KIRA - KI-Methoden zur optimierten Regelung elektrischer Traktionsantriebe; Teilvorhaben: Effizienzoptimale modellbasierte Pulsmustergenerierung und Regelung

Abstract

Im Projekt KIRA wurde die ganzheitliche Optimierung elektrischer Traktionsantriebe durch den Einsatz von Künstlicher Intelligenz (KI) vorangetrieben. In diesem Teilvorhaben lag der Fokus auf der Erhöhung des Wirkungsgrads durch den Einsatz verlustminimaler optimaler Pulsmuster (OPP) als Verbesserung im Vergleich zur konventionellen Raumzeigermodulation (SVPWM). Andere Arbeiten zu OPP zeigen, dass mit diesen beispielsweise besseres NVH-Verhalten durch Minimierung der harmonischen Verzerrung (THD) im Strom erreicht werden kann. Für die Generierung verlustminimaler OPP wurde eine Methode auf Basis gradientenbasierter Optimierung sowie ein entsprechender Optimierungsworkflow entwickelt. Für die Regelung eines Antriebs bei Verwendung von OPP wurde ein modellprädiktives Verfahren entwickelt. Ein wesentlicher Aspekt für die Pulsmusteroptimierung sind gleichzeitig schnelle und sehr genaue Verlustberechnungsverfahren. Hierzu wurde auf Basis einer Feldrekonstruktion mittels Modellordnungsreduktion (MOR) eine entsprechende Methode entwickelt und eingesetzt. Zudem wurden neue (Verlust-)Modelle auf Basis physikalischer Konstitutivmodelle entwickelt, die auf Materialcharakterisierungen basieren. Diese dienen als Referenz für den simulativen Abgleich. Die entwickelten Modelle und Methoden wurden mittels einer Demonstratormaschine auf einem E-Antriebsprüfstand validiert. Im Ergebnis zeigt sich ein simulatives Verlustreduktionspotenzial von bis zu 16 %. Der OPP-Regler weist hohe Dynamik und Genauigkeit auf, seine Implementierung ist zudem echtzeitfähig. Die MOR-Methode erreicht durchgängig >95 % Genauigkeit im Vergleich zur Finite-Elemente-Simulation. Die Konstitutivmodelle können als Referenz in der Simulation eingesetzt werden. Auf dem Prüfstand konnten die angestrebten 10 % Verlustreduktion zum Projektende noch nicht validiert werden. Als eine Ursache wurden bislang noch nicht abgebildete Effekte im Wirkzusammenhang der Verlustentstehung, beispielsweise Stanzkanteneffekte, identifiziert. Zudem stellt die messtechnische Erfassung von Verlusten und insbesondere die Identifikation der einzelnen Verlustkomponenten eine Herausforderung dar. Mit weiteren Arbeiten wird erwartet, dass die angestrebte Verlustreduktion erfüllbar ist und verlustminimale OPPs dann für elektrische Antriebe eingesetzt werden können. Datei-Upload durch TIB In the KIRA project, the holistic optimization of electric traction drives was advanced by of artificial intelligence (AI). In this sub project, the focus was on increasing efficiency by using loss-minimal optimal pulse patterns (OPP) as an improvement compared to conventional space vector modulation (SVPWM). Other work on OPP shows that it can be used, for example, to achieve better NVH performance by minimizing the total harmonic distortion (THD) in the current. A method based on gradient-based optimization and a corresponding optimization workflow was developed to generate OPPs with minimal losses. A model-predictive method was developed for controlling a drive using OPP. A key aspect of loss-minimized pulse pattern optimization is a fast and very accurate loss calculation method. A corresponding method based on field reconstruction using model order reduction (MOR) was developed and used for this purpose. In addition, new models were developed on the basis of physical constitutive models that are based on material characterizations. These serve as a reference for the simulative comparison and calibration. The models and methods developed were validated using a demonstrator machine on an e-drive test bench. The result shows a simulative loss reduction potential of up to 16 %. The OPP controller exhibits high dynamics and accuracy, and its implementation is also real-time capable. The MOR method consistently achieves >95 % accuracy compared to finite element simulation. The constitutive models can be used as a reference in the simulation. The targeted 10 % loss reduction at the end of the project could not yet be validated on the test bench. One reason for this was the identification of effects that had not yet been mapped in the context of loss generation, such as punching edge effects. In addition, the metrological recording of losses and especially the identification of the individual loss components represents a challenge. With further work, it is expected that the targeted loss reduction can be achieved and that OPPs with minimal losses can then be used for electric drives.