que
generan potencia
eléctrica a partir de un
combustible
• Hay muchas clases de
FC: SO (Solid Oxide), MC
(Molten Carbonate), PA
(Phosphoric Acid), PEM
(Polymer Electrolite
Membrane), etc.
PEM: muy usadas en automoción,
electrónica de consumo o
generación eléctrica estacionaria
Baja temperatura, respuesta rápida,
alta densidad de potencia…
Carlos Bordons, Simposio CEA, Almeria 2010
5
Control de pilas de combustible
Diseño de sistemas de control para pilas y equipamiento auxiliar:
• Control de la alimentación de aire (Stefanopoulou et al., Bordons
et al., Riera et al.)
• Sistemas híbridos con pilas de combustible (Thountong, Chandler,
Rodatz, Choi, Del Real, etc.)
• Aplicaciones en automoción (Rodatz, Guzzella, Sciarreta,
Stefanopoulou, Suh, Arce, etc.)
• Control de convertidores electrónicos: campo muy activo
# journal & conference papers
Muchas empresas
interesadas a nivel
mundial
(automoción y
generación
eléctrica)
1200
980
1000
800
600
400
200
150
0
3
9
20
1985
1990
1995
2000
0
2005
2010
Years
Carlos Bordons, Simposio CEA, Almeria 2010
6
Un pila de combustible es un planta
generadora de energía
• Como:
Manipular los reactivos para
conseguir la potencia deseada
– Turbinas de gas o vapor
– Calderas
– Motores de combustión
• Muchos retos para la comunidad
de control
• Model Predictive Control (MPC):
gran éxito en procesos
industriales
On-line
optimization
Razones para el
éxito en la
industria:
Multi-level
control
Constraint
management
Carlos Bordons, Simposio CEA, Almeria 2010
7
2. Dinámica de una pila de combustible
Fluid-dynamic
equations
Water
Gases
Slow dynamics (seconds).
Limited by the hydrogen and
oxygen delivery system
(compressor and valves)
Electrochemical
characteristic
Almost instantaneous
Thermal
effects
Very slow dynamics
(minutes)
• Model developed and validated on a
Nexa Fuel Cell (Ballard)
Dinámica de la pila
Carlos Bordons, Simposio CEA, Almeria 2010
8
Modelo dinámico de una pila
Hay muchos modelos en la literatura. No son adecuados para control:
–
–
–
–
Orientados al diseño y análisis de la pila
Modelos complejos de parámetros distribuidos
Sin considerar los efectos dinámicos
Ausencia de validación experimental
•
Propuesta: Modelado basado en referencias orientadas al control *:
•
Extensión del modelo existente:
•
Validado en una pila real
–
–
–
–
–
–
Parámetros concentrados
Dinámica de los fluidos: hidrógeno, oxígeno, vapor de agua
Carácterística eléctrica estática: curva de polarización
Se ha añadido la condensación de agua (flooding) a la dinámica de los fluidos
Se han considerado los efectos térmicos
Carácterísitca eléctrica: curva de polarización simplificada
* Pukrushpan, J. T., Stefanopoulou, A. G., and Peng, H. “Control of Fuel Cell Power
Systems”, Springer-Verlag, 2004.
Dinámica de la pila
Carlos Bordons, Simposio CEA, Almeria 2010
9
Model validation
Max. Power: 1.2 kW
Voltage: 45 – 26 V
Current: 0 – 52 A
Air cooling
PEM Fuel Cell
Used by many research
groups
Inputs: H2 Feed, O2
Feed, Electric Load
Outputs: Water, Voltage,
Heat
Fuel Cell Dynamics
Carlos Bordons, Simposio CEA, Almeria 2010
10
Validación del Modelo
Input Data
Model Outputs
Model development and
validation of a PEM
benchmark. Journal of Power
Sources, 2007. Arce, Del Real
and Bordons
Fuel Cell Dynamics
Carlos Bordons, Simposio CEA, Almeria 2010
11
Modelo no lineal detallado
• Simulador disponible para investigadores interesados
• Este modelo se puede usar para diseñar y validar las estrategias
de control. Herramienta muy útil.
Para diseñar el controlador (Model Predictive Control) se debe
construir un modelo orientado a control
Dinámica
Carlos Bordons, Simposio CEA, Almeria 2010
3. Control de pilas PEM
• Low-level control,
main control loops:
fuel/air feeding,
humidity and
temperature
• High-level control,
whole system,
integrating the
electrical
conditioning,
storage and fuel
processor (if
necessary)
H2
flow
Hydrogen
Humidification
Air flow
Humidifier
Cooling
Compressor
Water
Fuel Cell Control
Power
management
Manipulated
variables
Separator
Carlos Bordons, Simposio CEA, Almeria 2010
13
énfasis en el Control de aire/combustible
Seminal paper: Control of Fuel Cell Breathing J. T. Pukrushpan,
A. G. Stefanopoulou and H. Peng, IEEE Control Systems
Magazine, 2004. Ann Arbor, Michigan. (and Springer book).
Several control strategies (2004-2009):
Feedforward: Stefanopoulou et al., Varigonda et al.
LQR: Pukrushpan et al., Rodatz et al.
Neural Network: Almeida, Simoes
Adaptive Control: Zhang et al.
Sliding Mode Control: UPC, Seville group
Model Predictive Control: Seville group
Lack of experimental tests!
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
14
Airflow control
•
Objective: supply in an effective way the necessary flow of reactans,
providing a good transient response and minimizing auxiliary
consumption:
–
•
•
MV
Setpoint and control strategy selection
Important: keep the oxygen excess ratio. Starvation danger
Control the flow of oxygen
Compressor
Voltage
H2 Valve
Ist
Vst
Fuel Cell
λo2
Fuel Cell Control
Pst
O2
WO 2,in
WO 2,react
CV
Carlos Bordons, Simposio CEA, Almeria 2010
15
Control objective
• Manipulate the compressor
to track a desired λO2
• Starvation: λO2>1
• Pukrshupan et al., 2004:
λO2>2 for safety reasons
(distributed value)
• Literature: constant values
depending on the FC size
Is there an optimal value for λO2?
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Optimal value for λO2
Control criterium: maximum efficiency
Setpoint choice depending on load
Existing controllers: constant excess
ratio
Net power: Pnet =PFC – Paux
Higher flow implies more power but
also more losses. Trade-off
Constrained predictive control strategies for PEM fuel cells. C. Bordons, A. Arce, and A. del Real in IEEE Proc.
2006 American Control Conference, Minneapolis, Minnesota USA, 2006.
Real-Time Implementation of a Constrained MPC for Efficient Airflow Control in a PEM Fuel Cell. Alicia Arce,
Alejandro J. del Real, Carlos Bordons and Daniel R. Ramírez, IEEE Transactions on Industrial Electronics (2009)
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
17
Experimental setup
Nexa built-in controller overriden
Advantech PCM-3370 CPU: 650MHz
Pentium III with 256MB
2 Advantech PCM-3718HO
multifunction cards (16 AI and 1 AO)
Simulink Real Time Workshop
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
18
Control strategy: Model Predictive Control
Control actions
Optimization over a future receding horizon
using a dynamic model of the plant
Setpoint
t
t+1
t+2
t+N
Past
Inputs and
outputs
Future
Control
Actions
Cost Function
Fuel Cell Control
Future
outputs
Model
Reference
Trajectory
Future
Errors
Optimizer
Constraints
Carlos Bordons, Simposio CEA, Almeria 2010
MPC for airflow control
•
•
•
•
•
•
Airflow control for maximum efficiency
Satisfying oxygen starvation avoidance
Based on a constrained explicit MPC
Suitable for real-time implementation (low computational demands)
Master-Slave
Reference governor for λO2 choice
Real-Time Implementation of a Constrained MPC for Efficient Airflow Control in a PEM Fuel Cell. A.
Arce, A. del Real, C. Bordons and D. R. Ramírez, IEEE Transactions on Industrial Electronics (2009)
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Constrained Predictive Controller
Subject to:
Input constraint (physical limits)
Desired output constraint
• Implicit feed-forward effect:
• Sampling time according to system dynamics: 10 milliseconds
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Explicit MPC
• Constrained MPC implies solving a QP (computational cost)
• Explicit MPC solution:
– Off line computation + On line search
– The solution of the multi-parametric problem gives rise to a PWA
control law
regions
A. Bemporad, M. Morari, V. Dua and E. Pistikopoulous. The explicit linear quadratic regulator
for constrained systems, Automatica 38 (2002)
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Implementation
•
•
•
•
•
Horizons: 4 (small)
221 regions
Matlab Toolbox
Embedded controller PC-104
Average exec time: 0.245 ms
Design and experimental validation of a
constrained MPC for the air feed of a fuel cell.
J.K. Gruber, M.Doll and C.Bordons. Control
Engineering Practice vol 17, 874–885, 2009.
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Results
• Allows
performance
improvements of
3.87%.
• Improved
transient
responses
compared to
those of the
manufacturer’s
control law.
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Linear-varying parameters
Due to the dependence of λO2 on the load
The following convolution model is proposed
The model parameters ai are scaled by the load (w). Computed at
each samplig period.
Design and experimental validation of a constrained MPC for the air feed of a fuel cell. J.K. Gruber,
M.Doll and C.Bordons. Control Engineering Practice vol 17, 874–885, 2009.
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Experimental results
Improve Nexa’s built-in controller. N=7
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Nonlinearities
• Nonlinearities at low load (startups,
partial load)
• Polarization curve
• Use Nonlinear MPC
Linear controller
Nonlinear Control of the Air Feed of a Fuel
Cell. Jorn K. Gruber, Carlos Bordons and
Fernando Dorado. IEEE American Control
Conference, Seattle, 2008.
Fuel Cell Control
Danger
Carlos Bordons, Simposio CEA, Almeria 2010
27
Nonlinear control-oriented model of the FC
Second order Volterra model (diagonal). Inclusion of the load in the model
Model validation
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Implementation
• Constraints:
• N=16, Nu=5
• QP using Lemke’s algorithm
• Execution times: 0.8 ms (average), 2.4 ms (max)
F.J. Doyle and R.K. Pearson, B.A. Ogunnaike, Identification and Control Using Volterra Models, Springer, 2001
Gruber, J. K., Bordons, C., Bars, R., Haber, R., Nonlinear predictive control of smooth nonlinear systems based on
Volterra models. Application to a pilot plant. International Journal of Robust and Nonlinear Control, 2009
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
NMPC with respect to linear MPC
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Dynamic improvement with respect to built-in controller
Nonlinear MPC for the airflow in a PEM fuel cell using a Volterra series model. J.K.
Gruber, C. Bordons and A. Oliva. Submitted to Control Engineering Practice.
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Up to now…
• Model Predictive Controllers can provide
good transient behaviour to setpoint
changes and optimize efficiency.
However:
• The fuel cell system shows a much faster
transient behavior with respect to changes
in the stack current than to changes in the
compressor motor voltage.
• These different dynamics make it
physically impossible to avoid the
characteristic peaks in the oxygen excess
ratio after abrupt changes in the load
current
• A reduction of these peaks could be
achieved by using additional batteries or
ultracapacitors supplying the demanded
peaks in the stack current.
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
4. Fuel Cell + Storage + Converter
The DC/DC converter and the capacitor decouple fuel cell and load
FC
DC
DC
C
Load
• The use of storage (capacitor bank) allows
smooth transients (FC lifetime) and voltage
regulation
• The maximum efficiency criterium is used too
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
33
Control objective
In power transients:
– The capacitor
initially supplies the
power to the load
– Then the FC
setpoint is moved to
the new steady
state (with a
maximum power
slope and
optimum oxygen
excess ratio)
Fuel Cell Control
Energy supplied by the
capacitors
Energy excess supplied
by the FC to restore the
capacitors energy and
bus voltage
Carlos Bordons, Simposio CEA, Almeria 2010
Topology and operation
Minimum Fuel Consumption Strategy for PEM Fuel Cells.
C. Ramos-Paja, C. Bordons, A. Romero, R. Giral and L.
Martínez-Salamero. IEEE Transactions on Industrial
Electronics, vol. 56, No 3, 2009
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
35
Response. Power transients
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Some results
•
•
•
•
Safe and smooth operation (no peaks)
Regulated voltage output
Optimal profile control being 3.87% (average) more efficient than
the Nexa internal control in this particular case (5.82%
improvement around 800 W). Same topology
18.7 minutes extended operation for a hydrogen cylinder of 240 g
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
MPC de una pila: Conclusiones
Estado estacionario: elegir el mejor valor de λO2 para la máxima
eficiencia (sin coste adicional). Se pueden conseguir mejoras en
torno a un 4% sobre el fabricante (experimental)
Comportamiento Transitorio: seleccionar el mejor algoritmo de
control
El Control Predictivo puede:
– Reducir la probabilidad del fenómeno de starvation e
incrementar la seguridad y vida útil de la pila
– Reducir considerablemente el tiempo de compensación del
error en la tesa de exceso de oxígeno con una señal de
entrada mucho má suave
¡Una estrategia de control adecuada
puede reducir el consumo!
Fuel Cell Control
Carlos Bordons, Simposio CEA, Almeria 2010
Algunas aplicaciones
Motor eléctrico 4 kW
Pila de 5 kW fuel cell
Baterías
H2 comprimido
INTA
Fuel Cell Hybrid Vehicles
Carlos Bordons, Simposio CEA, Almeria 2010
39
Prototipo “León”
Fuel Cell Hybrid Vehicles
Carlos Bordons, Simposio CEA, Almeria 2010
H2 de fuentes renovables
Hidrogenera con estación de repostaje
Usa energía solar para un electrolizador
En Sanlúcar la Mayor (Sevilla)
Carlos Bordons, Simposio CEA, Almeria 2010
Algunos temas abiertos
• Control
Pnet (W)
– Control de la humedad (gestión
del agua)
– Control de Temperatura
(setpoint óptimo). Tener en
cuenta la corrosión (íntimamente
relacionada con la temperatura y
el agua) en la minimización
1000
900
800
700
600
500
400
300
2
4
6
8
10
300
310
320
330
340
Tst (K)
O
2
• Economía del Hidrógeno: producción,
distribución y almacenamiento de H2
Fuel Cell Hybrid Vehicles
Carlos Bordons, Simposio CEA, Almeria 2010
42
Conclusiones
• Las pilas de combustible pueden contribuir significativamente a los
objetivos internacionales de reducción de CO2 tanto en el sector
del transporte como la generación estacionaria
• Reto clave a corto plazo es la demostración del comportamiento
duradero de las pilas en condiciones reales de operación
• Retos claves a medio plazo: funcionamiento con combustibles
renovables, reducción del coste y mejoras en cuanto a rendimiento
y vida útil.
Las técnicas de Control Automático pueden
mejorar las prestaciones de los sistemas
basados en pilas de combustible: transitorios,
consumo y vida útil
Carlos Bordons, Simposio CEA, Almeria 2010
Gracias por su atención
Agradecimientos: Alicia Arce, Carlos A. Ramos-Paja,
Alejandro del Real y Jorn Gruber
Carlos Bordons
bordons@esi.us.es
Universidad de Sevilla
Carlos Bordons, Simposio CEA, Almeria 2010
44
Técnicas de Control Predictivo
aplicadas a sistemas basados en
pilas de combustible
Carlos Bordons
Fuel Cell Control Lab
Dpto. de Ingeniería de Sistemas y Automática
Universidad de Sevilla
Carlos Bordons, Simposio CEA, Almeria 2010
45