MÉMOIRE - biblio.univ-annaba.dzbiblio.univ-annaba.dz/ingeniorat/wp-content/uploads/2019/10/Zaiem... · A l’aide de dieu tout puissant, qui m’a tracé le chemin de ma vie, j’ai

Faculté : Sciences de L’Ingéniorat

Département : Électromécanique

MÉMOIRE

Présenté en vue de l’obtention du diplôme de Master

EEeeeee

Domaine : Sciences et Technologie

Filière : Electromécanique

Spécialité : Electromécanique

Par : Zaiem Kamar

DEVANT LE JURY

Président : M. Saad S U.B.M. Annaba

Directeur de mémoire : M. Farah L U.BM. Annaba

Examinateur : M. Bouras S U.B.M. Annaba

Examinateur : M. Bouras H U.B.M. Annaba

Année 2019

وزارة التعليــم العالـي والبحـث العلمـي

BADJI MOKHTAR- ANNABA UNIVERSITY

UNIVERSITÉ BADJI MOKHTAR- ANNABA

عنـابــة جامعــــــة باجـــــي مختـــار

Commande d’un système photovoltaïque par

contrôleur Neuro-Flou Réduit

Avant tout, je remercie Dieu le tout puissant de m’avoir donné

courage, patience et force durant toutes ces années d’étude et

que grâce à lui ce travail a pu être réalisé.

Je tiens à exprimer mon remerciement et mon gratitude à mon

encadreur Mr. Farah Lotfi a d’avoir accepté de m’encadrer et

de m’aider et pour la confiance qu’il m’a prodigué pour la

direction de ce travail, sans cesser de m’encourager.

Mon remerciement au département d’électromécanique et à

tous les enseignants qui m’enseigné durant les années du

cursus.

Mon remerciement est également adressé aux membres de

jury qui ont accepté de juger ce travail.

Enfin je remercie aussi toutes mes familles et les personnes

qui m’ont aidé de près ou de loin à la rédaction de ce travail.

A l’aide de dieu tout puissant, qui m’a tracé le chemin de ma

vie, j’ai pu réaliser ce travail que je dédie :

A ma chère Maman Je leur dis merci du fond de mon cœur

pour ton éducation, ton sacrifice, ton assistance et pour ce que

tu m’as fait et qui m’a permis d’avoir cette réussite et ce

bonheur je t’aime trop Maman.

A mon père, ma chère sœur Zaiem aya, ma grand-mère MiMi

et a toute ma familles.

A mon cher ami Cheikh AbdRezak qui m’a beaucoup aidé et

être toujours avec moi et qui compte sur moi.

Merci beaucoup.

Et A tous mes amis (es) qui j’ai connus dans tous les Année

universitaire.

Merci !

: ملخص

ذلك،مثل أشعة الشمس ودرجة الحرارة. ومع مناخية،( على عدة عوامل GPVتعتمد الطاقة الناتجة للمولد الكهروضوئي )

وقوية استنادا ( لتحسين أداء النظام. يقترح هذا العمل طريقة تحكم ذكيةMPPيلزم تتبع الوقت الفعلي لنقطة التشغيل المثلى )

ن الممكن هذا التقليل يجعل م .تتبعهاالنقطة وهذه لتحديد (تقليل عدد القواعد)الى وحدة التحكم المنخفضة للغموض العصبي

.البرنامج وتقليل وقت الحساب وبالتالي اداء أفضل تخفيف

(. DC / AC( والمحول )DC / DC، واجهة الطاقة )MPPTيتم توصيف النظام الكهروضوئي الذي يدمج الغرض،لهذا

.MATLAB / Simulinkثم تم تطوير نماذجهم تحت

، DC / DC، األعصاب غامض ، GPV ،MPPTمولد الطاقة الضوئية الضوئية،: نظام الطاقة مفتاحية كلمات

DC / AC.

Résumé :

La puissance de sortie du générateur photovoltaïque (GPV) dépend de plusieurs facteurs

climatiques, tels que l’ensoleillement et la température. Cependant, une poursuite en temps réel

du point optimal de fonctionnement (MPP : Maximum Power Point) est nécessaire pour

optimiser le rendement du système. Ce travail propose une méthode de contrôle intelligent et

robuste basée sur le contrôleur Neuro-floue réduit (minimisation du nombre de règles) pour

l’identification et la poursuite de ce point. Cette minimisation permet d’alléger le programme

et de réduire le temps de calcul et donc une meilleure performance.

Pour cela la caractérisation du système photovoltaïque intégrant le MPPT, l’interface de

puissance (DC/DC) et le convertisseur (DC/AC) est réalisée. Ensuite, leurs modèles sont

développés sous MATLAB/Simulink.

Mots Clés : système photovoltaïque, générateur photovoltaïque GPV, MPPT, Neuro-floue,

DC/DC, DC/AC.

Abstract :

The output power of the photovoltaic generator (GPV) depends on several climatic factors, such

as sunshine and temperature. However, real-time tracking of the optimum operating point

(MPP) is required to optimize system performance. This work provides an intelligent and robust

control method based on the reduced Neuro-fuzzy controller (minimizing the number of rules)

for identifying and tracking this point. This minimization makes it possible to lighten the

program and to reduce the calculation time and therefore a better performance.

For this, the characterization of the photovoltaic system integrating the MPPT, the power

interface (DC / DC) and the converter (DC / AC) is realized. Then their models are developed

under MATLAB / Simulink.

Keywords : photovoltaic system, photovoltaic generator GPV, MPPT, Neuro-fuzzy, DC / DC,

DC / AC.

Introduction générale …………………………………………………………………….. 1

I.1 Introduction ……………………………………………………………….................. 4

I.2 L’énergie solaire ……………………………………………………………………... 4

I.3 Les systèmes photovoltaïque ………………………………………………………… . 5

I.4 Les panneaux photovoltaïque …………………………………………………………. 5

I.4.1 Type des panneaux solaires ………………………………………………………. 6

I.5 Module photovoltaïque ………………………………………………………………... 8

I.6 Champ photovoltaïque ………………………………………………………………… 8

I.7 L’effet photovoltaïque ………………………………………………………………… 9

I.8 La cellule photovoltaïque ……………………………………………………………… 9

I.8.1 Structure d’une cellule photovoltaïque …………………………………………... 10

I.8.2 Principe d’une cellule photovoltaïque …………………………………………… 10

I.9 Association des modules photovoltaïques ……………………………………………. 11

I.9.1 Association en série ………………………………………………………………. 12

I.9.2 Association en parallèle ………………………………………………………….. 12

I.9.3 Association série-parallèle ……………………………………………………….. 12

I.10 Les avantages et les inconvénients de l’énergie photovoltaïque …………………… 13

I.10.1 Avantages ……………………………………………………………………… 13

I.10.2 Inconvénients …………………………………………………………………... 13

I.11 Conclusion …………………………………………………………………………… 14

II.1 Introduction ………………………………………………………………………….. 16

II.2 Convertisseurs DC/DC ………………………………………………………………. 16

II.2.1 Type des hacheurs ……………………………………………………………... 17

II.2.1.1 Le hacheur survolteur (Boost) …………………………………………….. 17

CHAPITRE I : Généralité sur le système photovoltaïque

CHAPITRE II : Les convertisseurs statiques et le réseau

électrique

II.2.1.1 .1 Modèle mathématique équivalent …………………………………… 18

II.2.1.1.2 Principe ……………………………………………………………….. 18

II.2.1.2 Hacheur dévolteur (Buck) …………………………………………………. 19

II.2.1.3 Le convertisseur Buck-Boost ………………………………………………. 21

II.3 Convertisseurs DC/AC ……………………………………………………………….. 21

II.3.1 Principe générale de fonctionnement …………………………………………… 22

II.3.2 Classification des onduleurs …………………………………………………….. 23

II.3.2.1 Onduleurs non autonome ……………………………………………………. 24

II.3.2.2 Onduleur autonome ………………………………………………………….. 24

II.3.2.2.1 Les Onduleurs (autonomes) de tension …………………………………. 24

II.3.2.2.2 Les onduleurs (autonomes) de courants ………………………………… 24

II.3.3 Les convertisseurs statiques multi niveaux ……………………………………… 25

II.3.3.1 Structure de l’onduleur à trois niveaux ……………………………………… 25

II.3.4 Stratégies de commande …………………………………………………………. 27

II.3.4.1 Commande 180° …………………………………………………………….. 27

II.3.4.2 Commande 120° …………………………………………………………….. 27

II.3.4.3 Commande à modulation de largeur d’impulsion (MLI) …………………… 28

II.3.4.3.1 Modulation sinusoïdale (MLIS) ………………………………………… 28

II.3.4.3.2 Modulation vectorielle (SVM) …………………………………………. 29

II.4 Réseaux électriques …………………………………………………………………… 29

II.4.1 Définition du Réseau Electrique ……………………………………………………. 29

II.4.2 Les structures topologiques des réseaux électriques ……………………………… 30

II.4.2.1 Les réseaux radiaux …………………………………………………………. 30

II.4.2.2 Les réseaux bouclés …………………………………………………………... 31

II.4.2.3 Les réseaux maillés …………………………………………………………. 31

II.4.3 Lignes électriques …………………………………………………………………. 32

II.4.3.1 Types de lignes ………………………………………………………………. 32

II.4.3.2 Composantes d’une ligne …………………………………………………….. 32

II.4.3.2.1 Supports …………………………………………………………………. 32

II.4.3.2.2 Conducteurs …………………………………………………………….. 33

II.4.3.2.2.1 Câble de garde ……………………………………………………… 34

II.4.3.2.3 Isolateur …………………………………………………………………. 34

II.4.4 Poste de transformation (Transformateur) ………………………………………… 35

II.4.4.1 Composantes d’un poste ……………………………….. …………………… 36

II.5 Conclusion ……………………………………………………………………………. 36

III.1 Introduction …………………………………………………………………………… 38

III.2 La commande MPPT (Maximum Power Point Tracking) ……………………………. 38

III.3 Les techniques de MPPT ……………………………………………………………… 38

III.4 Commande perturber et observer (P&O) …………………………………………….. 39

III.5 Commande a incrémentation de la conductance (Inc cond) ………………………….. 41

III.6 La commande MPPT floue …………………………………………………………… 43

III.6.1 Principe de la logique floue ……………………………………………………… 44

III.6.2 Variables linguistiques et ensembles flous ………………………………………. 44

III.6.3 Fonctions d’appartenance ………………………………………………………… 44

III.6.4 Règles linguistiques ………………………………………………………………. 45

III.6.5 Structure générale d’un système flou …………………………………………….. 45

III.6.5.1 Fuzzificateur ………………………………………………………………… 46

III.6.5.2 Inférence floue ………………………………………………………………. 46

III.6.5.3 Défuzzification ……………………………………………………………… 46

III.7 Réseaux de neurones artificiels ……………………………………………………….. 47

III.7.1 Neurone formel …………………………………………………………………… 47

III.7.2 Neurone artificiel …………………………………………………………………. 47

III.7.3 Un réseau de neurones artificiel ………………………………………………….. 48

III.7.4 Architecture des réseaux de neurones ……………………………………………. 48

III.7.4.1 Les réseaux non bouclés …………………………………………………….. 48

III.7.4.2 Réseaux bouclés …………………………………………………………….. 49

III.7.5 Perceptron multicouches (MLP) ………………………………………………… 49

III.7.5.1 Architecture …………………………………………………………………. 49

III.7.5.2 Algorithme d'apprentissage …………………………………………………. 51

III.7.5.3 Mise en œuvre de réseau de neurone MLP …………………………………. 51

III.8 Les systèmes neuro-flous …………………………………………………………….. 52

III.8.1 Types de combinaison neuro-flous ……………………………………………… 52

III.8.1.1 Systèmes neuro-flou coopératifs et concourants ……………………………. 52

CHAPITRE III : Les techniques de MPPT

III.8.1.2 Les systèmes neuro-flous fondus …………………………………………… 53

III.8.2 Description et structure du contrôleur MPPT neuro-flou ……………………….. 53

III.8.3 Le modèle ANFIS ……………………………………………………………….. 55

III.8.3.1 Architecture de l’ANFIS …………………………………………………… 55

III.9 Conclusion …………………………………………………………………………… 57

IV.1 Introduction …………………………………………………………………………… 59

IV.2 Système photovoltaïque proposé ………………………………………. ……………. 59

IV.3 Modélisation du système photovoltaïque …………………………………………….. 60

IV.3.1 Modélisation du GPV ……………………………………………………………. 60

IV.3.2 Modélisation du hacheur survolteur ……………………………………………… 64

IV.3.3 Modélisation du l’onduleur ………………………………………………………. 66

IV.4 Structure de la commande MPPT à base de Neuro-Floue réduit ……………………... 68

IV.5 Création du contrôleur neuro-floue …………………………………………………… 68

IV.6 Simulation de Système globale ……………………………………………………….. 74

IV.7 Tableau comparatif …………………………………………………………………… 81

IV.7 Discussion ……………………………………………………………………………. 81

IV.8 Conclusion ……………………………………………………………………………. 82

Conclusion générale ……………………………………………………………………….. 84

Bibliographie ………………………………………………………………………………. 85

CHAPITRE VI : Modélisation et simulation

Figure (I.1) : principe de la conversion photovoltaïque de l’énergie solaire ……………… 4

Figure (I.2) : Schéma simplifié d’un système PV …………………………………………. 5

Figure (I.3) : Panneaux photovoltaïque …………………………………………………… 6

Figure (I.4) : Module photovoltaïque ……………………………………………………… 8

Figure (I.5) : Champ photovoltaïque ………………………………………………………. 8

Figure (I.6) : Cellule photovoltaïque ………………………………………………………. 9

Figure (I.7) : Structure d’une cellule photovoltaïque ………………………………............ 10

Figure (I.8) : Principe de fonctionnement d’une cellule photovoltaïque ………………… 11

Figure (I.9) : Association de N modules solaires en série ………………………………… 12

Figure (I.10) : Association des modules solaires en parallèle ……………………………... 12

Figure (I.11) : Association mixte des modules solaires …………………………………… 13

Figure (II.1) : Tension de commande du commutateur durant une période de commutation...17

Figure (II.2) : Circuit électrique de base du hacheur survolteur …………………………… 18

Figure (II.3) : Caractéristique de la tension et du courant du hacheur survolteur ………….. 19

Figure (II.4) : Circuit électrique de base du hacheur dévolteur ……………………………. 19

Figure (II.5) : Caractéristique de la tension et des courants dans le transistor et l’inductance

d’un convertisseur Buck …………………………………………………………………… 20

Figure (II.6) : circuit électrique de base du hacheur survolteur-dévolteur ………………… 21

Figure (II.7) : Schéma de principe de la conversion Continu - Alternative (DC – AC) …… 22

Figure (II.8) : Symbole et signal d'un onduleur ……………………………………………. 22

Figure (II.9) : Fonctionnement et signal de l'onduleur dans le 1er demi-cycle ……………. 23

Figure (II.10) : Fonctionnement et signal de l’onduleur deux niveaux dans le 2éme demis

cycle ……………………………………………………………………………………….. 23

CHAPITRE I : Généralité sur le système photovoltaïque

CHAPITRE II : Les convertisseurs statiques et le réseau

électrique

Figure (II.11) : Signal complet de l'onduleur ……………………………………………. 23

Figure (II.12) : Onduleur triphasé à trois niveaux ……………………………………….. 26

Figure (II.13) : Interrupteur bidirectionnel équivalent de la paire Transistor – diode …… 26

Figure (II.14) Un bras de l’onduleur à trois niveaux de type NPC ……………………… 26

Figure (II.15) : Commande 180° ………………………………………………………… 27

Figure (II.16) : Commande 120° ………………………………………………………… 27

Figure (II.17) : Le fonctionnement de MLI ……………………………………………… 29

Figure (II.18) : Le réseau électrique ……………………………………………………… 30

Figure (II.19) : Exemple d’une structure d’un réseau radial ……………………………… 31

Figure (II.20) : Exemple d’une structure d'un réseau bouclé ……………………………… 31

Figure (II.21) : Exemple d’une structure d’un réseau maillé ……………………………… 32

Figure (II.22) : Supports des lignes aériennes HT (pylône électrique) ……………………. 33

Figure (II.23) : Conducteurs usuels ………………………………………………………… 33

Figure (II.24) : Câble de garde à fibres optiques incorporées ……………………………… 34

Figure (II.25) : type d’enchaînement d’isolateur …………………………………………. 35

Figure (II .26) : Transformateur de puissance dans un poste électrique …………………… 35

Figure (III.1) : Chaîne de conversion d’énergie solaire comprenant une commande MPPT 38

Figure (III.2) : Organigramme de la méthode de perturbation et d'observation ………….. 39

Figure (III.3) : Recherche du PPM par la méthode (P&O) ……………………………….. 40

Figure (III.4) : Caractéristique de fonctionnement de la méthode IncCond ……………… 42

Figure (III.5) : Organigramme de la méthode IncCond …………………………………... 43

Figure (III. 6) : Différentes formes de fonctions d'appartenance …………………………. 45

Figure (III. 7) : Structure générale d'un système basé sur la logique floue ………………. 45

Figure (III.8) : Mise en correspondance neurone biologique/neurone artificiel …………... 47

Figure (III.9) : Représentation matricielle d'un neurone artificiel ………………………… 48

Figure (III.10) : Réseau non bouclé ……………………………………………………….. 49

Figure (III.11) : Réseau bouclé ……………………………………………………………. 49

Figure (III.12) : Architecture d’un réseau de neurones artificiels MLP ………………….... 50

Figure (III.13) : Comparaison entre les réseaux neuro-flous coopératifs et concourants …. 53

CHAPITRE III : Les techniques de MPPT

Figure (III.14) : Association réseau neuro-flou ………………………………………….. 53

Figure (III.15) : Schéma synoptique d’un système photovoltaïque avec une commande MPPT

par réseau neuro-flou …………………………………………………………………….. 54

Figure (III.16) : Illustration de l'ANSIF pour la poursuite du point à puissance maximale. 54

Figure (III.17) : Architecture d’ANSIF …………………………………………………... 55

Figure(IV.1) : Schéma synoptique du système GPV par Neuro-Floue Réduit …………… 59

Figure (IV.2) : Modèle d’une cellule photovoltaïque …………………………………….. 60

Figure (IV.3) : Schéma bloc du générateur photovoltaïque en MATLAB-SIMULINK …. 63

Figure (IV.4) : caractéristiques I-V et P-V d’un seul module pour différents éclairements 63

Figure (IV.5) : caractéristiques I-V et P-V de générateur photovoltaïque pour différents

éclairements ………………………………………………………………………………... 64

Figure (IV.6) : Convertisseur (DC/DC) survolteur de tension (type boost) ……………….. 64

Figure (IV.7) : Onduleur triphasé à trois niveaux …………………………………………. 66

Figure (IV.8) : Schéma MATLAB/SIMULINK d’un système photovoltaïque avec la

commande MPPT alimentant une charge passive …………………………………………. 74

Figure (IV.9) : La variation de l'éclairement en fonction de temps ………………………… 74

Figure (IV.10) : La tension générée par le panneau ………………………………………… 75

Figure (IV.11) : La variation du rapport cyclique ………………………………………….. 75

Figure (IV.12) : Puissance de panneau et d’hacheur survolteur ……………………………. 76

Figure (IV.13) : Zoom de puissance de panneau et d’hacheur survolteur qui montre le temps

de démarrage ……………………………………………………………………………….. 76

Figure (IV.14) : Zoom de puissance de panneau et d’hacheur survolteur qui montre l’erreur

Statique …………………………………………………………………………………….. 76

Figure (IV.15) : Zoom de puissance du panneau d’hacheur survolteur qui montre le temps de

Poursuit …………………………………………………………………………………….. 77

Figure (IV.16) : La puissance d’hacheur survolteur et de réseau ………………………….. 77

Figure (IV.17) : Zoom de puissance d’hacheur survolteur et le réseau qui montre le temps de

démarrage ………………………………………………………………………………….. 78

Figure (IV.18) : Zoom de puissance d’hacheur survolteur et le réseau qui montre l’erreur


Statique …………………………………………………………………………………….. 78


Poursuit ……………………………………………………………………………………. 78

Figure (IV.20) : La tension d'onduleur …………………………………………………….. 79

Figure (IV.21) : Zoom de la tension d'onduleur …………………………………………… 79

Figure (IV.22) : La tension du réseau ……………………………………………………… 79

Figure (IV.23) : Zoom de la tension du réseau ……………………………………………. 80

Figure (IV.24) : Le courant du réseau ……………………………………………………… 80

Figure (IV.25) : Zoom de courant du réseau …………………………………………….. 80

Tableau (I.1) : Types de panneau photovoltaïque ………………………………………… 7

Tableau (IV.1) : Caractéristiques électriques du GPV dans les conditions standards …… 62

Tableau (IV.2) : caractéristiques électriques de convertisseur survolteur ………………... 66

Tableau (IV.3) : Résultats des systèmes neuro-floue a différents nombre de règles ……… 81


CHAPITRE I : Généralité sur le système

photovoltaïque

Introduction Générale


1

INTRODUCTION GENERALE

Les énergies renouvelables et en particulier l’énergie photovoltaïque sont devenues des sources

très prometteuses dans les ressources énergétiques futures d’un pays, en raison tout d’abord de

sa nature propre, mais également en raison de la diminution des réserves des ressources

conventionnelles (pétrole, gaz, etc...), de la croissance démographique et économique de ce

pays incitant à produire plus d’énergies électriques.

Plusieurs ressources d'énergie renouvelables ont été découvertes ces dernières années,

notamment, l'énergie éolienne, hydraulique et l'énergie photovoltaïque, cette dernière est l'une

des énergies les plus renouvelables dans le monde.

L’énergie photovoltaïque est obtenue directement à partir du rayonnement du soleil. Elle peut

même se transformer en énergie électrique grâce à l'effet photovoltaïque. Les panneaux

photovoltaïques composés des cellules photovoltaïques ont la capacité de transformer les

photons en électrons. L’énergie sous forme de courant continu est ainsi directement utilisable.

Le rendement des systèmes photovoltaïques peut être amélioré par des solutions utilisant les

techniques de recherche du point de puissance maximale (dites techniques MPPT).

Il existe plusieurs méthodes qui ont été largement mises en œuvre pour suivre la MPP. Les

méthodes les plus courantes sont : « Perturber et observer » (P&O), « l’incrémentation de la

conductance ». Ces techniques, ont montrés certes une bonne efficacité mais ils ont aussi

montrés des limites, tel que la lenteur et une erreur dynamique assez importante par rapport aux

nouvelles techniques intelligents tel que la logique floue, les réseaux de neurones et la neuro-

floue.

Dans la majorité des cas les systèmes à réseaux Neuro-floue utilisés sont à de 25 ou plusieurs

règles. Notre objectif est de modéliser le système avec le plus petit nombre possible de règles,

nous avons proposé un système à 8 règles avec des performances optimales. On réduit non pas

le temps d’apprentissage et la complexité du système mais le cout qui est un facteur essentiels.

A cet effet, nous avons structuré notre travail en quatre chapitres comme suit :

Dans le premier chapitre nous présenterons une généralité sur les systèmes

photovoltaïques. En présentant le générateur photovoltaïque et le principe de fonctionnement.

Dans le deuxième chapitre, nous allons présenter les convertisseurs statiques (DC/DC et

DC/AC) et le réseau électrique.


2

Dans la troisième partie qui est consacrée à la description de la commande MPPT, ses

différentes techniques. Notre étude est basée sur la technique de commande « Neuro Floue

réduit ».

Dans le dernier chapitre, nous présenterons la modélisation et les résultats de simulation

par MATLAB-SIMULINK de chaque élément du système PV réalisé (générateur

photovoltaïque (SunPower SPR-305-WHT), convertisseur survolteur, onduleur triphasé a trois

niveaux et commande MPPT à base de neuro-floue réduit). Et on a fait une comparaison entre

les résultats obtenus et d’autres systèmes neuro-floue.

Enfin, on terminera notre mémoire avec une conclusion générale qui résumera l’intérêt de notre

étude.

Généralité sue le système

photovoltaïque

Généralité sue le système photovoltaïque

4

I.1 Introduction

L’énergie photovoltaïque résulte de la transformation directe de la lumière du soleil en énergie

électrique aux moyens des cellules généralement à base de silicium cristallin qui reste la filière

la plus avancées sur le plan technologiques et industriel, en effet le silicium et l’un des éléments

les plus abondants sur terre sous forme de silice non toxique.

En effet le mot " photovoltaïque " vient du grec " photo " qui signifie lumière et de " voltaïque

" qui tire son origine du nom d’un physicien italien Alessandro Volta (1754 -1827) qui a

beaucoup contribué à la découverte de l’électricité, alors le photovoltaïque signifie

littérairement la ≪ lumière électricité ≫.

Dans ce chapitre, nous effectuent un bref rappel sur le système photovoltaïque.

I.2 L’énergie solaire

L’électricité est une des formes d’énergie les plus versatiles et qui s’adapte au mieux à chaque

nécessité. Son utilisation est si étendue, qu’aujourd’hui on pourrait difficilement concevoir une

société techniquement avancée qui n’en fasse pas usage.

Le principe de l’énergie solaire photovoltaïque consiste à transformer le rayonnement solaire

en électricité à l’aide d’une cellule photovoltaïque. [1]

Figure (I.1) : principe de la conversion photovoltaïque de l’énergie solaire.


5

I.3 Les systèmes photovoltaïque

Bien que fondamental dans la chaîne que représente un système, le module photovoltaïque à lui

seul ne peut pas grand chose : pour répondre à un besoin défini, il faut en fait l’associer

étroitement à un système complet correspondant à une application bien spécifique. Un système

photovoltaïque sera donc constitué du générateur précédemment décrit, généralement associé à

l'un ou plusieurs des éléments suivants :

- Panneaux photovoltaïques (+ structure de support).

- un convertisseur DC/AC.

- un convertisseur AC/AC.

- réseau électrique.

Figure (I.2) : Schéma simplifié d’un système PV

I.4 Les panneaux photovoltaïque

Le panneau solaire ou (champ solaire) se compose de modules photovoltaïques interconnectés

en série et/ou en parallèle afin de produire la puissance requise. Ces modules sont montés sur

une armature métallique qui perm et de supporter le champ solaire avec un angle d’inclinaison

spécifique. Pour chaque panneau on peut avoir autant de sorties que de modules, ce qui fait

qu’on aura besoin de boite de dérivation qui les regroupe, Alors cette boite de dérivation fixée

sur une structure du montage a comme rôle d’effectuer les connections entre les modules pour

obtenir une puissance optimale en sortie.


6

Figure (I.3) : Panneaux photovoltaïque [22]

I.4.1 Type des panneaux solaires

Les différents matériaux utilisés Un des facteurs qui influence le rendement d’une cellule

photovoltaïque est la qualité des matériaux utilisée dans sa fabrication. Leur rendement peut

aller de 17% environ pour les plus efficaces à moins de 10% pour les moins efficaces.

Il y 3 types de matériaux qui sont largement utilisés dans l’industrie du photovoltaïque. Ils sont

tous issus du silicium qui est un semi-conducteur. [1]


7

Technologie Monocristallin Polychristallin Amorphe

Cellule et

module

Caractéristiq

-ues

Très bon rendement :

14 à 20% une

Durée de vie :

Importante (25ans)

Cout de fabrication :

Elevé

Puissance :

100 à 150 WC /m²

Rendement faible

sous un faible

éclairement

Pert de rendement

avec l’élévation de la

température

Fonctionne qu’avec

un fort ensoleillement

Couleur bleue

uniforme

Bon rendement :

11 à 15 %

Durée de vie :

Important (25ans)


meilleur marché que

les panneaux

monocristallins

Puissance :

100Wc/m²

Rendement faible

sous un faible

éclairement

Pert de rendement

avec l’élévation de la

température

Possède une meilleure

résistance à une haute

de température

Rendement faible :

5 à 9%

Durée de vie :

Assez importante

(20ans)


Peu onéreux par rapport

aux autres technologies

Puissance :

50Wc /m²

Rendement faible en

plein soleil

Une meilleure résistance

à une haute de

température

Fonctionner même avec

un éclairage faible

Utilisable en panneaux

souples

Part de

marché

43% 47% 10%

Tableau (I.1) : Types de panneau photovoltaïque


8

I.5 Module photovoltaïque

Le composant le plus important de toute installation PV est le module photovoltaïque, qui se

compose de cellules solaires interconnectées.

Ces modules sont raccordés entre eux pour former des champs de manière à pouvoir satisfaire

différents niveaux de besoins en énergie. La figure représente un module photovoltaïque.

Des modules de plus en plus puissants sont disponibles sur le marché, en particulier pour la

connexion du réseau, mais il y'a tout de même une limite liée au poids et à la manipulation. [2]

Figure (I.4) : Module photovoltaïque

I.6 Champ photovoltaïque

Le champ photovoltaïque se compose de modules photovoltaïques interconnectés en série et/ou

en parallèle afin de produire la puissance requise. Ces modules sont montés sur une armature

métallique qui permet de supporter le module PV avec un angle d’inclinaison spécifique. La

figure représente un champ photovoltaïque. [2]

Figure (I.5) : Champ photovoltaïque


9

I.7 L’effet photovoltaïque

L’effet photovoltaïque est un phénomène physique propre à certains matériaux appelés semi-

conducteurs qui produisent de l’électricité lorsqu’ils sont exposés à la lumière. Le plus connu

d’entre eux est le silicium cristallin qui est utilisé aujourd’hui par 90% des panneaux produits

dans le monde, mais il existe de nombreuses autres technologies déjà industrialisées comme les

couches minces ou en phase de recherche.

Les cellules photovoltaïques exploitent l'effet photoélectrique pour produire du courant continu

par absorption du rayonnement solaire. Cet effet permet aux cellules de convertir directement

l’énergie lumineuse des photons en électricité par le biais d’un matériau semi-conducteur

transportant les charges électriques. [3]

I.8 La cellule photovoltaïque

Une cellule photovoltaïque est composée de deux types de matériaux semi-conducteurs, l’une

présentant un excès d’électrons et l’autre un déficit d'électrons. Ces deux parties sont

respectivement dites « dopées » de type n et de type p. Le dopage des cristaux de silicium

consiste à leur ajouter d’autres atomes pour améliorer la conductivité du matériau.

Un atome de silicium compte 4 électrons périphériques. L’une des couches de la cellule est

dopée avec des atomes de phosphore qui, eux, comptent 5 électrons (soit 1 de plus que le

silicium). On parle de dopage de type n comme négatif, car les électrons (de charge négative)

sont excédentaires. L’autre couche est dopée avec des atomes de bore qui ont 3 électrons (1 de

moins que le silicium). On parle de dopage de type p comme positif en raison du déficit

d’électrons ainsi créé. Lorsque la première est mise en contact avec la seconde, les électrons en

excès dans le matériau n diffusent dans le matériau p. [3] [18].

Figure (I.6) : Cellule photovoltaïque


10

I.8.1 Structure d’une cellule photovoltaïque

La cellule est l’unité de conversion la plus adaptée à l’effet photovoltaïque.

Parmi les cellules photovoltaïques utilisant le silicium comme matériel de base on distingue les

monocristallins, les poly cristallins et amorphes. Ainsi la cellule de silicium monocristallin est

historiquement la plus largement utilisée et commercialisée et est celle qui a les meilleures

performances, tandis que la cellule en silicium poly cristallin est moins couteuse que celle du

silicium monocristallin et son efficacité est plus faible et les processus de sa préparation est

moins stricte, enfin la structure de la cellule photovoltaïque amorphe présente un haut degré de

désordre dans la structure des atomes. Généralement, la couche supérieure de la cellule est

composée de silicium dopé N. Dans cette couche, il existe une quantité d'électrons libres

supérieure à une couche de silicium pur, d'où l'appellation de dopage N (charge de l'électron).Le

matériau reste électriquement neutre : c'est le réseau cristallin qui supporte globalement une

charge négative.

La couche inférieure de la cellule est composée de silicium dopé P. Cette couche possèdera

donc en moyenne une quantité d'électrons libres inférieure à une couche de silicium pur, les

électrons sont liés au réseau cristallin qui, en conséquence, est chargé positivement. La

conduction électrique est assurée par des trous positifs (P).Il faut ajouter des contacts électriques

transparents, une couche antireflet pour assurer une bonne absorption des photons, ainsi qu’une

couche de verre pour résister aux intempéries. [3]

Figure (I.7) : Structure d’une cellule photovoltaïque.

I.8.2 Principe d’une cellule photovoltaïque

Une cellule photovoltaïque est un capteur constitué d’un matériau semi-conducteur absorbant

l’énergie lumineuse et la transformant directement en courant électrique. Le principe de


11

fonctionnement de cette cellule fait appel aux propriétés d’absorption du rayonnement

lumineux par des matériaux semi-conducteurs. Ainsi, le choix des matériaux utilisés pour

concevoir des cellules PV se fait en fonction des propriétés physiques de certains de leurs

électrons susceptibles d’être libérés de leurs atomes lorsqu’ils sont excités par des photons

provenant du spectre solaire et possédant une certaine quantité d’énergie selon leurs longueurs

d’onde. Une fois libérés, ces charges se déplacent dans le matériau formant globalement un

courant électrique de nature continu (DC). La circulation de ce courant donne alors naissance à

une force électromotrice (fem) aux bornes du semi-conducteur correspondant ainsi au

phénomène physique appelé effet photovoltaïque.

Figure (I.8) : Principe de fonctionnement d’une cellule photovoltaïque

I.9 Association des modules photovoltaïques

Les modules peuvent également être connectés en série et en parallèle afin d’augmenter la

tension et l’intensité du courant d’utilisation. Toutefois, il importe de prendre quelques

précautions car l’existence de cellules moins efficaces ou l’occlusion d’une ou plusieurs cellules

(dues à de l’ombrage, de la poussière, etc..) peuvent endommager les cellules de façon

permanente. [4]


12

I.9.1 Association en série

La cellule individuelle, unité de base d'un système photovoltaïque, ne produit qu'une très faible

puissance électrique, typiquement de 0.5 W avec une tension de moins d'un volt.

Pour produire plus de puissance, les cellules sont assemblées pour former un module (ou

panneau).

L’association en série des cellules délivre une tension égale à la somme des tensions

individuelles et un courant égal à celui d’une seule cellule.

Figure (I.9) : Association de N modules solaires en série.

I.9.2 Association en parallèle

En additionnant des modules identiques en parallèle, la tension de la branche est égale à la

tension de chaque module et l’intensité augmente proportionnellement au nombre de modules

en parallèle dans la branche.

Figure (I.10) : Association des modules solaires en parallèle.

I.9.3 Association série-parallèle

Pour avoir une satisfaction en courant et en tension, on est obligé d’utiliser un groupement

mixte, c’est à dire Série-Parallèle.


13

Figure (I.11) : Association mixte des modules solaires.

I.10 Les avantages et les inconvénients de l’énergie photovoltaïque

I.10.1 Avantages

D’abord une haute fiabilité. L’installation ne comporte pas de pièces mobiles qui la

rendent particulièrement appropriée aux régions isolées. C’est la raison de son

utilisation sur les engins spatiaux.

Ensuite le caractère modulaire des panneaux photovoltaïques permet un montage

Simple et adaptable à des besoins énergétiques divers. Les systèmes peuvent être

dimensionnés pour des applications de puissances allant du milliwatt au Méga Watt.

Le coût de fonctionnement est très faible vu les entretiens réduits et il ne nécessite ni

combustible, ni son transport, ni personnel hautement spécialisé.

La technologie photovoltaïque présente des qualités sur le plan écologique car le produit

fini est non polluant, silencieux et n’entraîne aucune perturbation du milieu, si ce n’est

par l’occupation de l’espace pour les installations de grandes dimensions.

I.10.2 Inconvénients

La fabrication du module photovoltaïque relève de la haute technologie et requiert des

investissements d’un coût élevé.

Le rendement réel de conversion d’un module est faible, de l’ordre de 10-15 % avec une

limite théorique Pour une cellule de 28%. Les générateurs photovoltaïques ne sont pas

compétitifs par rapport aux générateurs diesel que pour des faibles demandes d’énergie

en régions isolées. Tributaire des conditions météorologiques.


14

Lorsque le stockage de l’énergie électrique sous forme chimique (batterie) est

Nécessaire, le coût du générateur est accru.

Le stockage de l’énergie électrique pose encore de nombreux Problèmes. Le faible

rendement des panneaux photovoltaïques s’explique par le Fonctionnement même des

cellules. Pour arriver à déplacer un électron, il faut que l’énergie du rayonnement soit

au moins égale à 1 eV. Tous les rayons incidents ayant une énergie plus faible ne seront

donc pas transformés en électricité. De même, les rayons lumineux dont l’énergie est

supérieure à 1 eV perdront cette énergie, le reste sera dissipé sous forme de chaleur. [3]

I.11 Conclusion

Dans ce chapitre, nous avons exposé le principe de fonctionnement d’un système

photovoltaïque nous avons commencé par un aperçu sur les systèmes photovoltaïques et ses

composants. Ensuite on a étudié le principe de cellule photovoltaïque, le module PV et ses

paramètres.

Les convertisseurs statiques et

le réseau électrique

Les convertisseurs statiques et le réseau électrique

16

II.1 Introduction

Après avoir étudié et cité les différents composants d’un générateur photovoltaïque, nous

passons maintenant à l’étude des convertisseurs statiques. Dans un système de conversion des

énergies photovoltaïques La conversion de puissance peut contenir les deux étapes, une

première conversion DC/DC puis une conversion DC/AC. Dans les systèmes photovoltaïques

connectés aux réseaux, le convertisseur DC/DC a généralement le rôle d’augmenter la tension

pour que l’onduleur puisse réaliser un courant sinusoïdal à la tension du réseau, les

convertisseurs sont utilisés pour bien adapter la source à la charge.

On s’intéresse dans ce chapitre à l’étude les deux types de convertisseurs DC/DC et DC/AC

avec les réseaux électriques.

II.2 Convertisseurs DC/DC

Les hacheurs sont des convertisseurs statiques continu-continu permettant de générer une

source de tension continue variable à partir d’une source de tension continue fixe. Ils se

composent de condensateurs, d’inductances et de commutateurs. Tous ces dispositifs ne

consomment aucune puissance dans le cas idéal, c'est pour cette raison que les hacheurs ont de

bons rendements.

Généralement le commutateur est un transistor MOSFET qui travaille en mode bloqué-saturé.

Si le commutateur est bloqué, son courant est nul, il ne dissipe donc aucune puissance ; S’il est

saturé, la chute de tension à ses bornes sera presque nulle et par conséquent la puissance perdue

sera très petite.

Le commutateur du convertisseur est commandé par un rapport cyclique D variable. De la

figure (II.1) on ferme le commutateur pendant un temps de fermeture égal à DTS, ensuite on

l’ouvre durant un temps d’ouverture égal à

(1-D Ts) où :

- D est le rapport cyclique du commutateur (D ∈ [0,1]). [4]


17

Figure (II.1) : Tension de commande du commutateur durant une période de commutation.

II.2.1 Type des hacheurs

Il y a un plusieurs topologies des convertisseurs DC-DC. Elles sont classées par catégorie, selon

que la topologie isolée ou non isolée. Les topologies isolées emploient un transformateur

d’isolement fonctionnant à haute fréquence. Elles sont très employées souvent dans les

alimentations à découpage. Les topologies les plus connues dans la majorité des applications

sont le flyback, en demi-pont et en pont complet. Dans les applications photovoltaïques (PV),

les systèmes de couplage avec le réseau électrique emploient souvent ces types de topologies

quand l'isolement électrique est préféré pour des raisons de sûreté. Les topologies non isolées

ne comportent pas de transformateurs d’isolement. Elles sont généralement utilisées dans

l’entrainement des moteurs à courant continu.

hacheur dévolteur (ou Buck)

hacheur survolteur (ou Boost)

Survolteur –Dévolteur (hacheur Buck- Boost).

II.2.1.1 Le hacheur survolteur (Boost)

Le convertisseur Boost est connu par le nom d’élévateur de tension. Le schéma de la figure

(II.2), représente le circuit électrique du Boost. Au premier temps (αT), le transistor (S) est

fermé, le courant dans l’inductance croit progressivement, et au fur et à mesure, elle

emmagasine de l’énergie, jusqu'à la fin de la première période. Ensuite, le transistor (S) s’ouvre

et l’inductance (L) s’opposant à la diminution de courant (IL), génère une tension qui s’ajoute

à la tension de source, qui s’applique sur la charge (R) à travers la diode (D). [5]


18

Figure (II.2) : Circuit électrique de base du hacheur survolteur.

II.2.1.1 .1 Modèle mathématique équivalent

L’application des lois de Kirchhoff sur les deux circuits équivalents des deux phases de

fonctionnement donne :

Pour la première période αTs :

ICI = C1

dVg

dt= Ig − IL (II. 1)

IC2 = C2

dV0

dt= −I0 (II. 2)

IL = LdIL

dt= Vg − RLIL (II. 3)

Pour la deuxième période (1-α) TS :

IC1 = C1

dVg

dt= Ig − IL (II. 4)

IC2 = C2

dV0

dt= IL − I0 (II. 5)

II.2.1.1.2 Principe

Comme le présente la figure (II.2), lorsque l’interrupteur du transistor (S) est sur la position

(On), le courant de l’inductance du hacheur augmente linéairement et à cet instant la diode (D)

est bloquée (off). Et lorsque (S) tourne sur la position (off), l’énergie emmagasinée par

l’inductance est dissipée dans le circuit (RC) bien que la diode (D) est passante.

Les caractéristiques de tension et du courant de charge du convertisseur Boost dans le cas de la

conduction continue sont décrites par la figure (II-3), comme suit :


19

Figure (II.3) : Caractéristique de la tension et du courant du hacheur survolteur.

II.2.1.2 Hacheur dévolteur (Buck)

Le hacheur dévolteur, sous sa forme de base est présenté par la figure (II.4). Les composantes

clés sont l'inductance (L), le commutateur (Transistor) (S), la diode (D,) et le condensateur(C).

Celui-ci se charge par le commutateur (S) et qui maintient la tension à ces bornes jusqu'à

l’ouverture de qui fait décharger son énergie à travers la diode sur la charge pour un cycle de

période de fonctionnement. [5]

Figure (II.4) : Circuit électrique de base du hacheur dévolteur.

Le commutateur peut être un transistor MOSFET ou un IGBT qui peut se commuter sur deux

positions, marche ou arrêt rapidement. La tension de la source doit être plus grande que la

tension aux bornes de la charge. L’équation mathématique caractérisant le courant de

l'inductance est donnée par l’équation suivante :

∂I

∂t=

Vi − VS

L=

1

L[Vi − VS] (II. 6)


20

Le processus de commutation est décrit par la position de l’interrupteur (S). Dans le premier

laps de temps (αT) le transistor est dans un état de saturation, alors l’inductance (L) se charge

d’énergie avec augmentation du courant IL.

Dans le deuxième laps de temps (α-1) T, l’inductance (L) libère cette énergie à la charge avec

une diminution de courant IL.

En négligeant la chute de tension à travers la diode, le taux de changement du courant est donné

par :

∂I

∂t= −

Vi

L (II. 7)

Lorsque le courant de l’inductance ne se décroit pas à zéro avant la commutation du transistor,

le convertisseur fonctionne dans le mode de conduction continu dans ce cas, si la tension de

charge dépend seulement de la tension de source et du rapport cyclique α =T / Ton, la tension

aux bornes de la charge :

Dans le mode de conduction discontinu le courant de l'inductance s’annule dans un cycle de

commutation entre le transistor (S) et la diode. Dans ce cas, la tension de charge dépend d'une

manière plus complexe du rapport cyclique et le courant de la charge, la figure (II.5) montre

comment la tension de charge varie avec le courant de charge.

Les caractéristiques des courants et la tension représentant le fonctionnement du hacheur

dévolteur sont données par la figure (II.5).

Figure (II.5) : Caractéristique de la tension et des courants dans le transistor et l’inductance d’un

convertisseur Buck.


21

II.2.1.3 Le convertisseur Buck-Boost

La troisième topologie de base de ce convertisseur est donnée par la figure (II.6). Dans ce

dispositif, la tension peut être augmentée ou diminuée selon le mode de commutation.

Cependant, La tension de sortie est de signe opposé à la tension d'entrée.

Tandis que, lorsque le transistor est sur la position (on) le courant dans l’inductance augmente,

l'énergie est stockée ; et quand le commutateur tourne sur la position (off). La tension à travers

l'inductance est renversée et l’énergie stockée se transfert vers la charge via la diode. Dans ce

cas, l’équation de la tension aux bornes de la charge décrivant le fonctionnement en conduction

continue est donnée comme suit :

Le circuit électrique de base du hacheur dévolteur-survolteur, et les caractéristiques du courant

et de la tension de charge sont données par la figure (II.6). [5]

Figure (II.6) : circuit électrique de base du hacheur survolteur-dévolteur.

II.3 Convertisseurs DC/AC

Un onduleur est un convertisseur statique assurant la conversion d’énergie électrique de la

forme continue (DC) à la forme alternative (AC). En fait, cette conversion d'énergie est

satisfaite au moyen d'un dispositif de commande (semi-conducteurs). Il permet d’obtenir aux

bornes du récepteur une tension alternative réglable en fréquence et en valeur efficace, en

utilisant ainsi une séquence adéquate de commande. Figure (II.7) représente schéma de principe

de l’onduleur.


22

Entrée Sortie

Convertisseur DC/AC

Figure (II.7) : Schéma de principe de la conversion Continu - Alternative (DC – AC)

II.3.1 Principe générale de fonctionnement

Le principe de fonctionnement d'un onduleur est basé sur l'électronique de commutation, on

génère une onde de tension alternative à partir d'une tension continue comme le montre la figure

(II.8), On peut dire qu'il existe deux moyens pour réaliser cette conversion.

L'utilisation directe d'une paire d’interrupteurs de base qui consiste à régler la Fréquence et la

durée des interconnexions de la source avec la sortie. Il est donc plutôt Temporel et débouche

sur les techniques de modulation de largeur d’impulsion.

Contrôler l'amplitude soit de façon continue en créant une source réglable (ce qui Suppose

l’existence d'un autre étage de conversion), soit de façon discrète en disposant d'un nombre

suffisant de sources. [6]

Figure (II.8) : Symbole et signal d'un onduleur.

Quand S1 - S2 sont fermés (On) et S3 - S 4 sont ouverts (Off) pour t1 < t < t2 on obtient une

alternance positif U(t) = Vdc comme la montre la figure (II.9).

Source

continue

Source

alternative


23

Figure (II.9) : Fonctionnement et signal de l'onduleur dans le 1er demi-cycle.

Quand S1 - S2 sont ouvert (Off) et S 3 - S 4 sont fermés (On) pour t2 < t < t3 on Obtient une

alternance négative U(t) = -Vdc comme la montre la figure (II.10)

Figure (II.10) : Fonctionnement et signal de l’onduleur deux niveaux dans le 2éme demis cycle.

Pour obtenir le signal résultant sur la période complète qui est présentée sur la figure I.9

Figure (II.11) : Signal complet de l'onduleur.

II.3.2 Classification des onduleurs

Une première classification peut être faite en distinguant : onduleurs non autonome et onduleur

autonome. Entre ces deux types d’onduleurs, il existe un type intermédiaire d’onduleur appelé

onduleur à commutation par la charge « ou encore onduleur à résonance ». [6]


24

II.3.2.1 Onduleurs non autonome

C'est le nom donné au montage redresseur tous les thyristors (pont de Graëtz) qui, en

commutation naturelle assistée par le réseau auquel il est raccordé, permet un fonctionnement

en onduleur (par exemple par récupération de l'énergie lors des périodes de freinage dans les

entraînements à moteurs électriques). À la base du développement des entraînements statiques

à vitesse variable pour moteurs à courant continu et alternatif, cyclo convertisseurs, onduleurs

de courant pour machines synchrones et asynchrones, jusqu'à des puissances de plusieurs MW.

II.3.2.2 Onduleur autonome

Un onduleur autonome est un convertisseur statique assurant la conversion continu- alternatif.

Alimenté en continu, il modifie de façon périodique les connexions entre l’entrée et la sortie et

permet d’obtenir de l’alternatif à la sortie.

Et aussi dit autonome s’il utilise l’énergie d’un circuit auxiliaire propre à lui pour la

commutation des thyristors ou d’autres semi-conducteurs, dans ce cas nous commandons la

fréquence et la forme d’onde de la tension de sortie. Il dépend essentiellement de la nature du

générateur et du récepteur entre lesquels il est monté cela conduit à distinguer :

- les onduleurs de tensions.

- Les onduleurs de courant.

II.3.2.2.1 Les Onduleurs (autonomes) de tension

Un onduleur de tension est un onduleur qui est alimenté par une source de tension continue

(source d’impédance interne négligeable), la tension « u » n’est pas affecté par les variations

du courant « i » qui la traverse, la source continue impose la tension à l’entrée de l’onduleur et

donc à sa sortie. Le courant à la sortie « i’ » et donc le courant à l’entrée « i » dépendent de la

charge placée du côté alternatif. Cette charge peut être quelconque à la seule condition qu’il ne

s’agisse pas d’une autre source de tension (capacité ou f. e. m alternative) directement branchée

entre les bornes de sortie.

II.3.2.2.2 Les onduleurs (autonomes) de courants

Un onduleur de courant (souvent appelé commutateur de courant) est alimenté par une source

de courant continu, c’est –à – dire par une source d’inductance interne si grande que le courant

« i » qui la traverse ne peut être affecté par les variations de la tension « u » à ses bornes.


25

II.3.3 Les convertisseurs statiques multi niveaux

Un convertisseur statique est dit « multi niveaux » lorsqu’il génère une tension découpée de

sortie composée d’au moins trois niveaux. Ce type de convertisseur présente essentiellement

deux avantages. D’une part les structures multi niveaux permettent de limiter les contraintes en

tension subies par les interrupteurs de puissance : chaque composant, lorsqu’il est à l’état

bloqué, supporte une fraction d’autant plus faible de la pleine tension continu que le nombre de

niveaux est élevé. D’autre part, la tension de sortie délivrée par les convertisseurs multi niveaux

présente d’intéressantes qualités spectrales. Le fait de multiplier le nombre de niveaux

intermédiaires permet de réduire l’amplitude de chaque front montant ou descendant de la

tension de sortie. L’amplitude des raies harmoniques est, par conséquent, d’autant moins élevée.

Dans le cas plus précis d’un fonctionnement en modulation de largeur d’impulsion, le recours

à un convertisseur multiniveaux associé à une commande judicieuse des composants de

puissance permet en outre de supprimer certaines familles de raies harmoniques. [6]

II.3.3.1 Structure de l’onduleur à trois niveaux

L’idée de base de l’onduleur NPC est l’obtention d’une tension de sortie à trois niveaux par la

superposition de deux interrupteurs élémentaires alimentés chacun par une source de tension

continue distincte.

L’onduleur triphasé à trois niveaux utilisé est constitué de trois bras et de deux sources de

tension continue. Chaque bras comporte quatre interrupteurs en série et deux diodes médianes.

Chaque interrupteur est composé d’un transistor et une diode montée en tête bêche.

Le point milieu de chaque bras est relié à une alimentation continue, de force électromotrice

(E). A l’aide d’un diviseur de tension capacitif formé par les condensateurs de filtrage C1 et C2

de même capacité, on obtient deux sources secondaires de tension continue délivrant chacune

une demi tension (E/2). Étant connectés entre eux en un point neutre noté o. Ces dernier sont

identiques de manière à éviter le déséquilibre de charge (C1=C2 c’est-à-dire Uc1=Uc2).

Le point O est connecté avec les deux diodes médianes (DDK1, DDK2). La Figure (II.12)

fournit une représentation schématique de cet onduleur.

En général un convertisseur NPC N-niveau à trois phases, est composé de 2*(N-1) interrupteurs

connectés en série et (N-1) liaison à courant continu. La tension aux bornes du condensateur est

égale à (Udc /N-1). [6]


26

Figure (II.12) : Onduleur triphasé à trois niveaux.

Pour simplifier la complexité de la structure de l’onduleur à trois niveaux, on présente chaque

paire (Transistor -diode) par un seul interrupteur bidirectionnel TDKS, Figure (II.13) et vue la

symétrie de la structure, on présente la configuration d’un seul bras, Figure (II.14).

Figure (II.13) : Interrupteur bidirectionnel équivalent de la paire Transistor – diode.

Figure (II.14) Un bras de l’onduleur à trois niveaux de type NPC.

R


27

II.3.4 Stratégies de commande

II.3.4.1 Commande 180°

Lorsque la séquence de commande de fermeture d’un interrupteur coïncide avec la

commutation d’ouverture de l’interrupteur situé sur le même bras, on parle dans ce cas, d’un

onduleur de type 180°, Figure (II.15).

Pour le premier bras de l’onduleur, l’interrupteur K1 est fermé pendant une demi-période

(180°), et K’1 est fermé pendant l’autre demi de la période. Pour les deux autres bras de

l’onduleur, on applique la même procédure, mais avec un décalage de 2π /3 et 4π/ 3 par rapport

au premier bras. [7]

Figure (II.15) : Commande 180°

En appliquant ce type de commande pour l’onduleur, on obtient un système de tensions

alternatives triphasées caractérisées par l’absence des harmoniques de rangs multiples de trois.

II.3.4.2 Commande 120°

Dans ce cas la Figure (II.16), la commande de fermeture d’un interrupteur ne coïncide plus avec

la commande d’ouverture de l’interrupteur placé sur le même bras, on parle dans ce cas d’un

onduleur de type 120°.

Figure (II.16) : Commande 120°


28

Avec cette technique de commande, Chaque interrupteur fonctionne pendant 120°, telle que la

séquence est K1, K2 puis K3 successivement. De même pour les interrupteurs K’1, K’2 et K’3

avec un décalage de 60° par rapport à K1, K2, K3. [7]

II.3.4.3 Commande à modulation de largeur d’impulsion (MLI)

Les tensions obtenues aux bornes du récepteur (la charge) pour les onduleurs triphasés

conventionnels présentent plusieurs harmoniques, il est donc nécessaire de chercher à se

rapprocher d’une forme d’onde sinusoïdale. Pour cela on fait appel à la technique de modulation

de largeur d’impulsion (MLI). Dans ce contexte, nous savons bien qu’avec la possibilité d’avoir

des transistors de puissance à un coût moindre il est devenu possible d’utiliser la technique MLI

pour améliorer la forme d’onde du courant du moteur, et par la conséquence, la minimisation

des harmoniques provoquant l’échauffement de la machine et les ondulations du couple.

En fait l’onduleur de tension à MLI est toujours choisi pour avoir une réponse rapide et des

performances élevées. Dans ce type d’onduleur, la tension redressée alimentant l’onduleur peut

être fixée par l’utilisation d’un redresseur à diodes. Dans ce cas, la tension et la fréquence de

sortie sont contrôlées par l’onduleur en utilisant la technique MLI. Elle consiste à adopter une

fréquence de commutation supérieure à la fréquence des grandeurs de sortie, et à former chaque

alternance de la tension de sortie d’une succession de créneaux de largeurs convenables. La

manipulation de nombre des impulsions formant chacune des alternances d’une tension de

sortie d’un onduleur à MLI présente deux avantages importantes à s’avoir :

Repousser vers des fréquences élevées les harmoniques d’ordres inférieurs de la tension

de sortie, ce que facilite le filtrage au niveau de la charge.

Elle permet de faire varier la valeur fondamentale de la tension désirée.

En effet, les deux stratégies de modulation les plus utilisées en boucle ouverte pour un onduleur

de tension triphasé sont la modulation sinusoïdale et la modulation vectorielle. [7]

II.3.4.3.1 Modulation sinusoïdale (MLIS)

Cette stratégie est héritée des techniques analogiques. Elle consiste à calculer la largeur d’une

impulsion de manière à obtenir la tension de référence en moyenne sur une période de

commutation. Elle repose sur la génération des signaux de commande en comparant deux ondes

; la première triangulaire d’amplitude fixe et de fréquence très élevée ; appelée porteuse ou onde

de modulation. La deuxième sinusoïdale d’amplitude variable et de fréquence f qui détermine

la fréquence de la tension de sortie ; appelée référence. Les instants de commutation sont


29

déterminés par l’intersection de ces deux signaux. Le réglage en amplitude et en fréquence de

la tension de sortie de l’onduleur est défini par le coefficient de réglage en tension (représentant

le rapport de l’amplitude de la tension de référence à la valeur crête de la porteuse), et l’indice

de modulation (donnant le rapport des fréquences de la porteuse et de la référence).

Figure (II.17) : Le fonctionnement de MLI

II.3.4.3.2 Modulation vectorielle (SVM)

L’utilisation des technologies numériques permet le recours à des stratégies de modulation

triphasée spécifiques, non déduites des techniques analogiques initialement conçues en

monophasé. Parmi ces technologies numériques on trouve la modulation vectorielle (Space

Vector Modulation). Qui représente la méthode de modulation ou de commande la plus adoptée

au contrôle des machines à courant alternatif beaucoup plus les machines asynchrones.

En effet, contrairement à la modulation sinusoïdale, la MLI vectorielle ne s’appuie pas sur des

calculs séparés des modulations pour chacun des bras de l’onduleur. Mais elle traite les signaux

directement dans le plan diphasé de la transformée de Concordia. Donc le principe de base de

cette modulation consiste à reconstruire le vecteur de tension de sortie de l’onduleur à partir des

huit vecteurs de tension correspondant aux huit états possibles de l’onduleur de tension. [7]

II.4 Réseaux électriques

II.4.1 Définition du Réseau Electrique

Un réseau, c’est d’abord un certain nombre de fonctions et de comportements d’ensemble, qu’il

faut définir, mettre en œuvre, maîtriser grâce à une conception et une exploitation convenables.

Ce sont ensuite des ouvrages et des matériels (lignes aériennes et souterraines, postes, câbles,

appareillage, transformateurs, parafoudres, etc.) qui, assemblés, forment le réseau physique ; la

qualité conditionne très largement celle du réseau, donc celle de la desserte en électricité de ses


30

clients. C’est enfin tout un ensemble d’automatismes et de transmission d’informations et de

commandes, ensemble coordonné, donc système nerveux absolument indispensable à la

protection des ouvrages et des matériels, à la robustesse du réseau vis-à-vis des défaillances

internes et des agressions extérieures telles la foudre et les conditions climatiques extrêmes ;

système indispensable aussi à la maîtrise par l’exploitant d’un outil technique qui, pour les

réseaux publics, du moins, n’est pas concentré en un site, mais couvre des milliers et des

centaines de milliers de kilomètres carrés.

Les réseaux électriques ont pour fonction d'interconnecter les centres de production tels que les

centrales hydrauliques, thermiques..., avec les centres de consommation (villes, usines...).

L'énergie électrique est transportée en haute tension, voire très haute tension pour limiter les

pertes joules (les pertes étant proportionnelles au carré de l'intensité puis progressivement

abaissée au niveau de la tension de l'utilisateur final. [8]

Figure (II.18) : Le réseau électrique

II.4.2 Les structures topologiques des réseaux électriques [9]

II.4.2.1 Les réseaux radiaux

Sont, à partir d’un poste d’alimentation, constituées de plusieurs artères (figure II.19). En

pratique si l’on regarde une carte de tel réseau, on aperçoit des points communs. Mais ces réseau

sont en fait ≪ bouc ables mais non bouclés ≫ car en ces points est toujours placés un appareil


31

de coupure, ouvert en exploitation normale. Cette disposition, permet en cas d’incident sur une

artère de reprendre l’alimentation de certaines dérivations par les artères voisines.

Figure (II.19) : Exemple d’une structure d’un réseau radial

II.4.2.2 Les réseaux bouclés

Sont alimenté à la fois par plusieurs source (en général 2 ou 3 rarement plus). L’existence de

plusieurs sources en parallèle augmente la sécurité d’alimentation, en cas d’avarie de l’une

d’elles (transformateur) ou sur une boucle.

Figure (II.20) : Exemple d’une structure d'un réseau bouclé.

II.4.2.3 Les réseaux maillés

Sont des réseaux où toutes les lignes sont bouclées. Cette structure (figure II.21) nécessite que

tous les tronçons de lignes soient capables de surcharges permanentes, et qu’il soit muni, a leurs

deux extrémités, d’appareils de coupure. On obtient ainsi la meilleure sécurité, mais au prix le

plus élevé.


32

Figure (II.21) : Exemple d’une structure d’un réseau maillé.

II.4.3 Lignes électriques

Une ligne électrique est un ensemble de conducteurs, d’isolants et d’éléments accessoires

destinés au transport de l’énergie électrique. [8]

II.4.3.1 Types de lignes

Elles peuvent être classées selon plusieurs critères :

Suivant les fonctions qu’elles assurent dans le réseau :

Lignes de grand transport ; Lignes d’interconnexion ; Lignes de répartition ; Lignes de

distribution.

Suivant la situation dans l’espace :

Lignes aériennes.

Lignes souterraines (câble).

II.4.3.2 Composantes d’une ligne

Une ligne de transport se compose de câbles conducteurs, d’isolateurs et de supports.

II.4.3.2.1 Supports

Le rôle des pylônes est de maintenir les câbles à une distance minimale de sécurité du sol et des

obstacles environnants, afin d’assurer la sécurité des personnes et des installations situées au

voisinage des lignes. Leur silhouette est caractérisée par la disposition des câbles conducteurs.

L’écartement entre les fils doit être d’autant plus grand que la distance entre les pylônes est plus

grande et que la tension de la ligne est plus élevée.


33

Figure (II.22) : Supports des lignes aériennes HT (pylône électrique).

II.4.3.2.2 Conducteurs

Les conducteurs nus, utilisés pour la construction des lignes aériennes, sont des câbles

constitués de fils ronds ou exceptionnellement de fils trapézoïdaux ou profilés en forme de Z.

Pour réaliser ces câbles, les métaux conducteurs de faible résistivité sont peu nombreux. Seuls

sont utilisés actuellement l’aluminium dans sa forme écroui dur, de grande pureté d’une part,

et un alliage d’aluminium, l’almélec, d’autre part.

Figure (II.23) : Conducteurs usuels.

Depuis plusieurs années, le cuivre n’est plus utilisé en raison de sa masse et de son coût.

Cependant, des conducteurs en cuivre équipent encore des lignes anciennes.


34

II.4.3.2.2.1 Câble de garde

Les câbles de garde ne transportent pas le courant. Ils sont situés au-dessus des conducteurs, ils

sont plus tendus que ceux-ci pour assurer une bonne protection contre la foudre.

Les câbles de garde comportent toujours une section importante d’acier et, autour de l’âme

d’acier, une couche ou exceptionnellement deux couches de fils d’almélec.

Figure (II.24) : Câble de garde à fibres optiques incorporées.

Deux types de câbles de garde sont utilisés :

- des câbles almélec-acier normaux ;

- des câbles almélec-acier comportant à l’intérieur des circuits de télécommunication.

II.4.3.2.3 Isolateur

Les isolateurs assurent l’isolement électrique entre les câbles conducteurs et les supports. Sur

le réseau de transport, les isolateurs sont utilisés en chaîne, dont la longueur augmente avec le

niveau de tension.

Les isolateurs ont deux fonctions principales :

Ils empêchent le courant électrique qui circule dans les conducteurs de phase de passer

dans les pylônes.

Ils accrochent les conducteurs de phase au pylône.


35

Figure (II.25) : type d’enchaînement d’isolateur

II.4.4 Poste de transformation (Transformateur)

Par définition, un poste (une sous-station) est une installation d’organes de liaison et d'organes

de manœuvre où parvient l'énergie des centrales et d'où cette énergie est orientée vers les centres

de consommation.

Figure (II .26) : Transformateur de puissance dans un poste électrique.

Les postes électriques ont trois fonctions principales :

Le raccordement d'un tiers au réseau d'électricité (aussi bien consommateur que

producteur type centrale nucléaire).

L’interconnexion entre les différentes lignes électriques (assurer la répartition de

l'électricité entre les différentes lignes issues du poste)

La transformation de l'énergie en différents niveaux de tension.


36

II.4.4.1 Composantes d’un poste

On distingue parfois les éléments d'un poste en "éléments primaires" (les équipements haute

tension) et "éléments secondaires" (équipements basse tension).

Parmi les équipements primaires, on peut citer :

Transformateur électrique ;

Autotransformateur électrique ;

Disjoncteur à haute tension (Appareillage de manoeuvre et protection);

Sectionneur (isolation : dont la principale fonction est d’assurer l'isolement du circuit

qu’il protège ;

Parafoudre (protection) ;

Transformateur de courant (Appareillage de mesure des courants) ;

Transformateur de tension (Appareillage de mesure des tensions) ;

Jeu de barre (Appareillage de liaison)

Batterie de condensateurs (Appareillage de régulation : compensation de l’énergie

réactive) ;

Services auxiliaires BT, courant alternatif et courant continu (Parmi les éléments

secondaires on peut citer : alimentations des moteurs de commande, la signalisation,

les verrouillages, le chauffage, l’éclairage, télécommande, télésignalisation,

télémesure...)

II.5 Conclusion

Dans ce chapitre, nous avons présentés les différents convertisseurs à savoir DC/DC et DC/AC.

Pour le premier on a décrit les différent types d’ hacheur et leurs principe de fonctionnement,

pour le second convertisseur, on a présenté la théorie sur les onduleurs, son fonctionnement, et

on a consacré notre étude aux onduleurs triphasé à trois niveaux utilisés dans les systèmes PV

pour leur raccordement aux réseaux électriques qu’on a rappelé leurs éléments essentiels.

Les techniques de MPPT


38

III.1 Introduction

Après avoir dans le chapitre précédent une étude détaillée sur le convertisseur statique DC-DC,

on présentera dans ce chapitre la commande de ce convertisseur qui permet la recherche et la

poursuite du point de puissance maximale, appelé ‘maximal power point tracking’ et quelques

techniques MPPT existantes qui permettent de faire fonctionner le GPV à sa puissance

maximale. La conception d’un étage d’adaptation muni d’un algorithme MPPT permet

d’optimiser la conversion énergétique et de relier aisément un GPV à sa charge. On trouve dans

la littérature des algorithmes basés sur les méthodes suivantes, telles que : Perturber &

Observer, ‘P&O’ et Incrément de la conductance, ‘INC’. Il existe aussi des commandes dites

intelligentes basées sur la logique floue, les réseaux de neurones et Neuro-floue.

III.2 La commande MPPT (Maximum Power Point Tracking)

Est un organe fonctionnel du système PV et permet de chercher le point de fonctionnement

optimal du générateur PV qui dépend des conditions météorologiques et de la variation de la

charge stables. Son principe de régulation est basé sur la variation automatique du rapport

cyclique D à la valeur adéquate de manière à maximiser continuellement la puissance à la sortie

du panneau PV. [3]

Figure (III.1) : Chaîne de conversion d’énergie solaire comprenant une commande MPPT.

III.3 Les techniques de MPPT

Il existe différents types de contrôleurs MPPT, mais tous ces contrôleurs sont basés en général

sur la variation du rapport cyclique du convertisseur statique.

Dans ce chapitre nous allons présenter les commandes MPPT les plus utilisés dans les systèmes

photovoltaïques.

V


39

III.4 Commande perturber et observer (P&O)

La méthode de perturbation et observation (P&O) est une approche largement répondue dans

la recherche de MPPT parce qu'elle est simple et exige seulement des mesures de tension et du

courant du panneau photovoltaïque VPV et IPV respectivement, elle peut dépister le point

maximum de puissance même lors des variations de l’éclairement et la température.

Comme son nom l’indique, la méthode P&O fonctionne avec la perturbation de la tension VPV

et l’observation de l'impact de ce changement sur la puissance de sortie du panneau

photovoltaïque. [3]

La figure (III.2) représente l'algorithme de la méthode P&O. À chaque cycle. VPV, IPV sont

mesurés pour calculer PPV(k). Cette valeur de PPV(k) est comparée à la valeur PPV (k-1) calculée

au cycle précédent.

Figure (III.2) : Organigramme de la méthode de perturbation et d'observation [16]


40

Si la puissance de sortie a augmenté, VPV est ajustée dans la même direction que dans le cycle

précédent. Si la puissance de sortie a diminué, VPV est ajustée dans la direction opposée que

dans le cycle précédent. VPV est ainsi perturbée à chaque cycle de MPPT.

Quand le point de puissance maximale est atteint, VPV oscille autour de la valeur optimale VOP

Ceci cause une perte de puissance qui augmente avec le pas de l’incrémentation de la

perturbation. Si ce pas d'incrémentation est large, l'algorithme du MPPT répond rapidement aux

changements soudains des conditions de fonctionnement

D'autre part, si le pas est petit, les pertes, lors des conditions de changements atmosphériques

lents ou stables, seront inférieures mais le système ne pourra pas répondre rapidement aux

changements rapides de la température ou de l'éclairement. Le pas idéal est déterminé

expérimentalement en fonction des besoins.

Figure (III.3) : Recherche du PPM par la méthode (P&O) [15]

Il est important de noter qu’avec l’algorithme P&O, la variable à contrôler peut être soit la

tension soit le courant du GPV. Cependant, la variable idéale qui caractérise le MPP est celle

qui varie peu lors d’un changement climatique. Néanmoins, la dynamique de la température est

lente et varie sur une plage réduite. Par conséquent, il est préférable de contrôler la tension du

GPV.

Un inconvénient de la méthode P&O est qu’elle peut échouer lors d’un rapide changement des

conditions atmosphériques. [3]


41

III.5 Commande a incrémentation de la conductance (Inc cond)

Incrémentation de la conductance est la commande de MPPT qui se base sur la connaissance

de la variation de la conductance du générateur photovoltaïque pour connaitre la position

relative du MPP, pour appliquer une action du contrôle adéquate poursuivant le MPP.

Ainsi, la conductance du panneau photovoltaïque est définie par le rapport entre le courant et

la tension du générateur photovoltaïque comme indiqué ci-dessous : [3]

G =IPV

VPV (III. 1)

Et la variation de la conductance peut être définie par :

∆G =∆IPV

∆VPV (III. 2)

Cette commande est basée sur le fait que la pente de la courbe caractéristique de puissance du

panneau est nulle au MPP, positive à gauche et négative à droite.

Si dP/ dV = 0 au MPP

Si dP/ dV > 0 à gauche de MPP (III.3)

Si dP/ dV < 0 à droite de MPP

Puisque :

dP

dV=

d(IV)

dV= I + V

dI

dV= I + V

∆I

∆V (III. 4)

∆I

∆V= −

1

V

∆I

∆V> −

1

V (III. 5)

∆I

∆V< −

1

V

Alors, l’équation (III.3) peut être écrite comme suit :

dI / dV = - I / dV au Mpp (III.6)

dI / dV > - I / dV à gauche du MPP


42

dI / dV < - I / dV à droite du MPP [14].

Figure (III.4) : Caractéristique de fonctionnement de la méthode IncCond [16]

Le MPP peut donc être poursuivi en comparant la conductance instantanée (Gci=I/V) à

l’incrémentation de la conductance (∆Gci=∆I=∆V) , Vref est la tension de référence pour laquelle

le panneau PV est forcé à fonctionner. Au MPP, Vref =VMPP Une fois que le MPP est atteint, le

point de fonctionnement correspondant est maintenu, à moins qu’un changement dans ∆I est

noté, indiquant un changement des conditions atmosphériques et donc du MPP. L’algorithme

augmente ou diminue Vref pour suivre le nouveau MPP. La taille de l’incrément détermine la

rapidité de la poursuite du MPP. Une poursuite rapide peut être obtenue avec un incrément plus

grand, mais le système ne pourrait pas fonctionner exactement au MPP et oscille autour de

celui-ci. Il y a donc, comme pour la méthode P&O, un compromis entre rapidité et précision.

Cette méthode peut être améliorée en amenant le point de fonctionnement près du MPP dans

une première étape, puis d’utiliser l’algorithme Inc Cond pour suivre exactement le MPP dans

une deuxième étape.

Généralement, le point de fonctionnement initial est réglé pour correspondre à une charge

résistive proportionnelle au rapport de la tension de circuit ouvert VOC sur le courant de court-

circuit ISC. Ces deux solutions assurent que le vrai MPP est poursuivi s’il existe plusieurs

maxima locaux.

Une manière moins évidente pour effectuer la méthode Inc Cond est d’utiliser la conductance

instantanée et l’incrémentation de la conductance pour générer un signal d’erreur.

D’après l’équation (III.4), l’erreur est nulle au MPP. Un régulateur PI peut donc être utilisé

pour annuler cette erreur.


43

e =I

V+

dI

dV (III. 7)

La mesure de la tension et du courant instantanés du panneau PV nécessite deux capteurs. La

méthode Inc_Cond se prête parfaitement à la commande par microcontrôleur, qui peut garder

en mémoire les valeurs précédentes de la tension et du courant.

Les tensions et courants du panneau sont monitoires, de telle manière que le contrôleur peut

calculer la conductance et la conductance incrémentale, et décider de son comportement. Cet

algorithme implique un nombre important de calcule. Commande MPPT Inc_Cond est illustré

dans la figure (III.5).

Figure (III.5) : Organigramme de la méthode IncCond [16]

III.6 La commande MPPT floue

La commande par logique floue a été utilisée dans les systèmes de poursuite du point maximum

de puissance MPPT, cette commande offre l’avantage d’être une commande robuste et

relativement simple à élaborer et elle ne nécessite pas la connaissance exacte du modèle à


44

réguler. La mise en place d’un contrôleur flou se réalise en trois étapes, qui sont : la

fuzzification, l’inférence et la défuzzification. [2]

III.6.1 Principe de la logique floue

Le principe général et la théorie de base de la logique floue est la description d’un phénomène

qui contient en général des expressions floues comme : Chaude, froid. Rapide, lent. Grand,

moyen, petit. Max, min. Positive, nulle, négative…etc. Les éléments constituant la théorie de

base de la logique floue sont : Les variables linguistiques, les ensembles flous et les fonctions

d’appartenance.

III.6.2 Variables linguistiques et ensembles flous

La description imprécise d’une certaine situation, d’un phénomène ou d’une grandeur physique

ne peut se faire que par des expressions relatives ou floues à savoir ; (grand, petit, positif,

négatif, etc. …). Ces différentes classes d’expressions floues dites ensembles flous forment ce

qu’on appelle des variables linguistiques. Chaque variable linguistique est caractérisée par un

ensemble tel que :

{x, T(x), U, G, M}

Où :

x : est le nom de la variable,

T(x) : est l’ensemble des valeurs linguistiques que peut prendre x,

U : est l’univers du discours associé avec la valeur de base,

G : est la règle syntaxique pour générer les valeurs linguistiques de x,

M : est la règle sémantique pour associer un sens à chaque valeur linguistique.

III.6.3 Fonctions d’appartenance

Chaque sous-ensemble flou peut être représenté par sa fonction d’appartenance. En général la

forme de fonctions d’appartenance dépend de l’application, et peut être triangulaire,

trapézoïdale ou en forme de cloche comme le montre la Figure (III.6)


45

Figure (III. 6) : Différentes formes de fonctions d'appartenance

III.6.4 Règles linguistiques

L'idée principale des systèmes basés sur la logique floue, est d’exprimer la connaissance

humaine sous la forme de règles linguistiques de forme Si…alors…Chaque règle a deux

parties :

- Partie antécédente (prémisse ou condition), exprimée par Si…,

- Partie conséquente (conclusion) exprimée par alors.

La partie antécédente est la description de l’état du système. La partie conséquente exprime

l’action que l’opérateur qui contrôle le système doit exécuter. Chaque règle floue est basée sur

l’implication floue. Il y a plusieurs formes de Si…alors …la forme générale est :

Si (un ensemble de conditions est satisfait) alors (un ensemble de conséquences peut être

exécuté).

III.6.5 Structure générale d’un système flou

Le système à base de la logique floue est composé de trois blocs principaux Figure (III.7).

• Fuzzification, inférence et Défuzzication.

Entrée Sortie

Contrôle par logique floue

Figure (III. 7) : Structure générale d'un système basé sur la logique floue [17]

Méthode floue

Fuzzification Inférence Défuzzification


46

III.6.5.1 Fuzzificateur

L'objectif de la fuzzification est de définir les fonctions d'appartenance pour les différentes

variables qui permet de rendre flou les variables d'entrée. Une étape préliminaire consiste à

définir un intervalle de variation maximale autorisée pour les variables d’entrées. Le but de la

fuzzification est de transformer les variables d’entrée en variables linguistiques ou variables

floues.

III.6.5.2 Inférence floue

Il est mentionné que les inférences floues sont basées sur l’implication floue de type modus

ponens généralisé. Les inférences lient les grandeurs mesurées et les variables de sorties par des

règles linguistiques. Ces règles sont combinées en utilisant les connections « et » et « ou ».

Supposons que le système flou a deux entrées x, y et une sortie z et que l’on a défini n règles

linguistiques comme suit :

Si x=A1 et y=B1 alors z=C1

Si x=A2 et y=B2 alors z=C2

Si x=An et y=Bn alors z=Cn

Où x, y et z sont des variables linguistiques qui représentent les variables d’état de processus et

variables de contrôle ; Ai, Bi et Ci (i=1, n) sont les sous-ensembles flous définis dans les

ensembles de référence pour x, y et z respectivement. En toute généralité, n’importe quelle

combinaison des opérateurs ou, et et non peut apparaître dans la condition d’une règle, suivant

les conditions imposées par le système à régler. Il existe plusieurs méthodes pour réaliser ces

opérateurs. On introduit donc la notion de méthodes d’inférence.

Les méthodes les plus utilise sont :

méthode d'inférence max-min

méthode d'inférence max-prod

méthode d'inférence somme-prod

III.6.5.3 Défuzzification

Le résultat d’une inférence floue est une fonction d’appartenance. C'est un sous-ensemble flou.

Un organe de commande nécessite un signal de commande précis. La transformation floue en

une information déterminée est la défuzzification (concrétisation). De plus, on doit souvent


47

prévoir un traitement du signal et la conversion digitale/analogique. Il y a plusieurs méthodes

de défuzzification proposée dans la littérature. Il n’y a pas de stratégie systématique pour choisir

parmi l’une de ces méthodes. [2]

III.7 Réseaux de neurones artificiels

Les réseaux de neurones artificiels sont des réseaux fortement connectés de processeurs

élémentaires fonctionnant en parallèle. Chaque processeur élémentaire calcule une sortie

unique sur la base des informations qu'il reçoit. [10]

III.7.1 Neurone formel

Un neurone est une fonction algébrique non linéaire et bornée, dont la valeur dépend de

paramètres appelés les poids. Les variables de cette fonction sont habituellement appelées

"entrées" du neurone, et la valeur de la fonction est appelée sa "sortie". Un neurone est un

opérateur mathématique comme présenté sur la figure.

Figure (III.8) : Mise en correspondance neurone biologique/neurone artificiel

III.7.2 Neurone artificiel

Le neurone formel peut être définit par les paramètres suivants :

Xi : L’information parvenant de neurone i.

Wi.j : Un poids lié le neurone i et le neurone j.

b : Poids supplémentaire, appelé le biais.

Vj : La somme pondérée des poids Wi.j et de xi :

Vj = ∑ Wi.jXi b (III. 8)n

i=1

g : La fonction d’activation, ou fonction de transfert :


48

yj : La sortie de neurone j donnée par : yj= g ║Vj║

Figure (III.9) : Représentation matricielle d'un neurone artificiel

III.7.3 Un réseau de neurones artificiel :

Le réseau de neurones artificiel est un modèle de calcul dont la conception est très

schématiquement inspiré du fonctionnement des neurones. Il se compose de neurones qui sont

interconnectés de façon que la sortie d'un neurone puisse être l'entrée d'un ou plusieurs autres

neurones. Ensuite il y a des entrées de l'extérieur et des sorties vers l'extérieur. Rumelhart et al.

Donnent 8 composants principaux d'un réseau de neurones :

• Un ensemble de neurones.

• Un état d'activation pour chaque neurone (actif, inactif, ...)

• Une fonction de sortie pour chaque neurone (f(S))

• Un modèle de connectivité entre les neurones (chaque neurone est connecté à tous les autres)

• Une règle de propagation pour propager les valeurs d'entrée à travers le réseau vers les sorties

• Une règle d'activation pour combiner les entrées d'un neurone (très souvent une somme

pondérée)

• Une règle d'apprentissage

• Un environnement d'opération (le système d'exploitation, par exemple). [10]

III.7.4 Architecture des réseaux de neurones

III.7.4.1 Les réseaux non bouclés


49

Ce sont des réseaux unidirectionnels sans retour arrière (feedforward). Le signal de sortie est

directement obtenu après l’application du signal d’entrée. Si tous les neurones ne sont pas des

organes de sortie, on parle de neurones cachés. [4]

Figure (III.10) : Réseau non bouclé.

III.7.4.2 Réseaux bouclés

Il s’agit de réseaux de neurones avec retour en arrière (feedback network ou récurrent Network).

Figure (III.11) : Réseau bouclé

III.7.5 Perceptron multicouches (MLP)

III.7.5.1 Architecture

Tout type de réseaux de neurones est constitué de cellules (ou neurones), connectées entre elles

par des liaisons affectées des poids. Ces liaisons permettent à chaque cellule, de disposer d’un

canal pour envoyer et recevoir des signaux en provenance des autres cellules du réseau.

Le réseau artificiel MLP (Multi Layer Perceptron) est composé d'une couche d'entrée, une

couche de sortie et une ou plusieurs couches cachées. Les éléments de deux couches adjacentes

sont interconnectés par des poids assurant la liaison des différentes couches comme les montres

la Figure (III.12) Les poids déterminent l’impact sur les cellules qu’elle connecte.


50

Chaque cellule dispose une entrée, qui lui permet de recevoir l’information des autres cellules,

et une fonction d’activation. [11]

Figure (III.12) : Architecture d’un réseau de neurones artificiels MLP.

wnm représente les poids reliant la couche d'entrée avec la couche cachée ;

umj représente les poids reliant la couche cachée avec celle de la sortie.

Les composants du vecteur d'entrée « X » du MLP seront pondérés par les poids wnm et ensuite

transmis à la couche cachée selon les équations suivantes :

Cm = ∑ Xnwnm

N

n=1 (III. 9)

ym = f(Cm) (III. 10)

Les sorties de la couche cachée seront aussi pondérés par les poids umj et transmis ensuite à la

couche de sortie selon les équations suivantes :

Oj = ∑ ymumj (III. 11)M

m=1

Zj = g(Oj) (III. 12)

f et g représentent respectivement les fonctions d'activations des neurones de la couche cachée

et celle de la couche de sortie. Pour notre cas, elles sont des fonctions sigmoïdes et linéaires.

La fonction sigmoïde est définie par l’équation :

f(x) = 1/[1 + exp(−ax)] (III.13)


51

Sa dérivée est :

f ′(x) = a. f(x)[1 − f(x)] (III.14)

III.7.5.2 Algorithme d'apprentissage

L'apprentissage consiste à adapter les valeurs des poids afin d'obtenir le comportement désiré

du MLP. Pour cela, on a besoin d’une base de données, constitué d'un vecteur d'entrée et d'un

vecteur de sortie approprié. Un algorithme d'apprentissage connu sous le nom d'algorithme de

rétropropagation du gradient a été mis en place en 1986 par Rumelhart et al.

Ainsi l'adaptation des poids umj qui relient la couche cachée à celle de la sortie est donné par :

umj(i+1)

= umj(i)

+ α1(tj − Zj). g′(Oj)ym (III. 15)

La mise à jour des poids wnm reliant la couche d'entrée à la couche cachée est donné par :

wnm(i+1)

= wnm(i)

+ α2. {∑ (tj − Zj)g′(Oj). umj

J

j=1,i=1} (f ′(Cm))(xn) (III. 16)

𝛼1 𝑒𝑡 𝛼2 Sont les pas d’apprentissages.

III.7.5.3 Mise en œuvre de réseau de neurone MLP

Nous allons suivre une démarche qui se compose par les étapes suivantes, pour concevoir le

réseau de neurones artificiels MLP :

1- Fixer le nombre de couches cachées, l’architecture utilisée est comme suit : une couche

d’entrée, deux couches cachées, et une couche de sortie.

2- Le nombre de neurones par couches :

La couche d’entrée : contient autant que la dimension du vecteur d’entrée.

Les couches cachées : le nombre de neurones dans ces couches est déterminé d’après

une étude d’optimisation.

3- Déterminer la fonction d’activation : nous considérons la fonction sigmoïde pour la première

couche cachée, la deuxième couche cachée de sortie sont des fonctions linéaires, la fonction

sigmoïde est donnée par l’équation (III.13).

4- Le choix de l’apprentissage : l’algorithme de rétro-propagation est utilisé pour déterminer

les paramètres d’apprentissage et l’ajustement des poids synaptiques à chaque itération. [11]


52

III.8 Les systèmes neuro-flous

Les réseaux de neurones et les systèmes flous peuvent être complémentaires sur plusieurs

points. La logique floue permet une spécification rapide des tâches à accomplir à partir de la

connaissance symbolique disponible.

Un réseau adaptatif est une structure de réseau dont le comportement global d’entrée-sortie est

déterminé par les valeurs de la collection de paramètres modifiables.

Plus spécifiquement, la configuration d’un réseau adaptatif se compose d'un ensemble de nœuds

reliés par des liens orientés, où chaque nœud est un processus unitaire qui remplit une fonction

statique sur ses signaux d’entrées pour générer un signal unique à la sortie de nœud à spécifier

la direction de l’écoulement de signal d’un nœud à l’autre.

Habituellement une fonction de nœud est une fonction paramétrer avec des paramétrer

modifiables ; en changeant la fonction de nœud en plus le comportement global du réseau

additif. [10]

III.8.1 Types de combinaison neuro-flous

Il existe plusieurs types de combinaison des réseaux de neurone et les systèmes flous. Ces types

peuvent être classés selon la fonction et selon la structure (c-à-d selon leur architecture et la

configuration désirée entre le système d’inférence flou et les réseaux de neurones).

III.8.1.1 Systèmes neuro-flou coopératifs et concourants

Un système neuro-flou coopératif peut être considéré comme préprocesseur où le mécanisme

d'apprentissage des réseaux de neurones artificiels (RNA) détermine les fonctions

d’appartenance du Système d’inférence flou (SIF) ou les règles floues à partir des données

d’apprentissage.

Une fois que les paramètres du SIF sont déterminés, le RNA va au fond. La base de règle est

habituellement déterminée par un algorithme clustering flou. Les fonctions d'appartenance sont

habituellement approximer à partir RNA par les données d’apprentissage.

Dans un système Neuro-flou concourant, le RNA aide le SIF pour déterminer les paramètres

désirés particulièrement si les variables d'entrée du contrôleur ne peuvent pas être mesurées

directement. Dans certains cas les sorties du SIF ne pourraient pas être directement applicables

au processus. Les figures ci-dessous représentent les modèles Neuro-Flou coopératifs et

concourants.


53

Figure (III.13) : Comparaison entre les réseaux neuro-flous coopératifs et concourants

III.8.1.2 Les systèmes neuro-flous fondus

Dans une architecture neuro-flou fondue, les RNA sont utilisées pour déterminer les paramètres

du SIF.

Les systèmes neuro-flou fondus partagent les structures de données et la représentation de

connaissance. Une manière habituelle d'appliquer un algorithme d'apprentissage à un système

flou et à représenter cette connaissance dans une architecture spéciale. L’algorithme

d’apprentissage du RNA ne peut pas être appliqué directement à un système d’inférence comme

une fonction ; puisque les fonctions utilisées dans le système d'inférence sont généralement non

différentiables.

Ce problème peut être abordé en employant des fonctions différentiables dans le système

d'inférence ou près ne pas utiliser l'algorithme d'apprentissage de RNA standard. Il existe

plusieurs types des systèmes neuro-flous comme : GARIC, FALCON, ANFIS, NEFCON…

III.8.2 Description et structure du contrôleur MPPT neuro-flou

La figure suivante présente le principe du système Neuro Flou illustré par une hybridation entre

les réseaux de neurones et la logique floue.

Données Données

Numériques linguistiques

Apprentissage Expressions linguistique

Figure (III.14) : Association réseau neuro-flou

Réseaux de

neurones

Logique Floue

Neuro-Flou


54

L’architecture du perceptron flou est identique à celle du perceptron Multicouche usuel, mais

les poids sont modélisés par des ensembles flous. Les activations, les sorties, et les fonctions de

propagation seront changées. Aussi l’intention de ce modèle est qu’il soit interprétable par des

règles linguistiques et peut utiliser des bases de connaissance des règles à priori.

Dans cette partie on va traiter les contrôleurs MPPT qui sont à base de réseau neuro-flou. Le

schéma synoptique ci-dessous représente un système photovoltaïque doté d’une commande

MPPT à base de réseaux neuro-flou.

Le rapport cyclique D

I ∆I

V ∆V

Figure (III.15) : Schéma synoptique d’un système photovoltaïque avec une commande MPPT par

réseau neuro-flou.

Le contrôleur ainsi choisi dispose de deux entrées ‘∆I’ et ‘∆V’ et une seule sortie ‘D’, et la

commande comme représenté dans la figure ci-dessous :

Figure (III.16) : Illustration de l'ANSIF pour la poursuite du point à puissance maximale

GPV DC

DC

Charge

Bloc de

calcul de

paramètres

Commande MPPT par

réseaux neuro-flous

∆V

∆I


55

Les deux variables d’entrées génèrent l’action de contrôle ‘D’ qui sera appliquée au hacheur,

afin d’ajuster le rapport cyclique de ce dernier de telle manière à assurer l’adaptation de la

puissance fournie par le GPV. [10] [13].

III.8.3 Le modèle ANFIS

III.8.3.1 Architecture de l’ANFIS

Les premiers travaux sur l’optimisation des SIFs étaient explicitement basés sur l'utilisation de

l’algorithme de rétro propagation. Le système hybride ANFIS (Adaptive Network Based Fuzzy

Inference System) est un système d'inférence neuro-flou adaptatif qui consiste à utiliser un

réseau de neurone de type MLP à 5 couches pour laquelle chaque couche est destinée à la

réalisation d’une étape d’un système d’inférence floue de type Takagi Sugeno. C'est le système

hybride neuro-flou proposée par Jang.

En simplifiant, si on suppose que le système d'inférence flou à deux entrées x1 et x2, et a comme

sortie y. on suppose que la base de règle contient deux règles floues de type Takagi-Sugeno

suivant :

Si x1 est A1 et x2 estB1 Alors y1 = f1(x1, x2) = P1x1 + q1x2 + r1 (III. 17)

Si x1 est A2 et x2 estB2 Alors y1 = f2(x1, x2) = P2x1 + q2x2 + r2 (III.18)

Jang a proposé de représenter cette base de règles par le réseau adaptatif présenté sur la figure :

Figure (III.17) : Architecture de l’ANSIF


56

Ce réseau adaptatif est de type multicouche dont les connexions ne sont pas pondérées. Les

noeuds sont de deux types différents selon leur fonctionnalité : les noeuds carrés (adaptatifs)

contiennent des paramètres, et les noeuds circulaires (fixes) n’ont pas de paramètres. Toutefois,

chaque noeud (carré ou circulaire) applique une fonction sur ses signaux d’entrées. La sortie

Ok i du noeud i de la couche k (appelée noeud (i,k)) dépend des signaux provenant de la couche

k-1 et des paramètres du noeud (i, k), c’est-à-dire :

Oik = f(Oi

k−1, … . . , Onk−1k−1 , a, b, c) (III. 19)

Où nk-1 est le nombre de noeuds dans la couche k-1, et a, b, c ... sont les paramètres du noeud

(i, k). Pour un noeud circulaire ces paramètres n’existent pas.

Pour cela, chaque couche de ce réseau à sa sortie correspondante comme la manière suivante :

Couche 1 : Chaque neurone calcule le degré d'appartenance d’un sous ensemble flou particulier

par sa fonction de transfert. La seule restriction sur le choix de cette fonction est sa dérivabilité.

En trouve dans la littérature, l’utilisation des fonctions gaussiennes ou les paramètres

modifiables sont le centre et la pente de la gaussienne (variance).

Où x est l’entrée du noeud i, et Ai le terme linguistique associé à sa fonction. En d’autres termes,

est le degré d’appartenance de x à Ai. Les paramètres d’un noeud de cette couche sont ceux de

la fonction d’appartenance correspondante.

Couche 2 : sert à calculer le degré d'activation des prémisses. Chaque neurone dans cette

couche reçoit les sorties des neurones précédents de fuzzification et calcule son activation. La

conjonction des antécédents est réalisée avec l’opérateur produit.

OiI = uAi(x) (III. 20)

Couche 3 : Chaque neurone calcul le degré de vérité normalisé d’une règle floue donnée.

Wi = uAi(x1) × uBi(x2), i = 1,2 (III. 21)

Vi =Wi

W1 + W2 (III. 22)

La valeur obtenue représente la contribution de la règle floue au résultat final.

Couche 4 : Chaque neurone i de cette couche est relié à un neurone de normalisation

correspondant et aux entrées initiales du réseau. Il calcule le conséquent pondéré de la règle.

Où est la sortie de la couche 3, et est l’ensemble des paramètres de sortie de la règle i.


57

Oi4 = Vi × fi = Vi(Pix1 + qix2 + ri) (III. 23)

Couche 5 : Comprend un seul neurone qui fournit la sortie de ANFIS en calculant la somme

des sorties de tous les neurones de sortie.

L’apprentissage à partir d’un ensemble de données concerne l’identification des paramètres des

prémisses et des conséquences, la structure du réseau étant fixée. L’algorithme d’apprentissage

commence par construire un réseau initial, ensuite on applique une méthode d’apprentissage

par rétro propagation de l’erreur. Jang a proposé d’utiliser une règle hybride d’apprentissage

qui combine un algorithme de descente de gradient avec une estimation par moindres carrées.

Oi5 = y = ∑ Vi × fi (III. 24)

III.9 Conclusion

Dans ce chapitre, nous avons entamé la partie la plus importante et la plus délicate de cette

étude. Il s’agit de la description de la commande MPPT, le principe de recherche du MPP, les

différents techniques MPPT les plus répondus existants dans la littérature (Inc.CoN, P&O),

avec des nouvelle techniques intelligentes (logique floue, réseau de neurone).

Dans notre étude on a basé sur la commande qui fait associer la logique floue au réseau de

neurone, c’est la commande Neuro-Floue, non seulement l'utilisation de neuro-floue mais

aussi la réduction de nombre de règle sans toucher les caractéristique statique et dynamique

du système qui est un gain économique et simplification de point de vue technique.

Modélisation et simulation


59

IV.1 Introduction

La modélisation est une étape fondamentale qui permet d’introduire un certain nombre de

modèles puis d’évaluer la caractéristique de chaque élément de l’installation ainsi que les

paramètres constituants. Dans un système énergétique photovoltaïque, on espère toujours

travailler au voisinage du point de puissance maximale MPP.

Dans ce chapitre, on présentera les résultats de simulation d’un système photovoltaïque

connecté au réseau électrique. Ce système comprend un générateur photovoltaïque, un

convertisseur survolteur « boost », une commande MPPT « Neuro-Floue réduit » et un onduleur

triphasé à trois niveaux raccordé au réseau.

Toutes les opérations de simulation sont faites par le logiciel MATLAB/Simulink version

R2018a.

IV.2 Système photovoltaïque proposé

Le système photovoltaïque proposé est constitué de (La figure IV.1) :

Un panneau photovoltaïque constitué de 5 modules (SunPower SPR-305-WHT) en série et

66 modules en parallèle. Le module PV est constitué de 96 cellules photovoltaïques

élémentaires. Il peut délivrer dans les conditions standards de test (CST) une puissance de

305 W, un courant de 5.58A sous une tension optimale de 54.7V.

Un convertisseur DC-DC de type hacheur survolteur et un convertisseur DC-AC raccordé

au réseau.

Une commande MPPT basée sur les réseaux Neuro-Floue réduit qui varie automatiquement

le rapport cyclique D à la valeur adéquate de manière à maximiser continuellement la

puissance à la sortie du panneau PV.

Figure(IV.1) : Schéma synoptique du système GPV par Neuro-Floue Réduit

Hacheur

survolteur

Neuro-Floue

Réduit

Panneau

photovoltaïque

Onduleur

Commande MPPT

Réseau

électrique


60

IV.3 Modélisation du système photovoltaïque

IV.3.1 Modélisation du GPV

Le module fait intervenir un générateur de courant pour la modélisation d’une diode pour les

phénomènes de polarisation de la cellule, une résistance série Rs représentant les diverses

résistances de contacts et de connexions et une résistance parallèle RP caractérisant les divers

courants de fuites dus à la diode et aux effets de bords de la jonction.

Le générateur photovoltaïque est représenté par un modèle standard à une seule diode, établit

par shockley pour une seule cellule PV, et généralisé à un module PV en le considérant comme

un ensemble de cellules identiques branchées en série-parallèle.

La figure (IV.2) présente le schéma équivalent d’une cellule photovoltaïque :

I = Iph − Id − Ish (IV.1)

Avec :

I : Le courant délivré par la cellule(A).

Iph: Photo courant(A).

Id : Courant de diode(A).

Ish : Le courant de la résistance shunt(A). [12].

Figure (IV.2) : Modèle d’une cellule photovoltaïque

Iph = (Ipn + ki∆T)G

Gn (IV. 2)

∆T = (T − Tn) (IV.3)

Iph : courant photonique généré dans les conditions standard (A).


61

G et Gn : ensoleillement et l’ensoleillement de référence (1000 w/m²).

Ki : coefficient de température court-circuit

T : température de référence 298(°k).

Tn : température de la cellule (°k).

Id = Isat[exp (Vd VT)⁄ − 1] (IV.4)

Avec :

Id : Courant de la diode (A)

Vd : Tension de la diode (V)

VT : Tension de température (V)

VT = K ∗ T/q ∗ Qd ∗ Nc ∗ Ns (IV.5)

Isat : courant de saturation de la diode qui égale :

Isat = (Isc + Ki∆T)/exp (Vco + ki∆T

AVT) − 1 (IV. 6)

Bien que :

K =1.38 ×10-23 J/K. (constante de Boltzmann).

q=1.6×10-19 °C.

Vco=tension du circuit ouvert (v).

Isc : courant de court-circuit (A).

Rs : la résistance série (Ω).

V : la tension au borne de la cellule

Le courant de la résistance shunt égale :

Ish =(V + RsI)

Rsh (IV. 7)

Rsh : la résistance shunt(A).

La tension de module : Vm = Ns × V (IV. 8)

Vm : la tension du module.

Ns : nombre de cellule en série par module.


62

Pour des module montée en série et en parallèle on peut écrire.

Ichaine = I × Np (IV. 9)

Vchaine = Vm × Ns_module (IV.10)

Ichaine : le courant délivré par une chaine des modules photovoltaïques (A).

Np : nombre de module en parallèle.

Ns_ module : nombre de module en série.

Vchaine : la tension au borne de la chaine (V).

Les caractéristiques électriques de ce panneau photovoltaïque sont données dans le tableau

suivant :

Grandeurs Valeurs

Eclairement standard, G 1000W/m²

Température standard, T 25°C

Puissance maximale Pmax d’un module 305 W

Tension à Pmax ou tension optimale (Vopt) 54.7 V

Courant à Pmax ou courant optimal (Iopt) 5.58 A

Nombre de cellule par module 96

Courant de saturation Isat 1.1753e-08 A

Le photo-courant Iph 5.9602 A

Nombre de modules en série 5

Nombre de modules en parallèle 66

Tableau (IV.1) : Caractéristiques électriques du GPV dans les conditions standards


63

Figure (IV.3) : Schéma bloc du générateur photovoltaïque en MATLAB-SIMULINK

On constate sur Les figures (IV.4) et (IV.5) ci-dessous que le courant subit une variation

importante car le courant de court-circuit est une fonction linéaire de l’éclairement. Par contre

la tension varie légèrement car la tension de circuit ouvert est une fonction logarithmique.

Figure (IV.4) : caractéristiques I-V et P-V d’un seul module pour différents éclairements


64

Figure (IV.5) : caractéristiques I-V et P-V de générateur photovoltaïque pour différents éclairements

Il est à noter que sur chacune des courbes, le point en gros représente le point de puissance

maximale que peut fournir le panneau et que pour un éclairement et une température donnés, il

existe une valeur de la tension qui maximise la puissance produite par le générateur. Ce qui

nous contraint à insérer un convertisseur de puissance entre le générateur photovoltaïque et sa

charge pour assurer un fonctionnement à puissance maximale quelles que soient la charge et les

conditions d’éclairement et de température.

IV.3.2 Modélisation du hacheur survolteur

C’est un convertisseur DC/DC parallèle inséré entre le générateur photovoltaïque GPV et le

reste de la chaîne de conversion. Il est caractérisé par son rapport cyclique (0<D<1) avec lequel

on peut exprimer les valeurs moyennes des grandeurs de sortie avec celles de l’entrée. Le

schéma électrique du hacheur survolteur est donné par la figure (III.16).

Figure (IV.6) : Convertisseur (DC/DC) survolteur de tension (type boost)


65

Pour une étude en régime continu, en éliminant les dérivées des variables dynamiques, et en

remplaçant ces signaux par leurs valeurs moyennes. Le système d’équations devient :

𝐼𝐿=𝐼𝑒

𝐼𝑠= (1-D)𝐼𝐿 (IV.11)

𝑉𝑒= (1-D)𝑉𝑠

Alors, les grandeurs électriques de sorties (VS et IS) dans le convertisseur survolteur sont liées

à celle d’entrées (𝑉𝑝𝑣 et𝐼𝑝𝑣) en fonction du rapport cyclique D du signal qui commande

l’interrupteur du convertisseur par le système d’équations :

𝑉𝑠=𝑉𝑒

1−𝐷 =

𝑉𝑝𝑣

1−𝐷 (IV.12)

𝐼𝑠= (1-D)𝐼𝑒= (1-D)𝐼𝑝𝑣

A partir le système d’équations (IV.12), on peut déduire la résistance à la sortie du panneau PV

( 𝑅𝑝𝑣) en fonction de D et 𝑅𝑠 :

𝑅𝑝𝑣=𝑉𝑝𝑣

𝐼𝑝𝑣=

(1−D)𝑉𝑠𝐼𝑠

(1−𝐷)⁄= 𝑅𝑠(1-D) 2 (IV.13)

Alors, le rapport cyclique D s’écrit en fonction des résistances 𝑅𝑝𝑣 et 𝑅𝑆

𝑅𝑝𝑣

𝑅𝑆=(1 − 𝐷)2⟹D=1-√

𝑅𝑝𝑣

𝑅𝑆 (IV.14)

Puisque le rapport D est vérifié l’inégalité 0< D < 1, le convertisseur ne joue le rôle d’un

élévateur que si la charge RS remplit la condition suivante :

𝑅𝑠˃𝑅𝑝𝑣 (IV.15)

Dans les conditions optimales et pour une charge 𝑅𝑠donnée, la résistance interne du panneau

(𝑅𝑝𝑣=𝑅𝑜𝑝𝑡) et le rapport cyclique (D =𝐷𝑜𝑝𝑡) obéissent donc à l’équation :

𝑅𝑜𝑝𝑡= (1-𝐷𝑜𝑝𝑡)2𝑅𝑠 (IV.16)

La relation (IV.15) montre que, pour une puissance incidente P, la puissance optimale transférée

à la charge ne pourrait être maximale que pour un rapport cyclique bien défini (𝐷𝑜𝑝𝑡) (point

PPM).


66

Condensateur C1 12000𝒆−𝟎𝟔F

Condensateur C2 100𝑒−03F

Inductance 5𝑒−03H

Tableau (IV.2) : caractéristiques électriques de convertisseur survolteur

IV.3.3 Modélisation du l’onduleur

L’onduleur triphasé à trois niveaux utilisés, se compose de trois bras, chaque bras est composé

de quatre interrupteurs en série et deux diodes médianes.

Chaque interrupteur est composé d’un GTO et une diode montée en tête bêche.

Le point milieu de chaque bras est relié à une alimentation continue, de force électromotrice

(UC1 + UC2). Ces deux générateurs UC1, UC2 étant connectés entre eux en un point noté M.

Le point M est connecté avec les deux diodes médianes (DDK1, DDK2).

La figure fournit une représentation schématique de cet onduleur.

Figure (IV.7) : Onduleur triphasé à trois niveaux.

Les différentes tensions composées de l’onduleur triphasé à trois niveaux s’expriment à l’aide

des fonctions de connexions des interrupteurs comme suit :

R


67

(IV .17)

Dans le cas où UC1 =UC2 = Ec/2 le système devient :

(IV.18)

Les différentes tensions composées de l’onduleur triphasé à trois niveaux s’expriment à l’aide

des fonctions des demi bras comme suit :

(IV.19)

Dans le cas où Uc1 = Uc2, cette relation se réduit à :

(IV.20)

Tensions simples :

Les tensions simples de sorties sont :

(IV.21)

Sous forme matricielle :

(IV.22)


68

IV.4 Structure de la commande MPPT à base de Neuro-Floue réduit

Dans la littérature, nous lisons que la logique floue employée seule a donné de bons résultats.

Cependant, le choix des paramètres et leurs valeurs à attribuer reste non justifié (par

tâtonnement).

Pour pallier à ce problème, les chercheurs proposent des techniques de réglages tels que ’le

génétique’ ou les réseaux de neurones qui sont fiables et suivent une fonction de minimisation

globale de l’erreur.

De ce fait, la nouvelle technique qui choisit la poursuite du point de puissance maximale est la

méthode neuro-floue, elle est totalement justifiée et reste parmi les meilleurs systèmes

intelligents, elle fait associer la logique floue aux réseaux de neurones.

Cette méthode procède en trois étapes : La création, l’apprentissage et le test, où notre système

doit pouvoir évoluer rapidement et efficacement.

Les neuro-floue sont des systèmes dont le raisonnement est le plus proche de celui de l’être

humain, capables de générer des modèles comportementaux à partir des données entrées-sorties

des systèmes dynamique.

Nous avons proposé un système réduit à 8 règles a la place de 49 ou 25 règles qui a des

caractéristiques similaire et qui fait le même fonctionnement avec moins des erreurs et

minimisation de complexité car il 'y a moins d'instruction qui gagne du temps.

IV.5 Création du contrôleur neuro-floue

La création passe par plusieurs étapes sur logiciel Matlab :


69

1. L’appel de l’interface graphique neuro-floue :

2. L’étape d’apprentissage

Pour le Neuro-Floue utilisé, par analogie au réseau de neurone les fonctions

d’activations des neurones des couches sont pour la première couche les fonctions

d’appartenance puis ça sera les règles utilisées pour enfin arriver à la dernière couche

ou elle est régie par une déffuzification.

L’entrainement des systèmes se fait de la manière suivante : En premier lieu le calcul

des limites des fonctions d’appartenance puis la création et la réduction des règles (on a

fait 8 règles) et ce dans le but de minimiser l’erreur entre la sortie obtenue et celle

désirée.

Il est à noter que le choix du nombre des fonctions d’appartenance est choisi

préalablement par l’utilisateur.

De point de vu mathématique, la fonction de cout R converge et se stabilise entre deux

passages successifs de l’ensemble des données d’entrées et de sorties du système neuro-

flou, de telle manière que cette dernière est minimisée avec une erreur tendant vers zéro

pour que le système atteigne les sorties désirées.


70

3. La structure du contrôleur neuro-floue aura inévitablement la configuration

suivante :

4. Vérification concrète du système crée :

En première étape on fait appel à l’interface graphique floue où on devra charger le

système créé préalablement, on aura le graphique :


71

5. La visualisation des deux entrées données par des fonctions d’appartenance

triangulaires est montrée sur les deux graphiques suivants :


72

6. La sortie est donnée sur la figure :

7. Une fois les entrées-sorties sont créés, on passe à la visualisation des règles et

leurs schéma fonctionnel donné par les deux figures :

Il est à noter qu’on aura 8 règles, et on a 3 mfs pour l’entrée 1 et 4 mfs pour l’entrée 2.


73

En dernier nous illustrons le graphe de relation entre les 2 entrées et la sortie appelé « graphe

de surface », comme sur la figure :


74

IV.6 Simulation de Système globale

Nous avons procédé à la simulation du système sus-illustré, sous une température constante

(25°C) et un éclairement variable (condition climatiques). Notre choix a été de prendre ∆V et

∆I du PV comme variables d’entrée et puis le rapport cyclique D comme sortie.

La figure (IV.8) illustre le bloc schématique de SIMULINK du système photovoltaïque adapté

par la commande MPPT Neuro-Floue.

Figure (IV.8) : Schéma MATLAB/SIMULINK d’un système photovoltaïque avec la commande

MPPT alimentant une charge passive.

Figure (IV.9) : La variation de l'éclairement en fonction de temps

0 0.5 1 1.5 2 2.5 3200

400

600

800

1000

Le temps(sec)

L'é

cla

irem

en

t (k

w/m

²)

La variation de l'éclairement en fonction du temps


75

On a choisi ces valeurs de l’éclairement pour que la simulation soit le plus proche possible de

la réalité.

Les résultats de simulation du système photovoltaïque adapté par la commande neuro-floue

alimentant le réseau représenté par les figures (IV.10) et (IV.11) représente la tension généré

par le panneau et la variation du rapport cyclique.

Figure (IV.10) : La tension générée par le panneau

Figure (IV.11) : La variation du rapport cyclique

La tension générée par le panneau photovoltaïque varie avec la variation de l’éclairement. Le

rapport cyclique (D) varie pour sue la tension de sortie de DC-DC soit plus stable que possible

.Ce qui montre le bon fonctionnement de commande MPPT.

Les figures (IV.12), (IV.13), (IV.14) et (IV.15) représente la puissance de Panneau et d’hacheur

survolteur son temps de démarrage, l’erreur statique et le temps de poursuite.

0 0.5 1 1.5 2 2.5 30

100

200

300

400

Le temps(sec)

La t

en

tio

n(v

olt

)

La tension générée par le panneau

0 0.5 1 1.5 2 2.5 30.45

0.46

0.47

0.48

0.49

0.5

Le temps (sec)

Le r

ap

po

rt c

ycliq

ue

La variation du rapport cyclique


76

Figure (IV.12) : Puissance de panneau et d’hacheur survolteur

La puissance d’hacheur survolteur suit la puissance de panneau cette variation et du a la

vartaition de l’éclairement de soleil.

Figure (IV.13) : Zoom de puissance de panneau et d’hacheur survolteur qui montre le temps de

démarrage

Figure (IV.14) : Zoom de puissance de panneau et d’hacheur survolteur qui montre l’erreur statique

0 0.5 1 1.5 2 2.5 30

20

40

60

80

100

120

Temps (sec)

Po

wer(

kW

)

Puissance Panneau / Puissance Boost

Puissance Panneau

Puissance Boost

0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18

96

97

98

99

100

101

102

Temps (sec)

Po

wer(

kW

)

Zoom de Puissance Panneau / Puissance Boost

Puissance Panneau

Puissance Boost

Temps de Démarage

0.433 0.433 0.433 0.433 0.4331 0.4331 0.4331 0.4331 0.4331 0.4332

100.712

100.714

100.716

100.718

100.72

Temps (sec)

Po

wer(

kW

)


Puissance Panneau

Puissance BoostErreur Statique


77

Figure (IV.15) : Zoom de puissance du panneau d’hacheur survolteur qui montre le temps de poursuit

Les figures (IV.16), (IV.17), (IV.18) et (IV.19) représente la puissance d’hacheur survolteur et

le réseau, son temps de démarrage, l’erreur statique et le temps de poursuite.

Figure (IV.16) : La puissance d’hacheur survolteur et de réseau

La puissance du réseau suit la puissance d’hacheur survolteur cette variation et du a la

variation de l’éclairement de soleil.

0.984 0.986 0.988 0.99 0.992 0.994

53.2

53.3

53.4

53.5

53.6

53.7

Temps (sec)

Po

wer(

kW

)


Puissance Panneau

Puissance Boost

Temps de Poursuit

0 0.5 1 1.5 2 2.5 3-100

-50

0

50

100

150

Temps (sec)

Pu

issan

ce (

kW

)

Puissance de Boost/Puissance de Réseau

Puissance de Boost

Puissance de Réseau


78


démarrage

Figure (IV.18) : Zoom de puissance d’hacheur survolteur et le réseeau qui montre l’erreur statique

Figure (IV.19) : Zoom de puissance d’hacheur survolteur et le réseau qui montre le temps de poursuit

0.05 0.1 0.15 0.2 0.25 0.3 0.35

80

85

90

95

100

105

Temps (sec)

Pu

issan

ce (

kW

)

Zoom de Puissance de Boost/Puissance de Réseau

Puissance de Boost

Puissance de RéseauTemps de Démarrage

0.425 0.43 0.435 0.44 0.445 0.45 0.455 0.46 0.46598

98.5

99

99.5

100

100.5

101

101.5

Temps (sec)

Pu

issan

ce (

kW

)

Zoom de Puissance de Boost/Puissance de Réseau

Puissance de Boost


Erreur statique

0.8818 0.8819 0.882 0.8821 0.8822 0.8823 0.8824 0.882571.09

71.1

71.11

71.12

71.13

71.14

71.15

Temps (sec)

Pu

issan

ce (

kW

)

Zoom de Puissance de Boost / Puissance de Réseau

Puissance de Boost


Temps de poursuite


79

Les figures (IV.20), (IV.21) présentent la tension d’onduleur et son zoom. Les figures (IV.22),

(IV.23), (IV.24) et (IV.25) présentent la tension de réseau, le courant de réseau ainsi que leurs

zooms.

Figure (IV.20) : La tension d'onduleur

La tension à la sortie d’onduleur est bien onduler de type MLI a 3 niveaux peut clairement

voir ça dans le zoom.

Figure (IV.21) : Zoom de la tension d'onduleur

Figure (IV.22) : La tension du réseau

0 0.5 1 1.5 2 2.5 3-600

-400

-200

0

200

400

600

La t

en

sio

n(v

olt

)

Le temps(sec)

La tension de l'onduleur

0 2000 4000 6000 8000 10000 12000-600

-400

-200

0

200

400

600

Le temps(sec)

La t

en

sio

n(v

olt

)

Zoom de la tension d'onduleur

0 0.5 1 1.5 2 2.5 3-2

-1

0

1

2x 10

4 La tension du réseau

Le temps(sec)

La t

en

sio

n(v

olt

)


80

Figure (IV.23) : Zoom de la tension du réseau

Figure (IV.24) : Le courant du réseau

Figure (IV.25) : Zoom de courant du réseau

0.35 0.4 0.45 0.5 0.55 0.6 0.65-2

-1

0

1

2x 10

4

Le temps(sec)

La t

en

sio

n(v

olt

)

Zoom de la tension du réseau

0 0.5 1 1.5 2 2.5 3-6

-4

-2

0

2

4Le courant du réseau

Le temps(sec)

Le c

ou

ran

t(A

mp

)

0.35 0.4 0.45 0.5 0.55 0.6-4

-2

0

2

4

Le temps(sec)

Le c

ou

ran

t(A

mp

)

Zoom de courant du réseau


81

La tension du réseau est bien ondulé (sinusoïdal parfait) et de valeur de 20 KV à cause de

l’utilisation de filtre et de transformateur (220v/20KV), le courant varie avec la variation de la

puissance.

IV.7 Tableau comparatif

Dans ce tableau on compare les résultats de notre travail avec d’autres systèmes neuro-floue.

Tableau (IV.3) : Résultats des systèmes neuro-floue a différents nombre de règles

IV.8 Discutions des Résultats

Le tableau ci-dessus a montré les résultats suivant : pour le système à 49 règles [21] utilisant

un panneau photovoltaïque d’une puissance de 120 W on déduit une erreur statique de 0.89 %,

un temps de démarrage de 0.5 s. Pour le système à 25 règles [22] le panneau utilisé est de 165W

ses résultats sont 0.6 % pour l’erreur statique et 0.15 s pour le temps de démarrage. Pour le

système a 16 règles [23] le panneau utilisé est de 130 W d’après les résultats on déduit une

erreur statique de 1.53 %, un temps de poursuite de 0.003 s et un temps de démarrage de 0.007s

Panneau / Boost Boost /réseau

Système

Neuro-Floue

A 49 règles

[19]

A 25 règles

[20]

A 16 règles

[21]

Le système proposé

A 8 règles

Erreur

statique 0.89 % 0.6 % 1.53 % 0.006 % 1.48%

Temps de

poursuite

0.003s 0.006s 0.0005 s

Temps de

démarrage 0.5 s 0.15 s 0.007 s 0.088 s 0.29 s

Puissance

Maximale de

panneau

120 W 165 W 130 W 100.72 KW


82

Enfin, notre système proposé à de meilleurs résultats il devient plus rapide et plus précis on

utilisant un panneau photovoltaïque de 100,72 KW ces résultats sont de 0.006 % pour l’erreur

statique, 0.006 s pour le temps de poursuite et 0.088 s pour le temps de démarrage. Et on a

obtient aussi les résultats pour le Boost / réseaux, l’erreur statique est de 1.48 %, le temps de

poursuite est de 0.0005 s et le temps de démarrage est 0.29 s.

D’après les résultats obtenus de la simulation on peut avancer que :

Les performances du générateur photovoltaïque diminué avec la diminution de l’intensité

de l’éclairement et les variations de la charge. Les performances du générateur

photovoltaïque sont évaluées à partir les conditions standards de test (CST).

Le convertisseur DC-DC et la commande Neuro-Floue et très effective après la diminution

du nombre des règles. Le convertisseur fournit dans les conditions optimales une tension à

sa sortie supérieure à celle fournie par le générateur PV.

La commande Neuro-Floue réduite à de meilleures performances par rapport à d’autres

systèmes Neuro-floue à nombre de règle plus élevés.

L’utilisation de Neuro-Floue réduit a montré l’efficacité et la performance de la MPPT, sa

robustesse, sa rapidité et la précision de ses sorties lui permettent de donner des décisions

correctes et d’éviter les cas d’indécisions.

IV.9 Conclusion

Cette partie présente d’une manière expérimentale les résultats obtenus, nous avons présenté

l’application de la commande MPPT basée sur les Neuro-Floues réduit pour adapter le GPV de

moyenne puissance (100KW) à un réseau. On a simulé ce système, pour une température

constante et un éclairement variable (conditions climatiques). Le système Neuro-Flou simulé

a montré une robustesse et efficacité très encourageante. Les résultats obtenus et discuter valide

donc le système proposé.

Conclusion Générale

Conclusion générale

84

CONCLUSION GENERALE

La demande mondiale en énergie évolue rapidement et les ressources naturelles de l’énergie

telles que l'Uranium, le gaz et le pétrole diminuent en raison d'une grande diffusion et

développement de l'industrie ces dernières années. Pour couvrir les besoins en énergie, des

recherches sont conduits à l'énergie renouvelable. Une des énergies renouvelables qui peut

accomplir la demande est l’énergie solaire photovoltaïque, c’est une énergie propre, silencieuse,

disponible et gratuite. C’est d’ailleurs ce explique que son utilisation connaît une croissance

significative dans le monde. Cette demande exige des études dans le but d’améliorer le

rendement de cette énergie ce qui fait l’objectif de ce travail.

Il y’a plusieurs techniques de recherche du point de puissance maximale MPPT pour améliorer

ce rendement tel que Perturber et observer (P&O), l’incrémentation de la conductance

(IncCond), et des nouvelles techniques intelligent basé sur la logique floue, les réseaux de

neurones et neuro-floue cette dernière est utilisée avec de grand nombre de règles il y’ à qui on

arrive jusqu’à 49 règles, notre objectif est de réduire ce nombre, on a proposé un système neuro-

floue avec 8 règles.

Le travail présenté dans ce mémoire traite la simulation, l’optimisation et l’implantation d’un

système photovoltaïque qui comprend un générateur photovoltaïque, un convertisseur

survolteur « boost », une commande MPPT « Neuro-Floue réduit » et un onduleur triphasé à

trois niveaux raccordé au réseau.

Les résultats de simulation prouvent également que ce système peut s’adapter aux incertitudes

et donner de meilleures performances, il devient plus rapide, plus robuste et plus précis par

rapport aux autres systèmes neuro-floue à nombre de règle plus élevés.

L’objectif de cette étude est réalisé et on peut dire que la stratégie de contrôle proposée peut

être considérée comme une solution intéressante dans le domaine de la maîtrise des systèmes

photovoltaïques.

En ce qui concerne les perspectives de ce travail, nous pouvons citer :

Les résultats obtenus lors de notre travail encouragent la poursuite des recherches dans ce

sens nous pouvons également envisager de les améliorer par une éventuelle hybridation.

Effectuer des essais expérimentaux avec des panneaux solaires réels et non avec une source

programmable.

Proposer d’autres nouvelles techniques de poursuite de la puissance maximale plus

robustes.

Bibliographie

85

BIBLIOGRAFIE

[1] : MERABET Abd El Hak <<Dimensionnement d’un système d’alimentation en énergie

électrique par voie photovoltaïque pour l’alimentation d’une habitation >>, MÉMOIRE DE

MASTER, Université Mohamed Khider de Biskra, 2018.

[2] : TATI Fethallah et BEN LAMOUDI Oussama <<Etude et Réalisation d'un Système

Photovoltaïque Optimisé par Logique Floue>>, Mémoire MASTER ACADEMIQUE,

UNIVERSITE KASDI MERBAH OUARGLA, 2018.

[3] : LITIM Ahlam et ABID Zouleykha <<Application de la Logique Floue pour la Poursuite

du Point de Puissance Maximale d'un Générateur Photovoltaïque>>, Mémoire de Fin d’Etudes,

2017.

[4] : RAKZA Badreddine et OUANAS Souhila <<MODÉLISATION ET COMMANDE DU

SYSTÈME PHOTOVOLTAÏQUE PAR LES RÉSEAUX DE NEURONES>>, Mémoire

présenté pour l’obtention Du diplôme de Master Académique, UNIVERSITE MOHAMED

BOUDIAF - M’SILA, 2016/2017.

[5] : M. BOULKOUANE.MOURAD et M.DJABELLAH.NASSIM <<Influence des

générateurs photovoltaïques Sur la stabilité des réseaux électriques >>, Mémoire de fin d’étude,

Université A. MIRA, Bejaia ,2016.

[6] : MANSOURI Abdallah << Commande des Onduleurs Multiniveaux>>, MEMOIRE DE

FIN D’ETUDES EN VUE DE L’OBTENTION DU DIPLOME, UNIVERSITE DE

MOHAMED BOUDIAF-M’SILA, 2015/2016.

[7] : BOUKAROURA Abdelkader << Modélisation et Diagnostic d’un Onduleur Triphasé par

l’Approche BondGraph>>, MEMOIRE Présenté pour l’obtention du Diplôme, UNIVERSITE

FERHAT ABBAS DE SETIF, 2009.

[8] : L. Boufenneche << Généralités sur les réseaux électriques>>.2017/2018.

[9] : P-A CHAMOREL « Energie Electrique II : paramètres électriques des lignes » Ecole

d’ingénieur LAUSANE (EIL), 1994.

[10] : EL MOUBARAKI.R, HAITOF.S, KATIBI.S, AREJDAL.A, Hasnaoui.S << Commande

MPPT d’un système photovoltaïque par les Réseaux NEURO-FLOUS>>,2014/2015.

[11] : Mr. MESSAOUDENE Hichem << Détermination intelligente de la puissance maximale

des modules photovoltaïques>>, Mémoire Présenté en vue de l’obtention du diplôme de

Magister, UNIVERSITE EL HADJ LAKHDAR BATNA, 2013/2014.

[12] : << Etude et Caractérisation sous Matlab/Simulink d’un Générateur Photovoltaïque >>

Bibliographie

86

Ouada Mehdi, Tarfaya Anis, Dr M.S. Meridjet, Dr Dib Djalel, Département de Génie

Electrique, Université de Tebessa, Article 2012.

[13]:<<Commande neuro-floue d’un hacheur MPPT>>, F.Belhachat, C. Larbes, L. Barazane,

S. Kharzi, Ecole Nationale Polytechnique, Département D’électronique. Article 2007.

[14] : <<A Comparative Study on Maximum Power Point Tracking Techniques for

Photovoltaic Power Systems>>, Bidyadhar Subudhi, Senior Member, IEEE, and Raseswari

Pradhan, Article 2013.

[15] : Les méthodes d’optimisation du (MPPT) 2018, https://nanopdf.com/download/chapitre-

iii23-09_pdf

[16] : Mr : BELKAID ABDELHAKIM << Conception et implémentation d’une commande

MPPT de haute performance pour une chaine de conversion photovoltaïque autonome>>

Mémoire Pour l’obtention du diplôme de DOCTORAT EN SCIENCES, UNIVERSITE

FERHAT ABBAS - SETIF 1, 2015.

[17] : Commande MPPT et Contrôle d’un Système Photovoltaïque par la Logique Floue, Z.

Ayache, A. Bendaoud, H. Slimani, B. Benazza, H. Miloudi, A. Bentaallah. Laboratoire

IRECOM, Université Djilali Liabès. Article.

[18] : MAYOUF Somia<<Modélisation et simulation d’un système photovoltaïque connecté

au réseau électrique avec une commande vectorielle>>, MEMOIRE DE MASTER,

UNIVERSITE MOHAMED BOUDIAF - M’SILA, 2016.

[19] : Maximum Power Point Tracking Control for Photovoltaic System Using Adaptive

Neuro- Fuzzy ”ANFIS”, Tarek Boutabba, Said Drid, Mohamed Benbouzid, University of

Khanchela, Article 17 Oct 2013.

[20] : Efficiency Boosting for PV Systems- MPPT Intelligent Control Based, Farhat Maissa

and Sbita Lassâad, Article 2015.

[21] : INTERNATIONAL JOURNAL OF ELECTRONICS, MECHANICAL AND

MECHATRONICS ENGINEERING, Implementation and Evaluation of Maximum Power

Point Tracking (MPPT) Based on Adaptive Neuro-Fuzzy Inference System for Photovoltaic

PV System, Abd El Hakim Ali Elagori, M. Emin Tacer, Article 2016.

[22] : Les panneaux solaires utilisent l'énergie du Soleil, une ressource abondante et inépuisable.

https://www.futura-sciences.com/planete/definitions/energie-renouvelable-panneau-solaire-

7971/.

https://nanopdf.com/download/chapitre-iii23-09_pdf

https://nanopdf.com/download/chapitre-iii23-09_pdf

https://www.futura-sciences.com/planete/definitions/energie-renouvelable-panneau-solaire-7971/

https://www.futura-sciences.com/planete/definitions/energie-renouvelable-panneau-solaire-7971/

Documents

MÉMOIRE - biblio.univ-annaba.dzbiblio.univ-annaba.dz/ingeniorat/wp-content/uploads/2019/10/Zaiem... · A l’aide de dieu tout puissant, qui m’a tracé le chemin de ma vie, j’ai