Etude, investigation et conception d'algorithmes de commande appliqués aux systèmes photovoltaïques

Abstract

La puissance produite par un module photovoltaïque est influencée par l’intensité de l’irradiation solaire et la température des cellules… mais aussi et surtout par la charge. Aussi afin de maximiser les performances des systèmes d’énergie renouvelable il est nécessaire de poursuivre le point de puissance maximale de la source d’entrée. Dans ce travail de nouvelles méthodes de poursuite du point de puissance maximale utilisant la théorie floue dans un cas et les réseaux de neurones dans un autre sont proposées, afin d’améliorer les performances de conversion de l’énergie photovoltaïque. Le contrôle floue se base sur deux modes de fonctionnement: mode rude et mode fin, ces derniers sont introduits dans un but de réduire non seulement le temps nécessaire pour la poursuite mais aussi pour la réduction des fluctuation de la puissance, ensuite les algorithmes génétiques sont utilisés afin d’optimiser ce régulateur. Le régulateur neuronal lui se base sur son apprentissage basé sur la méthode P and O. Les résultats de la simulation montrent que les performances des deux contrôleurs floue et neuronal ont été améliorés par rapport à celle d’un contrôleur basé sur la méthode P and O. La présentation de ce travail comprend cinq chapitres: Dans le premier chapitre nous introduisons l’état de l’art et la problématique concernant l’énergie solaire et le générateur photovoltaïque. Dans le deuxième chapitre nous rappellerons les principales techniques de poursuite MPPT. Le chapitre trois introduit les concepts de logique floue, d’algorithmes génétiques ainsi que la description de notre commande. Le chapitre quatre lui introduit les règles d’établissement du réseau de neurones ainsi que son apprentissage sur une base de données établie par l’algorithme de commande P&O. Le cinquième chapitre est consacré à la simulation des différentes techniques MPPT ainsi qu’aux stratégies de commande étudiées (l’optimisation du contrôleur par logique floue en employant des algorithmes génétiques et la représentation du contrôleur P&O par les réseaux de neurones). Toutes ces techniques seront présentées avec les résultats obtenus. Une conclusion sur les résultats obtenus et les futures perspectives de ce travail terminent cette thèse.