Control Predictivo de Par y Accionamiento — MPC a la Escala de Microsegundos

Por Qué Esto Importa (Resumen Ejecutivo)

• Los accionamientos eléctricos y los convertidores de potencia son activos críticos en la compresión de petróleo y gas, la turbomaquinaria industrial y la fabricación de precisión. Las paradas no planificadas cuestan horas o días de tiempo de inactividad.
• El Control Predictivo de Modelo a nivel del accionamiento optimiza las secuencias de conmutación en tiempo real (ciclos de 10-100 microsegundos), proporcionando mejoras medibles en la calidad del par, la eficiencia y la tolerancia a fallos.
• Las implementaciones de referencia reportan: ride-through de par parcial durante caídas de tensión de red en trenes de compresores de 42 MW, reducción de las pérdidas de conmutación de hasta el 50%, reducción del rizado de par del 27% en motores de reluctancia, y aumentos del ancho de banda del servo de 147 Hz a 208 Hz.
• El patrón aplica a cualquier sistema con motores eléctricos, inversores o cojinetes sin contacto donde la calidad del par, la eficiencia o el rechazo de perturbaciones afecta directamente la calidad del producto o el tiempo de actividad.

El Patrón de Diseño Explicado

El MPC a nivel del accionamiento opera en la escala de tiempo más rápida de la familia MPC. En lugar de calcular puntos de ajuste continuos suaves, el controlador selecciona de un conjunto finito de estados de conmutación del inversor (MPC de Conjunto Finito) o resuelve un QP rápido para determinar vectores de tensión óptimos — cada 10 a 100 microsegundos.

La diferencia clave del MPC a nivel de proceso es la naturaleza discreta de la acción de control: un inversor trifásico tiene un número limitado de combinaciones de conmutación válidas. El MPC de Conjunto Finito enumera estos estados y evalúa una función de costo (error de par, error de flujo, pérdidas de conmutación) para elegir el mejor en cada paso. Para horizontes más largos, los métodos de búsqueda en árbol o decodificación esférica mantienen el cómputo tratable.

La arquitectura típicamente consta de: estimación de corriente/flujo a partir de medidas eléctricas, un modelo predictivo del electromagnetismo del motor, un optimizador de función de costo ejecutándose en hardware dedicado (DSP, FPGA o controlador industrial), y lógica de protección que coordina con los sistemas a nivel de proceso.

Tres enfoques de optimización distintos en el MPC a nivel del accionamiento: El control predictivo a nivel del accionamiento abarca tres formulaciones fundamentalmente diferentes. MPC de Conjunto Finito (FS-MPC / MPTC / MPDTC): un inversor tiene un conjunto discreto y finito de estados de conmutación válidos (típicamente 8 para un inversor trifásico de dos niveles). El optimizador enumera estos estados en el horizonte de predicción y selecciona la mejor secuencia evaluando una función de costo — no se resuelve ningún QP o NLP. Esto hace que el FS-MPC sea extremadamente rápido y naturalmente adecuado para escalas de tiempo de microsegundos. MPC Lineal (QP): para aplicaciones con control continuo de tensión (posición de cojinete magnético activo, PMSM con modulación continua), la dinámica electromagnética o mecánica linealizada produce un Programa Cuadrático convexo — rápido, globalmente óptimo y directamente desplegable en hardware DSP. MPC No Lineal (NMPC): cuando la dinámica es inherentemente no lineal — levitación magnética abierta inestable, donde la relación fuerza-distancia es fuertemente no lineal — se utiliza el modelo no lineal completo en un NLP no convexo. Las aplicaciones a continuación están etiquetadas por tipo.

Aplicaciones e Implementaciones de Referencia

Aplicación 1: MPTC en ABB MEGADRIVE-LCI — Ride-Through de Compresor de Gas y Accionamientos Industriales Pesados

El MEGADRIVE-LCI de ABB es un accionamiento de media tensión disponible comercialmente que cubre cargas de motor síncrono de 2 a 150 MW, con el Control Predictivo de Par de Modelo (MPTC) como característica principal. El MPTC optimiza la secuencia de conmutación del inversor de conmutación por carga cada 1 ms en un controlador ABB AC 800PEC, ofreciendo una eficiencia del convertidor superior al 99% y manejando perturbaciones de la tensión de entrada de +20% / -50% con derating. La aplicación crítica de petróleo y gas es el ride-through de par parcial durante las caídas de tensión de la red: en las instalaciones de compresores de gas de Kollsnes de Statoil (2 × 42,2 MW) y Karstoe (3 × 7,5 MW), el ride-through convencional de par cero arriesgaba el surge del compresor y el tiempo de inactividad de reinicio de horas a días. Con MPTC, el controlador maximiza el par parcial factible mientras aplica los límites de corriente — en un evento de caída de tensión documentado en el sitio (0,3 pu durante aproximadamente 80 ms), el MPTC recuperó aproximadamente 0,23 pu de par nominal, protegiendo con éxito la operación del compresor. ^{1 2 3 4 5}

Aplicación 2: FS-MPC Mejorado para Motores de Reluctancia Conmutada — Reducción del Rizado de Par

Los Motores de Reluctancia Conmutada (SRM) son atractivos por su diseño sin imanes, pero sufren un rizado de par significativo, especialmente a bajas velocidades. Un enfoque mejorado de MPC de Conjunto Finito con una única función de costo (sin necesidad de sintonización de factores de ponderación) fue evaluado experimentalmente y reportó una reducción del rizado de par del 27,14% a 600 rpm en comparación con las técnicas convencionales. La desviación estándar del rizado de par se midió en 1,074 Nm. Esto demuestra que el control predictivo puede abordar una de las principales barreras para la adopción de SRM en aplicaciones industriales. ⁶

Aplicación 3: MPDTC de Horizonte Largo para PMSM — Optimización de Pérdidas de Conmutación y THD

El Control Predictivo Directo de Par de Modelo (MPDTC) fue evaluado para un Motor Síncrono de Imanes Permanentes con un inversor de fuente de tensión de tres niveles, utilizando horizontes de predicción de hasta 150 pasos de tiempo. El estudio de simulación reportó pérdidas de conmutación y frecuencia de conmutación reducidas hasta un 50%, y la Distorsión Armónica Total (THD) del par reducida un 25%, mientras que la THD de la corriente permaneció sin cambios. El control predictivo de horizonte largo permite al optimizador planificar secuencias de conmutación que minimizan las pérdidas durante ventanas extendidas en lugar de ser codicioso en cada paso. ⁷

Aplicación 4: Control de Par MPC en Línea en DSP Integrado — Accionamientos PMSM

Se formuló un controlador de par MPC en línea para un PMSM como un Programa Cuadrático y se resolvió en tiempo real en un Procesador de Señal Digital de bajo costo, demostrando que el control predictivo de par consciente de restricciones no requiere hardware informático costoso. La evaluación de Procesador-En-El-Bucle confirmó la viabilidad tanto en términos de cómputo como de memoria, con una dinámica de par mejorada frente a un controlador convencional. Esto es significativo porque muestra que el MPC puede desplegarse en la misma clase de hardware ya presente en los accionamientos industriales estándar. ⁸

Aplicación 5: MPC Sin Desviación para Cojinete Magnético Activo — Turbomaquinaria

Se aplicó una formulación MPC sin desviación a un sistema de Cojinete Magnético Activo (AMB) de forma cónica en un banco de pruebas de turbocompresor. El controlador de posición centralizado se ejecuta a 4 kHz con conversión ADC activada por una portadora PWM de 20 kHz. Los cojinetes magnéticos activos levantan los ejes giratorios sin contacto, y el control predictivo habilita la supresión de vibraciones y el seguimiento de posición sin desviación bajo perturbaciones — crítico para la turbomaquinaria de alta velocidad donde el fallo del cojinete significa un apagado inmediato. ⁹

Aplicación 6: NMPC para Levitación Magnética — Comparación Experimental frente a PID

Se demostró experimentalmente un enfoque NMPC en tiempo real usando un modelo linearizado evolutivo dentro del bucle de optimización en una planta de levitación magnética no lineal rápida. En comparación con una referencia PID, el NMPC reportó un mejor rendimiento de control al costo de una mayor complejidad computacional. Este resultado de laboratorio ilustra la ventaja fundamental del control predictivo para sistemas no lineales de lazo abierto inestable donde la sintonización PID es inherentemente limitada. ¹⁰

Qué Significa Esto para Sus Operaciones

• Cualquier sistema con equipos giratorios de alto valor (compresores, turbinas, husillos de precisión) puede beneficiarse del control predictivo a nivel del accionamiento.
• El ride-through ante fallos es especialmente valioso cuando las paradas no planificadas tienen un alto costo consecuente — compresión de gas, procesos químicos continuos, fabricación de semiconductores.
• Las mejoras en la calidad del par reducen directamente las vibraciones, el ruido y el desgaste mecánico, extendiendo la vida útil del equipo.
• La viabilidad integrada significa que el MPC puede desplegarse con frecuencia en hardware de accionamiento existente o con actualizaciones de cómputo mínimas.

Cómo Entregamos Esto (Modelo de Compromiso)

• Fase 0: NDA + solicitud de datos — caracterizar la topología del accionamiento, los parámetros del motor, las condiciones de la red y la lógica de protección.
• Fase 1: Descubrimiento de alcance fijo — viabilidad basada en simulación, concepto de arquitectura de control y mejoras esperadas de KPI.
• Fase 2: Implementación + validación + puesta en marcha — diseño del controlador, pruebas de Hardware/Procesador-En-El-Bucle, puesta en marcha en campo.
• Fase 3: Monitoreo + capacitación + escalado — integración con protección a nivel de proceso, capacitación del operador y despliegue en flota.

KPIs Típicos a Seguir

• Calidad del par: rizado de par (Nm, %), THD, niveles de vibración
• Eficiencia: pérdidas de conmutación (W), eficiencia del convertidor (%)
• Tolerancia a fallos: tasa de éxito de ride-through, recuento de paradas evitadas, tiempo medio de recuperación
• Disponibilidad: horas de tiempo de inactividad no planificado por año, frecuencia de reinicio

Riesgos y Requisitos Previos

• Presupuesto de cómputo en tiempo real: el MPC a nivel del accionamiento requiere tiempos de solución inferiores al milisegundo. Puede necesitarse MPC explícito (tablas de búsqueda precomputadas) o solvers basados en FPGA para las aplicaciones más rápidas.
• Precisión del modelo a velocidad: los parámetros del motor (inductancia, enlace de flujo) deben caracterizarse con precisión. Puede ser necesaria la estimación de parámetros o enfoques adaptativos.
• Coordinación de protección: el ride-through MPC debe coordinarse con los relés de protección existentes y los sistemas de seguridad a nivel de proceso. La protección basada en temporizadores puede actuar antes de que el MPC pueda actuar si no se reconfigura.
• Certificación regulatoria y de seguridad: los cambios a nivel del accionamiento en aplicaciones críticas para la seguridad (petróleo y gas, nuclear) requieren una evaluación de seguridad funcional y pueden necesitar implementaciones calificadas SIL.

Preguntas Frecuentes

P: ¿Se puede adaptar el MPC a nivel del accionamiento a los accionamientos de motor existentes? En muchos casos, sí. Si el controlador del accionamiento tiene suficiente margen de cómputo (DSP o FPGA dedicado), el MPC puede implementarse como una actualización de firmware. Para accionamientos más antiguos, puede necesitarse un módulo de cómputo externo.

P: ¿Cómo se compara el MPC de Conjunto Finito con el Control Orientado por Campo (FOC)? El FOC utiliza un modulador para generar patrones de conmutación a partir de referencias de tensión continua. El MPC de Conjunto Finito elimina el modulador y selecciona directamente los estados de conmutación, habilitando un manejo más ajustado de las restricciones y a menudo menores pérdidas de conmutación, pero requiere más esfuerzo computacional por ciclo de control.

P: ¿Es esto relevante para motores más pequeños (por debajo de 1 MW)? Absolutamente. Los ejemplos de PMSM y SRM en esta página están en el rango sub-100 kW. Los principios aplican en todo el espectro de potencia — desde motores servo de precisión hasta accionamientos de compresores de 150 MW.

Reserve una Llamada de Descubrimiento de 30 Minutos

¿Listo para explorar si este patrón se adapta a su sistema?

Dr. Rafal Noga — Consultor Independiente de APC/MPC

📧 Envíeme un correo · 🌐 noga.es

Descubrimiento de alcance fijo · NDA primero · Disponible en sitio en DACH

Referencias Públicas

Footnotes

1. ABB, “ABB’s Model Predictive Torque Control (MPTC) protects against gas supply interruptions” (ABB Highlights, 2016). Link ↩

2. ABB, “Partial Torque Ride Through with Model Predictive Control” (PCIC Europe, 2016). PDF ↩

3. ABB, “Electric driven gas compressor control (MPTC + DT2S)” (ABB Review, 2017). PDF ↩

4. ABB, “MEGADRIVE-LCI product page” (ABB). Link ↩

5. ABB, “MEGADRIVE-LCI technical data” (ABB). Link ↩

6. Deepak et al., “Experimental analysis of enhanced FS-MPC and DTC in SRM drives” (Scientific Reports, 2024). Link ↩

7. Geyer et al., “Model Predictive Direct Torque Control of PMSM” (ECCE, 2010). PDF ↩

8. Cimini et al., “Online Model Predictive Torque Control for PMSM” (ICIT, 2015). PDF ↩

9. Castellanos et al., “Offset-Free MPC for a Cone-shaped Active Magnetic Bearing System” (Politecnico di Torino, 2021). PDF ↩

10. Novotny, “Magnetic levitation: real-time NMPC demonstrated experimentally vs PID baseline” (Springer, 2025). Link ↩

📅 Reservar en Calendly