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