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–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–DC Power Electronic Converters for Electric-Drive Vehicles—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—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–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