Dynamic Modeling and Standstill Identification for Induction Motor Drives
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Electrical Engineering |
Doctoral thesis (article-based)
| Defence date: 2022-02-04
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2022
Major/Subject
Mcode
Degree programme
Language
en
Pages
68 + app. 44
Series
Aalto University publication series DOCTORAL THESES, 14/2022
Abstract
This dissertation deals with dynamic modeling and standstill self-commissioning of a three-phase induction motor drive. Induction motor is the most popular rotating electrical machine, whose main benefits are simplicity and robustness. A variable-speed induction motor drive is not only suitable for for almost all fields of industry, but also for technologies including electric vehicles. An accurate and efficient control improves the overall efficiency of the drive and its application. High-performance control methods are often based on the dynamic model of the machine. As the electrical machines highly saturate during normal operation, the dynamic model must include the magnetic saturation. Objective of this dissertation is to develop a robust and reliable standstill identification method, which can be implemented into the standard frequency converter. A majority of the induction machines are low-power machines (< 100 kW). These machines are often equipped with closed rotor slots and deep rotor bars. The thin bridges closing the rotor slots saturate highly as a function of the rotor current. The impedance of the rotor bars also varies much as a function of the rotor current frequency due to the deep-bar effect. The standstill identification requires to use high-frequency excitations moving through the rotor. If this kind of excitations are used, the effects of slot-bridge saturation and deep rotor bars must be compensated for. To be able to develop a robust and reliable identification method, an extended dynamic model, which takes into account the above mentioned effects, is first developed. The model extensions can be plugged into a standard machine model and parametrized easily. The proposed model can also be applied to time-domain simulations, real-time control, and identification. The proposed identification method is based on an advanced model of a squirrel-cage induction motor. The model includes the deep-bar effect and the magnetic saturation characteristics. The excitation signals are fed to the stator using a standard inverter without compensating for its nonlinearities. The saturable stator inductance is first identified by means of a robust flux-integration test, during which unknown voltage disturbances are canceled with suitably selected current pulses. Then, the deep-bar characteristics are identified by means of a DC-biased sinusoidal excitation using different frequencies. Finally, the cross-saturation characteristics of the rotor leakage inductance are identified by altering the DC bias of the excitation signal. The identified characteristics are transformed to the parameters of the advanced motor model accounting for the interrelations of the above-mentioned phenomena. Since the physical phenomena affecting the standstill identification process are properly included in the identified model, less approximations are needed and more accurate parameter estimates are obtained. The designed model and the identification method are experimentally evaluated using 2.2-kW, 5.6-kW and 45-kW induction machines.Tässä väitöstyössä käsitellään kolmivaiheisen oikosulkumoottorikäytön dynaamista mallintamista ja mallin identifiointia akselia pyörittämättä. Oikosulkumoottori on yleisin käytössä oleva sähkökonetyyppi, jonka etuja ovat yksinkertaisuus ja luotettavuus. Oikosulkumoottorin pyörimisnopeuden muuttaminen onnistuu tehokkaasti vain syöttötaajuutta muuttamalla, mihin tarvitaan taajuusmuuttaja. Oikosulkumoottorin ja taajuusmuuttajan muodostama nopeussäädetty sähkökäyttö sopii perinteisten teollisuuskäyttöjen lisäksi myös esimerkiksi sähköajoneuvoihin. Tarkka ja tehokas säätö parantaa sähkökäytön ja koko sovelluksen energiatehokkuutta. Kehittyneet säätömenetelmät perustuvat useimmiten moottorin dynaamiseen malliin, joka on identifioitava käyttöönoton yhteydessä. Koska sähkökoneet on suunniteltu toimimaan magneettisessa kyllästystilassa, on kyllästysilmiön oltava mukana käytettävässä moottorimallissa. Työn tavoitteena on kehittää luotettava identifiontimenetelmä, joka toimii täysin akselia pyörittämättä tai lukitsematta. Suurin osa käytössä olevista oikosulkumoottoreista on pienitehoisia (alle 100 kW). Näistä moottoreista valtaosassa on suljetuilla urilla varustettu roottori, jonka urasillat kyllästyvät voimakkaasti roottorivirran amplitudin funktiona. Identifioitaessa oikosulkumoottoria akselin ollessa paikallaan, on käytettävä verrattain suuritaajuisia herätteitä, jotka kulkevat roottorin kautta. Tällaiset herätteet aiheuttavat urasillan kyllästyksen lisäksi pyörrevirtoja roottorisauvoissa, jotka vaikuttavat identifiointituloksiin. Luotettavan identifiointimenetelmän kehittämiseksi työssä on ensin kehitetty laajennettu dynaaminen moottorimalli, joka sisältää kyllästysmallit sekä päävuolle että roottorin urasillalle sekä mallin roottorisauvan virranahdolle. Malli voidaan parametrisoida luotettavasti laboratoriomittauksin ja sitä voidaan hyödyntää esimerkiksi tarkkuutta vaativissa aikatason simuloinneissa ja säätöalgoritmien kehityksessä. Työssä on kehitetty identifiointimenetelmä, joka toimii akselia pyörittämättä ja voidaan toteuttaa normaalilla taajuusmuuttajalla eikä tehoelektroniikan epälineaarisuuksia tarvitse kompensoida. Ehdotetussa menetelmässä mitataan ensin päävuon kyllästyskäyrä käyttäen herätteinä DC-pulsseja ja estimomalla staattorivuota integroimalla jänniteyhtälöä. Tuntemattomat epälineaarisuudet kompensoidaan sopivasti valituilla pulsseilla. Tämän jälkeen voidaan identifioida roottorisauvan impedanssi käyttäen DC-biasoitua siniherätettä eri taajuuksilla. Lopuksi identifioidaan roottorin hajainduktanssin ristikyllästys käyttäen eri DC-biasin arvoja. Identifiointitulokset voidaan muuttaa työssä kehitetyn laajennetun moottorimallin parametreiksi. Koska ehdotetussa mallissa huomioidaan identifioinnin aiheuttamat fyysiset ilmiöt, tarvitaan vähemmän oletuksia ja saavutetaan tarkemmat identifiointitulokset. Työssä ehdotettu malli ja identifiointimenetelmä on validoitu kokeellisesti kolmea eritehoista moottoria käyttäen (2,2 kW, 5,6 kW ja 45 kW).Description
Defence is held on 4.2.2022 12:00 – 15:00
https://aalto.zoom.us/j/64569697159
Supervising professor
Hinkkanen, Marko, Prof., Aalto University, Department of Electrical Engineering and Automation, FinlandKeywords
AC drives, deep-bar effect, dynamic model, induction motor, magnetic saturation, self-commissioning, standstill identification, dynaaminen mallintaminen, identifiointi, magneettinen kyllästys, oikosulkumoottori, roottorisauvan virranahto, taajuusmuuttaja, vaihtosähkökäytöt
Other note
Parts
-
[Publication 1]: Eemeli Mölsä, Seppo E. Saarakkala and Marko Hinkkanen. Influence of Magnetic Saturation on Modeling of an Induction Motor. In 2018 XIII International Conference on Electrical Machines (ICEM), Alexandroupoli, Greece, pp. 1572-1578, September 2018.
Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-201812105931DOI: 10.1109/ICELMACH.2018.8506746 View at publisher
-
[Publication 2]: Sina Khamehchi, Eemeli Mölsä and Marko Hinkkanen. Comparison of Standstill Parameter Identification Methods for Induction Motors. In 2018 IEEE 9th International Symposium on Sensorless Control for Electrical Drives (SLED), Helsinki, Finland, pp. 156-161, September 2018.
Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-201812106247DOI: 10.1109/SLED.2018.8486001 View at publisher
-
[Publication 3]: Eemeli Mölsä, Seppo E. Saarakkala, Marko Hinkkanen, Antero Arkkio, and Mikko Routimo. A Dynamic Model for Saturated Induction Machines With Closed Rotor Slots and Deep Bars. IEEE Transactions on Energy Conversion, Vol. 35, Issue 1, March 2020.
Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-201911156249DOI: 10.1109/TEC.2019.2950810 View at publisher
-
[Publication 4]: Eemeli Mölsä, Lauri Tiitinen, Seppo E. Saarakkala, Luca Peretti and Marko Hinkkanen. Standstill Identification of an Induction Motor Model Including Deep-Bar and Saturation Characteristics. IEEE Transactions on Industry Applications, Vol. 57, Issue 5, September-October 2021.
Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-202107017906DOI: 10.1109/TIA.2021.3089458 View at publisher