Contribuições ao controle preditivo e otimização com aplicação em energias renováveis

Abstract

Sistemas eficientes, sustentáveis e diversificados de geração de energia elétrica são uma preocupação crescente na maioria dos países. Tais sistemas enfrentam dificuldades recorrentes de confiabilidade e qualidade da energia devido à característica estocástica da maioria das fontes renováveis. Esses problemas podem ser minimizados dependendo da estratégia de controle utilizada. De forma geral, uma das técnicas de controle avançado mais utilizadas é o chamado controle preditivo (MPC), devido a sua característica de combinar a otimização econômica e o atendimento às restrições do processo. A maioria dos trabalhos publicados na área concentram-se em técnicas determinísticas e, apesar de que métodos estocásticos têm apresentando resultados promissores, várias propostas de MPC robusto e estocástico são provavelmente muito complexas para a implementação nas indústrias de processos, onde normalmente, incentiva-se o desenvolvimento de alternativas mais simples. Além disso, o MPC pode ter dificuldades para encontrar o ponto ótimo do sistema real, já que o controlador preditivo é baseado em um modelo aproximado do sistema. Assim, esta tese apresenta contribuições ao controle avançado de plantas de geração de energia renovável com base em estratégias de controle preditivo, incluindo formulações estocásticas. Entre elas se destacam: a avaliação da topologia na eficiência de campos solares de grande porte, a incorporação de técnicas probabilísticas na formulação do MPC frente a estocasticidade presente na geração renovável e a avaliação de técnicas probabilísticas em sistemas com diversas fontes de geração renovável, além de apresentar casos de estudo de usinas de cana-de-açúcar como fornecedoras de energia elétrica para a rede externa. Outro objetivo alcançado nesta tese é projetar um controlador MPC que possa, através das medidas da planta real, compensar eventuais efeitos não modelados do sistema para que o controlador possa convergir à solução ótima com garantia de estabilidade, permitindo enfrentar os problemas da estocasticidade das fontes de geração renovável. Como resultado disso, apresenta-se um controlador Offset-Free (sem erro de offset) chamado de Controlador Preditivo Econômico de uma Camada que combina as vantagens do MPC com a estratégia de Adaptação via Modificadores (MA), permitindo controlar o sistema levando-o para o ponto ótimo da planta real. Todos os estudos realizados foram validados com experimentos em simulação, a maioria deles com dados de plantas reais. Em suma, as contribuições desta tese podem ser classificadas em três categorias: a) Contribuições para a modelagem de sistemas híbridos (com diversas fontes de energia) de geração renovável, incluindo estruturas hierárquicas, cujos resultados oferecem recursos de como modelar diversas situações reais em sistemas renováveis; b) Análise do uso das restrições probabilísticas (CC) em sistemas de geração renovável, seu conceito e estruturação em sistemas multivariáveis e seus efeitos, tanto benéficos quanto nocivos, para o sistema; e c) Proposta de um controlador Offset-Free que permite lidar com eventuais dinâmicas não modeladas em estruturas de controle hierárquico, o que permite que o controlador encontre o ponto de operação ótimo da planta real e não apenas do modelo utilizado pelo controlador.

Abstract: Efficient, sustainable and diversified power generation systems are a growing concern in most countries. Such systems face recurrent difficulties of reliability and power quality due to the stochastic characteristics of most renewable sources. These problems can be minimized depending on the control strategy used. In general, one of the most commonly used advanced control techniques is the so-called Model Predictive Control (MPC), due to its characteristic of combining economic optimization and meeting process constraints. Most of the studies published in this area focus on deterministic techniques and, despite the fact that stochastic methods have presented promising results, several proposals of robust and stochastic MPC are probably very complex for the implementation in process industries, where normally, the development of simpler alternatives is encouraged. In addition, the MPC may have difficulties to find the optimum point of the real system, since the predictive controller is based on an approximate model of the system. Thus, this thesis presents contributions to the advanced control of renewable energy generation plants based on predictive control strategies, including stochastic formulations. Among them are: the evaluation of the topology in the efficiency of large solar fields, the incorporation of probabilistic techniques in the formulation of MPC against stochasticity present in renewable generation and the evaluation of probabilistic techniques in systems with various sources of renewable generation, in addition to presenting case studies of sugarcane plants as suppliers of electricity to the external grid. Another objective achieved in this thesis is to design an MPC controller that can, through the measurements of the actual plant, compensate for eventual unmodelled effects of the system so that the controller can converge to the optimum solution with a guarantee of stability, allowing to face the problems of stochasticity of renewable generation sources. As a result, an Offset-Free controller called One-Layer Economic Model Predictive Controller is presented that combines the advantages of MPC with the Modifier Adaptation (MA) strategy, allowing to control the system taking it to the optimum point of the real plant. All the studies performed have been validated with simulation experiments, most of them with real plant data. In short, the contributions of this thesis can be classified into three categories: a) Contributions to the modeling of hybrid systems (with several energy sources) of renewable generation, including hierarchical structures, whose results offer resources on how to model several real situations in renewable systems; b) Analysis of the use of chance constraints (CC) in renewable generation systems, their concept and structuring in multivariable systems and their effects, both beneficial and harmful, to the system; and c) Proposal of an Offset-Free controller that allows to deal with eventual dynamics not modeled in hierarchical control structures, which allows the controller to find the optimal operating point of the real plant and not only of the model used by the controller.