Plug Power accélère le développement de systèmes de contrôle pour piles à combustible

« Nous n'avons pas le temps d'étudier nos algorithmes en C ou C++. Heureusement, MATLAB nous permet de tester nos idées avec seulement quelques lignes de code. Cela nous fait gagner beaucoup de temps et nous rapproche de notre objectif de création d'un système d'énergie sur site commercialement viable. »

Challenge

Réduire les délais de mise sur le marché et les coûts d'exploitation dans le cadre du développement des systèmes de contrôle de piles à combustible

Solution

Utiliser les outils MathWorks pour modéliser les systèmes et tester rapidement en simulation les nouveaux algorithmes

Résultats

  • Délai de développement raccourci
  • Efficacité des processus améliorée
  • Dépenses d'exploitation réduites
Système de pile à combustible Plug Power.

Pour atteindre son objectif d'exploitation de la production d'énergie future, Plug Power Inc. conçoit et développe des systèmes d'énergie sur site basés sur des piles à combustible. L'entreprise utilise les outils MathWorks pour améliorer les performances des produits, réduire les coûts et optimiser les processus de fabrication et d'intégration.

« Ces systèmes doivent être fiables et efficaces », explique Rebecca Dinan, ingénieure en contrôle chez Plug Power. « Pour ce faire, nous utilisons les outils MathWorks pour développer et simuler rapidement nos algorithmes de contrôle avant de les essayer sur un système. »

Challenge

Pour créer un produit fiable et économique tout en réduisant les délais de mise sur le marché, Plug Power doit modéliser avec précision ses systèmes de piles à combustible et tester rapidement les nouveaux algorithmes ou les algorithmes améliorés avant de les implémenter sur le hardware.

Pour des performances optimales, le module de production d'énergie (contenant les piles à combustible) et le module de traitement du reformat sont utilisés dans des plages de température strictes, ce qui pose de nouveaux défis en matière de design des systèmes de contrôle. Mme Dinan explique : « Un changement dans la demande d'électricité crée une énorme perturbation dans le système. Nous devons automatiser le contrôle de l'ensemble du système. »

Ces algorithmes de contrôle automatisés doivent fournir le même niveau de performance avec moins de données, ce qui permet à l'entreprise de réduire ses coûts en diminuant le nombre de capteurs dans le système de contrôle.

Solution

Plug Power utilise MATLAB et Simulink pour développer et tester des algorithmes, simuler des composants et des systèmes et rationaliser le processus de développement, du concept à l'implémentation.

Dans un projet récent, Mme Dinan a développé un algorithme de contrôle pour maintenir une température constante dans le catalyseur en manipulant une souffleuse d'air. Elle a d'abord déplacé la souffleuse manuellement dans le laboratoire pour observer comment elle influait sur la température dans la réalité.

Mme Dinan a ensuite utilisé MATLAB pour analyser les données et procéder à l'identification du système. « J'ai entré les données et utilisé MATLAB pour déterminer tous les paramètres de la fonction de transfert en boucle ouverte, tels que le gain, le délai et la constante de temps », explique Mme Dinan.

En utilisant ces paramètres, elle a rapidement développé un modèle incorporant un contrôleur proportionnel intégral dérivé (PID) dans Simulink. « Le contrôleur PID reçoit un point de consigne et utilise la souffleuse d'air pour réguler la température jusqu'à ce point, un peu comme le régulateur de vitesse de votre voiture », explique Mme Dinan. « J'ai utilisé un bloc PID dans Simulink pour y parvenir. C'est simple et je peux l'utiliser directement. »

Lorsque les dynamiques du système nécessitent une stratégie plus complexe, Mme Dinan ajuste un contrôleur prédictif de modèle avec Control System Toolbox et Deep Learning Toolbox.

De même, Deep Learning Toolbox a permis à Mme Dinan de créer un modèle qui prédit la demande de puissance placée sur le système de pile à combustible. Le modèle est fondé sur un grand nombre de données historiques relatives à la charge électrique.

« Deep Learning Toolbox a permis d'accélérer l'analyse des données, la création et la validation des modèles », explique Mme Dinan.

Une seule ligne de code MATLAB a ensuite suffi à Mme Dinan pour créer des tracés tridimensionnels afin d'analyser divers aspects du système, tels que le rapport signal à bruit.

Après avoir ajusté les contrôles, Mme Dinan a transmis les algorithmes prétestés aux ingénieurs en software embarqué pour faciliter leur implémentation.

Une interface graphique développée avec MATLAB permettra à Plug Power d'accélérer le développement du système de contrôle en simulant les effets du positionnement de la souffleuse.

Une autre équipe chez Plug Power accélère le design des contrôles en utilisant Simulink pour créer un modèle complet d'un système de pile à combustible de la prochaine génération. Ils sont actuellement en train de valider leurs modèles de système Simulink avec le système physique.

Résultats

  • Délai de développement raccourci. En utilisant les outils MathWorks, Plug Power a réduit le temps de développement de ses algorithmes de plusieurs semaines. « Avec MATLAB, il m'a fallu moins d'une semaine pour développer un algorithme de reconnaissance des formes et obtenir les résultats souhaités. En C++, il aurait fallu plus d'un mois pour coder tous les calculs matriciels nécessaires pour faire la même chose », explique Mme Dinan.

  • Efficacité des processus améliorée. Les outils MathWorks permettent aux ingénieurs de concevoir et de valider rapidement des algorithmes de contrôle. « Lorsque je développe un algorithme dans MATLAB, je suis sûre qu'il fonctionnera dans le système et que je n'aurai pas à demander aux développeurs logiciels de le modifier », explique Mme Dinan.

  • Dépenses d'exploitation réduites. Mme Dinan souligne que « les outils MathWorks nous aident à réduire les dépenses d'exploitation et le vieillissement des composants du système. Nous pouvons simuler nos idées, et repérer les erreurs et les éléments inefficaces pour les corriger avant de tester l'algorithme sur le système. En d'autres termes, les outils MathWorks nous aident à prendre des mesures préventives. » Plug Power a également réduit de 50 % le nombre de pièces, notamment de capteurs, dans son système de nouvelle génération.