‫وزارة التعليــم العالـي والبحـث العلمـي‬
‫جامعــــــة باجـــــي مختـــار عنـابــة‬
BADJI MOKHTAR- ANNABA UNIVERSITY
UNIVERSITÉ BADJI MOKHTAR- ANNABA
Faculté : Sciences de L’Ingéniorat
Département : Électromécanique
MÉMOIRE
Présenté en vue de l’obtention du diplôme de Master
EEeeeee
Commande d’un système photovoltaïque par
contrôleur Neuro-Flou Réduit
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
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
،‫ ومع ذلك‬.‫ مثل أشعة الشمس ودرجة الحرارة‬،‫) على عدة عوامل مناخية‬GPV( ‫تعتمد الطاقة الناتجة للمولد الكهروضوئي‬
‫ يقترح هذا العمل طريقة تحكم ذكية وقوية استنادا‬.‫) لتحسين أداء النظام‬MPP( ‫يلزم تتبع الوقت الفعلي لنقطة التشغيل المثلى‬
‫ هذا التقليل يجعل من الممكن‬.‫الى وحدة التحكم المنخفضة للغموض العصبي (تقليل عدد القواعد) لتحديد هذه النقطة وتتبعها‬
.‫تخفيف البرنامج وتقليل وقت الحساب وبالتالي اداء أفضل‬
.)DC / AC( ‫) والمحول‬DC / DC( ‫ واجهة الطاقة‬،MPPT ‫ يتم توصيف النظام الكهروضوئي الذي يدمج‬،‫لهذا الغرض‬
.MATLAB / Simulink ‫ثم تم تطوير نماذجهم تحت‬
،DC / DC ، ‫ األعصاب غامض‬، MPPT ،GPV ‫ مولد الطاقة الضوئية‬،‫ نظام الطاقة الضوئية‬:‫كلمات مفتاحية‬
.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
CHAPITRE I : Généralité sur le système photovoltaïque
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
CHAPITRE II : Les convertisseurs statiques et le réseau
électrique
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
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
CHAPITRE III : Les techniques de MPPT
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
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
CHAPITRE VI : Modélisation et simulation
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 I : Généralité sur le système photovoltaïque
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
CHAPITRE II : Les convertisseurs statiques et le réseau
électrique
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
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
CHAPITRE III : Les techniques de MPPT
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
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
CHAPITRE VI : Modélisation et simulation
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
Figure (IV.19) : Zoom de puissance d’hacheur survolteur et le réseau qui montre le temps de
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
CHAPITRE I : Généralité sur le système
photovoltaïque
Tableau (I.1) : Types de panneau photovoltaïque …………………………………………
7
CHAPITRE VI : Modélisation et simulation
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
Introduction Générale
Introduction Générale
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 neurofloue.
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.
1
Introduction Générale
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.
2
Généralité sue le système
photovoltaïque
Généralité sue le système photovoltaïque
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.
4
Généralité sue le système photovoltaïque
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.
5
Généralité sue le système photovoltaïque
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]
6
Généralité sue le système photovoltaïque
Technologie
Monocristallin
Polychristallin
Amorphe
Cellule et
module
Caractéristiq
-ues
Très bon rendement : Bon rendement :
Rendement faible :
14 à 20% une
11 à 15 %
5 à 9%
Durée de vie :
Durée de vie :
Durée de vie :
Importante (25ans)
Important (25ans)
Cout de fabrication :
Cout de fabrication :
Assez importante
(20ans)
Elevé
meilleur marché que
Puissance :
les panneaux
100 à 150 WC /m²
monocristallins
Rendement faible
sous un faible
éclairement
Puissance :
Pert de rendement
Rendement faible
100Wc/m²
avec l’élévation de la sous un faible
éclairement
température
Pert de rendement
Fonctionne qu’avec
un fort ensoleillement avec l’élévation de la
température
Couleur bleue
uniforme
Possède une meilleure
résistance à une haute
Cout de fabrication :
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
de température
Part de
43%
47%
10%
marché
Tableau (I.1) : Types de panneau photovoltaïque
7
Généralité sue le système photovoltaïque
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
8
Généralité sue le système photovoltaïque
I.7 L’effet photovoltaïque
L’effet photovoltaïque est un phénomène physique propre à certains matériaux appelés semiconducteurs 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
9
Généralité sue le système photovoltaïque
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
10
Généralité sue le système photovoltaïque
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]
11
Généralité sue le système photovoltaïque
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.
12
Généralité sue le système photovoltaïque
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.
13
Généralité sue le système photovoltaïque

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.
14
Les convertisseurs statiques et
le réseau électrique
Les convertisseurs statiques et le réseau électrique
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]
16
Les convertisseurs statiques et le réseau électrique
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]
17
Les convertisseurs statiques et le réseau électrique
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
= Ig − IL
dt
(II. 1)
IC2 = C2
dV0
= −I0
dt
(II. 2)
dIL
= Vg − R L IL
dt
(II. 3)
IC1 = C1
dVg
= Ig − IL
dt
(II. 4)
IC2 = C2
dV0
= IL − I0
dt
(II. 5)
IL = L
Pour la deuxième période (1-α) TS :
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 :
18
Les convertisseurs statiques et le réseau électrique
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 Vi − VS 1
=
= [Vi − VS ]
∂t
L
L
(II. 6)
19
Les convertisseurs statiques et le réseau électrique
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
Vi
=−
∂t
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.
20
Les convertisseurs statiques et le réseau électrique
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.
21
Les convertisseurs statiques et le réseau électrique
Source
continue
Entrée
Sortie
Source
alternative
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).
22
Les convertisseurs statiques et le réseau électrique
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]
23
Les convertisseurs statiques et le réseau électrique
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.
24
Les convertisseurs statiques et le réseau électrique
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]
25
Les convertisseurs statiques et le réseau électrique
R
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.
26
Les convertisseurs statiques et le réseau électrique
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°
27
Les convertisseurs statiques et le réseau électrique
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
28
Les convertisseurs statiques et le réseau électrique
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
29
Les convertisseurs statiques et le réseau électrique
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
30
Les convertisseurs statiques et le réseau électrique
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.
31
Les convertisseurs statiques et le réseau électrique
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.
32
Les convertisseurs statiques et le réseau électrique
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.
33
Les convertisseurs statiques et le réseau électrique
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.
34
Les convertisseurs statiques et le réseau électrique
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.
35
Les convertisseurs statiques et le réseau électrique
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.
36
Les techniques de MPPT
Les techniques de MPPT
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]
V
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.
38
Les techniques de MPPT
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]
39
Les techniques de MPPT
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]
40
Les techniques de MPPT
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 d(IV)
dI
∆I
=
= I+V
=I+V
dV
dV
dV
∆V
(III. 4)
∆I
1
=−
∆V
V
∆I
1
>−
∆V
V
(III. 5)
∆I
1
<−
∆V
V
Alors, l’équation (III.3) peut être écrite comme suit :
dI / dV = - I / dV
au Mpp
dI / dV > - I / dV
à gauche du MPP
(III.6)
41
Les techniques de MPPT
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 courtcircuit 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.
42
Les techniques de MPPT
e=
I dI
+
V 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
43
Les techniques de MPPT
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)
44
Les techniques de MPPT
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.
Méthode floue
Entrée
Fuzzification
Inférence
Défuzzification
Sortie
Contrôle par logique floue
Figure (III. 7) : Structure générale d'un système basé sur la logique floue [17]
45
Les techniques de MPPT
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
46
Les techniques de MPPT
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 :
n
Vj = ∑
i=1
Wi.j Xi b
(III. 8)
g : La fonction d’activation, ou fonction de transfert :
47
Les techniques de MPPT
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
48
Les techniques de MPPT
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.
49
Les techniques de MPPT
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 :
N
Cm = ∑
Xn wnm
(III. 9)
n=1
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 :
M
Oj = ∑
ym umj
(III. 11)
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)
50
Les techniques de MPPT
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 :
(i+1)
umj
(i)
= umj + α1 (t j − 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 :
(i+1)
wnm
(i)
= wnm + α2 . {∑
J
(t j − Zj )g ′ (Oj ). umj } (f ′ (Cm ))(xn )
(III. 16)
j=1,i=1
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]
51
Les techniques de MPPT
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.
52
Les techniques de MPPT
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
Numériques
Réseaux de
neurones
Apprentissage
Données
linguistiques
Neuro-Flou
Logique Floue
Expressions linguistique
Figure (III.14) : Association réseau neuro-flou
53
Les techniques de MPPT
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.
DC
GPV
Charge
DC
Le rapport cyclique D
∆I
I
V
Bloc de
calcul de
paramètres
Commande MPPT par
réseaux neuro-flous
∆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 :
∆V
∆I
Figure (III.16) : Illustration de l'ANSIF pour la poursuite du point à puissance maximale
54
Les techniques de MPPT
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 ) = P1 x1 + q1 x2 + r1
(III. 17)
Si x1 est A2 et x2 estB2 Alors y1 = f2 (x1 , x2 ) = P2 x1 + q 2 x2 + 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
55
Les techniques de MPPT
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 :
Oki = f(Ok−1
, … . . , Ok−1
i
nk−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
Vi =
Wi
W1 + W2
(III. 21)
(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.
56
Les techniques de MPPT
O4i = Vi × fi = Vi (Pi x1 + q i x2 + 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.
O5i = 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.
57
Modélisation et simulation
Modélisation et simulation
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.
Panneau
photovoltaïque
Hacheur
survolteur
Onduleur
Réseau
électrique
Neuro-Floue
Réduit
Commande MPPT
Figure(IV.1) : Schéma synoptique du système GPV par Neuro-Floue Réduit
59
Modélisation et simulation
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 + k i ∆T)
G
Gn
∆T = (T − Tn )
(IV. 2)
(IV.3)
Iph : courant photonique généré dans les conditions standard (A).
60
Modélisation et simulation
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 :
Vco + k i ∆T
Isat = (Isc + K i ∆T)/exp(
)−1
AVT
(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 + R s I)
R sh
(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.
61
Modélisation et simulation
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
62
Modélisation et simulation
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
63
Modélisation et simulation
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)
64
Modélisation et simulation
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 :
𝑉
𝑉𝑝𝑣
𝑒
𝑉𝑠 =1−𝐷
=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 :
𝑉𝑝𝑣 (1−D)𝑉𝑠
=
=
𝐼𝑝𝑣 𝐼𝑠⁄
(1−𝐷)
𝑅𝑝𝑣 =
𝑅𝑠 (1-D) 2
(IV.13)
Alors, le rapport cyclique D s’écrit en fonction des résistances 𝑅𝑝𝑣 et 𝑅𝑆
𝑅𝑝𝑣
𝑅𝑆
𝑅𝑝𝑣
=(1 − 𝐷)2 ⟹D=1-√ 𝑅
𝑆
(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 𝑅𝑠 donnée, 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).
65
Modélisation et simulation
Condensateur C1
12000𝒆−𝟎𝟔 F
Condensateur C2
100𝑒 −03 F
Inductance
5𝑒 −03 H
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.
R
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 :
66
Modélisation et simulation
(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)
67
Modélisation et simulation
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 :
68
Modélisation et simulation
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 neuroflou, de telle manière que cette dernière est minimisée avec une erreur tendant vers zéro
pour que le système atteigne les sorties désirées.
69
Modélisation et simulation
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 :
70
Modélisation et simulation
5. La visualisation des deux entrées données par des fonctions d’appartenance
triangulaires est montrée sur les deux graphiques suivants :
71
Modélisation et simulation
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.
72
Modélisation et simulation
En dernier nous illustrons le graphe de relation entre les 2 entrées et la sortie appelé « graphe
de surface », comme sur la figure :
73
Modélisation et simulation
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.
L'éclairement (kw/m²)
La variation de l'éclairement en fonction du temps
1000
800
600
400
200
0
0.5
1
1.5
Le temps(sec)
2
2.5
3
Figure (IV.9) : La variation de l'éclairement en fonction de temps
74
Modélisation et simulation
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.
La tension générée par le panneau
La tention(volt)
400
300
200
100
0
0
0.5
1
1.5
Le temps(sec)
2
2.5
3
Figure (IV.10) : La tension générée par le panneau
La variation du rapport cyclique
Le rapport cyclique
0.5
0.49
0.48
0.47
0.46
0.45
0
0.5
1
1.5
Le temps (sec)
2
2.5
3
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.
75
Modélisation et simulation
Puissance Panneau / Puissance Boost
120
Power(kW)
100
80
60
40
Puissance Panneau
Puissance Boost
20
0
0
0.5
1
1.5
Temps (sec)
2
2.5
3
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.
Zoom de Puissance Panneau / Puissance Boost
102
Power(kW)
101
100
99
Puissance Panneau
Puissance Boost
98
97
Temps de Démarage
96
0
0.02
0.04
0.06
0.08
0.1
0.12
Temps (sec)
0.14
0.16
0.18
Figure (IV.13) : Zoom de puissance de panneau et d’hacheur survolteur qui montre le temps de
démarrage
Zoom de Puissance Panneau / Puissance Boost
Power(kW)
100.72
100.718
100.716
Erreur Statique
Puissance Panneau
Puissance Boost
100.714
100.712
0.433
0.433
0.433
0.433 0.4331 0.4331 0.4331 0.4331 0.4331 0.4332
Temps (sec)
Figure (IV.14) : Zoom de puissance de panneau et d’hacheur survolteur qui montre l’erreur statique
76
Modélisation et simulation
Zoom de Puissance Panneau / Puissance Boost
53.7
Power(kW)
53.6
Puissance Panneau
Puissance Boost
53.5
53.4
53.3
Temps de Poursuit
53.2
0.984
0.986
0.988
0.99
Temps (sec)
0.992
0.994
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.
Puissance de Boost/Puissance de Réseau
150
Puissance (kW)
100
50
0
Puissance de Boost
-50
-100
0
Puissance de Réseau
0.5
1
1.5
Temps (sec)
2
2.5
3
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.
77
Modélisation et simulation
Zoom de Puissance de Boost/Puissance de Réseau
Puissance (kW)
105
100
95
90
85
Temps de Démarrage
Puissance de Boost
Puissance de Réseau
80
0.05
0.1
0.15
0.2
0.25
Temps (sec)
0.3
0.35
Figure (IV.17) : Zoom de puissance d’hacheur survolteur et le réseau qui montre le temps de
démarrage
Zoom de Puissance de Boost/Puissance de Réseau
101.5
Puissance de Boost
Puissance de Réseau
Puissance (kW)
101
100.5
100
Erreur statique
99.5
99
98.5
98
0.425
0.43
0.435
0.44
0.445 0.45
Temps (sec)
0.455
0.46
0.465
Figure (IV.18) : Zoom de puissance d’hacheur survolteur et le réseeau qui montre l’erreur statique
Zoom de Puissance de Boost / Puissance de Réseau
71.15
Puissance de Boost
Puissance de Réseau
Puissance (kW)
71.14
71.13
71.12
71.11
Temps de poursuite
71.1
71.09
0.8818
0.8819
0.882
0.8821 0.8822
Temps (sec)
0.8823
0.8824
0.8825
Figure (IV.19) : Zoom de puissance d’hacheur survolteur et le réseau qui montre le temps de poursuit
78
Modélisation et simulation
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.
La tension de l'onduleur
600
La tension(volt)
400
200
0
-200
-400
-600
0
0.5
1
1.5
Le temps(sec)
2
2.5
3
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.
Zoom de la tension d'onduleur
600
La tension(volt)
400
200
0
-200
-400
-600
0
2000
4000
6000
Le temps(sec)
8000
10000
12000
Figure (IV.21) : Zoom de la tension d'onduleur
La tension du réseau
4
La tension(volt)
2
x 10
1
0
-1
-2
0
0.5
1
1.5
Le temps(sec)
2
2.5
3
Figure (IV.22) : La tension du réseau
79
Modélisation et simulation
Zoom de la tension du réseau
4
La tension(volt)
2
x 10
1
0
-1
-2
0.35
0.4
0.45
0.5
Le temps(sec)
0.55
0.6
0.65
Figure (IV.23) : Zoom de la tension du réseau
Le courant du réseau
Le courant(Amp)
4
2
0
-2
-4
-6
0
0.5
1
1.5
Le temps(sec)
2
2.5
3
Figure (IV.24) : Le courant du réseau
Zoom de courant du réseau
Le courant(Amp)
4
2
0
-2
-4
0.35
0.4
0.45
0.5
Le temps(sec)
0.55
0.6
Figure (IV.25) : Zoom de courant du réseau
80
Modélisation et simulation
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.
Panneau / Boost
Boost /réseau
Système
A 49 règles
A 25 règles
A 16 règles
Le système proposé
Neuro-Floue
[19]
[20]
[21]
A 8 règles
0.89 %
0.6 %
1.53 %
0.006 %
1.48%
0.003s
0.006s
0.0005 s
0.088 s
0.29 s
Erreur
statique
Temps de
poursuite
Temps de
démarrage
0.5 s
0.15 s
0.007 s
120 W
165 W
130 W
Puissance
Maximale de
100.72 KW
panneau
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
81
Modélisation et simulation
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.
82
Conclusion Générale
Conclusion générale
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 neurofloue 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.
84
Bibliographie
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 >>
85
Bibliographie
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/chapitreiii23-09_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-solaire7971/.
86