Plug Power - 연료전지 제어 개발 가속화 사례

Plug Power는 출시 시간을 단축하는 동시에 안정적이고 비용 효율적인 제품을 만들기 위해 연료전지 시스템을 정확하게 모델링하고 새롭거나 개선된 알고리즘을 하드웨어에 구현하기 전에 신속하게 테스트해야 합니다.

최적의 성능을 위해 발전 모듈(연료전지 포함)과 개질물 처리 모듈은 엄격한 온도 범위 내에서 실행되며, 이로 인해 제어 설계의 어려움이 가중됩니다. Dinan은 "전력 수요의 변동은 시스템에 큰 외란을 유발합니다. 전체 시스템의 제어를 자동화해야 합니다."라고 설명합니다.

이러한 자동화된 제어 알고리즘은 더 적은 입력으로 동일한 수준의 성능을 제공하여 회사가 제어 시스템의 센서 수를 줄임으로써 비용을 절감할 수 있도록 해야 합니다.

Plug Power는 MATLAB 및 Simulink를 사용하여 알고리즘을 개발 및 테스트하고, 컴포넌트와 시스템을 시뮬레이션하고, 아이디어부터 구현에 이르는 개발 공정을 간소화합니다.

Dinan은 최근 한 프로젝트에서 송풍기를 조작하여 촉매 온도를 일정하게 유지하는 제어 알고리즘을 개발했습니다. Dinan은 먼저 실제 환경에서 송풍기가 온도에 미치는 영향을 확인하기 위해 연구소의 송풍기를 직접 옮겼습니다.

그런 다음 MATLAB을 사용하여 데이터를 분석하고 시스템 식별을 수행했습니다. Dinan은 "데이터를 입력하고 MATLAB을 사용하여 이득, 시간 지연, 시정수 같은 모든 개루프 전달 함수 파라미터를 결정했습니다."라고 설명합니다.

이러한 파라미터를 사용하여 Dinan은 Simulink에서 PID(비례-적분-미분) 제어기를 통합한 모델을 신속하게 개발했습니다. Dinan은 "PID 제어기는 설정점이 주어지면 송풍기를 사용하여 온도를 설정점으로 조절합니다. 자동차의 크루즈 컨트롤과 비슷합니다."라고 설명합니다. "저는 Simulink에서 PID 블록을 사용하여 이를 수행했습니다. 간단하고, 바로 사용할 수 있습니다."

시스템의 동역학에 따라 더 복잡한 전략이 필요한 경우 Dinan은 Control System Toolbox 및 Deep Learning Toolbox를 사용하여 모델 예측 제어기를 조정합니다.

Dinan은 Deep Learning Toolbox를 통해 연료전지 시스템에 가해지는 전력 수요를 예측하는 모델도 개발할 수 있었습니다. 이 모델은 과거 전기 부하에 대한 대규모 데이터를 기반으로 합니다.

Dinan은 "Deep Learning Toolbox 덕분에 빠른 데이터 분석, 모델 생성 및 검증이 가능했습니다."라고 말합니다.

그런 다음 Dinan은 한 줄의 MATLAB 코드를 사용하여 신호 대 잡음비 같은 시스템의 다양한 측면을 분석하기 위한 3차원 플롯을 만들었습니다.

Dinan은 제어를 조정한 후 사전 테스트된 알고리즘을 임베디드 소프트웨어 엔지니어에게 전달하여 쉽게 구현할 수 있도록 했습니다.

Plug Power는 MATLAB을 사용하여 개발된 GUI를 통해 송풍기 위치에 따른 영향을 시뮬레이션하여 제어 시스템 개발 속도를 더욱 높일 것입니다.

Plug Power의 또 다른 그룹은 Simulink를 사용하여 차세대 연료전지 시스템의 완전한 모델을 구축해 제어 설계를 가속화하고 있습니다. 이들은 현재 물리 시스템을 통해 Simulink 시스템 모델을 검증하고 있습니다.