Redes neurais artificiais aplicadas ao controle de um retificador Buck PFC monofásico

Abstract

Este trabalho apresenta um estudo sobre a utilização de algoritmos baseados em redes neurais artificiais aplicadas ao controle da tensão de saída e correção de fator de potência de um retificador Buck, que deu origem a um Adaptive Neural Network Controller (ANNC), o qual emprega as técnicas Feedforward Current do indutor de saída e neurônio aditivo, onde a ação de controle se dá por meio da razão cíclica aplicada ao acionamento do transistor de potência. O aprendizado aplicado ao ANNC possui característica de tempo real, sem a necessidade de treinamento prévio portanto, o sistema se adapta as mudanças regulando a tensão e corrigindo o fator de potência instantaneamente. A simulação do ANNC utilizou o software PSIM, onde são analisadas as respostas dinâmicas do retificador Buck frente ao degrau na potência de saída e seus efeitos quanto: a estabilidade da tensão na carga, a manutenção do fator de potência praticamente unitário, e o baixo conteúdo harmônico da corrente de entrada. Neste trabalho são apresentados os resultados de simulação e experimental, onde é possível observar que as técnicas empregadas, Feedforward Current e neurônio aditivo, promovem o ajuste da tensão de saída conforme a referência e mantém um fator de potência praticamente unitário. No intuito de comprovar a aplicação da técnica apresentada, um protótipo de 1500W, 220V de tensão de entrada, e até 60V de tensão de saída foi implementado, onde foram obtidos resultados de acordo com o intervalo dos ensaios realizados, alcançando um fator de potência de 0, 9932 com uma Distorção Harmônica Total na ordem de 5, 94%.

Abstract: This work brings a study on the use of algorithms based in artificial neural networks applied to the control of output voltage and power factor correction of a buck rectifier, spawning an Adaptive Neural Network Controller (ANNC), which employs the Feedforward Current techniques of the output inductor and additive neuron, where control action is exerted through the duty cycle applied to the triggering of the power switch gate. The learning applied to ANNC features real-time characteristics, devoid of the need for prior training, thus the system adapts to changes by regulating voltage and instantly correcting power factor. The simulation of ANNC is conducted by the PSIM software, wherein the dynamic responses of the buck rectifier to output power step and its effects on load voltage stability, maintaining virtually unity power factor, and low harmonic content of input current are analyzed. This work presents simulation and experimental results, where it can be observed that the employed techniques, Feedforward Current and additive neuron, facilitate adjustment of output voltage as per reference and maintain a virtually unity power factor. In a bid to validate the presented technique, a prototype of 1500W, 220V input voltage, and up to 60V output voltage was implemented, yielding results within the range of conducted tests, achieving a power factor of 0.9932 with a Total Harmonic Distortion on the order of 5.94%.