Abstract:
L'objectif des travaux présentés dans cette thèse est d?apporter une contribution à la poursuite du point de puissance maximale dans un système photovoltaïque connecté au réseau électrique. L'adaptation entre un système photovoltaïque qui a un comportement non linéaire et une charge continue est un problème technique qui nécessite l'utilisation d'un convertisseur DC-DC avec une commande MPPT (maximum power point tracking) pour assurer maximum de puissance et améliorer le rendement. La première loi est basée sur les réseaux de neurones artificiels (ANN) et la commande prédictive (MPC) qui est améliorée par un Filtre de KALMAN. Le système photovoltaïque est testé pour une charge résistive. Par la suite deux algorithmes qui sont présentés dans le cas où le système présenterait une dégradation due au phonème d?ombrage. Le premier Algorithme est basé sur la combinaison de deux techniques MPPT individuelles qui est l'algorithme d?incrémentation de la conductibilité (IncCond) et optimisation par essaim de particules (PSO). Le deuxième algorithme est basé sur l?approche méta- heuristique qui est Grasshopper (GOA). Les résultats obtenus, sous Matlab - Simulink, révèlent que les techniques proposées sont plus performantes que les autres techniques étudiées en terme de rendement, de la rapidité et l?oscillation de la puissance qui est réduite. La seconde partie de cette thèse est consacrée à la connexion du système photovoltaïque au réseau électrique. La commande prédictive a été appliquée aussi pour le pilotage de l?onduleur à deux niveaux et aussi pour l?onduleur à trois niveaux. Les résultats obtenus sont satisfaisants en termes de rapidité et une stabilité remarquable.
