Modeling and identification of power electronic converters

Abstract

Nowadays, many industries are moving towards more electrical systems and components. This is done with the purpose of enhancing the efficiency of their systems while being environmentally friendlier and sustainable. Therefore, the development of power electronic systems is one of the most important points of this transition. Many manufacturers have improved their equipment and processes in order to satisfy the new necessities of the industries (aircraft, automotive, aerospace, telecommunication, etc.). For the particular case of the More Electric Aircraft (MEA), there are several power converters, inverters and filters that are usually acquired from different manufacturers. These are switched mode power converters that feed multiple loads, being a critical element in the transmission systems. In some cases, these manufacturers do not provide the sufficient information regarding the functionality of the devices such as DC/DC power converters, rectifiers, inverters or filters. Consequently, there is the need to model and identify the performance of these components to allow the aforementioned industries to develop models for the design stage, for predictive maintenance, for detecting possible failures modes, and to have a better control over the electrical system.

Thus, the main objective of this thesis is to develop models that are able to describe the behavior of power electronic converters, whose parameters and/or topology are unknown. The algorithms must be replicable and they should work in other types of converters that are used in the power electronics field. The thesis is divided in two main cores, which are the parameter identification for white-box models and the black-box modeling of power electronics devices. The proposed approaches are based on optimization algorithms and deep learning techniques that use non-intrusive measurements to obtain a set of parameters or generate a model, respectively. In both cases, the algorithms are trained and tested using real data gathered from converters used in aircrafts and electric vehicles. This thesis also presents how the proposed methodologies can be applied to more complex power systems and for prognostics tasks. Concluding, this thesis aims to provide algorithms that allow industries to obtain realistic and accurate models of the components that they are using in their electrical systems.

En la actualidad, el uso de sistemas y componentes eléctricos complejos se extiende a múltiples sectores industriales. Esto se hace con el propósito de mejorar su eficiencia y, en consecuencia, ser más sostenibles y amigables con el medio ambiente. Por tanto, el desarrollo de sistemas electrónicos de potencia es uno de los puntos más importantes de esta transición. Muchos fabricantes han mejorado sus equipos y procesos para satisfacer las nuevas necesidades de las industrias (aeronáutica, automotriz, aeroespacial, telecomunicaciones, etc.). Para el caso particular de los aviones más eléctricos (MEA, por sus siglas en inglés), existen varios convertidores de potencia, inversores y filtros que suelen adquirirse a diferentes fabricantes. Se trata de convertidores de potencia de modo conmutado que alimentan múltiples cargas, siendo un elemento crítico en los sistemas de transmisión. En algunos casos, estos fabricantes no proporcionan la información suficiente sobre la funcionalidad de los dispositivos como convertidores de potencia DC-DC, rectificadores, inversores o filtros. En consecuencia, existe la necesidad de modelar e identificar el desempeño de estos componentes para permitir que las industrias mencionadas desarrollan modelos para la etapa de diseño, para el mantenimiento predictivo, para la detección de posibles modos de fallas y para tener un mejor control del sistema eléctrico. Así, el principal objetivo de esta tesis es desarrollar modelos que sean capaces de describir el comportamiento de un convertidor de potencia, cuyos parámetros y/o topología se desconocen. Los algoritmos deben ser replicables y deben funcionar en otro tipo de convertidores que se utilizan en el campo de la electrónica de potencia. La tesis se divide en dos núcleos principales, que son la identificación de parámetros de los convertidores y el modelado de caja negra (black-box) de dispositivos electrónicos de potencia. Los enfoques propuestos se basan en algoritmos de optimización y técnicas de aprendizaje profundo que utilizan mediciones no intrusivas de las tensiones y corrientes de los convertidores para obtener un conjunto de parámetros o generar un modelo, respectivamente. En ambos casos, los algoritmos se entrenan y prueban utilizando datos reales recopilados de convertidores utilizados en aviones y vehículos eléctricos. Esta tesis también presenta cómo las metodologías propuestas se pueden aplicar a sistemas eléctricos más complejos y para tareas de diagnóstico. En conclusión, esta tesis tiene como objetivo proporcionar algoritmos que permitan a las industrias obtener modelos realistas y precisos de los componentes que están utilizando en sus sistemas eléctricos.