Triki Yacine

DOSSIER D’IN
Thèse
Préparée dans le cadre d’une cotutelle pour l’obtention du grade deCe dossier doit être complété e
Les rubriques a
DOCTEUR DE L’UNIVERSITÉ MOULOUD MAMMERI
DE TIZI-OUZOU
Spécialité : Électronique
N° INE ou BEA :
et (se trouve sur le relevé de notes du baccalauréat)
DOCTEUR DE L’UNIVERSITÉ DE HAUTE-ALSACE

VOTRE ETAT CIVIL : (joindre la photocopie
Spécialité : Électronique, Électrotechnique et Automatique
Sexe : □ Madame
Nom de famille : TRIKI
Par :
Nom d’usage :
Yacine TRIKI
Né(e) le : 30/03/1993
Ville de naissance : Tizi-Ouzou

THÈME
CONTRIBUTION À L’OPTIMISATION DES SYSTÈMES HYBRIDES
VOTRE SITUATION FAMILIALE : (cochez la cas
DE PRODUCTION D’ÉNERGIES RENOUVELABLES
□ Seul(e)
□ Seul(e) avec enfant(s) Nbre : ……
Soutenue publiquement le 09 Décembre 2020 Devant le Jury :
Mourad LAGHROUCHE Professeur, Université Mouloud Mammeri, Tizi-Ouzou Président
Mickaël HILAIRET Professeur, Université de Franche-Comté, Belfort
VOTRE PREMIERE Rapporteur
INSCRIPTION DANS L
Hubert RAZIK Professeur, Université Claude Bernard Lyon 1, Lyon Rapporteur
Kaci GHEDAMSI Professeur, Université Abderrahmane Mira, Bejaia ère
Examinateur
Votre 1 inscription dans l’enseignement sup
Ali BECHOUCHE Maître de Conférences A, Université Mouloud Mammeri, Co-Directeur
Tizi-Ouzou
ère
Votre 1 inscription en université française :
Djaffar OULD ABDESLAM Maître de Conférences HDR, Université de Haute-Alsace, Co-Directeur
ère
Mulhouse Votre 1 inscription à l’UHA :
BACCALAUREAT OU DIPLOME EQUIVALE
Thèse préparée au sein du Laboratoire de Conception et Conduite

Série du baccalauréat ou diplôme équiv
des Systèmes de Production - Tizi-Ouzou et L’Institut de
Mathématiques
Recherche en Informatique, Mathématiques, Automatique et
Signal - Mulhouse
Etablissement et ville
d’obtention : Lycée Colon
Remerciements
Les travaux de recherche présentés dans cette thèse sont le fruit d’une collaboration
entre le Laboratoire de Conception et Conduite des Systèmes de Production (L2CSP) de
l’Université Mouloud Mammeri de Tizi-Ouzou (UMMTO) et L’Institut de Recherche en
Informatique, Mathématiques, Automatique et Signal (IRIMAS) de l’Université de Haute-
Alsace (UHA) de Mulhouse. Cette thèse a été réalisée dans le cadre d’une convention de
cotutelle entre ces deux universités. Elle a été financée par le Partenariat Hubert Curien
(PHC)-Tassili (Projet N° 17MDU995). Je tiens tout d’abord à remercier chacun de ces
trois organismes.
Mes travaux de recherche ont été dirigés par Monsieur Ali BECHOUCHE, Maître de
Conférences Classe A à l’UMMTO et Monsieur Djaffar OULD ABDESLAM, Maître de
Conférences HDR à l’UHA.
J’exprime toute ma gratitude à Monsieur Ali BECHOUCHE pour avoir assuré de
manière agréable le suivi quotidien de mes recherches. Ses qualités scientifiques et rédac-
tionnelles, ses conseils et sa disponibilité sans faille ont grandement contribué à l’aboutis-
sement de ce travail.
Merci à Monsieur Djaffar OULD ABDESLAM pour son accueil et pour les moyens
matériels mis à ma disposition pour la réalisation de mes travaux de recherche. Ses com-
pétences scientifiques, son expérience, et ses qualités humaines m’ont beaucoup aidé dans
l’avancement de mes recherches.
Par la même occasion, je voudrais témoigner tout particulièrement ma reconnaissance
à Monsieur Hamid SEDDIKI, Professeur à l’UMMTO, pour sa participation efficace à mon
encadrement. Ses compétences, son expérience, ses idées, ses suggestions et sa disponibilité
m’ont été d’un apport absolu à l’élaboration de cette thèse. Sa contribution est tellement
importante qu’on peut trouver ses apports dans toutes les pages de ce document.
J’exprime mes sincères remerciements à Monsieur Mourad LAGHROUCHE, Profes-
seur à l’UMMTO, d’avoir accepté d’examiner mon travail et de présider le jury de cette
thèse.
Que Monsieur Mickaël HILAIRET, Professeur à l’Université de Franche-Comté, Rap-
porteur de cette thèse, trouve ici l’expression de mes plus vifs remerciements pour avoir
accepté d’évaluer ce travail.
Je remercier Monsieur Hubert RAZIK, Professeur à l’Université Claude Bernard Lyon
1, Rapporteur de cette thèse, d’avoir accepté d’évaluer ma thèse.
J’exprime ma reconnaissance à Monsieur Kaci GHEDAMSI, Professeur à l’Université
Abderrahmane Mira de Bejaia, pour avoir accepté d’examiner ce travail et de faire partie
du jury.
Acronymes
ADALINE Neurone linéaire adaptatif (Adaptive linear neuron)

CA Courant alternatif
CC Courant continu
DPC Commande directe de puissance (Direct power control )
EnR Énergie renouvelable
FNA Filtre neuronal adaptatif
FPB Filtre passe-bas
FPT Filtre passe-tout
FV Flux virtuel
GPV Générateur photovoltaïque
IC Incrémentation de la conductance (Incremental conductance)
IGBT Transistor bipolaire à grille isolée (Insulated-gate bipolar transistor )
INCO Incrément de conductance (Incremental conductance)
INRE Résistance instantanée (Instantaneous resistance)
IP Intégral-proportionnel
Li-ion Ions de lithium
Li-Po Lithium polymère
LMS Algorithme des moindres carrés (Least mean square)
MLI Modulation de largeur d’impulsion
MPC Commande prédictive à modèle de référence (Model predictive control )
MPPT Poursuite du point de puissance maximale (Maximum power point
tracking)
MSAP Machine synchrone à aimants permanents
Ni-Cd Nickel cadmium
NiMH Hydrures métalliques de nickel
NOCT Température nominale de fonctionnement de la cellule (Nominal
operating cell temperature)
OSG Générateur de signal orthogonal (Orthogonal signal generator )
P&O Perturbation et observation (Perturb and observe)
PDPC Commande directe de puissance prédictive (Predictive direct power
control )
PI Proportionnel-intégral
PLL Boucle à verrouillage de phase (Phase locked-loop)
PPM Point de puissance maximale
PQ Puissances active et réactive
PV Photovoltaïque
RNA Réseau de neurones artificiels
RT Retard temporel (Time delay)
SHSER Système hybride à sources d’énergies renouvelables
SoC État de charge (State of charge)
SOGI Intégrateur généralisé de second ordre (Second-order generalized
integrator )
STC Conditions de test standard (Standard test conditions)
TH Transformée de Hilbert
THD Taux de distorsion harmonique (Total harmonic distortion)
VOC Commande par orientation du vecteur de tension (Voltage-oriented
control )
iii
Table des matières
Table des figures vii
Liste des tableaux xiv
Introduction générale 1
1 Systèmes hybrides et introduction à la technique neuronale ADALINE 5

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Systèmes hybrides de production d’EnRs . . . . . . . . . . . . . . . . . . . 7
1.2.1 Sources d’EnRs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Systèmes hybrides . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3 Classification des systèmes hybrides . . . . . . . . . . . . . . . . . . 10
1.2.4 Système hybride étudié . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.5 Exigences en termes de commande du système hybride étudié . . . 14
1.3 Techniques neuronales pour la commande du système hybride . . . . . . . 15
1.3.1 Concept des RNAs . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Réseau ADALINE . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Commandes neuronales adaptatives pour l’extraction du maximum de

puissance dans les systèmes PVs 22
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Description du système PV étudié . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Modèle électrique d’une cellule PV . . . . . . . . . . . . . . . . . . . . . . 26
2.3.1 Détermination des paramètres du panneau PV exploité . . . . . . . 27
2.3.2 Caractérisation du panneau PV . . . . . . . . . . . . . . . . . . . . 29
2.4 Extraction du maximum de puissance . . . . . . . . . . . . . . . . . . . . . 29
2.4.1 Modèle du hacheur Boost . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.2 Principe de recherche du PPM . . . . . . . . . . . . . . . . . . . . . 31
2.5 Algorithmes MPPTs à base de la technique ADALINE . . . . . . . . . . . 33
2.5.1 Algorithme INCO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5.2 Algorithme INRE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3 Commande d’une éolienne à base d’une MSAP 58

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2 Système de conversion de l’énergie éolienne . . . . . . . . . . . . . . . . . . 61
3.3 Configuration globale du système éolien étudié . . . . . . . . . . . . . . . . 62
3.4 Modélisation aérodynamique et mécanique de la turbine . . . . . . . . . . 62
TABLE DES MATIÈRES
3.4.1 Modélisation aérodynamique . . . . . . . . . . . . . . . . . . . . . . 62

3.4.2 Modélisation mécanique . . . . . . . . . . . . . . . . . . . . . . . . 64
3.5 Maximisation de la puissance d’une turbine éolienne . . . . . . . . . . . . . 65
3.5.1 Commande MPPT sans asservissement de la vitesse de rotation . . 66
3.5.2 Commande MPPT avec asservissement de la vitesse de rotation . . 68
3.6 Modélisation de la MSAP . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.6.1 Modèle électrique de la MSAP dans le repère (abc) . . . . . . . . . 72
3.6.2 Modèle électrique de la MSAP dans le repère (dq) . . . . . . . . . . 72
3.6.3 Expressions des puissances active et réactive statoriques . . . . . . 73
3.6.4 Expression du couple électromagnétique . . . . . . . . . . . . . . . 74
3.7 Modélisation du redresseur triphasé à MLI . . . . . . . . . . . . . . . . . . 75
3.8 Commande du système de conversion de l’énergie éolienne . . . . . . . . . 76
3.8.1 Commande vectorielle de la MSAP . . . . . . . . . . . . . . . . . . 76
3.8.2 Génération des rapports cycliques . . . . . . . . . . . . . . . . . . . 79
3.9 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.10 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4 Étude du système de stockage d’énergie et régulation de la tension du

bus continu 86
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.2 Architecture du système de stockage étudié . . . . . . . . . . . . . . . . . . 89
4.3 Stockage de l’énergie dans les systèmes hybrides . . . . . . . . . . . . . . . 89
4.3.1 Stockage électrochimique . . . . . . . . . . . . . . . . . . . . . . . . 90
4.3.2 Batteries au plomb-acide . . . . . . . . . . . . . . . . . . . . . . . . 91
4.4 Modélisation électrochimique et électrique de la batterie . . . . . . . . . . 92
4.4.1 Modèle électrochimique . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.4.2 Modèles électriques . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.5 Modèle du hacheur Buck-Boost . . . . . . . . . . . . . . . . . . . . . . . . 95
4.6 Régulation de la tension du bus continu . . . . . . . . . . . . . . . . . . . . 97
4.6.1 Mise en œuvre de la boucle interne de régulation du courant . . . . 98
4.6.2 Mise en œuvre de la boucle externe de régulation de la tension . . . 99
4.7 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5 Conversion continu-alternatif dans les SHSERs 105

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2 Commande dq d’un onduleur monophasé à MLI isolé du réseau . . . . . . 108
5.2.1 Modèle de l’onduleur monophasé à MLI . . . . . . . . . . . . . . . 108
5.2.2 Principe de la commande dq d’un onduleur monophasé . . . . . . . 109
5.2.3 Principe de l’OSG proposé . . . . . . . . . . . . . . . . . . . . . . 110
5.2.4 Modèle dq de l’onduleur monophasé . . . . . . . . . . . . . . . . . . 114
5.2.5 Régulation de la tension de sortie de l’onduleur monophasé . . . . 115
5.2.6 Validation expérimentale . . . . . . . . . . . . . . . . . . . . . . . . 118
5.3 Commande PDPC-FV d’un onduleur triphasé à MLI connecté au réseau . 124
5.3.1 Commande PDPC conventionnelle . . . . . . . . . . . . . . . . . . 125
5.3.2 Concept du FV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.3.3 Estimation du FV . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.3.4 Estimateur FV-FNA proposé . . . . . . . . . . . . . . . . . . . . . 130
v
TABLE DES MATIÈRES
5.3.5 Commande PDPC-FV pour un fonctionnement dans des conditions

non équilibrées du réseau . . . . . . . . . . . . . . . . . . . . . . . . 134
5.3.6 Validation expérimentale . . . . . . . . . . . . . . . . . . . . . . . . 138
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6 Mise en œuvre et gestion énergétique du système hybride PV/éolien/

batteries 149
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.2 Architecture globale du système hybride PV/éolien/ batteries . . . . . . . 151
6.3 Mise en œuvre et simulation du système hybride . . . . . . . . . . . . . . . 153
6.3.1 Influence de la connexion et déconnexion d’une charge sur le fonc-
tionnement du système hybride . . . . . . . . . . . . . . . . . . . . 154
6.3.2 Influence des variations de la vitesse du vent sur les performances
du système hybride . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.3.3 Influence des variations de l’irradiance solaire sur les performances
du système hybride . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.4 Stratégie de gestion de l’énergie dans le système hybride . . . . . . . . . . 161
6.4.1 Modes de fonctionnement du SHSER étudié . . . . . . . . . . . . . 162
6.4.2 Stratégie de gestion d’énergie développée . . . . . . . . . . . . . . . 163
6.4.3 Analyse du fonctionnement global du système hybride et des per-
formances de la stratégie de gestion d’énergie proposée . . . . . . . 164
6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
Conclusion générale 169
Annexe 173
Bibliographie 178
Publications du doctorant 192
vi
Table des figures
1.1 Classification des systèmes hybrides . . . . . . . . . . . . . . . . . . . . . . 10

1.2 Configuration d’un système hybride avec un bus CC . . . . . . . . . . . . . 12
1.3 Configuration d’un système hybride avec un bus CA . . . . . . . . . . . . . 12
1.4 Configuration d’un système hybride avec un bus mixte . . . . . . . . . . . 13
1.5 Configuration du système hybride étudié . . . . . . . . . . . . . . . . . . . 14
1.6 Stratégies de commandes développées et appliquées au système hybride
étudié . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7 Topologie d’un neurone formel . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8 Structure générale d’un ADALINE . . . . . . . . . . . . . . . . . . . . . . 18
1.9 Principe de la méthode de descente du gradient . . . . . . . . . . . . . . . 19
2.1 Schéma bloc du système de conversion de l’énergie PV étudié . . . . . . . . 25

2.2 Modèle à une diode d’une cellule PV . . . . . . . . . . . . . . . . . . . . . 26
2.3 Algorithme d’identification des paramètres Rs et Rp d’un panneau PV . . . 28
2.4 Caractéristiques du panneau PV IFRI260-60 pour différents niveaux d’éclai-
rement (T = 25 °C) : (a) caractéristiques I-V et (b) caractéristiques P-V . 29
2.5 Caractéristiques du panneau PV IFRI260-60 pour différentes températures
(G = 1000 W/m2) : (a) caractéristiques I-V et (b) caractéristiques P-V . . 30
2.6 Points de fonctionnement d’un GPV connecté directement avec différentes
charges (charges résistives, charge de type source de tension, et une charge
de type source de courant) . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7 Circuit de puissance d’un hacheur Boost . . . . . . . . . . . . . . . . . . . 31
2.8 Illustration du principe de l’algorithme P&O . . . . . . . . . . . . . . . . . 33
2.9 Organigramme de l’algorithme P&O . . . . . . . . . . . . . . . . . . . . . 33
2.10 Système PV contrôlé par l’algorithme INCO . . . . . . . . . . . . . . . . . 34
2.11 Structure du système PV contrôlé par la première variante de l’algorithme
INCO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.12 Résultats de simulation de la première variante de l’algorithme INCO : (a)
puissance, (b) tension, (c) courant, et (d) zoom sur le rapport cyclique . . 37
2.13 Structure du système PV contrôlé par la deuxième variante de l’algorithme
INCO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.14 Résultats de simulation de la deuxième variante de l’algorithme INCO : (a)
puissance, (b) tension, (c) courant, et (d) rapport cyclique . . . . . . . . . 39
2.15 Photo du banc d’essai : 1) PC-Pentium + carte dSPACE + ControlDesk,
2) connecteur entrée/sortie de la carte dSPACE, 3) hacheur Boost, 4) résis-
tance de charge, 5) capteur de tension, 6) capteur de courant, 7) gradateur
monophasé, 8) panneau PV, 9) lampes halogènes et 10) capteur d’irradiance
solaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
TABLE DES FIGURES
2.16 Profils d’irradiance pour l’évaluation des algorithmes MPPTs selon la norme
prEN 50530 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.17 Profils d’irradiance reproduits au laboratoire : (a) profil rapide avec G
passant d’un niveau moyen à élevé, (b) profil lent avec G passant d’un
niveau moyen à élevé, (c) profil rapide avec G passant d’un niveau faible à
moyen et (d) profil lent avec G passant d’un niveau faible à moyen . . . . . 42
2.18 Comparaison des résultats expérimentaux des algorithmes P&O et INCO
pour un profil rapide d’irradiance moyenne à élevée : (a) puissance, (b)
tension, (c) courant, et (d) rapport cyclique . . . . . . . . . . . . . . . . . 43
2.19 Évolution du poids et de l’erreur d’estimation de l’ADALINE pour un profil
rapide d’irradiance moyenne à élevée . . . . . . . . . . . . . . . . . . . . . 43
pour un profil lent d’irradiance moyenne à élevée : (a) puissance, (b) ten-
sion, (c) courant et (d) rapport cyclique . . . . . . . . . . . . . . . . . . . 44
lent d’irradiance moyenne à élevée . . . . . . . . . . . . . . . . . . . . . . . 45
pour un profil rapide d’irradiance faible à moyenne : (a) puissance, (b)
tension, (c) courant et (d) rapport cyclique . . . . . . . . . . . . . . . . . . 45
rapide d’irradiance faible à moyenne . . . . . . . . . . . . . . . . . . . . . . 46
pour un profil lent d’irradiance faible à moyenne : (a) puissance, (b) tension,
(c) courant et (d) rapport cyclique . . . . . . . . . . . . . . . . . . . . . . 46
lent d’irradiance faible à moyenne . . . . . . . . . . . . . . . . . . . . . . . 47
2.26 Comparaison des temps de convergence des deux algorithmes INCO et P&O
pour une variation en échelon d’irradiance (d’un niveau moyen à un niveau
élevé) : puissances PVs extraites et profil d’irradiance . . . . . . . . . . . . 47
2.27 Comparaison des temps de convergence des deux algorithmes INCO et P&O
pour une variation en échelon d’irradiance (d’un niveau faible à un niveau
moyen) : puissances PVs extraites et profil d’irradiance . . . . . . . . . . . 47
2.28 Système PV contrôlé par l’algorithme INRE . . . . . . . . . . . . . . . . . 48
2.29 Schéma topologique de l’algorithme INRE . . . . . . . . . . . . . . . . . . 50
2.30 Séquences des profils utilisés en simulation : (a) profil d’irradiance solaire
rapide et lent sous un bus continu constant (Udc = 300 V) et (b) évolution
de la tension du bus continu pour une irradiance solaire fixe (G = 1000
W/m2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.31 Comparaison des performances des algorithmes P&O et INRE pour un pro-
fil d’irradiation rapide et lent sous une tension du bus continu constante
(Udc = 300 V) : (a) puissances extraites, (b) zoom sur les puissances ex-
traites au régime permanent et (c) zoom sur les puissances extraites au
régime transitoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.32 Comparaison des performances des algorithmes P&O et INRE pour un
profil d’irradiation rapide et lent sous une tension du bus continu constante
(Udc = 300 V) : (a) courants de sortie du panneau PV, (b) zoom sur les
courants de sortie au régime permanent et (c) zoom sur les courants de
sortie au régime transitoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
viii
TABLE DES FIGURES
2.33 Comparaison des performances des algorithmes P&O et INRE pour un

profil d’irradiation rapide et lent sous une tension du bus continu constante
(Udc = 300 V) : (a) tensions de sortie du panneau PV, (b) zoom sur les
tensions de sortie au régime permanent et (c) zoom sur les tensions de
sortie au régime transitoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.34 Comparaison des performances des algorithmes P&O et INRE dans le cas
d’une variation de la tension du bus continu (G constant) : (a) Puissances
extraites, (b) courants de sortie du panneau PV et (c) tensions de sortie
du panneau PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.35 Séquences des profils utilisés en expérimentation : (a) profil d’irradiance
reproduit au laboratoir et (b) variation de la tension Udc induite par la
variation de l’irradiance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.36 Comparaison expérimentale des performances des algorithmes P&O et INRE :
(a) puissances extraites, (b) zoom sur les puissances extraites au régime
permanent et (c) zoom sur les puissances extraites au régime transitoire . . 56
2.37 Comparaison expérimentale des performances des algorithmes P&O et INRE :
(a) tensions de sortie du panneau PV, (b) courants de sortie du panneau
PV, (c) zoom sur les tensions de sortie au régime permanent et (d) zoom
sur les courants de sortie au régime permanent . . . . . . . . . . . . . . . . 57
3.1 Configuration globale du système éolien étudié . . . . . . . . . . . . . . . . 62

3.2 Coefficient de puissance de la turbine éolienne étudiée . . . . . . . . . . . . 64
3.3 Puissance aérodynamique de la turbine éolienne étudiée en fonction de la
vitesse mécanique pour différentes vitesses du vent . . . . . . . . . . . . . . 64
3.4 Schéma bloc du modèle aérodynamique et mécanique de la turbine éolienne 65
3.5 Zones de fonctionnement d’une éolienne à vitesse variable . . . . . . . . . . 66
3.6 Schéma bloc de la commande MPPT sans asservissement de la vitesse de
rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.7 Profil du vent appliqué . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.8 Résultats de simulation de la commande MPPT sans asservissement de la
vitesse de rotation : (a) puissance mécanique, (b) vitesse mécanique, (c)
vitesse relative et (d) coefficient de puissance . . . . . . . . . . . . . . . . . 68
3.9 Schéma bloc de la commande MPPT avec asservissement de la vitesse de
rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.10 Schéma bloc de la régulation de la vitesse de rotation . . . . . . . . . . . . 70
3.11 Résultats de simulation de la commande MPPT avec asservissement de la
vitesse de rotation : (a) puissance mécanique, (b) vitesse mécanique, (c)
vitesse relative et (d) coefficient de puissance . . . . . . . . . . . . . . . . . 71
3.12 Circuit équivalent de la MSAP dans le repère de Park : (a) suivant l’axe d
et (b) suivant l’axe q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.13 Schéma de puissance du redresseur triphasé à MLI . . . . . . . . . . . . . . 75
3.14 Schémas blocs de la commande du système éolien . . . . . . . . . . . . . . 76
3.15 Schémas bloc des boucles de régulation des courants statoriques id et iq . . 78
3.16 Schéma bloc détaillé de la commande du système éolien . . . . . . . . . . . 79
3.17 Profil du vent appliqué . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.18 Performances du système éolien : (a) puissance mécanique, (b) vitesse mé-
canique, (c) vitesse relative et (d) coefficient de puissance . . . . . . . . . . 81
3.19 Couple électromagnétique de la MSAP . . . . . . . . . . . . . . . . . . . . 81
ix
TABLE DES FIGURES
3.20 Puissances statoriques fournies par la MSAP : (a) puissance active et (b)
puissance réactive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.21 Grandeurs électriques de la MSAP suivant l’axe d : (a) tension statorique,
(b) courant statorique et (c) rapport cyclique . . . . . . . . . . . . . . . . 82
3.22 Grandeurs électriques de la MSAP suivant l’axe q : (a) tension statorique,
(b) courant statorique et (c) rapport cyclique . . . . . . . . . . . . . . . . 83
3.23 Puissance active statorique et puissance mécanique de la turbine . . . . . . 83
4.1 Architecture globale du système de stockage étudié (configuration corres-

pondante à la décharge des batteries) . . . . . . . . . . . . . . . . . . . . . 89
4.2 Modèle électrique simplifié de la batterie . . . . . . . . . . . . . . . . . . . 93
4.3 Modèle de Thévenin de l’accumulateur . . . . . . . . . . . . . . . . . . . . 93
4.4 Modèle dynamique de l’accumulateur [131] . . . . . . . . . . . . . . . . . . 94
4.5 Raccordement des batteries au bus continu via un hacheur Buck-Boost
(configuration correspondante à la décharge des batteries) . . . . . . . . . 95
4.6 Schéma fonctionnel du hacheur Buck-Boost . . . . . . . . . . . . . . . . . . 96
4.7 Structure de la commande adoptée contenant deux boucles de régulation . 97
4.8 Structure générale de la boucle interne de régulation du courant . . . . . . 99
4.9 Structure globale de la boucle externe de régulation de la tension . . . . . 100
4.10 Chronogrammes de tests : (a) échelon de la tension de référence Udc−ref et
(b) courant de charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.11 Réponse de la tension Udc à un échelon de tension de référence Udc−ref . . . 102
4.12 Réponse de la tension Udc suivant l’évolution du courant de charge (zoom) 102
4.13 Courant mesuré Ib et celui de référence Ib−ref dans les batteries suivant
l’évolution du courant de charge . . . . . . . . . . . . . . . . . . . . . . . . 103
4.14 Rapport cyclique du hacheur Buck-Boost durant les différentes phases de
fonctionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.1 Structure générale d’un onduleur de tension monophasé en pont complet

connecté à une charge monophasée à travers un filtre LC . . . . . . . . . . 109
5.2 Modèle moyen de l’onduleur monophasé étudié . . . . . . . . . . . . . . . . 110
5.3 Structure générale d’une commande dq d’un onduleur monophasé en utili-
sant l’OSG-RT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.4 Structure générale de la commande dq en utilisant l’OSG proposé . . . . . 112
5.5 Schéma bloc de l’OSG proposé basé sur un ADALINE . . . . . . . . . . . 112
5.6 Schéma bloc de la boucle interne de régulation du courant . . . . . . . . . 116
5.7 Schéma bloc de la boucle externe de régulation de la tension . . . . . . . . 117
5.8 Schéma globale de la commande dq proposée de l’onduleur monophasé . . . 117
5.9 Photo du banc d’essai : 1) PC-Pentium + carte dSPACE + ControlDesk,
2) connecteur entrée/sortie de carte dSPACE, 3) onduleur monophasé, 4)
capteurs de tensions et du courant, 5) sources de tension continue et 6)
charge monophasée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.10 Comparaison des performances de l’OSG proposé avec trois autres OSGs :
(a) tension de sortie suivent l’axe d et (b) courant de sortie suivent l’axe d 119
5.11 Performances de la commande dq conventionnelle (fonctionnement à vide) :
(a) tension de sortie et (b) spectre harmonique de la tension de sortie . . . 120
5.12 Performances de la commande dq proposée (fonctionnement à vide) : (a)
tension de sortie et (b) spectre harmonique de la tension de sortie . . . . . 120
x
TABLE DES FIGURES
5.13 Performances de la commande dq proposée durant le démarrage (charge

résistive) : (a) tension de sortie et (b) courant de charge . . . . . . . . . . . 121
5.14 Performances de la commande dq proposée en régime permanent (charge
résistive) : (a) tension de sortie et (b) spectre harmonique de la tension de
sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.15 Performances dynamiques de la commande dq proposée lors de la décon-
nexion et la reconnexion d’une charge résistive : (a) tension de sortie et (b)
courant de charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.16 Performances dynamiques de la commande dq proposée lors d’une chute
de 50% de la tension de sortie de référence : (a) tension de sortie et (b)
5.17 Performances de la commande dq proposée durant la procédure de démar-
rage (charge non linéaire) : (a) tension de sortie et (b) courant de charge . 123
5.18 Performances de la commande dq proposée en régime permanent (charge
non linéaire) : (a) tension de sortie et (b) spectre harmonique de la tension
de sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.19 Performances dynamiques de la commande dq proposée lors de la décon-
nexion et la reconnexion d’une charge non linéaire : (a) tension de sortie et
(b) courant de charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.20 Performances dynamiques de la commande dq proposée durant une chute
de 50% de la tension de sortie de référence : (a) tension de sortie et (b)
5.21 Commande PDPC conventionnelle d’un onduleur triphasé à MLI connecté
au réseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.22 Concept du FV dans le cas d’un onduleur triphasé connecté au réseau . . . 128
5.23 Structure générale de l’estimateur FV-FNA proposé . . . . . . . . . . . . . 130
5.24 Structure détaillée de l’intégrateur pur émulé . . . . . . . . . . . . . . . . . 131
5.25 Structure du FNA proposé pour le filtrage de ψα−i [le FNA implémenté
pour le filtrage de ψβ−i peut être déduit en remplaçant l’indice α par β et
en utilisant (5.42)] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.26 Schéma général du banc d’essai expérimental mis en œuvre pour le test de
la commande PDPC-FV proposée . . . . . . . . . . . . . . . . . . . . . . . 139
5.27 Photo du banc d’essai : 1) transformateur d’isolement, 2) résistances de
déséquilibre, 3) résistances du filtre RL, 4) inductances du filtre RL, 5)
onduleur triphasé, 6) résistance en série avec la source de tension continu
d’alimentation, 7) source de tension continu, 8) capteurs de courants, 9)
capteurs de tension, 10) connecteur entrée/sortie de la carte dSPACE et
11) PC-Pentium + carte dSPACE + ControlDesk . . . . . . . . . . . . . . 140
5.28 Résultats expérimentaux de la commande PDPC-FV proposée lors du dé-
marrage avec une chute de tension de 35% dans les phases a et b : (a)
tensions du réseau, (b) courants du réseau, (c) composantes αβ estimées
du FV et (d) puissances active, puissance réactive et nouvelle puissance
réactive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.29 Évolution de la tension du bus continu lors du démarrage (expérimentation)141
5.30 Performances de la commande PDPC conventionnelle lors de l’application
d’un déséquilibre de 35% dans la phase a (expérimentation) : (a) tensions
du réseau, (b) courants du réseau, (c) puissances active et réactive et (d)
tension du bus continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
xi
TABLE DES FIGURES
5.31 Spectre harmonique du courant ia obtenu avec la commande PDPC conven-

tionnelle sous un réseau déséquilibré : (a) courant ia du réseau et (b) spectre
harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.32 Performances de la commande PDPC-FV proposée lors de l’application
d’un déséquilibre de 35% dans la phase a (expérimentation) : (a) tensions
du réseau, (b) courants du réseau, (c) FV estimé, (d) puissances active et
réactive et (e) tension du bus continu . . . . . . . . . . . . . . . . . . . . . 144
5.33 Spectre harmonique du courant ia obtenu avec la commande PDPC-FV
proposé sous un réseau déséquilibré : (a) courant ia du réseau et (b) spectre
harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.34 Comparaison entre l’estimateur FV-SOGI et l’estimateur FV-FNA proposé
lors de l’application d’un déséquilibre de 35% dans les phases a et b (expé-
rimentation) : (a) tensions du réseau, (b) FV estimé par FV-SOGI, (c) FV
estimé par FV-FNA et (d) amplitudes des FV estimés . . . . . . . . . . . . 145
5.35 Performances de la commande PDPC-FV suivant une variation en échelon
de Udc−ref sous un déséquilibre dans la phase a (expérimentation) : (a)
tensions du réseau, (b) courants du réseau, (c) FV estimé (d) puissances
active et réactive et (e) tension du bus continu . . . . . . . . . . . . . . . . 146
5.36 Résultats de simulation de l’estimateur FV-FNA dans le cas d’un réseau
déséquilibré (déséquilibre de 35% dans les phases a et b) et distordue (avec
10% des harmoniques d’ordre 5 et 7) : (a) tensions du réseau, (b) cou-
rants du réseau, (c) FV estimé, (d) puissances active, puissance réactive et
nouvelle puissance réactive et (e) tension du bus continu . . . . . . . . . . 147
5.37 Spectre harmonique du courant ia dans le cas d’un réseau déséquilibré
(déséquilibre de 35% dans les phases a et b) et distordu (avec 10% des har-
moniques d’ordre 5 et 7) : (a) courant ia du réseau et (b) spectre harmonique148
6.1 Architecture globale du système hybride PV/éolien/batteries . . . . . . . . 152

6.2 Schéma synoptique de simulation du hacheur Buck-Boost et représentation
des différents courants affluants au bus continu . . . . . . . . . . . . . . . . 153
6.3 Schéma synoptique de simulation de l’onduleur monophasé à MLI avec
reconstitution du courant côté continu . . . . . . . . . . . . . . . . . . . . 154
6.4 Performances de l’onduleur à la connexion et déconnexion de la charge non
linéaire : (a) courant côté continu, (b) tension du bus continu et (c) tension
alternative à la sortie de l’onduleur . . . . . . . . . . . . . . . . . . . . . . 155
6.5 Influence de la connexion et déconnexion de la charge non linéaire sur
les performances des systèmes PV et éolien : (a) tension aux bornes des
panneaux PVs, (b) courant dans les panneaux PVs et (c) coefficient de
puissance de l’éolienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.6 Schéma synoptique de simulation du sous-système éolien . . . . . . . . . . 157
6.7 Performances du sous-système éolien sous une variation en échelon de la
vitesse du vent : (a) vitesse de rotation de la MSAP et (b) coefficient de
puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.8 Influence du changement de la vitesse du vent sur la tension du bus continu :
(a) courant du redresseur à MLI côté continu et (b) tension du bus continu 158
6.9 Schéma synoptique de simulation du sous-système PV et reconstitution du
courant Idc−pv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
xii
TABLE DES FIGURES
6.10 Grandeurs de sortie du sous-système PV sous variations de l’irradiance : (a)

tension aux bornes des panneaux PVs et (b) courant de sortie des panneaux
PVs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.11 Grandeurs de sortie du sous-système PV sous des variations en échelon de
l’irradiance : (a) courant à la sortie du hacheur Boost et (b) tension du bus
continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.12 Classification des stratégies de gestion d’énergie . . . . . . . . . . . . . . . 161
6.13 Organigramme de la stratégie de gestion d’énergie proposée . . . . . . . . . 164
6.14 Profils de test en mode de fonctionnement normal : (a) irradiance solaire,
(b) vitesse du vent et (c) puissance demandée . . . . . . . . . . . . . . . . 165
6.15 Evolution des puissances en mode de fonctionnement normal : (a) puissance
PV, (b) puissance éolienne et (c) puissance des batteries . . . . . . . . . . 166
6.16 Evolution de la tension du bus continu et des grandeurs de sortie du sous-
système de stockage en mode de fonctionnement normal : (a) tension du
bus continu, (b) courant des batteries et (c) état de charge des batteries . . 167
6.17 Performances de la stratégie de gestion d’énergie proposée en mode de
fonctionnement dégradé : (a) l’état de charge des batteries et (b) puissances
dans le SHSER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
A.1 Photo du hacheur Boost réalisé : 1) IGBT, 2) carte Driver, 3) inductance,
4) condensateur et 5) carte d’alimentation . . . . . . . . . . . . . . . . . . 173
A.2 Photo des capteurs de tension réalisés : 1) capteur LV25P, 2) résistance
primaire, 3) résistance de mesure et 4) alimentation symétrique . . . . . . 174
A.3 Photo des capteurs de courant réalisés : 1) capteur LA55P, 2) résistance de
mesure et 3) alimentation symétrique . . . . . . . . . . . . . . . . . . . . . 175
A.4 Photo de l’onduleur monophasé réalisé : 1) modules IGBTs, 2) cartes Dri-
vers, 3) inductance du filtre de sortie, 4) condensateur du filtre de sortie,
5) résistance d’amortissement et 6) carte d’alimentation . . . . . . . . . . . 175
A.5 Photo de l’onduleur triphasé utilisé : 1) modules IGBTs, 2) cartes Drivers
et 3) condensateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
A.6 Photo du contrôleur de puissance utilisé : 1) contrôleur de puissance, 2)
fusible rapide et 3) fusible temporisé . . . . . . . . . . . . . . . . . . . . . 177
xiii
Liste des tableaux
2.1 Caractéristiques du panneau IFRI260-60 sous les conditions de test standard 28

2.2 Paramètres de la plateforme expérimentale utilisée pour la validation de
l’algorithme INCO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3 Étude comparative entre l’algorithme P&O, les algorithmes proposés dans
[64]-[67], et l’algorithme INRE . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.1 Paramètres du système éolien utilisés dans la simulation . . . . . . . . . . 80
4.1 Paramètres de simulation du système de stockage . . . . . . . . . . . . . . 101
5.1 Paramètres de la plateforme expérimentale de test de la commande dq de

l’onduleur monophasé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.2 Fonctions de transferts du FPT de second ordre et de la TH . . . . . . . . 119
5.3 Paramètres du circuit électrique et du circuit de commande utilisés pour
la validation de la commande PDPC-FV proposée . . . . . . . . . . . . . . 140
Introduction générale
Au cours de ces dernières décennies, la production d’électricité d’origine renouvelable a

fait l’objet d’un regain d’intérêt considérable dans le monde en raison de la croissance des
besoins énergétiques et l’épuisement des combustibles fossiles [1]-[3]. Les sources d’éner-
gies renouvelables (EnRs) offrent l’avantage d’être inépuisables, non polluantes et mieux
réparties sur la planète. De plus, elles s’adaptent à la production décentralisée permet-
tant l’alimentation des régions isolées dépourvues d’accès au réseau électrique. Parmi
les EnRs, l’énergie photovoltaïque (PV) et l’énergie éolienne sont les plus explorées par
la communauté scientifique. Ces énergies demeurent un domaine d’investissement et de
développement permanent pour le secteur industriel [3]-[6]. Cependant, leur caractère
intermittent et aléatoire ne permet pas de garantir une continuité d’alimentation. Pour
cette raison, l’exploitation des EnRs se fait généralement en combinant plusieurs sources
d’énergie (PV, éolienne, diesel, etc.). Les systèmes résultants de ces combinaisons sont
communément appelés systèmes hybrides à sources d’EnRs (SHSERs) [7].
Un SHSER est un système contenant plus d’une source d’énergie parmi lesquelles au
moins une est de type renouvelable [8]. Les SHSERs peuvent fonctionner en mode isolé
du réseau [6], [9] ou en mode connecté au réseau [10], [11]. Néanmoins, ces systèmes
fonctionnent généralement en mode isolé du réseau. Ils sont exploités dans des régions qui
n’ont pas accès au réseau électrique. Dans ce cas, l’intégration d’un dispositif de stockage
revêt une importance particulière. Ce dispositif permet de stocker l’énergie excédentaire et
de la restituer ultérieurement dans l’éventualité d’un déficit énergétique [12]. Cet élément
contribue grandement à garantir la continuité d’alimentation en électricité.
Le travail présenté dans cette thèse concerne l’optimisation de la commande d’un
SHSER non connecté au réseau. Ce système hybride contient un bus commun à courant
continu (CC) connecté à deux sources d’EnRs (des panneaux PVs et une turbine éolienne),
à un système de conversion continu-alternatif (un onduleur monophasé à modulation de
largeur d’impulsion (MLI)) et à un système de stockage à base de batteries au plomb-
acide. Le choix d’une topologie avec un bus continu est motivé par sa simplicité et ces
bonnes performances en termes de rendement énergétique [8].
Les performances du système hybride étudié dans cette thèse dépendent essentielle-
ment de la qualité des stratégies de commandes appliquées à ses différents sous-systèmes
(PV, éolien, stockage et conversion continu-alternatif). Pour assurer une commande opti-
male, un ensemble d’exigences de fonctionnement relatives à chacun de ses sous-systèmes
doit être satisfait [5], [13]. Dans le système PV, le générateur PV (GPV) possède une
caractéristique courant-tension (I-V) non linéaire et sa courbe de puissance possède un
seul point de puissance maximale (PPM). Ce PPM dépend de l’irradiance solaire, de la
température de la cellule et de la charge appliquée. Par conséquent, un algorithme de
poursuite du point de puissance maximale (MPPT) doit être implémenté pour garantir
une exploitation optimale du GPV. De plus, la puissance générée doit être de meilleure
qualité avec le minimum de fluctuations. Dans le système éolien, la courbe de puissance

de la turbine éolienne possède un seul PPM pour chaque vitesse du vent. Afin d’atteindre
constamment le PPM, une commande MPPT doit être mise en œuvre. Comme nous avons
opté pour un SHSER avec un bus continu, la génératrice triphasée de l’éolienne est rac-
cordée au bus continu via un redresseur triphasé à MLI. Ainsi, l’extraction du maximum
de puissance doit être assurée via le contrôle de ce redresseur. Concernant le système de
stockage, sa commande doit accomplir deux fonctions. D’une part, elle doit assurer un
transfert bidirectionnel de l’énergie (charge et décharge des batteries). D’autre part, la
tension du bus continu doit être maintenue constante quelles que soient les perturbations.
Ces perturbations peuvent être dues aux variations de puissances à l’entrée et/ou à la sor-
tie du système de stockage ou à la nature des charges connectées au système hybride. Pour
la conversion continu-alternatif, la commande de l’onduleur monophasé doit répondre à
un ensemble d’exigences. Dans le cas d’un SHSER isolé du réseau, la tension de sortie de
l’onduleur doit être le plus sinusoïdale possible avec un faible taux de distorsion harmo-
nique (THD) (total harmonic distortion). De plus, la commande de l’onduleur doit réagir
instantanément et efficacement par rapport aux perturbations externes. Ces perturbations
peuvent être induites par d’autres systèmes connectés au bus continu ou par les charges
alimentées. Dans le cas d’un SHSER connecté au réseau, l’injection d’un courant sinu-
soïdal avec un faible THD reste une exigence imposée par le distributeur d’énergie. De
plus, un fonctionnement correct dans le cas d’un réseau déséquilibré et/ou distordu reste
également une autre exigence à satisfaire. Pour le système hybride global, l’intégration des
différents sous-systèmes dans un même système hybride doit être réalisée. L’interaction
entre les différents sous-systèmes doit être ainsi étudiée. Les performances du système
global doivent être testées par rapport à des variations aux niveaux des entrées de chacun
des sous-systèmes. Ces variations concernent principalement l’irradiance solaire, la vitesse
du vent et les charges alimentées. Par ailleurs, le SHSER doit être en mesure de répondre
efficacement aux besoins énergétiques de l’utilisateur. Une stratégie de gestion de l’énergie
produite et consommée dans le SHSER doit être mise en œuvre. Cette stratégie doit éga-
lement assurer le respect des plages de fonctionnement des différents éléments du système
hybride.
Dans le but d’optimiser le fonctionnement du système hybride étudié, nous proposons
dans cette thèse d’associer les réseaux de neurones artificiels (RNAs) à sa commande.
Les RNAs se sont imposés dans un grand nombre de domaines tels que le traitement de
signal, l’identification et plus particulièrement la commande des systèmes électriques. Ce
regain d’intérêt revient principalement à leur capacité d’adaptation et à leur aptitude à
fonctionner en ligne. L’intégration des RNAs dans la commande permet d’aller au-delà
des limites des méthodes classiques et apporte des possibilités novatrices dans le contrôle
des systèmes [14], [15]. Parmi la panoplie de techniques neuronales existantes, notre choix
c’est porté sur le neurone linéaire adaptatif (ADALINE) (adaptive linear neuron) [16],
[17]. En raison de sa simplicité de mise en œuvre, de sa rapidité de convergence et de
son aptitude à fonctionner en ligne, l’ADALINE est le RNA qui se prête le mieux à nos
applications. De plus, l’ADALINE présente des capacités de filtrage exceptionnelles, ce
qui fait de lui l’outil qui répond le mieux aux exigences de commande du système hybride
étudié.
Les travaux de cette thèse visent à optimiser l’ensemble des stratégies de commandes
des déférents sous-systèmes (PV/éolien/stockage/conversion continu-alternatif) consti-
tuant le SHSER étudié [18]-[25]. Cette thèse est structurée en six chapitres qui exposent
2
successivement les stratégies de commande mises en œuvre pour chaque sous-système. Les
chapitres sont décrits ci-après.
Dans le Chapitre 1, nous présentons un bref état de l’art sur les SHSERs et une in-
troduction à la technique neuronale ADALINE appliquée dans la commande du système
hybride étudié. Tout d’abord, nous commençons par donner quelques généralités sur les
sources d’EnRs et les configurations possibles des SHSERs. Ensuite, nous donnons l’archi-
tecture globale du SHSER étudié ainsi que ses exigences de fonctionnement. Enfin, nous
nous intéressons aux techniques neuronales qui peuvent être appliquées à la commande
du système hybride. Nous présentons en dernier les détails du réseau ADALINE qui est
retenu dans cette thèse pour la commande.
Dans le Chapitre 2, nous traitons la commande du système PV où deux nouveaux
algorithmes MPPTs à base de l’ADALINE sont développés [18], [20], [21], [24], [25]. Au
début, nous présentons un algorithme basé sur la connaissance de l’incrément de la conduc-
tance du GPV, appelé algorithme INCO (incremental conductance). Les performances de
cet algorithme sont validées expérimentalement suivant la norme européenne prEN 50530.
Une comparaison avec la méthode perturbation et observation (P&O) (perturb and ob-
serve) est également mise en œuvre. Par la suite, nous proposons un deuxième algorithme
basé sur la connaissance de la résistance instantanée du GPV, appelé algorithme INRE
(instantaneous resistance). Cet algorithme est proposé spécialement pour le cas où le sys-
tème PV est connecté à un bus continu. L’algorithme INRE est validé par simulation et
par expérimentation suivant la norme prEN 50530 sous différents scénarios et conditions
de fonctionnements. L’objectif de ce chapitre est de concevoir des algorithmes MPPTs
capable d’extraire le maximum de puissance du GPV quels que soient la dynamique et le
niveau d’irradiance solaire.
Le Chapitre 3 est consacré à la modélisation et à la commande d’un système éolien
de petite puissance en vue de son intégration dans le système hybride. Nous commen-
çons par modéliser les différents éléments de la chaîne de conversion à savoir la turbine
éolienne, la machine synchrone à aimants permanents (MSAP) et le redresseur triphasé
à MLI. Nous traitons ensuite la commande appliquée à ces éléments où nous concevons
une commande MPPT avec asservissement de la vitesse de rotation de la turbine. Cette
commande calcule un couple électromagnétique de référence qui est appliqué à la MSAP
via une commande vectorielle. Enfin, nous présentons et discutons les résultats obtenus
de la simulation de l’ensemble du système éolien. Le but de ce chapitre est la conception
d’une commande MPPT permettant d’extraire constamment le maximum de puissance à
partir de la puissance cinétique du vent disponible sur la surface des pales de la turbine.
Le Chapitre 4 est dédié à l’étude et la commande d’un système de stockage à base
de batteries plomb-acide [19]. Initialement, nous présentons la structure adoptée pour
la réalisation de ce système. Pour permettre le transfert bidirectionnel de l’énergie, nous
utilisons un hacheur abaisseur-élévateur (Buck-Boost) réversible en courant. Ensuite, nous
décrivons la commande développée pour ce système. Nous exploitons la technique de la
régulation en cascade où la boucle de régulation interne contrôle le courant des batteries
et la boucle de régulation externe contrôle la tension du bus continu. Enfin, nous testons
ce système sous différents scénarios susceptibles de survenir dans un SHSER. L’objectif de
ce chapitre est de concevoir un système capable de stocker et de restituer efficacement de
l’énergie dans un SHSER. De plus, la commande de ce système doit assurer une régulation
de la tension du bus continu à une valeur constante quel que soit l’échange de puissance.
3
Le Chapitre 5 traite de la conversion continu-alternatif [22], [23] où deux nouvelles

stratégies de commande sont développées. Au début, nous proposons une commande dans
le repère de Park (dq), nommée commande dq, d’un onduleur monophasé à MLI isolé du
réseau. Dans cette commande, nous développons un nouveau générateur de signal ortho-
gonal (OSG) (orthogonal signal generator ) basé sur un ADALINE, pour la génération des
composantes orthogonales des courants et des tensions requises pour cette commande. Par
la suite, nous proposons une commande directe de puissance prédictive (PDPC) (predic-
tive direct power control ) basée sur le flux virtuel (FV), nommée commande PDPC-FV.
Cette commande est appliquée à un onduleur triphasé à MLI connecté à un réseau élec-
trique déséquilibré et distordu. Dans le but d’améliorer les performances de la commande
PDPC-FV, nous développons un nouvel estimateur de FV basé sur un filtre neuronal
adaptatif (FNA). Ces deux nouvelles commandes sont validées par des simulations et des
expérimentations. Dans le cas de l’onduleur monophasé, les exigences relatives à la qualité
de sa tension de sortie et à la dynamique du système sont vérifiées même sous des charges
non linéaires. Dans le cas de l’onduleur triphasé, un fonctionnement correct de l’onduleur
même sous un réseau déséquilibré et/ou distordu est obtenu.
Finalement, dans le Chapitre 6, nous proposons la mise en œuvre et la simulation du
système hybride global. Nous proposons au début d’associer l’ensemble des sous-systèmes
(PV, éolien, batterie et conversion continu-alternatif) pour la réalisation d’un système
hybride isolé du réseau. Ce système est destiné à répondre aux besoins énergétiques d’un
habitat individuel en site isolé avec une puissance de consommation moyenne de quelques
centaines de Watts. Ensuite, nous élaborons une stratégie de gestion de l’énergie pro-
duite et consommée. Plusieurs modes de fonctionnement et divers scénarios sont ainsi
considérés. A la fin du chapitre, nous réalisons plusieurs tests de simulation pour montrer
l’efficacité du système hybride et tester l’interaction entre les différents sous-systèmes. Les
performances du système hybride sont testées sous différents modes de fonctionnement
(normal et dégradé). L’objectif de ce chapitre est de montrer la faisabilité d’intégrer les
différents sous-systèmes étudiés ainsi que les commandes proposées dans un même sys-
tème hybride. Par ailleurs, la stratégie de gestion de l’énergie doit satisfaire les besoins
énergétiques de l’utilisateur, garantir un rendement maximal du SHSER, permettre une
gestion optimale des transferts d’énergie et le respect des plages de fonctionnement des
différents éléments du système hybride.
Cette thèse s’achèvera par une conclusion générale résumant les principaux résultats
obtenus ainsi que les perspectives ouvertes par ce travail.
4
Chapitre 1
Systèmes hybrides et introduction à la

technique neuronale ADALINE
Résumé : Ce chapitre décrit un bref état de l’art sur les SHSERs et une introduction à la
technique neuronale ADALINE appliquée à la commande du système hybride étudié. Nous avons
débuté notre étude par donner quelques généralités sur les sources d’EnRs. Ensuite, nous nous
sommes intéressés aux SHSERs. Quelques notions de base nécessaires à la compréhension des
systèmes hybrides sont présentées. L’architecture globale du SHSER étudié dans cette thèse est
donnée. Les exigences de commande du SHSER pour un fonctionnement optimal sont par la
suite formulées. Afin de répondre à ces exigences, nous avons proposé d’exploiter les RNAs en
vue d’optimiser la commande du système hybride. Dans ce sens, nous avons exposé un bref
aperçu sur les RNAs et les processus d’apprentissage qui leurs sont associés. Pour finir, une
étude détaillée du réseau de neurones ADALINE, qui est exploité dans la commande du système
hybride, est réalisée.
Systèmes hybrides et introduction à la technique neuronale ADALINE
Sommaire
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Systèmes hybrides de production d’EnRs . . . . . . . . . . . . 7
1.2.1 Sources d’EnRs . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Systèmes hybrides . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3 Classification des systèmes hybrides . . . . . . . . . . . . . . . 10
1.2.4 Système hybride étudié . . . . . . . . . . . . . . . . . . . . . . 13
1.2.5 Exigences en termes de commande du système hybride étudié . 14
1.3 Techniques neuronales pour la commande du système hybride 15
1.3.1 Concept des RNAs . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Réseau ADALINE . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6
1.1 Introduction
1.1 Introduction
Au cours de ces dernières décennies, les sources d’EnRs ont suscité un regain d’intérêt
en tant que solution durable pour répondre à la demande accrue en énergie, faire face à
l’épuisement des énergies fossiles et réduire le réchauffement climatique [3], [26]. Toute-
fois, le caractère aléatoire des variations des EnRs constitue un obstacle non négligeable à
leurs exploitations. Dans le but d’accroître leur fiabilité et promouvoir leur utilisation, ces
sources d’énergies sont souvent associées entre elles ou avec d’autres sources convention-
nelles en vue de constituer un système multi-sources, communément appelé SHSER. Un
SHSER permet ainsi de maintenir une production énergétique continue et durable tout
en exploitant les avantages de chaque source [7].
Un SHSER est un système exploitant plus d’une source d’énergie, parmi lesquelles
une au moins est de type renouvelable. Les sources d’énergies d’origines solaire, éolienne
et hydraulique sont généralement les plus exploitées pour la conception de ce type de
système [27], [28]. En plus d’une source conventionnelle, un dispositif de stockage est sou-
vent intégré afin de garantir une production énergétique continue [27], [29]. Aujourd’hui,
plusieurs architectures et configurations de SHSERs sont développées [8], [26]. Bien que
leur but est souvent le même, ces systèmes diffèrent du point de vue de sources d’énergies
exploitées, de la configuration du bus commun [7], [26], et du régime de fonctionnement
(isolé ou connecté au réseau électrique) [11], [30]-[32].
Ce chapitre présente un bref état de l’art sur les SHSERs et des détails sur la tech-
nique neuronale appliquée dans cette thèse à l’optimisation de la commande du SHSER.
Au début, nous abordons quelques notions de base sur les sources d’EnRs et les configu-
rations possibles des SHSERs. Un aperçu global du SHSER étudié et de son principe de
fonctionnement sont ainsi présentés. Ce système est constitué de quatre sous-systèmes.
Deux sources à base de l’énergie photovoltaïque (PV) et l’énergie éolienne sont utilisées.
Afin de combler le caractère aléatoire de ces deux sources, un dispositif de stockage est
associé comme une troisième source. Les échanges énergétiques au sein du SHSER sont
assurés via un bus CC et un ensemble de convertisseurs de différentes topologies. Ces
derniers permettent d’adapter les puissances générées en fonction des différentes charges
connectées au système. Par la suite, nous nous intéressons aux techniques neuronales qui
peuvent être appliquées dans la commande pour répondre aux exigences d’un fonction-
nement optimal des différents sous-systèmes du SHSER étudié [13], [33]. Dans le but de
garantir son rendement optimal, nous proposons d’appliquer les RNAs dans la commande
du SHSER étudié [14], [15]. Parmi la panoplie de techniques neuronales existantes, nous
choisissons d’utiliser l’ADALINE [16], [34], [35]. Le choix de ce type de RNA est motivé
principalement par sa simple structure (mise en œuvre et réglage faciles), sa rapidité et
son apprentissage en ligne. De plus, l’ADALINE présente d’excellentes capacités de fil-
trage, ce qui fait de ce réseau l’outil qui se prête le mieux à nos applications. Dans ce
sens, nous terminons ce chapitre par présenter la structure détaillée de l’ADALINE ainsi
que les deux des principaux algorithmes utilisés pour son apprentissage [34], [36], [37].
1.2 Systèmes hybrides de production d’EnRs

L’exploitation des sources d’EnRs a connu un essor particulièrement important ces
dernières décennies [38]. Elles sont présentées comme une alternative intéressante aux
énergies fossiles dont les ressources ne cessent de diminuer. Les sources à EnRs sont
7
considérées comme étant inépuisables à l’échelle humaine, vu qu’elles sont issues de flux
énergétiques naturels et dont le renouvèlement ne s’arrête jamais. De plus, l’exploitation
des EnRs n’engendre pas (ou peu) d’émissions polluantes, ce qui permet de lutter contre
l’effet de serre et le réchauffement climatique. Toutefois, l’exploitation des EnRs requière
une association de différentes sources afin de combler leurs caractères intermittents et
parfois aléatoires. Pour assurer la continuité de l’alimentation électrique, les EnRs doivent
être exploitées dans le cadre de SHSERs. Dans ce qui suit, quelques généralités sur les
EnRs seront données puis les SHSERs seront introduits avant de présenter l’architecture
globale du SHSER étudié dans cette thèse.
1.2.1 Sources d’EnRs

Les EnRs désignent un ensemble de sources d’énergies dont le renouvellement naturel
est assez rapide par rapport à l’échelle du temps humain. Ces énergies sont issues des
éléments naturels tels que les rayons solaire, les chutes d’eaux, le vent, etc. Les EnRs sont
également désignées par les termes « énergies propres » ou « énergies vertes ». Il existe
principalement cinq types d’EnRs à savoir l’énergie solaire, l’énergie éolienne, l’énergie
hydraulique, la biomasse et la géothermie. Cependant, les énergies solaire, éolienne et
hydraulique restent les formes d’EnRs les plus exploitées. Rien qu’en 2018, ces trois formes
d’EnRs représentaient 90.6% du total des EnRs produites dans le monde [38].
a) Énergie solaire
Le soleil est une source d’énergie quasiment inépuisable qui envoie à la surface de la
terre un rayonnement dont l’énergie représente entre 7000 et 8000 fois la consommation
annuelle d’énergie dans le monde [39]. Cette énergie est exploitée par la captation des
rayons solaire. A l’aide de capteurs spécifiques, l’énergie solaire est transformée sous une
forme électrique ou thermique. L’énergie solaire est principalement exploitée selon deux
modes de fonctionnement [40] :
• Solaire PV : Des panneaux solaires PVs sont utilisés pour capter la lumière du soleil
et la transformer en énergie électrique.
• Solaire thermique : Des capteurs solaires thermiques (chauffage, chauffe-eau solaire,
panneaux solaires thermiques, etc.) sont employés pour recueillir l’énergie provenant du
soleil et la transmettre à un fluide caloporteur (gaz ou liquide) sous forme de chaleur.
D’une part, cette chaleur peut être utilisée pour produire de l’eau chaude sanitaire ou
bien pour le chauffage. D’autre part, des systèmes à concentration (réflecteur parabo-
lique, miroir cylindro-parabolique, tour solaire, etc.) transforment cette eau chaude en
vapeur pour pouvoir actionner des turbines à vapeur génératrices de l’électricité.
b) Énergie éolienne
L’énergie éolienne est basée sur l’exploitation de l’énergie cinétique des masses d’air
qui sont en perpétuel déplacement. Ce déplacement est causé par la différence de pres-
sion d’une zone à une autre autour de la terre [6]. L’énergie éolienne a été exploitée dès
l’antiquité à travers les moulins à vent et la navigation. Actuellement, cette énergie est
encore exploitée via des turbines éoliennes. Ces dernières sont couplées à des générateurs
électriques qui transforment l’énergie mécanique en énergie électrique. Selon l’endroit où
ces éoliennes sont installées, elles peuvent être réparties en deux groupes [6] :
• Les éoliennes peuvent être installées en mer , on parle alors d’éoliennes offshores.
En mer, les éoliennes bénéficient d’un espace sans obstacle et le vent souffle plus fort
8
et plus régulièrement. Les éoliennes génèrent ainsi plus d’énergie, mais leur installation
et leur entretien sont complexes et onéreux.
• Les éoliennes peuvent être installées sur la terre ferme, on parle alors d’éoliennes
onshores ou terrestres. Leur installation est beaucoup moins coûteuse que les éoliennes
offshores. Toutefois, les espaces qui leurs sont réservés en terre ferme pourraient rapi-
dement venir à manquer.
c) Énergie hydraulique
L’énergie hydraulique est une source d’EnR qui exploite le mouvement de l’eau sous
toutes ses formes (cours d’eau, chutes d’eau, courants marins, etc.) pour produire de l’éner-
gie. Tout comme l’éolienne, l’énergie hydraulique a été exploitée dès l’antiquité comme
source d’énergie mécanique pour pomper l’eau ou pour moudre le grain. De nos jours,
les centrales hydrauliques exploitent l’énergie cinétique liée au déplacement de l’eau pour
produire de l’énergie électrique. Une centrale hydroélectrique est composée de trois parties
principales [41] :
• Un barrage : Il s’agit d’une prise d’eau dont le rôle est de crée une retenue d’eau.
Cette retenu sera utilisée, d’une part, pour stocker de l’eau et, d’une autre part, pour
créer une chute d’eau.
• Un canal de dérivation : Il s’agit du chemin par lequel l’eau s’écoule par une forte
précipitation. Plus la hauteur de chute (longueur du canal de dérivation) est grande,
plus la pression et la puissance de l’installation sera importante.
• Une usine : Elle comprend un ensemble de turbines qui sont mise en mouvement par
l’impact de l’eau sur leurs pales. Ces turbines sont par la suite utilisées pour entraîner
des générateurs d’électricité en vue de créer de l’énergie électrique.
Désormais, les EnRs s’imposent de plus en plus dans le mix énergétique mondial.
L’énergie solaire et l’énergie éolienne ont connu un essor particulièrement important ces
dernières années. Leur capacité est passée de 233.19 TWh en 2008 à 1854.58 TWh en 2018
[13]. Toutefois, ces deux formes d’énergie ne constituent pas une solution universelle aux
problèmes d’approvisionnement en électricité. La raison principale revient au caractère
stochastique de ces deux sources primaires. Dans le cas de l’énergie solaire, le cycle jour-
nuit et la présence de nuages pendant l’hiver fait que cette énergie est intermittente et
relativement aléatoire. Dans le cas de l’énergie éolienne, la variabilité de la vitesse du vent
cause des fluctuations dans les puissances générées.
Ce constat nous amène à conclure que la disponibilité de ces sources d’EnRs varie
fortement et nous n’avons aucune possibilité de contrôle. Une source d’EnR ne pourra
jamais assurer la continuité de l’alimentation si elle est exploitée seule. Mais si elle est
associée à un système de stockage ou à d’autres sources d’énergies, qu’elles soient re-
nouvelables ou non, la continuité de l’alimentation électrique peut être garantie. Dans ce
sens, les systèmes hybrides sont présentés comme une solution pour remédier au caractère
intermittent des sources d’EnRs.
1.2.2 Systèmes hybrides

Un SHSER comprend plus d’une source d’EnR. Ces sources sont habituellement as-
sociées à une source conventionnelle et/ou à un élément de stockage afin de maintenir
une production d’énergie continue [31]. L’élément de stockage emmagasine l’énergie ex-
cédentaire et la réinjecte ultérieurement dans le cas d’un déficit énergétique [27]. Le plus
9
souvent, les SHSERs sont non connectés aux réseaux électriques. Ils sont généralement
exploités dans des régions isolées qui n’ont pas accès aux réseaux électrique de distribu-
tion. Ces systèmes sont dimensionnés selon le besoin énergétique des différentes charges
connectées, toute en favorisant l’énergie produite par les sources d’EnRs au détriment de
celle fournie par les sources conventionnelles [42].
1.2.3 Classification des Systèmes

systèmeshybrides et techniques neuronales appliquées à la commande
hybrides
Vu l’intérêt grandissant porté aux SHSERs, plusieurs architectures et configurations
ont été proposées. Pour réaliser leur classification, plusieurs critères peuvent être consi-
dérés [8], [26]. Ci-après, nous présentons les trois classifications les plus répondues. Ces
classifications sont établies selon le régime de fonctionnement, le type des sources ex-
ploitées et la configuration du bus commun dans le système. La figure 1.1 illustre une
classification des systèmes hybrides.
Classification des systèmes hybrides
Régime de fonctionnement Configuration du bus commun Sources d’énergie utilisées
Bus CC Bus CA Bus mixte
Isolé Connecté PV, Eolien, Avec ou sans Avec ou sans source

du réseau au réseau Diesel etc. stockage conventionnelle
Figure 1.1. Classification des systèmes hybrides.

Figure 1.1 : Classification des systèmes hybrides
a) Selon le régime de fonctionnement

Sur la base du régime de fonctionnement, les SHSERs peuvent être classés en deux ca-
tégories. Ils peuvent être en mode de fonctionnement isolé du réseau (autonomes) [30],[31]
ou en mode de fonctionnement connecté au réseau de distribution [10], [32] :
• Systèmes hybrides connectés au réseau : Il s’agit des SHSERs fonctionnants en
interaction avec le réseau électrique. Ces systèmes sont interfacés avec le réseau par des
convertisseurs statiques (onduleurs et/ou redresseurs). La connexion au réseau permet
une injection directe du surplus de l’énergie produite par le SHSER. Cependant, dans le
cas de l’incapacité de ce dernier à répondre aux besoins énergétiques, le réseau électrique
fournis de l’énergie aux différentes charges connectées.
• Systèmes hybrides isolés du réseau (autonomes) : Il s’agit des SHSERs fonc-
tionnants sans interaction avec le réseau électrique de distribution. Ils sont considérés
autonomes du fait qu’ils génèrent de l’énergie sans avoir besoin de l’assistance du réseau
électrique. Les SHSERs doivent souvent répondre aux besoins des consommateurs si-
tués dans des endroits qui sont difficilement accessibles ou n’ont pas d’accès à un réseau
électrique tels que les villages isolés, les refuges de montagne, les îles, etc.
10
b) Selon les sources d’énergie exploitées

Suivant la nature des sources d’énergie exploitées, trois critères peuvent être pris en
compte dans le classement des systèmes hybrides [8]. Le premier est la présence ou non
d’une source d’énergie conventionnelle, le second est la présence ou non d’un dispositif de
stockage et le troisième est relatif au type de sources d’EnRs utilisées :
• Présence ou non d’une source d’énergie conventionnelle : Pour maintenir une
production énergétique continue, malgré le caractère aléatoire des sources d’EnRs, une
source d’énergie conventionnelle peut être associée. Cette source conventionnelle peut
être une turbine à gaz, un générateur diésel ou même un central électrique dans le cas
d’un réseau électrique important [6], [8]. Le rôle de cette source conventionnelle est de
garantir la production énergétique (ou une partie) nécessaire au bon fonctionnement des
différentes charges alimentées. Cependant, elle ne sera utilisée que lorsque les sources
d’EnRs n’arrivent plus à satisfaire les besoins énergétiques des charges.
• Présence ou non d’un dispositif de stockage : L’utilisation d’un dispositif de
stockage dans un SHSER permet de mettre à disposition l’énergie produite d’une façon
différée dans le temps et même éventuellement dans l’espace. Autrement dit, la présence
d’un dispositif de stockage permet d’introduire un degré de liberté énergétique. Ce
dernier permet de découpler le fonctionnement énergétique des sources et des charges en
fournissant le déficit ou en absorbant l’excédent de puissance. Le dispositif de stockage
permet alors la mise en place d’une stratégie de gestion de l’énergie en vue d’optimiser
le fonctionnement du système hybride [6]. La présence d’un dispositif de stockage dans
un SHSER revient principalement au régime de fonctionnement du système (isolé ou
connecté au réseau). En effet, les SHSERs isolés du réseau nécessitent l’utilisation d’un
élément de stockage en vue d’assurer ce degré de liberté entre les sources d’EnRs et les
charges alimentées. Toutefois, le stockage n’est pas nécessaire dans les systèmes hybrides
connectés au réseau, où ce dernier compense tout déficit ou excédent d’énergie.
• Type de sources d’EnRs exploitées : Le choix du type d’EnR à exploiter dans
un SHSER découle principalement du potentiel énergétique disponible sur le site de
l’installation du système hybride. De plus, l’importance de l’application pour laquelle
le système hybride est destiné est un paramètre important pour déterminer le nombre
de sources d’EnRs à exploiter [8].
c) Selon la configuration du bus commun
Suivant la configuration du bus commun, plusieurs architectures sont possibles dans
un SHSER. Les trois configurations les plus répondues sont [7]-[9], [26] :
• Système hybride avec un bus CC : Un système hybride avec un bus CC (bus
continu) est un système dont les différentes parties (sources d’énergies, système de sto-
ckage et charges) sont connectées à un bus CC commun. Lorsque les sources d’énergies
sont de nature continue (les panneaux PVs, par exemple), elles sont reliées au bus
continu directement ou bien par l’intermédiaire d’un convertisseur CC/CC (hacheur).
Lorsque les sources de production sont à courant alternatif (CA), telles que les éoliennes,
les générateurs diesels, etc., des convertisseurs CA/CC (redresseurs) sont installés entre
ces sources et le bus continu. Cette configuration est adaptée pour des utilisations
fonctionnants à CC, comme la recharge des batteries par exemple. Néanmoins, le sys-
tème peut alimenter des charges CA ou être relié au réseau de distribution via des
convertisseurs CC/CA (onduleurs) [9], [26]. La figure 1.2 montre l’exemple d’un sys-
tème hybride avec un bus CC commun. L’ensemble des sources et des charges (charges
11
CC ou charges CA) que comporte le système est relié à un bus CC. Des convertis-
seurs CC/CA et CA/CC unidirectionnels et bidirectionnels sont utilisés pour assurer
les échanges d’énergies dans le système. Les convertisseurs bidirectionnels sont généra-
lement utilisés pour connecter les éléments du système qui sont à la fois générateurs et
Systèmes hybrides et techniques neuronales appliquées à la commande
récepteurs d’énergie (éléments de stockage, réseau de distribution, etc.).
Bus CC
Convertisseur
Sources CC CC/CC Charges CC
(si nécessaire)
Sources CA Convertisseur Convertisseur

Charges CA
CA/CC CC/CA
Elément de Convertisseur Convertisseur Réseau Electrique,

stockage CC/CC CC/CA 50/60 Hz
Figure 1.2. Configuration d’un système hybride avec un bus CC.

Figure 1.2 : Configuration d’un système hybride avec un bus CC
• Système hybride avec un bus CA : Dans cette configuration, les sources sont
reliées à un bus CA commun. En outre, chaque source est connectée au bus CA via le
convertisseur qui lui est propre (convertisseur CA/CA ou convertisseur CC/CA). Une
telle structure permet de réaliser des systèmes flexibles constitués d’un ensemble de
composants modulaires. De plus, cette configuration permet de relier directement les
sources de productions au réseau électrique ou à des charges CA. La figure 1.3 illustre
la configuration d’un système hybride avec un bus CA commun. L’ensemble des sources
et des charges (charges CC ou CA) sont reliées à un bus CA. Des convertisseurs CC/CA
et CA/CC sont utilisés pour assurer les échanges énergétiques dans le système.
Bus CA
Convertisseur
Sources CA CA/CA Charges CA
(si nécessaire)
Convertisseur Convertisseur Charges CC

Sources CC
CC/CA CA/CC
Élément de Convertisseur
Réseau Electrique,
stockage CC/CA
50/60 Hz
Figure 1.3. Configuration d’un système hybride avec un bus CA.

Figure 1.3 : Configuration d’un système hybride avec un bus CA
• Système hybride avec un bus mixte (bus CC et bus CA) : Il s’agit d’une
combinaison entre la structure ayant un bus CA et la structure ayant un bus CC où
deux bus communs sont créés dans cette configuration. D’une part, les charges CA
sont alimentées par des sources CA via un bus CA. D’autre part, les charges CC sont
12
alimentées par des sources CC via un bus CC. Ceci permet de limiter les pertes liées
à la conversion de l’énergie d’une forme à une autre (de CC vers CA ou bien de CA
vers CC) et ainsi augmenter le rendement énergétique du système hybride. Néanmoins,
le contrôle et la gestion de l’énergie dans un tel système est assez complexe comparé
aux deux configurations classiques précédentes (figures 1.2 et 1.3) [9], [26]. La figure
1.4 montre un exemple d’un système hybride ayant un bus mixte. Deux bus communs
sont utilisés. Les sources CC ainsi que les charges CC sont connectées au bus CC,
tandis que les sources CA et les charges CA sont connectées au bus CA. Par ailleurs,
un convertisseur CC/CA bidirectionnel est utilisé pour assurer les échanges d’énergies
entre les deux bus.
Bus CC Bus CA
Charges CC
Convertisseur
Sources CC CC/CC Charges CA
(si nécessaire) Convertisseur
CC/CA
Convertisseur
CA/CA
Élément de Convertisseur (si nécessaire) Réseau Electrique,
stockage CC/CC 50/60 Hz
Sources CA
Figure 1.4. Configuration d’un système hybride avec un bus mixte.

Figure 1.4 : Configuration d’un système hybride avec un bus mixte
1.2.4 Système hybride étudié

La figure 1.5 illustre le schéma bloc du SHSER étudié dans cette thèse. Deux sources
d’EnRs à savoir l’énergie solaire et l’énergie éolienne sont considérées. Un système de
stockage est raccordé au système de production comme troisième source afin de remédier
au caractère aléatoire des deux autres sources. La configuration d’un système hybride avec
un bus CC est adoptée. Le choix de cette configuration est motivé par sa simplicité, ces
performances en termes de rendement énergétique et ses faibles coûts de maintenance.
Ces coûts restent beaucoup moins élevés par rapport aux autres configurations [30].
Afin d’assurer l’échange d’énergie entre les différents éléments du système, des conver-
tisseurs de puissance sont utilisés. Les panneaux PVs sont reliés au bus CC via un conver-
tisseur CC/CC dont le rôle principal est d’extraire le maximum de puissance de l’énergie
solaire disponible sur la surface des panneaux. L’éolienne, qui génère un CA, est connectée
au bus CC à travers un convertisseur CA/CC. Un convertisseur CC/CC bidirectionnel
est utilisé pour la recharge et la décharge des batteries de stockage d’une part, et pour
la régulation de la tension du bus CC d’une autre part. L’alimentation des charges do-
mestiques (charges CA) est garantie par un convertisseur CC/CA. Enfin, des charges CC
peuvent être directement connectées au bus CC.
13
Systèmes
Systèmes hybrides hybrides et techniques
et introduction neuronales neuronale
à la technique appliquées à la commande
ADALINE
Bus CC
Panneaux PVs Charges CC
Elément de
Convertisseur stockage
CC/CC
Convertisseur
CC/CC
Turbine Eolienne
Charges CA
Convertisseur
CA/CC
Convertisseur
CC/CA
Figure 1.5. Configuration du système hybride étudié.

Figure 1.5 : Configuration du système hybride étudié
1.2.5 Exigences en termes de commande du système hybride étu-

dié
Le contrôle du système hybride passe par une commande appropriée de ses déférents
sous-systèmes. La commande de ces derniers est faite via leurs convertisseurs d’une ma-
nière à satisfaire les exigences d’un fonctionnement optimal de chacun d’eux. Ci-après, les
exigences en termes de commande de chacun des sous-systèmes sont résumées :
• Système PV : Une commande en puissance du système PV doit être réalisée par le
biais de son convertisseur CC/CC (hacheur unidirectionnel), afin d’extraire le maximum
de puissance des rayons solaires disponibles sur la surface des panneaux PVs. De plus,
cette commande doit garantir la stabilité du système PV lors de variations rapides
des niveaux d’éclairement. Les deux algorithmes de poursuite du point de puissance
maximale (MPPTs) (Maximum power point tracking) développés pour ce système seront
détaillés dans le Chapitre 2.
• Système éolien : La commande du système éolien consiste tout d’abord à réguler la
vitesse de la turbine à une vitesse de référence permettant de le faire fonctionner sur
le PPM. La boucle de vitesse fournira ainsi un couple électromagnétique de référence à
appliquer à la commande en couple de la MSAP via une boucle de régulation interne.
L’étude détaillée du système éolien sera abordée dans le Chapitre 3.
• Système de stockage : Dans le cas du SHSER étudié, le système de stockage accom-
pli deux fonctions à travers la commande de son convertisseur CC/CC bidirectionnel
(hacheur réversible en courant). La première est d’assurer la charge et la décharge des
batteries de stockage par le contrôle de son courant délivré. La seconde consiste à régu-
ler la tension du bus CC du système hybride à une valeur prédéfinie. Cette partie sera
discutée dans le Chapitre 4.
• Système de conversion continu-alternatif : Un onduleur monophasé à MLI est uti-
lisé pour assurer la conversion continu-alternatif. Dans notre système, le bus CC, dont
5
14
1.3 Techniques neuronales pour la commande du système hybride
la tension est maintenue constante par le système de stockage, représente la source

d’entrée de l’onduleur. Une tension de sortie sinusoïdale avec un faible THD et une ré-
ponse dynamique rapide sont les principaux critères à satisfaire en vue d’une commande
robuste de ce système. Cette partie sera traitée dans le Chapitre 5.
La figure 1.6 résume les différentes stratégies développées et appliquées aux différents
sous-systèmes constituant le SHSER schématisé
Systèmes par
hybrides et la figure
techniques 1.5. appliquées à la commande
neuronales
Commandes développées
Système de conversion
Système PV Système éolien Système de stockage
continu – alternatif
- Proposition de deux - Commande MPPT de - Régulation de la - Commande dq d’un
nouveaux algorithmes la turbine éolienne et tension du bus continu onduleur monophasé
MPPTs génération d’un couple isolé du réseau
- Contrôle du courant
électromagnétique de
des batteries de - Commande prédictive
référence
stockage (charge et d’un onduleur triphasé
- Commande en couple décharge des batteries) connecté au réseau *
de la MSAP
* système non intégré dans le
SHSER au Chapitre 6
Figure 1.6 Stratégies de commandes développées et appliquées au système hybride étudié.

Figure 1.6 : Stratégies de commandes développées et appliquées au système hybride étudié
1.3 Techniques neuronales pour la commande du sys-

tème hybride
Dans cette thèse, nous proposons d’intégrer les techniques neuronales dans la com-
mande du système hybride montré par la figure 1.5. Les techniques neuronales sont essen-
tiellement appliquées pour l’amélioration des performances du système PV et du système
de conversion continu-alternatif. Ceci contribue grandement à l’amélioration des perfor-
mances du SHSER considéré.
Dans ce qui suit, nous allons donner un bref aperçu sur la théorie des RNAs tout en
insistant sur l’architecture des RNAs retenue pour la suite de nos travaux.
1.3.1 Concept des RNAs

Un RNA est un algorithme informatique matériel et/ou logiciel dont la conception
est inspirée des réseaux de neurones biologiques du cerveau humain. La conception des
RNAs se base sur l’association en un processus plus ou moins complexe d’un ensemble
d’opérations mathématiques simples appelées neurones formels [16], [34], [35], [43]. Un
neurone formel est représenté sur la figure 1.7. Sa sortie y est obtenue en deux étapes. La
somme pondérée des poids wi et des entrées xi , auxquelles s’ajoute un biais b, est d’abord
calculée. Par la suite, le résultat obtenu v passe par une fonction d’activation f (.) qui est
généralement non linéaire. Finalement, l’expression de la sortie y du neurone formel peut
être écrite comme suit :
15
n
!
X
y = f (v) = f xi w i + b (1.1)
i=1
avec b = 1.wb .
Le fait d’utiliser des fonctions d’activation non linéaires donne aux RNAs la possibilité
de modéliser des équations dont la sortie n’est pas une combinaison linéaire des entrées.
Ceci confère aux RNAs de grandes capacités de modélisation et de généralisation qui sont
très appréciées lors de la résolution de problèmes non linéaires [34], [43].
Biais
1 wb
x1 b
w1
n
y
∑ w .x + b
x2 w2 v
i i
i =1 Sortie
Noyau Fonction
cellulaire d’activation
xn wn
Entrées Poids
Figure 1.7. Topologie d’un neurone formel.
Figure 1.7 : Topologie d’un neurone formel
Vu l’intérêt grandissant porté aux RNAs, plusieurs structures ont été proposées. Leur
classification peut se faire suivant deux critères. Le premier critère concerne l’architec-
ture adoptée et le second concerne le type d’apprentissage choisi. Dans ce qui suit, une
classification des RNAs en fonction de leur architecture et du type d’apprentissage sera
établie.
1.3.1.1 Architecture des RNAs

Il existe principalement deux architectures de RNAs [35] :
1) Réseaux de neurones à propagation avant (feed-forward networks) : Appelés
aussi réseaux non bouclés, ce sont des réseaux où les neurones sont organisés sous
forme d’une ou de plusieurs couches successives. Cette architecture se caractérise par
le fait que l’information se propage uniquement de la couche d’entrée vers la couche de
sortie, à travers d’éventuelles couches intermédiaires, sans retour en arrière possible.
2) Réseaux de neurones récurrents (recurrent networks) : Appelés aussi réseaux
bouclés, ces réseaux possèdent une structure similaire à celle des réseaux non bouclés.
Cependant, dans ce cas, la connexion des neurones est possible entre les éléments de
la même couche et également avec des couches précédentes. L’information est ainsi
véhiculée à la fois en propagation avant et en rétro-propagation. Cette propriété rend
ces RNAs plus puissants, vu que leur fonctionnement est séquentiel et adopte un
comportement dynamique.
16
1.3.1.2 Apprentissage des RNAs

Une fois que l’architecture du RNA est adoptée, une méthode d’apprentissage, par
lequel les poids du RNA seront mis à jour, doit être choisie. Le processus d’apprentissage
offre la possibilité au RNA d’apprendre et puis améliorer ses performances pour accomplir
au mieux les tâches de commande de systèmes dynamiques [34]. Il existe principalement
trois méthodes d’apprentissage ; l’apprentissage supervisé, l’apprentissage non supervisé
et l’apprentissage par renforcement [35], [44]. Leurs principes sont présentés ci-après :
1) Apprentissage supervisé : Il consiste à ajuster les poids du RNA de telle sorte à
minimiser l’erreur entre la sortie fournie par le RNA et une sortie désirée produite par
un superviseur excité par la même entrée.
2) Apprentissage non supervisé : Dans le cas d’un apprentissage non supervisé,
l’adaptation des poids ne dépend que des critères internes au réseau. Le RNA ana-
lyse l’ensemble des données, et un critère de conformité lui indique dans quelle mesure
il est proche du résultat souhaité. Les poids du RNA sont alors adaptés pour augmenter
la précision de l’algorithme.
3) Apprentissage par renforcement : Dans ce cas, le RNA apprend progressivement
de ses erreurs. Il est récompensé par l’environnement dans lequel il interagit lorsque
le résultat est satisfaisant, tandis qu’il est sanctionné dans le cas contraire. De cette
manière, le RNA cherche à maximiser la somme des récompenses au cours du temps.
Le choix d’une architecture ou d’une méthode d’apprentissage dépend non seulement
de la nature de l’application, mais également des capacités de traitement du processeur
dans lequel le RNA sera implémenté. Dans ce sens, nous avons choisi d’utiliser le RNA
de type ADALINE dans cette thèse. En raison de sa structure simple, de sa rapidité et
de sa capacité d’apprentissage en ligne, l’ADALINE est le RNA qui se prête le mieux
à nos applications [16]. De plus, l’ADALINE présente de grandes capacités de filtrage
qui font que cet outil repend parfaitement aux exigences de commande de notre système
hybride étudié. Ci-après, nous présentons la structure générale d’un ADALINE et les lois
d’apprentissage utilisées dans cette thèse.
1.3.2 Réseau ADALINE

1.3.2.1 Structure de l’ADALINE
La structure générale d’un réseau ADALINE est illustrée par la figure 1.8. Son principe
de fonctionnement est basé sur un ajustement par itération de son vecteur poids W (k),
d’une manière à ce que, pour un vecteur d’entrée X(k), sa sortie yest (k) soit aussi proche
que possible de la sortie désirées yd (k). Ainsi, le but recherché est de minimiser l’erreur
e(k) entre yest (k) et yd (k).
Dans le cas d’une implémentation numérique, à chaque instant k, l’ADALINE fonc-
tionne comme suit :
1. L’ADALINE reçoit un vecteur d’entrée X(k) = [x1 (k), x2 (k), ..., xm (k)]T .
2. Les éléments du vecteur d’entrée sont ensuite pondérées par les éléments du vecteur
poids W (k) = [w1 (k), w2 (k), ..., wm (k)]T .
3. La somme des entrées pondérées donnée par le produit scalaire yest (k) = W T (k)X(k)
est ensuite comparé au signal désiré yd (k).
17
X(k) W(k)
x1(k) w1(k)
x2(k) w2(k) ∑ w (k ) x (k )
i i
yd(k)
∑ i =1
– ∑ +
xm(k) wm(k) e(k)
Mise à jour des

poids
Figure 1.8. Structure générale d’un ADALINE.

Figure 1.8 : Structure générale d’un ADALINE
4. L’erreur e(k), qui est la différence entre yd (k) et yest (k), est alors utilisée pour mettre
à jour le vecteur poids W (k) selon une loi d’apprentissage prédéfinie.
La sortie de l’ADALINE yest (k) et l’erreur e(k) au k eme instant sont donnés, respecti-
vement, par les équations (1.2) et (1.3) suivantes :
m
X
yest (k) = wi (k) xi (k) . (1.2)
i=1
m
X
e (k) = yd (k) − yest (k) = yd (k) − wi (k) xi (k). (1.3)
i=1
1.3.2.2 Algorithmes d’apprentissage de l’ADALINE

L’intérêt majeur de l’ADALINE réside dans sa capacité d’effectuer un apprentissage
en ligne, éliminant ainsi le besoin d’un apprentissage hors ligne répétitif. Durant le pro-
cessus d’apprentissage, le vecteur poids W (k) est mis à jour d’une manière itérative afin
de corriger l’erreur e(k). Dans ce cas, l’apprentissage par correction d’erreur consiste à
minimiser une fonction de coût J, tel que [37] :
1
J (k) = E e2 (k) (1.4)

2
où E est l’espérance mathématique. Le facteur 1/2 est utilisé pour simplifier l’écriture
de la dérivation de J par rapport aux poids. Ainsi, la convergence de l’algorithme ne
sera correcte que lorsque la fonction J, qui représente la surface de l’erreur du réseau,
est minimale. Ceci est vérifié lorsque la dérivée de J par rapport au poids wi , appelée le
gradient de l’erreur surfacique, est nulle [37]. Cette dérivée est définie comme suit :
∂J (k)
∇wi J(k) = =0 (1.5)
∂w
Afin de minimiser J, plusieurs techniques d’optimisation et algorithmes d’apprentis-
sage ont été proposés. Parmi ces méthodes, l’algorithme de descente du gradient (stee-
pest descent), l’algorithme de Newton, l’algorithme Gauss−Newton et l’algorithme des
moindres carrés (least mean square) (LMS) peuvent être cités [17], [45].
8
18
Dans le cas de l’ADALINE, l’algorithme de descente du gradient et l’algorithme LMS

sont les plus couramment utilisés [34], [36], [37]. Dans ce qui suit, nous présenterons
quelques détails sur ces deux algorithmes.
a) Algorithme de descente du gradient
Cette méthode est basée sur l’hypothèse que les poids de l’ADALINE sont ajustées de
façon itérative suivant l’erreur surfacique afin d’atteindre le point minimal de J. Ainsi,
cet algorithme réalise un ajustement successif du vecteur poids dans la direction corres-
pondante à la plus forte descente, qui est opposée à celle du vecteur du gradient J dont
les éléments sont définis par ∇wi J (k), avec : i = 1, 2, ..., m. Le principe de cette méthode
est illustré par la figure 1.9. Suivant cette approche, l’adaptation apportée au poids wi (k),
à l’itération k, est exprimée comme suit :
∆wi (k) = −µ∇wi J (k) (1.6)

où µ est une constante positive appelée coefficient d’apprentissage. Finalement, la mise à
jour des poids dans le cas de l’algorithme de descente du gradient se fait de la manière
suivante :
wi (k + 1) = wi (k) − µ∇wi J (k) (1.7)

La méthode de descente du gradient présente toutefois un inconvénient majeur, qui est
la nécessité de disposer des fonctions de corrélation. Cela revient au fait que leur calcul
nécessite la connaissance de la relation entre
Systèmes les entrées
hybrides et lesneuronales
et techniques sorties du système
appliquées à la[35], [37].
commande
Afin de remédier à ce problème, une solution d’approximation, valable dans le cas d’un
environnement inconnu, a été proposée. Il s’agit de l’algorithme LMS.
J(k) ∂J ( k )
∂w
∂J ( k )
∆w =−η .
Jmin ∂w
Poids
wopt w(k+1) w(k) w(0)
Figure : Principe
1.91.9.
Figure Principe de la méthode
de la méthodedededescente
descente
dudu gradient
gradient.
b) Algorithme LMS
L’algorithme LMS est basé sur la minimisation de la valeur instantanée de la fonction
de coût donnée par la relation suivante [45] :
1
Jˆ = e2 (k) (1.8)
2
Dans le cas de l’algorithme LMS, un gradient instantané ∇ ˆ wi , qui est une estimation
du gradient réel ∇wi , est obtenu en calculant la dérivée de Jˆ par rapport aux poids wi ,
tel que :
19
ˆ wi J(k) = e(k) ∂e(k)

∇ (1.9)
∂wi
En exploitant (1.3), la dérivée de l’erreur par rapport aux poids est exprimée comme
suit :
∂e(k)
= −xi (k) (1.10)
∂wi
Puis, en remplaçant (1.10) dans (1.9), le terme ∇
ˆ wi J(k) s’écrit sous la forme suivante :
ˆ wi J(k) = −e(k)xi (k)

∇ (1.11)
Enfin, en remplaçant (1.11) dans l’algorithme de descente du gradient (1.7), l’algo-
rithme LMS est déduit comme suit :
wi (k + 1) = wi (k) + µe(k)xi (k) (1.12)

Sous une autre forme, en fonction du vecteur poids W , du vecteur d’entrée X et de
l’erreur e, l’algorithme LMS peut-être formulé de la manière suivante :
W (k + 1) = W (k) + µe(k)X(k) (1.13)

Dans le cas des systèmes non linéaires, des variantes de cette algorithme sont utilisés
afin d’améliorer la vitesse de convergence de l’ADALINE. Deux de ces variantes, utilisées
dans cette thèse, sont données comme suit [35] :
W (k + 1) = W (k) + µ sign {e(k)} X(k). (1.14)
W (k + 1) = W (k) + µ (e(k) + sign {e(k)}) X(k). (1.15)

où l’opérateur sign{.} représente la fonction signe. Cette fonction renvoie à sa sortie +1 si
le nombre est strictement positif, 0 si le nombre est nul, et −1 si le nombre est strictement
négatif.
En résumé, l’algorithme LMS opère d’une manière itérative comme suit [34], [44] :
1. Choisir un paramètre d’apprentissage µ.
2. Initialiser le vecteur poids W (k) ; wi (0) est généralement mis à zéro.
3. Appliquer le vecteur X(k) à l’entrée du réseau.
4. Calculer l’erreur en utilisant (1.3).
5. Calculer le nouveau vecteur poids en utilisant (1.13) ou (1.14) ou (1.15).
6. Aller à l’étape 3 et refaire la même procédure : k → k + 1.
1.4 Conclusion
Dans ce chapitre, un bref état de l’art sur les SHSERs et la technique neuronale ADA-
LINE appliquée à l’optimisation de la commande du système hybride ont été présentés. Au
début, quelques explications de base nécessaires à la compréhension des systèmes hybrides
de production d’EnRs ont été fournies. Pour commencer, une présentation des principales
20
1.4 Conclusion
sources d’EnRs utilisées pour la production de l’énergie électrique a été faite. Quelques
notions sur les systèmes hybrides ainsi que leurs classifications ont été également données.
Ensuite, la structure globale du SHSER étudié dans cette thèse a été présentée et discutée.
La commande de ce système doit répondre à plusieurs exigences de fonctionnement dictées
par chacune des sources d’EnRs et d’autres sous-systèmes le constituant. Dans ce sens,
le RNA de type ADALINE a été choisi pour la commande et l’optimisation du SHSER
étudié. Enfin, les notions de base nécessaires à la compréhension du réseau ADALINE ont
été données. De plus, les deux principaux algorithmes d’apprentissage de l’ADALINE ont
été mis en avant et expliquées en détail. Il s’agit de l’algorithme de descente du gradient
et l’algorithme LMS.
21
Chapitre 2
Commandes neuronales adaptatives

pour l’extraction du maximum de
puissance dans les systèmes PVs
Résumé : Ce chapitre est dédié à l’optimisation du rendement énergétique d’un système PV

où deux nouvelles méthodes MPPTs, basées sur l’ADALINE, sont proposées. Ces méthodes ex-
ploitent la courbe caractéristique courant-tension du panneau PV combiné avec celle du conver-
tisseur Boost. La première méthode avec ses deux variantes, dénommée méthode INCO, utilise le
concept de l’incrément de conductance. La seconde méthode, dénommée méthode INRE, utilise
le concept de la résistance instantanée. Afin de vérifier la faisabilité et la robustesse de ces com-
mandes MPPTs, des simulations et des expérimentations sont réalisées. Des comparaisons avec
l’algorithme perturbation et observation sont effectuées dans les mêmes conditions. Les tests sont
réalisés suivant la norme prEN 50530 qui est une norme européenne utilisée pour l’évaluation
de l’efficacité des algorithmes MPPTs. L’algorithme INCO est testé dans le cas où la sortie du
système PV est connectée à une charge résistive. L’algorithme INRE est testé dans le cas où le
système PV est connecté à un bus continu constant. Les résultats obtenus ont montré que les
méthodes proposées présentent des caractéristiques de suivi très intéressantes. En effet, l’algo-
rithme INCO a permis d’obtenir un gain en puissance considérable et une réponse dynamique
quasi-instantanée quel que soit le niveau et la dynamique de l’éclairement solaire. L’algorithme
INRE a permis d’atteindre théoriquement un rendement de 100% et un fonctionnement à zéros
oscillations.
Sommaire
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Description du système PV étudié . . . . . . . . . . . . . . . . 25
2.3 Modèle électrique d’une cellule PV . . . . . . . . . . . . . . . . 26
2.3.1 Détermination des paramètres du panneau PV exploité . . . . . 27
2.3.2 Caractérisation du panneau PV . . . . . . . . . . . . . . . . . . 29
2.4 Extraction du maximum de puissance . . . . . . . . . . . . . . 29
2.4.1 Modèle du hacheur Boost . . . . . . . . . . . . . . . . . . . . . 31
2.4.2 Principe de recherche du PPM . . . . . . . . . . . . . . . . . . 31
2.5 Algorithmes MPPTs à base de la technique ADALINE . . . . 33
2.5.1 Algorithme INCO . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5.2 Algorithme INRE . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
23
Commandes neuronales adaptatives pour l’extraction du maximum de puissance dans les
systèmes PVs
2.1 Introduction
Un GPV présente des caractéristiques courant-tension (I-V) non linéaires. Dans des
conditions homogènes d’éclairement et de la température de la cellule, ces caractéristiques
admettent un seul point de fonctionnement optimal. Par ailleurs, la puissance électrique
produite d’un GPV dépend de l’éclairement solaire, de la température de la cellule, et de
la variation de la charge [46]. Ainsi, un algorithme de recherche du point de puissance
maximale (PPM) doit être mis en œuvre pour garantir une exploitation optimale du GPV
sous différentes conditions de fonctionnement [48]-[62].
Au cours de ces deux dernières décennies, plusieurs méthodes MPPTs ont été suggé-
rées. Bien que ces méthodes aient les mêmes objectifs, elles diffèrent sur plusieurs aspects
tels que la complexité, le nombre de capteurs requis, la vitesse de convergence et le ren-
dement. Ces méthodes peuvent être réparties en deux catégories ; les méthodes MPPTs
conventionnelles et les méthodes MPPTs avancées. Dans le cas des méthodes convention-
nelles, la méthode perturbation et observation (P&O) (perturb and observe) [50], [51] et
la méthode d’incrémentation de la conductance (incremental conductance) (IC) [52] sont
les deux méthodes les plus populaires. Ces méthodes exploitent la courbe caractéristique
puissance-tension (P-V) d’un panneau photovoltaïque (PV) [53]. Les méthodes MPPTs
basées sur la tension de circuit ouvert [54] et le courant de court-circuit [55] peuvent être
aussi citées. Sous des conditions de fonctionnement stables, les méthodes conventionnelles
présentent certains avantages tels qu’une simplicité de mise en œuvre et des performances
de suivi satisfaisantes. Cependant, sous des conditions de fonctionnement variables, ces
méthodes présentent plusieurs inconvénients en termes de suivi du PPM. En outre, les
méthodes conventionnelles perdent leurs capacités de fonctionnement autour du PPM,
essentiellement lorsque la variation de l’irradiance solaire est supérieure à la valeur de
l’échelon de perturbation appliqué [51]. Dans le but d’améliorer les méthodes convention-
nelles, des méthodes MPPTs avancées ont été développées. Ces méthodes sont semblables
aux méthodes conventionnelles, toutefois, elles sont basées sur des techniques d’intelli-
gence artificielle. Les méthodes avancées sont principalement basées sur RNAs [56], [57],
les algorithmes génétiques [58], [59], la logique floue [60], l’optimisation par essaims parti-
culaires (particle swarm optimization) et l’évolution différentielle (differential evolution)
[61], [62]. Parmi toutes ces techniques, les RNAs sont les plus couramment utilisés car elles
présentent plusieurs avantages qui augmentent l’efficacité et le rendement des systèmes
PVs. Néanmoins, leur attractivité dépend de leur complexité.
Ce chapitre est dédié à l’optimisation du rendement énergétique d’un système PV.
Dans le but d’assurer une meilleure poursuite du PPM, deux nouvelles méthodes MPPTs
inspirées de la technique ADALINE sont proposées. Le choix de l’ADALINE revient à
sa structure simple, sa rapidité de convergence et sa grande capacité de filtrage. Les
méthodes MPPTs résultantes ont des structures très simples comparées à d’autres mé-
thodes MPPTs à base de RNAs. En effet, ces méthodes ne nécessitent que l’ajustement
d’un seul paramètre pour leurs réglages. En plus, comme l’ADALINE n’a qu’une seule
couche, sa convergence est très rapide ce qui lui permet d’atteindre très rapidement le
PPM. La grande capacité de filtrage de l’ADALINE constitue un autre avantage majeur
des algorithmes MPPT proposés. Toutes ces caractéristiques permettent enfin d’avoir des
grandeurs de sortie filtrées et donc moins oscillantes. Les méthodes proposées exploitent
la courbe caractéristique I-V du panneau PV combiné avec l’équation du convertisseur.
La première méthode avec ses deux variantes, désignées par algorithme INCO, est basée
sur la connaissance de l’incrément de la conductance. La seconde méthode, désignée par
24
2.2 Description du système PV étudié
algorithme INRE, est basée sur la connaissance de la résistance instantanée [25].

Dans le but de vérifier la faisabilité et la robustesse des algorithmes MPPTs proposées,
des simulations et des expérimentations sont réalisées. Une comparaison avec l’algorithme
P&O est également effectuée sous les mêmes conditions. Les tests sont effectués suivant la
norme prEN 50530 qui est une norme européenne utilisée pour l’évaluation de l’efficacité
des algorithmes MPPTs [63]. Le choix de cette norme revient au fait que les séquences
de tests sont très rigoureuses. Elles requièrent le suivi d’un ensemble de séquences de
rampes ayant des pentes et des niveaux d’irradiance différents. Une expérimentation est
initialement menée pour tester les performances de l’algorithme INCO. Ces tests sont
réalisés dans le cas où le système PV est connecté à une charge résistive. Ensuite, les
performances de l’algorithme INRE sont évaluées par des simulations et des expérimenta-
tions dans le cas où le système PV est connecté à un bus continu constant. Cette méthode
est comparée à d’autres méthodes améliorées qui se distinguent par un fonctionnement
avec zéros oscillations [64]-[67]. Les résultats obtenus par l’algorithme INCO montrent des
caractéristiques de suivi du PPM très intéressantes. Cette méthode a permis d’avoir une
puissance extraite plus importante et une réponse dynamique plus rapide quels que soient
la dynamique et le niveau d’irradiance. Dans le cas de l’algorithme INRE, un rendement
énergétique théorique de 100% est obtenu. De plus, cette méthode résout en partie les
problèmes liés aux pertes et aux oscillations. En régime permanent, cette méthode pré-
sente zéros oscillations dans le courant et laCommandes
tension deneuronales
sortie duadaptatives
GPV, tandis qu’en régime
pour les systèmes PVs
transitoire les oscillations ont de très faibles amplitudes.
2.2 Description du système PV étudié

Dans le but d’extraire, à chaque instant, le maximum de puissance disponible aux
bornes d’un GPV, un étage d’adaptation associé à une commande MPPT doit être utilisé.
La figure 2.1 illustre le schéma de principe du système de conversion de l’énergie PV étudié
dans ce chapitre.
GPV Etage d’adaptation Charge

I Is
Résistance,
V Batteries,
Vs Bus continu,
… etc.
Rapport cyclique
Commande
MPPT
Figure 2.1. Schéma bloc du système de conversion de l’énergie PV étudié.

Figure 2.1 : Schéma bloc du système de conversion de l’énergie PV étudié
Pour le contrôle de l’étage d’adaptation, deux nouvelles méthodes MPPTs (INCO et

INRE) sont proposées dans ce chapitre. Premièrement, la méthode INCO avec ses deux
variantes est validée en connectant le système PV à une charge résistive (Section 2.5.1).
Deuxièmement, la méthode INRE est testée en connectant le système PV à un bus continu
constant (Section 2.5.2). Le choix de cette dernière configuration est motivé par le fait
que la méthode INRE sera exploitée dans le Chapitre 6, où ce système PV sera intégré
dans un SHSER avec un bus continu commun.
25
systèmes PVs
2.3 Modèle électrique d’une cellule PV

La littérature contient plusieurs modèles pour représenter une cellule PV [68]. Le mo-
Commandes neuronales adaptatives pour les systèmes PVs
dèle à une diode est le plus couramment adopté [46], [47], [68]. Ce modèle est largement
utilisé grâce à sa simplicité et sa précision appropriées pour la plupart des applications
telles
grâce que
à sal’analyse
simplicitédeetperformances d’une installation
sa précision appropriées pour laPV, le dimensionnement
plupart d’un sys-
des applications telles que
tème PV, l’analyse de performances des algorithmes MPPTs et
l’analyse de performances d’une installation PV, le dimensionnement d’un système PV, l’étude de stabilité du
raccordement au réseau [68].
l’analyse de performances des La figure 2.2MPPTs
algorithmes montreetlel’étude
schéma deéquivalent
stabilité dudu modèle à une
raccordement au
diode
réseaud’une cellule
[68]. La PV.
figure 2.2Cemontre
modèle le représente la celluleduPV
schéma équivalent comme
modèle un générateur
à une diode d’unede cou-
cellule
rant
PV. dont le comportement
Ce modèle représente estla équivalent
cellule PVà commeune source un de courant de
générateur montée en parallèle
courant dont le
avec une diode.estDeux
comportement résistances
équivalent à unesont introduites
source de courantdans ce schéma.
montée La résistance
en parallèle avec uneendiode.
série
Deux
R s modélise la
résistances perte
sont de tension
introduites et
dans la
ce résistance
schéma. en
La parallèle
résistance en
R p modélise
série R s le courant
modélise la de
perte
fuite.
de tension et la résistance en parallèle R p modélise les courants de fuite.
Rs I
Id If
Ipv
Rp V
Figure 2.2. Modèle à une diode d’une cellule PV.

Figure 2.2 : Modèle à une diode d’une cellule PV
A partir de la figure 2.2, le modèle mathématique de la caractéristique courant-tension (I-
À partir
V) d’une de laPV
cellule figure 2.2, lepar
est donné modèle mathématique
la relation suivante : de la caractéristique courant-tension
(I-V) d’une cellule PV est donné par la relation suivante :
  q (V + Rs I )   V + Rs I
I = I pv − I d = I pv − I o exp   − 1I) −
(2.1)
  a qk(V
T +   − 1 p − V + Rs I
R  R
I = Ipv − Id − If = Ipv −Io exp
s
(2.1)
akT Rp
où Ipv, Id, Io sont, respectivement, le courant photonique généré par la cellule PV, l’équation
où , Id , Ide
Ipvdiode
de la f , Shockley
Io sont, respectivement,
et le courant de saturationle courantinverse photonique généréqpar
de la diode. est la cellule d’un
la charge PV,
l’équation de la diode
−19 de Shockley, le courant de fuite
électron (1.6 × 10 C). V est la tension de sortie de la cellule. a est la constante traversant R p et le d’idéalité de
courant de
saturation
la diode (elle inverse
varie dede la1 àdiode.
2). k qestest la la charge de
constante d’un électron (1.38
Boltzmann (1.6 ×× 1010 C).
−19
−23
J/K).VT est
est la
la
tension de sortie de
température de la cellule. la cellule. a est la constante d’idéalité de la diode (elle varie de 1 à 2).
k est
Le lacourant
constante de Boltzmann
photonique Ipv généré (1.38
par × une
−23
10cellule J/K). PV Testest la température
directement de la cellule.G
lié à l’éclairement
Le courant
absorbé photonique
par la cellule, Ipv généré par
à la température T deunelacellule
cellulePV et auestcourant
directement lié à l’éclairement
photonique mesuré sous
lesabsorbé
G conditions par la cellule, à (T
nominales lantempérature
= 25°C et G T nde= la1000
cellule W/m et 2au courant
). Il photonique
est donné mesuré
par l’équation
sous les conditions
suivante : nominales (Tn = 25 °C et Gn = 1000 W/m ). Il est donné par l’équation 2
suivante :
I pv= ( I pv − n + K i ∆T )
G
(2.2)
Gn G
Ipv = (Ipv−n + Ki ∆T ) (2.2)
où ΔT = (T – Tn). Ki est le coefficient de température en G court-circuit
n de la cellule. Ipv-n est le
où (∆T =
courant T − Tn ). générer
photonique Ki est lepar coefficient
la cellulede soustempérature
les conditions en court-circuit
de test standard de (STC)
la cellule.
(standard
Ipv−n
est
testleconditions)
courant photonique
des panneaux générerPV par la cellule
(niveau sous les conditions
d’éclairement G = 1000deW/m², test standard (STC)
coefficient Air
(standard test conditions) des panneaux PV (niveau d’éclairement G = 1000 W/m2,
Masse : 1.5, température de la cellule T = 25°C).
Aux conditions
coefficient Air Masse de test
: 1.5,standard, le courant
température de laIpv-n est pratiquement
cellule T = 25 °C). égal au courant de court-
circuit
AuxIcc-n , toutefois,deiltest
conditions peutstandard,
être estiméleselon courant l’expression
Ipv−n estsuivantepratiquement[46] : égal au courant de
court-circuit Icc−n , toutefois, il peut être estimé R + Rs selon l’expression suivante [46] :
I pv − n = p I cc − n (2.3)
R
Rp + Rs
p
Ipv−n = Icc−n (2.3)
Le courant de saturation de la diode varie enRfonction p de la température comme suit [46] :
+ K i ∆T
I cc − n 26
Io = (2.4)
 V + K v ∆T 
exp  co  −1
 aVt 
2.3 Modèle électrique d’une cellule PV
Le courant de saturation de la diode varie en fonction de la température comme suit

[46] :
I + Ki ∆T
Io = cc−n (2.4)
exp Vco +aVKv ∆T − 1

t
où Kv est le coefficient de température en circuit ouvert. Vco est la tension de circuit

ouvert. Vt est le potentiel thermodynamique (Vt = kT /q).
La température T de la cellule PV peut être estimée à partir de la température am-
biante Ta et de l’ensoleillement G qu’elle reçoit en utilisant l’équation suivante [48] :
G
T = Ta + (N OCT − 20) (2.5)
800
où NOCT (nominal operating cell temperature) est la température de la cellule sous un
éclairement de 800 W/m2 et une température ambiante de 20 °C.
2.3.1 Détermination des paramètres du panneau PV exploité

D’après (2.1), la modélisation d’un panneau PV nécessite la connaissance préalable des
valeurs de Rs et Rp . En connaissant les valeurs de Rs , Rp , Ki , Kv et Icc−n , les grandeurs
Ipv et Io peuvent être calculées en utilisant les équations (2.2)-(2.4). Il est à noter qu’en
pratique ces paramètres ne sont pas fournis en totalité par le constructeur. Les valeurs
de Rs et Rp en particulier ne sont pas fournies par les fiches techniques des panneaux
PVs. Plusieurs approches ont été alors proposées pour déterminer les valeurs de Rs et
Rp . Pour déterminer avec exactitude ces paramètres, des formules mathématiques sont
habituellement utilisées [47]. Toutefois, ces formules reposent sur des données expérimen-
tales. Comme solution, des auteurs ont proposé de faire varier Rs d’une manière itérative
jusqu’à ce que la courbe I-V du panneau PV corresponde visuellement à celle fournie par
le constructeur et ensuite refaire la même procédure pour Rp [46]. Cependant, il s’agit
d’une méthode d’ajustement médiocre et imprécise, car les valeurs de Rs et Rp ne doivent
jamais être ajustés séparément si l’on souhaite parvenir à un bon modèle.
Dans cette thèse, nous avons choisis d’exploiter la méthode décrite dans [46]. Cette
méthode utilise un algorithme itératif basé sur la minimisation de la différence (l’erreur)
entre la puissance maximale du panneau, donnée par le constructeur Pmax , et la puissance
maximale estimée Pmax−e à partir des valeurs de Rs et Rp identifiées, tel que :

q (Vppm + Rs Ippm ) Vppm + Rs Ippm
Pmax = Vppm Ipv − Io exp −1 − (2.6)
a kT Ns Rp
où Vppm , Ippm et Pmax sont, respectivement, la tension, le courant et la puissance du

panneau PV correspondants au PPM.
L’organigramme de cet algorithme est illustré par la figure 2.3. Son principe consiste à
augmenter de manière itérative la valeur de Rs tout en comparant à chaque itération les
valeurs des deux puissances Pmax−e et Pmax . Un seuil P max (avec P max = Pmax − Pmax−e )
est défini comme un critère d’arrêt de l’algorithme. Pour commencer, l’algorithme itératif
a besoin de valeurs initiales de Rs et Rp . Alors, nous pouvons considérer Rs−ini = 0 et
puis estimer Rp−ini à l’aide de l’équation suivante [46] :
27
systèmes PVs
Vppm Vco−n − Vppm

Rp−ini = Rp−min = − (2.7)
Icc−n − Ippm Ippm
Par la suite, pour chaque itération, Rp sera calculé parneuronales

Commandes l’utilisation de l’expression
adaptatives suivante,
pour les systèmes PVs
tirée de l’équation de la puissance maximale d’un GPV (2.6) :
V ppm (VVppm
ppm+(V Rs I ppm+) Rs Ippm )
=p = n
Rp R ppm (2.8)
(2.8)
Vppm Ipv − Vppm Iqo (exp ) s + V I −ppm 
o
 V ppm + Rs Iappm
kT N

q(Vppm +Rs Ippm )
+ V I −
o  P max −e
V ppm I pv − V ppm I o exp   ppm o Pmax −e 
 a kTN s
  
Données : T, G
Calculer Io, equ. (2.4)
Rs = 0
Rp = Rp-ini, equ. (2.7)
Non
Fin ɛPmax > seuil
Oui
Calculer Ipv-n , equ. (2.3)
Calculer Ipv, equ. (2.2)
Calculer Rp, equ. (2.8)
Résoudre equ. (2.1) pour 0 < V < Vco
Calculer P pour 0 < V < Vco
Trouver Pmax
ɛPmax = Pmax – Pmax-e
Incrémenter Rs
Figure 2.3. Algorithme d’identification des paramètres Rs et Rp d’un panneau PV.

Figure 2.3 : Algorithme d’identification des paramètres Rs et Rp d’un panneau PV
Cet algorithme est appliqué pour estimer les valeurs de Rp et Rs du panneau PV (IFRI260-
Cetfabricant
60 du algorithme est utilisé.
Ifrisol) appliqué Lespour estimer les électriques
caractéristiques valeurs de de
Rpceetpanneau
Rs du panneau PV
sont données
(IFRI260-60
dans le tableaudu
2.1fabricant
[69]. LesIfrisol ) obtenues
valeurs utilisé. Les caractéristiques
de Rs et Rp sont : électriques de ce panneau
sont données dans le tableau 2.1 [69]. Les valeurs obtenues de Rs et Rp sont :
=  Rs 0.131 Ω
 (2.9)
=  R p Rs199.59 Ω
= 0.131 Ω
(2.9)
Courant au PPM, I (A)
Rp = 199.59 Ω 8.1
ppm
Tension au PPM, Vppm (V) 32.05
Puissance nominal, Pmax (W) 260
Courant de court-circuit, Icc (A) 8.65
Tableau 2.1 : Caractéristiques
Tension du Vpanneau
de circuit ouvert, co (V) IFRI260-60 sous les conditions
38.1de test standard
Coefficient de température en circuit ouvert, Kv (V/K) – 0.33
Courant au PPM, Ippm (A)
Coefficient de température en court-circuit, Ki (A/K) 0.0058 8.1
Tension au PPM, (V)cellules en série, Ns
Vppm de
Nombre 60 32.05
Puissance nominale, Pmax (W) 260
Courant Tableau 2.1. Caractéristiques
de court-circuit, Icc (A) du panneau IFRI260-60 sous les conditions de test standard.
8.65
Tension de circuit ouvert, Vco (V) 38.1
Coefficient de température en circuit ouvert, Kv (V/K) - 0.33
2.3.2 Caractérisation
Coefficient de températuredu enpanneau PV Ki (A/K)
court-circuit, 0.0058
Nombre de cellules en série, Ns 60
Sur la base du modèle mathématique d’une cellule PV établi dans cette section, les
caractéristiques I-V et P-V du panneau IFRI260-60 sont déterminées en utilisant le logiciel
MATLAB-Simulink. Les figures 2.4(a) et (b) montrent, respectivement, les caractéristiques I-
28
V et P-V du panneau PV simulé sous une température de 25 °C et un niveau d’éclairement
variable de 200 W/m à 1000 W/m avec un pas de 200 W/m2. A partir de ces résultats, nous
2 2
remarquons que la tension du circuit ouvert Vco varie très peu par rapport aux variations de G.
Par contre, le courant de court-circuit Icc varie beaucoup par l’augmentation de G. Par ailleurs,
2.4 Extraction du maximum de puissance
2.3.2 Caractérisation du panneau PV

Sur la base du modèle mathématique d’une cellule PV établi dans cette section, les ca-
ractéristiques I-V et P-V du panneau IFRI260-60 sont déterminées en utilisant le logiciel
MATLAB-Simulink. Les figures 2.4(a) et (b) montrent, respectivement, les caractéris-
tiques I-V et P-V du panneau PV simulé sous une température de 25 °C et un niveau
d’éclairement variable de 200 W/m2 à 1000 W/m2 avec un pas de 200 W/m2. À partir
de ces résultats, nous remarquons que la tension du circuit ouvert Vco varie très peu par
rapport aux variations de G. Par contre, le courant de court-circuit Icc varie beaucoup
par la variation de G. Par ailleurs, l’augmentation de G engendre une augmentation de
la puissance générée.
(a) (b)
1000 W/m2 250
2
8 1000 W/m
200
6 Puissance (W)
Courant (A)
150
4
100
2 200 W/m2 50 200 W/m2
0 0
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40
Tension (V) Tension (V)
Figure
Figure2.4.2.4Caractéristiques du panneau
: Caractéristiques PV IFRI260-60
du panneau pour différents
PV IFRI260-60 niveaux d’éclairement
pour différents (T = 25°C)(T
niveaux d’éclairement ; (a)
=
caractéristiques I-V et (b) caractéristiques P-V.
25 °C) : (a) caractéristiques I-V et (b) caractéristiques P-V
Les figure 2.5(a) et (b) illustrent, respectivement, les caractéristiques I-V et P-V du
panneau PV simulé sous un éclairement de G = 1000 W/m2 et une température allant de
0 °C à 75 °C avec un pas de 25 °C. À partir de ces courbes, nous constatons que l’influence
de la température est négligeable sur la valeur de Icc . Néanmoins, la tension Vco diminue
fortement en augmentant la température. L’augmentation de la température engendre
une diminution de la puissance générée.

Suivant les figures 2.4 et 2.5, il est claire que, pour un éclairement et une température
donnés, un panneau PV présente des caractéristiques non linéaires qui n’admettent qu’un
seul PPM. Comme illustré par la figure 2.6, lors du couplage direct d’un GPV à une
charge, le point de fonctionnement ne correspond pas toujours au PPM. En effet, nous
pouvons constater que les points de fonctionnement A (pour une charge résistive), B (pour
une charge de type source de tension) et C (pour une charge de type source de courant) ne
correspondent pas au PPM et les puissances respectives consommées PA , PB , PC restent
inférieures à la puissance maximale disponible Pmax . Toutefois, le fonctionnement optimal
s’obtient en déplaçant le point de fonctionnement vers la tension optimale Vppm et le
courant optimal Ippm . Ceci montre que le GPV connecté directement à une charge ne
garantit pas un fonctionnement systématique sur le PPM.
29
systèmes PVs
10 350
(a) (b)
300
8
0 °C
250
Puissance (W)
Courant (A)
6
200
75°C 0°C
4 150
100
75°C
2
50
0 0
0 5 Commandes
10 15 20 25 30 35 40 45 50 0 neuronales
5 10 15adaptatives
20 25 30pour35 les40systèmes
45 50 PVs
Tension (V) Tension (V)
Figure 2.5. Caractéristiques du panneau PV IFRI260-60 pour différentes températures (G = 1000 W/m²) ; (a)
Figure
Ceci Caractéristiques
2.5 : I-V
montre
caractéristiques que GPV duconnecté
panneau
lecaractéristiques
et (b) P-V. PV IFRI260-60à pour
directement unedifférentes
charge températures
ne garantit (Gpas
= 1000
un
W/m 2
) : (a) caractéristiques I-V
fonctionnement systématique sur le PPM. et (b) caractéristiques P-V
Charge type Charge

I Charge source de
résistive resistive
tension optimale
A B PPM
Ippm
Charge type
source de
C courant
V
P
Pmax
PB
PC
PA
Vppm V
Figure 2.6 : Points de fonctionnement d’un GPV connecté directement avec différentes charges (charges
Figure 2.6. Points de fonctionnement d’un GPV connecté directement avec différentes charges (charges
résistives, charge de type source de tension, et une charge de type source de courant)
résistives, charge de type source de tension, et une charge de type source de courant).
Afin d’extraire, à chaque instant, le maximum de puissance disponible dans le GPV et de

Afin d’extraire, à chaque instant, le maximum de puissance disponible dans le GPV
la transférer à la charge (faire fonctionner le système PV sur le PPM), un étage d’adaptation
et de la transférer à la charge (faire fonctionner le système PV sur le PPM), un étage
associé à une commande MPPT doit être utilisé. Le choix du convertisseur de cet étage
d’adaptation associé à une commande MPPT doit être utilisé. Le choix du convertisseur
revient principalement à la nature de la charge utilisée. A titre d’exemple, il peut être un
de cet étage revient
convertisseur CC/CC principalement
(hacheur) si laàcharge
la nature
est de la charge
à CC utilisée.
ou bien A titre d’exemple,
un convertisseur CC/CAil
peut être un
(onduleur) convertisseur
si la charge est àCC/CC
CA. Le(hacheur) si la charge
suivi du PPM est à CC
est effectué ou biend’une
au moyen un convertisseur
commande
appelée MPPT qui agit essentiellement sur le rapport cyclique du convertisseur utilisé d’une
CC/CA (onduleur) si la charge est à CA. Le suivi du PPM est effectué au moyen pour
commande
atteindre appelée
le PPM MPPT
du GPV [75].qui agit sur le rapport cyclique du convertisseur utilisé pour
atteindre le PPM
Dans cette thèse,du GPV [75].
le système PV est destiné à être connecté à un bus continu d’un SHSER
Dans cette thèse,
par l’intermédiaire d’unlehacheur
système PVChapitre
(voir est destiné6). àDifférentes
être connecté à un bus
topologies continu sont
de hacheurs d’un
SHSER
alors par l’intermédiaire
possibles, d’un hacheur
toutefois le hacheur élévateur(voir Chapitre
(Boost) 6). Différentes
reste le plus utilisé. Danstopologies de
les sections
hacheurs sont
suivantes, alors possibles,
le modèle du hacheurtoutefois le hacheur
Boost ainsi qu’un élévateur (Boost)
état des lieux des reste le plusMPPTs
techniques utilisé.
existantes seront donnés avant d’introduire notre contribution dans l’optimisation du
rendement énergétique d’un système PV (Section 30
5 2.5).
2.4.1 Modèle du hacheur Boost

Dans les sections suivantes, le modèle du hacheur Boost ainsi qu’un état des lieux des
techniques MPPTs existantes seront donnés avant d’introduire notre contribution dans
l’optimisation du rendement énergétique d’un système PV (Section 2.5).
2.4.1 Modèle du hacheur Boost

Un hacheur Boost, ou hacheur parallèle, est une alimentation à découpage qui convertit
une tension continue en une autre tension continue de plus grande valeur. Comme déjà
discuté précédemment, ce convertisseur permet de régler la tension aux bornes du GPV
afin d’extraire le maximum de puissance disponible. Le circuit de puissance d’un hacheur
Boost est montré par la figure 2.7. Il est essentiellement composé d’une inductance L à
son entrée, d’un interrupteur commandé à l’ouverture et à la fermeture, d’une diode et
d’un condensateur C à sa sortie. La commande de l’interrupteur se fait par un signal à
MLI de fréquence fsw fixe et de rapport cyclique α variable.
L I Is
α C
V R Vs
Figure 2.7. Circuit de puissance d’un hacheur Boost.

Figure 2.7 : Circuit de puissance d’un hacheur Boost
Dans le cas où la période de découpage de la MLI est très faible comparée aux constantes
Dans le
de temps du cas où la lepériode
système, modèledemoyen
découpage de la Boost
du hacheur MLI est
peuttrès
êtrefaible comparée
obtenue. Ainsi, aux
les
constantesdynamiques
équations de temps du du système,
courant I le modèleLmoyen
à travers dutension
et de la hacheurVs Boost peut être
aux bornes de C obte-
sont
nue. Ainsi,
données les équations
comme suit : dynamiques du courant I à travers L et de la tension Vs aux
bornes de C sont données comme suitdI: V V
= − s (1 − α ) (2.10)
dI dt V L VL s
= − (1 − Vα) (2.10)
dt dVs= LI (1 − Lα ) − s (2.11)
dt C RC
dVs I Vs
= (1 − α) − (2.11)
dt C RC
2.4.2 Principe de recherche du PPM
2.4.2 Principe de recherche du PPM
Comme expliqué précédemment, l’introduction d’un étage d’adaptation permet de fixer le
pointComme expliqué précédemment,
de fonctionnement du système PV l’introduction d’un étage d’adaptation
au PPM, indépendamment de celui de permet
la charge.de
fixer le point de fonctionnement du système PV au PPM, indépendamment de celui de
L’ensemble (le GPV avec son étage d’adaptation) peut fonctionner d’une façon idéale si
la charge.boucles
diverses L’ensemble (le GPV
de contrôles enavec sonetétage
entrée d’adaptation)
en sortie peut fonctionner
de l’étage d’adaptation d’une façon
sont prévues. En
entrée, ces boucles de contrôle garantissent l’extraction du maximum de puissance
idéale si diverses boucles de contrôles en entrée et en sortie de l’étage d’adaptation sont disponible
aux bornes
prévues. En du GPV.cesLes
entrée, boucles
boucles spécifiques
de contrôle de contrôle
garantissent en sortiedugarantissent
l’extraction maximum un de
fonctionnement optimal pour chaque application auquel le
puissance disponible aux bornes du GPV. Les boucles spécifiques de contrôle système PV est destiné [70].
en sortie
Habituellement,
garantissent un les boucles de contrôle
fonctionnement optimalenpourentrée consistent
chaque à associer
application à l’étage
auquel d’adaptation
le système PV est
une commande
destiné MPPT qui réalise
[70]. Habituellement, en permanence
les boucles une en
de contrôle recherche du PPM. Le
entrée consistent principeàdel’étage
à associer cette
commande est d’effectuer une recherche du PPM tout en assurant un parfait échange de
d’adaptation une commande MPPT qui réalise en permanence une recherche du PPM.
puissance entre le GPV et sa charge. En général, les commandes MPPT sont basées sur
Le principe de cette commande est d’effectuer une recherche du PPM tout en assurant
l’ajustement du rapport cyclique du convertisseur statique utilisé de manière à transférer le
un parfait de
maximum échange de puissance
puissance même durantentrelesle instabilités
GPV et samétéorologiques
charge. Les commandes MPPTs
ou variations sont
brusque
basées
de sur l’ajustement du rapport cyclique du convertisseur statique utilisé de manière
charges.
à transférer le maximum
Deux configurations de puissance
peuvent se présentermême durant
selon les instabilités
les grandeurs météorologiques
utilisées par la commande ou
variations
MPPT. Dans brusques de charges.
une première, la commande MPPT exploite la tension V et le courant I de sortie
du GPV (grandeurs d’entrée de l’étage d’adaptation) [51], [52], et dans une seconde, la
commande MPPT utilise la tension Vs et le courant 31 Is de sortie de l’étage d’adaptation [58],
[71]. Cette dernière est généralement conçue pour le système PV où l’exploitation de
l’énergie produite n’est pas directe. Autrement dit, lors que la sortie du système PV constitue
une entrée pour d’autres systèmes tels qu’un système de stockage, un système de conversion
systèmes PVs
Deux configurations peuvent se présenter selon les grandeurs utilisées par la commande
MPPT. Dans une première, la commande MPPT exploite la tension V et le courant I
de sortie du GPV (grandeurs d’entrée de l’étage d’adaptation) [51], [52], et dans une
seconde, la commande MPPT utilise la tension Vs et le courant Is de sortie de l’étage
d’adaptation [58], [71]. Cette dernière est généralement conçue pour le système PV où
l’exploitation de l’énergie produite n’est pas directe. Autrement dit, lors que la sortie du
système PV constitue une entrée pour d’autres systèmes tels qu’un système de stockage,
un système de conversion d’énergie, etc. Cependant, d’autres configurations peuvent être
utilisées comme l’exploitation des mesures météorologiques (température et/ou éclaire-
ment) comme grandeurs d’entrée supplémentaires pour la commande MPPT [72], [73].
Plusieurs travaux scientifiques ont proposé des comparaisons entre les différentes mé-
thodes MPPTs existants dans la littérature [49], [74], [75]. A titre d’exemple, les auteurs
dans [76] ont présenté et comparé plus de trente techniques MPPTs. Dans [56], une com-
paraison de plusieurs méthodes MPPTs selon le nombre de paramètres utilisés dans la
commande, le type d’implémentation, le coût et la complexité d’implémentation a été
réalisée. En raison de sa simplicité de mise en œuvre, la méthode P&O reste l’algorithme
le plus largement utilisé dans l’industrie [65]. Par conséquent, l’algorithme P&O nous ser-
vira comme un algorithme de comparaison pour les méthodes MPPTs développées dans ce
chapitre. Pour une meilleure compréhension, nous allons présenter brièvement son principe
de fonctionnement dans la sous-section suivante avant d’introduire notre contribution.
2.4.2.1 Principe de l’algorithme P&O
Le principe de cette méthode consiste à perturber, avec une faible amplitude, la tension
de sortie du GPV et d’observer ensuite le comportement de la variation de la puissance
à sa sortie [51]. Suivant cette variation, l’algorithme décide d’incrémenter ou décrémenter
la tension de sortie du GPV durant la prochaine itération. Le principe de l’algorithme
P&O est illustré par la figure 2.8. À partir de cette figure, nous pouvons déduire que si
une incrémentation positive de V (∆V > 0) engendre une augmentation de P (∆P >
0) alors le point de fonctionnement n’a pas encore atteint le PPM. Dans le cas contraire
(∆V > 0 et ∆P < 0), ceci signifie que le point de fonctionnement a dépassé le PPM. Un
raisonnement similaire peut être mené lors que la tension décroit (∆V < 0).
En résumé, lorsque ∆P est positif suite à une perturbation sur V , alors la direction
de perturbation doit être maintenue. Dans le cas contraire, la perturbation est inversée
afin de reprendre la convergence vers le PPM. La figure 2.9 montre l’organigramme de
l’algorithme P&O contrôlant un système PV ayant un hacheur Boost comme un étage
d’adaptation.
De par sa simplicité d’implémentation, l’algorithme P&O est aujourd’hui largement

utilisé. Cependant, il présente quelques problèmes liés à son manque de précision. D’un
côté, face à une variation rapide de l’irradiance solaire, l’algorithme P&O ne suit pas
correctement le PPM. D’un autre côté, l’inconvénient majeur de cet algorithme est son
comportement oscillatoire autour du PPM engendré même en régime permanent. Au fait,
ceci revient à la procédure de recherche permanente du PPM obligeant ainsi le système
à osciller constamment autour du PPM même si ce dernier est atteint. Ces oscillations
peuvent être réduites en diminuant la valeur du pas d’incrémentation ∆α. Mais, une faible
valeur de ∆α ralentie la recherche du PPM. Par conséquent, le choix de ce pas est un
compromis entre précision et rapidité ce qui rend le réglage de cet algorithme difficile.
32
2.5 Algorithmes MPPTs à base de la technique ADALINE
Puissance Le système
PPM s’éloigne du PPM
Ippm
Le système s’approche
du PPM
ΔP < 0
ΔP > 0
ΔV > 0
ΔV > 0
Vppm
Tension
Commandes
Figure 2.8. Illustration du principe neuronales P&O.
de l’algorithme adaptatives pour les systèmes PVs
Figure 2.8 : Illustration du principe de l’algorithme P&O
Début
Mesurer V (k), I (k)
Oui
P(k)–P(k–1)=0
Non
Non P(k) > P(k–1) Oui
V(k) > V(k–1) V(k) > V(k–1)

Oui Non Non Oui
Incrémenter α Décrémenter α Incrémenter α Décrémenter α
α(k)= α(k–1)+Δα α(k)= α(k–1)–Δα α(k)= α(k–1)+Δα α(k)= α(k–1)–Δα
Mise à jour
V(k–1) = V(k)
I(k–1) = I(k)
α(k–1) = α(k)
Retour
Figure2.9
Figure 2.9.: Organigramme
Organigrammededel’algorithme P&O.
l’algorithme P&O
2.5 Algorithmes MPPTs à base de la technique ADA-

LINE
Dans cette section, nous proposons deux nouveaux algorithmes MPPTs basés sur la
technique ADALINE. Ces algorithmes exploitent la caractéristique I-V du panneau PV
combiné avec celle du convertisseur Boost. Le premier est l’algorithme INCO. Exposé en
deux variantes, cet algorithme est basé sur la connaissance de la valeur de la conductance
et de l’incrément de la conductance. Le second est l’algorithme INRE. Il est basé sur la
connaissance de la résistance instantanée du panneau PV. Ces algorithmes sont en mode
de contrôle direct, c’est-à-dire, le rapport cyclique qui sert de signal de commande du
hacheur Boost est généré directement à partir de ces algorithmes. Il en résulte ainsi une
configuration simplifiée en raison de l’absence de régulateurs. Les détails de conception
8
33
systèmes PVs
de ces algorithmes seront donnés dans les deux sous-sections suivantes.
2.5.1 Algorithme INCO

Cette sous-section est consacrée à l’algorithme
CommandesINCO suggéré.
neuronales Au pour
adaptatives début, nous don-
les systèmes PVs
nerons le développement théorique et la méthodologie de conception de deux variantes
de cet algorithme.
algorithme. Ensuite,Ensuite, nous présenterons
nous présenterons le banc
le banc d’essai d’essai expérimental
expérimental ainsi que les ainsi que les
conditions
conditions de tests utilisés pour la validation de cet algorithme. A la fin, les
de tests utilisés pour la validation de cet algorithme. A la fin, les résultats expérimentaux résultats
expérimentaux obtenusetseront
obtenus seront illustrés illustrés et discutés.
discutés.
Commemontré
Comme montrédans
sur la
la figure
figure 2.10,
2.10,l’analyse
l’analysedes
desperformances
performancesdede l’algorithme
l’algorithme INCO
INCO se
se fera dans le cas où une charge résistive R est connectée à la sortie du système
fera dans le cas où une charge résistive R est connectée à la sortie du système PV. Ce type de PV. Ce
type de configuration
configuration (système (système
PV connecté PV àconnecté à une
une charge) estcharge) est généralement
généralement utilisé dans le utilisé dans
cas d’une
le cas d’une directe
exploitation exploitation directe
de l’énergie de l’énergie générée.
générée.
GPV
Hacheur Boost
I Is
Charge résistive
+
V Vs
(R)
−
α
Algorithme
INCO
Figure 2.10. Système PV contrôlé par l’algorithme INCO.

Figure 2.10 : Système PV contrôlé par l’algorithme INCO
Comme énoncé préalablement, l’algorithme INCO est basé sur la connaissance de la
Comme
valeur de laénoncé préalablement,
conductance instantanée l’algorithme
(COND = INCO I/V) et est
de basé sur la connaissance
l’incrément de la
de la conductance
valeur de la(ΔCOND
instantanée conductance = ΔI/ΔV)
instantanée (CONleDsens
pour déduire = I/Vde )laetperturbation
de l’incrémentqu’ildefaut
la conductance
appliquer au
instantanée (∆CON le
GPV afin d’atteindre D PPM.
= ∆I/∆V ) pour
La somme de déduire
ces deuxleconductances (COND + ΔCOND)
sens de la perturbation qu’il faut
est
appliquer
positive à au GPV
droite duafin
PPM,d’atteindre
négative àle gauche
PPM. La du somme
PPM etdenulleces deux
sur leconductances
PPM. Ainsi, le (CON
PPMD+ est
∆CON D) est positive à droite du PPM, négative à gauche du PPM et nulle sur le PPM.
atteint lorsque l’égalité suivante est vérifiée :
Ainsi, le PPM est atteint lorsque l’égalitédIsuivante I est vérifiée :
= − (2.12)
dV
dI VI
=− (2.12)
D’un autre côté, la conductance instantanée dV du V hacheur Boost peut être déterminée à partir
D’un autre
de l’équation côté,comme
(2.10) la conductance
suit : instantanée du hacheur Boost peut être déterminée à
partir de l’équation (2.10) comme dI suit dt:
= [V − Vs (1 − α )] (2.13)
dV LdV
dI dt
= [V − Vs (1 − α)] (2.13)
Dans ce cas, le PPM est atteint dV lorsqueLdV l'incrément de la conductance instantanée du
DansBoost,
hacheur ce cas,exprimé
le PPMpar est (2.13)
atteintestlorsque
égale l’incrément
à la conductancede la conductance
instantanée du instantanée
panneau PV.du
hacheur Boost, exprimé par (2.13) est égale à la conductance instantanée du panneau
Ainsi, pour avoir un fonctionnement du système PV à puissance maximale, l’égalité suivante
PV. Ainsi,
doit être pour :avoir un fonctionnement du système PV à puissance maximale, l’égalité
vérifiée
suivante doit être vérifiée : dt I
[V − Vs (1 − α )] = − (2.14)
LdV
dt V I
[V − Vs (1 − α)] = − (2.14)
L’égalité (2.14) peut s’écrire sous
LdV une forme discrète comme V suit :
L’égalité (2.14) peut s’écrire sous une forme discrète comme suit :
L ∆V ( k ) I ( k )
+ V ( k )= Vs ( k ) (1 − α ( k ) ) (2.15)
Ts V (k )
34
où ΔV(k) = V(k) – V(k–1) est la variation de la tension de sortie du panneau PV. Ts est la
période d’échantillonnage.
L ∆V (k) I (k)
+ V (k) = Vs (k) (1 − α (k)) (2.15)
Ts V (k)
où ∆V (k) = V (k) − V (k − 1) est la variation de la tension de sortie du panneau PV. Ts
est la période d’échantillonnage.
À partir de (2.15) et de la figure 1.8 (voir Chapitre 1), la structure de l’ADALINE
à utiliser sera élaborée à l’aide des termes suivants :
L ∆V (k) I (k)
V (k) + = yd (k) (2.16)
Ts V (k)
Vs (k) (1 − α (k)) = W (k) = yest (k) (2.17)
x (k) = 1 (2.18)
où x(k) est l’entrée de l’ADALINE, yd (k) est la sortie désirée et yest (k) est la sortie estimée
(sortie de l’ADALINE).
Durant le processus d’apprentissage, le vecteur poids W (k) est mis à jour d’une manière
itérative afin de minimiser l’erreur e(k) entre yest (k) et yd (k). Une fois cette objectif réalisé,
nous aurons yest (k) = yd (k). L’égalité (2.15) est alors satisfaite et le PPM est atteint.
Dans cette optique, l’algorithme LMS donné par l’équation (1.13) est la loi d’appren-
tissage la plus utilisée. Toutefois, dans le cas des systèmes non linéaires, des lois d’ap-
prentissage modifiées sont couramment utilisées [16], [44]. Parmi ces algorithmes, on peut
citer la version signe-LMS donnée par l’équation suivante :
W (k + 1) = W (k) + µ sign {e(k)} X(k) (2.19)

où l’opérateur sign{.} représente la fonction signe. Cette fonction renvoie à sa sortie +1 si
le nombre est strictement positif, 0 si le nombre est nul, et −1 si le nombre est strictement
négatif.
Avant de présenter l’algorithme d’apprentissage dans notre cas de figure, remarquons
au préalable que le poids W (k) est proportionnel au rapport cyclique α(k) utilisé pour
piloter l’ouverture et la fermeture du transistor. En effet, la cadence de calcul symbolisée
par la période d’échantillonnage Ts est faible devant le temps de variation de la tension
Vs . Par conséquent, cette dernière peut être considérée comme constante sur plusieurs
périodes d’échantillonnage. De ce fait, nous pouvons écrire :
W (k) = Kα (k) (2.20)

où K peut être considéré comme une grandeur dont la dynamique est très lente devant
α(k). Cette constatation simplifie amplement la méthode INCO puisque α(k) sera exploité
directement pour la commande du transistor et par conséquent ajuster W (k).
Nous donnerons à présent une première variante de l’algorithme d’apprentissage utilisé
dans le cas de la méthode proposée. Bien qu’il soit loin d’être inspiré par la théorie de
l’ADALINE, nous avons jugé utile de la présenter puisqu’il s’agit d’un algorithme très
simple et efficace qui se résume à l’équation suivante :
35
systèmes PVs
W (k + 1) = α(k + 1) = Hardlim {e(k)}

(2.21)
= Hardlim {yd (k) − α(k)}
où Hardlim est la fonction d’activation à la sortie. Cette fonction renvoie à sa sortie +1 si
le nombre {.} est strictement positif ou nul, et 0 si le nombre {.} est strictement négatif.
Le
Le principe
principe de de fonctionnement
fonctionnement de de cet
cet algorithme
algorithme se se déroule
déroule de
de lala façon
façon suivante
suivante :: àà
l’instant donné
l’instant k ) ≥≥α (α(k)
donné kksisi yydd((k) k ) alors la sortie
alors . α (α(k
la sortie k + 1)+.passe à 1 àà l’instant
1) passe 1 à l’instantsuivant k+1.
suivant
+ 1.ceDans
kDans cas lecetransistor
cas le transistor se met et
se met à conduire à conduire
la valeur duet courant
la valeur du courant
augmente. augmente.
Par conséquent
Par
yd conséquent
commence yàd commence à diminuer
diminuer puisque ∆V devient
puisque négative.
∆V devient yd (k ) < α (Si
Si négative. k ) y, dl’algorithme
(k) < α(k),
l’algorithme
renvoi 0 en sarenvoi
sortie 0eten
le sa sortie etsera
transistor le transistor
bloqué. Lesera bloqué.
courant Le àcourant
se met diminuer se met
dans àlediminuer
panneau
dans le panneau
alors que alorsduque
yd augmente faitydque ∆V devient
augmente du fait que ∆V devient positive.
positive.
La structure
La structureglobale
globale du
du système
système PV
PV contrôlé
contrôlé par
par la
la première
première variante
variante de
de l’algorithme
l’algorithme
INCO est donnée
INCO est donnéeààlalaFigure
figure2.11.
2.11.
GPV Hacheur Boost
Charge résistive
+ L Is
C
(R)
Vs
−
V I
Unité de contrôle
I (k)
yd (k)
V (k) Equ. (2.16)
+
αest (k)
1/z – α(k+1)
e(k)
Hardlim
Figure 2.11. Structure du système PV contrôlé par la première variante de l’algorithme INCO
Figure 2.11 : Structure du système PV contrôlé par la première variante de l’algorithme INCO
On peut constater que cet algorithme ne nécessite aucun réglage, ce qui représente un
Nous indéniable.
avantage pouvons constater
De plus, que
α(k+1)cet est
algorithme
un signal ne nécessite
Booléen aucun
qui peut réglage,
être ce quiexploité
directement repré-
sente un avantageleindéniable.
pour commander De plus,
transistor sans faire α(k au est
+ 1)
appel blocunMLI.
signal
LaBooléen
fréquence quid’ouverture
peut être direc-
et de
tement exploité
fermeture pour commander
du transistor est liée à lale constante
transistordu sans fairedu
temps appel au bloc
système et neMLI.
peutLadépasser
fréquence
la
d’ouverture et de fermeture
fréquence maximale fmax=1/ 2Tdus . transistor est liée à la constante du temps du système et
ne peut dépasser la fréquence maximale fmax = 1/2Ts .
En raison de sa simplicité, cet algorithme est très intéressant pour des applications de
En puissance
faible raison de et sa où
simplicité, cet algorithme
la fréquence est très du
de commutation intéressant
transistorpour des applications
ne présente pas une
de faible puissance
contrainte. et où laavérée
Sa convergence fréquence de commutation
et immédiate du transistor
a été vérifiée ne présente
par simulation numériquepas sous
une
contrainte. Sa convergence
différents conditions avéréeetetdeimmédiate
d’éclairement a été vérifiée
charges résistives par simulation numérique
connectées.
sous différentes conditions d’éclairement et de charges résistives connectées.
En effet, dans le but d’évaluer les performances de cette première variante de l’algorithme
INCO,En effet,
un testdans le but d’évaluer
de simulation les performances de
sous MATLAB-Simulink estcette première
effectué. Pour variante de l’algo-
se rapprocher plus
rithme INCO, un test de simulation sous MATLAB-Simulink est effectué. Pour se rap-
du comportement réel du système PV, sa modélisation est réalisé à l'aide de la toolbox
SimPowerSystems.
procher Ce système PV
plus du comportement estdu
réel constitué
systèmed'un
PV,panneau PV de typeestIFRI260-60,
sa modélisation d'un
réalisé à l’aide
hacheur Boost et d'une charge résistive d’une valeur de 220 Ω. Durant
de la toolbox SimPowerSystems. Ce système PV est constitué d’un panneau PV de type ce test, l’irradiance
solaire varie de 300 W/m² à 1000 W/m² avec une rampe de 1000 W/m²/s. La figure 2.12
illustre les résultats obtenus.
36
La figure 2.12(a) montre l’allure de la puissance maximale extractible du rayonnement
solaire et de la puissance extraite par le système PV contrôlé par la première variante de
l’algorithme INCO. Nous constatons que les deux puissances relevées sont parfaitement
IFRI260-60, d’un hacheur Boost et d’une charge résistive d’une valeur de 220 Ω. Durant
ce test, l’irradiance solaire varie de 300 W/m2 à 1000 W/m2 avec une rampe de 1000
W/m2/s. La figure 2.12 illustre les résultats obtenus.
La figure 2.12(a) montre l’allure de la puissance maximale extractible du rayonnement
solaire et de la puissance extraite par le système PV contrôlé par la première variante de
l’algorithme INCO. Nous constatons que les deux puissances relevées sont parfaitement
superposées. Ce qui signifie que le maximum de puissance
Commandes est extrait
neuronales quelpour
adaptatives quelessoit le niveau
systèmes PVs
d’irradiance (faible ou élevé). La figure 2.12(b) montre la tension de sortie du panneau
PV. Nous remarquons
d’irradiance que cette
(faible ou élevé). tension2.12(b)
La figure ne varie pas beaucoup
montre la tensionendefonction
sortie dudepanneau
l’irradiance
PV.
Nous remarquons que cette tension ne varie pas beaucoup en fonction de l’irradiance solaire.le
solaire. En effet, sa valeur est comprise entre 30 et 32 V. La figure 2.12(c) illustre
courant
En devaleur
effet, sa sortie est
ducomprise
panneauentre
PV. 30Son
et allure
32 V. Lasuit la dynamique
figure de l’irradiance
2.12(c) illustre le courant deetsortie
reste
stable
du tout PV.
panneau au long du fonctionnement
Son allure du système
suit la dynamique PV. Enfin,
de l’irradiance la stable
et reste figure tout
2.12(d) montre
au long du
un zoom sur ledu
fonctionnement rapport
systèmecyclique générélaàfigure
PV. Enfin, la sortie de l’algorithme
2.12(d) montre un zoomINCO.sur Il s’agit d’un
le rapport
signal binaire
cyclique généré(0à la
ousortie
1) quideagit directement
l’algorithme sur l’état
INCO. Il s'agitouvert ou fermé
d'un signal de l’interrupteur
binaire (0 ou 1) qui agit du
hacheur Boost.
directement sur l’état ouvert ou fermé de l’interrupteur du hacheur Boost.
300
(a)
Puissance(W)
250 Puissance extraite

200
150
100
50 Puissance maximale extractible
0 1 2 3 4 5 6 7 8
37 (b)
Tension (V)
34
31
28
25
0 1 2 3 4 5 6 7 8
10
(c)
8
Courant (A)
6
4
2
0
0 1 2 3 4 5 6 7 8
Rapport cyclique
(d)
1
0.5
2 2.0001 2.0002 2.0003 2.0004 2.0005

Temps (s)
Figure
Figure2.12.
2.12Résultats de simulation
: Résultats de la première
de simulation variantevariante
de la première de l’algorithme INCO : (a)
de l’algorithme puissance,
INCO (b) tension, (b)
: (a) puissance,
(c) courant, et (d) zoom sur le rapport cyclique
tension, (c) courant, et (d) zoom sur le rapport cyclique
La deuxième variante de l’algorithme proposé pour la méthode INCO exploite la version

La deuxième
modifiée varianteLMS.
de l’algorithme de l’algorithme proposé
Après plusieurs pournous
tests, la méthode INCO
avons opté exploite
pour la ver-
l’algorithme
sion modifiée
signe-LMS dontdel’expression
l’algorithmeestLMS. Après
donnée par plusieurs
(2.19) [44].tests,
Le nous
choixavons
de cetopté pour l’algo-
algorithme est
rithme signe-LMS dont l’expression est donnée par (2.19) [44].
motivé par le fait qu’il permet d’avoir de meilleures performances pour des niveaux Le choix de cet algorithme
est motivé par
d’éclairement à lalefois
faitfaibles
qu’il permet
et élevés.d’avoir de meilleures performances pour des niveaux
d’éclairement
En s’appuyantà la surfois faibles et
l’équation élevés.
(2.20) qui stipule que le poids W peut être directement réglé
Enrapport
par le s’appuyant
cyclique surα, l’équation (2.20)avec
et en combinant qui lastipule
méthode quesigne-LMS
le poids W peut
la loi être directe-
d'apprentissage
ment réglé par le rapport cyclique α, et en combinant avec la méthode signe-LMS
permettant l’adaptation du poids du réseau ADALINE dans le cas de l'algorithme INCOlaest
loi
d’apprentissage
donnée comme suit permettant
: l’adaptation du poids du réseau ADALINE dans le cas de
l’algorithme INCO est donnée α (k +comme
1)= α (ksuit
) + µ: sign {e(k )}
(2.22)
= α (k ) + µ37sign { yd (k ) − α (k )}
Dans le but de minimiser l’erreur e(k), la valeur du rapport cyclique est continuellement
mise à jour. A chaque itération, la valeur de α(k) est modifiée en fonction du signe de e(k). En
systèmes PVs
α(k + 1) = α(k) + µ sign {e(k)}

(2.22)
= α(k) + µ sign {yd (k) − α(k)}
Dans le but de minimiser l’erreur e(k), la valeur du rapport cyclique est continuel-
lement mise à jour. A chaque itération, la valeur de α(k) est modifiée en fonction du
signe de e(k). En effet, lorsque yd (k) est supérieure
Commandesà neuronales
yest (k), leadaptatives
rapportpourcyclique est
α(k) PVs
les systèmes
renforcé de la quantité µ sign e(k). Tandis que lorsque yd (k) est inférieure à yest (k), le
rapport cyclique α(k) est réduit de la même quantité µ sign e(k).
En
Enchoisissant
choisissantununpas pasd’apprentissage
d’apprentissageµ µrelativement
relativementfaible et et
faible après
aprèsuneune
phase
phasetransitoire
transi-
de convergence, α(k) tendra vers une valeur optimale comprise entre
toire de convergence, α(k) tendra vers une valeur optimale comprise entre 0 et 1 minimi-0 et 1 minimisant
l’erreur
sant entre entre
l’erreur yd(k) ety y(k)
est(k). Par conséquent, le PPM sera obtenue.
et yest (k). Par conséquent, le PPM sera obtenue.
d
La figure
La figure 2.13
2.13 montre
montre lala structure globale du
structure globale du système
système PVPV contrôlé
contrôlé par
par l’algorithme
l’algorithme
proposé. L’ADALINEgénère
proposé. L’ADALINE génèreenen sa sa sortie
sortie la valeur
la valeur du rapport
du rapport cycliquecyclique
optimal,optimal, avec
avec laquelle
laquelle
le système PV atteindra le PPM. Contrairement à la première variante, ici un bloc MLIunà
le système PV atteindra le PPM. Contrairement à la première variante, ici
bloc MLI constante
fréquence à fréquenceest constante
utilisé pourest utilisé pour
transformer transformer
ce rapport ce rapport
cyclique cyclique
en un signal MLI.enIl un
en
signal MLI. Il en résulte alors un signal binaire (0 ou 1) qui agit sur l’état ouvert ou
résulte alors un signal binaire (0 ou 1) qui agit sur l’état ouvert ou fermé de l’interrupteur du fermé
de l’interrupteur
hacheur Boost. du hacheur Boost.
GPV Hacheur Boost
Charge résistive
+ L Is
C
(R)
Vs
−
V I
Unité de contrôle
I (k)
yd (k)
V (k) Equ. (2.16)
+ –
+
αest (k)
1 W(k)
–
α(k+1)
Loi d’apprentissage e(k)

Equ. 2.19
Figure 2.13. Structure du système PV contrôlé par la deuxième variante de l’algorithme INCO
Figure 2.13 : Structure du système PV contrôlé par la deuxième variante de l’algorithme INCO
Les performances de cette deuxième variante de l’algorithme INCO sont aussi testées par
Les performances
simulation de cette deuxième
sous MATLAB-Simulink. Toutvariante
commede l’algorithme
pour le premierINCO sont aussi testées
test, l’irradiance solaire
par
passesimulation
de 300 W/m² sousà MATLAB-Simulink.
1000 W/m² avec une rampe Tout comme
de 1000pour le premier
W/m²/s. test, l’irradiance
Une résistance de charge
solaire passe de
d’une valeur 300 Ω
de 220 est utilisée.
W/m 2 à 1000 W/m2 avec une rampe de 1000 W/m2/s. Une résistance
de La
charge d’une
figure valeur
2.14(a) de 220
donne Ω est de
l’allure utilisée.
la puissance maximale extractible et la puissance
La figure 2.14(a) donne l’allure de la cette
extraite par le système PV contrôlé par puissance maximale
deuxième extractible
variante et de la INCO.
de l’algorithme puissance
Là
extraite par le
encore, nous système que
constatons PV lescontrôlé par cette deuxième
deux puissances varianteLadefigure
sont superposées. l’algorithme INCO.
2.14(b) montre
Là encore, nous constatons que les deux puissances sont superposées. La figure 2.14(b)
l’évolution de la tension a là sortie du panneau PV. Le courant de sortie du panneau PV est
montre
donné par l’évolution de la tension
la figure 2.14(c). à la une
Il présente sortie du d’onde
forme panneau PV. etLenon
stable courant de sortie
oscillante. Enfin,du
le
signale de commande généré par l'algorithme INCO est présenté sur la
panneau PV est donné par la figure 2.14(c). Il présente une forme d’onde stable et non figure 2.14(d). Son
allure montre que le système PV est correctement contrôlé. En effet, aucun pic ni
mouvements oscillatoires sont à signaler. 38
oscillante. Enfin, le signale de commande généré par l’algorithme INCO est présenté sur
la figure 2.14(d). Son allure montre que le système PV est correctement contrôlé. En effet,
aucun pic ni mouvements oscillatoires ne sontCommandes neuronales adaptatives pour les systèmes PVs
à signaler.
300
(a)
Puissance(W)
250 Puissance extraite

200
150
100
50 Puissance maximale extractible
0 1 2 3 4 5 6 7 8
36
(b)
Tension (V)
33
30
27
24
0 1 2 3 4 5 6 7 8
10
(c)
8
Courant (A)
6
4
2
0
0 1 2 3 4 5 6 7 8
0.85
Rapport cyclique
(d)
0.8
0.75
0.7
0.65
0 1 2 3 4 5 6 7 8
Temps (s)
Figure 2.14. Résultats de simulation de la deuxième variante de l’algorithme INCO : (a) puissance, (b) tension,
Figure
(c) 2.14
courant, : Résultats
et (d) de simulation de la deuxième variante de l’algorithme INCO : (a) puissance, (b)
rapport cyclique
tension, (c) courant, et (d) rapport cyclique
Au terme de ces résultats (figures 2.12 et 2.14), nous pouvons dire que les deux variantes
Au terme deINCO
de l’algorithme ces résultats
présentes(figures 2.12 et performances
de très bonnes 2.14), nous pouvons
de suivi dire que les
du PPM. Dans deux va-
ce qui
riantes
suit, nousdeprésentons
l’algorithme les INCO
résultatsprésentes de très bonnes
d'expérimentation performances
de la deuxième de suivi
variante du PPM.
de l’algorithme
Dans ceIl qui
INCO. est àsuit,
noter nous
queprésentons
dans toute la lessuite
résultats
de ce d’expérimentation
chapitre, l’algorithme deINCO
la deuxième variante
fera référence à
dedeuxième
la l’algorithme INCO. Il est à noter que dans toute la suite de ce chapitre, l’algorithme
variante.
INCO fera référence à la deuxième variante.
2.5.1.1 Validation expérimentale de l’algorithme INCO
2.5.1.2 Validation expérimentale de l’algorithme INCO
Afin de vérifier l’efficacité et la robustesse de l’algorithme INCO, un banc d’essai
Afin de vérifier l’efficacité et la robustesse de l’algorithme INCO, un banc d’essai
expérimental est mis en œuvre et plusieurs tests expérimentaux sont réalisés. Les
expérimental de
performances estl’algorithme
mis en œuvre INCO et sont
plusieurs tests aux
comparées expérimentaux
performancessont réalisés. LesP&O
de l’algorithme per-
formances
dans de l’algorithme
les mêmes conditions.INCO
Les sont
tests comparées aux performances
de comparaison sont effectués de l’algorithme
suivant la normeP&O
dans les mêmes conditions. Les tests sont effectués suivant la norme
prEN50530 qui est une norme européenne de tests utilisée pour évaluer l’efficacité des prEN 50530 qui est
une norme européenne
algorithmes MPPTs [63]. de tests
Avantutilisée pour évaluer
de présenter l’efficacité
les résultats des algorithmes
expérimentaux, uneMPPTs
brève
[63]. Avant de présenter les résultats expérimentaux, une brève description
description du banc d’essai expérimental, de la norme prEN50530 et du choix des paramètres du banc d’essai
expérimental, de sera
d’implémentation la norme prENdans
présentée 50530 et du
ce qui suit.choix des paramètres d’implémentation sera
présentée dans ce qui suit.
1) Description du banc d’essai expérimental
1) Description du banc d’essai expérimental
Une photographie du banc d’essai expérimental, réalisé au sein du Laboratoire pour le test
des Une photo du
algorithmes banc d’essai
MPPTs, expérimental,
est montrée réalisé
dans la figure au sein
2.15. Il estduconstitué
Laboratoire
d’un pour
panneaule test
PVdes
de
algorithmes
type IFRI260-60,MPPTs,d’unest montrée
hacheur par d’un
Boost, la figure 2.15.d’éclairage,
système Il est constitué d’un panneau
d’un ensemble PV de
de capteurs
type
de IFRI260-60,
courant d’un hacheur
et de tension et d’une Boost,
charge d’un système
résistive. d’éclairage,
L’ensemble d’un ensemble
du système de capteurs
est contrôlé via une
de courant
carte dSPACE et deDS1104.
tension et
Led’une
hacheurcharge
Boostrésistive. L’ensemble
est conçu autour dud’unsystème
IGBT est contrôlé via
(insulated-gate
bipolar transistor) (module SKM75GAL063D) commandé par une carte Driver (driver SKHI
10/12 R). Le système d’éclairage est constitué 39 de quatre lampes halogènes dont le niveau
d’éclairage est régulé par un contrôleur de puissance monophasé (un gradateur de type
G3PW-A245EU-C). Un capteur d’irradiance solaire de type RG100 est utilisé pour mesurer le
systèmes PVs
une carte dSPACE DS1104. Le hacheur Boost est conçu autour d’un transistor bipolaire
à grille isolée (insulated-gate bipolar transistor ) (IGBT) (module SKM75GAL063D) com-
mandé par une carte Driver (driver SKHI 10/12 R). Le système d’éclairage est constitué
de quatre lampes halogènes dont le niveau d’éclairage est régulé par un contrôleur de
puissance monophasé (un gradateur de type G3PW-A245EU-C). Un capteur d’irradiance
solaire de type RG100 est utilisé pour mesurer le niveau d’éclairement sur la surface du
panneau PV. Deux capteurs sont utilisés pour mesurer le courant et la tension à la sortie
du GPV. Commandes neuronales adaptatives pour les systèmes PVs
4
3
7
9
5
6 8
2 10
Figure 2.12. Photographie du banc d’essai ; 1) PC-Pentium + carte dSPACE + ControlDesk, 2) connecteur
Figure 2.15 : Photo du banc d’essai : 1) PC-Pentium + carte dSPACE + ControlDesk, 2) connecteur
entrée/sortie de la carte dSPACE, 3) hacheur Boost, 4) résistance de charge, 5) capteur de tension, 6) capteur de
entrée/sortie de la carte dSPACE, 3) hacheur Boost, 4) résistance de charge, 5) capteur de tension,
courant, 7) gradateur monophasé, 8) panneau PV, 9) lampes halogènes et 10) capteur d’irradiance solaire.
6) capteur de courant, 7) gradateur monophasé, 8) panneau PV, 9) lampes halogènes et 10) capteur
d’irradiance solaire
Les paramètres de la plateforme expérimentale utilisés sont résumés dans le tableau

2.2.
Tableau 2.2 : Paramètres de la plateforme expérimentale utilisée pour la validation de l’algorithme

INCO
Fréquence de la MLI, fsw (kHz) 100
Inductance d’entrée, L (mH) 10
Condensateur de sortie, C (mF) 3.3
Résistance de charge, R (Ω) 220
Période d’échantillonnage, Ts (µs) 100
2) Norme européenne de tests des algorithmes MPPTs

La norme prEN 50530 est une norme européenne de tests utilisée pour l’évaluation
des performances des algorithmes MPPTs en régimes dynamique et stationnaire [63].
Selon cette norme, les tests doivent être effectués en utilisant des séquences d’irradiance
composées de n rampes consécutives (croissantes et décroissantes) et de pentes différentes
(x W/m2/s). Le principe de ces séquences de tests est montré par la figure 2.16. Quatre
profils peuvent ainsi être considérés selon le niveau d’irradiance G et la pente x (le taux
de variation de G dans le temps) comme suit :
• Un profil rapide, d’irradiance faible à moyenne (Gmin = 100 W/m2, Gmax = 500
W/m2 et x est relativement grand),
• Un profil lent, d’irradiance faible à moyenne (Gmin = 100 W/m2, Gmax = 500 W/m2
et x est relativement petit),
40
• Un profil rapide, d’irradiance moyenne à élevée (Gmin = 300 W/m2, Gmax = 1000
W/m2 et x est relativement grand), Commandes neuronales adaptatives pour les systèmes PVs
• Un profil lent, d’irradiance moyenne à élevée (Gmin = 300 W/m2, Gmax = 1000
W/m2 et x est relativement petit).
G (W/m2) n répétitions n répétitions

Gmax
Gmin
Temps d'éta- x1 (W/m2/s) x2 (W/m2/s)
blissement
Temps (s)
Figure 2.13. Profils d’irradiance pour l’évaluation des algorithmes MPPTs selon la norme prEN 50530.
Figure 2.16 : Profils d’irradiance pour l’évaluation des algorithmes MPPTs selon la norme prEN 50530
Dans cette thèse, la norme prEN 50530 est utilisée pour la validation expérimentale de
l’algorithme INCO proposé. Cependant, en raison de la limitation du nombre de lampes
halogènes exploitées au laboratoire, nous avons abouti à des profils de tests légèrement mo-
difiés. En effet, la source d’alimentation des lampes halogènes délivre un courant maximal
de 20 A, ce qui permet d’alimenter uniquement quatre lampes. En conséquence, le niveau
maximal d’éclairement obtenu sur la surface du panneau PV est d’environ 510 W/m2. Sur
la base de cette constatation et les indications de la norme prEN 50530, nous avons établi
quatre profils d’éclairement de niveaux et de dynamiques différents. Ces profils de tests
sont montrés par la figure 2.17. Pour le niveau d’irradiance moyen à élevé, G varie entre
150 et 510 W/m2 (figures 2.17(a) et (b)), et pour le niveau d’irradiance faible à moyen, G
varie entre 30 et 270 W/m2 (figures 2.17(c) et (d)). Pour les profils d’irradiance rapides,
les pentes sont de 360 W/m2/s (figure 2.17(a)) et de 145 W/m2/s (figure 2.17(c)). Pour
les profils lents, les pentes sont de 42 W/m2/s (figure 2.17(b)) et de 20 W/m2/s (figure
2.17(d)). Les différents tests sont réalisés sous une température d’environ 25 °C.
3) Choix des paramètres d’implémentation des algorithmes INCO et P&O
a) Choix du coefficient d’apprentissage de l’ADALINE

Comme mentionné précédemment, l’algorithme signe-LMS est exploité pour la mise
à jour du poids de l’ADALINE. Le choix du coefficient d’apprentissage µ se fait de telle
sorte à avoir un bon compromis entre la stabilité et la vitesse de convergence de l’ADA-
LINE. Par conséquent, nous avons réglé ce coefficient d’une manière à avoir un temps de
réponse satisfaisant avec moins d’oscillations (un meilleur filtrage) au niveau du courant
et de la tension de sortie du GPV. Après plusieurs essais expérimentaux, le coefficient
d’apprentissage µ est fixé à 0.05.
b) Choix du pas d’incrémentation de l’algorithme P&O
Comme nous l’avons vu précédemment, l’algorithme P&O opère d’une manière itéra-
tive, ce qui rend sont optimisation difficile. Lors du choix du pas d’incrémentation ∆α,
un compromis entre les performances en régime transitoire (rapidité) et en régime perma-
nent (précision) doit être trouvé. Dans notre cas, le pas d’incrémentation est choisi après
plusieurs essais expérimentaux. Il est définit comme suit :
41
Commandes neuronales adaptatives pour les systèmesPVs
systèmes PVs
600 600
(a) (b)
500 500
400 400
G (W/m )
G (W/m )
2
2
300 300
200 200
100 100
0 0
0 5 10 15 20 25 30 50 60 70 80 90
Temps (s) Temps (s)
300 (c) 300 (d)

250 250
G (W/m )
G (W/m )
200 200
2
2
150 150
100 100
50 50
0 0
0 5 10 15 20 25 30 60 70 80 90 100
Temps (s) Temps (s)
Figure 2.14.
Figure 2.17Profils d’irradiance
: Profils reproduits
d’irradiance au laboratoire
reproduits : (a) profil
au laboratoire : (a) rapide avec G avec
profil rapide passant d’un niveau
G passant d’unmoyen
niveauà
élevé, (b) profil lent avec G passant d’un niveau moyen à élevé, (c) profil rapide avec G passant
moyen à élevé, (b) profil lent avec G passant d’un niveau moyen à élevé, (c) profil rapide avec G passant d’un niveau
faible à moyen et (d) profil lent avec G passant d’un niveau faible à moyen.
d’un niveau faible à moyen et (d) profil lent avec G passant d’un niveau faible à moyen
α(k + 1) = α(k) ± ∆α = α(k) ± 0.001 (2.23)
4) Résultats expérimentaux
Cette sous-section est dédiée à la présentation et à la discussion des résultats expé-
rimentaux obtenus des algorithmes INCO et P&O. L’algorithme INCO est comparé à
l’algorithme P&O suivant les quatre profils d’irradiance reproduit au laboratoire (voir
la figure 2.17). Pour chaque test, nous avons présenté la tension V , le courant I et la
puissance P à la sortie du GPV ainsi que le rapport cyclique α. Pour monter les bonnes
performances de l’ADALINE, l’évolution du poids et de l’erreur d’estimation sont égale-
ment données.
a) Test avec un profil rapide d’irradiance moyenne à élevée
La figure 2.18 montre les formes d’ondes des puissances, des tensions et des courants
à la sortie du GPV ainsi que les rapports cycliques générés par les deux algorithmes lors-
qu’un profil rapide d’irradiance moyenne à élevée est appliqué (voir figure 2.17(a)). Ces
résultats confirment que le courant est considérablement affecté par le changement de
l’éclairement, contrairement à la tension qui reste moins affectée. Aussi, il est clair que
l’algorithme INCO présente de meilleures performances comparé à l’algorithme P&O. En
effet, comme illustré sur la figure 2.18(a), la puissance générée par l’algorithme INCO
est bien plus importante que celle générée par l’algorithme P&O où un retard est observé
dans la poursuite du PPM durant les régimes transitoires. En termes d’oscillations, l’algo-
rithme P&O présente beaucoup d’oscillations même aux régimes permanents. Par contre,
l’algorithme INCO présente des signaux plus stables et moins oscillants (figures 2.18(b) et
(c)). Les rapports cycliques sont illustrés sur la figure 2.18(d). Dans le cas de l’algorithme
P&O, le rapport cyclique présente des oscillations importantes et a tendance à se saturer
aux régimes transitoires. Cependant, dans le cas de l’algorithme INCO, le comportement
14
42
du rapport cyclique indique que le système est contrôlé d’une manière plus stable. Le
rapport cyclique n’est pas saturé et présente beaucoup moins d’oscillations. Dans ce test,
lorsque l’éclairement varie de 150 W/m2 à 510 W/m2, le rapport cyclique du convertisseur
varie en moyenne de 0.63 à 0.78.
P&O INCO
150
(a)
Puissance(W)
125
100
75
50
25
0
0 5 10 15 20 25 30
35
(b)
Tension (V)
30
25
20
15
0 5 10 15 20 25 30
5
(c)
4
Courant (A)
3
2
1
0
0 5 10 15 20 25 30
1
Rapport cyclique
(d)
0.8
0.6
0 5 10 15 20 25 30
Temps (s)
Figure 2.15. Comparaison des résultats expérimentaux des algorithmes P&O et INCO pour un profil rapide
Figure 2.18 : Comparaison des résultats expérimentaux des algorithmes P&O et INCO pour un profil
d’irradiance moyenne à élevée : (a) puissance, (b) tension, (c) courant, et (d) rapport cyclique.
rapide d’irradiance moyenne à élevée : (a) puissance, (b) tension, (c) courant, et (d) rapport cyclique
La figure 2.19 présente les performances de l’ADALINE utilisé dans l’algorithme INCO.
Pour ce test, il convient de noter que le poids de l’ADALINE a bien convergé vers sa valeur
optimale et ce malgré la dynamique rapide de l’éclairement solaire. Son erreur d’estimation
reste également très faible.
Erreur d’estimation (V); Poids
40
Poids de l'ADALINE
30
20
Erreur d'estimation
10
-10
0 5 10 15 20 25 30
Temps (s)
Figure 2.16. Evolution du poids et de l’erreur d’estimation de l’ADALINE pour un profil rapide d’irradiance
Figure
moyenne 2.19 : Évolution du poids et de l’erreur d’estimation de l’ADALINE pour un profil rapide
à élevée.
d’irradiance moyenne à élevée
b) Test avec un profil lent d’irradiance moyenne à élevée

La figure 2.20 montre les puissances, les courants et les tensions à la sortie du GPV
ainsi que les rapports cycliques générés par les deux algorithmes lorsqu’un un profil lent
43
systèmes PVs
d’irradiance moyenne à élevée est appliqué (figure 2.17(b)). Il est clair que l’algorithme
proposé présente de meilleures performances comparé à l’algorithme P&O en régimes
transitoire et permanent. Les allures de la tension et du courant obtenus par l’algorithme
INCO sont nettement plus stables et moins oscillants que ceux obtenus par l’algorithme
P&O (voir figures 2.20(b) et (c)). En termes de puissance, l’algorithme INCO génère plus
de puissance par rapport à celle extraite avec l’algorithme P&O (figures 2.20(a)). Les
rapports cycliques sont tracés sur la figure 2.20(d). Il est clair que le rapport cyclique
généré par l’algorithme INCO est plus stable et présente
Commandes moins
neuronales d’oscillations
adaptatives comparé
pour les systèmes PVsà
celui généré par l’algorithme P&O.
P&O INCO
150
(a)
Puissance (W)
125
100
75
50
25
0
45 50 55 60 65 70 75 80 85 90
32 (b)
Tension (V)
30
28
26
24
45 50 55 60 65 70 75 80 85 90
(c)
4
Courant (A)
0
45 50 55 60 65 70 75 80 85 90
Rapport cyclique
(d)
0.8
0.7
0.6
0.5
45 50 55 60 65 70 75 80 85 90
Temps (s)
1
Figure 2.17. Comparaison des résultats expérimentaux des algorithmes P&O et INCO pour un profil lent
Figure 2.20 : Comparaison des résultats expérimentaux des algorithmes P&O et INCO pour un profil
d’irradiance moyenne à élevée : (a) puissance, (b) tension, (c) courant et (d) rapport cyclique.
lent d’irradiance moyenne à élevée : (a) puissance, (b) tension, (c) courant et (d) rapport cyclique
La figure 2.21 illustre les performances de l’ADALINE pour ce deuxième test où son
poids ainsi que son erreur d’estimation sont tracés. Là encore, le poids de l’ADALINE suit
parfaitement l’évolution du système et converge instantanément vers sa valeur optimale.
L’erreur d’estimation reste très minime.
c) Test avec un profil rapide d’irradiance faible à moyenne
La figure 2.22 montre une comparaison des résultats obtenus des deux algorithmes
INCO et P&O lorsqu’un profil rapide d’irradiance faible à moyenne est appliqué (figure
2.17(c)). Comme pour les deux tests précédents, les résultats obtenus montre encore une
fois la supériorité de l’algorithme proposé dans la poursuite du PPM. Par ailleurs, il est
à noter que l’algorithme P&O présente un retard dans la poursuite du PPM durant le
régime transitoire (figure 2.22(a)). Le rapport cyclique généré par l’algorithme P&O est
instable et tend à se saturer lors des régimes transitoires (figure 2.22(d)). Tandis que le
rapport cyclique généré par l’algorithme INCO présente un comportement plus stable et
44
Commandes
2.5 Algorithmes MPPTs à base de la technique neuronales adaptatives pour les systèmes PVs
ADALINE
Erreurs d’estimation (V); Poids

40
30
20 Poids de l'ADALINE
10 Erreur d'estimation
-10
45 50 55 60 65 70 75 80 85 90
Temps (s)
Figure
Figure2.18.
2.21Evolution du poids
: Évolution et deet l’erreur
du poids d’estimation
de l’erreur de l’ADALINE
d’estimation pour pour
de l’ADALINE un profil lent d’irradiance
un profil lent d’irra-
moyenne à élevée.
diance moyenne à élevée

suit parfaitement l’évolution du profil d’irradiance appliqué.
P&O INCO
(a)
Puissance (W)
60
40
20
0
0 5 10 15 20 25 30
40
(b)
Tension (V)
20
0
0 5 10 15 20 25 30
2.5 (c)
2
Courant (A)
1.5
1
0.5
0
0 5 10 15 20 25 30
1
Rapport cyclique
(d)
0.5
0
0 5 10 15 20 25 30
Temps (s)
1
Figure 2.19.
Figure 2.22Comparaison des des
: Comparaison résultats expérimentaux
résultats expérimentauxdes algorithmes P&O P&O
des algorithmes et INCO pour un
et INCO profil
pour un rapide
profil
d’irradiance faible à moyenne : (a) puissance, (b) tension, (c) courant et (d) rapport cyclique.
rapide d’irradiance faible à moyenne : (a) puissance, (b) tension, (c) courant et (d) rapport cyclique
L’évolution du poids et de l’erreur d’estimation de l’ADALINE sont tracés sur la figure

2.23. Là aussi, nous constatons une convergence rapide du poids et une erreur d’estimation
quasi-nulle.
d) Test avec un profil lent d’irradiance faible à moyenne
La figure 2.24 illustre les résultats expérimentaux obtenus lorsque les deux algorithmes
INCO et P&O sont testées sous un profil lent d’irradiance faible à moyenne (figure
2.17(d)). Ces résultats montrent que l’algorithme INCO suit correctement le PPM et
que le maximum de puissance est toujours atteint. Tandis qu’avec l’algorithme P&O, les
signaux obtenus sont moins stables et présentent beaucoup d’oscillations notamment aux
régimes transitoires. Le rapport cyclique généré par l’algorithme INCO est plus stable et
suit la dynamique du système (voir la figure 2.24(d)). Le rapport cyclique généré par l’al-
45
18
L’évolutionneuronales
Commandes du poids etadaptatives
de l’erreur d’estimation de l’ADALINE
pour l’extraction sontdetracés
du maximum dans la
puissance figure
dans les
2.20. Là aussi, nous constatons une convergence rapide du poids et une erreursystèmes
d’estimation
PVs
quasi-nulle.
Erreur d'estimation (V); Poids

30 Poids de l'ADALINE
20
-10
0 5 10 15 20 25 30
Temps (s)
Figure 2.20.
Figure 2.23Evolution du poids
: Évolution du etpoids
de l’erreur
et ded'estimation de l’ADALINE
l’erreur d’estimation pour un profilpour
de l’ADALINE rapideun
d’irradiance
profil rapide
faible à moyenne.
d’irradiance faible à moyenne
d) Test avec un profil lent d’irradiance faible à moyenne

gorithme P&O présente des pics et des oscillations aux régimes transitoires et ce malgré
La figure 2.21 illustre les résultats expérimentaux
Commandesobtenus lorsque
neuronales les pour
adaptatives deuxlesalgorithmes
systèmes PVs
la dynamique lente du profil d’irradiance appliqué.
INCO et P&O sont testées sous un profil lent d’irradiance faible à moyenne (figure 2.14(d)).
Ces résultats montrent que l’algorithme INCO suit correctement le PPM et que le maximum
P&O INCO
de puissance est toujours atteint. Tandis qu’avec l’algorithme P&O, les signaux obtenus sont
Puissance (W)
60 et présentent beaucoup d’oscillations notamment aux régimes transitoires. (a)

moins stables Le
40
rapport au rapport cyclique généré par l’algorithme INCO est plus stable et suit la dynamique
du système 20
(voir la figure 2.21(d)). Le rapport cyclique généré par l’algorithme P&O présente
0
des pics et des oscillations
55 60
aux65régimes70 transitoires
75
et80ce malgré
85
la dynamique
90 95
lente100
du profil
d’irradiance40appliqué.
(b)
Tension (V)
20 P&O INCO
Courant (A)Puissance (W)
60 (a)
400
55 60 65 70 75 80 85 90 95 100
20
2.5
(c)
02
1.5 55 60 65 70 75 80 85 90 95 100
401
(b)
Tension (V)
0.5
0
20
55 60 65 70 75 80 85 90 95 100
cyclique
0.8 (d)
0
0.6
55 60 65 70 75 80 85 90 95 100
0.4
Courant Rapport
2.5
0.2
2 (c)
(A)
1.50
55 60 65 70 75 80 85 90 95 100
1 Temps (s)
0.51
Figure 2.21.
Figure 2.24 0Comparaison
: Comparaison desdes
résultats expérimentaux
résultats expérimentaux des des
algorithmes
algorithmesP&OP&O et INCO pourpour
et INCO un profil lent
un profil
d’irradiance faible55à moyenne 65
60 : (a) puissance, 80
75 (c) courant
70(b) tension, et 85
(d) rapport 95
90 cyclique. 100
lent d’irradiance faible à moyenne : (a) puissance, (b) tension, (c) courant et (d) rapport cyclique
Rapport cyclique
0.8 (d)
0.6
La figure
0.4 2.25 présente les performances de l’ADALINE où le poids et l’erreur d’esti-
mation sont 0.2 tracés. Le poids de l’ADALINE suit parfaitement l’évolution du profil d’irra-
diance. Concernant
0
55 l’erreur
60 d’estimation,
65 70 là75encore,80 les résultats
85 obtenus95montrent
90 100 que sa
valeur moyenne1 est très faible, ce qui explique la
Temps (s)
bonne convergence du poids de l’ADA-
LINE.
Figure 2.21. Comparaison des résultats expérimentaux des algorithmes P&O et INCO pour un profil lent
d’irradiance faible à moyenne : (a) puissance, (b) tension, (c) courant et (d) rapport cyclique.
Pour bien illustrer la rapidité de convergence de l’algorithme proposé, un dernier test
est réalisé pour comparer le temps de convergence de chacun des deux algorithmes P&O
et INCO. Les performances de ces deux algorithmes
24 sont testés en utilisant deux profils
d’irradiance de type échelon montant. Les figure 2.26 et 2.27 montres les formes d’ondes
des puissances à la sortie du GPV pour deux profils allants, respectivement, de 145 W/m2
46
Commandes
ADALINE
Erreur d'estimation (V); Poids

30
20
Poids de l'ADALINE
-10
55 60 65 70 75 80 85 90 95 100
Temps (s)
Figure 2.22. Evolution du poids et de l’erreur d'estimation de l’ADALINE pour un profil lent d’irradiance faible
Figure 2.25 : Évolution du poids et de l’erreur d’estimation de l’ADALINE pour un profil lent d’irra-
à moyenne.
diance faible à moyenne
à 511 W/m2 et de 24 W/m2 à 260 W/m2. Pour le premier profil d’irradiance (figure 2.26), le
temps de convergence du système utilisant l’algorithme proposé est 3.5 fois plus rapide que
le système utilisant l’algorithme P&O. Pour le deuxième profil d’irradiance (figure 2.27),
le système utilisant l’algorithme INCO estCommandes
2.5 fois plus rapide que le système utilisant
neuronales adaptatives pour les systèmes PVs
l’algorithme P&O.
P&O INCO Irradiance

180
0.536 s
Puissance (W); Irradiance (3 W/m2)
160
140
0.619 s
120
2.146 s
100
80
60
40
20
9.5 10 10.5 11 11.5 12 12.5
Commandes 13
neuronales 14 14.5
13.5 adaptatives 15 systèmes PVs
pour les
Temps(s)
Figure
Figure2.23.
2.26Comparaison des temps
: Comparaison de convergence
des temps des deux
de convergence algorithmes
des INCO et P&O
deux algorithmes INCOpour une variation
et P&O pour uneen
échelon
variationd’irradiance
en échelon(d’un niveau moyen
d’irradiance (d’unà un niveau
niveau élevé)à: puissances
moyen un niveau PVs extraites
élevé) et profil PVs
: puissances d’irradiance.
extraites et
profil d’irradiance
P&O INCO Irradiance

100
Puissance (W); Irradiance (3 W/m2)
0.66 s
80
60 0.743 s
1.857 s
40
20
0
19.5 20 20.5 21 21.5 22 22.5 23 23.5 24 24.5 25
Temps (s)
Figure 2.24. Comparaison des temps de convergence des deux algorithmes INCO et P&O pour une variation en
Figure 2.27 : Comparaison des temps de convergence des deux algorithmes INCO et P&O pour une
échelon d’irradiance (d’un niveau faible à un niveau moyen) : puissances PVs extraites et profil d’irradiance.
variation en échelon d’irradiance (d’un niveau faible à un niveau moyen) : puissances PVs extraites et
profil d’irradiance
Il est à noter également que l’algorithme P&O a présenté beaucoup d’oscillations, et
47
22
systèmes PVs
en termes de puissance extraite, il est moins efficace. En effet, en utilisant l’algorithme

proposé, une puissance de 125 W est générée lorsque l’irradiance est de 511 W/m2, tandis
qu’avec l’algorithme P&O, la puissance générée ne dépasse pas les 115 W. Lorsque l’irra-
diance est de 260 W/m2, une puissance de 60 W est extraite avec l’algorithme suggéré,
tandis qu’avec l’algorithme P&O, la puissance extraite est d’environ 55 W.
2.5.2 Algorithme INRE

Cette sous-section est réservée à l’algorithme INRE développé. Au début, nous pré-
senterons le développement théorique de cet algorithme. Ensuite, nous donnerons et dis-
cuterons les résultats de simulations et d’expérimentations obtenus. Comme montré sur
la figure 2.28, le test de l’algorithme INRE se fera dans le cas où la sortie du système PV
est raccordée à un bus continu. Une telle configuration est généralement utilisée dans le
cas où l’exploitation de l’énergie fournie par le système PV est indirecte. Dans cette thèse,
cette configuration ainsi que l’algorithme INRE seront retenus pour connecter ce système
PV au bus continu d’un SHSER (voir Chapitre 6).
Bus continu
GPV Hacheur Boost
Idc-pv
+ +
Cdc
Udc
_
−
α
I
Algorithme INRE
V (Fig. 2.29)
Figure 2.28. Système PV contrôlé par l’algorithme INRE.

Figure 2.28 : Système PV contrôlé par l’algorithme INRE
Le principe de fonctionnement de l’algorithme INRE est basé sur l’égalisation de la
Le principe
tension à l’entréededufonctionnement
hacheur Boost deavecl’algorithme INRE estdebasé
la tension optimale surdul’égalisation
sortie panneau PV. de La
la
tension à l’entréedu
tension optimale dupanneau
hacheurPV Boost
peutavec
êtreladéduite
tensionà optimale
partir de de sortie du panneau
la résistance PV.d’un
instantanée La
tension optimale du panneau PV peut être déduite à partir de la résistance instantanée
panneau PV. Cette résistance instantanée est calculée par
d’un panneau PV. Cette résistance instantanée V dVest calculée par
= − (2.24)
V I dI
dV
=− (2.24)
Ainsi, la tension optimale de sortie du panneau
I PV est déduite comme suit :
dI
Ainsi, la tension optimale de sortie du panneau dV PV est déduite comme suit :
V = −I (2.25)
dI
dV
D’un autre côté, la tension d’entrée duV hacheur (2.25)
= −I Boost est déduite de (2.10) de la manière
dI
suivante :
D’un autre côté, la tension d’entrée du hacheur Boost est déduite de (2.10) de la
manière suivante : dI
V =L + U dc (1 − α ) (2.26)
dt
dI
où Udc est la tension du bus continu,
V =autrement
L +dit, − α) de sortie du hacheur Boost.(2.26)
Udcla(1tension
dt
Le PPM est atteint lorsque la tension d’entrée du hacheur Boost (2.26) et la tension
où Udc est la tension du bus continu, autrement dit, la tension de sortie du hacheur Boost.
optimale de sortie du panneau (2.25) sont égales. C’est-à-dire :
dI dV
L + U dc (1 − α ) =
−I (2.27)
dt 48 dI
La quantité LdI/dt peut être négligée et elle est nulle au régime permanent. En pratique, la
variation de l’irradiance solaire est souvent lente. Ainsi, la variation du courant dans le temps
Le PPM est atteint lorsque la tension d’entrée du hacheur Boost (2.26) et la tension
optimale de sortie du panneau (2.25) sont égales. C’est-à-dire :
dI dV
L + Udc (1 − α) = −I (2.27)
dt dI
La quantité LdI/dt peut être négligée et elle est nulle au régime permanent. En pra-
tique, la variation de l’irradiance solaire est souvent lente. Ainsi, la variation du courant
dans le temps est très faible. En plus, l’algorithme INRE se révèle plus rapide devant
la dynamique de changement du courant. Suivant cette hypothèse et (2.27), le rapport
cyclique optimal permettant un fonctionnement sur le PPM est déduit de la manière
suivante :
IdV
α= +1 (2.28)
Udc dI
Sous sa forme discrète, l’équation (2.28) peut se réécrire comme suit :
I(k)∆V (k)
α(k) = +1 (2.29)
Udc (k)∆I(k)
où ∆V (k) = V (k) − V (k − 1) et ∆I(k) = I(k) − I(k − 1) sont, respectivement, la variation
de la tension et du courant à la sortie du panneau PV.
À ce stade, un ADALINE peut être introduit pour résoudre l’équation (2.29) en vue de
chercher le rapport cyclique optimal. Pour ce faire, les équivalences suivantes sont posées :
I(k)∆V (k)
+ 1 = yd (k) (2.30)
Udc (k)∆I(k)
α (k) = w (k) = yest (k) (2.31)
x (k) = 1 (2.32)
Dans le cas de l’algorithme INRE, la loi d’apprentissage α-LMS est utilisée pour l’adap-
tation du poids de l’ADALINE. En fonction du vecteur poids w(k), du vecteur d’entrée
x(k) et de l’erreur d’estimation e(k) = yd (k) − yest (k), la loi d’apprentissage α-LMS est
donnée sous la forme suivante :
w (k + 1) = w (k) + 2µ e (k) x (k) (2.33)

Finalement, à partir de (2.30)-(2.33), l’algorithme INRE peut être déduit comme suit :
α (k + 1) = α(k) + 2µe(k)
(2.34)

I(k)∆V (k)
= α (k) + 2µ + 1 − α(k)
Udc (k)∆I(k)
Après convergence de l’ADALINE, l’erreur d’estimation e(k) devient faible et le rap-
port cyclique optimal peut alors être déduit. La figure 2.29 présente le schéma topologique
de l’algorithme INRE obtenu à partir de (2.34).
Comme nous pouvons le constater dans (2.30), l’évaluation de la sortie désirée yd (k)
requiert la connaissance de la valeur de la tension Udc à chaque instant k. Cette dernière
peut être mesurée par un capteur de tension où bien estimée au régime permanent à partir
de (2.26) comme suit :
49
w ( k + 1=
) w ( k ) + 2µ e ( k ) x ( k ) (2.33)
Finalement, à partir de (2.30)–( 2.33), l’algorithme INRE peut être déduit comme suit :
systèmes PVs
α ( k + 1=
) α ( k ) + 2 µ e( k )
 I (k )∆V (k )  (2.34)
= α ( k ) + 2 µ  V (k) + 1 − α (k ) 
Udc (k) =  U dc (k )∆I (k )  (2.35)
1 − α(k)
Après convergence de l’ADALINE, l’erreur d’estimation e(k) devient faible et le rapport
Par conséquent,
cyclique optimal l’algorithme INRE
peut alors être proposé
déduit. ne nécessite
La figure pas l’utilisation
2.29 présente le schéma d’un troisième
topologique de
capteur.
l’algorithme INRE obtenu à partir de (2.34).
µ
× + α(k+1)
+
1
z
yest(k)
– e(k)
V Equ. yd(k)
+
I (2.30)
Figure 2.29. Schéma topologique de l’algorithme INRE.(déplacer 1/z)

Figure 2.29 : Schéma topologique de l’algorithme INRE
Comme nous pouvons le constater dans (2.30), l’évaluation de la sortie désirée yd(k)
requiert la connaissance de la valeur de la tension Udc à chaque instant k. Cette dernière peut
1) Résultats de simulations
être mesurée par un capteur de tension où bien estimée au régime permanent à partir de (2.26)
Danssuit
comme l’objectif
: de vérifier l’efficacité et la robustesse de l’algorithme INRE, des tests en
simulation sont effectués sous MATLAB-Simulink. V (k )Sous les mêmes conditions, les résultats
obtenus sont comparés à ceux obtenus ) = l’algorithme P&O. Deux tests sont réalisés
U dc (kavec (2.35)
1 − α (k )
suivant une variation de l’irradiance solaire et une variation de la tension du bus continu.
Dans un premier temps,
Par conséquent, les performances
l’algorithme INRE proposé de l’algorithme
ne nécessiteINRE sont testées d’un
pas l’utilisation dans le cas où
troisième
lacapteur.
tensionDe deplus,
sortie du hacheur àBoost
contrairement est maintenue
l’algorithme constante (UINRE
INCO, l’algorithme dc = 300 V), directement
génère tandis que
l’irradiance solaire varie. Ici, selon deux dynamiques (rapide et lente), l’irradiance solaire
à sa sortie le rapport cyclique optimal et non une tension optimale. Ceci réduit donc
passe de 200
davantage W/m de
la charge 2 à 1000
calculW/m
et rend
2 . Pour la dynamique
l’algorithme rapide,plus
INRE encore unerobuste
rampe et deperformant.
200 W/m2/s
est considérée et pour la dynamique lente, une rampe de 20 W/m2/s est considérée.
Un tel1) scénario
Résultatsest de susceptible
simulations de se produire dans le cas où le système PV est utilisé
pour charger
Dans des batteries
l’objectif de vérifierou pour alimenter
l’efficacité un bus continu.
et la robustesse Dans un
de l’algorithme second
INRE, temps,
des tests en
l’algorithme
simulation sontINRE est testé
effectués sousdans le cas où l’irradiance
MATLAB-Simulink. Soussolaire est fixe
les mêmes (G = 1000
conditions, les W/m 2 ),
résultats
tandis que la tension du bus continue varie entre 250 V et 350 V. Une telle situation
peut survenir, par exemple, dans le cas où le28bus continu alimente un onduleur connecté
au réseau. Dans ce cas, l’injection de la puissance au réseau électrique pourra provoquer
des perturbations dans la tension du bus continu. La figure 2.30 illustre l’évolution du
profil d’irradiance solaire considéré dans le premier test (figure 2.30(a)) et l’évolution de
la tension du bus continu considérée dans le second test (figure 2.30(b)).
Tout comme pour le test de l’algorithme INCO, un panneau PV de type IFRI260-
60, dont les caractéristiques sont résumées par le tableau 2.1, est utilisé. Les paramètres
de simulations utilisés sont les mêmes que ceux utilisés dans la sous-section 2.5.1 (voir le
tableau 2.2). Le choix des paramètres d’implémentation des algorithmes P&O et INRE est
effectué en suivant la même procédure que celle décrite dans la sous-section 2.5.1. Un taux
d’apprentissage µ = 0.015 est choisi pour l’algorithme INRE et un pas d’incrémentation
∆α de 0.0025 est choisi pour l’algorithme P&O.
a) Performances de l’algorithme INRE sous G variable et Udc constant
La figure 2.31 montre l’allure des puissances générées par le système PV dans le cas
où le profil d’irradiance donné par la figure 2.30(a) est appliqué sous une tension du
50
1200
Irradiance (W/m )
(a)
2
1 000
800
600
400
200
0
0 20 40 60 80 100 120
400
(b)
Tension (V)
300
200
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure
Figure2.27.
2.30Séquences des des
: Séquences profils utilisés
profils en simulation
utilisés : (a) profil
en simulation : (a) d’irradiance solaire rapide
profil d’irradiance solaire etrapide
lent sous un
et lent
bus continu constant (Udc = 300V) et (b) évolution de la tension du bus continu pour une irradiance solaire fixe
sous un bus continu constant (Udc = 300 V) et (b) évolution de la tension du bus continu pour une
(G = 1000 W/m²).
irradiance solaire fixe (G = 1000 W/m2)
bus continu constante (Udc = 300 V). À partir de la figure 2.31(a), nous constatons que
le PPM est correctement suivie par les deux algorithmes. Toutefois, le zoom au régime
permanent, montré par la figure 2.31(b), révèle que l’algorithme INRE est nettement plus
performant que l’algorithme P&O. En effet, la puissance extraite par l’algorithme proposé
ne présente aucun mouvement oscillatoire. De plus, il permet d’atteindre un rendement
de 100% puisque la puissance générée au régime permanent est de 258.90 W. Cette valeur
correspond exactement à la puissance maximale théorique (Pmax = 258.90 W). Un zoom au
régime transitoire des puissances produites est donné à la figure 2.31(c). La supériorité de
l’algorithmeINRE
l’algorithme INREapparaît
apparaîtégalement
égalementpendant
pendantle le régime
régime transitoire
transitoire (lors
(lors du du changement
changement de
de l’irradiation solaire). Là encore, la méthode proposée permet d’atteindre un rendement
l’irradiation solaire). Là encore, la méthode proposée permet d’atteindre un rendement de 100
de alors
%, 100%,que
alors que la méthode
la méthode P&O des
P&O présente présente des oscillations
oscillations et une perteetdeune perte de puissance.
puissance.
P&O INRE
300
Puissance (W)
(a)
200
100
0
0 20 40 60 80 100 120
259 (b)
Puissance (W)
258
257
74.98 74.985 74.99 74.995 75 75.005 75.01 75.015 75.02
206 (c)
Puissance (W)
205
204
203
89.98 89.985 89.99 89.995 90 90.005 90.01 90.015 90.02
Temps (s)
Figure 2.31. Comparaison des performances des algorithmes P&O et INRE pour un profil d’irradiation rapide et
Figure
lent sous2.31 : Comparaison
une tension du bus des performances
continu constante des
(Udcalgorithmes
= 300 V) : P&O et INRE pour
(a) puissances un profil
extraites, d’irradiation
(b) zoom sur les
rapide et lent sous une tension du bus continu constante (U dc = 300 V) : (a) puissances extraites,
puissances extraites au régime permanent et (c) zoom sur les puissances extraites au régime transitoire. (b)
zoom sur les puissances extraites au régime permanent et (c) zoom sur les puissances extraites au régime
transitoire
La figure 2.32 illustre l’allure des courants de sortie générés avec les deux algorithmes
27
MPPTs sous une variation de l’irradiance solaire et une tension du bus continu constante
La figure 2.32 illustre l’allure des courants de sortie générés avec les deux algorithmes
(figure 2.30(a)). A partir de la figure 2.32(a), il est clair que les deux courants de sortie
suivent rapidement et correctement l’évolution du profil d’irradiance. Toutefois, le zoom au
régime permanent donné dans la figure 2.32(b) 51 montre que l’algorithme INRE présente de
meilleures performances comparé à l’algorithme P&O. Les taux d’oscillation du courant
(ΔI/I) pour les algorithmes P&O et INRE sont, respectivement, de 4 % et 0 %. En
systèmes PVs
MPPTs sous une variation de l’irradiance solaire et une tension du bus continu constante
(figure 2.30(a)). À partir de la figure 2.32(a), il est clair que les deux courants de sortie
suivent rapidement et correctement l’évolution du profil d’irradiance. Toutefois, le zoom
au régime permanent donné par la figure 2.32(b) montre que l’algorithme INRE présente
de meilleures performances comparé à l’algorithme P&O. Les taux des oscillations du
courant (∆I/I) pour les algorithmes P&O et INRE sont, respectivement, de 4% et 0%.
En conséquence, l’algorithme proposé élimine entièrement les oscillations du courant. Lors
du régime transitoire (variation de l’irradiance solaire), les oscillations du courant pour la
P&O et l’INRE sont, respectivement, de 4% et < 0.5% (figure 2.32(c)).
La figure 2.33 montre l’allure des tensions à la sortie du panneau PV pour les deux
algorithmes dans le cas où le profil d’irradiance donné par la figure 2.30(a) est appliqué.
Nous pouvons constater sur la figure 2.33(a) que l’algorithme INRE est bien meilleur que
l’algorithme P&O en termes d’oscillations. Le zoom au régime permanent (figure 2.33(b))
révèle une absence totale des oscillations dans la tension de sortie du système contrôlé par
l’algorithme INRE (∆V /V = 0%). En revanche, dans le cas de l’algorithme P&O, le taux
d’oscillation de la tension est de 2.3%. Dès lors, l’algorithme proposé résout de manière
définitive les problèmes liés aux pertes et aux oscillations au régime permanent. Durant le
régime transitoire (figure 2.33(c)), les oscillations de la tension pour les algorithmes P&O
et INRE sont, respectivement, de 2.4% et < 0.5%.
P&O INRE
10
(a)
Courant (A)
0
0 20 40 60 80 100 120
(b)
8.2
Courant (A)
8.1
8
7.9
74.98 74.985 74.99 74.995 75 75.005 75.01 75.015 75.02
6.6 (c)
Courant (A)
6.4
6.2
89.98 89.985 89.99 89.995 90 90.005 90.01 90.015 90.02
Temps (s)
Figure
lent sous2.32 : Comparaison
une tension des performances
du bus continu constante (Udes algorithmes P&O et INRE pour un profil d’irradiation
dc = 300 V) : (a) courants de sortie du panneau PV, (b) zoom
rapide et lent sous une tension du bus continu constante (Udc
sur les courants de sortie au régime permanent et (c) zoom sur les=courants
300 V) de
: (a) courants
sortie de sortie
au régime du panneau
transitoire.
PV, (b) zoom sur les courants de sortie au régime permanent et (c) zoom sur les courants de sortie au
régime transitoire
b) Performances de l’algorithme INRE sous Udc variable et G constant

La figure 2.34 présente une comparaison des performances des deux algorithmes P&O
et INRE sous un profil irradiance fixe (G = 1000 W/m2) et une tension du bus continu
variable (figure 2.30(b)). Nous constatons que, lorsque la tension du bus continu varie,
l’algorithme INRE présente des formes d’ondes (puissance, courant et tension) plus stables
que celles obtenues en utilisant l’algorithme P&O. La puissance électrique produite en
utilisant l’algorithme suggéré est toujours maximale, et ce, en dépit de la variation de la
52
Commandes
ADALINE
P&O INRE
35
(a)
Tension (V)
30
25
0 20 40 60 80 100 120
(b)
32.5
Tension (V)
32
31.5
31
73.96 73.97 73.98 73.99 74 74.01 74.02
33
(c)
Tension (V)
32.5
32
31.5
31
89.98 89.985 89.99 89.995 90 90.005 90.01 90.015 90.02

Temps (s)
Figure 2.33 : Comparaison des performances des algorithmes P&O et INRE pour un profil d’irradiation
lent sous une tension du bus continu constante (Udc = 300 V) : (a) tensions de sortie du panneau PV, (b) zoom
rapide et lent sous une tension du bus continu constante (Udc = 300 V) : (a) tensions de sortie du panneau
sur les tensions de sortie au régime permanent et (c) zoom sur les tensions de sortie au régime transitoire.
PV, (b) zoom sur les tensions de sortie au régime permanent et (c) zoom sur les tensions de sortie au
régime transitoire
tension du bus continu (figure 2.34(a)). Les figures 2.34(b) et (c) illustrent, respectivement,
les courants et les tensions de sortie du GPV. Au régime permanent, les formes d’ondes
du courant et de la tension mesurés à la sortie du panneau PV contrôlé par l’algorithme
INRE ne présentent aucun mouvement oscillatoire. Tandis que,
Commandes neuronales dans pour
adaptatives le cas
les du système
systèmes PVs
contrôlé avec l’algorithme P&O, d’importantes oscillations sont à signaler.
P&O INRE
260
(a)
Puissance (W)
258
256
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
8.4
(b)
Courant (A)
8.2
7.8
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
33 (c)
Tension (V)
32
31
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure
Figure2.31.
2.34Comparaison
: Comparaisondes des
performances des algorithmes
performances P&OP&O
des algorithmes et INRE dans le
et INRE casled’une
dans variation
cas d’une de la
variation
tension du bus continu (G constant) : (a) Puissances extraites, (b) courants de sortie du panneau
de la tension du bus continu (G constant) : (a) Puissances extraites, (b) courants de sortie du panneau PV et (c)
tensions de sortie du panneau PV.
PV et (c) tensions de sortie du panneau PV
30
53
systèmes PVs
c) Étude comparative
Jusqu’à présent, la comparaison des performances de l’algorithme INRE est faite par
rapport à l’algorithme P&O conventionnel. Dans le tableau 2.3, une étude comparative
est présentée entre l’algorithme INRE et d’autres algorithmes MPPTs de type zéros-
oscillations (zero-osillations based MPPT algorithms), c’est-à-dire, des algorithmes fonc-
tionnants sans oscillations [64]-[67]. Les algorithmes retenus pour cette comparaison ont
été choisis en raison de leurs efficacités élevées et leurs fonctionnements avec zéros oscil-
lations. Dans [64], les auteurs ont proposé une méthode de type IC basée sur le principe
de la détection des ondulations de commutation (switching ripple detection). Dans [65],
un algorithme P&O modifié, basé sur le principe du pas adaptatif, associé à une condi-
tion aux limites dynamique (dynamic boundary condition) est développé. Cette approche
permet de minimiser les pertes de puissance liées à la perte de direction (direction de
la perturbation appliquée à chaque itération). Dans [66], un algorithme MPPT amélioré
avec zéros oscillations est présenté. Sa mise en œuvre se fait en deux étapes. La première
étape est basée sur un facteur d’échelle adaptatif bêta (adaptive scaling factor beta) pour
améliorer la réponse transitoire. La seconde étape est basée sur un algorithme P&O mo-
difiée qui permet d’éliminer les erreurs de suivi aux régimes permanents. Dans [67], trois
techniques sont associées. La première permet d’annuler les oscillations en régime perma-
nent. La deuxième permet d’identifier les changements d’irradiance. La troisième est une
technique de suivi adaptative à plusieurs niveaux, utilisée pour assurer un suivi précis du
PPM.
Les méthodes décrites ci-dessus donnent d’assez bons résultats. Toutefois, certains de
ces algorithmes présentent des structures complexes [64]-[66]. De plus, leurs performances
n’ont été validées qu’à l’aide d’émulateurs de GPV [64]-[67], et non avec des panneaux
PVs réels. Le tableau 2.3 présente les résultats de cette étude comparative. Le rendement
au régime permanent, le rendement au régime transitoire, la vitesse de suivi, ainsi que
quelques remarques sont mentionnées pour chacune des six méthodes (algorithme P&O,
algorithmes proposés dans [64]-[67] et l’algorithme INRE).
Tableau 2.3 : Étude comparative entre l’algorithme P&O, les algorithmes proposés dans [64]-[67], et
l’algorithme INRE
Rendement Rendement Vitesse

au régime au régime de Remarques
permanent transitoire suivi
P&O 99% 99% Lente - Algorithme de base utilisé pour la comparaison
- Méthode IC basée sur la détection des ondulations
[64] 99% 98% Rapide
- La validation est faite avec un émulateur PV
- P&O modifiée basée sur un pas adaptatif
[65] 99.4% 98.2% Rapide
- Structure complexe (combinaison de deux méthodes)
[66] 99.98% 99.83% Moyenne
- Structure complexe (combinaison de trois méthodes)
[67] ≈ 100% 99.3% Rapide
Très - Basée sur un réseau ADALINE de structure simple
INRE 100% 100%
rapide - La validation est faite avec un GPV réel
2) Résultats expérimentaux
En plus des simulations numériques, une validation expérimentale de l’algorithme
54
INRE est mise en œuvre. Une comparaison avec l’algorithme P&O est également réa-
lisée. Les tests expérimentaux sont accomplis en utilisant le banc d’essai expérimental
réalisé dans le cadre de cette thèse (voir la figure 2.15). L’implémentation des deux al-
gorithmes sur la carte dSPACE est effectuée en utilisant les même paramètres que ceux
utilisés en simulations (µ = 0.015 et ∆α = 0.0025). Tout comme les simulations, un profil
d’irradiance avec deux dynamiques (rapide et lente) est considéré. Toutefois, en raison
de la limitation du nombre de lampes utilisé, le niveau maximal d’éclairement obtenu à
la surface du panneau PV est d’environ 500 W/m2. Le profil d’irradiance reproduit au
laboratoire est montré sur la figure 2.35(a). Une charge résistive d’une valeur de 330 Ω
est connectée à la sortie du hacheur Boost. Par conséquent, un changement simultané de
G et de Udc est obtenu durant l’expérience. Les performances de l’algorithme INRE sont
testées simultanément sous une variation de l’irradiance et de la tension Udc . L’évolution
de la tension Udc induite par la variation de l’irradiance solaire est illustrée par la figure
2.35(b).
600
Irradiance (W/m2)
(a)
400
200
0
0 20 40 60 80 100 115
200
(b)
Tension (V)
150
100
50
0 20 40 60 80 100 115
Temps (s)
Figure 2.32.
Figure 2.35Séquences des profils
: Séquences utilisés
des profils en expérimentation
utilisés : (a) profil
en expérimentation d’irradiance
: (a) reproduit aureproduit
profil d’irradiance laboratoirau
et
(b) variation de la tension Udc induite par la variation de l’irradiance.
laboratoir et (b) variation de la tension Udc induite par la variation de l’irradiance
La figure 2.36 montre l’allure de la puissances de sortie du panneau PV lorsque les pro-
fils illustrés par la figure 2.35 sont appliqués. À partir de la figure 2.36(a), nous constatons
que l’algorithme INRE suit parfaitement la dynamique du profil d’irradiance et présente
des performances supérieures à celles de l’algorithme P&O. En effet, pour un niveau
d’éclairement élevé (G ≈ 500 W/m2), les puissances générées au régime permanent par
les algorithmes INRE et P&O sont, respectivement, de 128 W et 120 W (figure 2.36(b)).
Ainsi, l’algorithme INRE permet de réaliser un gain en puissance de 6.67%. Dans le cas
d’un faible niveau d’irradiance, les puissances extraites au régime permanent pour les al-
gorithmes INRE et P&O sont, respectivement, de 39 W et 36 W. Dans ce cas, l’algorithme
proposé permet un accroissement de 8.33% de la puissance générée. En régime transitoire
(figure 2.36(c)), la supériorité de l’algorithme proposé est encore une fois démontrée. En
outre, les résultats obtenus montrent clairement que l’algorithme INRE présente des si-
gnaux avec des formes d’onde plus stables et des oscillations beaucoup moins importantes
que l’algorithme P&O.
La figure 2.37 donne l’évolution des tensions et des courants mesurés à la sortie du
panneau PV pour les deux algorithmes. Comparés aux signaux obtenus avec l’algorithme
P&O, des signaux avec des formes d’onde plus stables avec moins d’oscillations sont
obtenus par l’algorithme proposé. Il est à noter que la présence de ces oscillations à basses
55
systèmes PVs
fréquences dans le courant et la tension est principalement due aux bruits de mesure
(figures 2.37(c) et (d)). Toutefois, dans le cas du système commandé par l’algorithme
INRE, les bruits et les fluctuations sont mieux rejetésneuronales
Commandes autour adaptatives
du PPM. pour les systèmes PVs
P&O INRE
150
Puissance (W)
(a)
100
50
0
0 20 40 60 80 100 115
130 (b)
Puissance (W)
125
120
115
74 74.5 75 75.5 76
(c)
Puissance (W)
115
110
105
100
95
99 99.5 100 100.5 101
Temps (s)
Figure 2.33.
Figure 2.36 Comparaison
: Comparaison expérimentale des des
expérimentale performances des des
performances algorithmes P&OP&O
algorithmes et INRE : (a) :puissances
et INRE (a) puis-
sances extraites, (b) zoom sur les puissances extraites au régime permanent et (c) zoom sur les extraites
extraites, (b) zoom sur les puissances extraites au régime permanent et (c) zoom sur les puissances au
puissances
régime transitoire.
extraites au régime transitoire
Au terme des simulations et des expérimentations réalisées, nous pouvons dire que l’al-
gorithme INRE présente de très bonnes performances de suivi du PPM. Ces performances
sont résumées par les points suivants :
1) 100% de rendement énergétique aux régimes permanent et transitoire,
2) Zéro oscillations dans le courant et la tension de sortie du panneau PV aux régimes
permanents,
3) Oscillations mineures dans le courant et la tension de sortie du panneau PV aux
régimes transitoires,
4) Plus facile à mettre en œuvre que l’algorithme P&O,
5) Une mise en œuvre analogique de la méthode est possible avec des circuits de base.
De plus, contrairement à beaucoup d’autres algorithmes qu’on retrouve dans la lit-
térature, l’algorithme proposé est tout aussi efficace pour des niveaux d’irradiance très
faibles ou lors de changements soudains du niveau d’irradiance. L’algorithme proposé peut
être ainsi utilisé dans le cas où les variations de l’irradiance solaire sont particulièrement
rapides, notamment dans le cas des applications solaires-mobiles. Enfin, en raison de la
réduction et de l’absence de calculs complexes dans sa structure, elle constitue de ce fait
une excellente alternative pour accroître la fiabilité des systèmes PVs commerciaux.
2.6 Conclusion
Deux nouveaux algorithmes MPPTs pour la commande d’un système PV ont été pro-
posés dans ce chapitre. Inspirés de la technique ADALINE, ces algorithmes exploitent la
56
2.6 Conclusion
P&O INRE
35
(a)
Tension (V)
30
25
0 20 40 60 80 100 115
(b)
4
Courant (A)
0
0 20 40 60 80 100 115
33
(c)
Tension (V)
32
31
30
29
74 74.5 75 75.5 76
4.5
(d)
Courant (A)
3.5
74 74.5 75 75.5 76
Temps (s)
Figure
Figure2.34.
2.37Comparaison
: Comparaisonexpérimentale des des
expérimentale performances des des
performances algorithmes P&O
algorithmes et INRE
P&O : (a): (a)
et INRE tensions de
tensions
sortie du panneau PV, (b) courants de sortie du panneau PV, (c) zoom sur les tensions de sortie au régime
de sortie du panneau PV, (b) courants de sortie du panneau PV, (c) zoom sur les tensions de sortie au
permanent et (d) zoom sur les courants de sortie au régime permanent.
régime permanent et (d) zoom sur les courants de sortie au régime permanent
courbe caractéristique I-V d’un panneau PV combinée avec celle du convertisseur Boost.
Ces algorithmes présentent des structures extrêmement simples et de très bonnes per-
formances de suivi du PPM. L’algorithme INCO est basé sur la connaissance de l’incré-
ment de conductance et l’algorithme INRE est basé sur la connaissance de la résistance
instantanée. Dans le but de vérifier la faisabilité et la robustesse des algorithmes sug-
gérés, des simulations et des expérimentations ont été réalisés. Des comparaisons avec
l’algorithme P&O ont été également effectuées. Les tests ont été menés suivant la norme
prEN 50530 qui est une norme européenne destinée à l’évaluation de l’efficacité des algo-
rithmes MPPTs. Cette norme requière aux algorithmes MPPT le suivi d’un ensemble de
séquences de rampes ayant des pentes et des niveaux d’irradiance différents. Initialement,
l’algorithme INCO est testé expérimentalement dans le cas où la sortie du système PV
est connectée à une charge résistive. Ensuite, des essais en simulation et une validation
expérimentale ont été menés pour tester les performances de l’algorithme INRE. Dans ce
cas, le système PV est connecté à un bus continu. Une étude comparative de l’algorithme
INRE avec d’autres algorithmes a été également réalisée. Les résultats obtenus ont dé-
montré que les algorithmes proposés permettent d’optimiser le rendement énergétique du
système PV. L’algorithme INCO a permis d’avoir une puissance extraite plus importante
et une réponse dynamique très rapide même sous des niveaux d’irradiance faibles. L’al-
gorithme INRE a permis d’avoir un rendement énergétique théorique de 100% et a résolu
de manière définitive les problèmes liés aux pertes et aux oscillations. En effet, en régime
permanent, cet algorithme a permis d’aboutir à un fonctionnement sans oscillations, tan-
dis qu’en régime transitoire, les oscillations ont de très faibles amplitudes. Ceci augmente
donc considérablement le gain en énergie au 34cours du cycle de vie du panneau PV.
57
Chapitre 3
Commande d’une éolienne à base d’une

MSAP
Résumé : Ce chapitre est consacré à la modélisation et à la commande d’un système de conver-

sion de l’énergie éolienne de petite puissance en vue de son intégration dans un SHSER. Ce
système est constitué d’une turbine éolienne à base d’une MSAP connectée à un redresseur tri-
phasé à MLI. Ce dernier est directement raccordé à un bus continu dont la tension est supposée
constante. Le choix de cette topologie est motivé par sa structure simple et son rendement élevé.
Afin d’extraire le maximum de puissance disponible dans le vent, une stratégie de contrôle est
mise en œuvre. Ce contrôle comporte principalement une commande MPPT de la turbine et une
commande vectorielle de la MSAP. Dans le but d’évaluer les performances du système éolien
étudié, une simulation de l’ensemble de la chaîne de conversion de l’énergie est réalisée sous
MATLAB-Simulink. Les résultats obtenus ont montré que le système éolien a présenté un fonc-
tionnement correct où toutes les grandeurs de commande suivent parfaitement leurs références.
Ainsi, le maximum de puissance disponible dans le vent est extrait quel que soit le point de
fonctionnement du système éolien.
Sommaire
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2 Système de conversion de l’énergie éolienne . . . . . . . . . . . 61
3.3 Configuration globale du système éolien étudié . . . . . . . . . 62
3.4 Modélisation aérodynamique et mécanique de la turbine . . . 62
3.4.1 Modélisation aérodynamique . . . . . . . . . . . . . . . . . . . 62
3.4.2 Modélisation mécanique . . . . . . . . . . . . . . . . . . . . . . 64
3.5 Maximisation de la puissance d’une turbine éolienne . . . . . 65
3.5.1 Commande MPPT sans asservissement de la vitesse de rotation 66
3.5.2 Commande MPPT avec asservissement de la vitesse de rotation 68
3.6 Modélisation de la MSAP . . . . . . . . . . . . . . . . . . . . . 71
3.6.1 Modèle électrique de la MSAP dans le repère (abc) . . . . . . . 72
3.6.2 Modèle électrique de la MSAP dans le repère (dq) . . . . . . . 72
3.6.3 Expressions des puissances active et réactive statoriques . . . . 73
3.6.4 Expression du couple électromagnétique . . . . . . . . . . . . . 74
3.7 Modélisation du redresseur triphasé à MLI . . . . . . . . . . . 75
3.8 Commande du système de conversion de l’énergie éolienne . 76
3.8.1 Commande vectorielle de la MSAP . . . . . . . . . . . . . . . . 76
3.8.2 Génération des rapports cycliques . . . . . . . . . . . . . . . . . 79
3.9 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . 79
3.10 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
59
Commande d’une éolienne à base d’une MSAP
3.1 Introduction
Un aérogénérateur, appelé également une éolienne, est un dispositif qui convertie une
partie de l’énergie cinétique du vent en une énergie mécanique disponible sur son arbre.
Cette énergie est ensuite transformée en une énergie électrique au moyen d’une généra-
trice électrique [80]. La puissance mécanique disponible sur l’arbre d’une éolienne dépend
de la vitesse du vent. De plus, pour chaque vitesse du vent, il existe un seul point de
fonctionnement optimal qui permet d’en extraire le maximum de puissance. Ce point
de fonctionnement peut être atteint par le biais d’un contrôle de vitesse de la généra-
trice. Ce procédé de maximisation de puissance est appelé commande MPPT [81]-[84]. La
commande sans asservissement de la vitesse de rotation [82] et la commande avec asser-
vissement de la vitesse de rotation [83], [84] sont les deux stratégies de contrôle les plus
couramment utilisées pour garantir la maximisation de la puissance électrique extraite.
Différents types de machines électriques sont utilisées pour la conversion de l’énergie

mécanique disponible sur l’arbre de la turbine en énergie électrique [85], [86]. Parmi elles,
les MSAPs sont les plus utilisées [87], [88]. La prédominance de ces dernières sur les autres
machines revient principalement à leur caractéristique d’auto excitation par aimants per-
manents. Cette auto excitation permet à la MSAP de fonctionner à un bon rendement et
avec un facteur de puissance élevé. De plus, l’éolienne à base d’une MSAP peut fonction-
née à des faibles vitesses, de ce fait elle ne nécessite pas un multiplicateur. Ceci améliore
donc la fiabilité du système en réduisant ses coûts de fabrication et d’entretien [89]. Du
point de vue commande, la littérature contient plusieurs méthodes et approches pour
la commande de la MSAP [90], [91]. Parmi elles, la commande vectorielle à flux orienté
(field-oriented control ) reste la plus couramment utilisée [92], [93].
En raison de la fluctuation de la vitesse du vent, les tensions induites au stator de

la MSAP sont variables à la fois en fréquence et en amplitude. Ceci rend donc impos-
sible leur exploitation directe. Pour y remédier, le stator de la MSAP est connecté à des
convertisseurs de puissance [94]. Plusieurs modes d’exploitation de la puissance électrique
produite sont alors possibles [95], [96]. En effet, l’énergie produite peut être injectée au
réseau électrique ou exploitée dans un système isolé du réseau. L’utilisation d’un redres-
seur à MLI en cascade avec un onduleur à MLI reste la topologie la plus couramment
utilisée pour l’adaptation de la puissance générée par la MSAP [94], [97].
Ce chapitre est consacré à la modélisation et à la commande d’un système éolien

à base d’une MSAP triphasée en vue de son intégration dans un SHSER avec un bus
continu. Ce système est constitué d’une turbine éolienne couplée au rotor d’une MSAP.
Le stator de la MSAP est connecté à un redresseur triphasé à MLI. Ce dernier est raccordé
à un bus continu dont la tension est supposée constante. Afin d’extraire le maximum de
puissance disponible dans le vent, une commande MPPT est mise en œuvre où un couple
électromagnétique de référence est généré. Ce couple de référence est ensuite appliqué à
la MSAP via une commande vectorielle. Dans le but de montrer l’efficacité du système
éolien étudié, la chaîne de conversion est simulée sous MATLAB-Simulink. Compte tenu
des résultats obtenus en termes de rendement, de temps de réponse et de stabilité, le
système éolien mis en œuvre peut facilement être intégré dans le SHSER considéré dans
cette thèse.
60
3.2 Système de conversion de l’énergie éolienne
3.2 Système de conversion de l’énergie éolienne

Un système de conversion de l’énergie éolienne est composé principalement de trois
éléments [89] :
• Turbine : Il s’agit de l’élément principal du système de conversion. Son rôle est
d’assurer la conversion de l’énergie cinétique du vent en énergie mécanique.
• Générateur électrique : C’est l’élément qui effectue la conversion de l’énergie
mécanique disponible sur l’arbre de la turbine en énergie électrique.
• Étage électronique de puissance : Cette partie assure le conditionnement de
l’énergie électrique générée. Le type de convertisseurs utilisés au niveau de cet étage
différent d’un système à un autre en fonction du mode d’exploitation de la puissance
électrique produite. A titre d’exemples, dans le cas où cette énergie est destinée à être
stockée, des redresseurs à MLI peuvent être utilisés. Par ailleurs, des redresseurs à
MLI et des onduleurs à MLI, mis en cascade, sont souvent requis pour l’alimentation
de sites isolés ou pour l’injection au réseau.
Les éoliennes peuvent être classées sous différents critères. Elles peuvent être classées
selon le type de l’éolienne, le mode d’exploitation de l’énergie aérodynamique, la puissance
de l’éolienne, le type de la machine électrique utilisée et le mode d’exploitation de la
puissance électrique générée. Ainsi :
Selon le type de l’éolienne ; les éoliennes peuvent être classées principalement en deux
grandes familles [98] :
– Éoliennes à axe horizontal.
– Éoliennes à axe vertical.
Selon le mode d’exploitation de l’énergie aérodynamique ; les éoliennes peuvent
être classées en deux catégories [99] :
– Éoliennes à vitesse fixe.
– Éoliennes à vitesse variable.
Selon la puissance de l’éolienne ; les éoliennes peuvent être classées en trois groupes
[100] :
– Éoliennes de petites puissances (pour les puissances inférieures à 50 kW).
– Éoliennes de moyennes puissances (pour les puissances comprises entre 50 kW et 1
MW).
– Éoliennes de grandes puissances (pour les puissances supérieures à 1 MW).
Selon le type de la machine électrique exploitée ; deux types de machine sont
principalement utilisées pour la conversion de l’énergie mécanique [85], [86] :
– Machines synchrones.
– Machines asynchrones.
Selon le mode d’exploitation de la puissance électrique extraite ; deux configu-
rations sont principalement utilisées [95], [96] :
– Éoliennes isolées du réseau électriques.
– Éoliennes raccordées au réseau électriques.
61
3.3 Configuration globale du système éolien étudié

Le système éolien étudié dans ce chapitre, dont l’architecture globale est illustrée par
la figure 3.1, est destiné à être intégré dans un SHSER avec un bus continu. Il est prin-
cipalement composé d’une turbine raccordée au rotor d’une MSAP. Le stator de cette
génératrice est connecté à un redresseur triphasé à MLI. La sortie du redresseur est rac-
cordée à un bus continu de tension Udc constante. Il est à préciser que la tension Udc est
supposée régulée et maintenue constante grâce à un système de stockage (voir le Chapitre
4). Commande d’une éolienne à base d’une MSAP
Turbine Génératrice Redresseur à MLI Bus continu
Vent Idc-eol
+
Cdc
MSAP Udc
Figure 3.1. Configuration globale du système éolien étudié.

Figure 3.1 : Configuration globale du système éolien étudié
3.4 Modélisation aérodynamique et mécanique de la turbine

3.4
3.4.1
Modélisation aérodynamique et mécanique de la
Modélisation aérodynamique
turbine
La puissance cinétique du vent peut être exprimée par l’équation (3.1) suivante :
1
3.4.1 Modélisation aérodynamique Pv   R 2 v3 (3.1)
2
où ρLaestpuissance
la massecinétique du vent
volumique de peut
l’air être exprimée par l’équation
(approximativement (3.1)
1.225 kg/m 3 suivante :
à la pression
atmosphérique et à 25°C), v est la vitesse du vent (m/s) et R est la longueur d’une pale (m).
1
Pv = ρπR2 v 3 (3.1)
En pratique, une éolienne ne peut récupérer2qu’une partie de la puissance cinétique du vent
Poù ρ est launmasse
v. Ainsi, volumique
coefficient de l’air (approximativement
de puissance Cp(λ), qui représente le 1.225 kg/m3 aérodynamique,
rendement à la pression atmo-
est
défini. Ce coefficient
sphérique et à 25°C),dev puissance Cp(λdu
est la vitesse ) s’écrit, en fonction
vent (m/s) de la
et R est la puissance aérodynamique
longueur d’une pale (m).
apparaissant sur l’arbre de la turbine Peol et la puissance cinétique du vent Pv, de la manière
suivante :
En pratique, une éolienne ne peut récupérer qu’une partie de la puissance cinétique
du vent Pv . Ainsi, un coefficient de puissance CP (λ), qui représente le rendement aérody-
C p     p eol (3.2)
namique, est défini. Ce coefficient de puissance CPvp (λ) s’écrit, en fonction de la puissance
aérodynamique apparaissant sur l’arbre de la turbine Peol et la puissance cinétique du
où
ventλ est
Pv , la
de vitesse relative
la manière de l’éolienne.
suivante : Elle est définie comme étant le rapport entre la
vitesse linéaire des pales RΩ et la vitesse du vent v comme suit :
Cp (λ) RPeol (3.2)
= P (3.3)
v v
où Ωλ est
où estlalavitesse
vitessemécanique
relative de
del’éolienne. Elle estAdéfinie
la turbine (rad/s). comme
partir de (3.1) etétant
(3.2),lel’expression
rapport entre la
de la
vitesse linéaire des pales RΩ et la vitesse du vent v comme
puissance aérodynamique de l’éolienne Peol est déduite comme suit : suit :
1 RΩ
Peol λ = R 2 v3C p ( ) (3.3)
(3.4)
2 v
Enfin, le couple mécanique Cm sur l’arbre de
62la turbine peut être calculé comme suit :
Peol
Cm  (3.5)

3.4 Modélisation aérodynamique et mécanique de la turbine
où Ω est la vitesse mécanique de la turbine (rad/s). À partir de (3.1) et (3.2), l’expression

de la puissance aérodynamique de l’éolienne Peol est déduite comme suit :
1
Peol = ρπR2 v 3 Cp (λ) (3.4)
2
Enfin, le couple mécanique Cm sur l’arbre de la turbine peut être calculé comme suit :
Peol
Cm = (3.5)
Ω
3.4.1.1 Coefficient de puissance
Théoriquement, le coefficient de puissance Cp présente une valeur limite de 0.593,
appelée « limite de Betz ». Cependant, cette limite n’est jamais atteinte en pratique. Dans
le but de modéliser ce coefficient, plusieurs approximations numériques ont été développées
dans la littérature. Ci-après, nous donnons les trois formes les plus couramment utilisées
dans différents travaux scientifiques [101]-[103] :
1)
1
γ − 0.022β 2 − 5.6 e−0.17γ (3.6)

Cp =
2
9 v
où γ = est le rapport de vitesse périphérique et β est l’angle d’orientation des pales
4 Ωt
(degré).
2)

151 −18
Cp = 0.73 − 0.58β − 0.002β 2.14
− 13.2 e λ0 , (3.7)
λ0
1 1 0.003
avec 0
= − 3 .
λ λ − 0.002β β + 1
3)

116 −12.5
Cp = 0.22 0
− 0.4β − 5 e λ0 (3.8)
λ
1 1 0.035
avec 0
= − 3 .
λ λ + 0.08β β + 1
Cette dernière expression de Cp sera maintenue dans la modélisation aérodynamique de
la turbine éolienne étudiée dans cette thèse. Comme cette turbine est de petite puissance,
l’angle d’orientation des pales sera maintenu nul (β = 0). Par conséquent, l’équation (3.8)
peut être simplifiée comme suit :

116 −12.5
Cp (λ) = 0.22 − 9.06 e λ +0.4375 (3.9)
λ
La courbe de Cp obtenue en utilisant (3.9) est tracée sur la figure 3.2. Nous pouvons
constater que cette courbe possède un coefficient de puissance maximal Cp−max de 0.4382
correspondant à une vitesse relative optimale de λopt = 6.339. Ce point maximal Cp (λopt )
correspond bien au rendement maximal de notre turbine éolienne.
63
Commande d’une d’une
Commande éolienne à base
éolienne d’une
à base d’uneMSAP
MSAP
0.5
Cp(λopt)
Coefficient de puissance (Cp)

0.4
Cp-max
0.3
0.2
0.1
λ
opt
0
0 2 4 6 8 10 12 14
Vitesse relative (λ)
Figure 3.2 : Coefficient de puissance de la turbine éolienne étudiée.

Figure 3.2 : Coefficient de puissance de la turbine éolienne étudiée
En remplaçant (3.3) et (3.9) dans (3.4), les caractéristiques statiques de la puissance

aérodynamique Peol en fonction de la vitesse mécanique de la turbine Ω peuvent être
déterminées pour différentes valeurs de la vitesse du vent v. Les caractéristiques obtenues
sont montrées par la figure 3.3 où la vitesse du vent varie de 8 m/s à 12 m/s.
800
700
600 12 m/s
Puissance (W)
500
400
10 m/s
300
200
8 m/s
100
0
0 50 100 150 200 250
Vitesse angulaire (rad/s)
Figure
Figure3.3.3.3Puissance aérodynamique
: Puissance de lade
aérodynamique turbine étudiée
la turbine en fonction
éolienne de la
étudiée envitesse mécanique
fonction pour mécanique
de la vitesse différentes
vitesses du vent.
pour différentes vitesses du vent
3.4.2 Modélisation mécanique

Le modèle mécanique d’un système éolien (turbine et MSAP) peut s’écrire sous la
forme de l’équation différentielle suivante :
dΩ
= Cm − Cem − f Ω J (3.10)
dt
où J est le moment d’inertie total du système (turbine + MSAP), f est le coefficient de
frottement total du système (turbine + MSAP), Cm est le couple mécanique de la turbine
et Cem est le couple électromagnétique de la MSAP.
64
2
3.5 Maximisation de la puissance d’une turbine éolienne
En exploitant la modélisation établie précédemment, nous avons construit un schéma

bloc du modèle aérodynamique et mécanique de notre éolienne. La figure 3.4 illustre le
schéma bloc obtenu. À partir de ce schéma, nous pouvons constater que la vitesse du vent
v et le couple électromagnétique Cem développé par la MSAP constituent les deux entrées
du système, tandis que le couple mécanique Cm deCommande d’une
la turbine et éolienne à base
la vitesse d’une MSAP
mécanique Ω
de la MSAP représentent ses sorties.
−12.5
 116  + 0.4375 λ R Ωt
0.22  − 9.06  e λ
 λ  v
Cp Cem
– Ω
v 1 Cm 1
ρ C p (λ )π R 2 v3
2Ω +
– Js
Figure 3.4. Schéma bloc du modèle aérodynamique et mécanique de la turbine éolienne.

Figure 3.4 : Schéma bloc du modèle aérodynamique et mécanique de la turbine éolienne

À partir de la figure 3.3, nous pouvons constater que les caractéristiques de puis-
sance aérodynamique d’une éolienne sont fortement non linéaires et, pour chaque vitesse
du vent, il existe un seul point où la puissance est maximale. Par ailleurs, selon l’équa-
tion (3.4), cette puissance peut être maximisée en ramenant le coefficient Cp à sa valeur
maximale. Pour ce faire, plusieurs stratégies de commande ont été développées dans la
littérature pour maximiser la puissance électrique générée par une éolienne à vitesse va-
riable [81]-[84], [104]. Le contrôle sans asservissement de la vitesse de rotation [82], [104]
et le contrôle avec asservissement de la vitesse de rotation [83], [84] sont les deux straté-
gies de commande les plus couramment utilisées. Pour l’étude de ces deux commandes,
nous supposons que, quelle que soit la puissance mécanique transmise par la turbine, le
couple électromagnétique Cem développé par la MSAP est tout le temps égal à sa valeur
de référence imposée par la commande (Cem = Cem−ref ). Ainsi, la boucle de régulation
des courants statoriques de la MSAP est modélisée par un gain unitaire.
Généralement, une turbine éolienne à vitesse variable fonctionne selon quatre zones.
La figure 3.5 illustre les quatre zones de fonctionnement délimitées par les vitesses du vent
vd , vn et vm , où :
– vd est la vitesse du vent correspondant à la vitesse de démarrage de la turbine. vd varie
entre 2.5 m/s et 4 m/s en fonction des technologies.
– vn est la vitesse du vent correspondant au fonctionnement nominal de la génératrice.
vn varie entre 11.5 m/s et 15 m/s.
– vm est la vitesse du vent au-delà de laquelle l’éolienne doit être arrêtée afin d’éviter
toute détérioration de celle-ci. Pour la grande majorité des éoliennes, vm ≈ 25 m/s.
1) Zone 1 (0 < v < vd ) : Dans cette zone, la vitesse du vent est très faible. Elle est
insuffisante pour faire démarrer l’éolienne.
65
Commande
Commande d’une éolienne
d’une éolienne à base
à base d’uneMSAP
d’une MSAP
P (W)
Pn
Ω
Zone 1 Zone 2 Zone 3 Zone 4
0 vd vn vm v (m/s)
Figure
Figure 3.53.5. Zones de
: Zones de fonctionnement
fonctionnement d’une
d’uneéolienne
éolienneà vitesse variable.
à vitesse variable
2) Zone 2 (vd ≤ v ≤ vn ) : Dans cette zone, le fonctionnement de l’éolienne est optimal.

Pour chaque vitesse du vent, le maximum de puissance est extrait.
3) Zone 3 (vn < v < vm ) : Dans cette zone, le vent atteint des vitesses élevées. La
puissance de la turbine est maintenue à sa valeur nominale par le contrôle de l’angle
d’orientation des pales.
4) Zone 4 (v ≥ vm ) : Dans cette zone, la vitesse du vent atteint sa valeur maximale.
Pour éviter toute destruction, une procédure d’arrêt de l’éolienne est alors déclenchée.
Cet arrêt est généralement effectué en mettant les pales de la turbine en drapeau (β
= 90 °).
Dans le cadre de cette thèse, nous supposons que l’éolienne fonctionne toujours dans
la zone 2 (vd < v < vn ) où la turbine est tout le temps pilotée par un algorithme MPPT.
3.5.1 Commande MPPT sans asservissement de la vitesse de ro-

tation
Afin de maximiser la puissance d’une turbine éolienne, sa vitesse relative λ doit être
maintenue à sa valeur optimale λopt correspondant au coefficient de puissance maximal
Cp−max . À partir de (3.3), la vitesse du vent peut être estimée comme suit :
RΩ
vest = (3.11)
λopt
En remplaçant (3.11) dans (3.4), l’expression de la puissance aérodynamique maximale
extractible du vent peut être calculée de la manière suivante :
ρCp max πR5

Peol−max = Ω3 (3.12)
2λ3opt
Ainsi, en utilisant (3.5), l’expression du couple mécanique optimal peut être déduite
comme suit :
ρCp max πR5

Cm−opt = Ω2 (3.13)
2λ3opt
La commande MPPT sans asservissement de la vitesse de rotation de la turbine éo-
lienne repose sur l’hypothèse que la vitesse du vent et par conséquent la vitesse de rotation
66
5
de la turbine varie lentement [82]. Ainsi, à partir de (3.10), l’expression du couple élec-
tromagnétique au régime permanent peut être obtenue comme suit :
Cem = Cm − f Ω (3.14)
En remplaçant, (3.13) dans (3.14), l’expression du couple électromagnétique de référence
qui doit être appliqué à la MSAP pour produire le maximum de puissance au niveau de
son stator est
ρCp max πR5

Cem−ref = Ω2 − f Ω (3.15)
2λ3opt
Le schéma bloc de la commande d’extraction du maximum de puissance sans asser-
vissement de la vitesse de rotation est donné par laCommande
figure 3.6.
d’une éolienne à base d’une MSAP
Turbine éolienne
 116 
−12.5
+ 0.4375 λ RΩ
0.22  − 9.06  e λ
v
 λ 
Cp f
v Cm
– Ω
1 1
ρ C p (λ )π R 2 v3
2Ω + Js
–
Commande MPPT sans Cem-ref
asservissement de la
vitesse de rotation  ρ C p max π R 5  2
  Ω − f Ω
 2λopt3

Figure 3.6. Schéma bloc de la commande MPPT sans asservissement de la vitesse de rotation.
Figure 3.6 : Schéma bloc de la commande MPPT sans asservissement de la vitesse de rotation
Dans le but de tester les performances de la commande MPPT sans asservissement de

la vitesse de rotation, le schéma bloc de la figure 3.6 a été implémenté sous MATLAB-
Simulink. Un profil de vent d’une valeur moyenne de 10 m/s est appliqué. Le modèle du
vent est décrit par l’équation 3.16 et son allure est illustrée par la figure 3.7.

v(t) = 10 + sin(0.1047t) + 2 sin(0.2665t) + sin(1.2930t) + 0.2 sin(3.6645t) (3.16)
14
Vitesse du vent (m/s)
12.5
11
9.5
8
6.5
5
20 25 30 35 40 45 50 55 60 65 70
Temps (s)
Figure 3.7. Profil du vent appliqué.

Figure 3.7 : Profil du vent appliqué
67
La figure 3.8 montre les résultats de simulation obtenus par la commande MPPT sans
asservissement de la vitesse de rotation. La figure 3.8(a) montre la puissance aérodyna-
mique maximale extractible du vent et la puissance mécanique de la turbine extraite. Les
deux puissances relevées sont presque superposées. Cependant, un léger écart entre ces
deux courbes subsiste. Cet écart est dû au fait que le couple
Commande inertiel
d’une éoliennede la turbine
à base n’a
d’une MSAP
pas été tenu en compte dans la synthèse de cette commande (voir l’équation (3.15)). La
figure 3.8(b) montre la vitesse mécanique de la turbine. La vitesse relative λ est illustrée
par la figure 3.8(c). Nous constatons que λ oscille légèrement au tour de sa valeur optimal
λopt à cause de l’effet inertiel de la turbine. Par conséquent, le coefficient de puissance Cp
n’arrive pas à se maintenir à sa valeur maximale Cp−max (voir la figure 3.8(d)).
1000
(a)
Puissance maximale extractible du vent
800
Puissance (W)
600
400
200 Puissance de la turbine
0
20 25 30 35 40 45 50 55 60 65 70
Vitesse de rotation (rad/s)
150
(b)
130
110
90
70
50
30
20 25 30 35 40 45 50 55 60 65 70
12
(c)
10
Vitesse relative optimale
Vitesse relative
8
6
4
Vitesse relative
2
0
20 25 30 35 40 45 50 55 60 65 70
Coefficient de puissance
0.46
(d)
0.45 Coefficient de puissance optimal
0.44
0.43
0.42
0.41
20 25 30 35 40 45 50 55 60 65 70
Temps (s)
Figure 3.8. Résultats de simulation de la commande MPPT sans asservissement de la vitesse de rotation : (a)
Figure 3.8 : Résultats de simulation de la commande MPPT sans asservissement de la vitesse de
puissance mécanique, (b) vitesse mécanique, (c) vitesse relative et (d) coefficient de puissance.
rotation : (a) puissance mécanique, (b) vitesse mécanique, (c) vitesse relative et (d) coefficient de puissance
3.5.2 Commande MPPT avec asservissement de la vitesse de ro-

tation
Contrairement à la commande précédente, cette deuxième stratégie permet d’extraire
le maximum de puissance en tenant compte de la variation continue de la vitesse du vent
(ou de la vitesse de rotation). Son principe de fonctionnement est basé sur le maintien
68
de la vitesse de rotation de la MSAP à une vitesse de référence correspondant au PPM.

Comme son nom l’indique, cette commande intègre une boucle de régulation de la vitesse
de rotation.
Comme expliqué précédemment, pour chaque vitesse du vent, la puissance extraite
peut être maximisé en ramenant Cp à sa valeur maximale. Cette condition n’est atteinte
que lorsque λ est égale à λopt . Ainsi, la vitesse de référence Ωref de la MSAP peut être
déduite à partir de (3.3) comme suit :
λopt
v
Ωref = (3.17)
R
Le couple électromagnétique de référence Cem−ref à appliquer à la MSAP est calculé
par un régulateur placé dans une boucle qui asservi la vitesse de rotation Ω à sa référence
Ωref [105]. La figure 3.9 montre le schéma bloc de la commande MPPT avec asservissement
de la vitesse de rotation. Le couple mécanique Cm constitue une perturbation externe à
la boucle de régulation.
Turbine éolienne
−12.5
 116  + 0.4375 λ RΩ
0.22  − 9.06  e λ
 λ  v
Cp f
–
v 1 Cm 1 Ω
ρ C p (λ )π R 2 v3
2Ω + Js
–
Cem-ref
λopt vv Ωref
IP
R + –
Commande MPPT avec asservissement de la vitesse de rotation
Figure 3.9. Schéma bloc de la commande MPPT avec asservissement de la vitesse de rotation.
Figure 3.9 : Schéma bloc de la commande MPPT avec asservissement de la vitesse de rotation
3.5.2.1 Synthèse du régulateur de vitesse

Comme montré sur la figure 3.9, le couple électromagnétique de référence Cem−ref
est calculé par un régulateur de type intégral-proportionnel (IP). Ce régulateur utilise
comme entrées la vitesse de rotation Ω et la différence entre Ω et sa référence Ωref . Le
choix du régulateur IP et non d’un régulateur proportionnel-intégral (PI) revient au fait
que la dynamique de la boucle de régulation du système mécanique est lente en raison
de la forte inertie de la turbine éolienne. En effet, l’utilisation d’un régulateur PI sur un
système de premier ordre fait apparaitre un zéro dans la fonction de transfert en boucle
fermée. Souvent, ce zéro est responsable de comportements oscillants mal amortis. Par
contre, l’utilisation d’un régulateur IP permet de filtrer ce zéro en boucle fermée [80]. La
figure 3.10 montre le schéma bloc de la boucle régulation de la vitesse de rotation de la
turbine en utilisant un régulateur IP.
Comme le système asservi est linéaire, le théorème de superposition peut donc être
appliqué. En vertu de ce dernier, la fonction de transfert du système peut être écrite sous
la forme suivante :
69
Régulateur IP
Cm
–
Ωref ki Cem-ref 1 Ω
kp
+ s + + Js + f
– –
Figure 3.10. Schéma bloc de la régulation de la vitesse de rotation.

Figure 3.10 : Schéma bloc de la régulation de la vitesse de rotation
Ω (s) = F (s) Ωref (s) − P (s) Cm (s) (3.18)

où
kp ki
F (s) = (3.19)
Js2 + (f + kp )s + ki kp
s
P (s) = (3.20)
Js2 + (f + kp )s + ki kp
En raison de la présence d’une dérivation dans P (s), l’erreur statique en réponse à une
perturbation Cm est nulle en régime permanant. En régime transitoire, une perturbation
en échelon du couple Cm se traduit par un pic sur la vitesse de rotation dont l’amplitude
dépend du choix des paramètres du régulateur IP (kp et ki ).
Dans le cas de notre étude, nous nous intéressons au problème de poursuite de la vitesse
de référence Ωref . Pour satisfaire les exigences de la MPPT, l’effet de la perturbation du
couple Cm est supposé nul. Ainsi, la fonction de transfert du système peut être donnée
sous la forme simplifiée suivante :
Ω (s) = F (s) Ωref (s) (3.21)

Il est à noter que la fonction de transfert obtenue dans (3.19) est de second ordre.
Ainsi, par identification avec un système ayant une pulsation propre ωn et un coefficient
d’amortissement ξn désirés, les paramètres du régulateur IP peuvent être déduit de la
manière suivante :
kp = (2ξn Jωn ) − f (3.22)
Jωn2
ki = (3.23)
kp
En choisissant un coefficient d’amortissement ξn = 1 et un temps de réponse tr−v = 0.3
s, les valeurs des paramètres kp et ki , sont, respectivement, 3.1998 et 8.
La figure 3.11 montre les résultats de simulation obtenus par la commande MPPT
avec asservissement de la vitesse de rotation. La puissance mécanique de la turbine et
la puissance maximale de référence extractible du vent sont tracées sur la figure 3.11(a).
Nous pouvons constater que les deux puissances relevées sont parfaitement superposées.
Ce qui signifie que la turbine arrive à extraire le maximum de puissance. La figure 3.11(b)
montre la vitesse mécanique de rotation ainsi que sa référence. Là encore, la vitesse de
rotation suit parfaitement sa référence. La vitesse relative ainsi que sa valeur optimale
sont données par la figure 3.11(c). Nous pouvons aisément constater que la vitesse relative
10
70
3.6 Modélisation de la MSAP
est égale à sa valeur optimale. Par conséquent, le coefficient de puissance Cp reste égal à
sa valeur maximale Cp−max (voir la figure 3.11(d)).
1000
(a)
800
Puissance (W)
600
400
0
20 25 30 35 40 45 50 55 60 65 70
Vitesse de rotation (rad/s)
150
(b)
130 Vitesse de rotation de réference
110
90
70 Vitesse de rotation
50
30
20 25 30 35 40 45 50 55 60 65 70
12
(c)
10
Vitesse relative

8
6
4 Vitesse relative
2
0
20 25 30 35 40 45 50 55 60 65 70
0.46
Coefficient de Puissance
(d)
0.44
0.43 Coefficient de puissance

0.42
0.41
20 25 30 35 40 45 50 55 60 65 70
Temps (s)
Figure
Figure3.11.
3.11Résultats de simulation
: Résultats de la commande
de simulation MPPT avec
de la commande MPPT asservissement de la vitessededelarotation
avec asservissement vitesse: (a)
de
puissance mécanique, (b) vitesse mécanique, (c) vitesse relative et (d) coefficient de puissance.
rotation : (a) puissance mécanique, (b) vitesse mécanique, (c) vitesse relative et (d) coefficient de puissance
Au terme de ces résultats, nous pouvons dire que les deux stratégies présentent de bons
résultats. Cependant, la commande MPPT avec asservissement de la vitesse de rotation
permet d’extraire plus de puissance comparée à la commande MPPT sans asservissement
de la vitesse de rotation.

Dans cette sous-section, nous allons décrire les équations électriques et magnétiques
régissant le fonctionnement de la MSAP. Initialement, nous allons donner le modèle de
la MSAP dans le repère stationnaire (abc). Ensuite, nous allons déduire le modèle de la
MSAP dans le repère tournant (dq) (repère de Park). Il est à noter que la MSAP est
modélisée en mode de fonctionnement moteur.
11
71
3.6.1 Modèle électrique de la MSAP dans le repère (abc)

Le modèle électrique de la MSAP, dans le repère fixe lié au stator (abc), est décrit par
le système d’équations suivant :
      
va Rs 0 0 ia ψa
 vb  =  0 Rs 0   ib  + d  ψb  (3.24)
dt
vc 0 0 Rs ic ψc
où va , vb et vc sont, respectivement, les tensions statoriques des phases a, b et c. ia , ib
et ic sont, respectivement, les courants statoriques des phases a, b et c. ψa , ψb et ψc
sont, respectivement, les flux statoriques des phases a, b et c. Rs est la résistance de
l’enroulement d’une phase statorique.
Les flux statoriques ψa , ψb et ψc peuvent s’écrire sous la forme explicite suivante :
 
     ψr cos
θr
ψa Laa Mab Mac ia  ψr cos θr − 2π 
 
 ψb  =  Mab Lbb Mbc   ib  +   3  (3.25)
ψc Mac Mbc Lcc ic  4π 
ψr cos θr −
3
où Laa , Lbb etLcc sont, respectivement, les inductances propres des phases a, b et c. Mab ,
Mbc et Mac sont, respectivement, les inductances mutuelles des phases a, b et c. ψr est la
valeur crête du flux crée par l’aimant permanent à travers les enroulements statoriques.
θr est la position angulaire électrique du rotor.
3.6.2 Modèle électrique de la MSAP dans le repère (dq )

Le modèle de la MSAP le plus couramment utilisé est basé sur la théorie unifiée des
machines électriques. Cette théorie exploite la transformation de Park pour le passage du
repère triphasé (abc) au repère biphasé (dq). Le modèle résultant a l’avantage d’être plus
simple à manipuler vu que les grandeurs électriques dans ce repère évoluent comme des
grandeurs continues.
Le modèle de la MSAP (3.24), donné dans le repère stationnaire (abc), peut être
exprimé dans le repère de Park (dq), comme suit :

vd Rs 0 id d ψd 0 −ω ψd
= + + (3.26)
vq 0 Rs iq dt ψq ω 0 ψq
où vd et vq sont, respectivement, les composantes des axes d et q des tensions statoriques.
id et iq sont, respectivement, les composantes des axes d et q des courants statoriques. ψd
et ψq sont, respectivement, les composantes des axes d et q des flux statoriques. ω est la
vitesse angulaire électrique du rotor.
De même pour les flux statoriques (3.25), leurs expressions dans le repère de Park (dq)
peuvent être mises sous la forme suivante :

ψd Ld 0 id ψr
= + (3.27)
ψq 0 Lq iq 0
où Ld et Lq sont, respectivement, les inductances des axes d et q. Dans le repère de Park,
ces inductances sont indépendantes de la position rotorique θr . Ainsi, les grandeurs Ld ,
72
Lq et ψr deviennent des grandeurs invariantes dans le temps. Ceci facilite grandement

l’analyse, la modélisation et le contrôle de la MSAP.
En remplaçant (3.27) dans (3.26) et après arrangement, nous obtenons le système
d’équations des tensions statoriques suivant :

vd Rs − ω Lq id Ld 0 d id 0
= + + (3.28)
vq ω Ld Rs iq 0 Lq dt iq ω ψr
À partir de l’équation (3.28), nous constatons que les termes relatifs au flux statorique
sont complétement éliminés dans les dynamiques des tensions statoriques. Ceci conduit à
un modèle plus simplifié de la MSAP. Ce modèle peut être représenté par deux circuits
électriques couplés, l’un suivant l’axe d et l’autre suivant l’axe q. Ainsi, le circuit équivalent
Commande
de la MSAP dans le repère (dq) est illustré par la figure d’une éolienne à base d’une MSAP
(3.12).
Ld Rs Lq
id Rs iq
+ +
ω Ld id +
_
vd ω Lq iq +
_ vq
ω ψr _+
_ _
(a) (b)
Figure3.12
Figure 3.12.:Circuit
Circuitéquivalent de de
équivalent la MSAP dansdans
la MSAP le repère de Park
le repère de :Park
(a) suivant l’axe d et
: (a) suivant (b) suivant
l’axe d et (b)l’axe q.
suivant
l’axe q
A la fin, à partir de (3.28), le modèle des courants statoriques de la MSAP dans le

repère (dq) est déduit de la manière suivante :
Rs ωLq  1
     
 
−

0
  0
i
d  d   Ld Ld  id vd
 +  Ld (3.29)
 
= + 
 ωLd

1 
  ωψr 
dt i Rs  i 
vq −
q − − q 0 Lq
Lq Lq Lq
3.6.3 Expressions des puissances active et réactive statoriques

L’expression de la puissance apparente totale S fournie par la MSAP peut s’écrire
dans le repère (dq) comme suit :
3
(vd + j vq ) (id − j iq )
S= (3.30)
2
À partir de (3.30), les puissances active P et réactive Q statoriques peuvent être
déduites comme suit :
3
P = Re (S) = (vd id + vq iq ) (3.31)
2
3
Q = Im (S) = (vq id − vd iq ) (3.32)
2
73
En remplaçant (3.26) dans (3.31) et après réarrangement, la puissance active statorique

peut se mettre sous la forme suivante :

3 3 dψd dψq 3
P = Rs i2d + i2q + id + iq + ω (ψd iq − ψq id ) (3.33)
2 2 dt dt 2
De la même manière, la puissance réactive satorique peut se mettre aussi sous la forme
suivante :

dψq dψd 3
Q = id − iq + ω (ψd id − ψq iq ) (3.34)
dt dt 2
Lors de la conversion de l’énergie mécanique extraite du vent en énergie électrique,
des pertes de puissance surviennent dans la MSAP. Ces pertes sont principalement dues
au frottement et à l’effet Joule.
• Perte mécanique : Une grande partie des pertes totales dans la MSAP est due aux
frottements. Ces pertes sont dépendantes de la vitesse de rotation de la machine.
Ainsi, la puissance perdue par frottements s’écrit comme suit :
pf = f Ω 2 (3.35)
• Pertes Joules : Les pertes Joules dans la MSAP sont engendrées par la résis-
tance statorique. En négligeant l’effet thermique sur les résistances statoriques, la
puissance perdue par effet Joule peut être calculée de la façon suivante :
3
pJ = Rs i2d + i2q (3.36)

2
La puissance inertielle est une puissance qui apparait lors des variations de la vitesse
de rotation (variation de la vitesse du vent). Deux cas de figures sont alors possibles.
Cette puissance est considérée comme une perte lors de l’accélération. Elle est considérée
comme un gain lors de la décélération. En outre, cette puissance peut être exprimée en
fonction de la variation de la vitesse de rotation par :
dΩ
pinert = J Ω (3.37)
dt
3.6.4 Expression du couple électromagnétique

L’expression du couple électromagnétique dans le repère de Park est donnée par [86] :
3pp
Cem = (ψd iq − ψq id ) (3.38)
2
où pp est le nombre de paires de pôles dans le rotor. En remplaçant ψd et ψq par leurs ex-
pressions données par (3.27) dans (3.38), l’expression du couple électromagnétique devient
comme suit :
3pp
Cem = [ψr iq + (Ld − Lq ) id iq ] (3.39)
2
74
3.7 Modélisation du redresseur triphasé à MLI
3.7 Modélisation du redresseur triphasé à MLI

La connexion de la turbine éolienne au bus continu est réalisée à l’aide d’un redresseur
triphasé à MLI. L’utilisation de ce type de convertisseur dans un système de conversion
de l’énergie éolienne offre plusieurs avantages par rapport à d’autres types de redresseurs
classiques (à diodes ou à thyristors). En effet, le redresseur à MLI permet la circulation
des courants dans les deux sens, ce qui permet la réversibilité des puissances. En plus
du contrôle de la puissance active, la puissance réactive peut aussi être contrôlée, ce qui
permet d’obtenir un fonctionnement à facteur de puissance unitaire. La commande à base
de la technique MLI réduit les distorsions harmoniques dans les courants statoriques de
la MSAP. La technique MLI permet donc la génération de courants
Commande quasi-sinusoïdaux.
d’une éolienne La
à base d’une MSAP
figure 3.13 illustre la structure du redresseur triphasé à MLI utilisé dans ce chapitre.
Idc-eol
+
Sc Sb Sa
va ia
vb ib Cdc
Udc
vc ic
S’c S’b S’a
Figure 3.13. Schéma de puissance du redresseur triphasé à MLI.

Figure 3.13 : Schéma de puissance du redresseur triphasé à MLI
Les tensions simples à l’entrée du redresseur va, vb et vc s’expriment en fonction des états
Les tensions simples
de commutations à l’entrée(Sdu
des interrupteurs redresseur v , vb et du
a, Sb, et Sc) et la atension
s’expriment
vc bus continu Uen fonction des
dc comme suit :
états de commutations des interrupteurs (Sa , Sb et Sc ) et la tension du bus continu Udc
comme suit : va   2 − 1 − 1   Sa 
v  = 1
−1 2 − 1  Sb Udc (3.40)
  b   
va 3 2 −1 −1 Sa
 vbvc = 1   −1−1− 1 2 2 − S1c   Sb  Udc (3.40)
3
où Sa, Sb, et Sc sont les étatsvcde commutations −1 −des 1 interrupteurs
2 Sc du haut des trois bras (phases).
où Sa ,à Ssignaler
Il est b , et Scquesont
lesles états
états de commutations
de commutations des interrupteurs
Si (i=a,b,c) du haut des
sont complémentaires trois
avec les bras
états
(phases). Il est à signaler
de commutations que les états
des interrupteur en bas de S’
commutations Si (i=a, b, c) sont
i (i=a,b,c), respectivement. Si =1complémentaires
(i=a,b,c) signifie
avec les états de commutations des interrupteur en bas Si (i=a, b, c), respectivement.
que l’interrupteur du haut de la phase i est fermé, et 0
l’interrupteur du bas est ouvert. Tandis
Si =1
(i=a,
que Sib, signifie signifie
=0c)(i=a,b,c) que l’interrupteur
l’état opposédudes haut de la phase i est fermé, et l’interrupteur du
interrupteurs.
basLorsque
est ouvert. la fréquence
Tandis que de découpage
Si =0 (i=a, deb,lac)MLI est assez
signifie l’étatimportante
opposé desdevant la fréquence des
interrupteurs.
desLorsque
trois modulantes β , β et
la fréquencea deb découpageβ c, la moyenne glissante des fonctions de commutation
de la MLI est assez importante devant la fréquence est
considérée
des égale à la β
trois modulantes modulante des signaux MLI [107]. Ainsi, l’état moyen de chacun des
a , βb et βc , la moyenne glissante des fonctions de commutation est
interrupteurs (<S a>, <Sb> et <Sc>) peut être exprimé par [105] :
considérée égale à la modulante des signaux MLI [107]. Ainsi, l’état moyen de chacun des
interrupteurs (<Sa >, <Sb > et <Sc >) peut être 1 + βexprimé par [105] :
Sa = a
(3.41)
2
1 + βa
hSa i = 1 + βb (3.41)
Sb = 2 (3.42)
1 2+ βb
hSb i = 1 + β c (3.42)
Sc = 2 (3.43)
1 2+ βc
hSc i = (3.43)
En remplaçant (3.41)–(3.43) dans (3.40) et après2 application de la transformation de Park,
les tensions statorique vd et vq peuvent être exprimées en fonction des composantes des axes d
et q des modulantes (βd et βq) comme suit : 75
vd  U dc βd 
v  = β  (3.44)
q 2 q
En remplaçant (3.41)-(3.43) dans (3.40) et après application de la transformation de

Park, les tensions statoriques vd et vq peuvent être exprimées en fonction des composantes
des axes d et q des modulantes (βd et βq ) comme suit :

vd Udc βd
= (3.44)
vq 2 βq
En supposant que la tension Udc du bus continu est fixe, le courant redressé Idc−eol
peut être exprimée en fonction des courants statoriques id et iq et des modulantes βd et
βq comme suit :
3
Idc−eol = (βd id + βq iq ) (3.45)
4
3.8 Commande du système de conversion de l’énergie

éolienne
Lastructure
La structuregénérale
générale dedela la commande
commande du du système
système de conversion
de conversion de l’énergie
de l’énergie éolienne
éolienne est
est représentée
représentée danssur
la lafigure
figure3.14.
3.14.La
La commande
commande du du système
système comprend
comprend principalement
principalement lala
commande MPPT pour l’extraction du maximum de puissance, la commande
commande MPPT pour l’extraction du maximum de puissance, la commande vectorielle de la vectorielle
de la MSAP
MSAP et un
et un bloc de bloc de génération
génération des cycliques.
des rapports rapports cycliques.
Turbine
Redresseur à MLI Idc-eol
va ia +
Vent vb ib Cdc Udc
MSAP
vc ic
_
Sabc
MLI
Ω βd βq
vd-ref
v Cem-ref Commande Génération des
MPPT vectorielle vq-ref
rapports cycliques
Figure 3.14. Schémas blocs de la commande du système éolien.

Figure 3.14 : Schémas blocs de la commande du système éolien
3.8.1 Commande vectorielle de la MSAP
Il existe plusieurs méthodes pour la commande de la MSAP. Parmi ces techniques, la

3.8.1 Commande
commande vectorielle [89],vectorielle de la MSAP
[105] et la commande scalaire [108], [109] restent les plus
couramment
Il existe utilisées.
plusieurs Dans ce chapitre,
méthodes pour lalacommande
commande de vectorielle
la MSAP. à flux
Parmi orienté est utilisée
ces techniques,
pour
la commande vectorielle [89], [105] et la commande scalaire [108], [109] restentmaintenir
le contrôle de la MSAP. Le principe de cette technique consiste à orienter et à les plus
le
couramment utilisées. Dans ce chapitre, la commande vectorielle à flux orienté est courant
vecteur flux des aimants permanents suivant l’axe d. Dans cette commande, le utilisée
d’axe
pour le direct id estdesouvent
contrôle la MSAP.régulé
Leà principe
une valeurde nulle
cette (i d-ref), tandis que le courant d’axe
technique consiste à orienter et à
quadratique
maintenir leiqvecteur
est régulé
flux àdes
une référence
aimants iq-ref qui est
permanents calculée
suivant l’axepar une boucle
d. Dans externe de
cette commande,
régulation de vitesse. L’annulation du courant d’axe direct (id = 0) permet d’avoir une
le courant d’axe direct id est souvent régulé à une valeur nulle (id−ref ), tandis que le
expression du couple électromagnétique dépendante uniquement de la composante en
courant d’axe quadratique iq est régulé à une référence iq−ref qui est calculée par une
quadrature du courant (iq). Ainsi, l’expression du couple électromagnétique (3.39) se simplifie
en une expression linéaire donnée comme suit :
76
3 pp
Cem   r iq (3.46)
2
3.8 Commande du système de conversion de l’énergie éolienne
boucle externe de régulation de vitesse. L’annulation du courant d’axe direct (id = 0)

permet d’avoir une expression du couple électromagnétique dépendante uniquement de la
composante en quadrature du courant (iq ). Ainsi, l’expression du couple électromagnétique
(3.39) se simplifie en une expression linéaire donnée comme suit :
3pp
Cem = ψr i q (3.46)
2
L’expression du courant de référence suivant l’axe quadratique iq−ref peut être dé-
duit de (3.46) en fonction du couple électromagnétique de référence Cem−ref de la façon
suivante :
2Cem−ref
iq−ref = (3.47)
3pp ψr
À partir de (3.28), nous constatons que les courant id et iq dépendent simultanément
des grandeurs d’entrée vd et vq , respectivement. Cependant, il existe un couplage entre les
deux axes d et q. Afin de réaliser une régulation des deux courants id et iq séparément,
un découplage entre les deux axes d et q doit être mis en œuvre. Une fois le découplage
réalisé, le modèle de la MSAP devient similaire à celui d’une machine à CC à excitation
séparée [105].
3.8.1.1 Compensation des tensions
Nous définissons tout d’abord les deux termes de découplages ed et eq des deux axes
d et q, respectivement. Par ailleurs, à partir de (3.28), l’équation électrique de la MSAP
suivant l’axe d peut être réécrite comme suit :
did did
vd = Rs id + Ld − ωLq iq ⇒ vd + ωLq iq = Rs id + Ld (3.48)
dt dt
Posons les égalités suivantes :
ed = −ωLq iq
(
did (3.49)
vd∗ = Rs id + Ld
dt
Ainsi, à partir de (3.48) et (3.49), une nouvelle entrée vd∗ peut être définie comme suit :
vd∗ = vd − ed (3.50)
De même pour l’axe q, à partir de (3.28), l’équation électrique suivant l’axe q peut
être réécrite comme suit :
diq diq
vq = Rs iq + Lq + ωLd id + ωψr ⇒ vq − ωLd id − ωψr = Rs iq + Lq (3.51)
dt dt
Posons les égalités suivantes :
(
eq = ωLd id + ωψr
diq (3.52)
vq∗ = Rs iq + Lq
dt
À partir de (3.51) et (3.52), une nouvelle entrée peut être définie comme suit :
77
vq∗ = vq − eq (3.53)
A la fin, avec les nouvelles entrées vd∗ et vq∗ , nous obtenons les deux fonctions de
transferts mono-variables suivantes :
id (s) 1
= (3.54)
vd∗ (s) Rs + Ld s
iq (s) 1
∗
= (3.55)
vq (s) Rs + Lq s
3.8.1.2 Régulation des courants statoriques

Pour contrôler les courants statoriques id et iq , nous proposons de mettre en œuvre
deux régulateurs PI pour chacun des deux axes. La figure 3.15 illustre les deux boucles
de régulation des deux courants statoriques id et iq .
En utilisant la méthode de compensation de pôles, les paramètres des régulateurs PI
sont déterminés comme suit :

kpd = 3Ld /tr
(3.56)
kid = 3Rs /tr

kpq = 3Lq /tr
(3.57)
kiq = 3Rs /tr
où tr est le temps de réponse à imposer à la boucle de régulation.

Commande d’uneEn choisissant
éolienne un temps
à base d’une MSAP
de réponse tr = 0.001 s et en utilisant les paramètres de la MSAP donnés plus loin dans
le tableau 3.1, les valeurs des paramètres des deux régulateurs sont calculées comme suit :

kpd = kpq = 8.1
(3.58)
kid = kiq = 3390
ed ed
id-ref * + – id
k v vd-ref 1
+ id
d
k pd
+ s + + Rs + Ld s
–
eq eq
iq-ref vq*
+ – iq
kiq vq-ref 1
k pq +
+ s + + Rs + Lq s
–
Régulation des courants statoriques Modèle électrique de la MSAP
Figure 3.15. Schémas bloc des boucles de régulation des courants statoriques id et iq.
Figure 3.15 : Schémas bloc des boucles de régulation des courants statoriques id et iq
78
3.9 Résultats de simulation
3.8.2 Génération des rapports cycliques

La génération des rapports cycliques consiste à calculer les modulantes βd et βq à
appliquer au redresseur à partir des tensions de commande vd−ref et vq−ref générées par
la commande vectorielle. Ainsi, en exploitant l’équation (3.44), les modulantes βd et βq
sont, respectivement, obtenues à partir de vd−ref et vq−ref . Leurs expressions sont données
comme suit :
 2
 βd =
 vd−ref
Udc
(3.59)
 βq = 2 vq−ref

Udc
Le schéma bloc détaillé de la commande du système de conversion de l’énergie éolienne
est illustré par la figure 3.16. La commande du système comporte deux boucles internes
de régulation des courants et une boucle externe (la commande MPPT) qui fournit le
couple électromagnétique de référence permettant Commande
d’extraired’une
le maximum ded’une
éolienne à base puissance
MSAP
disponible dans le vent.
Redresseur à MLI Idc-eol

Turbine +
va ia
Vent
vb ib Cdc
MSAP Udc
Ω vc ic
θr
pp  _
Sabc
θr abc
dq MLI
v Ω
_
Ωref id iq abc
opt θr
v dq
R +
_
id-ref vd* vd-ref 2 d q
PI
+ + U dc
IP + ed Udc
MPPT
Cem-ref
_ iq
1 iq-ref vq* vq-ref 2
1.5 p p  r PI +
+ U dc
+ eq Udc
Découplage Génération des
rapports cycliques
Figure 3.16. Schéma bloc détaillé de la commande du système éolien.

Figure 3.16 : Schéma bloc détaillé de la commande du système éolien
3.9Dans Résultats
l’objectif de valider tout le système éolien étudié ainsi la stratégie de commande
de simulation
MPPT développée, le schéma bloc donné dans la figure 3.16 a été implémenté sous
MATLAB-Simulink.
Dans l’objectif deLes paramètres
valider tout ledu systèmeéolien
système éolien utilisés
étudié dans
ainsi la simulation
la stratégie sont
de com-
mande MPPT développée, le schéma bloc donné par la figure 3.16 a été implémenté sous8
résumés dans le tableau 3.1. Les tests de simulation sont obtenus pour un vent variant de
m/s à 12 m/s. Le profil du vent est illustré dans la figure 3.17. Contrairement aux tests
précédents (voir la Section 3.5), ce profil de79 vent permet de prendre en considération le
fonctionnement du système en régime transitoire (vitesse du vent variable) et en régime
permanent (vitesse du vent constante). Les résultats obtenus sont montrés dans les figures
3.18–3.23.
MATLAB-Simulink. Les paramètres du système éolien utilisés

Commande d’unedans la àsimulation
éolienne sont
base d’une MSAP
résumés dans le tableau 3.1. Les tests de simulation sont obtenus pour un vent variant de
8 m/s à 12 m/s. Le profil du vent est illustré par la figure 3.17. Contrairement aux tests
précédents (voir la Section 3.5), ce profil de vent permet de prendre en considération le
fonctionnement du système en régime transitoire (vitesse du vent variable) et en régime
permanent (vitesse du vent constante). Les résultats obtenus sont montrés par les figures
3.18-3.23.
Tableau 3.1 : Paramètres du système éolien utilisés dans la simulation

Masse volumique de l’air, ρ (Kg/m3) 1.225
Rayon de l’éolienne, R (m) 0.7
Moment d’inertie total (turbine+MSAP), J (Kg.m2) 0.1
Coefficient de frottements total (turbine+MSAP), f (Nm.s/rad) 0.0002
Résistance statorique, Rs (Ω) 1.13
Inductance statorique d’axe d, Ld (H) 0.0027
Inductance statorique d’axe q, Lq (H) 0.0027
Flux des aimants permanents, ψr (Wb) 0.15
Nombre de paires de pôles, pp 4
Tension nominale du bus continu, Udc (V) 350
13
12
11
10
9
8
7
3 6 9 12 15 18 21 24 27 30 33 36 39
Temps (s)
Figure 3.17. Profil du vent appliqué.

Figure 3.17 : Profil du vent appliqué
La figure 3.18 montre les performances obtenues du système éolien. À partir de la figure
3.18(a), nous constatons que l’éolienne arrive à extraire le maximum de puissance où la
puissance mécanique extraire se superpose avec sa référence. La vitesse de rotation de la
turbine suit parfaitement sa valeur de référence, hormis les régimes transitoires, où une
légère erreur de trainage est observée (figure 3.18(b)). La vitesse relative suit parfaitement
sa valeur optimale de 6.339 (figure 3.18(c)). Le coefficient de puissance est constamment
égal à sa valeur maximale de 0.4382 (figure 3.18(d)). De très bonnes performances sont
ainsi atteintes grâce aux performances de la commande MPPT avec asservissement de la
vitesse de rotation appliquée.
La figure 3.19 montre l’allure du couple électromagnétique développé par la MSAP.
Nous constatons que ce couple suit parfaitement sa référence où aucun dépassement ni
retard de suivi ne sont à signaler. Par ailleurs, le couple électromagnétique développé reste
négatif, ce qui prouve que la MSAP est en mode de fonctionnement génératrice. Il est à
rappeler que la MSAP est modélisée ici en mode de fonctionnement moteur.
La figure 3.20 montre les puissances active et réactive statoriques fournies par la
MSAP. Lors des phases d’accélération du vent (6 s ≤ t ≤ 9 s et 15 s ≤ t ≤ 18 s), nous
constatons une chute des deux puissances. Cela est dû au fait que, durant ces phases, la
80
17
850
(a)
700
Puissance (w)
550
400
100
3 6 9 12 15 18 21 24 27 30 33 36 39
Vitesse mécanique (rad/s)
120
(b)
110 Vitesse de rotation de réference
100
90
80 Vitesse de rotation
70
60
3 6 9 12 15 18 21 24 27 30 33 36 39
12
(c)
10
Vitesse relative

8
6
4 Vitesse relative
2
0
3 6 9 12 15 18 21 24 27 30 33 36 39
0.46
(d)
0.44
0.43
0.42
0.41
3 6 9 12 15 18 21 24 27 30 33 36 39
Temps (s)Commande d’une éolienne à base d’une MSAP
Figure 3.18.
Figure 3.18 Performances
: Performances du système éolien
du système : (a) : puissance
éolien mécanique,
(a) puissance (b) vitesse
mécanique, mécanique,
(b) vitesse (c) vitesse
mécanique, (c)
relative et (d) coefficient de puissance.
vitesse relative et (d) coefficient de puissance
Couple électromagnétique (Nm)
-2 Couple électromagnétique de réference
-4
-6 Couple électromagnétique
-8
3 6 9 12 15 18 21 24 27 30 33 36 39
Temps (s)
Figure 3.19. Couple électromagnétique de la MSAP.

Figure 3.19 : Couple électromagnétique de la MSAP
chaine éolienne consomme une puissance inertielle (voir l’équation (3.37)). Cependant, la
puissance inertielle est restituée au système lors des phases de décélération (24 s ≤ t ≤
27 s et 33 s ≤ t ≤ 36 s). 18
La figure 3.21 montre la tension statorique, le courant statorique et le rapport cyclique

suivant l’axe d. Nous constatons que le courant id est effectivement maintenu nul par la
commande (figure 3.21(b)). La tension vd (figure 3.21(a)) et le rapport cyclique (figure
81
Lors des phases d’accélération du vent (6 s ≤ t ≤ 9 s et 15 s ≤ t ≤ 18 s), nous constatons une
chute des deux puissances. Cela est dû au fait que, durant ces phases, la chaine éolienne
consomme une puissance inertielle (voir l’équation (3.37)). Cependant, la puissance inertielle
est restituée au système lors des phases de décélération (24 s ≤ t ≤ 27 s et 33 s ≤ t ≤ 36 s).
-100
(a)
Puissance active (W)

-200
-350
-500
-650 Accélération Décélération

-800
3 6 9 12 15 18 21 24 27 30 33 36 39
120
Puissance réactive (W)
(b)
100
Accélération Décélération
80
60
40
20
0
-20
3 6 9 12 15 18 21 24 27 30 33 36 39
Temps (s)
Figure 3.20. Puissances statoriques fournies par la MSAP : (a) puissance active et (b) puissance réactive.
Figure 3.20 : Puissances statoriques fournies par la MSAP : (a) puissance active et (b) puissance réactive
La figure 3.21 montre la tension statorique, le courant statorique et le rapport cyclique
suivant l’axe d. Nous constatons que le courant id est effectivement maintenu nul par la
3.21(c)) présente la même forme. La tension vd est positive, toutefois elle ne dépasse pas
commande (figure 3.21(b)). La tension vd (figure 3.21(a))
Commandeetd’une
le rapport
éolienne àcyclique
base d’une(figure
MSAP
les 9 V.
3.21(c)) présente la même forme. La tension vd est positive, toutefois elle ne dépasse pas les 9
V.
10 (a)
8
Tension (V)
6
4
2
0
3 6 9 12 15 18 21 24 27 30 33 36 39
1
24 (b)
0.5 i dref
Courant (A)
id
-0.5
-1
3 6 9 12 15 18 21 24 27 30 33 36 39
0.07
(c)
Rapport cyclique
0.05
0.03
0.01
-0.01
3 6 9 12 15 18 21 24 27 30 33 36 39
Temps (s)
Figure 3.21 : Grandeurs électriques de la MSAP suivant l’axe d : (a) tension statorique, (b) courant
Figure 3.21.
statorique etGrandeurs électriques
(c) rapport cyclique de la MSAP suivant l’axe d : (a) tension statorique, (b) courant statorique et
(c) rapport cyclique.
La figure 3.22 donne l’allure de la tension statorique, du courant statorique et du

rapport cyclique suivant l’axe q. Les trois grandeurs présentent la même forme et suivent
la même évolution que celle du profile du vent. Toutefois, le courant iq est négatif. En vertu
des relations (3.46) et (3.47), la référence du courant statorique suivant l’axe q (iq−ref )
82
est obtenue en fonction du couple électromagnétique.

65
(a)
Tension (V) 60
55
50
45
40
35
30
3 6 9 12 15 18 21 24 27 30 33 36 39
0
(b)
-2 i qref
Courant (A)
-4
-6
i
q
-8
-10
3 6 9 12 15 18 21 24 27 30 33 36 39
0.35
(c)
Rapport cyclique
0.3
0.25
0.2
3 6 9 12 15 18 21 24 27 30 33 36 39
Temps (s)
Figure 3.22. Grandeurs électriques de la MSAP suivant l’axe q : (a) tension statorique, (b) courant statorique et
Figure
(c) 3.22
rapport : Grandeurs électriques de la MSAP suivant l’axe q : (a) tension statorique, (b) courant
cyclique.
statorique et (c) rapport cyclique
Afin de réaliser une comparaison entre la puissance statorique et la puissance méca-

nique de la turbine, les deux courbes sont tracés sur la figure 3.23. Pour faciliter cette
comparaison, la courbe de puissance de la turbine a été multipliée par un −1. À partir
de ces courbes, nous constatons de légers écarts entre les deux puissances. Le premier
écart, apparaissant au régime permanent, est lié aux pertes de puissance dans la chaine
éolienne. Le second concerne les régimes transitoires où une perte (un gain) en puissance
est à signaler lors de l’accélération (la décélération)Commande
du vent.d’une éolienne à base d’une MSAP
0
-150 Puissance statorique
Puissance (W)
-300
-450
-600 Puissance de la turbine
-750
-900
3 6 9 12 15 18 21 24 27 30 33 36 39
Temps (s)
Figure 3.23. Puissance active statorique et puissance mécanique de la turbine.

Figure 3.23 : Puissance active statorique et puissance mécanique de la turbine
Au régime permanant, une perte en puissance d’environ 11% est observée. Cette perte
est due au frottement et à l’effet Joule. Si l’on prend l’exemple des deux puissances où
le vent est à une vitesse de 12 m/s (18 s ≤ t ≤ 24 s), une perte d’environ 92 W est à
déplorer. Le bilan des pertes de puissances peut être effectué comme suit :
83
22
– Pour une vitesse du vent de 12 m/s, Ω = 108.7 rad/s (figure 3.18(b)) et iq = −7.272 A
(figure 3.22(b)). Les pertes dues au frottement et à l’effet Joule peuvent être calculé
en utilisant, respectivement, les équations (3.35) et (3.36) de la façon suivante :
p = pf + pJ
(3.60)
= 0.0002 × 108.72 + 1.5 × 1.13 × (−7.272)2 = 91.99 W
La perte de 92 W est ainsi justifiée.
Au régime transitoire, deux cas de figure se présentent, le premier lors de l’acceleration
du vent (6 s ≤ t ≤ 9 s et 15 s ≤ t ≤ 18 s), le second lors de la déceleration du vent (24 s
≤ t ≤ 27 s et 33 s ≤ t ≤ 36 s). En plus des pertes dues au frotemment et à l’effet Joule,
une troisiemme perte survient lors de l’acceleration du vent, cette perte est due à l’enertie
du système. Si l’on prend l’exemple des deux puissances lorsque le vent est à une vitesse
de 11 m/s (t = 16.5 s), une perte de 112.4 W dans la MSAP est à noter. Le bilan des
puissances peut être effectué comme suit :
– Pour une vitesse du vent de 11 m/s, Ω = 99.67 rad/s (figure 3.18(b)) et iq = −5.44 A
(figure 3.22(b)). Les pertes dues au frottement, à l’effet Joule et à l’inertie peuvent
être calculées en utilisant, respectivement, les équations (3.35), (3.36) et (3.37) de
la manière suivante :
p = pf + pJ + pinert
= 0.0002 × 99.672 + 1.5 × 1.13 × (−5.44)2 + 0.1 × 6.038 × 99.67 (3.61)
= 112.32 W
La perte de 112.4 W est ainsi justifiée.

– De la même façon, le bilan des pertes de puissances pour la même vitesse (11 m/s
à t = 25.5 s) où une perte d’environ 19.9 W est constatée, peut être calculé comme
suit :
p = pf + pJ + pinert
= 0.0002 × 99.592 + 1.5 × 1.13 × (−6.78)2 + 0.1 × (−6.035) × 99.59 (3.62)
= 19.79 W
La perte de 19.9 W est ainsi justifiée.
3.10 Conclusion
Dans ce chapitre, nous nous sommes intéressés à la modélisation et à la commande
d’un système éolien à base d’une MSAP destiné à être intégré dans un SHSER. La sortie
du système éolien (le stator de la MSAP) est connectée à un bus continu via un redresseur
triphasé à MLI. Dans le but d’extraire le maximum de puissance disponible dans le vent,
une stratégie de contrôle a été mise en œuvre. Ce contrôle comporte une commande MPPT
84
3.10 Conclusion
avec asservissement de la vitesse de rotation et une commande vectorielle à flux orienté

de la MSAP. Afin de montrer l’efficacité du système de conversion étudié, l’ensemble
de la chaîne éolienne a été simulée sous MATLAB-Simulink sous différents profils de
la vitesse du vent. Il a été constaté que la commande proposée a permis au système
éolien d’extraire le maximum de puissance disponible dans le vent. Ceci garantit donc un
rendement maximal du système.
Au terme des résultats obtenus, nous pouvons conclure que ce système éolien peut
bien être intégré dans le SHSER étudié dans cette thèse.
85
Chapitre 4
Étude du système de stockage d’énergie

et régulation de la tension du bus
continu
Résumé : L’énergie électrique fournie par les sources d’EnRs est très fluctuante et dépend des
conditions météorologiques. Pour remédier à ce caractère aléatoire, on fait appel à des systèmes
de stockage qui garantissent un approvisionnement continu et sans interruption en énergie élec-
trique. Dans ce chapitre, le système de stockage étudié est principalement conçu autour d’un
hacheur Buck-Boost et d’un pack de batteries au plomb-acide. La topologie de ce type de ha-
cheur offre l’avantage de pouvoir fonctionner en mode Buck lors de la charge des batteries et en
mode Boost lors de leurs décharges. La commande de ce système de stockage est réalisée d’une
manière à contrôler l’intensité du courant délivré ou consommé par les batteries tout en assurant
une régulation de la tension du bus continu à une valeur constante. Pour ce faire, deux boucles
de régulation imbriquées, contenant des régulateurs PI, sont mises en œuvre. Afin de montrer
l’efficacité du système de stockage, des tests de simulation sont effectués dans le cas d’une varia-
tion de la puissance fournie ou emmagasinée dans les batteries. Les résultats obtenus ont montré
que le système de stockage accomplit parfaitement sa fonction et peut ainsi être intégré dans le
SHSER étudié dans cette thèse.
Sommaire
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.2 Architecture du système de stockage étudié . . . . . . . . . . . 89
4.3 Stockage de l’énergie dans les systèmes hybrides . . . . . . . . 89
4.3.1 Stockage électrochimique . . . . . . . . . . . . . . . . . . . . . . 90
4.3.2 Batteries au plomb-acide . . . . . . . . . . . . . . . . . . . . . . 91
4.4 Modélisation électrochimique et électrique de la batterie . . . 92
4.4.1 Modèle électrochimique . . . . . . . . . . . . . . . . . . . . . . 92
4.4.2 Modèles électriques . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.5 Modèle du hacheur Buck-Boost . . . . . . . . . . . . . . . . . . 95
4.6 Régulation de la tension du bus continu . . . . . . . . . . . . . 97
4.6.1 Mise en œuvre de la boucle interne de régulation du courant . . 98
4.6.2 Mise en œuvre de la boucle externe de régulation de la tension 99
4.7 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . 101
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
87
Étude du système de stockage d’énergie et régulation de la tension du bus continu
4.1 Introduction
L’utilisation d’un dispositif de stockage dans un SHSER permet de garantir un appro-
visionnement continu et sans interruption en énergie. L’énergie produite par le système
peut être ainsi mise à disposition de l’utilisateur de façon différée dans le temps et même
éventuellement dans l’espace [110]-[113]. La présence d’un dispositif de stockage dans
un SHSER permet d’introduire un degré de liberté énergétique. Il permet également de
découpler le fonctionnement énergétique des sources et des charges en fournissant le dé-
ficit ou en absorbant l’excédent de puissance. Par conséquent, des stratégies de gestion
de l’énergie peuvent être mises en œuvre dans le but d’optimiser le fonctionnement des
SHSERs via l’intégration des systèmes de stockage [6].
Parmi la panoplie de dispositifs de stockage utilisés dans les SHSERs, la batterie reste
le dispositif de stockage d’énergie le plus exploité [114]-[118]. Il s’agit d’une forme de
stockage électrochimique qui utilise le même vecteur que l’énergie électrique ; l’électron.
Cette caractéristique permet de limiter les pertes liées à la conversion de l’énergie lors du
stockage [113]. Au cours de ces dernières décennies, la batterie a connu un essor considé-
rable. Selon le type d’application, plusieurs technologies de batteries, de caractéristiques
différentes, ont été développées. Les batteries au plomb, au lithium et au nickel sont princi-
palement les trois types de technologies les plus couramment utilisées [117], [118]. Connue
depuis plus d’un siècle, la batterie au plomb-acide est très utilisée dans les SHSERs, en
particulier, dans les SHSERs en mode de fonctionnement isolé du réseau électrique [6],
[101], [110]. Ses principaux avantages sont son faible coût et sa durée de vie importante.
En plus, il s’agit d’une technologie de batteries mûre, fiable et bien maitrisée vu qu’elle a
été étudiée et améliorée depuis plus de cent ans.
Ce chapitre est consacré à l’étude et à la commande d’un système de stockage en vue
de son intégration dans un SHSER. Ce système est construit autour d’un convertisseur
statique de type hacheur Buck-Boost [102], [119]. Ce convertisseur offre ainsi la possibilité
de fonctionner en mode Buck lors de la charge des batteries et la possibilité de fonctionner
en mode Boost lors de la décharge des batteries. La commande du hacheur Buck-Boost
permet le contrôle du courant délivré (ou stocké) par la batterie lors d’un déficit (ou
surplus) de production d’énergie électrique par les sources d’EnRs. Par ailleurs, le contrôle
du système de stockage doit être réalisé de façon à maintenir une tension constante au
niveau du bus continu auquel il sera raccordé, quel que soit le mode de fonctionnement
du système (débiteur ou consommateur d’énergie). Pour ce faire, la commande par deux
boucles de régulation mises en cascade reste la technique la plus exploitée en raison de
sa simplicité de mise en œuvre et les résultats satisfaisants qu’elle offre [102], [120]. Dans
cette commande, la boucle de régulation interne contrôle le courant des batteries et la
boucle de régulation externe régule la tension du bus continu.
Afin de vérifier la faisabilité d’intégrer ce système de stockage dans un SHSER, plu-
sieurs tests de simulation sont réalisés. Dans un premier temps, les performances du sys-
tème sont testées par rapport aux changements de la tension de référence du bus continu.
Dans un second temps, les deux modes de fonctionnements du hacheur (Buck-Boost) sont
mis en évidence où le système de stockage est testé dans le cas d’une variation (positive
ou négative) du courant à sa sortie. En particulier, ce dernier test est réalisé dans le but
de prévoir le comportement du système de stockage face aux différentes sollicitations qui
peuvent avoir lieu dans un SHSER. Les résultats obtenus ont montré que le système de
stockage accomplit correctement sa fonction. En effet, par le contrôle du courant dans
les batteries, le système de stockage a prouvé son aptitude à répondre favorablement aux
88
4.2 Architecture du système de stockage étudié
besoins énergétiques de la charge. De plus, grâce à la boucle de régulation externe, la

tension du bus continu suit correctement sa référence tout au long du fonctionnement du
système, et ce malgré les variations de la puissance en sortie.
4.2 Architecture du système de stockage étudié

La figure 4.1 illustre l’architecture globale du système de stockage étudié dans ce
chapitre. Dans le but d’assurer le transfert d’énergie dans les deux sens, un hacheur Buck-
Boost est inséré entre les batteries et le bus continu. Le rôle assigné à la commande de ce
convertisseur est le contrôle du courant Ib dans les batteries tout en gardant une régulation
parfaite de la tension Udc du bus continu. Cette tension doit être maintenue fixe à une
valeur prédéfinit tout au long du fonctionnement du système.
Dans ce qui suit, nous nous intéresserons tout d’abord au stockage de l’énergie dans
un SHSER où le choix de la batterie comme élément de stockage sera justifié. Par la suite,
une modélisation électrochimique et électrique de la batterie sera introduite. Le modèle
du hacheur Buck-Boost et sa commande développée seront également donnés. Enfin, des
Etude du système de stockage d’énergie et régulation de la tension du bus continu
tests de simulation seront présentés en vue de montrer le bon fonctionnement du système
et la faisabilité de son intégration dans le SHSER.
Batteries Hacheur Buck-Boost Bus continu

Idc-b Ich
Ib
IC +
+ Vb Udc
_ Cdc
–
D
Contrôle de la tension
du bus continu
Figure 4.1. Architecture globale du système de stockage étudié (configuration correspondante à la décharge des
Figure 4.1 : Architecture globale du système de stockage étudié (configuration correspondante à la
batteries).
décharge des batteries)
4.3 Stockage de l’énergie dans les systèmes hybrides

Par définition, le stockage de l’énergie consiste à conserver une quantité d’énergie
provenant d’une source en un lieu donné sous une forme aisément utilisable pour une
exploitation ultérieure. Ce processus permet de mettre à disposition l’énergie produite de
façon différée dans le temps et même éventuellement dans l’espace tout comme dans le
cas du stockage embarqué. Selon l’usage que l’on fait de cette énergie stockée, cinq formes
de stockage peuvent être utilisés [117], [118], [121]-[123] :
• Stockage mécanique : Cette forme de stockage permet de conserver l’énergie élec-
trique sous une forme cinétique. Cette dernière est généralement utilisée pour faire tour-
ner des turbines, qui à leur tour entraine des générateurs électriques en vue de créer
une énergie électrique. Cette catégorie de stockage regroupe principalement les voies de
89
stockage à grande échelle, comme le stockage hydraulique, stockage à air comprimé et

les volants d’inertie.
• Stockage thermique : Il s’agit d’une technologie qui stocke l’énergie thermique (la
chaleur ou le froid) en chauffant ou en refroidissant un support de stockage afin que
l’énergie stockée puisse être restituée ultérieurement pour chauffer, refroidir ou produire
de l’énergie. Cette forme de stockage est principalement utilisée dans les bâtiments et
les installations industrielles.
• Stockage électromagnétique : Cette forme de stockage consiste à conserver l’énergie
sous forme d’un champ magnétique généré par la circulation d’un courant électrique
dans une bobine. Ces bobines sont généralement réalisées en matériau supraconducteur
pour éviter la dissipation de cette énergie.
• Stockage électrochimique : Dans le cas du stockage électrochimique, l’énergie élec-
trique est conservée sous une forme chimique. Le stockage s’effectue grâce à des ré-
actions électrochimiques qui consistent à faire circuler des ions et des électrons entre
deux électrodes. Le stockage électrochimique tire profit du fait que l’énergie électrique
et chimique partage le même vecteur qui est l’électron. Cet avantage permet de limiter
les pertes liées à la conversion de l’énergie d’une forme à une autre.
Dans le cas des SHSERs, le stockage électrochimique est nécessairement la forme de
stockage la plus couramment utilisée. Dans les deux sous-sections suivantes, nous pré-
senterons, en détaille, le principe de fonctionnement de cette forme de stockage et les
différents dispositifs qui en découle en fonction du composant chimique utilisé.
4.3.1 Stockage électrochimique

En génie électrique, un accumulateur électrochimique est un dispositif permettant
de convertir, durant la phase de charge, l’énergie électrique en une énergie potentielle
chimique et de convertir, lors de la phase de décharge, l’énergie potentielle chimique en
énergie électrique. L’énergie électrique est ainsi accumulée puis restituée en majeure partie.
L’accumulateur est généralement utilisé par association de plusieurs accumulateurs en
batterie. Une batterie d’accumulateurs ou simplement une batterie est donc un ensemble
d’accumulateurs reliés entre eux de façon à créer un générateur de courant, de tension et de
capacité désirés. Le succès des batteries de stockage s’explique en grande partie par l’atout
considérable qui les caractérise par rapport à d’autres formes de stockage, celui de la
portabilité. Ainsi, elles revêtent une importance particulière pour les systèmes embarqués.
De plus leur cyclabilité élevée, c’est-à-dire leur capacité de stocker puis restituer l’énergie
pendant plusieurs centaines de cycles, est un autre atout non négligeable de cette forme
de stockage. Enfin, les batteries présentent un rendement énergétique d’environ 97% [120],
ce qui les rend extrêmement attractives comme solution de stockage dans des applications
stationnaires comme le stockage d’énergie électrique dans les SHSERs, [124], [125].
Vu l’intérêt grandissant porté aux batteries d’accumulateurs pour le stockage de l’éner-
gie, plusieurs types de batteries ont été développés. La différence entre un accumulateur
et un autre réside principalement dans la nature des produits chimiques utilisés dans leur
couple oxydant-réducteur [117]. Parmi les types de batteries existantes de nos jours, les
plus utilisées sont [117], [125], [126] :
• Batteries au plomb-acide : Il s’agit du premier type de batteries inventé par l’homme.
Peu couteuse, cette technologie est utilisée dans des applications embarquées, tout
90
4.3 Stockage de l’énergie dans les systèmes hybrides
comme dans des applications stationnaires. Bien que ces batteries soient les plus ma-
tures en termes de développement, elles restent parmi les moins résistantes au cyclage.
• Batteries Li-ion et Li-Po (aux ions de lithium et lithium polymère) : Bien
plus récente que celle au plomb-acide, cette technologie présente l’avantage d’une énergie
massique élevée et un nombre acceptable de cycle de vie. Paradoxalement, leurs durées
de vie est assez faible. De plus, d’un point de vue sécuritaire, la surchauffe de ce type
de batteries entraine l’explosion.
• Batteries Ni-Cd (au nickel cadmium) : Ce type de batteries possède plusieurs
avantages. Les plus importants sont les pertes de puissance minimes et leurs capacités
à réaliser un grand nombre de cycles et à se charger très rapidement. Toutefois, cette
technologie possède une faible densité énergétique et se décharge assez rapidement. De
plus, les batteries au Ni-Cd présentent un coût relativement élevé.
• Batteries NiMH (aux hydrures métalliques de nickel) : Ce type de batteries
exploite pratiquement la même technologie et les mêmes matériaux utilisés dans les
batteries Ni-Cd. Toutefois, il présente de meilleures performances, en termes de quantité
d’énergie emmagasinée. Les deux principaux inconvénients de ce type de batteries sont
sa durée de vie plus courte en nombre de cycle et sa détérioration rapide en cas de
surcharge répétée.
Bien que les batteries au plomb-acide soient moins résistantes au cyclage comparé à
d’autres technologies telles que les batteries aux ions de lithium, elles restent néanmoins
la technologie de stockage d’énergie la plus couramment exploitée. Elles sont utilisées
dans diverses applications, tels que l’industrie, l’équipement des véhicules (automobiles et
ferroviaires) et pour le stockage d’énergies issues des sources renouvelables, en particulier
l’énergie PV et éolienne. D’une part, les batteries au plomb-acide présentent des avantages
tels que leur coût relativement faible, longue durée de vie (avec un entretien approprié) et
large disponibilité sur le marché. De plus, cette technologie, étudiée et améliorée depuis
plus de cent ans, est maintenant arrivée à maturité. D’autre part, du haut de leurs vingt
années de développement, les batteries aux ions de lithium, tendent à se positionner sur
le marché des EnRs. Toutefois, leur coût assez élevé et le manque de retour d’expérience
sur leurs utilisations à long terme constituent les deux freins majeurs à leurs utilisations.
L’inconvénient des batteries au plomb-acide revient principalement à leur faible éner-
gie massique (de l’ordre de 50 Wh/kg), ce qui peut induire un encombrement important.
Par conséquent, pour le marché des batteries portables, d’autres technologies comme les
batteries aux Li-ion ou aux NiMH (énergies massiques d’environ de 110 Wh/kg) sont plus
couramment utilisées [117]. Pour les domaines peu regardants au niveau de l’encombre-
ment, comme le cas des installations de production d’EnRs, les batteries au plomb-acide
restent les plus exploitées [125], [126]. Ainsi, dans le cadre de cette thèse, les batteries
électrochimique de type plomb-acide seront exploitées.
4.3.2 Batteries au plomb-acide

Une batterie au plomb-acide est un ensemble d’accumulateurs dont la tension nominale
d’un accumulateur est d’environ 2.1 V. Ces accumulateurs sont généralement raccordés en
série et réunis dans un même boîtier pour obtenir la tension désirée. Un accumulateur se
caractérise tout d’abord par un couple « oxydant-réducteur », échangeant des électrons.
Ainsi, à l’intérieure d’une batterie au plomb-acide, chaque accumulateur est composé d’un
91
ensemble de couples d’électrodes positives et négatives montés en parallèle. Ces couples

d’électrodes baignent dans une solution électrolytique sous forme liquide ou de gel.
Dans le cas des batteries au plomb-acide, c’est les réactions entre la solution chimique
et les électrodes qui sont à l’origine du déplacement des électrons et des ions dans la
solution. Un isolant poreux (séparateur) est placé au milieu de chaque couple afin de
séparer les deux électrodes tout en autorisant le passage des ions. Dans le cas des batteries
au plomb-acide, ces échanges sont basés sur la réaction d’oxydoréduction suivante [118],
[127] :
P bO2 + 2H2 SO4 + P b →

← 2P bSO4 + 2H2 O (4.1)
4.4 Modélisation électrochimique et électrique de la bat-

terie
La modélisation de l’élément de stockage est une étape importante dans l’étude et
la réalisation d’un SHSER. Cette modélisation permet de simuler les performances de
la batterie et d’estimer ses paramètres de charge (tension à ses bornes, état de charge
(state of charge) (SoC), etc.). De plus, une bonne modélisation contribue fortement à
l’optimisation de la gestion de l’énergie dans l’élément de stockage. Selon la littérature, il
existe principalement deux types de modèles pour représenter le comportement temporel
de la batterie ; à savoir les modèles électrochimiques et les modèles électriques [127]-[133].
4.4.1 Modèle électrochimique

La modélisation électrochimique [127], [128] est l’une des premières approches utilisées
pour représenter le comportement temporel d’une batterie. Le modèle électrochimique
d’une batterie est généralement utilisé pour décrire, en utilisant les lois électrochimique, les
phénomènes de masse, d’énergie et de dynamique des électrons dans la solution chimique,
et ce pour chaque phase et chaque composant de la cellule.
Ce concept de modélisation, associant la chimie à la physique, permet de comprendre
les mécanismes fondamentaux de la génération de l’énergie dans la batterie. Il est généra-
lement utilisé pour identifier les phénomènes qui limitent la performance des cellules de
la batterie. En outre, il permet d’avoir de très bonnes prédictions de fonctionnement qui
sont exploitées pour optimiser leurs conceptions. Cependant, à cause de la représentation
détaillée des mécanismes chimiques liés à la génération de l’énergie, le modèle résultant
est assez complexe. Souvent, il aboutit à un système d’équations aux dérivées partielles
couplées qu’il faut résoudre pour chaque dimension de l’espace. De plus, ces modèles
nécessitent la connaissance d’un certain nombre de paramètres de la batterie difficiles
à déterminer comme la concentration de l’électrolyte, la géométrie des électrodes et le
coefficient de transfert de charges.
4.4.2 Modèles électriques

En faisant analogie entre le domaine de l’électrochimie et celui de l’électricité, les
différents phénomènes électrochimiques qui modélisent la batterie peuvent être représentés
par de simples circuits électriques. Les modèles électriques résultants sont privilégiés dans
la modélisation et le contrôle des systèmes de stockage. Dans ce sens, plusieurs modèles
92
4.4 Modélisation électrochimique et électrique de la batterie
électriques ont été développés. Ces modèles déférents selon qu’ils tiennent compte ou
pas de tous les paramètres (température, âge, etc.) et de certain phénomènes physique
et/ou chimique qui se manifestent à l’intérieure de l’accumulateur. Dans [129], une étude
détaillée de la plupart des modèles électriques d’une batterie est présentée. Parmi ces
modèles, le modèle simplifié et le modèle de Thévenin et ses variantes restent les plus
adoptés [114], [118], [130], [131].
4.4.2.1 Modèle électrique simplifié
Le modèle électrique simplifié d’une batterie est montré par la figure 4.2. Il est constitué
d’une source de tension idéale E0 (tension à vide) en série avec une résistance interne R0
[118], [129]. Vb est la tension desystème
Etude du sortie de
aux bornes
stockage de la etbatterie.
d’énergie régulationDans ce modèle,
de la tension E0 et
du bus continu
R0 sont considérées constantes.
Ib R0
+
+ E0
– Vb
Figure 4.2. Modèle électrique simplifié de la batterie.

Figure 4.2 : Modèle électrique simplifié de la batterie
Pour un courant Ib débité, la tension de sortie aux bornes de la batterie Vb est donnée
par l’équation suivante :
Vb = E0 − R0 Ib (4.2)
Il s’agit d’un modèle de base, simple et facile à mettre en application. Par ailleurs, il ne
tient pas compte de la variation de la résistance interne de l’accumulateur par rapport ni
au SoC ni à la température. Même si ce modèle ne reflète pas le comportement dynamique
précis de l’accumulateur, il reste suffisant pour un premier dimensionnement par exemple.
4.4.2.2 Modèle de Thévenin
Le modèle de Thévenin, représenté par la figure 4.3, reste le modèle le plus couramment
utilisé. Il contient une source idéale E0 , une résistance interne Ri , un condensateur C,
représentant la polarisation des plaques métalliques de l’accumulateur, et une résistance
de surtension R0 modélisant le contacte des électrodes avec l’électrolyte [118], [129].
Ib Ri
+
+ R0
– E0 Vb
–
Figure 4.3. Modèle de Thévenin de l’accumulateur.
Figure 4.3 : Modèle de Thévenin de l’accumulateur
Dans le modèle de Thévenin, tous les éléments du circuit équivalent sont supposés
93
constants. Par conséquent, ce modèle reste exclusivement valable autour d’un point de
fonctionnement où l’ensemble des paramètres sont fixes.
En vue de prendre en considération l’influence du SoC et du courant de charge et
de décharge dans le modèle de Thévenin, plusieurs améliorations de ce modèle ont été
proposées. Certains travaux ont proposé d’exprimer les paramètres du modèle (E0 , Ri , E0
et C) en fonction du SoC, de la température et/ou du courant [114], [115], [129]. D’autres
travaux comme dans [116], ont proposé une loi de décroissance linéaire de la tension E0
et de la résistance R0 en fonction de la profondeur de décharge de l’accumulateur.
Dans le cas des batteries au plomb-acide, un modèle dynamique non linéaire est pro-
posé. Il s’agit d’une variante du modèle de Thévenin qui tient compte de la non-linéarité
des paramètres de la batterie [129]. Dans ce modèle, des diodes idéales, ayant pour ob-
jectif de séparer le fonctionnement en charge de celui en décharge, sont insérées. En effet,
il a été constaté que le comportement de la batterie (donc des paramètres de son mo-
dèle) est différent entre la phase de charge et la phase de décharge [114], [129], [131]. Par
conséquent, R0 est remplacée par un bloc antiparallèle ayant une résistance et une diode
par branche comme le montre la Figure 4.4. Le modèle résultant comprend une résistance
Rsd , modélisant les pertes par autodécharge, deux résistances Rch et Rdch pour décrire,
respectivement en charge et en décharge, les chutes de tensions d’origines ohmique et
électrochimique. Il comporte également un condensateur C, représentant la polarisation
des plaques métalliques de l’accumulateur.
Ib Rdch
+
Rch
+ E0 Rsd
– Vb
–
Figure 4.4. Modèle dynamique de l’accumulateur [131].
Figure 4.4 : Modèle dynamique de l’accumulateur [131]
Comme le montre la figure 4.4, le courant Ib passe par Rch pendant la charge et passe
par Rdch pendant la décharge. Pour une batterie de type plomb-acide, les tensions de
charge (Vb−charge ) et de décharge (Vb−decharge ) aux bornes de la batterie sont exprimées
comme suit [114], [131] :

−t
Vb−charge = E0 + Rch Ib 1 − exp (4.3)
Rch C

−t
Vb−decharge = E0 − Rdch Ib 1 − exp (4.4)
Rdch C
Il est à noter que dans cette thèse, nous avons exploité le modèle de batterie fourni
dans la librairie SimPowerSystems du logiciel MATLAB-Simulink. Ce modèle est essen-
tiellement basé sur le modèle dynamique représenté sur la figure 4.4.
94
  −t  
Vb − déch arg e =
E0 − Rdch I b 1 − exp    (4.4)
  Rdch C  
Il est à noter que dans cette thèse, nous avons exploité le modèle de batterie fourni dans la
4.5 Modèle du hacheur Buck-Boost
librairie SimPowerSystems du logiciel MATLAB-Simulink. Ce modèle est essentiellement
basé sur le modèle dynamique représenté dans la figure 4.4.
Le pack de batteries utilisé pour le stockage de l’énergie est relié au bus continu à
travers un hacheur
Le pack Buck-Boost
de batteries utilisé pour(réversible
le stockageen de
courant) comme
l’énergie montré
est relié au buspar la figure
continu 4.5.
à travers
Le
un rôle de ce
hacheur convertisseur
Buck-Boost est d’assurer
(réversible le transfert
en courant) de l’énergie
comme montré dans
dans la les 4.5.
figure deuxLesens
rôle (la
de
charge et la décharge des batteries) tout en maintenant la tension du bus continu Udc
ce convertisseur est d’assurer le transfert de l’énergie dans les deux sens (la charge et la
constante,
décharge des et batteries)
ce quelletout
queensoit la puissance
maintenant fournie
la tension du par les sources
bus continu ou celle consommée
Udc constante, et ce quelle
par la charge.
que soit la puissance fournie par les sources ou celle consommée par la charge.
Batteries Hacheur Buck-Boost Bus continu

d2
Ich
Ib L Idc-b IC +
T2
+
Cdc
Vb T1 Udc
d1
_
–
Figure 4.5. Raccordement des batteries au bus continu via un hacheur Buck-Boost (configuration
Figure 4.5 : àRaccordement
correspondante la décharge desdes batteries au bus continu via un hacheur Buck-Boost (configuration
batteries).
correspondante à la décharge des batteries)
Le hacheur Buck-Boost est constitué d’une inductance L à son entrée, de deux inter-
rupteurs (T1 et T2 ) commandés à l’ouverture9et à la fermeture et d’un condensateur Cdc à
sa sortie. Chacun des deux interrupteurs est constitué d’un IGBT et d’une diode antiparal-
lèle (d1 et d2 ). Selon l’état des deux interrupteurs T1 et T2 , deux phases de fonctionnement
peuvent être identifiées (avec T et D sont, respectivement, la période de découpage et le
rapport cyclique) :
• Dans l’intervalle de temps [0 ; DT ], l’interrupteur T1 est fermé et l’interrup-
teur T2 est ouvert. Durant cette séquence, le courant Ib traversant l’inductance L
augmentera linéairement et par conséquent une énergie sera stockée dans l’induc-
tance. Le condensateur Cdc fournit de l’énergie à la charge extérieure. Les équations
décrivant le fonctionnement du hacheur dans cet intervalle sont :
dIb
Vb = L (4.5)
dt
dUdc
IC + Ich = Cdc
+ Ich = 0 (4.6)
dt
où Vb est la tension aux bornes des batteries, Ib est le courant des batteries, IC est
le courant dans le condensateur et Ich est le courant de charge.
• Dans l’intervalle de temps [DT ; T ], l’interrupteur T1 est ouvert et l’interrupteur
T2 est fermé. Durant cette séquence, l’énergie emmagasinée dans l’inductance L est
restituée au condensateur et à la charge extérieure par l’intermédiaire de la diode
d2 . Dans cet intervalle, le hacheur est décrit par les deux équations suivantes :
dIb
Vb = L + Udc (4.7)
dt
dUdc
Ib = Idc−b = IC + Ich = Cdc + Ich (4.8)
dt
95
où Idc−b est le courant de sortie du hacheur Buck-Boost.

Le fonctionnement du hacheur décrit ci-dessus est relatif au mode Boost. Dans ce cas,
le transfert de l’énergie s’effectue des batteries vers l’extérieur et ces dernières subissent
le cycle de décharge. En mode Buck, la commande complémentaire des interrupteurs
est toujours maintenue, mais le transfert d’énergie s’inverse. Les batteries se charge en
emmagasinant de l’énergie reçue de l’extérieure.
Dans le cas où la période de découpage T est très faible comparée aux constantes
de temps caractéristique du système, le modèle moyen du hacheur Buck-Boost peut être
décrit par les deux équations suivantes :
dIb Vb Udc
= − (1 − D) (4.9)
dt L L
dUdc Ib 1
= (1 − D) − Ich
dt Cdc Cdc
(4.10)
Idc−b 1
= − Ich
Cdc Cdc
Le schéma fonctionnel du modèle moyen du hacheur Buck-Boost est présenté par la
figure 4.6. Etude du système de stockage d’énergie et régulation de la tension du bus continu
Vb 1 Ib
+ 1/L
– s
×
D
–
+ Udc
1
1 × 1/Cdc
+ s
–
Ich
Figure 4.6. Schéma fonctionnel du hacheur Buck-Boost.
Figure 4.6 : Schéma fonctionnel du hacheur Buck-Boost
L’inductance de lissage L et le condensateur de filtrage Cdc sont soumis aux mêmes

contraintes dans les deux modes de fonctionnement Buck et Boost. Ils sont dimensionnés
suivant une fréquence de découpage f et des taux d’ondulation du courant et de la tension
souhaités.
L’inductance minimale est calculée en fonction de f et de l’ondulation maximale du
courant ∆Ib max admissible. Sa valeur minimale est donnée par la relation suivante :
Udc
Lmin = (4.11)
4∆Ib max f
Le condensateur Cdc joue son rôle dans l’amélioration de la qualité de la tension de
sortie (tension du bus continu). Sa valeur minimale est calculée en fonction de f et de
l’ondulation maximale ∆Udc max de la tension. Elle est donnée par la relation suivante :
Ib
Cdc−min = (4.12)
4∆Udc max f
96
4.6 Régulation de la tension du bus continu
4.6 Régulation de la tension du bus continu

L’objectif principal de cette régulation est de maintenir la tension du bus continu
constante quelles que soient les perturbations qui pourront affecter le fonctionnement
du système. Ces perturbations, qui sont généralement non quantifiables, peuvent être de
nature externe (erreur de mesure, variation de la charge, etc.) ou interne au système (erreur
de modélisation, variation paramétrique, etc.) [112]. Pour s’affranchir de ces perturbations,
on fait appel à des algorithmes de contrôle dont l’objectif est d’imposer des performances
au système commandé en termes d’amortissement, de dépassement et de rapidité.
La synthèse des régulateurs exige une modélisation sous formes de fonctions de trans-
fert du système à contrôler. Cependant, la modélisation du hacheur Buck-Boost présente
des difficultés liées à la nature même de ses équations. Ces dernières sont non linéaires et
à structures variables, puisqu’elles présentent plusieurs états possibles à un instant donné.
Plusieurs algorithmes pour contrôler la tension de sortie du hacheur ont été développés
dans la littérature. Parmi ces méthodes, la commande prédictive [111], la commande par
hystérésis [112], la commande par mode glissant, et la commande par backstepping [130]
peuvent être mentionnées. Bien que ces approches présentent de bonnes performances,
leurs structures sont généralement assez complexes. Le contrôle par le régulateur PI reste
probablement la méthode la plus utilisée en raison de sa simplicité de mise en œuvre et
ses performances dynamique satisfaisantes. Néanmoins, le modèle du système doit être
bien identifié et les paramètres des régulateurs doivent être bien calculés. Généralement,
il y a deux méthodes pour ce type de contrôle, la première est appelée la régulation
en tension (voltage mode control ), ou bien le contrôle direct du rapport cyclique. Cette
méthode contient une seule boucle de régulation et calcule directement le rapport cy-
clique. La deuxième est une régulation en courant (current mode control ), appelée aussi le
contrôle du courant injecté. Cette méthode contient deux boucles en cascade ; une boucle
de courant interne et une boucle de tension externe [112]. Ce type de contrôle, très ré-
pandu dans l’industrie, rentre dans la classe des commandes linéaires qui se basent sur un
modèle linéaire du système pour le calcul des paramètres des régulateurs.
Dans le cadre de cette thèse, nous retenons la structure à deux boucles dont la confi-
guration est représentéeEtude du système de stockage d’énergie et régulation de la tension du bus continu
sur la figure 4.7.
Udc
Udc-ref Régulateur de Ib-ref Régulateur du
D Hacheur
la tension courant
+ _ (Fig 4.9) + _ (Fig 4.8) Buck-Boost
Udc Ib (Fig 4.6) Ib
Ich
Figure 4.7. Structure de la commande adoptée contenant deux boucles de régulation.

Figure 4.7 : Structure de la commande adoptée contenant deux boucles de régulation
Comme illustré par la figure 4.7, il y a un régulateur pour chaque variable contrôlée
dans ce système à deux boucles imbriquées. La variable principale asservie, qui est la
tension Udc , est régulée par la boucle externe. La sortie du régulateur de la tension Udc
servira de référence pour la boucle de régulation du courant Ib (la boucle interne). Par
ailleurs, la saturation de la sortie du régulateur de la tension Udc à une valeur déterminée
permettra de limiter le courant dans le hacheur.
97
4.6.1 Mise en œuvre de la boucle interne de régulation du courant

Lors de la mise en œuvre d’une régulation à boucles multiples, on commence de la
boucle la plus interne et on dimensionne successivement les régulateurs de chaque boucle
et cela en progressant de l’intérieur vers l’extérieur. Pour garantir la stabilité de cette
régulation et avoir un fonctionnement satisfaisant, il faut s’assurer que la bande passante
des régulateurs diminue au fur et à mesure que l’on progresse vers la boucle la plus
externe. En pratique, une boucle de régulation est calculée de façon à être au moins dix
fois moins rapide que la boucle qui lui est directement inferieure. Ainsi, une séparation
des caractéristiques statiques et dynamiques des boucles mises en cascade est garantie.
La conception du régulateur de la boucle du courant du hacheur Buck-Boost nécessite
la linéarisation de son modèle moyen. Pour ce faire, deux solutions peuvent être utilisées ;
la première consiste à compenser les termes non linéaires en introduisant un changement
de variable, et la seconde consiste à travailler sur le modèle du petit signal (petite per-
turbation) en linéarisant le hacheur autour d’un point de fonctionnement. Ici, nous avons
opté pour le premier cas. Ainsi, pour calculer les paramètres du régulateur du courant,
nous proposons d’introduire le changement de variable dans (4.9) de la manière suivante :
dIb Vb Udc
= − (1 − D) = D0 (4.13)
dt L L
avec
Vb Udc
D0 = − (1 − D) (4.14)
L L
Avec ce changement de variable, la fonction de transfert en boucle ouverte liant le
courant Ib à la variable D0 est représentée simplement par un intégrateur pur comme
suit :
dIb Ib (s) 1
= D0 ⇒ 0 = (4.15)
dt D (s) s
De ce fait, pour régler la dynamique de la boucle interne du courant, un régulateur
proportionnel de gain Ki est suffisant puisque la fonction de transfert en boucle fermée
s’écrit de la façon suivante :
Ib (s) 1
= s (4.16)
Ibref (s) + 1
Ki
La relation (4.16) montre que la fonction de transfert en boucle fermée du courant est
de premier ordre ayant un gain statique égal à 1. Par conséquent, l’erreur statique est
nulle en régime permanent. La constante de temps τi de cette boucle fermée est donnée
par τi = 3tr = 1/Ki . Le gain Ki du régulateur de la boucle interne du courant peut donc
être déterminé une fois le temps de réponse tr est fixé à une valeur désirée. Ce régulateur
agit en fonction de l’erreur et génère un signal de référence D0 . Ce signal sera exploité
pour calculer le terme de compensation correspondant puis déduire le rapport cyclique
réel D de la manière suivante :
Vb Udc L 0 Vb
D0 = − (1 − D) ⇒ D = D − +1 (4.17)
L L Udc Udc
La structure générale de la boucle de régulation interne du courant est donnée par la
figure 4.8.
98
4.6 Régulation de la tension
Etudedu
du bus continu
système de stockage d’énergie et régulation de la tension du bus continu
Vb Udc
Ib-ref D' L V Hacheur
Ki D '− b +1 D
+ U dc U dc Buck-Boost
_
Régulateur P Compensation (Fig 4.6) Ib
Ib Ich
Figure 4.8. Structure générale de la boucle interne de régulation du courant.

Figure 4.8 : Structure générale de la boucle interne de régulation du courant
4.6.2 Mise en œuvre de la boucle externe de régulation de la

tension
La boucle de contrôle externe est mise en place pour assurer une bonne régulation de
la tension du bus continu en la maintenant à une valeur de référence Udc−ref constante. De
plus, l’objectif de cette régulation porte sur deux aspects ; l’un est le suivi de la tension de
sortie désirée (Udc−ref ), et l’autre est le rejet de toute perturbation venant de la tension
de la source d’entrée ou de la charge. La boucle de contrôle de Udc contient un régulateur
PI qui agit en fonction de l’erreur Udc−ref − Udc en vue de générer le courant de référence
Ib−ref qui sera ensuite exploité par la boucle interne.
Pour garantir le bon fonctionnement du système, le régulateur de la boucle externe doit
être dimensionné d’une façon à avoir la bande passante de la boucle de tension inférieure à
celle du courant. De cette manière, la séparation des dynamiques des boucles est assurée,
et vis à vis de la boucle externe, les grandeurs de la boucle interne seront considérées
comme étant toujours en régime permanent. Par conséquent, les grandeurs de la boucle
interne prennent leurs valeurs de références et les égalités suivantes sont alors satisfaites :
Ib = Ib−ref (4.18)
Vb
D = Dref = 1 − (4.19)
Udc
L’équation de charge du condensateur, donnée par (4.10), devient :
dUdc Ib−ref 1
= (1 − Dref ) − Ich
dt Cdc Cdc
(4.20)
Ib−ref Vb 1
= − Ich
Cdc Udc Cdc
Dans le but de calculer les paramètres du régulateur de la boucle externe, de neutraliser
les non-linéarités dans le système et ainsi appliquer les principes de la régulation linéaire,
nous introduisons le changement de variable suivant :
dUdc
= I 0b−ref (4.21)
dt
avec
Ib−ref Vb 1
I 0b−ref = − Ich (4.22)
Cdc Udc Cdc
99
8
La fonction de transfert en boucle ouverte de la boucle externe est ainsi donnée comme
suit :
Udc (s) 1
0
= (4.23)
I b−ref (s) s
Afin de garantir de bonnes performances statiques et dynamiques de la boucle externe

et dans le souci de parer aux erreurs de modélisations, nous optons pour un régulateur PI
dont la fonction de transfert est donnée sous la forme :
1
R(s) = Kv + (4.24)
τv s
Après l’introduction du régulateur PI et arrangement de la fonction de transfert ob-
tenue en boucle fermée, nous avons abouti à l’expression suivante :
Udc (s) Kv τ v s + 1
= 2
(4.25)
Udc−ref (s) τv s + Kv τv s + 1
En choisissant une constante de temps τv = 1 s , nous constatons que dans un très
large domaine de fréquences telles que Kv s >> 1, l’équation (4.25) se réduit à la fonction
de transfert de premier ordre suivante :
Udc (s) 1
= (4.26)
Udc−ref (s) 1
Kv s + 1
En vue de séparer la dynamique des deux boucles, le gain Kv (boucle externe) doit
être choisi largement inférieur au gain Ki de la boucle du courant (boucle interne). Son
ajustement, à l’aide de tests en simulation, a montré qu’une valeur de Kv = 6Ki constitue
un bon compromis entre la rapidité, la stabilité et la précision.
Le régulateur PI agit en fonction de l’erreur entre Udc−ref et Udc et génère un signal de
0
référence Ib−ref . Le courant de référence réel Ib−ref sera alors déduit de la relation (4.22)
de la manière suivante :
Udc
Ib−ref = (Cdc I 0b−ref + Ich ) (4.27)
Vb
La structure globale de la boucle externe de régulation de la tension Udc est donnée
par la figure 4.9. Etude du système de stockage d’énergie et régulation de la tension du bus continu
Vb Udc Ich Udc

I 'b − ref U Boucle du
Udc-ref Régulateur Ib-ref D Hacheur
dc
(Cdc I 'b − ref + I ch ) courant
+ PI Vb Fig (4.8) Buck-Boost
_
Udc Compensation (Fig 4.6) Ib
Ich
Figure 4.9. Structure globale de la boucle externe de régulation de la tension.

Figure 4.9 : Structure globale de la boucle externe de régulation de la tension
100

Afin de vérifier les performances de la commande élaborée, des tests de simulation sont
effectués sous MATLAB-Simulink. Le modèle moyen du convertisseur et la commande à
deux boucles, donnés par les figures 4.6 et 4.9, respectivement, sont implémentés. Vu la
constante de temps très grande des batteries, ces dernières seront remplacées par une
source de tension constante réversible en courant. Les paramètres du circuit électrique
ainsi que les données de la commande utilisées sont mentionnés dans le tableau 4.1.
Tableau 4.1 : Paramètres de simulation du système de stockage

Tension du bus continu, Udc (V) 350
Tension nominale du pack de batteries, Vb (V) 12.5x6
Condensateur du bus continu, Cdc (µF ) 2200
Inductance du Buck-Boost, L (mH) 5
Gain proportionnel de la boucle interne, Ki 1000
Gain proportionnel de la boucle externe, Kv 150
Constante d’intégration de la boucle externe, τv (s) 1
Les performances du système de stockage ont été évaluées suivant trois cas de figures
(trois tests). Le premier test est réalisé dans le cas d’un essai de poursuite de la tension
du bus continu où un échelon d’une valeur de 350 V est appliqué à l’instant t = 0 s comme
une tension de référence (Udc−ref ) (voir la figure 4.10(a)). Le second teste est réalisé dans
le cas d’une application d’un courant de charge positif de +5 A à l’instant t = 0.1 s
et son annulation à l’instant t = 0.2 s (voir la figure 4.10(b)). Ce phénomène survient
lors de la connexion et la déconnexion d’une charge linéaire à la sortie du hacheur. Dans
cet intervalle (0.1 s ≤ t ≤ 0.2 s), le hacheur fonctionne en mode Boost. Le troisième
test concerne l’application d’un courant négative de −5 A à l’instant t = 0.3 s et son
annulation à l’instant t = 0.4 s (voir la figure 4.10(b)). Dans cet intervalle (0.3 s ≤ t ≤
0.4 s), les batteries se chargent, donc le hacheur fonctionne en mode Buck.
Les chronogrammes de l’échelon de la tension de référence Udc−ref et les différents
courants de charge appliqués sont, respectivement, représentés par les figures 4.10(a) et
(b).
La figure 4.11 montre l’allure de la tension Udc du bus continu ainsi que sa valeur
de référence Udc−ref appliquée à l’instant t = 0 s. Dans cet essai, le condensateur est
initialement déchargé et donc sa tension est nulle. Il est à noter que, dès l’application de
l’échelon de Udc−ref , le condensateur commence à se charger et la tension Udc augmente
presque linéairement pour rattraper la référence sans engendrer ni dépassement ni erreur
statique. Nous constatons que le temps de réponse est d’environ 15 ms ce qui représente le
temps minimal nécessaire pour l’établissement du courant dans l’inductance puis la charge
de la capacité de filtrage. À partir de ce résultat, nous pouvons dire que la commande
proposée permet de poursuivre la tension de référence d’une manière très correcte et ce
quels que soient les points de fonctionnements initiaux et finaux du hacheur.
La figure 4.12 montre un zoom sur la tension Udc et de sa référence Udc−ref . L’analyse
de ce résultat permet d’évaluer les performances de la commande proposée en termes de
régulation. Nous constatons que malgré l’application d’un courant de charge positif (0.1 s
≤ t ≤ 0.2 s) et négative (0.3 s ≤ t ≤ 0.4 s), la tension du bus continu reste pratiquement
constante. En effet, les chutes de tension lors de l’application de ces échelons de courants
sont insignifiantes. Elles sont de l’ordre de 3 V en fonctionnement Boost et moins de 1
101
Etude
Étude du système du systèmed’énergie
de stockage de stockageet
d’énergie et régulation
régulation de la tension
de la tension du du buscontinu
bus continu
351
(a)
350.5
Tension (V) 350
349.5
349
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
(b)
5
Courant (A)
-5
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Temps (s)
Figure 4.10. ChronogrammesEtude du :système

de tests de stockage
(a) échelon d’énergie
de la tension et régulation
de référence Udc-refde
et la
(b)tension
courantdudebus continu
charge.
Figure 4.10 : Chronogrammes de tests : (a) échelon de la tension de référence Udc−ref et (b) courant
de charge
400
300
Tension (V)
U
U dc-ref
dc
200
100
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Temps (s)
Figure 4.11. Réponse de la tension Udc à un échelon de tension de référence Udc-ref.

Figure 4.11 : Réponse de la tension Udc à un échelon de tension de référence Udc−ref
V en fonctionnement Buck, ce qui ne représente, respectivement, que 0.8% et 0.2% de la

tension de référence. Par ailleurs, le temps de réponse à la perturbation est moins de 10
ms et l’erreur statique reste toujours nulle.
Au terme de ces résultats, nous pouvons dire que le contrôle proposé rejette rapidement
la perturbation quel que soit le flux de puissance positif ou négative à la sortie du système
de stockage.
360
355 U
Tension (V)
dc-ref
350
345
Udc
340
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Temps (s)
Figure 4.12. Réponse de la tension Udc suivant l’évolution du courant de charge (zoom).
Figure 4.12 : Réponse de la tension Udc suivant l’évolution du courant de charge (zoom)
La figure 4.13 montre l’allure du courant mesuré et celui de référence dans le pack
de batteries. Nous constatons que ces deux courants sont presque identiques et ce durant
tous les régimes de fonctionnement. Ceci permet de dire que le dimensionnement de la
102
10
4.8 Conclusion
boucle interne du courant est correct du point de vue rapidité et stabilité. Le temps de
réponse à la perturbation est très faible et ne dépasse pas 1 ms comme prévu par le
dimensionnement du régulateur de la boucle interne.
150
100
Courant (A)
Ib
50 Ib-ref
-50
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Temps (s)
Figure 4.13. Courant mesuré Ib et celui de référence Ib-ref dans les batteries suivant l’évolution du courant de
Figure 4.13 : Courant mesuré Ib et celui de référence Ib−ref dans les batteries suivant l’évolution du
charge.
courant de charge
La figure 4.14 montre l’allure du rapport cyclique durant les différentes phases de
fonctionnement du système. Aux régimes permanents, ce rapport est proche de 0.8. Aux
régimes transitoires, sa valeur reste loin de la saturation hormis les instant t = 0.1 s et t
= 0.4 s où nous avons des chutes de tension aux bornes du condensateur de filtrage.
1
Rapport cyclique
0.8
0.6
0.4
0.2
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Temps (s)
Figure 4.14. Rapport cyclique du hacheur Buck-Boost durant les différentes phases de fonctionnement.
Figure 4.14 : Rapport cyclique du hacheur Buck-Boost durant les différentes phases de fonctionnement
4.8 Conclusion
Dans ce chapitre, nous nous somme intéressé au stockage de l’énergie électrique pro-
duite dans un SHSER. Ainsi, une étude d’un système de stockage, conçu autour d’un
pack de batteries au plomb-acide et d’un hacheur Buck-Boost, a été proposée. Ce sys-
tème de stockage permet d’assurer un approvisionnement continu et sans interruption en
énergie électrique. Le choix du hacheur Buck-Boost est principalement motivé par le fait
qu’il peut fonctionner selon deux modes. Un fonctionnement en mode Buck lors de la
charge des batteries et un fonctionnement en mode Boost lors de leur décharge. Le rôle
du système de stockage proposé est de contrôler le transfert bidirectionnel de l’énergie
dans le système (du bus continu vers les batteries et des batteries vers le bus continu),
tout en garantissant une bonne régulation de la tension du bus continu. Pour ce faire,
la commande adoptée a été basée sur deux boucles de régulation montées en cascade.
Une boucle de régulation interne pour contrôler le courant des batteries et une boucle de
régulation externe pour la régulation de la tension du bus continu. Afin de montrer la
faisabilité d’intégrer ce système de stockage dans un SHSER, plusieurs tests de simulation
ont été réalisés. Les performances du système ont été testées dans le cas de la poursuite
103
de la tension du bus continu et dans le cas de variations positive et négative du courant

à sa sortie. Le système de stockage a montré sa capacité à répondre aux besoins énergé-
tiques de la charge en contrôlant l’intensité du courant délivré par les batteries. De plus,
la tension du bus continu a été maintenue constante tout au long du fonctionnement du
système, et cela malgré les variations de la puissance positive ou négative en sa sortie.
Au vu des résultats obtenus, nous pouvons conclure que le système de stockage di-
mensionné dans ce chapitre peut facilement être intégré dans un SHSER.
104
Chapitre 5
Conversion continu-alternatif dans les

SHSERs
Résumé : Ce chapitre traite la conversion continu-alternatif destinée aux SHSERs où deux

nouvelles stratégies de commande d’onduleurs sont développées. La première stratégie est pro-
posée pour la commande d’un onduleur monophasé isolé du réseau et la seconde stratégie est
destinée à la commande d’un onduleur triphasé connecté au réseau électrique. Initialement, une
commande dans le repère de Park (dq), nommée commande dq, d’un onduleur monophasé à MLI
isolé du réseau est développée. Cette commande est considérablement améliorée par l’intégration
d’un nouveau OSG robuste dans sa structure. En plus de la génération de la composante ortho-
gonale, l’OSG proposé permet de filtrer le signal réel d’entrée et le signal orthogonal ; générer
directement les composantes des axes d et q ; et identifier le résidu harmonique. Ensuite, une
commande PDPC basée sur le concept du FV, nommée PDPC-FV, est mise en œuvre pour la
commande d’un onduleur triphasé à MLI connecté au réseau. Cette commande est améliorée par
l’introduction de la théorie des puissances active et réactive étendue et par l’insertion d’un nouvel
estimateur du FV basé sur un FNA. Cette approche a permis d’immuniser le système contre des
tensions du réseau déséquilibrées et/ou distordues. Dans le but de valider les deux commandes
proposées, plusieurs simulations et tests expérimentaux sont réalisés. Les performances obtenues
sont comparées à celles obtenues avec des méthodes classiques et avancées. Les résultats obtenus
confirment l’efficacité et la robustesse des différentes stratégies de commande suggérées.
Conversion continu-alternatif dans les SHSERs
Sommaire
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2 Commande dq d’un onduleur monophasé à MLI isolé du réseau108
5.2.1 Modèle de l’onduleur monophasé à MLI . . . . . . . . . . . . . 108
5.2.2 Principe de la commande dq d’un onduleur monophasé . . . . . 109
5.2.3 Principe de l’OSG proposé . . . . . . . . . . . . . . . . . . . . 110
5.2.4 Modèle dq de l’onduleur monophasé . . . . . . . . . . . . . . . 114
5.2.5 Régulation de la tension de sortie de l’onduleur monophasé . . 115
5.2.6 Validation expérimentale . . . . . . . . . . . . . . . . . . . . . . 118
5.3 Commande PDPC-FV d’un onduleur triphasé à MLI connecté
au réseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.3.1 Commande PDPC conventionnelle . . . . . . . . . . . . . . . . 125
5.3.2 Concept du FV . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.3.3 Estimation du FV . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.3.4 Estimateur FV-FNA proposé . . . . . . . . . . . . . . . . . . . 130
5.3.5 Commande PDPC-FV pour un fonctionnement dans des condi-
tions non équilibrées du réseau . . . . . . . . . . . . . . . . . . 134
5.3.6 Validation expérimentale . . . . . . . . . . . . . . . . . . . . . . 138
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
106
5.1 Introduction
5.1 Introduction
L’électronique de puissance est au cœur des SHSERs. Les convertisseurs utilisés pour
l’exploitation de ces énergies ont un impact majeur sur la sécurité des installations, le ren-
dement des systèmes et la qualité de l’énergie produite. La commande des onduleurs, réa-
lisant la conversion continu-alternatif, doit être correctement dimensionnée pour satisfaire
les différentes exigences. Dans le cas d’un SHSER isolé du réseau électrique, l’onduleur
monophasé à MLI est souvent utilisé pour l’alimentation des équipements domestiques.
Des exigences relatives à ses performances dynamiques et à la qualité de sa tension de
sortie doivent être satisfaites. La tension de sortie doit en effet être sinusoïdale avec un
faible THD [132], [133]. L’onduleur doit aussi avoir une réponse dynamique rapide face à
toute variation de la source d’entrée ou de la charge appliquée à sa sortie. Ces exigences
doivent être satisfaites également dans le cas de charges non linéaires. Dans le cas d’un
SHSER connecté au réseau, l’étage de sortie est souvent constitué d’un onduleur triphasé
à MLI avec injection de courants sinusoïdaux dans le réseau. Cet onduleur est alimenté
par un bus continu comme une source de tension d’entrée. L’amélioration des commandes
des onduleurs triphasés à MLI est une piste intéressante pour satisfaire les exigences impo-
sées par les distributeurs d’énergie. Un fonctionnement approprié dans le cas d’un réseau
déséquilibré et/ou distordu, une bonne qualité (un faible THD) des courants injectés dans
le réseau et une réponse dynamique rapide sont les principaux critères à satisfaire pour
l’amélioration de la commande des onduleurs [134], [135]. De plus, la réduction des coûts
des installations électriques reste un autre challenge auquel l’ingénieur doit faire face.
Dans ce chapitre, nous nous sommes intéressés à l’étude de la conversion continu-
alternatif où deux nouvelles commandes sont proposées. La première est une commande
dans le repère de Park (dq), nommée commande dq. Elle concerne un onduleur mono-
phasé à MLI isolé du réseau. La seconde est une commande directe de puissance prédic-
tive (PDPC) (predictive direct power control ) basée sur le concept du flux virtuel (FV),
nommée commande PDPC-FV. Elle concerne un onduleur triphasé à MLI connecté au
réseau. Ce chapitre est ainsi constitué de deux parties principales.
La première partie propose une commande dq d’un onduleur monophasé isolé du réseau
[137], [138], [142]-[144]. Cette commande est améliorée par l’insertion dans sa structure
d’un nouveau générateur de signal orthogonal (OSG) (orthogonal signal generator ) basé
sur l’ADALINE [16]-[20]. En plus de la génération du signal orthogonal, l’OSG proposé
permet de filtrer le signal réel d’entrée et le signal orthogonal, de générer directement
les composantes des axes d et q, et d’identifier le résidu harmonique. Ce dernier est uti-
lisé pour compenser les distorsions harmoniques de la tension de sortie de l’onduleur.
Contrairement à la plupart des OSGs disponibles dans la littérature [136]-[141], celui
proposé n’introduit aucune dynamique supplémentaire. De plus, il rend la commande dq
indépendante de la fréquence de fonctionnement et des paramètres du système. Dans le
but de valider la commande dq, un banc d’essai expérimental est mis en œuvre où plu-
sieurs tests expérimentaux sont réalisés. L’OSG proposé est d’abord comparé à d’autres
OSGs récents [136], [140], [142]. Ensuite, différents tests expérimentaux de la commande
dq sont accomplis sous des charges linéaires et non linéaires. Les bonnes performances de
la commande dq développée au démarrage, lors d’une chute de la tension de référence et
lors de la déconnexion des charges sont clairement démontrées.
La seconde partie développe une commande PDPC-FV d’un onduleur triphasé à MLI
connecté au réseau. Cette commande est améliorée par l’introduction de la théorie des
puissances active et réactive (P Q) étendue [146], [148] et par l’insertion d’un nouvel
107
estimateur du FV basé sur un filtre neuronal adaptatif (FNA), nommé estimateur FV-
FNA. La commande PDPC-FV permet d’avoir un fonctionnement correct dans le cas
d’un réseau déséquilibré et/ou distordu. De plus, elle permet un contrôle sans installer
des capteurs de tensions du côté réseau. Il en résulte ainsi une commande robuste et sans
capteurs des tensions du réseau [163], [174]. Des tests expérimentaux sont réalisés afin de
prouver la faisabilité et la robustesse de la commande PDPC-FV développée. L’estimateur
FV-FNA est comparé à un estimateur de FV basé sur un intégrateur généralisé de second
ordre (SOGI) (second-order generalized integrator ), nommé FV-SOGI [154]. Un démarrage
rapide et sans dépassement est effectué avec succès. Ceci est dû essentiellement à la rapidité
de convergence de l’estimateur FV-FNA et aux hautes performances de régulation de la
commande PDPC-FV. Une comparaison avec la commande PDPC conventionnelle [145]-
[147] est aussi réalisée. Les résultats de cette comparaison ont montré que les performances
de la commande proposée sont largement supérieures. La commande PDPC-FV a présenté
de très bonnes performances dans le cas d’un réseau déséquilibré et distordu.
5.2 Commande dq d’un onduleur monophasé à MLI

isolé du réseau
Comme l’onduleur monophasé à MLI est un élément essentiel dans les SHSERs isolé
du réseau, sa commande doit être parfaitement conçue. Pour toute variation de la source
d’entrée ou de la charge, la commande doit assurer à la fois une tension de sortie avec
un faible THD, une réponse dynamique rapide et une faible erreur au régime permanent
[132]. De plus, ces performances doivent être garanties dans le cas de charges non linéaires.
Pour satisfaire ces exigences, plusieurs commandes ont été proposées. Habituellement,
une structure de commande en cascade comprenant une boucle externe de régulation de
la tension de sortie et une boucle interne de régulation du courant est utilisée [155], [156].
Sous des charges linéaires, cette commande présente de bonnes performances. Cependant,
sous des charges non linéaires, ses performances se détériorent. Le développement continu
de microprocesseurs a permis la mise en œuvre de nouvelles techniques de commandes
plus puissantes. Parmi elles, la commande à mode glissant [157] et la commande prédictive
[158] sont les plus exploitées. Bien qu’elles améliorent les performances du système, leur
erreur de suivi reste importante en régime permanent. La commande dq est une alternative
intéressante [136]-[144]. Cette commande est principalement appliquée à la commande des
onduleurs triphasés à MLI. Cependant, l’application de cette commande à un système
monophasé nécessite la génération de la composante orthogonale. Pour ce faire, plusieurs
OSGs ont été rapportés dans la littérature. Parmi ces OSGs, les OSGs basés sur le retard
temporel (RT) (time delay) [136], [137], la différenciation [138], la transformée de Hilbert
(TH) [142]-[144], les filtres passe-tout (FPT) (all-pass filters) du premier et second ordre
[139]-[141], et les SOGIs [159], [160] peuvent être mentionnés.
5.2.1 Modèle de l’onduleur monophasé à MLI

Selon le nombre d’interrupteurs utilisés, les onduleurs monophasés peuvent être clas-
sifiés en onduleurs en demi-pont ou en onduleurs en pont complet (pont en H). De plus,
suivant la nature de la source d’entrée (source de tension ou source de courant), on dis-
tingue les onduleurs de tension et les onduleurs de courant. Dans notre thèse, nous avons
opté pour un onduleur de tension monophasé en pont complet (pont en H). En raison
108
5.2 Commande dq d’un onduleur monophasé à MLI isolé du réseau
de sa simplicité et de sa grande efficacité, cet onduleur reste le plus maîtrisé et le plus

présent dans la plupart des systèmes industriels [133].
Bus continu Onduleur à MLI Filtre de sortie Charge
+ Idc-ond L i ich
Charge monophasée
S1 S4
iC
C
Udc βUdc v
S2 R
S3
_
Figure 5.1. Structure générale d’un onduleur de tension monophasé en pont complet connecté à une charge
Structure
Figure 5.1 à:travers
monophasée générale
un filtre LC. d’un onduleur de tension monophasé en pont complet connecté à une
charge monophasée à travers un filtre LC
Le schéma simplifié d’un onduleur de tension monophasé en pont complet, connecté

à une charge à travers un filtre LC, est illustré par la figure 5.1. L’entrée de l’onduleur
est connectée à une source de tension continue Udc (bus continu), tandis que sa sortie est
connectée à une charge monophasé à travers un filtre de sortie LC. Les symboles S1 , S2 , S3
et S4 désignent les signaux de commande (états de commutations) de chaque interrupteur.
Ils prennent une valeur de 1 pour un état fermé et une valeur de 0 pour un état ouvert. Il
faut noter que, pour chaque bras, les deux interrupteurs sont à commande complémentaire
(S1 + S3 = 1 et S4 + S2 = 1). Ceci est imposé dans le but d’éviter un court-circuit front
de la source. Le filtre de sortie LC, constitué d’une inductance L et d’un condensateur
C, est utilisé pour avoir un courant et une tension de sortie sinusoïdaux. Par ailleurs, une
résistance d’amortissement R de faible valeur est montée en série avec le condensateur C
pour amortir les oscillations durant les régimes transitoires.
Suivant le schéma donné par la figure 5.1, le comportement dynamique de l’onduleur
monophasé peut être décrit par les équations suivantes :
di
L = βUdc − v (5.1)
dt
dv diC
C = iC + RC (5.2)
dt dt
i = iC + ich (5.3)
où β est le signal de commande compris dans l’intervalle [−1 1]. v et ich sont, respective-
ment, la tension de sortie et le courant de charge de l’onduleur. i est le courant traversant
l’inductance L. En utilisant les équations différentielles ci-dessus, le modèle équivalent de
l’onduleur considéré est schématisé par la figure 5.2.
5.2.2 Principe de la commande dq d’un onduleur monophasé

1
La transformée de Park est largement utilisée dans la commande des convertisseurs
triphasés. Dans le repère dq, les variables d’état de ces convertisseurs deviennent continues
(invariantes dans le temps) en régime permanent. Il est ainsi plus facile d’analyser et de
concevoir des contrôleurs. Cependant, pour créer le modèle dq d’un convertisseur, il faut
109
ConversionConversion
continu-alternatif dansdans
continu-alternatif les un
SHSERs
SHSER
R
ich R iC
– +
βUdc 1 i iC 1 vC v
+ Ls + Cs +
–
Figure 5.2. Modèle de l’onduleur monophasé contrôlé.

Figure 5.2 : Modèle moyen de l’onduleur monophasé étudié
au moins deux phases indépendantes. Ce concept est donc le plus souvent appliqué aux
convertisseurs triphasés et beaucoup moins aux convertisseurs monophasés en raison de
la limitation à une seule phase.
La génération d’un signal orthogonal à partir du signal monophasé réel est préconisée
comme une solution. Dans ce sens, plusieurs OSGs ont été suggérés dans la littérature.
L’OSG basé sur le RT (OSG-RT) est le plus exploité en raison de sa simplicité de mise en
œuvre [136], [137]. Il génère le signal orthogonal en retardant le signal réel de 90 degré.
Cependant, ce retard dégrade la réponse dynamique de l’onduleur qui ne peut pas réagir
en temps réel aux perturbations dans le système. Les auteurs dans [138] proposent un OSG
basé sur la différenciation des variables d’état du circuit réel de l’onduleur. Cet OSG reste
très sensible aux bruits et ne permet pas de générer un signal purement orthogonal. De
plus, il nécessite un temps de calcul relativement important. Certains travaux ont proposé
un OSG basé sur la TH (OSG-TH) [142]-[144]. Comme la TH ne s’applique qu’aux signaux
à bande étroite, dans de nombreuses situations, les signaux bruités issus de l’onduleur
monophasé ne peuvent pas satisfaire les exigences de la TH. Les OSGs basés sur les FPTs
(OSG-FPTs) de premier ordre et de second ordre sont également utilisés dans certains
travaux. Ils sont simples à mettre en œuvre, cependant, leur temps de réponse ne peut
en aucun cas être amélioré, car sa valeur est égale à l’inverse de la fréquence du signal
d’entrée [139].
La figure 5.3 montre la structure générale d’une commande dq d’un onduleur mono-
phasé en utilisant l’OSG-RT pour la génération du signal orthogonal.
5.2.3 Principe de l’OSG proposé

La figure 5.4 montre la structure générale de la commande dq de l’onduleur monophasé
en utilisant l’OSG proposé. Cette sous-section présente les détails de conception de cet
OSG. Conçu autour d’un ADALINE, l’OSG proposé permet non seulement de générer la
composante orthogonale sous une forme sinusoïdale, mais aussi de déduire directement les
composantes d’axes d et q du signal réel à partir des poids de l’ADALINE. Autrement dit,
il est capable de fournir les composantes des axes d et q sans passer par la transformation
de Park.
Le choix de l’ADALINE revient à sa grande capacité de filtrage, sa rapidité de conver-
gence et sa simplicité de mise en œuvre [16]-[20]. Les principaux avantages de l’OSG
proposé dans cette thèse sont :
– Il fournit directement les composantes d’axes d et q sans passer par la transformée
de Park.
– Il filtre le signal réel (supposé être la composante directe d’axe α) ainsi que le signal
orthogonal (la composante d’axe β) généré.
110
2
premier ordre et de second ordre sont également utilisés dans certains travaux. Ils sont
simples à mettre en œuvre, cependant, leur temps de réponse ne peut en aucun cas être
amélioré, car sa valeur est égale à l’inverse de la fréquence du signal d’entrée [139].
5.2La figure 5.3 dq
Commande montre
d’unla structuremonophasé
onduleur générale d’une
à MLIcommande dq d’un onduleur monophasé
isolé du réseau
en utilisant l’OSG-RT pour la génération du signal orthogonal.
Onduleur à MLI L i ich

+ iC v
Charge
C
Udc
R
–
S1,2,3,4
MLI OSG-RT OSG-RT
βref iβ vα vβ
iα
Inverse ωft ωft ωft
de Park Park Park
βd-ref βq-ref
Id
Contrôle de
courant Iq
Iq-ref Id-ref
Vd
Contrôle de
tension Vq
Vq-ref Vd-ref
Commande dq en utilisant l’OSG-RT
Figure 5.3. Structure générale d’une commande dq d’un onduleur monophasé en utilisant l’OSG-RT.
Figure 5.3 : Structure générale d’une commande dq d’un onduleur monophasé en utilisant l’OSG-RT
5.2.3 Principe de l’OSG proposé

– Il estime le résidu harmonique dans la tension de sortie.
– En raison de sa dynamique rapide, l’OSG
6 proposé induit un retard insignifiant dans
la génération du signal orthogonal ou dans le calcul des composantes d’axes d et q.
– Il simplifie le schéma de commande en se surpassant de la transformée de Park.
La figure 5.5 illustre le schéma bloc de l’OSG proposé basé sur un seul ADALINE.
Il possède une structure assez simple et permet de générer à la fois les composantes
αβ (xα et xβ ) et les composantes dq (Xd et Xq ). L’ADALINE possède deux poids à
mettre à jour (W1 et W2 ). Le vecteur d’entrée est composé de deux sinusoïdes A(k)
= [cos(ωf kT s) − sin(ωf kT s)]. Le signal réel est pris comme étant le signal de sortie
désiré x. Dans cette application, l’ADALINE est utilisé plutôt en tant que filtre. Par
conséquent, ses deux poids sont mis à jour d’une manière à avoir un signal estimé xest
égal à la composante fondamentale du signal réel x. La mise à jour des poids est effectuée,
en utilisant l’algorithme LMS, de la manière suivante :
W (k + 1) = W (k) + 2ηe (k) A (k) (5.4)

où η est le coefficient d’apprentissage.
Après convergence de l’ADALINE, la composante fondamentale xα (kTs ) du signal
réel peut être extraite puisqu’elle correspond directement à la sortie estimée xest (kTs ) par
l’ADALINE. En effet, dans le domaine discret, cette composante fondamentale xα (kTs )
est calculée comme suit :
111
premier ordre et de second ordre sont également utilisés dans certains travaux. Ils sont
simples à mettre en œuvre, cependant, leur temps de réponse ne peut en aucun cas être
amélioré, car sa valeur est égale à l’inverse de la fréquence du signal d’entrée [139].
La figure 5.3 montre la structure générale d’une commande dq d’un onduleur monophasé
en utilisant l’OSG-RT pour la génération du signal orthogonal.
Onduleur à MLI L i ich

+ iC v
Charge
C
Udc
R
–
S1,2,3,4
MLI OSG-RT OSG-RT
βref iβ vα vβ
iα
Inverse ωft ωft ωft
de Park Park Park
βd-ref βq-ref
Id
Contrôle de
courant Iq Conversion continu-alternatif dans un SHSER
Iq-ref Id-ref
réel est pris comme étant le signal de sortie Vdésiré
d x. Dans cette application, l’ADALINE est
Contrôle de
utilisé plutôt en tant que filtre. Par conséquent,
Vq ses deux poids sont mis à jour d’une manière à
avoir un signal estimé xest égal à tension
la composante fondamentale du signal réel x. La mise à jour
des poids est effectuée, en utilisant l’algorithme LMS, de la manière suivante :
Vq-ref Vd-ref
1) W ( k ) + 2η e ( k ) A ( k )
W ( k +=
Commande dq en utilisant l’OSG-RT
(5.4)
Figure 5.3. Structure générale d’une commande dq d’un onduleur monophasé en utilisant l’OSG-RT.
où η est le coefficient : Structure générale de la commande dq en utilisant l’OSG proposé
Figure 5.4 d’apprentissage.
5.2.3 Principe de l’OSG proposé ADALINE

Signal réel
6 x
cos(ωfkTs) W1 +
xest –
+
e
– sin(ωfkTs) W2
Equ. (5.4)
Xd
Xq
Equs. xα
(5.5) et (5.6) xβ
Figure 5.5. Schéma bloc de l’OSG proposé basé sur un ADALINE.

Figure 5.5 : Schéma bloc de l’OSG proposé basé sur un ADALINE
Après convergence de l’ADALINE, la composante fondamentale xα(kTs) du signal réel peut
être extraite puisqu’elle correspond directement à la sortie estimée xest(kTs) par l’ADALINE.
En effet, dans le domaine
xα (kTs ) discret,
= Xm coscette
(ωcomposante
f kTs + ϕ)
fondamentale xα(kTs) est calculée comme
suit :
= Xm cos ϕ cos (ωf kTs ) − Xm sin ϕ sin (ωf kTs )
= xα (kTs|) {z } (ω kT + ϕ ) | {z }
X m cos
W1
f s
W2 (5.5)
= = W1 cos (ωf ϕ
X m cos
 
kTcos (ωWf kT2 sin
s) − s ) − Xfm sin
(ω kTs )ϕ sin (ω f kTs )
 
(5.5)
= xest (kTWs1) W2
= W1 cos (ω f kTs ) − W2 sin (ω f kTs )

112
= xest (kTs )
où Xm, φ et ωf sont, respectivement, l’amplitude, la phase initiale et la pulsation de la
composante fondamentale du signal réel. Ts est la période d’échantillonnage. A partir de (5.5),
où Xm , ϕ et ωf sont, respectivement, l’amplitude, la phase initiale et la pulsation de

la composante fondamentale du signal réel. Ts est la période d’échantillonnage. À partir
de (5.5), il est clair que l’ADALINE est capable d’extraire la composante fondamentale
xα (kTs ) du signal réel. De la même manière, la composante orthogonale xβ (kTs ) peut être
générée à partir du même ADALINE comme suit :
xβ (kTs ) = Xm sin (ωf kTs + ϕ)

= Xm sin ϕ cos (ωf kTs ) + Xm cos ϕ sin (ωf kTs ) (5.6)
| {z } | {z }
W2 W1
= W2 cos (ωf kTs ) + W1 sin (ωf kTs )
D’un autre côté, ce même ADALINE peut également déduire les composantes Xd (kTs )
et Xq (kTs ) dans le repère de Park dq. Cette déduction est faite sans avoir recoure à la
transformée de Park. Ainsi, la composante directe Xd (kTs ) est déduite de la manière
suivante :
Xd (kTs ) = xα (kTs ) cos (ωf kTs ) + xβ (kTs ) sin (ωf kT )s

= W1 cos (ωf kT )s − W2 sin (ωf kTs ) cos (ωf kTs )
(5.7)
+ (W2 cos (ωf kTs ) + W1 sin (ωf kTs )) sin (ωf kTs )
= W1
La composante en quadrature Xq (kTs ) peut aussi être déduite de la façon suivante :
Xq (kTs ) = xβ (kTs ) cos (ωf kTs ) − xα (kTs ) sin (ωf kTs )
= (W2 cos (ωf kTs ) + W1 sin (ωf kTs )) cos (ωf kTs )
(5.8)
− (W1 cos (ωf kTs ) − W2 sin (ωf kTs )) sin (ωf kTs )
= W2
À partir de (5.7) et (5.8), nous constatons que l’OSG proposé est effectivement capable
de fournir directement les composantes Xd (kTs ) et Xq (kTs ) sans avoir recoure à la trans-
formée de Park. Les composantes Xd (kTs ) et Xq (kTs ) correspondent, respectivement, à
W1 et W2 . Cette particularité permet de gagner en temps de calcul et simplifie la mise en
œuvre de la commande.
L’OSG proposé permet également d’estimer le résidu harmonique, nommés h, présents
dans le signal réel. Ce résidu harmonique est constitué de l’erreur e qui est la différence
entre le signal réel et le signal estimé par l’ADALINE. Ainsi, ils sont estimés comme suit :
h = e = x − xest (5.9)
Le résidu harmonique estimé est réinjectées en opposition de phase dans la commande

dq proposée pour compenser la distorsion de la tension de sortie de l’onduleur. Par consé-
quent, la combinaison de cette compensation avec la commande dq permettra d’améliorer
considérablement la forme d’onde de la tension de sortie de l’onduleur.
113
5.2.4 Modèle dq de l’onduleur monophasé

Une fois les composantes orthogonales du courant et de la tension de l’onduleur mono-
phasé sont générées, les circuits réel et imaginaire de l’onduleur monophasé peuvent être
établis. Le modèle αβ, exprimé dans le repère stationnaire (αβ), de l’onduleur monophasé
peut être décrit par le système d’équations suivant :
diαβ
L = βαβ Udc − vαβ (5.10)
dt
dvαβ diCαβ
C = iCαβ + RC (5.11)
dt dt
iαβ = iCαβ + ichαβ (5.12)
où les grandeurs écrites sous la forme (.)αβ représente un vecteur [(.)α (.)β ]T de dimension
(2×1). Le modèle dq, donné dans le repère de Park, peut être déduit à partir du modèle
αβ en utilisant la transformée de Park suivante :
(
Xd = xα cos (ωf t) + xβ sin (ωf t)
(5.13)
Xq = xβ cos (ωf t) − xα sin (ωf t)
En appliquant la transformation (5.13) aux équations (5.10), (5.11) et (5.12), le modèle

dq résultant de l’onduleur monophasé est le suivant :

dIdq 0 −1
L = βdq Udc − Lωf Idq − Vdq (5.14)
dt 1 0

dVdq 0 −1 dICdq 0 −1
C = ICdq − Cωf Vdq + RC + RCωf ICdq (5.15)
dt 1 0 dt 1 0
Idq = ICdq + Ichdq (5.16)
où les grandeurs écrites sous la forme (.)dq représente un vecteur [(.)d (.)q ]T de dimension
(2×1). Pour un onduleur de faible puissance où le courant de sortie ne dépasse pas 20 A,
les termes de couplage peuvent être négligés [138]. Leurs effets peuvent être facilement
compensés par des régulateurs. Ainsi, le modèle dq de l’onduleur sans termes de couplage
peut être réécrit comme suit :
dIdq
L = βd q Udc − Vdq (5.17)
dt
dVdq dICdq
C = ICdq + RC (5.18)
dt dt
Idq = ICdq + Ichdq (5.19)
114
5.2.5 Régulation de la tension de sortie de l’onduleur monophasé

Une fois le modèle dq de l’onduleur monophasé est obtenu, une commande dq peut
être mise en œuvre. La conception de cette dernière se fait de la même manier que pour
les onduleurs triphasés. Cette commande est composée de deux canaux ; un pour l’axe d
et un autre pour l’axe q. Chaque axe contient une boucle interne de régulation du courant
et une boucle externe de régulation de la tension.
5.2.5.1 Mise en œuvre de la boucle interne de régulation du courant
Une boucle interne de régulation du courant est souvent utilisée dans la commande
des convertisseurs pour garantir un meilleur temps de réponse et un faible THD du cou-
rant. Elle assure également la protection de l’onduleur par la saturation du courant de
référence. La figure 5.6 montre le schéma bloc de la boucle interne de régulation du cou-
rant. La conception de cette boucle interne de régulation consiste à identifier des termes
de compensation Cidq et à ajuster un rapport cyclique de référence βdq 0
en utilisant un
régulateur approprié. En réécrivant (5.17), l’équation suivante peut être obtenue :
L dIdq Vdq
= βdq − = βdq − Cidq = β 0dq (5.20)
Udc dt Udc
où Cidq = Vdq /Udc .
Pour les deux axes d et q, la fonction de transfert du courant dans l’inductance par
rapport au rapport cyclique βdq
0
est donnée comme suit :
Idq (s) Udc

0
= (5.21)
β dq (s) sL
En utilisant un régulateur de type proportionnel Ki , la structure de la boucle interne
de régulation du courant devient une fonction de transfert du premier ordre. Elle est
exprimée comme suit :
Idq (s) 1
= (5.22)
Idq−ref (s) τi s + 1
où τi = L/(Ki Udc ). Le gain proportionnel Ki est choisi d’une manière à ce que le temps
de réponse de la boucle interne de régulation du courant soit plus rapide que celui de la
boucle externe de régulation de la tension. Dans notre cas, la boucle interne se stabilise
même au bout de cinq périodes d’échantillonnage (5Ts ). En choisissant τi = 5Ts , il est
ainsi possible de déterminer la valeur du gain Ki .
Comme mentionné précédemment, la boucle interne sert à générer le rapport cyclique
de référence. En utilisant la transformée de Park inverse, le rapport cyclique de référence
βref est représenté uniquement par la composante réel βα . Il est déduit comme suit :
βref = βd−ref cos (ωf t) − βq−ref sin (ωf t) (5.23)
5.2.5.2 Mise en œuvre de la boucle externe de régulation de la tension

Pour assurer un bon contrôle de la tension de sortie de l’onduleur, une boucle externe
de régulation de la tension de sortie est mise en œuvre comme ceci est montré par la
figure 5.7. Cette boucle externe utilise un régulateur qui agit en fonction de l’erreur entre
Vdq−ref et Vdq . La sortie du régulateur constitue le courant de référence dans la capacité
115
référence. En utilisant la transformée de Park inverse, le rapport cyclique de référence βref est
déduit comme suit :
=β ref β d − ref cos (ω f t ) − β q−continu-alternatif
Conversion ref sin ( ω f t ) (5.23)
dans les SHSERs
Vdq
+ U dc
Idq-ref β’dq βdq-ref Inverse βref Onduleur i
Ki monophasé
+ + de Park
à MLI
–
Idq
OSG à base d’un
ADALINE
Figure 5.6. Schéma bloc de la boucle interne de régulation du courant.

Figure 5.6 : Schéma bloc de la boucle interne de régulation du courant
5.2.5.2 Mise en œuvre de la boucle externe de régulation de la tension

ICdq−ref . Pour déterminer le régulateur de tension, l’équation suivante est établie à partir
de Pour
(5.18)assurer
: un bon contrôle de la tension de sortie de l’onduleur, une boucle externe de
régulation de de la tension de sortie est mise en œuvre comme ceci est montré dans la figure
Vdq (s)
5.7. Cette boucle externe utilise un régulateur (1
qui+agit
RCs)
en fonction de l’erreur entre Vdq-ref et
= (5.24)
Vdq. La sortie du régulateur constitue ICdqle(s)
courant de Csréférence dans la capacité ICdq-ref. Pour
déterminer le régulateur de tension, l’équation suivante est établie à partir de (5.18) :
À partir de (5.24), en raison de la présence d’une intégration, un régulateur proportion-
\[\frac{{{V_{dq}}(s)}}{{{I_{Cdq}}(s)}}
nel peut être utilisé pour annuler l’erreur statique et régler la dynamique de = \frac{{(1
la boucle
+externe.
RCs)}}{{Cs}}\] (5.24)
Dans ce cas, la fonction de transfert de la boucle externe de régulation incluant
Aunpartir
régulateur proportionnel
de (5.24), est donnée
en raison deKlav présence parintégration,
d’une : un régulateur proportionnel peut
être utilisé pour annuler l’erreur statique et régler la dynamique de la boucle externe. Dans ce
cas, la fonction de transfert deVdqla(s)boucle 1 RCs
= externe+de régulation incluant un régulateur (5.25)
proportionnel Kv est donnée parV:dq −ref (s) τv s + 1 τv s + 1
où τv = RC + C/Kv . À partir deVdq (5.25),
( s ) nous 1 constatons
RCs que la réponse de la boucle
= + (5.25)
externe de régulation est équivalente
Vdq − ref ( s ) τ v s + 1 τ v s + 1 du premier ordre. En régime
à celle d’un système
permanent, le terme avec un zéro au numérateur n’a aucune influence. En régime transi-
toire, il introduit un pic dont la valeur est négligeable du fait de la faible valeur de RC.
Par conséquence, la dynamique de la boucle externe peut être ajustée en choisissant une
constante de temps τv appropriée. En fixant11τv , le gain proportionnel Kv peut être déduit
de la manière suivante :
C
Kv = (5.26)
τv − RC
Dans notre cas, la boucle externe se stabilise en choisissant τv = 0.05 s.
Le régulateur Kv agit en fonction de l’erreur entre Vdq−ref et Vdq et génère le courant
de référence ICdq−ref . Le courant de référence réel Idq−ref , sera alors déduit de la relation
(5.19) de la manière suivante :
Idq−ref = ICdq−ref + Ichdq (5.27)

Il est à noter que dans ce chapitre, la mise en œuvre de la commande dq de l’onduleur
monophasé est réalisée d’une manière à avoir le vecteur de la tension de sortie de l’onduleur
aligné sur l’axe d. Autrement dit, la tension de référence suivant l’axe q (Vq−ref ) est
maintenue nulle.
5.2.5.3 Compensation des harmoniques
De nombreux appareils électroniques de faible puissance constituent des charges non
linéaires et perturbent ainsi la tension d’alimentation. Ceci entraîne une dégradation de la
116
Vdq-ref Cdq-ref Idq-ref i
Kv Boucle interne βref Onduleur
+ + de régulation monophasé v
– du courant à MLI
Vdq
OSG à base d’un
ADALINE
Ichdq
+
Vdq-ref ICdq-ref Idq-ref Boucle interne βref Onduleur v
Kv de régulation monophasé
+ + du courant à MLI
–
Vdq
OSG à base d’un
ADALINE
Figure
Figure 5.75.7. Schéma bloc
: Schéma bloc de
de la
laboucle
boucleexterne
externedede
régulation de la
régulation detension.
la tension
5.2.5.3 Compensation des harmoniques

qualité de la tension, l’apparition de distorsions harmoniques, des pertes en puissance et
desDerisques accrusappareils
nombreux de détérioration de ces appareils.
électroniques Afin d’y remédier,
de faible puissance constituent l’ADALINE
des charges permetnon
d’estimer
linéaires etlesperturbent
termes relatifs
ainsi laaux harmoniques
tension dans laCeci
d’alimentation. tension de sortie.
entraîne Ces termesde
une dégradation sont
la
ensuite utilisés pour calculer un rapport cyclique qui sera injecté en opposition dans la
qualité de la tension, l’apparition de distorsions harmoniques, des pertes en puissance et des
risques accrus
commande de de dégradations
l’onduleur pour de ces appareils.
annuler Afin d’y
les distorsions remédier, l’ADALINE
harmoniques dans la tension permetde
d’estimer
sortie. les termes relatifs aux harmoniques dans la tension de sortie. Ces termes sont
ensuite utilisés pour
Finalement, calculer
le rapport un rapport
cyclique cyclique
de référence qui
β 00ref sera injectée
, assurant en opposé
la commande dans
dq de la
l’on-
commande
duleur et ladesuppression
l’onduleur pour annuler les distorsions
des distorsions harmoniques, harmoniques
est donnédans par la
: tension de sortie.
Finalement, le rapport cyclique de référence β"ref, assurant la commande dq de l’onduleur
et la suppression 00des distorsions harmoniques, est donné par :
β ref = βref − kh h = βd−ref cos (ωf t) − βq−ref sin (ωf t) − kh h (5.28)
β ''ref = β ref − kh h = β d − ref cos (ω f t ) − β q − ref sin (ω f t ) − kh h (5.27)
Le gain proportionnel kh est réglé à travers plusieurs tests visant à assurer une compensa-
tion optimale
Le gain des harmoniques.
proportionnel kh est régléLeà travers
schémaplusieurs
global detests la commande dq proposée
visant à assurer est montré
une compensation
par la figure 5.8. Dans son ensemble, cette commande peut être subdivisée en trois parties
optimale des harmoniques. Le schéma global de la commande dq proposée est montré dans la;
la commande dq de l’amplitude de la tension de sortie de l’onduleur, la compensation ;des
figure 5.8. Dans son ensemble, cette commande peut être subdivisée en trois parties la
commande harmoniques
distorsions dq de l’amplitude de la tension
et la génération desdecomposantes
sortie de l’onduleur,
d’axes d etlaq compensation
du courant etdes de
la tension de sortie de l’onduleur au moyen de l’OSG proposé.
12 Conversion continu-alternatif dans un SHSER
Commande dq de la tension de sortie Compensation

des harmoniques
Ichdq
+ i
Vdq-ref ICdq-ref Idq-ref Boucle interne βref β"ref Onduleur
Kv de régulation monophasé v
+ + + à MLI
du courant –
–
Vdq
Udc Vdq
kh
h
OSG à base d’un
ADALINE
Figure 5.8. Schéma globale de la commande dq proposée d’un onduleur monophasé.

Figure 5.8 : Schéma globale de la commande dq proposée de l’onduleur monophasé
5.2.6 Validation expérimentale
5.2.6.1 Description du banc d’essai expérimental
117 de la commande dq, schématisée dans la

Afin de vérifier la faisabilité et la robustesse
figure 5.8, un banc d’essai expérimental est mis en oeuvre. La figure 5.9 montre une
photographie du banc d’essai expérimental réalisé. Il est constitué d’un onduleur monophasé
à base de deux modules IGBTs (référence : SKM 100GB123D) et de deux cartes drivers
5.2.6.1 Description du banc d’essai expérimental

Afin de vérifier la faisabilité et la robustesse de la commande dq, schématisée par la
figure 5.8, un banc d’essai expérimental est mis en œuvre. La figure 5.9 montre une photo
du banc d’essai expérimental réalisé. Il est constitué d’un onduleur monophasé à base de
deux modules IGBTs (référence : SKM 100GB123D) et de deux cartes drivers (référence :
SKHI 23/12 (R)) ; un filtre de sortie LC comprenant une inductance L et un condensateur
C ; une source de tension continue ; deux capteurs de tension pour la mesure de la tension
du bus continu et la tension de sortie de l’onduleur ; deux capteurs de courant pour la
mesure du courant i dans l’inductance et le courant de charge ich . Une carte dSPACE
Conversion continu-alternatif dans un SHSER
DS1104 est utilisée pour implémenter la commande développée sous MATLAB-Simulink
en utilisant la méthode de résolution d’Euler.
5
3
2
1
Figure 5.9.
Figure 5.9 Photographie du banc
: Photo du banc d’essai
d’essai : 1): PC-Pentium
1) PC-Pentium + cartedSPACE
+ carte dSPACE++ControlDesk,
ControlDesk, 2)2) connecteur
connecteur
entrée/sortie de carte dSPACE, 3) onduleur monophasé, 4) capteurs de tensions et du courant,
entrée/sortie de carte dSPACE, 3) onduleur monophasé, 4) capteurs de tensions et du courant, 5) 5) sources de
sources
tension continue et 6) charge monophasée.
de tension continue et 6) charge monophasée
Les paramètres du circuit électrique ainsi que les données de la commande utilisées
sont mentionnés dans le tableau 5.1.
Tableau 5.1 : Paramètres de la plateforme expérimentale de test de la commande dq de l’onduleur

monophasé
Valeur efficace de la tension de sortie, (V) 110
Fréquence de la tension de sortie, f (Hz) 50
Inductance nominale du filtre de sortie, L (mH) 5
Capacité nominale du filtre de sortie, C (µF) 5
Résistance d’amortissement, R (Ω) 8
Fréquence de la MLI (kHz) 10
Dans ce qui suit, nous allons tout d’abords vérifier les performances de l’OSG pro-
posé où une étude comparative avec d’autres OSGs sera réalisée. Ensuite, différents tests
118
seront effectués sous une charge linéaire. Les performances de la commande dq suggérée
seront testées au démarrage, lors d’une variation dans la tension de référence et lors de
la déconnexion de la charge. Enfin, les mêmes tests seront refaits sous une charge non
linéaire.
5.2.6.2 Étude comparative
Dans cette sous-section, nous comparons expérimentalement l’OSG proposé à l’OSG-
RT [136], [137], à l’OSG-FPT de second ordre [140], [141] et à l’OSG-TH [142]-[144]. Les
fonctions de transferts du FPT de second ordre et de la TH sont données dans le tableau
5.2. Les commandes dq incluant les quatre OSGs sont testées dans les mêmes conditions.
Une charge non linéaire est appliquée à la sortie de l’onduleur. Les résultats obtenus sont
illustrés par la figure 5.10.
Tableau 5.2 : Fonctions de transferts du FPT de second ordre et de la TH

TH [142]-[144] FPT du second ordre
Conversion [140], [141] dans un SHSER
continu-alternatif
ωb − s

G(s) = − s2 − 2ωn s + ωn2
ωb + s ꙍb =2 π f, ꙍn = (√2 – G(s)
1) ꙍb
=
s2 + 2ωn s + ωn2
√
ωb de
Tableau 5.2. Fonctions = 2πf , ωn =du( FPT
transferts 2 −de
1)ω
second
b ordre et de la TH.
La figure
La figure 5.10
5.10 présente
présententleslesrésultats
résultatsexpérimentaux
expérimentaux de de comparaison
comparaison obtenus
obtenus auau régime
régime
permanent.
permanent. Les tensions et les courants suivent l’axe d obtenus montrent clairement la
Les tensions et les courants suivent l’axe d obtenus montrent clairement la
supériorité
supériorité dede l’OSG
l’OSGproposé.
proposé.En Eneffet,
effet,des
dessignaux
signaux nettement
nettement plusplus filtrés
filtrés et plus
et plus stables
stables sont
sont obtenus
obtenus avec
avec la la méthode
méthode proposée.
proposée. Sa supériorité
Sa supériorité revientrevient en grande
en grande partie à partie à lacapacité
la grande grande
capacité
de filtrage de l’ADALINE. Par ailleurs, des oscillations et d’importants pics de tension sontdeà
de filtrage de l’ADALINE. Par ailleurs, des oscillations et d’importants pics
tension
signaler sont
dans àlesignaler dansautres
cas des trois le casOSGs.
des trois autres OSGs.
Retard temporel F. P. T. second ordre T. Hilbert OSG proposé

190
180 (a)
Tension (V)
165
150
135
120
1.5 1.55 1.6 1.65 1.7 1.75 1.8
12 (b)
Courant (A)
8
4
0
-4
1.5 1.55 1.6 1.65 1.7 1.75 1.8
Temps (s)
Figure 5.10. Comparaison des performances de l’OSG proposé avec trois autres OSGs : (a) tension de sortie
Figure 5.10 : Comparaison des performances de l’OSG proposé avec trois autres OSGs : (a) tension de
suivent l’axe d et (b) courant de sortie suivent l’axe d.
sortie suivent l’axe d et (b) courant de sortie suivent l’axe d
Dans un second test, les performances de la commande dq proposée sont comparées à la
Dans undq
commande second
basée test,
sur unlesOSG-RT,
performances de la
appelée commande
commande dq proposée sont
conventionnelle comparées
[136], [137]. Lesà
la commande
deux commandes dq basée sur unà vide.
sont testées OSG-RT, appelée5.11
Les figures commande conventionnelle
et 5.12 montrent [136],
les tensions de [137].
sortie
Les deuxanalyses
et leurs commandes sont des
spectrales testées
deuxàcommandes
vide. Les figures 5.11permanent.
en régime et 5.12 montrent les tensions de
sortie et leurs
D’après analyses
la figure spectrales
5.11(a) des deux
et la figure commandes
5.12(a), en régime
nous constatons quepermanent.
la forme d’onde de la
D’après
tension la figure
généré par la5.11(a) et la figure
commande 5.12(a),
proposée nous constatons
est nettement que laetforme
plus stable d’onde
présente de
moins
la tension généré
d’oscillations par la àcommande
comparée proposée
celle obtenue estcommande
avec la nettement conventionnelle.
plus stable et présente
En termesmoins
de
d’oscillations
THD, la commande comparée à celle
proposée obtenue
permet une avec la commande
atténuation conventionnelle.
des harmoniques En termes
plus importante quede
la
commande conventionnelle. Des THDs de 3.94% et 0.98% sont, respectivement, obtenus
avec la commande conventionnelle et la 119 commande proposée. Des erreurs en régime
permanent de 2,19% et 0,20% sont, respectivement, obtenues avec la commande
conventionnelle et la commande proposée. Ainsi, la commande proposée présente de
meilleures performances en termes de forme d’onde, de THD et d’erreur statique.
THD, la commande proposée permet une atténuation des harmoniques plus importante
que la commande conventionnelle. Des THDs de 3.94% et 0.98% sont, respectivement, ob-
tenus avec la commande conventionnelle et la commande proposée. Des erreurs en régime
permanent de 2.19% et 0.20% sont, respectivement, obtenues avec la commande conven-
tionnelle et la commande proposée. Ainsi, la commande proposée présente de meilleures
performances en termes de forme d’onde, de THD et Conversion
d’erreur statique.
continu-alternatif dans un SHSER

200
(a)
(V) (V)
100
200
Tension
0 (a)
100
-100
Tension
0
-200
-1001.8 1.82 1.84 1.86 1.88 1.9
Temps (s)
-200
(% of Fundamental)
1.8 1.82 Fundamental

1.84(50Hz) = 151.61.86
, THD= 3.94% 1.88 1.9
12
Temps (s) (b)
of Fundamental)
9 Fundamental (50Hz) = 151.6 , THD= 3.94%

12
6 (b)
9
3
6
0
Mag
3 0 2 4 6 8 10 12 14 16 18 20
Harmonic order
Mag (%
0
0 2 4 6 8 10 12 14
Figure 5.11.
Figure 5.11 Performances
: Performancesde ladecommande dq conventionnelle
la commande dq order(fonctionnement
conventionnelle
Harmonic à16vide) :à18
(fonctionnement (a)vide) 20
tension de tension
: (a) sortie et
(b) spectre harmonique de la tension de sortie.
de sortie et (b) spectre harmonique de la tension de sortie
Figure 5.11. Performances de la commande dq conventionnelle (fonctionnement à vide) : (a) tension de sortie et
(b) spectre harmonique
200 de la tension de sortie. (a)
(V) (V)
100
200
Tension
0 (a)
100
-100
Tension
0
-200
-1001.8 1.82 1.84 1.86 1.88 1.9
Temps (s)
-200
(% of Fundamental)
1.8 1.82 Fundamental

1.84(50Hz) = 154.71.86
, THD= 0.98% 1.88 1.9
12
Temps (s) (b)
of Fundamental)
9 Fundamental (50Hz) = 154.7 , THD= 0.98%

12
(b)
6
9
3
6
0
Mag
3 0 2 4 6 8 10 12 14 16 18 20
Harmonic order
Mag (%
0
0
Figure 5.12. Performances 2de la commande
4 6 dq proposée
8 10 12 14à vide)16
(fonctionnement 18
: (a) tension de20sortie et (b)
Harmonic order
spectre harmonique de la tension de sortie.
Figure 5.12. Performances de la commande dq proposée (fonctionnement à vide) : (a) tension de sortie et (b)
Figure 5.12 : Performances
spectre harmonique de la tensiondedelasortie.
commande dq proposée (fonctionnement à vide) : (a) tension de sortie
et5.2.6.3
(b) spectre harmonique de la tension
Performances de la commande de sortie
dq proposée sous une charge linéaire
5.2.6.3
DansPerformances
cette sous-section,de la commande
nous donnons dq proposée
les résultats sousexpérimentaux
une charge linéaire
de la commande dq
5.2.6.3 Performances de la
proposée dans le cas d’une charge résistive. commande dq proposée sous une charge linéaire
Dans cette 5.13
sous-section,
illustre lanous donnons les résultats expérimentaux de mesurés
la commandedurantdq
Dans cette sous-section,
La figure nous donnons
tension les résultats
de sortie expérimentaux
et le courant de charge de la commande dqle
proposée dans le cas d’uneAcharge résistive.
proposée
processus dans5.13
de le cas
démarrage. d’unelacharge
l’instant résistive.
t = 0.686 s, l’amplitude maximale de la tension de sortie
deLaLa
figure
figure
référence 5.13
|v ref| illustre
illustre
passe de la
0 à tension
tension
155 V. de
de
sortie
sortie
Il est clairetetquele des
le
courant
courant
formesded’ondes
de
charge sinusoïdales,
charge
mesurés durant
mesurés durant
le
stablesle
processus de démarrage.
et sans dépassements sontA rapidement
l’instant t =générées.
0.686 s, l’amplitude
En maximale
effet, comme nousde la tension
pouvons de sortie
letension
voir surdela
processus
de référence de démarrage.
|vrefl’amplitude A l’instant
| passe de 0 à|v|155 t = 0.686 s, l’amplitude maximale de la
figure
sortie de5.13(a),
référence |v | passe de 0V.
de
Il est clair
laà 155
tension
V. deest
Il
que
sortiedesetformes
clair que sades d’ondes|vsinusoïdales,
référence
formes d’ondes
stables
ref| se sinusoïdales,
superpose en
etmoins
sans d’un
dépassements
cycle de sont rapidement Le
ref
fonctionnement. générées.
temps En effet, commeestnous
d’établissement pouvons
estimé à le voir
environ 14 sur la
ms.
stables et sans l’amplitude
figure 5.13(a), dépassements |v| sont
de larapidement
tension de générées.
sortie et saEnréférence
effet, comme
|vref| nous pouvons en
se superpose le
voir
moinssur la cycle
d’un figurede 5.13(a), l’amplitude
fonctionnement. Le |v|
tempsde d’établissement
la tension de sortie et saàréférence
est estimé environ 14|vms.ref | se
120
superpose en moins d’un cycle de fonctionnement. Le temps d’établissement est estimé à

environ 14 ms.
Démarrage
200
|vref |
(V) (V)
100 Démarrage (a)

200 |v |
Tension
0 |vref |
100 (a)
|v |
-100
Tension
0 V
-200
0.65
-100 0.675 0.7 0.725 0.75 0.775 0.8 0.825
V
10
-200 ich
(A) (A)
0.65
5 0.675 0.7 0.725 0.75 0.775 0.8 0.825
10 (b)
Courant
0 ich
5 (b)
-5
Courant
0
-10
0.65
-5 0.675
0.725 0.75 0.775 0.7 0.8 0.825
Temps (s)
-10
0.65 0.675 0.7 0.725 0.75 0.775 0.8 0.825
Figure 5.13. Performances
Figure 5.13 : Performancesde ladecommande dq proposée
la commande durant
proposée
dq Temps le démarrage
(s) durant (charge résistive)
le démarrage : (a) tension
(charge résistive) de
: (a)
sortie et (b) courant de charge.
tension de sortie
Figure 5.13. et (b) courant
Performances de charge dq proposée durant le démarrage (charge résistive) : (a) tension de
de la commande
sortie et (b) courant de charge.
Pour mieux évaluer la qualité de la commande dq proposée sous une charge résistive,
Pour mieux
la figure évaluerlalatension
5.14 illustre qualité dede sortie
la commande dq proposée
de l’onduleur sous
ainsi que une
son chargespectrale
analyse résistive,au
la
figure 5.14
régime illustre laÀtension
permanent. partir dedesortie de l’onduleur
la figure ainsitension
5.14(a), une que sondeanalyse
forme spectrale au régime
sinusoïdale, stable
et sans dépassement est générée à la sortie de l’onduleur. Le THD de cette tensionetestsans
permanent. A partir de la figure 5.14(a), une tension de forme sinusoïdale, stable de
dépassement est générée à la sortie de l’onduleur. Le THD de cette
seulement 2.83% (voir la figure 5.14(b)). Cette valeur reste relativement faible.tension est de seulement
2,83% (voir la figure 5.14(b)). Cette valeur reste relativement faible.
200
(a)
Tension (V)
100
0
-100
-200
1 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.1
Temps (s)
Mag (% of Fundamental)
Fundamental (50Hz) = 155.3 , THD= 2.83%

(b)
10
0
0 2 4 6 8 10 12 14 16 18 20
Harmonic order
Figure 5.14.
Figure 5.14Performances de ladecommande
: Performances la commandedq proposée en régime
dq proposée permanent
en régime (charge résistive)
permanent : (a) tension
(charge résistive) de
: (a)
sortie et (b) spectre harmonique de la tension de sortie.
tension de sortie et (b) spectre harmonique de la tension de sortie
Dans
Dansun unautre
autretest,
test,nous
nousproposons
proposonsdedevérifier
vérifierleslesperformances
performancesenenrégime
régimetransitoire dede
transitoire la
commande dq proposée dans le cas d’une charge résistive. Lors de ce test, à l’instant t = 1,95
la commande dq proposée dans le cas d’une charge résistive. Lors de ce test, à l’instant t =
s, la charge résistive, initialement connectée à la sortie de l’onduleur, est déconnectée et puis
1.95 s, la charge résistive, initialement connectée à la sortie de l’onduleur, est déconnectée
reconnectée à l’instant t = 1,12 s. La figure 5.15 montre les résultats obtenus. A partir de la
et puis reconnectée à l’instant t = 2.12 s. La figure 5.15 montre les résultats obtenus.
tension (figure 5.15(a)) et du courant (figure 5.15(b)) mesurés, il est clair que la réponse
À partir dedu
dynamique la système
tension (figure 5.15(a)) la
est instantanée, et tension
du courantreste (figure 5.15(b))
sinusoïdale et lemesurés, il est
courant ne clair
présente
que la réponse dynamique du système est instantanée, la tension reste sinusoïdale
aucun dépassement à la connexion ou à la déconnexion de la charge résistive. Ceci confirme et le
courant
encore unene fois
présente
que leaucun dépassement
régulateur de courantà est
la connexion ou à la déconnexion de la charge
bien dimensionné.
résistive. Ceci confirme encore une fois que le régulateur de courant est bien dimensionné.
121
13
Conversion
Conversion continu-alternatif
les un SHSER
SHSERs
Déconnexion de la charge
200
(a)
Tension (V)
100
0
-100
-200
1.88 1.92 1.96 2 2.04 2.08 2.12 2.16 2.2
10
(b)
Courrant (A)
-10
1.88 1.92 1.96 2 2.04 2.08 2.12 2.16 2.2
Temps (s)
Figure 5.15. Performances dynamiques de la commande dq proposée lors de la déconnexion et la reconnexion

Figure 5.15 : Performances dynamiques de la commande dq proposée lors de la déconnexion et la
d’une charge résistive : (a) tension de sortie et (b) courant de charge.
reconnexion d’une charge résistive : (a) tension de sortie et (b) courant de charge
Les performances de poursuite de la commande développée sont également vérifiées

dans le cas d’un changement en échelon de la tension de sortie de référence sous une
charge résistive. Durant ce test, une chute de tension de 50% est appliquée à la tension
de sortie de référence. L’amplitude de la tension de référence |vref | passe d’une valeur de
155 V à 77.5 V. Les figures 5.16(a) et (b) présentent, respectivement, la tension de sortie
et le courant de charge mesurés durant ce test. Le résultat obtenu montre que le temps de
réponse du système est assez rapide. Il est d’environs un demis cycle. L’amplitude |v| de la
tension de sortie se superpose sur l’amplitude |vref | de la tension
Conversion de sortie dedans
continu-alternatif référence au
un SHSER
bout de 9 ms (figure 5.16(a)). Dans le même sens, le courant présente la même dynamique
que la tension de sortie (figure 5.16(b)).
Variation de |vref |
200 (a)
|v | |vref |
Tension (V)
100
0
-100 V
-200
0.93 0.96 0.99 1.02 1.05 1.08
10
ich (b)
Courant (A)
-10
0.93 0.96 0.99 1.02 1.05 1.08
Temps (s)
Figure 5.16. Performances dynamiques de la commande dq proposée lors d’une chute de 50% de la tension de
Figure 5.16 : Performances dynamiques de la commande dq proposée lors d’une chute de 50% de la
sortie de référence : (a) tension de sortie et (b) courant de charge.
tension de sortie de référence : (a) tension de sortie et (b) courant de charge
5.2.6.4 Performances de la commande dq proposée sous une charge non linéaire
Dans cette sous-section, nous discutons les résultats expérimentaux de la commande

dq proposée dans le cas d’une charge non linéaire constituée par une résistance de 18 Ω
en série avec une diode.
La figure 5.17 montre les résultats expérimentaux obtenus durant le processus de
15
122
démarrage. A l’instant t = 0.713 s, la tension de sortie de référence passe de 0 V à

155 V. Une tension de sortie sinusoïdale, stable et sans dépassement est générée avec
un temps de stabilisation assez court. En effet, l’amplitude de la tensiondans
|v|continu-alternatif
Conversion de un
sortie
SHSERet
l’amplitude |vref | de la tension de sortie de référenceConversion
se superposent après deux cycles
continu-alternatif dans un SHSERde
fonctionnement (figure 5.17(a)). Ainsi, la stabilité du système sous une charge non linéaire
est garantie au démarrage.
la tension de sortie de référence se superposent après deux cycles de fonctionnement (figure
5.17(a)). Ainsi, laDémarrage
stabilité du système sous une charge non linéaire est garantie au démarrage.
200
|vref |
(V) (V)
100 Démarrage |v | (a)

200
Tension
0 |vref |
100 |v | (a)
-100 V
Tension
0
-200
-1000.68 0.705 V 0.73 0.755 0.78 0.805 0.83 0.855
9
-200 ich (b)
0.68 0.705 0.73 0.755 0.78 0.805 0.83 0.855
(A) (A)
6
9
Courant
3 ich (b)
6
Courant
0
3
-2
0.68 0.705 0.73 0.755 0.78 0.805 0.83 0.855
0
Temps (s)
-2
0.68 0.705 0.73 0.755 0.78 0.805 0.83 0.855
Figure 5.17. Performances de la commande dq proposée Temps (s) durant la procédure de démarrage (charge non
Figure 5.17 : Performances de la commande dq proposée durant la procédure de démarrage (charge non
linéaire) : (a) tension de sortie et (b) courant de charge.
linéaire)5.17.
Figure : (a)Performances
tension de sortie
de laetcommande
(b) courantdqdeproposée
charge durant la procédure de démarrage (charge non
linéaire) : (a) tension de sortie et (b) courant de charge.
La figure 5.18 montre la tension mesurée à la sortie de l’onduleur ainsi que son analyse
La figure
spectrale en 5.18 montre
régime la tension
permanent mesuréecharge
lorsqu’une à la sortie
non de l’onduleur
linéaire ainsi que Une
est appliquée. son analyse
tension
spectrale
sinusoïdale, stable et sans dépassement est alors généré (figure 5.18(a)). Sur latension
en régime permanent lorsqu’une charge non linéaire est appliquée. Une figure
sinusoïdale, stable et sans dépassement est alors généré (figure 5.18(a)). Dans
5.18(b), le spectre harmonique de cette tension de sortie en régime permanent est donné. la figure
5.18(b),
Il est à le spectre
noter harmonique
qu’un THD de de cette tension
tension de sortie
de seulement en régime
3.90% permanent est donné. Il est
est obtenu.
à noter qu’un THD de tension de 3,90% est seulement obtenu.
200
(a)
Tension (V)
-200
1.7 1.71 1.72 1.73 1.74 1.75 1.76 1.77 1.78 1.79 1.8
Temps (s)
Mag (% of Fundamental)
Fundamental (50Hz) = 154.5 , THD= 3.90%

(b)
10
0
0 2 4 6 8 10 12 14 16 18 20
Harmonic order
Figure
Figure5.18.
5.18 Performances de la de
: Performances commande dq proposée
la commande en régime
dq proposée en permanent (charge non
régime permanent linéaire)
(charge non: (a) tension:
linéaire)
de sortie et (b) spectre harmonique de la tension de sortie.
(a) tension de sortie et (b) spectre harmonique de la tension de sortie
Dans un autre test, les performances en régime transitoire de la commande proposée sont
Dansdans
vérifiées un autre
le castest,
d’unelescharge
performances en régime
non linéaire. Duranttransitoire de la commande
ce test, à l’instant proposée
t = 2,1 s, la charge
non linéaire est déconnectée et puis reconnecté à l’instant t = 2,2 s. La figure 5.19 montres, la
sont vérifiées dans le cas d’une charge non linéaire. Durant ce test, à l’instant t = 2.1 la
charge non linéaire est déconnectée et puis reconnectée à l’instant t = 2.2
tension de sortie et le courant de charge mesurés à la sortie de l’onduleur. Lors de la s. La figure 5.19
montre la tension
déconnexion de sortie et le
et la reconnexion decourant de charge
la charge, mesurés
la tension à la reste
de sortie sortiesinusoïdale
de l’onduleur. Lors
et aucun
dépassement n’est à signaler. De plus, la réponse dynamique du système est instantanée.
123
de la déconnexion et la reconnexion de la charge, la tension de sortie reste sinusoïdale

et aucun dépassement n’est à signaler. De plus, la réponse dynamique du système est
instantanée.
Déconnexion de la charge
200
(a)
Tension (V)
100
0
-100
-200
2.035 2.08 2.125 2.17 2.215 2.26
9
(b)
Courant (A)
0
-2
2.035 2.08 2.125 2.17 2.215 2.26
Temps (s)
Figure 5.19. Performances dynamiques de la commande dq proposée lors de la déconnexion et la reconnexion

Figure 5.19 : Performances dynamiques de la commande dq proposée lors de la déconnexion et la
d’une charge non linéaire : (a) tension de sortie et (b) courant de charge.
reconnexion d’une charge non linéaire : (a) tension de sortie et (b) courant de charge
La figure 5.20 montre les résultats obtenus dans le cas d’une variation en échelon de
la tension de sortie de référence sous une charge non linéaire. Durant ce test, une chute
de tension de 50% est appliquée à la tension de sortie de référence. Ainsi, à l’instant t =
0.95 s, l’amplitude de cette tension passe de 155 V à 77.5 V. Les formes d’ondes obtenues
montrent que le temps de réponse du système est assez rapide, il est d’environs un demis
cycle. Ainsi, l’amplitude |v| de la tension de sortie seConversion
superpose sur l’amplitude
continu-alternatif |vref
dans un | de
SHSER
la tension de référence au bout de 9.5 ms.
Variation de |vref |
200
|v | |vref | (a)
Tension (V)
100
0
-100 V
-200
0.9 0.93 0.96 0.99 1.02 1.05
9
(b)
ich
Courant (A)
3
0
-2
0.9 0.93 0.96 0.99 1.02 1.05
Temps (s)
Figure
Figure5.20.
5.20Performances
: Performancesdynamiques de la de
dynamiques commande dq proposée
la commande durant une
dq proposée chuteune
durant de 50%
chutededela 50%
tension
de de
la
sortie de référence : (a) tension de sortie et (b) courant de charge.
tension de sortie de référence : (a) tension de sortie et (b) courant de charge
5.3 Commande PDPC-FV d’un onduleur triphasé à MLI

connecté au réseau
La commande par orientation du vecteur de tension (voltage-oriented control ) (VOC)
et la commande directe de puissance (direct power control ) (DPC) sont les deux tech-
124
5.3 Commande PDPC-FV d’un onduleur triphasé à MLI connecté au réseau
niques les plus utilisées pour la commande des onduleurs triphasés à MLI connecté au
réseau [161], [162]. Dans le cas de la commande VOC, une boucle de régulation des cou-
rants est utilisée pour un contrôle indirect des puissances instantanées. Toutefois, cette
boucle nécessite un découplage et une boucle à verrouillage de phase est requise pour la
synchronisation au réseau. D’un autre côté, la commande DPC réalise un contrôle direct
des puissances instantanées. Elle présente une structure simples, une réponse dynamique
rapide et une grande robustesse face aux variations paramétriques [163]. Néanmoins, une
fréquence d’échantillonnage élevée est nécessaire pour obtenir des performances accep-
tables [164], [165]. Pour y remédier, la commande PDPC a été proposée comme une
alternative intéressante [145]-[153].
5.3.1 Commande PDPC conventionnelle

La commande prédictive est appliquée dans divers domaines tels que l’automatique,
les systèmes d’entraînements électriques et les convertisseurs statiques [166]. Le principe
de cette commande est d’utiliser le modèle dynamique du système afin de prédire son
comportement futur. À partir d’un critère d’optimisation prédéfini et des informations
obtenues lors de cette prédiction, un signal de commande optimal est appliqué au sys-
tème. Les commandes prédictives peuvent être classées en cinq catégories ; la commande
DPC à réponse pile (Deadbeat) (PDPC), la commande par hystérésis, la commande par
poursuite de trajectoire, la commande prédictive à modèle de référence (model predictive
control ) (MPC) [166], et plusieurs commandes prédictives qui diffèrent en fonction du
critère d’optimisation choisi. Parmi toutes ces techniques, la commande PDPC reste la
plus couramment utilisée. Son principe de base consiste à calculer le signal de commande
qui permet d’annuler, à chaque période d’échantillonnage, l’erreur entre la grandeur à
contrôler et sa référence [151], [165]. La grandeur contrôlée atteint ainsi sa référence à
la fin de chaque période d’échantillonnage (réponse pile) [165]. La commande PDPC est
principalement utilisée en raison de sa précision et de sa rapidité. Dans ce sens, elle a été
largement appliquée aux convertisseurs à MLI en mode redresseur [145]-[151] et en mode
onduleur [145], [152], [153].
La figure 5.21 montre le schéma bloc de la commande PDPC conventionnelle d’un
onduleur de tension triphasé à MLI connecté au réseau. La commande PDPC convention-
nelle est basée sur la théorie P Q originale [168] où les puissances active P et réactive Q
sont calculées à partir de l’équation (5.30). Les tensions de référence de l’onduleur (vα ,
vβ ) sont calculées d’une manière que, à la fin de chaque période d’échantillonnage (Ts ),
les puissances active P et réactive Q seront, respectivement, égales à leurs références Pref
et Qref . La référence Pref est déterminée à partir d’une boucle externe de régulation de
la tension du bus continu Udc . Cette boucle externe utilise un régulateur PI pour réguler
Udc à sa référence Udc−ref . La MLI vectorielle (space vector modulation) est utilisées pour
la génération des séquences Sabc des états de commutations des interrupteurs, sous une
fréquence de commutation constante.
Le modèle de l’onduleur triphasé dans le repère stationnaire (αβ) est exprimé par les
deux équations suivantes :

diα
 eα = vα − Riα − L


dt
(5.29)
 di
 eβ = vβ − Riβ − L β

dt
125
où L et R sont, respectivement, l’inductance et la résistance du filtre de sortie (filtre

côté alternatif). iα , iβ , eα et eβ sont, respectivement, les composantes d’axes α et β des
courants et des tensions du réseau. Sous des tensions du réseau idéales, les puissances
active P et réactive Q sont calculées comme suit [168] :
(
P = 1.5 (eα iα + eβ iβ )
(5.30)
Q = 1.5 (eβ iα − eα iβ )
À partir de (5.29) et (5.30), la forme discrète des tensions de référence à appliquer à

l’onduleur peut être déduite de la manière suivante :

vα (k) eα (k) −R ωL iα (k)
A partir de (5.29) = et (5.30), la− forme discrète des tensions de référence à appliquer à
vβ (k) eβ (k) −ωL −R iβ (k)
l’onduleur peut être déduite de la manière suivante : (5.31)
L eα (k) eβ (k) Pref − P (k)
vα ( k )  eα ( k )   − R ω L2  iα 2( k )  e (k) L−e (k) eα ( kQ) e−
− (k )  P − P (k ) 
ref β Q (k) ref
 =   −  1.5Ts eα+ eβ  − β α
   (5.31)
vβ ( k )  eβ ( k )   −ω L − R  iβ ( k )  1.5Ts ( eα + eβ ) eβ ( k ) −eα ( k )  Qref − Q ( k ) 
2 2
Onduleur triphasé à MLI connecté au réseau

Onduleur triphasé
idc
+ vabc R eabc
Réseau
C Udc iabc L
– iabc eabc
Sabc
abc/αβ abc/αβ
MLI iαβ eαβ
vectorielle
Udc-ref –
Equ. (5.30)
+ vαβ
Q
Commande PDPC P
PI conventionnelle eαβ
Equ. (5.31) iαβ
Pref Qref
Commande PDPC conventionnelle
Figure 5.21 : Commande PDPC conventionnelle d’un onduleur triphasé à MLI connecté au réseau.
Figure 5.21 : Commande PDPC conventionnelle d’un onduleur triphasé à MLI connecté au réseau
Dans le cas d’un réseau équilibré, la commande PDPC conventionnelle présente une bonne
Dansdynamique
réponse le cas d’unetréseau équilibré,harmonique
une atténuation la commande PDPC conventionnelle
satisfaisante. Par contre, dansprésente une
le cas d’un
bonne
réseau réponse dynamique
déséquilibré, et unedes
elle présente atténuation harmonique
performances médiocres satisfaisante.
telles que desParondulations
contre, dans de
le cas d’un réseau déséquilibré, elle présente des performances médiocres
puissance importantes et des THDs de courants importants. Afin d’améliorer cette commande, telles que des
ondulations de puissance
certains auteurs ont exploitésimportantes et des
la théorie PQ THDs[146],
étendue de courants importants.proposée
[148]. Initialement Afin d’amé-
dans
liorer
[168], cette commande,
cette approche est certains
basée surauteurs
le calculont exploités
d’une nouvellela théorie
puissancePQ étendue
réactive en [146], [148].
utilisant des
Initialement proposée
tensions décalées de 90 dans
degrés[168], cette approche
par rapport estréelles
aux tensions baséedusurréseau.
le calcul d’une
Ainsi, nouvelle
la commande
puissance
résultante réactive en utilisantlesdes
permet d’éliminer tensions décalées
ondulations dans la de 90 degrés
puissance par rapport
active tout en aux tensions
injectant des
réelles
courantsdusinusoïdaux
réseau. Ainsi,dansla commande résultante dans
le réseau. Toutefois, permet le d’éliminer les ondulations
cas de tensions distordues,dansses
la puissance active
performances toutdeenrejet
en termes injectant des courants
d’harmoniques sinusoïdaux
ne sont dans le[170].
pas satisfaisantes réseau. Toutefois,
Dans le but de remédier à tous ces inconvénients, certains auteurs se sont orientés vers le
développement de commandes PDPCs sans 126 capteurs de tensions du réseau. Dans ce cas, les
capteurs de tensions du réseau sont remplacés par des estimateurs. Ce concept permet
d’éliminer l’effet des tensions déséquilibrées et/ou distordues sur les performances de la
commande.
dans le cas de tensions distordues, ses performances en termes de rejet d’harmoniques ne

sont pas satisfaisantes [170].
Dans le but de remédier à tous ces inconvénients, certains auteurs se sont orientés vers
le développement de commandes PDPCs sans capteurs de tensions du réseau. Dans ce
cas, les capteurs de tensions du réseau sont remplacés par des estimateurs. Ce concept
permet d’éliminer l’effet des tensions déséquilibrées et/ou distordues sur les performances
de la commande.
5.3.1.1 Commande PDPC sans capteurs de tensions du réseau
A cours de ces dernières années, plusieurs estimateurs des tensions du réseau ont été
proposés pour une commande PDPC sans capteur [145], [148]-[151], [170]. Les capteurs
de tensions du réseau sont généralement utilisés à des fins de synchronisation. Ils peuvent
être facilement remplacés par des algorithmes d’estimation des tensions du réseau. Par
ailleurs, la réduction du nombre de capteurs présente une multitude d’avantages [149],
[150], [171]-[182]. En effet, la suppression des capteurs permet d’éliminer les erreurs dues
aux bruits et aux retards de mesures, diminuer la complexité du système et réduire son
coût. Cette approche permet aussi d’éliminer l’effet des distorsions et des déséquilibres qui
peuvent apparaitre dans les tensions du réseau. Différentes méthodes ont été suggérées
pour l’estimation des tensions du réseau. Les méthodes d’estimation basées sur les filtres
de Kalman [171], les observateurs adaptatifs d’ordre entier (adaptive full-order observer )
[150], les observateurs parallèles hybrides (hybrid parallel observer ) [172], les observateurs
à modèle de référence (model reference observers) [149], les observateurs de perturbations
(disturbance observers) [173], les observateurs à mode glissant (sliding-mode observers)
[174] peuvent être mentionnés. Bien que ces méthodes présentent de bonnes performances,
certaines d’entre elles ont une structure complexe et nécessitent des charges de calcul
importantes ce qui complique leurs implémentations.
Au cours de ces deux dernières décennies, des estimateurs basés sur le concept du FV
ont émergé comme une meilleur alternative pour l’estimation des tensions du réseau [150],
[151], [160], [174]-[182]. Dans la commande PDPC-FV, les capteurs de tensions du réseau
sont remplacés par un estimateur du FV. Le concept du FV est basé sur l’intégration des
tensions du réseau. Cependant, l’utilisation d’un intégrateur pur induit une saturation et
un offset dans le FV estimé. Comme solutions, plusieurs approches ont été proposées pour
l’intégration des tensions du réseau. Parmi elles, on peut citer le filtre passe-bas (FPB)
de premier ordre [174], le FPB de second ordre, le FPB adaptatif du premier ordre [150],
le filtre à base du mode glissant (sliding mode-based filter ) [151], [175], et le SOGI [176].
Certains de ces approches restent peu efficaces dans le cas d’un réseau déséquilibrée [150],
[176], alors que d’autres n’ont été vérifiés que dans le cas d’un réseau idéal [151], [174]. Le
concept du FV dans le cas d’un réseau déséquilibré a été initialement considéré dans [164]
où les composantes des séquences positives du FV sont estimées à l’aide d’une boucle à
verrouillage de phase (PLL) (phase locked loop). Les auteurs dans [178] ont combiné un
FPB avec une PLL pour l’extraction des composantes du FV. Toutefois, cette approche se
heurte aux limitations du FPB. Dans [179], les auteurs ont proposé une technique basée sur
un FPB de second ordre pour estimer séparément les composantes positives et négatives
du FV. Son principal inconvénient est l’utilisation d’un grand nombre de FPB de second
ordre, ce qui accroît la complexité du système. Des SOGIs, exploités en tant qu’OSGs,
ont été utilisés dans [180]. Cette approche permet d’améliorer la réponse dynamique du
système, toutefois, elle présente des limitations concernant le rejet d’harmoniques.
Les RNAs sont préconisés pour être une meilleure alternative en raison de leur préci-
127
sion, leur vitesse de convergence et leur capacité d’apprentissage en ligne. Certains cher-
cheurs ont exploité les RNAs pour l’estimation du flux dans les machines à CA [181],
[182]. Néanmoins, l’estimation du FV à l’aide des RNAs pour la commander des conver-
tisseurs connectés au réseau électrique reste un domaine moins exploité [177]. Dans ce
sens, nous proposons dans cette sous-section un nouvel estimateur du FV pour une com-
mande robuste de l’onduleur triphasé à MLI connecté à un réseau déséquilibré et distordu.
5.3.2 Concept du FV
Nous proposons dans cette sous-section d’exploiter le concept du FV pour éliminer
la mesure des tensions du réseau et améliorer les performances de la commande PDPC
dans le cas d’un réseau déséquilibré et distordu. L’estimation du FV consiste à calculer le
FV à partir de l’intégration des tensions du réseau. Cette approche considère les tensions
du réseau et le filtre de sortie comme les grandeurs d’une machine électrique virtuelle.
Comme le montre la figure 5.22, L et R sont assimilés, respectivement, à l’inductance et
à la résistance du stator d’une machine électrique virtuelle. Les tensions du réseau ea , eb
et ec sont induites par un flux magnétique virtuel [176].
Onduleur triphasée Machine électrique virtuelle

Idc
vabc i eabc
Réseau
C L R abc
+_ Udc
Sabc
Figure 5.22 : Concept du VF dans le cas d’un onduleur triphasé connecté au réseau.
Figure 5.22 : Concept du FV dans le cas d’un onduleur triphasé connecté au réseau
Dans le repère stationnaire (αβ), les tensions eα et eβ du réseau seront induites par
un FV. Les composantes ψα et ψβ de ce FV dans le repère (αβ) peuvent être obtenues en
intégrant, respectivement, les tensions eα et eβ comme suit :
 Z
 ψα = eα dt

Z (5.32)
 ψβ = eβ dt

Ainsi, à partir de (5.29) et (5.32), le vecteur du FV est exprimé comme suit :

 Z
 ψα = (vα − Riα ) dt − Liα

Z (5.33)
 ψβ = (vβ − Riβ ) dt − Liβ

où eα et eβ sont les composantes d’axes α et β des tensions du réseau, vα et vβ sont les

composantes d’axes α et β des tensions à la sortie de l’onduleur et ψα et ψβ sont les
composantes d’axes α et β du FV.
128
5.3.3 Estimation du FV
Comme défini précédemment, l’estimation du FV se fait par un intégrateur pur. Néan-
moins, l’intégrateur pur utilisé dans (5.33) ne peut pas être mis en œuvre pratiquement
en raison des deux inconvénients suivants [180], [182] :
– En pratique, la condition initiale du signal d’entrée de l’intégrateur, qui n’est générale-
ment pas nulle, est susceptible d’induire un offset dans le signal de sortie.
– La présence d’une composante continue dans le signal d’entrée de l’intégrateur conduit
à une saturation du signal de sortie et une instabilité de l’intégrateur.
Afin d’éviter ces problèmes, plusieurs techniques ont été développées pour remplacer
l’intégrateur pur dans l’estimation du FV. Elles peuvent être scindées en deux groupes :
1) Techniques à base de filtres
L’utilisation d’un FPB du premier ordre est connue pour être la solution la plus simple
pour remplacer l’intégrateur pur [183], [184], [185]. La fréquence de coupure de ce filtre
est choisie beaucoup plus faible que la fréquence nominale du réseau. Cette technique
induit un retard et une atténuation significative d’amplitude du FV estimé ce qui réduit
considérablement les performances du système. Plusieurs variantes du filtre passe bande
[174], [185] ont été proposés. Cette approche permet d’émuler l’intégrateur pur, cependant,
une atténuation significative de l’amplitude et un léger retard dans le FV estimé sont
observés. Des FPBs de second ordre ont été aussi utilisés pour l’estimation du FV [176],
[179]. Cette approche est basée sur l’utilisation de deux FPBs de premier ordre en cascade
ayant une pulsation de coupure égale à la pulsation nominale du réseau. Même si elle
présente un temps de réponse rapide, l’offset dans le signal d’entrée est multiplié par deux
[179], [180].
Dans le cas d’un réseau idéal, l’ensemble de ces techniques présente de bonnes per-
formances. Cependant, dans le cas d’un réseau déséquilibré et distordu, les performances
de ces techniques sont fortement détériorées. Dans ce sens, de nouvelles techniques pour
l’estimation du FV ont été développées. Ci-après, nous discutons quelques-unes d’entre
elles.
2) Techniques à base de méthodes d’intégration adaptatives avancées
Ces techniques sont essentiellement basées sur l’utilisation des méthodes d’intégration
plus avancées et plus adaptatives. Pour la plupart, elles ont été proposées au début pour
être appliquée dans la commande des machines électriques. Par la suite ces méthodes ont
été étendues à l’estimation du FV en particulier dans les redresseurs triphasés à MLI.
Initialement, une méthode de compensation de l’amplitude et du déphasage du FV es-
timé par un FPB de premier ordre a été proposée [186], [187]. Les termes de compensation
ont été calculés en fonction du rapport entre la pulsation de coupure choisie pour le FPB
et la pulsation du réseau. Un filtre à base d’un SOGI a également été proposé [180], [188].
Il est configuré en filtre passe-bande avec une pulsation de coupure égale à la pulsation du
réseau. Même si cette méthode présente de bons résultats, elle reste sensible à la variation
de la fréquence du réseau et à l’offset présent dans le signal d’entrée. Des estimateurs
basés sur les RNAs ont été également développées mais seulement pour l’estimation du
flux dans la commande des machines électriques [187], [189].
Dans la sous-section suivante, nous présentons une nouvelle méthode d’estimation du
FV basée sur un FNA.
129
5.3.4 Estimateur FV-FNA proposé

Dans cette sous-section, nous présentons la méthode proposée pour l’estimation du FV
dans le cas d’un réseau déséquilibré et/ou distordu. Le schéma bloc de cet estimateur est
illustré par la figure 5.23. Il est constitué d’un intégrateur pur émulé permettant d’estimer
les composantes ψαβ−i FV en série avec un FNA.
Estimateur FV-FNA
iαβ
Intégrateur émulé ψαβ-i FNA ψαβ
vαβ (Fig. 5.24) (Fig. 5.25)
Figure 5.23 : Structure générale de l’estimateur FV-FNA proposé.

Figure 5.23 : Structure générale de l’estimateur FV-FNA proposé
5.3.4.1 Émulation d’un intégrateur pur

L’intégration d’un signal sinusoïdal par un intégrateur pur induit une atténuation
d’amplitude de 1/ω (ω étant la pulsation) et un déphasage de 90 degrés. Ces caractéris-
tiques seront émulées afin de construire un intégrateur pur permettant l’estimation du FV.
La figure 5.24 montre l’architecture détaillée de cet intégrateur émulé. Le raisonnement
ainsi que le développement mathématique qui nous a permet d’émuler cet intégrateur est
décrit ci-dessous. Pour commencer, un vecteur FV, nommé χαβ , correspondant aux ten-
sions de sortie de l’onduleur triphasé et aux chutes de tension dans R, est définis comme
suit :
" # " #
χα 1 vα − Riα
χαβ = = (5.34)
χβ ω vβ − Riβ
À partir de (5.34), l’amplitude χ et l’angle de phase γ de χαβ sont déduits comme suit :
1
q
χ= (vα − Riα )2 + (vβ − Riβ )2 (5.35)
ω
γ = a tan 2 ((vβ − Riβ ) , (vα − Riα )) (5.36)

Afin d’inclure l’effet de l’intégration dans l’angle de (vαβ - Riαβ ), un angle de π/2
radians est soustrait de l’angle de phase γ. Ainsi, le vecteur FV χαβ peut être réécrit sous
la forme suivante :
" # " #
χα χ cos (φ)
χαβ = = (5.37)
χβ χ sin (φ)
où φ = γ − π/2. Enfin, le vecteur FV ψαβ−i reconstruit par l’intégrateur pur émulé est
définis comme suit :
" # " # " #
ψα−i χα − Liα ψi cos (θ)
ψαβ−i = = = (5.38)
ψα−i χβ − Liβ ψi sin (θ)
q
avec ψi = (χα − Liα )2 + (χβ − Liβ )2 et θ = a tan 2 ((χβ − Liβ ) , (χα − Liα )).
130
Dans le cas où les tensions du réseau sont de formes d’ondes sinusoïdales, cette méthode
d’intégration donne des résultats satisfaisants. Cependant, dans le cas d’un réseau distor-
dus et/ou déséquilibré, un filtre doit être utilisé pour la suppression des harmoniques.
Cet intégrateur a été exploité dans [176] où des FPBs de second ordre ont été utilisés
pour la suppression des harmoniques. Toutefois, ces filtres induisent un déphasage et un
offset qui nécessitent une compensation. Pour éviter ceci, nous présentons dans ce qui suit
l’ajout des FNAs proposés pour le filtrage de ψαβ−i . Ces filtres assurent une estimation
adaptative des composantes fondamentales du FV dans le cas d’un réseau déséquilibré
et/ou distordu, et ce, sans induire de déphasage ou d’offset.
iα R
× L ψα-i
iα × –
vα – χα γ +
1ω – π/2
Cartésien/
+ polaire +
ϕ cos ×
vβ + χβ χ sin ×
1ω
–
L + ψβ-i
× ×
iβ –
iβ R
Figure 5.24 : Structure détaillée de l’intégrateur pur émulé.
Figure 5.24 : Structure détaillée de l’intégrateur pur émulé
5.3.4.2 Principe du FNA

Afin de garantir un bon fonctionnement de la PDPC-FV sous des tensions distordues
et/ou déséquilibrées, les composantes fondamentales du FV doivent être estimées avec
précision. Pour ce faire, nous utilisons deux FNAs basés sur l’ADALINE pour filtrer les
composantes ψαβ−i du FV estimées. La structure de ce FNA est donnée par la figure 5.25.
Le FNA est basé sur une décomposition adéquate des composants ψαβ−i du FV esti-
mées par l’intégrateur émulé et ensuite extraire uniquement leurs composantes fondamen-
tales. Ces composantes fondamentales seront par la suite mises sous une forme appropriée
afin qu’elles puissent être estimées par deux FNAs (figure 5.25).
Dans le cas d’un réseau avec des tensions déséquilibrées et distordues, la forme générale
et discrète des flux ψαβ−i est exprimée sous une forme explicite comme suit :
" # " # ∞
" #!
ψα−i (k) ψα−i1 cos (ωkTs + λ1 ) X ψα−in cos (nωkTs + λn )
= + (5.39)
ψβ−i (k) ψβ−i1 sin (ωkTs + λ1 ) n=2 ψβ−in sin (nωkTs + λn )
| {z } | {z }
Composantes F ondamentales Composantes Harmoniques
où ψα−in et ψβ−in sont les amplitudes du neme harmonique de ψα−i et ψβ−i , respectivement.
ωn leurs pulsation. λn leur phase initiale. Ts est la période d’échantillonnage.
À partir de (5.39), les composantes fondamentales de ψα−i et ψβ−i , nommés respecti-
vement ψα et ψβ , peuvent être exprimées sous forme d’un vecteur comme suit :
" # " # " #
ψα (k) ψα−i1 cos (ωkTs + λ1 ) Nα
ψαβ (k) = = = X (k) (5.40)
ψβ (k) ψβ−i1 sin (ωkTs + λ1 ) Nβ
131
avec Nα = ψα−i1 cos (λ1 ) −ψα−i1 sin (λ1 ) , Nβ = ψβ−i1 sin (λ1 ) ψβ−i1 cos (λ1 ) et

T
X (k) = cos (ωkTs ) sin (ωkTs ) .

Ainsi, l’équation (5.40) est une combinaison linéaire qui peut être apprise par deux
ADALINEs. X(k) étant le vecteur d’entrée de l’ADALINE. Il est constitué de deux
sinusoïdes
d’amplitudes unitaires
et de fréquence f1 = ω1 /2π (fréquence du réseau).
Wα = wα1 wα2 et Wβ = wβ1 wβ2 sont les deux vecteurs poids du FNA qui

seront continuellement mis à jour en ligne pour filtrer, respectivement, les composantes α
et β du FV.
Après le processus d’apprentissage, les vecteurs poids Wα et Wβ convergeront respec-
tivement, vers Nα et Nβ . Ainsi, pour l’axe α, le vecteur poids Wα est mise à jour en ligne
en utilisant l’algorithme LMS [17], [19], [20] d’une manière récursive comme suit :
Wα (k + 1) = Wα (k) + ησα (k) X T (k) (5.41)
et pour l’axe β, le vecteur poids Wβ est également mis à jour en ligne comme suit :
Wβ (k + 1) = Wβ (k) + ησβ (k) X T (k) (5.42)
où η est le coefficient d’apprentissage. σα = (ψα−i − ψα ) et σβ = (ψβ−i − ψβ ) sont les

erreurs d’estimation.
Après la convergence des poids de l’ADALINE, les composantes fondamentales du FV
sont finalement estimées comme suit :
   
ψα (k) wα1 cos (ωkTs ) + wα2 sin (ωkTs )
ψαβ (k) =  =  (5.43)
ψβ (k) wβ1 cos (ωkTs ) + wβ2 sin (ωkTs )
À noter que les composantes du FV estimées et données dans (5.43) seront exploi-
tées dans (5.78) pour un fonctionnement correct dans le cas d’un réseau distordus et/ou
À noter que les composantes du FV estimées et données dans (5.43) seront exploitées dans
déséquilibré.
(5.78) pour un fonctionnement correct dans le cas d’un réseau distordus et/ou déséquilibré.
ψα-i (k)
cos(ω1kTs) wα1 +
∑ –
sin(ω1kTs) wα2 ψα (k)
Loi d’apprentissage σα (k)

Equ. (5.41)
FNA
Figure 5.25 : Structure du FNA proposé pour le filtrage de ψα-i [le FNA implémenté pour le filtrage de ψβ-i peut
Figure 5.25 : Structure du FNA proposé pour le filtrage de ψα−i [le FNA implémenté pour le filtrage
être déduit en remplaçant l’indice α par β et en utilisant (5.42)].
de ψβ−i peut être déduit en remplaçant l’indice α par β et en utilisant (5.42)]
5.3.4.3 Choix du coefficient d’apprentissage du FNA

5.3.4.3 Choix du coefficient d’apprentissage du FNA
L’étude de convergence du FNA est présentée dans cette sous-section. Le critère de
L’étude dedeconvergence
convergence du FNA
Lyapunov [31] est est présentée
utilisé dans cette les
pour déterminer sous-section.
limites duLecoefficient
critère de
convergence de Lyapunov [31] est utilisé pour déterminer
d’apprentissage qui garantissent la convergence du FNA. les limites du coefficient d’ap-
prentissage
Comme vu quiprécédemment,
garantissent laune
convergence
convergence duparfaite
FNA. du FNA est atteinte lorsque Wα est
égal à Nα. Pour étudier la convergence, une fonction candidate de Lyapunov est définie
comme suit : 132
Vα ( k ) = W
 (k ) 2
α (5.44)
Comme vu précédemment, une convergence parfaite du FNA est atteinte lorsque Wα

est égal à Nα . Pour étudier la convergence, une fonction candidate de Lyapunov est définie
comme suit :
2
Vα (k) = W̃α (k) (5.44)
où W̃ (k) est l’erreur d’estimation de l’FNA, exprimée comme suit :
W̃α (k) ≡ Nα (k) − Wα (k) (5.45)

L’équation suivante donne la condition à remplir pour que le critère de convergence
de Lyapunov soit satisfait :
Vα (k) ∆Vα (k) < 0 (5.46)

où la variation de la fonction de Lyapunov ∆Vα (k) est obtenue comme suit :

∆Vα (k) = Vα W̃α (k + 1) − Vα W̃α (k) (5.47)
À partir (5.44), nous déduisons que Vα (k) est définie positif. Ainsi, la condition de conver-
gence donné par (5.46) n’est satisfaite que lorsque ∆Vα (k) < 0.
À partir de (5.41), (5.44), (5.45) et (5.47), ∆Vα (k) peut être exprimé sous la forme
simplifiée suivante :
2 2 2
∆Vα (k) = (1 − η) W̃α (k) − W̃α (k) = η (η − 2) W̃α (k) (5.48)
Par conséquent, la condition de convergence de (5.46) est vérifiée lorsque le terme entre
parenthèses dans (5.48) est négatif. Ceci est garanti lorsque η satisfait la condition sui-
vante :
0<η<2 (5.49)
En utilisant la loi d’apprentissage donnée dans (5.42) et en suivant la procédure décrite
précédemment, la condition de convergence du FNA relative à l’axe β peut être facilement
déduite. Il est bien clair que la condition de convergence sera la même que celle obtenue
dans (5.49).
Afin d’assurer la convergence de l’estimateur proposé, le coefficient d’apprentissage η
doit être choisi en fonction de l’intervalle donné par (5.49). De plus, les deux considérations
suivantes doivent être prises en compte :
– Une valeur élevée de η permet d’avoir une vitesse de convergence élevée au détriment
de la stabilité et de la précision de l’estimateur. Ceci provoque principalement un
comportement oscillatoire, des dépassements pendant les transitoires et une faible
atténuation harmonique. Donc, l’estimation correcte des composantes fondamentales
du FV ne pourra pas être atteinte.
– D’autre part, une faible valeur de η permet d’augmenter la stabilité et la précision
au détriment de la vitesse de convergence qui sera plus lente.
En conséquence, un choix judicieux de η consiste à trouver un bon compromis entre
la stabilité, l’atténuation harmonique, et la vitesse de convergence du FNA. Sur la base
de ces considérations, le coefficient d’apprentissage utilisé pour les deux FNAs est ajusté
expérimentalement. Les deux FNAs sont implémentés avec un coefficient d’apprentissage
η = 0.028.
133
5.3.5 Commande PDPC-FV pour un fonctionnement dans des

conditions non équilibrées du réseau
Une fois que les composantes fondamentales du FV sont correctement estimées, elles
seront utilisées dans la commande PDPC-FV basée sur la théorie P Q étendue. Dans cette
commande, une nouvelle puissance réactive est définie. Elle est obtenue en utilisant un
FV décalé de 90 degrés électriques par rapport au FV réel [146].
Dans ce qui suit, nous démontrerons qu’en maintenant cette nouvelle puissance réac-
tive proche de zéro, les termes oscillants dans la puissance active seront annulés naturel-
lement. Il sera ainsi possible d’obtenir des courants sinusoïdaux. En outre, le modèle de
la commande PDPC-FV, incluant la théorie P Q étendue et la compensation du temps de
retard dû à l’implémentation, est formulé pour un fonctionnement correct sous un réseau
déséquilibré.
5.3.5.1 Analyse des puissances active et réactive formulées en fonction du FV
sous un réseau déséquilibré
Nous présentons ici l’analyse des puissances active et réactive formulées en fonction du
FV dans le cas d’un réseau déséquilibré. Afin de simplifier cette analyse, la représentation
par les composantes des séquences positive et négative est adoptée. Le vecteur FV et le
vecteur des courants du réseau seront ainsi écrits comme la somme des composantes des
séquences positives et des séquences négatives comme suit :
ψαβ = ψ + ej (ωt+ϕ ) + ψ − e−j (ωt+ϕ )

+ −
(5.50)
iαβ = i+ ej (ωt+δ ) + i− e−j (ωt+δ )

+ −
(5.51)
où ψ + et ϕ+ sont, respectivement, l’amplitude et l’angle de phase de la composante de la
séquence positive du FV. ψ − et ϕ− sont, respectivement, l’amplitude et l’angle de phase de
la composante de la séquence négative du FV. i+ et δ + sont, respectivement, l’amplitude
et l’angle de phase de la composante de la séquence positive des courants du réseau. i− et
δ − sont, respectivement, l’amplitude et l’angle de phase de la composante de la séquence
négative des courants du réseau.
À partir de (5.32) et (5.50), les vecteurs de tension du réseau suivants peuvent être
exprimés en fonction du FV de la façon suivante :
!
ωt+ϕ+ − π

−− π
dψαβ j −j ωt+ϕ
eαβ = = −ωψ 0αβ = −ω ψ + e 2 +ψ e − 2 (5.52)
dt
dψ 0αβ
+ j (ωt+ϕ+ ) − −j (ωt+ϕ− )

e0αβ = = ωψαβ = ω ψ e +ψ e (5.53)
dt
où les vecteurs e0αβ et ψ 0αβ sont en retard de 90 degrés électriques par rapport à eαβ et
ψαβ , respectivement.
À partir de (5.50)-(5.52), la puissance complexe S du côté réseau peut être exprimée
dans la théorie P Q originale [168] comme suit :
3ω ∗ 0
S=− i ψ (5.54)
2 αβ αβ
134
où (*) désigne le conjugué d’un vecteur complexe. Ainsi, la puissance active P et la

puissance réactive Q peuvent être exprimées comme suit
3ω
Re i∗αβ ψ 0αβ = P̄ + P̃c2 cos (2ωt) + P̃s2 sin (2ωt) (5.55)

P =−
2
3ω
Im i∗αβ ψ 0αβ = Q̄ + Q̃c2 cos (2ωt) + Q̃s2 sin (2ωt) (5.56)

Q=−
2
où P̄ , P̃c2 et P̃s2 sont, respectivement, la composante moyenne et les composantes oscil-
lantes de la puissance active. Q̄, Q̃c2 et Q̃s2 sont, respectivement, la composante moyenne
et les composantes oscillantes de la puissance réactive. Leurs expressions explicites sont
les suivantes :
3ω + +
ψ i sin δ + − ϕ+ + ψ − i− sin δ − − ϕ− (5.57)

P̄ =
2
3ω + −
ψ i sin δ − + ϕ+ + ψ − i+ sin δ + + ϕ− (5.58)

P̃c2 = −
2
3ω + −
ψ i cos δ − + ϕ+ + ψ − i+ cos δ + + ϕ− (5.59)

P̃s2 = −
2
3ω + +
ψ i cos δ + − ϕ+ + ψ − i− cos δ − − ϕ− (5.60)

Q̄ =
2
3ω + −
ψ i cos δ − + ϕ+ − ψ − i+ cos δ + + ϕ− (5.61)

Q̃c2 =
2
3ω + −
ψ i sin δ − + ϕ+ − ψ − i+ sin δ + + ϕ− (5.62)

Q̃s2 = −
2
De (5.55) à (5.62), on observe que les composantes positives et négatives du FV et des
courants du réseau contribuent aux puissances moyennes réelle et imaginaire. Par ailleurs,
les puissances active et réactive instantanée contiennent des composantes oscillantes dues,
respectivement, au produit entre les composantes des séquences positive et négative du FV
et le produit entre les composantes des séquences négative et positive du courant du réseau.
Par conséquent, on peut conclure que même les tensions du réseau sans harmoniques
peuvent provoquer des oscillations dans les puissances actives et réactives [168].
Comme la théorie P Q originale n’est pas appropriée dans le cas d’un réseau déséqui-
librée, la théorie P Q étendue est proposée dans [146], [168] comme une alternative. Sur
la base de cette théorie, une nouvelle puissance réactive Qn est définie de la manière
suivante :
3ω
Re i∗αβ ψαβ = Q̄n + Q̃nc2 cos (2ωt) + Q̃ns2 sin (2ωt) (5.63)

Qn =
2
où Q̄n , Q̃nc2 et Q̃ns2 sont, respectivement, la composante moyenne et les composantes
oscillantes de la nouvelle puissance réactive. Elles sont exprimées comme suit :
3ω + +
ψ i cos δ + − ϕ+ + ψ − i− cos δ − − ϕ− (5.64)

Q̄n =
2
3ω + −
ψ i cos δ − + ϕ+ + ψ − i+ cos δ + + ϕ− (5.65)

Q̃nc2 =
2
135
3ω + −
ψ i sin δ − + ϕ+ + ψ − i+ sin δ + + ϕ− . (5.66)

Q̃ns2 = −
2
Il faut noter que dans (5.63), la nouvelle puissance réactive est obtenue à partir d’une
puissance complexe qui utilise un vecteur FV décalé de 90 degrés électriques par rapport
au vecteur original utilisé dans (5.56). À partir de (5.58), (5.59), (5.65) et (5.66), nous
constatons que P̃c2 = Q̃ns2 et P̃s2 = −Q̃nc2 . Cela signifie que les composantes d’ondulation
dans les puissances P et Qn ont les mêmes amplitudes. Par conséquent, l’élimination des
termes d’oscillation dans Qn conduit à une annulation des ondulations dans P . D’autre
part, en soustrayant (5.63) de (5.56) et après réarrangement, on obtient l’égalité suivante :
Q = Qn − 3ωψ − i+ cos 2ωt + δ + + ϕ− (5.67)

D’après (5.67), nous pouvons constater que lorsque Qn est fixée à zéro (pour annuler les
termes d’oscillations dans P ) la puissance réactive réelle Q oscille à deux fois la fréquence
du réseau avec une amplitude de (3ωψ − i+ ). Il s’agit donc d’une compensation par la
puissance réactive pour annuler les harmoniques dans les courants du réseau. Dans le cas
d’un réseau équilibré, les termes d’oscillations dans (5.56), (5.63) et (5.67) sont annulés
et donc les deux puissances Q et Qn sont égales.
À partir de cette analyse, il est clair que la théorie P Q originale n’est vraiment pas
adaptée pour fonctionner dans le cas d’un réseau déséquilibré. L’utilisation de la nouvelle
puissance réactive Qn entraîne l’annulation des composantes oscillantes dans P lorsque
Qn est fixée à zéro. Il est donc possible d’obtenir des courants de réseau sinusoïdaux.
Dans le cas d’un réseau équilibré, la nouvelle puissance réactive se comporte comme la
puissance réactive originale et n’affecte pas la commande du système.
5.3.5.2 Formulation de la commande PDPC-FV en utilisant la théorie PQ
étendue
La dérivée temporelle du vecteur des courants du réseau peut être obtenue à partir de
(5.33) et (5.52) comme suit :
diαβ 1
vαβ + ωψ 0αβ − Riαβ (5.68)

=
dt L
En remplaçant (5.68) dans (5.55) et (5.63), les dérivées temporelles de la puissance
active et de la nouvelle puissance réactive peuvent être exprimées, respectivement, comme
suit :
dP 3ω h 2 i R
=− ω ψ 0αβ + Re ∗
vαβ ψ 0αβ − P − ωQn (5.69)
dt 2L L
dQn 3ω ∗ ∗ R
Re vαβ + ω ψ 0αβ (5.70)

= ψαβ + ωP − Qn
dt 2L L
En utilisant la méthode de discrétisation d’Euler de premier ordre et en suivant le
principe de la commande Deadbeat [165], à savoir, P (k + 1) = Pref et Qn (k + 1) = Qref ,
les équations (5.69) et (5.70) peuvent être écrites sous la notation explicite suivante :
136
   
1  Pref − P (k) 2 ψ 0α (k) ψ 0α (k) + ψ 0β (k) ψ 0β (k)
 = − 3ω  
Ts Q − Q (k) 2L −ψ (k) ψ 0
(k) − ψ (k) ψ 0
(k)
ref n α α β β
  

R

  (5.71)
0 0 ω  P (k)
3ω  ψ α (k) ψ β (k) v α (k)
 − L

−   
2L −ψ (k) −ψ (k) vβ (k)
 R 
Qn (k)
α β −ω
L
À partir de (5.71), les tensions de référence de l’onduleur peuvent être calculées de la
manière suivante :
     
vα (k) ψ 0α (k) 2  −Rψβ (k) + ωLψ 0β (k) −Rψ 0β (k) − ωLψβ (k)
  = −ω  − 
vβ (k) 0
ψ β (k) 3ω∆ 0
Rψα (k) − ωLψ α (k) 0
Rψ α (k) + ωLψα (k)
    
0
P (k) −ψβ (k) −ψ (k) P ref − P (k)
 − 2L 
β
  
Qn (k) 3ωT s ∆ ψα (k) 0
ψ α (k) Qref − Qn (k)
(5.72)
avec ∆ = ψα (k) ψ 0β (k) − ψ 0α (k) ψβ (k).
5.3.5.3 Compensation du temps de retard dû à l’implémentation pratique
Dans le cas d’une implémentation numérique, un retard d’une période d’échantillon-
nage (un pas de calcul) est induit par la commande PDPC-FV. En effet, le vecteur de
la tension de référence vαβ calculé au k-ème instant ne sera appliqué qu’au (k+1)-ème
instant [145]. Pour éliminer l’influence négative de ce retard sur la commande, le vecteur
de la tension de référence au (k+1)-ème instant doit être appliqué au k-ème instant. Au-
trement dit, dans la partie droite de (5.72), le k-ème instant doit être remplacé par le
(k+1)-ème instant. Le vecteur du courant du réseau est alors prédit à partir de (5.68)
comme suit :
Ts
vαβ (k) + ωψ 0αβ (k) − Riαβ (k) + iαβ (k) (5.73)

iαβ (k + 1) =
L
Dans un système triphasé équilibré, les vecteurs des FVs ψαβ et ψ 0αβ sont prédits de la
manière suivante :
ψαβ (k + 1) = ejωTs ψαβ (k) ≈ (1 + jωTs ) ψαβ (k) (5.74)
ψ 0αβ (k + 1) = ejωTs ψ 0αβ (k) ≈ (1 + jωTs ) ψ 0αβ (k) (5.75)

Les puissances active et réactive prédites sont alors déduites en utilisant (5.73), (5.74)
et (5.75) comme suit :
3ω
Re (iαβ (k + 1))∗ ψ 0αβ (k + 1) (5.76)

P (k + 1) = −
2
3ω
Qn (k + 1) = Re [(iαβ (k + 1))∗ ψαβ (k + 1)] (5.77)
2
137
Enfin, les tensions de référence à appliquer à l’onduleur au (k+1)-ème instant peuvent

être calculées en remplaçant (5.73)-(5.77) dans (5.72) de la manière suivante :
ψ 0α (k + 1) −ψ 0β (k + 1)
      
vα (k + 1) −ψβ (k + 1) Pref − P (k + 1)
  = −ω  − 2L   
vβ (k + 1) ψ 0β (k + 1) 3ωTs ∆ ψα (k + 1) ψ 0α (k + 1) Qref − Qn (k + 1)
−Rψβ (k + 1) + ωLψ 0β (k + 1) −Rψ 0β (k + 1) − ωLψβ (k + 1)

  
P (k + 1)
2 
−  
3ω∆ Rψα (k + 1) − ωLψ 0α (k + 1) Rψ 0α (k + 1) + ωLψα (k + 1) Qn (k + 1)
(5.78)
avec ∆ = ψα (k + 1) ψ 0β (k + 1) − ψ 0α (k + 1) ψβ (k + 1).

Dans le but de montrer la faisabilité et la robustesse de la commande PDPC-FV
proposée, un banc d’essai expérimental a été mis en œuvre. Plusieurs tests expérimentaux
(figures 5.28-5.35) et de simulation (figures 5.36 et 5.37) sont réalisés dans le cas d’un
réseau déséquilibré et/ou distordu.
Dans cette section, la commande PDPC-FV proposée est testée expérimentalement
au démarrage. Par la suite, cette commande est comparée avec la commande PDPC
conventionnelle. L’estimateur FV-FNA est comparé, dans le cas d’un réseau déséquilibré,
à un estimateur FV-SOGI qui utilise la mesure des tensions de réseau [154]. Un test de
robustesse de la commande PDPC-FV face à un changement en échelon de la tension du
bus continu est également réalisé. Pour terminer, la robustesse de la commande PDPC-FV
avec l’estimateur FV-FNA est testée par simulation dans le cas d’un réseau distordu et
déséquilibré.
5.3.6.1 Conditions de tests et description du banc d’essai expérimental
Nous allons décrire maintenant le montage expérimental mis en œuvre pour le test de la
commande PDPC-FV proposée. La figure 5.26 illustre un schéma général du banc d’essai
mis en œuvre ainsi que de la commande PDPC-FV implémentée. Sur ce schéma, on peut
distinguer une partie puissance et une partie commande. La partie puissance est composée
d’une source de tension continue E0 en série avec une résistance Rs . Un condensateur C
est utilisé pour filtrer la tension Udc du bus continu. Afin de protéger ce condensateur des
forts courants susceptibles d’apparaitre au démarrage, une diode antiretour est insérée à
l’entrée de l’onduleur. Du côté alternatif, l’onduleur est raccordé au réseau via un filtre RL
(des résistances R en série avec des inductances L) et un transformateur élévateur triphasé.
Trois résistances (Runb ) sont insérées entre le filtre RL et le primaire du transformateur.
Ces résistances seront utilisées pour créer le déséquilibre dans les tensions du réseau (ea ,
eb et ec ). Les interrupteurs Swa et Swb , initialement ouverts, sont placés en parallèle avec
Runb des phases a et b, respectivement. Ainsi, lorsque Swa et Swb sont fermés, les tensions
ea et eb chutent, respectivement, de Runb × ia et Runb × ib . En d’autres termes, pour des
tensions de réseau équilibrées, Swa et Swb doivent être ouverts, et pour des tensions du
réseau déséquilibrées, Swa et/ou Swb doivent être fermés. La partie commande contient
une unité d’estimation du FV, utilisant l’estimateur FV-FNA proposé, et une unité de
contrôle. L’unité de commande comprend une boucle de régulation externe, utilisant un
régulateur PI, pour le contrôle de la tension du bus continu et une boucle de régulation
138

comprend une boucle de régulation externe, utilisant un régulateur PI, pour le contrôle de la
tension
interne,du bus continu
à savoir et une boucle
la commande de régulation
PDPC-FV interne,
proposée, pourà le
savoir la commande
contrôle PDPC-FV
des puissances. Le
proposée, pour le contrôle des puissances. Le système fonctionne à facteur de
système fonctionne à facteur de puissance unitaire puisque Qref est maintenue nulle. puissance
unitaire puisque Qref est maintenue nulle.
Réseau (55 V, 50 Hz) (220 V, 50 Hz)

Rs Onduleur à MLI L Swa
idc va R ia ea
L Swb
+ C Udc R ib eb
vb
–
E0
R ic L ec Runb
vc
Source d’entrée
Udc-ref MLI Commande PDPC-FV

Udc +
Udc vectorielle
–
vαβ (k) Estimateur ANF-FV
PI Fig. 5.25
z −1
vαβ (k+1) ψαβ (k)
Pref iαβ (k+1)
Compensation du
Commande PDPC-FV
retard αβ iαbc (k)
Q ref Equs. (5.76)–(5.78) ψαβ (k+1) iαβ (k) abc
Equs. (5.73)–(5.75)
Figure 5.26 : Schéma général du banc d’essai expérimental mis en œuvre pour le test de la commande PDPC-
Figure 5.26 : Schéma général du banc d’essai FVexpérimental
proposée. mis en œuvre pour le test de la commande
PDPC-FV proposée
La figure 5.27 montre une photographie du banc d’essai expérimental mis en œuvre pour
Lales
tester figure 5.27 montre
performances deune photo du banc
la commande d’essaiproposée.
PDPC-FV expérimentalIl estmis en œuvre
constitué d’unpour tester
onduleur
les performances de la commande PDPC-FV proposée. Il est
triphasé à MLI à base de modules IGBTs (référence SEMIKRON SKM 100GB123D). Trois constitué d’un onduleur tri-
phasé à MLI
capteurs à baseetdeunmodules
de courant capteurIGBTs (référence
de tension SEMIKRON
sont utilisés SKM 100GB123D).
pour mesurer, respectivement, Trois
les
capteurs du
courants deréseau
courant(ia,etib,un
ic) capteur
et la tension de tension
Udc du sont utilisés Dans
bus continu. pour unmesurer, respectivement,
but unique d’affichage,
les courants
trois capteursduderéseau
tension (ia ,sont
ib , ic )utilisés
et la tension du busdes
pour laUdcmesure continu. Dans
tensions duunréseau.
but unique d’af-
Une carte
fichage, trois
dSPACE capteurs
DS1104 de tension
est utilisée poursont utilisés pour
implémenter la mesurededes
l’algorithme tensions développé
commande du réseau. sous
Une
carte dSPACE DS1104
MATLAB-Simulink avecestlautilisée
méthodepour implémenter
de résolution l’algorithme
d’Euler de premier deordre.
commande développé
sous MATLAB-Simulink avec la méthode de résolution d’Euler de premier ordre.
L’estimateur FV-FNA est implémenté
5 avec un coefficient d’apprentissage
2 η = 0, 028.
3
La même valeur est utilisée pour les tests de simulation
4 et les tests expérimentaux. Cette
valeur est ajustée expérimentalement tout en garantissant un bon compromis entre la
stabilité et la vitesse de convergence
10 de l’estimateur selon le critère établis dans (5.49).
Les paramètres de 7 simulation et d’expérimentation sont résumés dans le tableau 5.3. Les
références Udc−ref et Qref sont fixées, respectivement,
9 à 230 V et 0 Var.
8
5.3.6.2 Performances de la commande PDPC-FV au démarrage
1
Pour la plupart des algorithmes de 11 commande sans capteurs de tensions du réseau,
6
l’apparition de pics de courants lors du démarrage est inévitable. Pour y remédier, plu-
sieurs 5.27
Figure procédures de démarrage
: Photographie ont: 1)
du banc d’essai ététransformateur
proposées [172], [182].2) Bien
d’isolement, que de
résistances cesdéséquilibre,
procédures 3)
limitent les pics de courants au démarrage, elles requièrent une initialisation de la com-
résistances du filtre RL, 4) inductances du filtre RL, 5) onduleur triphasé, 6) résistance en série avec la source de
mande et induisent souvent une augmentation du temps d’établissement. La commande
PDPC-FV proposée ne requière aucune procédure de démarrage ni aucune initialisation.
34
139
ConversionConversion continu-alternatif
les un SHSER
SHSERs
5 2
3
4
10
7
9
8
1
11
6
Figure 5.27 : Photographie du banc d’essai : 1) transformateur d’isolement, 2) résistances de déséquilibre, 3)

Figure 5.27 : Photo du banc d’essai : 1) transformateur d’isolement, 2) résistances de déséquilibre,
résistances du filtre RL, 4) inductances du filtre RL, 5) onduleur triphasé, 6) résistance en série avec la source de
3) résistances du filtre RL, 4) inductances du filtre RL, 5) onduleur triphasé, 6) résistance en série
tension continu d’alimentation, 7) source de tension continu, 8) capteurs de courants, 9) capteurs de tension, 10)
avec la source
connecteur de tension
entrée/sortie continu
de la d’alimentation,
carte dSPACE 7) source +decarte
et 11) PC-Pentium tension continu,
dSPACE 8) capteurs de courants,
+ ControlDesk.
9) capteurs de tension, 10) connecteur entrée/sortie de la carte dSPACE et 11) PC-Pentium + carte
dSPACE + ControlDesk
Tableau 5.3 : Paramètres du circuit électrique et du circuit de commande utilisés pour la validation de
la commande PDPC-FV proposée
Paramètres Simulation Expérimentation
Tension nominale du bus continu, Udc (V) 230 230
Valeur efficace des tensions du réseau, (V) 55 55
Fréquence des tensions du réseau, f (Hz) 50 50
Résistance nominale du filtre RL, R (Ω) 1 1
Inductance nominale du filtre RL, L (mH) 10 10
Capacité du bus continu, C (mF) 3.3 3.3
Résistance en série avec la source continu, Rs (Ω) 12.33 12.33
Résistances de déséquilibre, Runb (Ω) 6 6
Période d’échantillonnage, Ts (µs) 50 80
Fréquence de la MLI, fsw (kHz) 7.5 15
En effet, elle permet d’avoir un démarrage rapide et sans pics de courants, et ceci même
sous un réseau déséquilibré. Cependant, pour éviter les pics de courants dans le réseau,
la boucle de régulation externe de tension du bus continu a été désactivée au démarrage.
Les figures 5.28 et 5.29 illustrent les résultats obtenus durant le démarrage sous un dés-
équilibre biphasé de 35% dans les phases a et b. Durant ce test, Pref et Qref sont fixés
respectivement à 500 W et 0 Var.
Initialement, à t < 0.527 s, le bloc MLI vectorielle est désactivé. A t = 0.527 s, le bloc
MLI vectorielle est activé, la commande PDPC-FV est ainsi enclenchée. À partir de la
figure 5.28(b), les courants sont établis rapidement où des formes sinusoïdales, stables et
sans dépassements sont obtenues. De plus, d’après la figure 5.28(c), l’estimateur FV-FNA
présente de bonnes performances dynamiques. Les deux composantes du FV atteignent
le régime permanent en moins de 10 ms. Les puissances P et Qn atteignent rapidement
leurs références (figure 5.28(d)). Cependant, la puissance Q oscille à une fréquence qui
correspond au double de la fréquence du réseau. La figure 5.29 illustre l’évolution de Udc
au démarrage. Lors du démarrage, cette tension passe de 294 V à 230 V. Comme la valeur
de Udc correspond à Udc−ref , la boucle de régulation externe peut être activée sans générer
de pics de courants.
Ainsi, ces résultats montrent que l’estimateur FV-FNA permet d’estimer avec précision
les composantes fondamentales du FV lors du démarrage. La stabilité de l’algorithme de
140
27
commande sans capteur proposée est également assurée même dans le cas d’un réseau
déséquilibré. Conversion continu-alternatif dans un SHSER
Démarrage
ea e (a)
100 c
Tension (V)
-100 e
b
i i ic (b)
a b
Courant (A)
0
-5
0.5 Ψα Ψβ (c)
Flux (Wb)
-0.5
P (W); Q&Q n (Var)
800
Pref P (d)
600
400
Q Qn
200
0
-200
0.5 0.55 0.6 0.65
Temps (s)
Figure 5.28 5.28

Figure : Résultats
: Résultats expérimentaux
expérimentaux de la commande
de la commande PDPC-FV PDPC-FV proposée
proposée lors lors duavec
du démarrage démarrage
une chuteavec
une chute de tension de 35% dans les phases a et b : (a) tensions du réseau, (b) courants du réseau,
de tension de 35 % dans les phases a et b : (a) tensions du réseau, (b) courants du réseau, (c) composantes αβ (c)
estimées du FV et (d) puissances active, puissance réactive et nouvelle
composantes αβ estimées du FV et (d) puissances active, puissance puissance
Conversion réactive.
réactive et nouvelle puissance
continu-alternatif dans un réactive
SHSER
320
Tension (V)
290 U
dc
260
230
200
0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
Temps (s)
Figure 5.29 : Évolution de la tension du bus continu lors du démarrage (expérimental).

Figure 5.29 : Évolution de la tension du bus continu lors du démarrage (expérimentation)
5.3.6.3 Comparaison entre la commande PDPC conventionnelle et la com-

mande PDPC-FV proposée
Dans ce test, nous comparons expérimentalement, sous les mêmes conditions, la com-
mande PDPC-FV proposée avec la commande PDPC conventionnelle dans le cas d’un
réseau déséquilibré. Les figures 5.30-5.33 montrent les résultats obtenus. Durant l’expéri-
mentation, un déséquilibre de 35% dans la phase a est appliqué. Les puissances réactives Q
et Qn dans, respectivement, la commande PDPC conventionnelle et la commande PDPC-
FV proposée sont régulées à une valeur nulle. La tension Udc est régulée à 230 V et la
tension E0 est fixée à 262 V.
La figure 5.30 montre les performances de la commande PDPC conventionnelle lors-
qu’un déséquilibre de 35% est appliqué à t = 1.7 s dans la phase a (figure 5.30(a)). La
141
28
figure 5.30(b) montre que, sous un réseau équilibré (t < 1.7 s), la forme d’onde des courants
injectés dans le réseau est sinusoïdale. Cependant, dans le cas d’un réseau déséquilibré (t
≥ 1.7 s), la forme d’onde des courants est fortement détériorée. Les figures 5.30(c) et (d)
montrent que P , Q et Udc suivent correctement leurs références même après l’application
du déséquilibre dans la phase a. La figure 5.31 montre le spectre harmonique du courant
ia obtenu par la commande PDPC conventionnelle dans le cas d’un déséquilibré dans la
phase a. Les courants résultants sont fortement distordus et possèdent un THD élevé.
Pour la phase a, un THD de 13.38% est obtenu. Cette valeur est inadmissible et dépasse
largement la limite imposée par la norme IEEE [191], qui est de 5%. De plus, a partir de
la figure 5.31(b), nous constatons que l’harmonique de rang 3 est très présente dans le
courant de la phase a, sont amplitude est de 12%. Ceci explique la forme triangulaire du
courant ia (figure 5.31(a)). Conversion continu-alternatif dans un SHSER
Déséquilibre
e e e (a)
100 a b c
Tension (V)
-100
ia i i (b)
Courant (A)
5 b c
-5
800
P (c)
P (W); Q (Var)
ref
600
400
P
200 Q
0
-200
260
U (d)
Tension (V)
dc-ref
230
U
dc
200
1.66 1.68 1.7 1.72 1.74 1.76 1.78 1.8
Temps (s)
Figure 5.30 : Performances de la commande PDPC conventionnelle lors de l’application d’un déséquilibre de 35
Figure 5.30 : Performances de la commande PDPC conventionnelle lors de l’application d’un déséquilibre
% dans la phase a (expérimentation) : (a) tensions du réseau, (b) courants du réseau, (c) puissances active et
de 35% dans la phase a (expérimentation) : (a) tensions du réseau, (b) courants du réseau, (c) puissances
réactive et (d) tension du bus continu.
active et réactive et (d) tension du bus continu
La figure 5.32 illustre les performances de la commande PDPC-FV lorsqu’un déséqui-

libre est appliqué à t = 1.178 s dans la phase a (figure 5.32(a)). Durant ce test, la puissance
réactive Q n’est pas utilisée dans la commande, elle est remplacée par Qn . En effet, la
puissance Q est calculée seulement pour être affichée. À partir de la figure 5.32(b), nous
constatons que les courants du réseau gardent une forme sinusoïdale malgré le déséqui-
libre. De même pour les composantes du FV estimées, elles restent sinusoïdales même
après le déséquilibre (figure 5.32(c)). Ces performances reviennent au fait que l’estima-
teur FV-FNA proposé estime et extrait uniquement les composantes fondamentales du
FV. Les figures 5.32(d) et (e) montrent que Udc , P et Qn sont parfaitement régulés à leurs
références. De plus, la figure 5.32(d) montre que Q et Qn sont superposées et proches de
zéro dans le cas du réseau équilibré (t < 1.178 s). Ceci prouve que dans ces conditions,
142
Figure 5.31 : Spectre harmonique du courant i obtenu avec la commande PDPC conventionnelle sous
Figure 5.31 : Spectre harmonique du courant aia obtenu avec la commande PDPC conventionnelle sous
un réseau déséquilibré : (a) courant i du réseau et (b) spectre harmonique.
un réseau déséquilibré : (a) courant iaa du réseau et (b) spectre harmonique
l’utilisation de la nouvelle puissance réactive n’affecte pas les performances de la com-

mande. Durant le déséquilibre de la phase a, la puissance Q oscille à une fréquence double
de celle du réseau, ce qui est en accord avec la théorie démontrée dans l’équation (5.67).
Ceci démontre que, sous un réseau déséquilibré, l’utilisation de la théorie P Q étendue est
plus appropriée que l’utilisation de la théorie P Q originale. Le spectre harmonique du
courant ia obtenu avec la commande PDPC-FV dans le cas d’un réseau déséquilibré est
donné par la figure 5.33. Comparé au THD obtenue avec la commande conventionnelle
(figure 5.31), il est clair que les harmoniques présents dans les courants du réseau sont
fortement atténués. En effet, le THD est réduit à 2.78%. Cette valeur reste acceptable et
largement inférieure à la limite des 5% [191].
À parti des figures 5.30-5.33, nous pouvons conclure que la commande PDPC-FV
proposée présente de très bonnes performances dans le cas d’un réseau déséquilibré.
5.3.6.4 Comparaison entre l’estimateur FV-SOGI et l’estimateur FV-FNA
Dans le but de démontrer la supériorité de l’estimateur FV-FNA proposé, une compa-

raison avec l’estimateur FV-SOGI est effectuée où à t = 1.272 s, un déséquilibre de 35%
est appliqué dans les phases a et b (figure 5.34(a)). La figure 5.34 montre les résultats
obtenus. Durant ce test, la commande PDPC-FV proposée est utilisée pour le contrôle
de l’onduleur. Entre-temps, l’estimateur FV-SOGI est implémenté en parallèle et directe-
ment alimenté par les tensions du réseau mesurées. Les figures 5.34(b) et (c) illustrent les
composantes αβ du FV estimées par l’estimateur SOGI-FV et par l’estimateur FV-FNA,
respectivement. Leurs amplitudes (|ψ|SOGI et |ψ|F N A ) sont données par la figure 5.34(d).
Sous un réseau équilibré (t < 1.272 s), les deux méthodes estiment correctement les compo-
santes du FV. En effet, ψα SOGI et ψβ SOGI sont, respectivement, superposées avec ψα F N A
et ψβ F N A (figure 5.34(b) et (c)). Cependant, dans le cas du réseau déséquilibré (t ≥ 1.272
s), l’amplitude |ψ|F N A présente moins d’oscillations que l’amplitude |ψ|SOGI . Les deux
méthodes d’estimation présentent un temps de réponse assez faible. Il est d’environ 20
ms.
143
31
Déséquilibre
ea eb ec (a)
100
Tension (V)
0
-100
ia ib ic (b)
Courant (A)
-5
0.4 Ψα Ψβ (c)
Flux (Wb)
0.2
0
-0.2
-0.4
800
P
P (W); Q (Var)
P ref (d)
600
400
200 Q Q
n
0
-200
260
U (e)
Tension (V)
U dc-ref
dc
230
200
1.14 1.16 1.18 1.2 1.22 1.24 1.26 1.28
Temps (s)
Figure
Figure5.325.32: Performances
: Performancesde la
decommande PDPC-FV
la commande proposée
PDPC-FV lors delors
proposée l’application d’un déséquilibre
de l’application de 35 %
d’un déséquilibre
dans la phase a (expérimentation) : (a) tensions du réseau, (b) courants du réseau, (c) FV estimé, (d) puissances
de 35% dans la phase a (expérimentation) : (a) tensions du réseau, (b) courants du réseau, (c) FV estimé,
active et réactive et (e) tension du bus continu.
(d) puissances active et réactive et (e) tension du bus continu
Figure 5.33 : Spectre harmonique du courant ia obtenu avec la commande PDPC-FV proposé sous un réseau
Figure 5.33 : Spectre harmonique du courant ia obtenu avec la commande PDPC-FV proposé sous un
déséquilibré : (a) courant ia du réseau et (b) spectre harmonique.
réseau déséquilibré : (a) courant ia du réseau et (b) spectre harmonique
144
32
Déséquilibre
e e (a)
100 a
Tension (V)
c
-100 eb
0.4 Ψβ SOGI (b)

Flux (Wb)
0.2
0
-0.2
Ψα SOGI
-0.4
0.4 Ψα ANF Ψβ ANF (c)
Flux (Wb)
0.2
0
-0.2
-0.4
0.3 |Ψ| (d)

Flux (Wb)
ANF
0.25
0.2
0.15 |Ψ|SOGI
1.22 1.24 1.26 1.28 1.3 1.32 1.34 1.36 1.38

Temps (s)
Figure 5.34 : Comparaison entre l’estimateur FV-SOGI et l’estimateur FV-FNA proposé lors de l’application
Figure 5.34 : Comparaison entre l’estimateur FV-SOGI et l’estimateur FV-FNA proposé lors de l’ap-
d'un déséquilibre de 35% dans les phases a et b (expérimentation) : (a) tensions du réseau, (b) FV estimé par FV-
plication d’un déséquilibre de 35% dans les phases a et b (expérimentation) : (a) tensions du réseau, (b)
SOGI, (c) FV estimé par FV-FNA et (d) amplitudes des FV estimés.
FV estimé par FV-SOGI, (c) FV estimé par FV-FNA et (d) amplitudes des FV estimés
5.3.6.5 Performances de la commande PDPC-FV dans le cas d’une variation

de Udc−ref
La figure 5.35 montre les performances de la commande PDPC-FV lors d’une variation
de Udc−ref sous un réseau déséquilibré. Durant ce test, le réseau est déséquilibré de 35%
dans la phase a. Udc−ref est régulé à 230 V et E0 est fixée à 266 V. Afin d’assurer un
fonctionnement à facteur de puissance unitaire, Qn est maintenue à une valeur nulle. A t
= 1.053 s, la référence Udc−ref passe 230V à 240V.
Comme montré sur la figure 5.35(e), le temps de réponse du système est assez rapide,
il est d’environ 0.07 s. Sur la figure 5.35(b), les courants du réseau restent sinusoïdaux,
malgré la variation brusque de Udc−ref et le déséquilibre dans la phase a. D’après la figure
5.35(c), les composantes αβ du FV estimées ne sont pas affecté par la variation Udc−ref et
restent sinusoïdales. La figure 5.35(d) montre que P et Qn sont parfaitement régulées à
leurs références et la puissance Q oscille à deux fois la fréquence du réseau. Il est à noter
qu’au moment du changement de Udc−ref , la puissance Pref connait une chute brusque
(figure 5.35(d)). Grâce à l’approche Deadbeat utilisée dans la commande PDPC-FV, la
puissance P suit rapidement sa référence. A cet instant, la chute de Pref est prévisible vu
que la majeure partie du courant fourni par la source de tension continue est absorbée par
la capacité C du coté continu pour se charger (voir la figure 5.26). Par conséquent, seule
une petite partie du courant généré est injectée dans le réseau avant la charge complète
de C.
À partir de ces résultats, nous pouvons conclure que la stratégie de commande proposée
présente de bonnes performances dans le cas d’une variation de Udc−ref et ceci même dans
le cas d’un réseau déséquilibré.
145
34
Conversion
Conversion continu-alternatif
les un SHSER
SHSERs
Variation de Udc-ref
ea eb e (a)
100
Tension (V)
c
-100
10 ia ib i (b)
Courant (A)
-10
0.4 Ψα (c)
Flux (Wb)
0.2
0
-0.2
Ψβ
-0.4
P (W); Q (Var)
800 Pref (d)

600
400 Q P
Q
200 n
0
-200
260
Udc-ref (e)
Tension (V)
240
220 Udc
1.02 1.04 1.06 1.08 1.1 1.12 1.14 1.16 1.18

Temps (s)
Figure 5.35 : Performances de la commande PDPC-FV suivant une variation en échelon de Udc ref sous un
Figure 5.35
déséquilibre : Performances
dans de la commande
la phase a (expérimentation) : (a) PDPC-FV suivant(b)
tensions du réseau, une variation
courants en échelon
du réseau, (c) FVdeestimé
Udc−ref
(d)
sous un déséquilibre dans la phase a (expérimentation)
puissances active et réactive et (e) tension du bus continu. : (a) tensions du réseau, (b) courants du réseau,
(c) FV estimé (d) puissances active et réactive et (e) tension du bus continu
5.3.6.6 Performances de l’estimateur FV-FNA dans le cas d’un réseau distordu

et déséquilibré
Dans ce test, les performances de la commande PDPC-FV ainsi que celles de l’estima-
teur neuronal FV-FNA sont évaluées par simulation dans le cas d’un réseau déséquilibré
et distordu. Les figures 5.36 et 5.37 montrent les résultats de simulation obtenus. Durant
ce test, à t = 2.5 s, les tensions déséquilibrées du réseau (35% dans la phase a et b) sont
polluées par 10% des composantes harmoniques d’ordre 5 et 7 (figure 5.36(a)). Udc−ref
est maintenue à 230V, E0 est fixée à 257 V et Qn est régulée à 0 Var. À partir de la
figure 5.36(b), il est clair que les courants du réseau sont de formes d’ondes sinusoïdales.
De plus, une meilleure estimation des composantes du FV et une bonne atténuation des
harmoniques sont atteintes. Sur la figure 5.36(c), l’estimateur neuronal proposé fourni des
composants du FV (ψα et ψβ ) de formes sinusoïdales et sans aucune influence notable
des perturbations harmoniques. En effet, comme l’estimateur FV-FNA est conçu à la fré-
quence fondamentale des tensions du réseau, les composantes du FV sont bien filtrées.
Sur les figures 5.36(d) et (e), les grandeurs P , Qn et Udc sont parfaitement régulées à leurs
valeurs de référence. Q oscille à deux fois la fréquence du réseau. Pour mieux évaluer les
performances de l’estimateur proposé, la figure 5.37 montre le THD du courant ia dans le
cas d’un réseau distordu et déséquilibré. Le THD obtenu est de 3.09%. Cette valeur reste
acceptable au regard de la limite des 5% tolérée par les recommandations de la norme
IEEE [191].
146
35
5.4 Conclusion Conversion continu-alternatif dans un SHSER
Perturbations harmoniques
eb (a)
100
Tension (V)
0
-100 e ec
a
10 ib (b)
Courant (A)
ia ic
-10
0.4 Ψα Ψβ (c)
Flux (Wb)
0.2
0
-0.2
-0.4
800
P
P (W); Q (Var)
P ref (d)
600
400
Q Qn
200
0
-200
232
(e)
Tension (V)
U U
dc-ref dc
230
228
2.46 2.48 2.5 2.52 2.54 2.56 2.58 2.6
Temps (s)
Figure 5.36 : Résultats de simulation de l’estimateur ANF-FV dans le cas d’un réseau déséquilibré (déséquilibre
Figure : Résultats
5.36les
de 35 % dans phases a etdeb) simulation
et distordue de l’estimateur
(avec FV-FNA dans
10% des harmoniques le 5cas
d’ordre d’un
et 7) : (a)réseau déséquilibré
tensions du réseau,
(déséquilibre de 35% dans les phases a et b) et distordue (avec 10% des harmoniques d’ordre 5 et 7)et:
(b) courants du réseau, (c) FV estimé, (d) puissances active, puissance réactive et nouvelle puissance réactive
(a) tensions
(e) tension dudu
busréseau,
continu.(b) courants du réseau, (c) FV estimé, (d) puissances active, puissance réactive
et nouvelle puissance réactive et (e) tension du bus continu
5.4 Conclusion
Dans ce chapitre, nous nous sommes intéressés à l’étude de la conversion continu-
alternatif où deux nouvelles méthodes de commande ont été proposées. La première mé-
thode est destinée à la commande d’un onduleur monophasé isolé du réseau et la seconde
méthode est destinée à un onduleur triphasé connecté au réseau. Initialement, une com-
mande dq utilisant un nouveau OSG, basé sur un ADALINE, est développée pour la
commande d’un onduleur monophasé à MLI isolé du réseau. En plus de la génération
du signal orthogonal, l’OSG proposé est capable de filtrer le signal réel et celui ortho-
gonale, de générer directement les composantes d’axes d et q, et d’identifier le résidu
harmonique. L’OSG développé a rendu la commande dq indépendante de la fréquence de
fonctionnement et des paramètres du système. De plus, il n’introduit aucune dynamique
supplémentaire dans le système. La commande dq résultante s’est révélée être plus per-
formante par rapport à la commande dq conventionnelle. Un temps de réponse faible, des
formes d’ondes sinusoïdales et des THDs insignifiants ont été constatés durant les diffé-
rents tests expérimentaux effectués de la commande proposée. Par la suite, une commande
PDPC-FV est mise en œuvre pour le contrôle d’un onduleur triphasé à MLI connecté au
réseau où un nouveau estimateur FV-FNA est développé. Cette nouvelle approche a per-
147
36
Figure 5.37 : Spectre harmonique du courant ia dans le cas d’un réseau déséquilibré (déséquilibre de 35 % dans
Figure
les a et :b)Spectre
phases5.37 harmonique
et distordu (avec 10%dudescourant ia dans
harmoniques le cas5 d’un
d’ordre et 7) :réseau déséquilibré
(a) courant (déséquilibre
ia du réseau de
et (b) spectre
35% dans
harmonique. les phases a et b) et distordu (avec 10% des harmoniques d’ordre 5 et 7) : (a) courant ia du
réseau et (b) spectre harmonique
mis d’éliminer l’effet négatif des tensions distordues et déséquilibrées du réseau sur les
performances du système commandé. Dans l’estimation du FV, un intégrateur émulé est
utilisé pour l’estimation des composantes αβ du FV. Ensuite, deux FNAs sont exploités
pour l’extraction des composantes fondamentale du FV. Différents tests de simulation et
d’expérimentation ont été effectués. Des tests de comparaison avec la commande PDCP
conventionnelle et avec un estimateur FV-SOGI ont été réalisés. Les résultats obtenus
ont montré que la commande PDPC-FV proposé permet d’obtenir un fonctionnement
approprié de l’onduleur même dans le cas d’un réseau déséquilibré et/ou distordu.
Les performances obtenues dans ce chapitre ont montré que les deux méthodes pro-
posées assurent une parfaite conversion continu-alternatif. Les différentes exigences de
fonctionnement des SHSERs (isolé ou connecté au réseau) ont ainsi été satisfaites. En
conséquence, les deux commandes proposées dans ce chapitre peuvent facilement être in-
tégrées dans des SHSERs. Par ailleurs, il est à noter que c’est l’onduleur monophasé avec
sa commande dq proposée qui sera retenu pour être insérer dans le SHSER étudié dans le
prochain chapitre.
37
148
Chapitre 6
Mise en œuvre et gestion énergétique

du système hybride PV/éolien/
batteries
Résumé : Ce chapitre est consacré à la mise en œuvre et à la simulation du système hybride

complet PV/éolien/batteries. Ce système est destiné à répondre aux besoins énergétiques d’un
habitat individuel en site isolé avec une puissance de consommation moyenne de quelques cen-
taines de Watts. Initialement, nous proposons d’associer, dans un même fonctionnement, les
différents sous-systèmes étudiés aux chapitres précédents, à savoir, un système PV, un système
éolien, un système de stockage et un système de conversion continu-alternatif. Afin de montrer
l’efficacité du système hybride et tester l’interaction entre les différents algorithmes de commande
développés, plusieurs tests de simulation sont effectués sous des conditions de fonctionnement
extrêmes. En effets, les performances du système global sont mises à l’épreuve avec des varia-
tions en échelon appliquées aux niveaux des entrées de chacun des sous-systèmes. Des variations
brusques de l’ensoleillement, de la vitesse du vent et de la charge à la sortie de l’onduleur sont
considérées. Les résultats obtenus ont montrés que le système hybride considéré répond de ma-
nière très satisfaisante aux exigences de fonctionnement d’un SHSER en site isolé. Par la suite,
une stratégie de gestion de l’énergie produite et consommée dans le système hybride est mise en
œuvre. Plusieurs modes de fonctionnement et divers scénarios sont considérés. Dans le but de
montrer l’efficacité de cette stratégie, le fonctionnement du système hybride est examiné sous
différents angles. Les résultats obtenus ont montré que la stratégie de gestion d’énergie proposée
a permis d’aboutir à une gestion optimale des transferts d’énergie et au respect des plages de
fonctionnement des différents éléments du système hybride.
Mise en œuvre et gestion énergétique du système hybride PV/éolien/ batteries
Sommaire
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.2 Architecture globale du système hybride PV/éolien/ batteries151
6.3 Mise en œuvre et simulation du système hybride . . . . . . . 153
6.3.1 Influence de la connexion et déconnexion d’une charge sur le
fonctionnement du système hybride . . . . . . . . . . . . . . . . 154
6.3.2 Influence des variations de la vitesse du vent sur les performances
du système hybride . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.3.3 Influence des variations de l’irradiance solaire sur les perfor-
mances du système hybride . . . . . . . . . . . . . . . . . . . . 159
6.4 Stratégie de gestion de l’énergie dans le système hybride . . 161
6.4.1 Modes de fonctionnement du SHSER étudié . . . . . . . . . . . 162
6.4.2 Stratégie de gestion d’énergie développée . . . . . . . . . . . . . 163
6.4.3 Analyse du fonctionnement global du système hybride et des
performances de la stratégie de gestion d’énergie proposée . . . 164
6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
150
6.1 Introduction
6.1 Introduction
Ce chapitre a pour objectif la mise en œuvre et la simulation du système hybride com-
plet PV/éolien/batteries en site isolé. En vue de construire ce SHSER, les deux systèmes
à EnRs étudiés précédemment, à savoir le système PV (Chapitre 2) et le système éo-
lien (Chapitre 3), sont raccordés au bus continu du dispositif de stockage traité dans le
Chapitre 4. Le dispositif de stockage est utilisé afin de combler le caractère aléatoire des
deux sources à EnRs et de permettre une gestion optimale de l’énergie produite dans le
système. L’onduleur monophasé à MLI, traité dans le Chapitre 5, est également connecté
au bus continu du système hybride pour l’alimentation des différentes charges de nature
alternatives. Comme application, un habitat individuel en site isolé avec une puissance de
consommation d’une valeur moyenne de quelques centaines de Watts est considéré. L’ar-
chitecture d’un SHSER avec bus continu est adoptée pour ce système hybride. Ce choix
revient au fait que parmi les trois sources d’énergies utilisées, deux d’entre elles génèrent
des courants continus. De plus, cette architecture se caractérise par sa simplicité de mise
en œuvre et de contrôle.
Les différentes stratégies de commandes développées tout au long des chapitres précé-
dents seront conjointement appliquées pour tester les performances du SHSER considéré.
Ces commandes se déclinent principalement en quatre fonctions : deux commandes de
maximisation de la puissance extraite appliquées aux systèmes PV et éolien, une com-
mande pour le contrôle du flux d’énergie dans les batteries de stockage et la régulation
de la tension du bus continu et une commande appliquée au dispositif de conversion
continu-alternatif. Par ailleurs, une stratégie de gestion de l’énergie produite et de l’éner-
gie consommée dans le SHSER sera développée à la fin de ce chapitre. Cette stratégie a
principalement pour but de garantir un rendement maximal de l’installation hybride, une
meilleure gestion des transferts d’énergie et le respect des plages de fonctionnement des
différents éléments du système hybride, en particulier les batteries de stockage.
Afin de montrer l’efficacité du SHSER et vérifier l’interaction entre les différents sous-
systèmes, plusieurs tests de simulation sont effectués sous des conditions de fonctionne-
ment extrêmes. En effet, les performances du système global sont testées avec des va-
riations en échelon apprêtées aux niveaux des entrées de chacun des sous-systèmes. Par
ailleurs, la stratégie de gestion d’énergie développée dans ce chapitre est testée pour diffé-
rents scénarios de fonctionnement. Les deux modes de fonctionnement normal et dégradé
sont examinés. Les résultats obtenus ont montré que le SHSER étudié répond parfaitement
aux exigences de fonctionnement d’un système hybride en site isolé.
6.2 Architecture globale du système hybride PV/éolien/

batteries
La figure 6.1 présente la configuration adoptée du SHSER autonome. Cette confi-
guration se compose d’un système de conversion de l’énergie solaire, d’un système de
conversion de l’énergie éolienne, d’un système de stockage et d’un système de conversion
continu-alternatif. Un ensemble de convertisseurs sont utilisés afin d’optimiser la pro-
duction énergétique de chaque sous-système et d’assurer les échanges de puissance dans
le SHSER. Ainsi, un hacheur Boost est utilisé pour maximiser la puissance extraite du
champ PV. Une MSAP et un redresseur triphasé à MLI sont exploités pour la maximisa-
151
tion de la puissance éolienne et son adaptation à l’architecture du SHSER à bus continu.

Un hacheur Buck-Boost bidirectionnel est utilisé pour réguler la tension du bus continu et
assurer la charge et la décharge des éléments de stockage. Enfin, un onduleur monophasé
à MLI est utilisé pour assurer la conversion continu-alternatif dans le système.
Par ailleurs, un ensemble de commandes spécifiques à chacun des sous-systèmes et une
Mise en œuvre et gestion énergétique du système hybride PV/éolien/batteries
stratégie de gestion de l’énergie produite sont employés afin d’assurer un fonctionnement
optimal du système hybride.
Conversion de l’énergie éolienne Dispositif de stockage

Turbine
Redresseur I Bus continu Buck-Boost
dc-eol Ib
Génératrice
ia + Idc-b
Batteries
ib
MSAP Udc Udc Vb
ic Cdc
R –
e
c
t
Champ PV Hacheur Boost Onduleur
i Idc-pv Idc-ond
I ich
f
Charge CA
i
e V Udc Udc v
r
Conversion de l’énergie solaire Conversion continu-alternatif

Figure 6.1. Architecture global du système hybride PV/éolien/batteries.
Figure 6.1 : Architecture globale du système hybride PV/éolien/batteries
D’un point de vu capacité, le SHSER étudié est composé :

• d’un champ PV de 1040 W (4 panneaux IFRI260-60 d’une puissance nominale de
260 W chacun, connectés en série) ;
• d’un générateur éolien d’une puissance nominale de 412 W à 10 m/s ;
• d’un pack de batteries de capacité nominale 600 Ah (6 batteries plomb-acide type
VRLA de 12V 100Ah chacune) ;
• d’un bus continu dont la tension doit être maintenue à 350 V ;
• d’une charge toujours connectée ;
• d’une résistance chauffante considérée comme une charge auxiliaire pour dissiper le
surplus de production.
Concernant le profil de charge, l’application considérée dans cette étude correspond à
une charge de type habitat individuel en site isolé. Une puissance moyenne de consom-
mation d’une valeur de 5.5 kWh par jour est ainsi considérée.
Le système de stockage est dimensionné de telle manière à assurer à l’utilisateur une
autonomie énergétique d’une journée. En outre, le pack de batteries est capable de fournir
une puissance de 5.5 kWh, et ce pour une profondeur de décharge maximale des batte-
ries de 70 %. Cette profondeur de décharge est choisie en fonction des recommandations
relatives à la technologie VRLA de type plomb-acide utilisée. En effet, afin de garantir
une durée de vie satisfaisante des batteries utilisées, le rapport entre la capacité présente
152
6.3 Mise en œuvre et simulation du système hybride
à l’intérieure de la batterie et sa capacité nominale, doit toujours se situé entre 30 et 100

% de leurs capacité maximale.

Jusqu’ici, les différents blocs constituant le système hybride ont été étudiés séparément
et les commandes associées ont été testées sans tenir compte des contraintes des uns sur
les autres. Dans le système hybride montré par la figure 6.1, les échanges de puissance
entre les différentes sources sont effectués via le bus continu commun. Ceci peut donc
engendrer une grande influence sur la forme et la valeur de la tension de ce bus. En effet,
cette mise en parallèle des éléments du système fait apparaitre des éléments de couplage
représentés par la tension commune du bus continu et les courants continus fournis ou
absorbés au niveau de chaque bloc.
La figure 6.2 montre le schéma synoptique de simulation du hacheur Buck-Boost qui
assure la régulation de la tension du bus continu par une gestion des échanges de puissance
entre les différents blocs et le condensateur Cdc du bus continu. A partir de la figure 6.2,
nous constatons que ce condensateur est traversé par quatre courants et qui sont respecti-
vement Idc−b , Idc−ond , Idc−eol et Idc−pv . L’équation traduisant le fonctionnement dynamique
du bus continu s’exprime en fonction de ces quatre courants de la façon suivante :
Z
1
Udc = (Idc−b − Idc−ond − Idc−eol + Idc−pv )dt (6.1)
CMise
dc en œuvre et gestion énergétique du système hybride PV/éolien/batteries
Ib
L
+
+
_ Udc
Vb s Udc-ref
_ 1-D Régulation du
× Udc
(1-D)Udc bus continu
Idc-b
+ × Ib
Udc 1 IC – Idc-ond
Cdc s – Idc-eol
+ Idc-pv
Figure 6.2. Schéma synoptique de simulation du hacheur Buck-Boost et représentation des différents courants
Figure 6.2 : Schéma synoptique de simulation du hacheur Buck-Boost et représentation des différents
affluant au bus continu.
courants affluants au bus continu
Les performances du système global dépendent des techniques de contrôle de chacun

de ces courants. Les insuffisances des bandes passantes des régulateurs qui leurs sont
associés sont des facteurs prépondérants qui peuvent impacter la stabilité du système
global notamment dans le cas de perte d’informations concernant la charge alimentée
et/ou les conditions climatiques. Par conséquent, la simulation du système global est
primordiale pour mesurer le degré d’interaction et l’influence mutuelle des différents blocs
en fonction des puissances mise en jeu. Cela permet aussi d’examiner les contraintes
engendrées par le fonctionnement simultané dans différents scenarios de fonctionnement
comme une variation brusque de l’ensoleillement, variation brusque du vent ou encore
153
durant la connexion ou déconnexion de la charge. Les différentes stratégies de commande

développées dans les chapitres précédents doivent assurer une bonne stabilité du système
global et permettre de satisfaire en permanence la demande en puissance requise par la
charge sous une tension sinusoïdale conforme.
Pour mener correctement cette simulation et mettre à l’épreuve les performances du
système global, des variations en échelon ont été imposées aux niveaux des entrées de
chacun des blocs à des instants bien déterminés. Nous débuterons par observer l’influence
de la connexion et la déconnexion instantanée d’une charge à la sortie de l’onduleur
monophasé tout en maintenant les puissances générées constantes au niveau des deux
sources renouvelables, puis nous enchaineront par une variation brusque de la vitesse du
vent sur les pales de l’éolienne. Lors de ce test, la puissance produite par le sous-système
PV et celle consommée par la charge sont maintenues constantes. Nous terminerons ce
test par un changement brusque de l’ensoleillement.
6.3.1 Influence de la connexion et déconnexion d’une charge sur

le fonctionnement du système hybride
Une étude particulière doit être accordée à ce cas de figure puisque cette perturbation
est fréquemment rencontrée en pratique. La figure 6.3 montre le schéma synoptique de
simulation de l’onduleur monophasé à MLI dédié à l’alimentation des charges à courant
alternatif. La commande dq, développée au Chapitre 5, a été proposée dans l’optique
de génération d’une tension alternative de haute qualité à savoir une tension monophasée
quasi-sinusoïdale avec une amplitude et une fréquence constantes. Toutefois, la connexion
de charges en sortie de l’onduleur induira un courant fortement perturbé du côté continu.
En effet, le courant Idc−ond du côté continu est un courant pulsant. Sa valeur moyenne
est positive et dépend de la charge connectée. Cette forme fluctuante de courant aura
indubitablement un impact négatif sur la tension du bus continu du fait de la présence
de la composante basse fréquence.
i L ich
iC
+ D
R
s _ Rch
v
Udc
Vin C
Algorithme de ×
commande βref
Charge non linéaire
i × Idc-ond
Figure 6.3. Schéma synoptique de simulation de l'onduleur monophasé à MLI avec reconstitution du courant
Figure 6.3 : Schéma synoptique de simulation de l’onduleur monophasé à MLI avec reconstitution du
côté continu.
courant côté continu
Le courant Idc−ond agissant sur la décharge du condensateur Cdc du bus continu peut
être reconstitué et injecté à l’entrée de celui-ci en égalisant la puissance instantanée
consommée du côté alternatif avec celle consommée du côté continu :
Vin i βref Udc i

P = Vin i = Udc Idc−ond ⇒ Idc−ond = = = βref i (6.2)
Udc Udc
154
Pour percevoir l’influence de la charge sur le fonctionnement global, le test de simula-

tion est mené sous un éclairement solaire constant (G = 800 W/m2). Ceci correspond à
une puissance générée de 832 W. La vitesse du vent est fixée à 10 m/s et le système éolien
produit une puissance nette de −368 W. Une charge fortement non linéaire, consommant
une puissance moyenne de 1050 W est connectée. Cette charge est constituée par une
résistance Rch = 25 Ω en série avec une diode (voir la figure 6.3). Elle est connectée aux
bornes de l’onduleur à t = 0.8 s puis déconnectée à t = 1 s.
Les figures 6.4(a), (b) et (c) montrent, respectivement, les formes d’ondes du courant
Idc−ond , de la tension Udc du bus continu et de la tension alternative v à la sortie de
l’onduleur, obtenues en absence et en présence de la charge non linéaire. Comme nous
pouvons le constater sur la figure 6.4(a), en présence de la charge, le courant Idc−ond est
de valeur moyenne positive mais fortement ondulé et pulse à une fréquence de 50 Hz.
Cette forme de courant reporte des ondulations sur la tension au niveau du bus continu
comme ceci est observé sur la figure 6.4(b). En effet, Udc est plus ou moins affectée par
le courant Idc−ond absorbé et sa dégradation sera plus accentuée aux fortes charges. Par
contre, la tension alternative v à la sortie de l’onduleur, illustrée par la figure 6.4(c), reste
sinusoïdale et non affectée par la perturbation de Udc . Ceci montre que la commande de
l’onduleur reste robuste vis-à-vis des perturbations amorcées aux niveaux de la charge.
15 (a)
10
Courant (A)
5
0
-5
-10
-15
0.7 0.75 0.8 0.85 0.9 0.95 1 1.05 1.1
380
(b)
Udc-ref
360
Tension (V)
340
Udc
320
300
0.7 0.75 0.8 0.85 0.9 0.95 1 1.05 1.1
400
(c)
200
Tension (V)
-200
-400
0.7 0.75 0.8 0.85 0.9 0.95 1 1.05 1.1
Temps (s)
Figure 6.4. Performances de l'onduleur à la connexion et déconnexion de la charge non linéaire : (a) courant
Figure 6.4 : Performances de l’onduleur à la connexion et déconnexion de la charge non linéaire : (a)
côté continu, (b) tension du bus continu et (c) tension alternative à la sortie de l'onduleur.
courant côté continu, (b) tension du bus continu et (c) tension alternative à la sortie de l’onduleur
La figure 6.5 met en évidence l’effet de la connexion et la déconnexion de la charge sur le

fonctionnement des deux algorithmes MPPTs des systèmes PV et éolien, respectivement.
D’après ces résultats, nous constatons que la tension V aux bornes des panneaux PVs
n’est que très légèrement affectée par l’ondulation du bus continu (voir la figure 6.5(a)).
Son ondulation n’est que de l’ordre de 0.1 V. Même constat pour le courant I où le
155
taux d’ondulation induit par la connexion de la charge reste négligeable (voir la figure
6.5(b)). Donc pour le sous-système PV, une connexion ou déconnexion d’une charge, à
n’importe quel instant, ne pose pas de problèmes significatifs sur la qualité des signaux et
sur le fonctionnement de l’algorithme MPPT. L’influence de la charge sur le sous-système
éolien est examinée à travers le coefficient de puissance Cp donné par la figure 6.5(c). Nous
constatons que ce coefficient reste maximal et imperturbable malgré les changements qui
sont opérés au niveau de la Mise
charge. Ceciet s’explique
en œuvre par ladudynamique
gestion énergétique lente
système hybride de l’éolienne
PV/éolien/batteries
en comparaison à celle du bus continu.
129
(a)
128.5
Tension (V)
128
127.5
127
0.7 0.75 0.8 0.85 0.9 0.95 1 1.05 1.1
6.5
(b)
6.47
Courant (A)
6.42
6.37
0.7 0.75 0.8 0.85 0.9 0.95 1 1.05 1.1
0.44
(c)
0.438
0.437
0.436
0.7 0.75 0.8 0.85 0.9 0.95 1 1.05 1.1
Temps (s)
Figure
Figure6.5.6.5 : Influence
Influence de
de la
la connexion
connexion et
et déconnexion
déconnexion de
de la
la charge
charge non
non linéaire
linéaire sur
sur les performances des
les performances des
systèmes PV et éolien : (a) tension aux bornes des panneaux PVs, (b) courant dans les panneaux PVs et (c)
systèmes PV et éolien : (a) tension aux bornes des panneaux PVs, (b) courant dans les panneaux PVs et
coefficient de puissance de l'éolienne.
(c) coefficient de puissance de l’éolienne
6.3.2 Influence des variations de la vitesse du vent sur les perfor-

mances du système hybride
En pratique, le vent soufflant sur les pales de l’éolienne dispose d’un spectre de vitesse
très large et la densité de puissance qui est proportionnelle au cube de cette dernière varie
dans le temps. Il est donc nécessaire de voir l’effet de ces variations sur les performances
du système global. La figure 6.6 donne le synoptique du schéma de simulation de la chaine
de conversion éolienne. Nous constatons que le sous-système éolien opère son influence sur
le système global par l’intermédiaire du courant Idc−eol induit du côté continu. Ce bloc
éolien est lui-même influencé par l’intermédiaire de la valeur de Udc puisque cette dernière
entre dans la génération des rapports cyclique du redresseur.
Aux pertes joules et frottements près, l’expression de Idc−eol peut être obtenue en
égalisant la puissance électromagnétique avec celle disponible du côté continu comme
suit :
156
Cem Ω
Cem Ω = Udc Idc−eol ⇒ Idc−eol = (6.3)
Udc
En négligeant les pertes par frottements, le couple électromagnétique s’obtient par la
somme du couple mécanique Cm sur l’arbre de la turbine et du couple inertiel JdΩ/dt.
Finalement, le courant Idc−eol s’écrit de la façon suivante :
J dΩ Ω + Cm Ω J dΩ Ω + Peol
Idc−eol = dt
= dt (6.4)
Udc Udc
D’après l’expression (6.4), nous constatons que pour des faibles variations de vent,
impliquant des variations faibles de la vitesse, l’effet de l’inertie peut être négligé et la
forme du courant Idc−eol est l’image de la puissance Peol véhiculée par le vent. Dans ce cas,
l’influence du sous-système éolien sur les performances du système global sera mineure vue
la dynamique rapide du bus continu. Par contre, dans le cas des changements brusques
de la vitesse du vent, l’effet de l’inertie peut être prépondérant et peut induire des pics
dans le courant qui se répercutent sur la qualité de la tension Udc .
Udc
Vitesse du
Turbine Cm vabc Idc-eol
vent Redresseur
éolienne MSAP
MLI
βabc
Commande Cem-ref Commande

MPPT vectorielle
Figure 6.6. Schéma synoptique de simulation du sous-système éolien.

Figure 6.6 : Schéma synoptique de simulation du sous-système éolien
Pour valider ce cas de figure par simulation, nous supposons que le sous-système PV
fonctionne sous un éclairement constant G = 800 W/m2, ce qui correspond à une puis-
sance générée Ppv de 823 W. La charge connectée reste non linéaire est toujours identique
à celle utilisée précédemment. Elle consomme une puissance Pch = 1050 W. En revanche,
à t = 2 s, la vitesse du vent passe de 8 m/s à 12 m/s puis redescend à sa valeur initiale
à t = 3.5 s. La figure 6.7(a) montre l’évolution de la vitesse de rotation de la MSAP
en réponse au changement de la vitesse du vent. Nous constatons que cette vitesse suit
parfaitement la vitesse de rotation de référence en régime permanent. Le temps de ré-
ponse à la perturbation est d’environ 0.27 s. Ceci confirme l’efficacité de l’algorithme de
maximisation de puissance utilisé et la bonne régulation de la vitesse de rotation de la
MSAP. La figure 6.7(b) montre le coefficient de puissance Cp de la turbine éolienne. Nous
constatons que cette grandeur est tout le temps égale à sa valeur optimale hormis les
instants d’application de la perturbation où une dégradation du coefficient de puissance
est observée. Ces instants correspondent bien aux variations de la vitesse du vent.
La figure 6.8(a) montre l’allure du courant Idc−eol à la sortie du redresseur MLI. Sa
valeur prend des proportions importantes lors des variations de la vitesse du vent. Nous
remarquons que ce courant devient même positif lors de la variation positive de la vitesse.
157
Mise en œuvre et Mise
gestion énergétique
en œuvre et gestion du système
énergétique duhybride PV/éolien/
système hybride batteries
Coefficient de puissance Vitesse mécanique (rad/s)

120 Vitesse de rotation de réference (a)
105
Vitesse de rotation
90
75
60
1.5 2 2.5 3 3.5 4 4.5 5
0.5
Coefficient de puissance optimal (b)
0.47
0.43
0.39
0.35
0.31 Coefficient de puissance
0.27
1.5 2 2.5 3 3.5 4 4.5 5
Temps (s)
Figure 6.7.
Figure 6.7Performances du sous-système
: Performances éolienéolien
du sous-système sous une
sousvariation en échelon
une variation de la vitesse
en échelon de laduvitesse
vent : du
(a) vitesse
vent :
de rotation de la MSAP et (b) coefficient de puissance.
(a) vitesse de rotation de la MSAP et (b) coefficient de puissance
Dans ce cas précis, la MSAP fonctionne en moteur et puise une partie de l’énergie, depuis
les batteries de stockage, pour vaincre l’effet de l’inertie. A l’instant t = 3.5 s, lors de la
variation négative de la vitesse, la machine restitue une partie de son énergie inertielle et
le courant affiche un pic négatif. Les dépassements de courant engendrés par les variations
soudaines de la vitesse du vent influent sur la tension du bus continu comme il peut être
constaté sur la figure 6.8(b). En effet, en régime permanent, la tension Udc oscille autour
de sa référence qui est de 350 V. Par ailleurs, lors de l’accélération (décélération) du
vent, l’amplitude de ces oscillations se renforcent (diminue). Ainsi, à l’augmentation de
la vitesse du vent, une chuteMise
de en
la œuvre
tension du bus continu, atteignant une valeur de 325
et gestion énergétique du système hybride PV/éolien/batteries
V, est à signaler.
6
(a)
4
Courant (A)
2
0
-2
-4
1.5 2 2.5 3 3.5 4 4.5 5
380
(b)
Udc-ref
360
Tension (V)
340
Udc
320
300
1.5 2 2.5 3 3.5 4 4.5 5
Temps (s)
Figure 6.8. Influence du changement de la vitesse du vent sur la tension du bus continu : (a) courant du
Figure 6.8 : Influence du changement de la vitesse du vent sur la tension du bus continu : (a) courant
redresseur à MLI côté continu et (b) tension du bus continu.
du redresseur à MLI côté continu et (b) tension du bus continu
158
7
6.3.3 Influence des variations de l’irradiance solaire sur les per-

formances du système hybride
La puissance produite par un système PV est de nature intermittente et dépend beau-
coup des conditions météorologiques. L’augmentation de l’irradiance solaire se traduit,
respectivement, par une augmentation du courant PV et de la puissance produite. Il est
donc intéressant de tester les performances du système global dans le cas d’une variation
de l’irradiance solaire G au niveau du sous-système PV et voir l’effet de ses appels de
puissance sur le système global. Comme nous pouvons le constater sur la figure 6.9, don-
nant le schéma synoptique du sous-système PV, lors des variations de l’irradiance, le flux
de puissance remonte au bus continu par l’intermédiaire du courant Idc−pv exprimé par :
Idc−pv = (1 − α)I (6.5)

où α est le signal de commande du hacheur Boost.
Le courant I circulant dans les panneaux PVs est fonction de la tension du bus continu.
Il peut être affecté par une détérioration de l’allure de Udc . Ce courant est exprimé par :
Z
Mise en 1
œuvre et gestion énergétique du système hybride PV/éolien/batteries
I= (V − (1 − α)Udc )dt (6.6)
L
où L est l’inductance d’entrée du hacheur Boost.
I
L
+ +
G I I V
_ s Udc
s _
Modèle des V 1-α Algorithme
panneaux PVs (1-α)Udc × MPPT (INRE)
Idc-pv × I
Figure 6.9. Schéma synoptique de simulation du sous-système PV et reconstitution du courant Idc-pv.

Figure 6.9 : Schéma synoptique de simulation du sous-système PV et reconstitution du courant Idc−pv
Pour tester par simulation l’impact de la variation de l’irradiance G sur le fonction-

nement global du SHSER, nous considérons une vitesse de vent constante de 10 m/s,
impliquant une puissance produite nette de −368 W. La puissance moyenne consommée
par la charge non linéaire reste à 1050 W. En revanche, à t = 1 s, G passe de 500 à 1000
W/m2 puis revient à sa valeur initiale à t = 1.5 s.
Les figures 6.10(a) et (b) montrent, respectivement, la tension V et le courant I des
panneaux PVs. Aux régimes établis, nous constatons que ces deux grandeurs sont dépour-
vues d’oscillations. Aux instants t = 1 s et t = 1.5 s, correspondant à l’application des
échelons de l’irradiance, des pics de tension et du courant peuvent être observés.
La figure 6.11 montre l’évolution du courant à la sortie du hacheur Boost et de la
tension du bus continu dans le cas de variations en échelon de G. La figure 6.11(a) montre
l’allure du courant de sortie Idc−pv du sous-système PV. Des oscillations de très faibles
amplitudes peuvent être observées dans ce courant. Rappelons que ces oscillations sont
induites par le sous-système de conversion continu-alternatif. La figure 6.11(b) illustre
159
Mise en œuvre et Mise en œuvre
gestion et gestion du
énergétique énergétique
système du hybride
système hybride PV/éolien/batteries
PV/éolien/ batteries
150 (a)
120
Tension (V)
90
60
30
0
0.5 0.75 1 1.25 1.5 1.75 2
9
(b)
8
Courant (A)
7
6
5
4
3
0.5 0.75 1 1.25 1.5 1.75 2
Temps (s)
Figure 6.10. Grandeurs de sortie du sous-système PV sous variations de l'irradiance : (a) tension aux bornes des
Figure 6.10 : Grandeurs de sortie du sous-système PV sous variations de l’irradiance : (a) tension aux
panneaux PVs et (b) courant de sortie des panneaux PVs.
bornes des panneaux PVs et (b) courant de sortie des panneaux PVs
l’allure de la tension Udc ainsi que sa référence Udc−ref . Nous constatons qu’hormis les
oscillations induites par le sous-système de conversion continu-alternatif, la tension du
bus continu est correctement régulée. En effet, sa valeur moyenne est d’environ 350 V.
Par ailleurs, il est à noter que l’amplitude de ces oscillations diminue lors de l’augmentation
de G.
En guise de conclusion, nous pouvons dire que le système hybride global reste stable
et très peu impacté par les variations de l’irradiance solaire.
4
(a)
Courant (A)
0.5 0.75 1 1.25 1.5 1.75 2

380
(b)
Udc-ref
360
Tension (V)
340
Udc
320
300
0.5 0.75 1 1.25 1.5 1.75 2
Temps (s)
Figure 6.11. Grandeurs de sortie du sous-système PV sous des variations en échelon de l'irradiance : (a) courant
à la sortie6.11
Figure : Grandeurs
du hacheur de(b)
Boost et sortie du du
tension sous-système
bus continu. PV sous des variations en échelon de l’irradiance :
(a) courant à la sortie du hacheur Boost et (b) tension du bus continu
10
160
6.4 Stratégie de gestion de l’énergie dans le système hybride
6.4 Stratégie de gestion de l’énergie dans le système

hybride
En plus des commandes visant à optimiser le fonctionnement de chacun des sous-
systèmes que comporte le SHSER étudié, il est indispensable de mettre en œuvre une
stratégie de gestion de l’énergie (energy management strategies) produite par le SHSER.
Une telle stratégie doit garantir un rendement maximal du SHSER, une meilleure gestion
des transferts d’énergie et le respect des plages de fonctionnement des différents éléments
du SHSER, en particulier les batteries. En outre, cette stratégie devra définir la manière
de répartir les flux de puissances entre les sources d’EnRs, le dispositif de stockage et les
charges alimentées.
A partir de certains travaux rencontrés dans la littérature et traitant de la gestion
d’énergie dans un SHSER [192]-[199], nous pouvons retenir principalement deux approches
de gestion. En effet, comme illustré par la figure 6.12, ces stratégies peuvent être classées
en deux catégories : les stratégies à base de règles (rule-based strategy) [194]-[196] et
les stratégies à base d’optimisation [197]-[199]. Dans cette section, avant de présenter la
stratégie de gestion développée, une brève synthèse bibliographique de ces deux approches
sera faite.
Stratégies de gestion d’énergie
Stratégies à base de règles Stratégies à base d’optimisation
Règles déterministes Règles floues Optimisation globale Optimisation temps réel
Figure 6.12. Classification des stratégies de gestion d'énergie.

Figure 6.12 : Classification des stratégies de gestion d’énergie
1) Stratégies de gestion à base de règles

Cette première catégorie est basée sur un ensemble de règles définies au préalable.
Ces règles sont basées sur l’estimation ou sur l’analyse du comportement des composants
du système. L’avantage d’une telle gestion est qu’elle permet de distribuer la puissance
d’une manière efficace et de contrôler les flux énergétiques en temps réel. Par ailleurs, sa
mise en œuvre ne nécessite pas une connaissance préalable du profil de consommation
ou des conditions climatiques. Sa principale limite est qu’elle impose au gestionnaire du
SHSER d’être en mesure de lister toutes les situations possibles et de définir au préalable,
des actions à mener dans chacune d’elles. Dans le cas de cette catégorie, les stratégies de
gestion peuvent être établies par des règles déterministes ou par des règles floues [194]-
[196].
• Règles déterministes : Ces règles sont définies au préalable en se basant sur l’expertise
de l’ensemble des situations possibles et des objectifs à réaliser pour chaque situation.
• Règles floues : Ces règles sont également définies au préalable, toutefois, elles sont
gérées à l’aide de la logique floue. En outre, il s’agit d’une amélioration des règles
déterministes. L’avantage des stratégies de gestion fonctionnant sur la base des règles
floues est qu’elles tolèrent des imprécisions dans les mesures et s’adaptent facilement
161
aux variations des valeurs initiales des règles [196]. En plus de la logique floue, d’autres
techniques d’intelligence artificielle telle que les essaims particulaires ou les RNAs ont
également été utilisés par des scientifiques pour améliorer les règles déterministes [192].
2) Stratégies de gestion à base d’optimisation

Cette deuxième catégorie est basée sur des méthodes d’optimisation dont l’objectif
est de trouver la meilleure manière de répartir, stocker et consommer l’énergie afin de
satisfaire les besoins énergétique de l’utilisateur. Ainsi, les objectifs de la stratégie de
gestion (puissance renouvelable extraite, puissance de charge à satisfaire, états de charge
et décharge tolérés, etc.) sont présentés sous forme d’équations en fonction des contraintes
(principalement les contraintes climatiques). Minimiser ces fonctions consiste à chercher
les références optimales à appliquer au système hybride pour une meilleure répartition des
flux de puissance dans le système. Les stratégies basées sur l’optimisation se partagent en
deux catégories [197]-[199] :
• Optimisation hors ligne : Appelées aussi optimisation globale, ces approches sont
basées sur des méthodes d’optimisation permettant de proposer une répartition antici-
pative et globale des puissances dans le SHSER. En outre, les stratégies de gestion hors
ligne proposent une planification des heures voire un jour à l’avance de la répartition
des puissances à partir des données de prévisions du profil de charge et des conditions
météorologiques. Ces stratégies sont destinées à la gestion de systèmes hybride dits dif-
ficiles (systèmes exploitants plusieurs sources, système avec plusieurs contraintes, etc.).
• Optimisation temps réel : Afin de pallier aux inconvénients des stratégies de gestion
hors ligne, certains chercheurs ont proposé des stratégies de gestion en temps réel. Ces
techniques permettant d’obtenir une commande instantanée des flux énergétiques et ne
nécessitent pas la connaissance du profil de charge par avance [199].
Dans le cadre de cette thèse, l’approche des règles déterministes est adoptée pour
l’élaboration d’une stratégie de gestion d’énergie dans le système hybride étudié. Le choix
d’une telle approche est principalement motivé par sa simplicité de mise en œuvre.
Comme décrit précédemment, la gestion à base de règles déterministes requière une
connaissance préalable de toutes les situations possibles et des actions à mener dans
chacune d’elles. Afin de pouvoir lister l’ensemble de ces situations, nous décrivons dans
ce qui suit les modes de fonctionnement du SHSER étudié.
6.4.1 Modes de fonctionnement du SHSER étudié

Le système hybride étudié dans cette thèse peut opérer selon déférents scénarios de
fonctionnement. En effet, en fonction de la puissance renouvelable produite, de la demande
énergétique de l’utilisateur et du SoC des batteries de stockage, différentes situations sont
possibles. Toutefois, ces situations peuvent être réparties selon deux modes de fonction-
nement, comme décris ci-dessous.
a) Mode de fonctionnement normal
Il s’agit d’un mode de fonctionnement au cours duquel la demande énergétique du
consommateur est pleinement satisfaite et l’état de charge des batteries se trouve entre
les limites de seuils minimum et maximum prédéfinis pour chaque type d’accumulateur
[200]. Selon que la batterie consomme ou fournis de l’énergie, deux cas sont envisageables :
162
• Charge des batteries : Si la puissance totale produite par les générateurs PV et

éolien (Ptot = Ppv + Peol ) est supérieure à la puissance demandée (Pdemande ) par le
consommateur et si le SoC des accumulateurs n’a pas atteint le maximum (SoC <
100%), la puissance excédentaire (Ptot − Pdemande ) est stockée dans les batteries.
• Décharge des batteries : Si la puissance totale produite par les générateurs PV et
éolien et inferieure à la puissance demandée par le consommateur et si l’état de charge
des accumulateurs est supérieur à l’état de charge minimal des accumulateurs (SoC
> 30%), l’énergie précédemment stockée est restitué pour compenser le manque de
production (Pdemande − Ptot ).
b) Mode de fonctionnement dégradé

Il s’agit d’un mode de fonctionnement au cours duquel l’état de charge des batteries
dépasse un des seuils imposés (SoC ≤ 30% ou SoC = 100%). Selon qu’il s’agit d’un excès
ou d’un manque de production, deux cas de figures se présentent :
• Manque de production : Il se produit dans le cas d’une surconsommation (Pdemande
> Ptot ) accompagnée d’un état de charge inférieure au seuil minimum de l’accumulateur
(SoC ≤ 30%). Dans ce genre de situation, le système hybride est dans l’incapacité de
combler la demande électrique du consommateur. La meilleure solution dans ce cas de
figure serait de délester la demande électrique du consommateur. On parle alors du
mode délestage partiel et/ou sélectif de la consommation. Dans le cas où le délestage
n’est pas possible, le fonctionnement du système hybride doit être arrêté.
• Excès de production : Il survient lorsqu’une surproduction du système hybride (Ptot >
Pdemande ) est associée à un état de charge maximal des accumulateurs (SoC = 100%).
Deux solutions peuvent alors se présenter à l’utilisateur ; dégrader le rendement des
générateurs PV et/ou éolien ou bien utiliser cet excès pour alimenter des charges se-
condaires comme des résistances de chauffage, etc.
6.4.2 Stratégie de gestion d’énergie développée

Dans le cas du SHSER étudié, nous proposons une stratégie de gestion d’énergie à
base de règles déterministes. Tous les scénarios de fonctionnement du SHSER sont ainsi
tenus en compte lors de l’élaboration de cette stratégie de gestion. Toutefois, il est à noter
que deux hypothèses ont été considérées pour l’élaboration de cette stratégie. La première
stipule, qu’après avoir délestées deux charges (Rd1 et Rd2 ), la puissance totale générée par
les deux sources renouvelable sera toujours supérieure à la puissance (Pp ), consommée par
les charges principale (Rp ). La deuxième hypothèse stipule que Ptot sera toujours inferieure
à la somme des puissances consommées par les charges principale (Rp ), les deux charges
de délestage (Rd1 et Rd2 ) et la charge auxiliaire (Rs ).
La figure 6.13 montre l’organigramme de la stratégie de gestion d’énergie proposée
dans ce chapitre. A chaque instant, l’unité de supervision compare le SoC des batteries
aux valeurs limites de seuils minimum (30%) et maximum (100%). En fonction du résultat
de cette comparaison, trois scénarios sont possibles :
– Si 30% < SoC < 100%, le SHSER est en mode de fonctionnement normal. L’ensemble
des charges (Rp , Rd1 et Rd2 ) sont connectées. Lors de cette phase, les batteries de
stockage emmagasinent le surplus de puissance lorsque Ptot est supérieure à Pch (Pch =
Pp + PRd1 + PRd2 ) et fournissent le déficit (Pch − Ptot ) lorsque la puissance produite
par les sources d’EnRs est inférieure à celle consommée par les charges.
163
- Si 30% < SoC < 100%, le SHSER est en mode de fonctionnement normal. L’ensemble
des charges (Rp, Rd1 et Rd2) sont connectées. Lors de cette phase, les batteries de stockage
emmagasinent
Mise en le surplus
œuvre etde gestion
puissance lorsque Ptot
énergétique duest supérieure
système à PchPV/éolien/
hybride (Pch = Pp +batteries
PRd1 +
PRd2) et fournissent le déficit (Pch – Ptot) lorsque la puissance produite par les sources
d’EnRs est inférieure à celle consommées par les charges.
– Si SoC ≤ 30%, le SHSER est en mode de fonctionnement dégradé (manque de produc-
- Si SoC ≤ 30%, le SHSER est en mode de fonctionnement dégradé (manque de
tion). Durant cette phase, l’unité de supervision vérifie à chaque itération si P est
production). Durant cette phase, l’unité de supervision vérifie à chaque itération si Ptottotest
supérieur à P . Trois scénarios de fonctionnement sont alors possibles, si la condition
supérieur à Pchch . Trois scénarios de fonctionnement sont alors possibles, si la condition est
est vérifiée, l’ensemble des charges (Rp , Rd1 et Rd2 ) sont connectées. Si cette condition
vérifiée, l’ensemble des charges (Rp, Rd1 et Rd2) sont connectées. Si cette condition n’est
n’est
pas pas vérifiée,
vérifiée, un délestage
un délestage de ladoit
de la charge charge doitL’unité
être fait. être fait. L’unité de test
de supervision supervision
alors si Ptest
tot
est supérieur à (Pch – PRd1). Si la condition est vérifiée, la charge Rd1 est délestée. Si non,est
alors si P tot est supérieur à (P ch − P Rd1 ). Si la condition est vérifiée, la charge R d1
délestée.
deux Si non,sont
délestages deux délestages
effectués ; Rp sont effectués
sera alors ; Rp charge
l’unique sera alors l’unique charge alimentée.
alimentée.
– Si SoC = 100%, le SHSER est en mode de fonctionnement dégradé et un surplus de
- Si SoC = 100 %, le SHSER est en mode de fonctionnement dégradé et un surplus de
production est
production est susceptible
susceptiblededesese produire.
produire.Pour
Pourremédier
remédierà àça,
ça,l’unité
l’unitédedesupervision
supervision
connectelalacharge
connecte chargeauxiliaire
auxiliaireRsRdans
s dans le but
le but de consommer
de consommée le surplus
le surplus de puissance.
de puissance.
Début
Evaluer Ptot = Ppv + Peol

Lire le SoC
Pch = Pp+ PRd1 + PRd2
SoC ≤ 30% Non
Oui
SoC=100% Non
Oui
Excès de production Fonctionnement normal
Rch = Rp + Rd1 + Rd2+ Rs Rch = Rp + Rd1 + Rd2
Non
Ptot > Pch
Oui Non
Ptot > Pch – PRd1
Oui
Ptot > Pch – PRd1 – PRd2
Oui
Fonctionnement normal Délestage de la charge 1 Délestage de la charge 1 et 2
Rch = Rp + Rd1 + Rd2 Rch = Rp + Rd2 Rch = Rp
Retour
Figure 6.13
Figure 6.13. Organigramme de la
: Organigramme destratégie de gestion
la stratégie d’énergie
de gestion proposée.
d’énergie proposée
6.4.3 Analyse du fonctionnement

15 global du système hybride et
des performances de la stratégie de gestion d’énergie pro-
posée
Dans cette partie, nous nous intéressons au fonctionnement global du système hybride
et à sa capacité de répondre aux différents scénarios de fonctionnement. Un ensemble de
164
tests sous différents scénarios sont ainsi menés. Le premier test concerne le fonctionnement
normal et le second test est réalisé dans le cas d’un fonctionnement normal et dégradé.
6.4.3.1 Mode de fonctionnement normal
Ce test est réalisé dans le cas d’un fonctionnement normal du SHSER. En outre, au
cours de ce test, la demande énergétique du consommateur est pleinement satisfaite et
l’état de charge des batteries se trouve entre les limites de seuils minimum et maximum
prédéfinies (30% < SoC < Mise 100%). La figure 6.14 montre l’évolution des profils de test
en œuvre et gestion énergétique du système hybride PV/éolien/batteries
utilisés, à savoir, l’irradiance solaire (figure 6.14(a)), la vitesse du vent (figure 6.14(b)) et
la puissance de charge demandée par le consommateur (figure 6.14(c)).
1100
(a)
Irradiance (W/m2)
1000
900
800
700
600
500
1 6 11 16 21 26 29
(b)
12
10
1 6 11 16 21 26 29
1600 (c)
Puissance (W)
1400
1200
1000
800
1 6 11 16 21 26 29
Temps (s)
Figure 6.14. Profils de test en mode de fonctionnement normal : (a) irradiance solaire, (b) vitesse du vent et (c)
Figure 6.14 : Profils de test en mode de fonctionnement normal : (a) irradiance solaire, (b) vitesse du
puissance demandée.
vent et (c) puissance demandée
La figure 6.15 montre l’évolution des puissances dans le système hybride lors d’un
fonctionnement normal. La figure 6.15(a) donne l’allure de la puissance produite par le
sous-système PV. Nous constatons que cette puissance suit parfaitement le profil d’irra-
diance. Aux régimes permanents, cette puissance est stable et ne présente aucun mouve-
ment oscillatoire. Toutefois, aux régimes transitoires, de petites oscillations sont à signaler.
L’allure de la puissance de sortie du sous-système éolien est donnée par la figure 6.15(b).
Là encore, la puissance suit parfaitement le profil du vent, hormis aux régimes transitoires
où une puissance inertielle est consommée (restituée) lors de l’accélération (décélération)
du vent. La figure 6.15(c) montre la puissance de sortie du sous-système de stockage. Deux
phases de fonctionnement peuvent être identifiées. La première phase correspond à l’in-
tervalle de temps 1 s < t < 15 s où Ptot > Pdemande . Dans cette intervalle, le sous-système
de stockage emmagasine le surplus de puissance (Ptot − Pdemande ). La puissance à sa sortie
est négative. La seconde phase de fonctionnement correspond à l’intervalle de temps 15 s
165
< t < 29 s où Pdemande > PtotMise

. Durant cetetintervalle,
en œuvre le sous-système
gestion énergétique du système de stockage
hybride fournis de
la puissance (sa puissance est positive) pour combler le manque de production (Pdemande
− Ptot ).
1200
(a)
Puissance (W)
1000
800
600
400
1 6 11 16 21 26 29
0 (b)
Puissance (W)
-200
-400
-600
-800
1 6 11 16 21 26 29
600 (c)
Puissance (W)
400
200
0
-200
-400
1 6 11 16 21 26 29
Temps (s)
Figure 6.15.
Figure 6.15Evolution des puissances
: Evolution en mode
des puissances en de fonctionnement
mode normal : (a)
de fonctionnement puissance
normal : (a)PV, (b) puissance
puissance PV, (b)
éolienne et (c) puissance des batteries.
puissance éolienne et (c) puissance des batteries
La figure 6.16 illustre l’évolution de la tension du bus continu et les grandeurs de sortie
des batteries (courant et état de charge) lors d’un fonctionnement normal du SHSER.
La figure 6.16(a) montre l’allure de la tension Udc du bus continu et de sa référence
Udc−ref . Nous constatons que l’amplitude des oscillations devient plus importante lorsque
les batteries se décharge (15 s < t < 29 s). Néanmoins, il est à noter que la valeur moyenne
de Udc reste au environ de 350 V. La figure 6.16(b) montre le courant des batteries. Ce
courant est négatif lors de la charge des batteries et positive lors de leurs décharges.
Par ailleurs, aucun dépassement ni pic de courant est à signaler lors de la variation en
échelons de la puissance consommée (à l’instant t = 15 s). L’état de charge des batteries
est représenté par la figure 6.16(c). Là encore, les deux phases de fonctionnement du
SHSER (charge et décharges des batteries) sont facilement reconnaissables.
6.4.3.2 Mode de fonctionnement dégradé
Dans ce dernier scénario, le SHSER est testé dans le cas d’un fonctionnement dégradé
et normal. Pour ce faire, un profil de test, représentant l’évolution de l’état de charge
des batteries en fonction du temps, est utilisé. L’allure de ce profil est donnée par la
figure 6.17(a). Compte tenu de la constante de temps très grande des batteries, le profil
utilisé durant ce test a été reproduit et appliqué au système de supervision. La figure
6.17(b) montre l’évolution de la puissance totale Ptot produite par les deux sources à
EnRs, la puissance consommée par la charge Pch et la puissance de référence demandée
166
15
380
(a)
Udc-ref
360
Tension (V)
340
Udc
320
300
1 6 11 16 21 26 29
9
(b)
6
Courant (A)
-3
-6
1 6 11 16 21 26 29
85.0001 (c)
Etat de charge (%)
85
84.9999
84.9998
84.9997
1 6 11 16 21 26 29
Temps (s)
Figure 6.16. Evolution de la tension du bus continu et des grandeurs de sortie du sous-système de stockage en
Figure
mode 6.16 : Evolution
de fonctionnement de la: (a)
normal tension dudubus
tension buscontinu
continu,et(b)des grandeurs
courant de sortie
des batteries duétat
et (c) sous-système de
de charge des
stockage
batteries. en mode de fonctionnement normal : (a) tension du bus continu, (b) courant des batteries et (c)
état de charge des batteries
par l’utilisateur Pdemande . A partir de ces résultats, nous constatons que selon le mode de
fonctionnement du SHSER, Pch n’est pas toujours égale à Pdemande .
Dans l’intervalle de temps 1 s < t < 10 s, correspondant à un SoC de 29.9%, le
SHSER est en mode de fonctionnement dégradé (manque de production). Nous constatons
que lorsquePtot est inférieure à Pdemande , la charge est délestée. En outre, lors d’un tel
fonctionnement (manque de production avec un SoC < 30%), Pch est toujours maintenu
inferieure à Ptot . Un premier délestage de la charge est ainsi effectué à l’instant t = 3 s et
un deuxième délestage à t = 4.1 s. Ces délestages sont maintenus jusqu’à ce que Ptot soit
suffisamment grande pour pouvoir reconnecter les charges délestées. D’où la reconnexion
des deux charges à t = 7.2 s et à t = 8.1 s, respectivement.
Dans l’intervalle de temps 10 s < t < 20 s, correspondant à un SoC compris entre 30%
et 100%, le SHSER est en mode de fonctionnement normal. Ici, la demande énergétique
du consommateur est toujours satisfaite et aucun délestage de la charge n’est entrepris.
D’une part, lorsque Ptot > Pdemande (10 s < t < 13 s et 18 s < t < 20 s), une partie
de l’énergie produit est consommée par la charge et une autre partie (Ptot − Pdemande )
est stockée dans les batteries. D’autre part, lorsque Ptot < Pdemande (13 s < t < 18 s), les
batteries fournissent la différence de puissance (Pdemande − Ptot ) pour satisfaire la demande
énergétique du consommateur.
Enfin, durant l’intervalle 20 s < t < 30 s, correspondant à un état de charge de 100%
des batteries, le SHSER est en mode de fonctionnement dégradé (excès de production).
Lors de ce fonctionnement, la charge auxiliaire Rs , consommant une puissance d’environs
500 W est connectée pour dissiper le surplus 16 de production (P − P
tot demande ).
167
Mise en œuvre et Mise en œuvre
gestion et gestion énergétique
énergétique du système du hybride
système hybride PV/éolien/batteries
PV/éolien/ batteries
Fonctionnement dégradé Fonctionnement normal Fonctionnement dégradé

(a)
Etat de charge (%) 100
80
60
40
20
1 2.5 5 7.5 10 12.5 15 17.5 20 22.5 25 27.5 30
2200
(b)
2000 Ptot
Puissance (W)
Pdemande
1700
1400
1100
Pch
800
1 5 10 15 20 25 30
Temps (s)
Figure 6.17.
Figure 6.17Performances
: Performancesde ladestratégie de gestion
la stratégie d'énergie
de gestion proposée
d’énergie en modeendemode
proposée fonctionnement dégradé :
de fonctionnement
(a) l'état de charge des batteries et (b) puissances dans le SHSER.
dégradé : (a) l’état de charge des batteries et (b) puissances dans le SHSER
6.5 Conclusion
Dans ce chapitre, nous nous somme intéressé à la mise en œuvre et à la simulation du
système hybride complet PV/éolien/batteries. Les différents sous-systèmes étudiés tout
au long de cette thèse ont été regroupés dans un même système pour réaliser un SHSER
en mode de fonctionnement isolé du réseau. Dans la première partie de ce chapitre, une
étude détaillée de l’interaction entre les différents sous-systèmes a été réalisée. Des tests
de simulation ont été effectués où des variations en échelons des grandeurs des entrées
du système hybride (éclairement solaire, vitesse du vent et charge) ont été appliquées.
Les résultats obtenus ont montré que le système hybride global reste stable et très peu
impacté par la variation des différents paramètres. Dans la deuxième partie de ce chapitre,
une stratégie de gestion d’énergie a été proposée. Cette stratégie a été réalisée sur la base
d’un ensemble de règles déterministes. Tous les scénarios de fonctionnement du système
hybride ont ainsi été pris en compte. Afin de montré l’efficacité de la stratégie de gestion
proposée, plusieurs tests de simulation ont été effectués. Les modes de fonctionnement
normal et dégradé du système hybride ont été analysée sous différents angles. Là encore,
les résultats obtenus ont montré la capacité du système hybride à répondre efficacement
aux différents scénarios de fonctionnement.
En guise de conclusion, nous pouvons dire que le système hybride considéré dans
ce chapitre répond de manière très satisfaisante aux exigences de fonctionnement d’un
SHSER en site isolé.
168
17
Conclusion générale
Contribution et bilan de la thèse

Le travail de recherche présenté dans cette thèse s’inscrit dans le cadre de l’optimisa-
tion des systèmes hybrides de production d’EnRs. L’objectif principal de ce travail a été
d’améliorer la commande d’un système hybride PV/éolien/batteries destiné à fonctionner
en site isolé.
Le Chapitre 1 avait pour objectif de présenter un bref état de l’art sur les SHSERs
et les techniques neuronales appliquées à la commande. Au début, nous nous somme
intéressé aux EnRs et à leurs intégrations dans un système hybride. Une présentation des
principales sources d’EnRs exploitées pour la production de l’énergie électrique a été faite.
Quelques généralités sur les SHSERs ainsi que leurs classifications ont été données. Par la
suite, nous avons présenté la structure du SHSER étudié dans le cadre de cette thèse. Les
exigences de fonctionnement de chacun des sous-systèmes le constituant ont été également
formulées. En vue de réaliser un contrôle optimal du SHSER, nous avons opté pour le
RNA de type ADALINE. Dans ce sens, nous avons présenté quelques notions de bases
nécessaires à la compréhension des RNAs. A la fin, une étude détaillée de l’ADALINE et
de ses deux principales méthodes d’apprentissage a été présentée.
Au Chapitre 2, deux algorithmes MPPTs (l’algorithme INCO et l’algorithme INRE)
pour la commande optimale d’un système PV ont été proposés. Ces deux algorithmes
exploitent la courbe caractéristique I-V d’un GPV et utilisent le réseau ADALINE. Ini-
tialement, l’algorithme INCO, basé sur la connaissance de l’incrément de la conductance
du GPV, a été présenté. Pour valider cet algorithme, des tests de comparaisons avec l’al-
gorithme P&O, suivant la norme prEN 50530, ont été réalisés. Les résultats obtenus ont
démontré la supériorité de l’algorithme INCO par rapport à l’algorithme P&O. En effet,
l’algorithme proposé a permis d’avoir une puissance extraite supérieure et une réponse
dynamique plus rapide, et ce même sous des niveaux d’irradiance très faibles. Par la suite,
l’algorithme INRE, basé sur la connaissance de la résistance instantanée du GPV, a été
développé. Cet algorithme a été proposé spécialement pour le cas où le système PV est
connecté à un bus continu. Pour valider l’algorithme INRE, des tests de simulation et
une validation expérimentale ont été menés. Les résultats obtenus ont montré que cet
algorithme permet de résoudre en partie les problèmes liés aux pertes de puissance et aux
oscillations. De plus, en régime permanent, il permet d’aboutir à un fonctionnement sans
oscillations et a un rendement énergétique de 100%. En régime transitoire, des oscillations
de très faibles amplitudes ont été obtenus. Par ailleurs, il est à noter que contrairement à
beaucoup d’autres algorithmes MPPTs, l’algorithme INRE garde les mêmes performances
lorsque l’irradiance solaire est très faible et/ou varie rapidement. Les algorithmes dévelop-
pés dans ce chapitre se distinguent par un certain nombre d’avantages. Ils présentent des
structures simples et leurs réglages ne nécessitent que l’ajustement d’un seul paramètre
(taux d’apprentissage). En plus, comme l’ADALINE n’a qu’une seule couche, sa conver-
gence est très rapide ce qui lui permet d’atteindre très rapidement le PPM. La grande
capacité de filtrage de l’ADALINE fait que ces algorithmes sont plus stables.
Le Chapitre 3 a été consacré à la modélisation et à la commande d’un système de
conversion de l’énergie éolienne de petite puissance. En vue de son intégration dans un
SHSER avec un bus continu, ce système a été relié au bus continu à travers un redresseur
triphasé à MLI. Au début, nous avons modélisé les différents éléments constituant cette
chaîne de conversion. Par la suite, les détails de la stratégie de contrôle, mise en œuvre
dans le but d’extraire le maximum de puissance, ont été présentés. Cette stratégie est
constituée d’une commande MPPT avec asservissement de la vitesse de rotation et d’une
commande vectorielle à flux orienté de la MSAP. A la fin, les résultats de simulation de la
chaîne éolienne, testée sous différentes conditions de fonctionnement, ont été illustrés et
discutés. Ces résultats ont montré l’efficacité du système éolien et son aptitude à extraire
le maximum de puissance pour chaque valeur de la vitesse du vent. De plus, il a été
constaté que la commande mise en œuvre a permis d’avoir des grandeurs de sortie qui
suivent d’une manière quasi instantanée leurs valeurs de références.
Dans le Chapitre 4, nous nous sommes intéressés à la commande d’un système de
stockage de l’EnR en vue de son intégration dans un SHSER. Au début, l’architecture
du système de stockage considéré a été présentée. Ce dernier a été conçu autour d’un
pack de batteries au plomb-acide et d’un hacheur Buck-Boost. Par la suite, une stratégie
de commande basée sur la technique de régulation en cascade a été développée. Pour ce
faire, nous avons dimensionné une boucle de régulation interne pour le contrôle du courant
des batteries et une boucle de régulation externe pour réguler la tension du bus continu.
Une telle approche a permis de contrôler le transfert bidirectionnel de l’énergie dans le
système, tout en garantissant une bonne régulation de la tension du bus continu. Enfin,
dans le but de montrer la faisabilité d’intégrer ce système dans un SHSER, un ensemble
de tests de simulation a été réalisé. Les performances du système de stockage dans le cas
de la poursuite de la tension de référence du bus continu et dans le cas de variations,
positive et négative, du courant à sa sortie ont été ainsi testées. Les résultats obtenus ont
montré la capacité de ce système à répondre aux besoins énergétiques de la charge en
contrôlant l’intensité du courant délivré et absorbé par les batteries. Par ailleurs, grâce
au bon dimensionnement de la boucle de régulation externe, la tension du bus continu
a été maintenue constante tout au long du fonctionnement du système, et ce malgré les
variations de la puissance positive ou négative à sa sortie.
Le Chapitre 5 a été dédié à la conversion continu-alternatif dans un SHSER, où
deux nouvelle stratégies de commande ont été développées. Dans un premier temps, une
commande dq d’un onduleur monophasé à MLI isolé du réseau a été mise en œuvre où un
nouveau OSG basé sur un ADALINE a été proposé. En plus de la génération des compo-
santes orthogonales, l’OSG développé est capable de généré les composantes d’axes d et q
et d’identifier le résidu harmonique présent dans le signal réel. Contrairement à la plupart
des OSGs, cet OSG n’introduit aucun retard ou dynamique supplémentaire dans le sys-
tème. De plus, son utilisation a permis d’aboutir à une commande dq indépendante de la
fréquence de fonctionnement et des paramètres du système. Afin de vérifier l’efficacité et
la robustes de cette commande, un banc d’essai expérimental a été réalisé et un ensemble
de tests expérimentaux ont été effectués. Des tests de comparaison avec d’autres OSGs
170
ont été également menés. Avec la commande proposée, des formes d’ondes sinusoïdales
avec des THDs insignifiants et des temps de réponse faibles ont été obtenues. Dans un
second temps, une nouvelle commande PDPC-FV d’un onduleur triphasé à MLI connecté
au réseau a été proposée. Un nouvel estimateur de FV a été développé dans le but d’es-
timer les composantes fondamentales du FV. Cet estimateur a été construit au tour d’un
intégrateur pur émulé en série avec deux FNAs. Cette approche a permis d’éliminer l’effet
de la distorsion et du déséquilibre qui pouvait apparaitre sur les tensions du réseau. Par
ailleurs, la théorie des puissances active et réactive étendu a été introduite pour améliorer
la commande PDPC-FV dans le cas du réseau déséquilibré. Dans le but de valider cette
commande, plusieurs simulations et tests expérimentaux ont été effectués. Les résultats
obtenus ont montré que la commande PDPC-FV proposée a permis d’obtenir un fonction-
nement approprié de l’onduleur même dans le cas d’un réseau déséquilibré et/ou distordu.
De plus, des tests de comparaison avec la commande PDCP conventionnelle et avec un
estimateur FV-SOGI ont été effectués. Là encore, les résultats obtenus ont montré que les
performances de la commande PDPC-FV et de l’estimateur proposés ont été largement
supérieures.
Enfin, le Chapitre 6 a été consacré à la mise en œuvre et à la simulation du système
hybride PV/éolien/batteries. Les différents sous-systèmes étudiés précédemment ont été
intégrés dans un même système en vue de construire un SHSER capable d’alimenter un
habitat individuel en site isolé. Durant la première phase de ce chapitre, l’interaction
entre les différents sous-systèmes a été étudiée. Dans ce sens, un ensemble de tests de
simulation a été réalisé où des variations aux niveaux des différentes grandeurs d’entrée
du système hybride (éclairement solaire, vitesse du vent et charge) ont été appliquées.
Durant la seconde phase de ce chapitre, une stratégie de gestion de l’énergie produite et
consommée dans le système hybride a été implémentée. Cette stratégie a été réalisée sur la
base d’un ensemble de règles déterministes. En outre, tous les scénarios de fonctionnement
du SHSER ont été tenus en compte lors de l’élaboration de cette stratégie. A la fin, un
ensemble de simulations a été réalisé où plusieurs scénarios et modes de fonctionnement
du système hybride ont été testés et analysés. Les résultats obtenus ont montré l’aptitude
du système hybride à répondre aux besoins énergétiques de l’utilisateur. De plus, malgré
l’interaction qu’il pouvait y avoir entre eux, les différents sous-systèmes ont gardés leurs
bonnes performances.
Perspectives
Au terme des résultats et des observations présentés dans cette thèse, des perspectives
intéressantes susceptibles de contribuer à l’amélioration du système hybride étudié sont
envisageables. Ces perspectives peuvent être résumées par les points suivants :
1- Le développement de nouvelles commandes basées sur l’intelligence artificielle et

particulièrement sur l’ADALINE paraît comme une perspective intéressante pour
la résolution de certains problèmes rencontrés dans les systèmes hybrides à énergie
renouvelables. Son caractère adaptatif et sa convergence rapide combinée avec sa
capacité de filtrage est un atout qui nous encourage à se pencher sérieusement pour
son application dans les algorithmes de recherche du PPM. Les résultats découlant
de son utilisation dans les systèmes PV sont très attrayant et peuvent amener à
l’expérimenter dans le cas du système éolien. Le réseau ADALINE pourrait être
171
appliqué dans le but d’élaborer une commande MPPT ne nécessitant pas la mesure
de la vitesse du vent.
2- Durant l’élaboration des différents algorithmes de commande et l’exécution des si-
mulations numériques, les convertisseurs statiques utilisés dans les différents sous-
systèmes ont été remplacés par leurs modèles moyens en supposant des courants et
des tensions parfaitement lissés. Le but recherché était d’aboutir à des simulations
moins gourmandes en temps d’exécution et de mettre en évidences uniquement les
phénomènes résultants des différentes stratégies de commande développées sans in-
terférer avec les effets de la MLI. Il est recommandé comme perspective de reprendre
les simulations avec le modèle réel de chaque convertisseur pour se rapprocher plus
du comportement réel du système. Pour les boucles de régulations, il s’est avéré que
la modélisation mène à des modèles non linéaires où les techniques de commandes
classiques sont insuffisantes à assurer une stabilité et une précision sans l’adjonction
de certaines conditions. Ainsi, des commandes plus élaborées des convertisseurs sont
nécessaires à établir pour améliorer la dynamique du système et minimiser les pertes
énergétiques dans un large domaine de fonctionnement.
3- D’autres champs d’investigation peuvent être ouverts pour compléter l’étude du
système hybride. Comme exemple, pour le système de stockage, il serait attrayant
de proposer des techniques d’estimation de l’état de charge des batteries pour une
meilleure précision et par conséquent une gestion énergétique plus efficace.
4- Une autre perspective serait l’introduction d’autres dispositifs de stockage d’énergie.
Il serait intéressant d’ajouter des super-capacités pour absorber les pics de puissance
au niveau des générateurs et de la charge pour minimiser les pertes et sous dimen-
sionner les convertisseurs.
5- Une source d’énergie conventionnelle, comme le générateur diesel, pourra par exemple
être utilisée pour assurer la continuité de l’alimentation dans le cas où les deux
sources d’EnRs exploitées ainsi que les batteries de stockage ne seront plus en me-
sure de satisfaire la demande énergétique de l’utilisateur.
6- Finalement, la validation expérimentale de l’ensemble du système hybride est la
perspective la plus envisagée où les différentes stratégies de commandes développées
seront implémentées sur des cartes à microcontrôleur, telles que les cartes Arduino
ou Raspberry Pi. Une telle approche permettra de remplacer la carte dSPACE par
une carte électronique beaucoup moins couteuse et bien plus adéquate pour la mise
en œuvre pratique du système hybride étudié.
172
Annexe
Annexe
Dispositifs expérimentaux réalisés

Annexe A
Dispositifs expérimentaux réalisés

Dans ce qui suit, nous présentons les principaux dispositifs réalisés et utilisés dans les
différentes expérimentations mises en œuvre dans cette thèse.
Dans ce qui suit, nous présentons les principaux dispositifs réalisés et utilisés dans les
différentes expérimentations mises en œuvre dans cette thèse.
A.1 Hacheur Boost réalisé

A.1 Hacheur Boost réalisé
La figure A.1 montre une photo du hacheur Boost réalisé pour le test des algorithmes
MPPTs mis A.1
La figure en œuvre
montredans
une le Chapitre
photo 2. Ce
du hacheur convertisseur
Boost estleconstitué
réalisé pour d’un IGBT
test des algorithmes
(référence
MPPTs mis: SKM 75GAL063D),
en œuvre d’une carte
dans le Chapitre 2. CeDriver (référence est
convertisseur : SKHI 10/12d’un
constitué R), IGBT
d’une
inductance: àSKM
(référence son entrée et d’un condensateur
75GAL063D), d’une carte àDriver
sa sortie. De plus,: une
(référence carte
SKHI d’alimentation
10/12 R), d’une
conçue autour
inductance à sond’une alimentation
entrée a découpage
et d’un condensateur à sadesortie.
15 V 320 mA (référence
De plus, : myrra 47000
une carte d’alimentation
series) est
conçue réalisée
autour d’unepour alimenteraladécoupage
alimentation carte Driver.
de 15 V 320 mA (référence : myrra 47000
series) est réalisée pour alimenter la carte Driver.
2 1 3
FigureA.1.
Figure : Photo
A.1Photo du hacheur
du hacheur BoostBoost
réaliséréalisé : 1) IGBT,
: 1) IGBT, 2) carte2) carte 3)
Driver, Driver, 3) inductance,
inductance, 4) condensateur
4) condensateur et 5) carte
et 5) carte d’alimentation d'alimentation.
1
Annexe
Annexe
A.2 Capteurs de tensions réalisés

A.2 Capteurs de tensions réalisés
La figure A.2 montre une photo d’un boitier contenant trois capteurs de tension réa-
lisé.LaChacun
figure A.2d’eux est constitué
montre une photod’un
d’uncapteur de tensiontrois
boitier contenant à Effet Halldedetension
capteurs type LV25P,
réalisé.
d’une résistance
Chacun d’eux estplacée au primaire
constitué du capteur,
d’un capteur d’uneà résistance
de tension Effet Hall dede mesure et d’une
type LV25P, ali-
d’une
mentationplacée
résistance symétrique de ±15duV.capteur,
au primaire La valeur de la
d’une résistance
résistance deplacée
mesureauetprimaire est choisie
d’une alimentation
symétrique de ±15 V. La valeur de la résistance placée au primaire est choisie en fonction de
en fonction de la tension de mesure maximale souhaitée. La valeur de la résistance de
mesure
la tensionestdechoisie
mesureenmaximale
fonction souhaitée.
de la tension analogique
La valeur de la maximale souhaitée
résistance de mesure àestlachoisie
sortie du
en
capteur. L’alimentation symétrique de ±15 V, requise pour le fonctionnement
fonction de la tension analogique maximale souhaitée à la sortie du capteur. L’alimentation de chacun
de ces capteurs,
symétrique de ±15est
V,réalisée
requise àpour
partir de deux alimentations
le fonctionnement de chacun a de
découpage de 15estVréalisée
ces capteurs, 320 mAà
(référence
partir de deux: myrra 47000 series).
alimentations a découpage de 15 V 320 mA (référence : myrra 47000 series).
Figure A.2. Photo des capteurs de tension réalisés : 1) capteur LV25P, 2) résistance primaire, 3) résistance de
Figure A.2 : Photo des capteursmesure de tension réalisés : 1)
et 4) alimentation capteur LV25P, 2) résistance primaire, 3)
symétrique.
résistance de mesure et 4) alimentation symétrique
A.3 Capteurs de courant réalisés
A.3La Capteurs
figure A.3 montre une photo réalisés
de courant d’un boitier contenant trois capteurs de courant réalisé.
Chacun d’eux est constitué d’un capteur de courant à Effet Hall de type LA55P, d’une
La figure
résistance de A.3 montre
mesure une photo
et d’une d’un boitier
alimentation contenant
symétrique de ±15trois capteurs
V. La valeur de
de courant réalisé.
la résistance de
Chacunest
mesure d’eux est constitué
choisie en fonction d’un
du capteur de mesure
courant de courantmaximal
à Effet Hall de type
souhaité LA55P,capteur.
de chaque d’une
résistance de mesure
L’alimentation et d’une
symétrique de alimentation symétrique
±15 V, requise pour ledefonctionnement
±15 V. La valeurde de la résistance
chacun de ces
de mesure
capteurs, estest choisie
réalisée en fonction
à partir de deux du courant de
alimentations mesure maximal
a découpage de 15 V souhaité de chaque:
320 mA (référence
capteur.
myrra L’alimentation
47000 series). symétrique de ±15 V, requise pour le fonctionnement de chacun
de ces capteurs, est réalisée à partir de deux alimentations a découpage de 15 V 320 mA
(référence : myrra 47000 series).
A.4 Onduleur monophasé réalisé

Dans le but de valider la commande d’un onduleur monophasé proposée dans le
Chapitre 5, un onduleur monophasé est réalisé. La figure A.4 montre une photo de
cet onduleur. Il est principalement constitué de deux modules IGBTs (référence : SKM
100GB123D), de deux cartes Drivers (référence : SKHI 23/12 (R)) et d’un filtre LC de
174
2
Annexe
sortie comprenant une inductance et un condensateur en série avec une résistance d’amor-
tissement. De plus, une carte d’alimentation est réalisée pour alimenter les deux cartes
Drivers. Elle est conçu autour d’une alimentation a découpage de115 V 320 mA (référence :
myrra 47000 series). Annexe
3
1
Figure A.3. Photo des capteurs de courant réalisés : 1) capteur LA55P, 2) résistance de mesure et 3) alimentation
3
symétrique.
Dans le but de valider la commande d’un onduleur monophasé proposée dans le Chapitre
5, un onduleur monophasé est réalisé. La figure A.4 montre une photo de cet onduleur. Il est
principalement constitué de deux modules IGBTs (référence : SKM 100GB123D), de deux
Figure
cartes A.3. Photo (référence
des capteurs de courant réalisés :(R))
1) capteur LA55P, 2) résistance de mesure et 3) alimentation
Figure Drivers : SKHI
A.3 : Photo des capteurs 23/12 réalisés
de courant et: 1)d’un filtre
capteur LC de
LA55P, sortie comprenant
2) résistance de mesure etune3)
inductance symétrique.
alimentation et un condensateur en série avec une résistance d’amortissement. De plus, une
symétrique
carte d’alimentation est réalisée pour alimenter les deux cartes drivers. Elle est conçu autour
d’une alimentation de 15 V 320 mA (référence : myrra 47000 series).
Dans le but de valider la commande d’un onduleur monophasé proposée dans le Chapitre
5, un onduleur monophasé est réalisé. La figure A.4 montre une photo de cet onduleur. Il est
5
principalement constitué de deux modules IGBTs (référence : SKM 100GB123D), de deux
cartes Drivers (référence : SKHI 23/12 (R)) et d’un filtre LC4 de sortie comprenant une
inductance et un condensateur en série avec une résistance d’amortissement. De plus, une
carte d’alimentation est réalisée pour alimenter les deux cartes drivers. Elle est conçu autour
d’une alimentation de 15 V 3320 mA (référence : myrra 47000 series).
5
2 4
1
2
FigureA.4
Figure A.4. :Photo
Photo dede
l'onduleur monophasé
l’onduleur monophaséréalisé : 1) modules
réalisé IGBTs,IGBTs,
: 1) modules 2) cartes
2)Drivers, 3) inductance
cartes Drivers, du
3) induc-
filtre de sortie, 4) condensateur du filtre de sortie, 5) résistance d'amortissement et
tance du filtre de sortie, 4) condensateur du filtre de sortie, 5) résistance d’amortissement 6)1carte d'alimentation.
et 6) carte
d’alimentation
3
6
175
Figure A.4. Photo de l'onduleur monophasé réalisé : 1) modules IGBTs, 2) cartes Drivers, 3) inductance du
filtre de sortie, 4) condensateur du filtre de sortie, 5) résistance d'amortissement et 6) carte d'alimentation.
Annexe
A.5 Onduleur triphasé utilisé

Un onduleur triphasé est utilisé pour la validation de la commande PDPC-FV dé-
veloppée dans le Chapitre 5. La figure A.5 montre une photo de cet onduleur. Il est
principalement constitué de trois modules IGBTs (référence : SKM 100GB123D), de trois
cartes Drivers (référence : ARCEL 2106/B) et d’un condensateur.
A.6 Contrôleur de puissance utilisé

Dans le but de tester les algorithmes MPPTs traités au Chapitre 2, un contrôleur de
puissance monophasé de type G3PW-A245EU-C est utilisé. Ce dernier est exploité pour
réguler le niveau d’éclairage des lampes halogène, permettant ainsi de reproduire les profils
d’irradiance souhaités. La figure A.6 montre la disposition de cet appareil. En entrée, le
contrôleur est directement relié à une source de tension alternative (220 V 50Hz). En
sortie, il génère une tension alternative de valeur efficace variable, comprise entre 0 et 220
V. La commande de ce contrôleur de puissance se fait par une tension continue dont la
valeur est comprise entre 1 et 5 V. Comme suggéré par la fiche technique de cet appareil,
Annexe
deux fusibles sont utilisés. Le premier est un fusible rapide placé entre la charge et la
sortie du contrôleur. Le second est un fusible temporisé placé à l’entrée du contrôleur.
A.5 Onduleur triphasé utilisé
Un onduleur triphasé est utilisé pour la validation de la commande PDPC-FV développée

dans le Chapitre 5. La figure A.5 montre une photo de cet onduleur. Il est principalement
constitué de trois modules IGBTs (référence : SKM 100GB123D), de trois cartes Drivers
(référence : ARCEL 2106/B) et d’un condensateur.
1
Figure A.5. Photo de l'onduleur triphasé utilisé : 1) modules IGBTs, 2) cartes Drivers et 3) condensateur.
Figure A.5 : Photo de l’onduleur triphasé utilisé : 1) modules IGBTs, 2) cartes Drivers et 3) condensateur
176
Annexe
A.6 Contrôleur de puissance utilisé
Dans le but de tester les algorithmes MPPTs traités au Chapitre 2, un contrôleur de

puissance monophasé de type G3PW-A245EU-C est utilisé. Ce dernier est exploité pour
réguler le niveau d’éclairage des lampes halogène, permettant ainsi de reproduire les profils
d’irradiance souhaités. La figure A.6 montre la disposition de cet appareil. En entrée, le
contrôleur est directement relié à une source de tension alternative (220 V 50Hz). En sortie, il
génère une tension alternative de valeur efficace variable, comprise entre 0 et 220 V. La
commande de ce contrôleur de puissance se fait par une tension continue dont la valeur est
comprise entre 1 et 5 V. Comme suggéré par la fiche technique de cet appareil, deux fusibles
sont utilisés. Le premier est un fusible rapide placé entre la charge et la sortie du contrôleur.
Le second est un fusible temporisé placé à l’entrée du contrôleur.
Vers la
charge
3
1
Tension
d'alimentation
Signal de
commande
Figure A.6. Photo du contrôleur de puissance utilisé : 1) contrôleur de puissance, 2) fusible rapide et 3) fusible
Figure A.6 : Photo du contrôleur de puissance utilisé : 1) contrôleur de puissance, 2) fusible rapide et
temporisé.
3) fusible temporisé
177
5
Bibliographie
[1] D. Infield, L. Freris, Renewable energy in power systems. John Wiley & Sons, 2020.
[2] J. Twidell, T. Weir, Renewable energy resources. Routledge, 2015.
[3] J.N. Figueiredo, M.F. Guillén, Green Power : Perspectives on Sustainable Electricity
Generation. Taylor & Francis, 2014.
[4] A. Berizzi, M. Delfanti, D. Falabretti, S. Mandelli, M. Merlo, Electrification Processes
in Developing Countries : Grid Expansion, Microgrids, and Regulatory Framework,
Proceedings of the IEEE, vol. 107, no. 9, pp. 1981-1994, 2019.
[5] R. Baños, F. Manzano-Agugliaro, F.G. Montoya, C. Gil, A. Alcayde, J. Gómez, Opti-
mization methods applied to renewable and sustainable energy : A review, Renewable
and Sustainable Energy Reviews, vol. 15, no. 4, pp. 1753-1766, 2011.
[6] H. Ibrahim, A. Ilinca, J. Perron, Investigations des différentes alternatives renouve-
lables et hybrides pour l’électrification des sites isolés, Rapport interne Laboratoire
de recherche en énergie éolienne, Université du Québec, Canada, 2008.
[7] M. Higuita Cano, "Système de gestion de l’énergie basé sur l’incertitude pour un
système hybride à sources d’énergie renouvelable autonome avec production d’hy-
drogène", Thèse de doctorat, Université du Québec à Trois-Rivières, Canada, 2017.
[8] L. Stoyanov, "Etude de différentes structures de systèmes hybrides à sources d’énergie
renouvelables", Thèse de doctorat, Université de corse Pasquale Paoli, France et
Université technique de Sofia, Bulgarie, 2011.
[9] P. Bajpai, V. Dash, Hybrid renewable energy systems for power generation in stand-
alone applications : A review, Renewable and Sustainable Energy Reviews, vol. 16,
no.5, pp.2926-2939, 2012.
[10] S. A. Belfedhal, E. M. Berkouk, Y. Messlem, Analysis of grid connected hybrid rene-
wable energy system, Journal of Renewable and Sustainable Energy, vol. 11, no. 1,
2019.
[11] A. Maleki, M.A. Rosen, F. Pourfayaz, Optimal Operation of a Grid-Connected Hybrid
Renewable Energy System for Residential Applications, Sustainability, vol. 9, no.8,
2017.
[12] A.G. Olabi, Renewable energy and energy storage systems, Energy, vol. 136, pp. 1-6,
2017.
[13] S. Kumar Tiwari, B. Singh, P. K. Goel, Design and Control of Microgrid Fed by
Renewable Energy Generating Sources, IEEE Transactions on Industry Applications,
vol. 54, no. 3, pp. 2041-2050, 2018.
[14] S. Shamshirband, T. Rabczuk, K. Chau, A Survey of Deep Learning Techniques :
Application in Wind and Solar Energy Resources, IEEE Access, vol. 7, pp. 164650-
164666, 2019.
BIBLIOGRAPHIE
[15] W. Lin, C. Hong, C. Chen, Neural-Network-Based MPPT Control of a Stand-Alone

Hybrid Power Generation System, IEEE Transactions on Power Electronics, vol. 26,
no. 12, pp. 3571-3581, 2011.
[16] B. Widrow, S.D. Stearns, Adaptive signal processing. Prentice-Hall, Inc. Upper
Saddle River, NJ, USA, 1985.
[17] G.C. Goodwin, K.S. Sin, Adaptive Filtering, Prediction, and Control. Eng-lewood
Cliffs, 1994.
[18] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, P. Wira, ADALINE based
maximum power point tracking methods for stand-alone PV system control, IEEE
International Conference on Industrial Technology (ICIT), Lyon, France, 2018, pp.
880-885.
[19] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, A Smart Battery Charger
Based on a Cascaded Boost-Buck Converter for Photovoltaic Applications, IEEE
Industrial Electronics Society (IECON), Washington, D.C., USA, 2018, pp. 3466-
3471.
[20] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, ADALINE Based MPPT
With Indirect Control Mode for Photovoltaic Systems, IEEE International Sympo-
sium on Industrial Electronics (ISIE), Vancouver, BC, Canada, 2019, pp. 2183-2188.
[21] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Unity Efficiency and Low
Cost MPPT Method for Single-Stage Grid- Connected PV System, Lecture Notes
in Electrical Engineering 604 - ELECTRIMACS 2019, Springer Nature Switzerland
AG, pp. 539-552, 2020.
[22] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, High Performance Control
of Single-Phase Full Bridge Inverters Under Linear and Nonlinear Loads, IEEE In-
dustrial Electronics Society (IECON), Lisbon, Portugal, 2019, pp. 236-240.
[23] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Improved D-Q Frame
Controller for Stand-Alone Single-Phase Inverters, IEEE International Conference
on Industrial Technology (ICIT), Buenos Aires, Argentina, 2020, pp. 53-58.
[24] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Adaptive neural control for
maximum power extraction in photovoltaic systems, Revue Roumaine des Sciences
Techniques Série Électrotechnique et Énergétique, vol. 64, no. 4, pp. 365-370, 2019.
[25] Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Unity efficiency and zero-
oscillations based MPPT for photovoltaic systems, Applied Solar Energy, vol. 56, no.
2, pp. 75-84, 2020.
[26] M. H. Nehrir, C.Wang, K. Strunz, H.Aki, A Review of Hybrid Renewable/Alternative
Energy Systems for Electric Power Generation : Configurations, Control, and Appli-
cations, IEEE Transactions on Sustainable Energy, vol. 2, no. 4, 392-403, 2011.
[27] P. K. Goel, B. Singh, S. S. Murthy, N. Kishore, Isolated Wind-Hydro Hybrid Sys-
tem Using Cage Generators and Battery Storage, IEEE Transactions on Industrial
Electronics, vol. 58, no. 4, pp. 1141-1153, 2011.
[28] G. Salimath, N. K. Singh, S. S. Badge, Coordination and performance analysis of
pumped hydro storage system integrated with solar, wind hybrid system, Interna-
tional Conference on Energy, Communication, Data Analytics and Soft Computing,
Chennai, 2017, pp. 160-164.
179
BIBLIOGRAPHIE
[29] F. Dubuisson, M. Rezkallah, A. Chandra, M. Saad, M. Tremblay, H. Ibrahim, Control

of Hybrid Wind-Diesel Standalone Microgrid for Water Treatment System Applica-
tion, IEEE Transactions on Industry Applications, vol. 55, no. 6, pp. 6499-6507,
2019.
[30] P. Saenger "Optimisation et gestion d’énergie d’un système hybride électrique em-
barqué", Thèse de Doctorat, Universite Bourgogne Franche-Comte, France, 2017.
[31] A. Parida, S. Choudhury, D. Chatterjee, Microgrid Based Hybrid Energy Co-
Operative for Grid-Isolated Remote Rural Village Power Supply for East Coast Zone
of India, IEEE Transactions on Sustainable Energy, vol. 9, no. 3, pp. 1375-1383, 2018.
[32] L. N. Khanh, J. Seo, Y. Kim, D. Won, Power-Management Strategies for a Grid-
Connected PV-FC Hybrid System, IEEE Transactions on Power Delivery, vol. 25, no.
3, pp. 1874-1882, 2010.
[33] F. Valenciaga, P. F. Puleston, Supervisor control for a stand-alone hybrid generation
system using wind and photovoltaic energy, IEEE Transactions on Energy Conversion,
vol. 20, no. 2, pp. 398-405, 2005.
[34] A. Bechouche, "Utilisation des techniques avancées pour l’observation et la com-
mande d’une machine asynchrone : application à une éolienne", Thèse de Doctorat,
Université Mouloud Mammeri de Tizi-Ouzou, Algérie, 2013.
[35] D. Ould Abdeslam, "Techniques neuromimétiques pour la commande dans les sys-
tèmes électriques : application au filtrage actif parallèle dans les réseaux électriques
basse tension", Thèse de Doctorat, Université de Haute Alsace, France, 2005.
[36] S. Haykin, Neural networks and learning machines, Upper Saddle River, NJ, USA :
Pearson, 2009.
[37] S. Haykin, B. Widrow, Least-mean-square adaptive filters. John Wiley & Sons, 2003.
[38] H. Ritchie, M. Roser (2020) - "Renewable Energy". Publié en ligne dans OurWorldIn-
Data.org. Retrieved from : https ://ourworldindata.org/renewable-energy [Ressource
en ligne].
[39] P. Breeze, Chapter 13 - Solar Power, Power Generation Technologies (Third Edition),
Newnes, 2019.
[40] R. Kumar, M. A. Rosen, A critical review of photovoltaic thermal solar collectors for
air heating, Applied Energy, vol. 88, no. 11, pp. 3603-3614, 2011.
[41] V.K. Singh, S.K. Singal, Operation of hydro power plants-a review, Renewable and
Sustainable Energy Reviews, vol. 69, pp. 610-619, 2017.
[42] M. Dahmane, "Gestion, Optimisation et Conversion des Énergies pour Habitat Au-
tonome", Thèse de Doctorat, Université de Picardie Jules Verne, France, 2015.
[43] B. K. Bose, Neural network applications in power electronics and motor drives : an
introduction and perspective, IEEE Transactions on Industrial Electronics, vol. 54,
no. 1, pp. 14-33, 2007.
[44] N. K. Nguyen, "Approche neuromimétique pour l’identification et la commande des
systèmes électriques : Application au filtrage actif et aux actionneurs synchrones",
Thèse de Doctorat, Université de Haute Alsace, France, 2010.
[45] T.-M. Nguyen, "Contribution to the analysis and understanding of electrical-grid
signals with signal processing and machine learning techniques", Thèse de Doctorat,
Université de Haute Alsace, France, 2017.
180
BIBLIOGRAPHIE
[46] M. G. Villalva, J. R. Gazoli, E. R. Filho, Comprehensive Approach to Modeling and

Simulation of Photovoltaic Arrays, IEEE Transactions on Power Electronics, vol. 24,
no. 5, pp. 1198-1208, 2009.
[47] A. Askarzadeh, A. Rezazadeh, Extraction of maximum power point in solar cells
using bird mating optimizer-based parameters identification approach, Solar Energy,
vol. 90, pp. 123-133, 2013.
[48] T. Mambrini, "Caractérisation de panneaux solaires photovoltaïques en conditions
réelles d’implantation et en fonction des différentes technologies", Thèse de Doctorat,
Université Paris-sud, France, 2015.
[49] M. Andresen, G. Buticchi, M. Liserre, Thermal stress analysis and MPPT optimi-
zation of photovoltaic systems, IEEE Transactions on Industrial Electronics, vol. 63,
no. 8, pp. 4889-4898, 2016.
[50] V. R. Kota, M. N. Bhukya, A novel linear tangents based P&O scheme for MPPT of
a PV system, Renewable and Sustainable Energy Reviews, vol. 71, no. Supplement
C, pp. 257-267, May 2017.
[51] J. Ahmed, Z. Salam, An improved perturb and observe (P&O) maximum power point
tracking (MPPT) algorithm for higher efficiency, Applied Energy, vol. 150, pp. 97-
108, 2015.
[52] M. A. Elgendy, D. J. Atkinson, B. Zahawi, Experimental investigation of the incre-
mental conductance maximum power point tracking algorithm at high perturbation
rates, IET Renewable Power Generation, vol. 10, no. 2, pp. 133-139, 2016.
[53] N. Femia, G. Petrone, G. Spagnuolo, M. Vitelli, Optimization of Perturb and Observe
Maximum Power Point Tracking Method, IEEE Transactions on Power Electronics,
vol. 20, no. 4, pp. 963-973, 2005.
[54] A. Thangavelu, S. Vairakannu, D. Parvathyshankar, Linear open circuit voltage-
variable step-size-incremental conductance strategy-based hybrid MPPT controller for
remote power applications, IET Power Electronics, vol. 10, no. 11, pp. 1363-1376,
2017.
[55] H. A. Sher, A. F. Murtaza, A. Noman, K. E. Addoweesh, K. Al-Haddad, M. Chia-
berge, A New Sensorless Hybrid MPPT Algorithm Based on Fractional Short-Circuit
Current Measurement and P&O MPPT, IEEE Transactions on Sustainable Energy,
vol. 6, no. 4, pp. 1426-1434, 2015.
[56] L. M. Elobaid, A. K. Abdelsalam, E. E. Zakzouk, Artificial neural network-based
photovoltaic maximum power point tracking techniques : a survey, IET Renewable
Power Generation, vol. 9, no. 8, pp. 1043-1063, 2015.
[57] S. Messalti, A. Harrag, A. Loukriz, A new variable step size neural networks MPPT
controller : Review, simulation and hardware implementation, Renewable and Sus-
tainable Energy Reviews, vol. 68, pp. 221-233, 2017.
[58] A. A. S. Mohamed, A. Berzoy, O. A. Mohammed, Design and Hardware Implemen-
tation of FL-MPPT Control of PV Systems Based on GA and Small-Signal Analysis,
IEEE Transactions on Sustainable Energy, vol. 8, no. 1, pp. 279-290, 2017.
[59] A. Harrag, S. Messalti, Variable step size modified P&O MPPT algorithm using GA-
based hybrid offline/online PID controller, Renewable and Sustainable Energy Re-
views, vol. 49, pp. 1247-1260, 2015.
181
BIBLIOGRAPHIE
[60] A. Youssef, M. E. Telbany, A. Zekry, Reconfigurable generic FPGA implementation of

fuzzy logic controller for MPPT of PV systems, Renewable and Sustainable Energy
Reviews, vol. 82, no. Part 1, pp. 1313-1319, 2018.
[61] A. A. Zaki Diab, H. Rezk, Global MPPT based on flower pollination and differential
evolution algorithms to mitigate partial shading in building integrated PV system,
Solar Energy, vol. 157, pp. 171-186, 2017.
[62] M. A. M. Ramli, K. Ishaque, F. Jawaid, Y. A. Al-Turki, Z. Salam, A modified diffe-
rential evolution based maximum power point tracker for photovoltaic system under
partial shading condition, Energy and Buildings, vol. 103, pp. 175-184, 2015.
[63] R. Bründlinger, N. Henze, H. Häberlin, B. Burger, A. Bergmann, F. Baumgartner,
prEN 50530-The new European standard for performance characterisation of PV
inverters, 24th European Photovoltaic Solar Energy Conference, Hamburg, Germany,
2009.
[64] F. Paz, M. Ordonez, High-Performance solar MPPT using switching ripple identifi-
cation based on a lock-in amplifier, IEEE Transactions on Industrial Electronics , vol.
63, no. 6, pp. 3595-3604, 2016.
[65] J. Ahmed, Z. Salam, A modified P&O maximum power point tracking method with
reduced steady-state oscillation and improved tracking efficiency, IEEE Transactions
on Sustainable Energy, vol. 7, no. 4, pp. 1506-1515, 2016.
[66] X. Li, H. Wen, L. Jiang, W. Xiao, Y. Du, C. Zhao, An improved MPPT method
for pv system with fast-converging speed and zero oscillation, IEEE Transactions on
Industrial Electronics, vol. 52, no. 6., pp. 5051-5064, 2016.
[67] F. Paz, M. Ordonez, Zero oscillation and irradiance slope tracking for photovoltaic
MPPT, IEEE Transactions on Industrial Electronics, vol. 61, no. 11, pp. 6138-6147,
2014.
[68] Y. Mahmoud, E. F. El-Saadany, A photovoltaic model with reduced computational
time, IEEE Transactions on Industrial Electronics, vol. 62, no. 6, pp. 3534-3544,
2014.
[69] IFRI260-60 PV Module Datasheet, disponible en ligne : http :
//www.if risol.com/en/telechargement1 − 1.php?idm enu = 5idm enur = 0lang =
prod =
[70] A. Belkaid, "Conception et implémentation d’une commande MPPT de haute perfor-
mance pour une chaine de conversion photovoltaïque autonome", Thèse de Doctorat,
Université de Ferhat Abbas, Algérie, 2015.
[71] D. Shmilovitz, On the control of photovoltaic maximum power point tracker via output
parameters, IEE Proceedings - Electric Power Applications, vol. 152, no. 2, pp. 239-
248, 2005.
[72] R. Subha, S. Himavathi, Active power control of a photovoltaic system without energy
storage using neural network based estimator and modified P&O algorithm, IET Ge-
neration, Transmission & Distribution, vol. 12, no. 4, pp. 927-934, 2018.
[73] H. M. El-Helw, A. Magdy, M. I. Marei, A hybrid maximum power point tracking
technique for partially shaded photovoltaic arrays, IEEE Access, vol. 5, pp. 11900-
11908, 2017.
[74] A. C. Pastor, "Conception et Réalisation de Modules Photovoltaïques Electroniques,
Thèse de Doctorat, INSA de Toulouse, France, 2006.
182
BIBLIOGRAPHIE
[75] C. Cabal, "Optimisation énergétique de l’étage d’adaptation électronique dédié à

la conversion photovoltaïque", Thèse de Doctorat, Université de Toulouse, France,
2008.
[76] B. Subudhi, R. Pradhan, A Comparative Study on Maximum Power Point Tra-
cking Techniques for Photovoltaic Power Systems, IEEE Transactions on Sustainable
Energy, vol. 4, no. 1, pp. 89-98, 2013.
[77] S. M. Ferdous, M. A. Mohammad, F. Nasrullah, A. M. Saleque, A. Z. M. S. Muttalib,
Design and simulation of an open voltage algorithm based maximum power point
tracker for battery charging PV system, 7th International Conference on Electrical
and Computer Engineering, Dhaka, Bangladesh, 2012, pp. 908-911.
[78] H. A. Sher, A. F. Murtaza, A. Noman, K. E. Addoweesh, K. Al-Haddad and M.
Chiaberge, A New Sensorless Hybrid MPPT Algorithm Based on Fractional Short-
Circuit Current Measurement and P&O MPPT, IEEE Transactions on Sustainable
Energy, vol. 6, no. 4, pp. 1426-1434, 2015.
[79] S. Tang, Y. Sun, Y. Chen, Y. Zhao, Y. Yang, W. Szeto, An Enhanced MPPT Method
Combining Fractional-Order and Fuzzy Logic Control, IEEE Journal of Photovoltaics,
vol. 7, no. 2, pp. 640-650, 2017.
[80] A. Mirecki, "Etude comparative de chaînes de conversion d’énergie dédiées à une
éolienne de petite puissance", Thèse de doctorat, Institut national polytechnique de
Toulouse, France, 2005.
[81] M. B. Hemanth Kumar, B. Saravanan, P. Sanjeevikumar, F. Blaabjerg, Review on
control techniques and methodologies for maximum power extraction from wind energy
systems, IET Renewable Power Generation, vol. 12, no. 14, pp. 1609-1622, 2018.
[82] M. Yin, W. Li, C. Y. Chung, L. Zhou, Z. Chen, Y. Zou, Optimal torque control
based on effective tracking range for maximum power point tracking of wind turbines
under varying wind conditions, IET Renewable Power Generation, vol. 11, no. 4, pp.
501-510, 2017.
[83] C. Balasundar, S. Sudharshanan, R. Elakkiyavendan, Design of an optimal tip speed
ratio control MPPT algorithm for standalone WECS, International Journal of Elec-
trical and Computer Engineering, vol. 6, no. 3, pp. 443-450, 2015.
[84] L. Wang, L. Cao, L. Zhao, Non-linear tip speed ratio cascade control for variable
speed high power wind turbines : a backstepping approach, IET Renewable Power
Generation, vol. 12, no. 8, pp. 968-972, 2018.
[85] C. Carunaiselvane, Thanga Raj Chelliah, Present trends and future prospects of asyn-
chronous machines in renewable energy systems, Renewable and Sustainable Energy
Reviews, Vol 74, pp. 1028-1041, 2017.
[86] O. S. Elsayed Atwa, Chapter 4 - Generators and Motors : Theory and Testing, Prac-
tical Power System and Protective Relays Commissioning, Academic Press, 2019, pp
31-47.
[87] S. Zhang, K. Tseng, D. M. Vilathgamuwa, T. D. Nguyen, X. Wang, Design of a
Robust Grid Interface System for PMSG-Based Wind Turbine Generators, IEEE
Transactions on Industrial Electronics, vol. 58, no. 1, pp. 316-328, 2011.
[88] K. Hong-Woo, K. Sung-Soo, K. Hee-Sang, Modeling and control of PMSG-based
variable-speed wind turbine, Electric Power Systems Research, vol. 80, no. 1, pp.
46-52, 2010.
183
BIBLIOGRAPHIE
[89] T. Zidelmal, "Modèle de Prédiction et de Commande de la Machine Synchrone à

Aimants Permanents : Application dans les Aérogénérateurs", Mémoire d’ingénieur
d’état, Université du Québec, Canada, 2015.
[90] T. A. T. Tameghe, "Modélisation et Simulation d’un Système de Jumelage éolien-
diesel Alimentant une Charge Locale", Maîtrise en ingénierie, Université du Quebec,
Canada, 2012.
[91] N. A. Orlando, M. Liserre, R. A. Mastromauro and A. Dell’Aquila, A Survey of
Control Issues in PMSG-Based Small Wind-Turbine Systems, IEEE Transactions on
Industrial Informatics, vol. 9, no. 3, pp. 1211-1221, 2013.
[92] F. Amrane, A. Chaiba, B. Francois, B. Babes, Experimental design of stand-alone
field oriented control for WECS in variable speed DFIG-based on hysteresis current
controller, 15th International Conference on Electrical Machines, Drives and Power
Systems, Sofia, 2017, pp. 304-308.
[93] Y. Ihedrane, C. El Bekkali, B. Bossoufi, Direct and indirect field oriented control
of DFIG-generators for wind turbines variable-speed, 14th International Multi-
Conference on Systems, Signals & Devices, Marrakech, 2017, pp. 27-32.
[94] F. Blaabjerg, M. Liserre, K. Ma, Power Electronics Converters for Wind Turbine
Systems, IEEE Transactions on Industry Applications, vol. 48, no. 2, pp. 708-719,
2012.
[95] T.F. Ishugah, Y. Li, R.Z. Wang, J.K. Kiplagat, Advances in wind energy resource
exploitation in urban environment : A review, Renewable and Sustainable Energy
Reviews, vol. 37, pp. 613-626, 2014.
[96] S. D. Ahmed, F. S. M. Al-Ismail, M. Shafiullah, F. A. Al-Sulaiman, I. M. El-Amin,
Grid Integration Challenges of Wind Energy : A Review, IEEE Access, vol. 8, pp.
10857-10878, 2020.
[97] X. Zeng, J. Yao, Z. Chen, W. Hu, Z. Chen, T. Zhou, Co-Ordinated Control Stra-
tegy for Hybrid Wind Farms With PMSG and FSIG Under Unbalanced Grid Voltage
Condition, IEEE Transactions on Sustainable Energy, vol. 7, no. 3, pp. 1100-1110,
2016.
[98] E. Mohammadi, R. Fadaeinedjad, H. R. Naji, G. Moschopoulos, Investigation of
Hori-zontal and Vertical Wind Shear Effects Using a Wind Turbine Emulator, IEEE
Transactions on Sustainable Energy, vol. 10, no. 3, pp. 1206-1216, 2019.
[99] M. Mansour, M. N. Mansouri, M. F. Mimouni, Comparative study of fixed speed and
variable speed wind generator with pitch angle control, International Conference on
Communications, Computing and Control Applications, Hammamet, 2011, pp. 1-7.
[100] T. Ghennam, "Supervision d’une ferme éolienne pour son intégration dans la ges-
tion d’un réseau électrique, Apports des convertisseurs multi niveaux au réglage des
éoliennes à base de machine asynchrone à double alimentation", Thèse de doctorat,
École centrale de Lille, France et école Militaire Polytechnique d’Alger, Algérie, 2011.
[101] L. Hui, K. L. Shi, P. G. McLaren, Neural-network-based sensorless maximum wind
energy capture with compensated power coefficient, IEEE Transactions on Industry
Applications, vol. 41, no. 6, pp. 1548-1556, 2005.
[102] S. Rechka, G. Roy, S. Dennetiere, J. Mahserdjian, "Modélisation des systèmes mé-
caniques multi-masses à base de machine asynchrone, à l’aide des outils Matlab et
EMTP, avec application aux éoliennes", Ecole Polytechnique de Montréal, EPM-RT-
2004-04, 2004.
184
BIBLIOGRAPHIE
[103] A. H. M. A. Rahim, I. O. Habiballah, DFIG rotor voltage control for system dynamic
performance enhancement, Electric Power Systems Research, vol. 81, pp. 503-509,
2011.
[104] Z. Ma, Z. Yan, M. L. Shaltout, D. Chen, Optimal Real-Time Control of Wind Tur-
bine During Partial Load Operation, IEEE Transactions on Control Systems Tech-
nology, vol. 23, no. 6, pp. 2216-2226, 2015.
[105] S. El Aimani, "Modélisation de différentes technologies d’éoliennes intégrées dans
un réseau de moyenne tension", Thèse de doctorat, École Centrale de Lille, France,
2004.
[106] V. Yaramasu, B. Wu, Model Predictive Control of Wind Energy Conversion Sys-
tems, First Edition. 2017 The Institute of Electrical and Electronics Engineers, Inc.
Published by John Wiley & Sons, Inc.
[107] G. Seguier, Electronique de puissance : les fonctions de base et leurs applications.
Edition Lavoisier, 1999.
[108] G. G. Koch, G. Schneider, J. Zucuni, H. Pinheiro, Direct scalar torque control for
wind turbine with permanent magnet synchronous generator, International Confe-
rence on Clean Electrical Power, Taormina, 2015, pp. 265-269.
[109] C. Busca, A. Stan, T. Stanciu, D. I. Stroe, Control of Permanent Magnet Synchro-
nous Generator for large wind turbines, IEEE International Symposium on Industrial
Electronics, Bari, 2010, pp. 3871-3876.
[110] M. H. Nehrir, A Review of Hybrid Renewable/Alternative Energy Systems for Elec-
tric Power Generation : Configurations, Control, and Applications, IEEE Transac-
tions on Sustainable Energy, vol. 2, no. 4, pp. 392-403, 2011.
[111] A. Villalón, M. Rivera, Y. Salgueiro, Predictive Control for Microgrid Applications :
A Review Study, Energies, vol. 13, no. 10, 2454, 2020.
[112] N. Maherzi, "Étude, conception et réalisation d’un convertisseur d’énergie DC/DC
associé à des supercondensateurs", Diplôme d’ingénieur, Conservatoire national des
arts et métiers de Lyon, France, 2010.
[113] J.M Tarascon, L’énergie : stockage électrochimique et développement durable, Col-
lège de France, Fayard, 2011.
[114] R. J. Haddad, A. El-Shahat, Y. Kalaani, Lead Acid Battery Modeling for PV Ap-
plications, Journal of Electrical Engineering, vol. 15, no. 2, pp. 17-24, 2015.
[115] H. Al Jed, "Influence de la recharge rapide sur les performances des accumulateurs
lithium des véhicules électriques dans le cadre de l’utilisation postale", Thèse de
doctorat, Université de Bordeaux, France, 2014.
[116] Y. Kim, H. Ha, Design of Interface Circuits With Electrical Battery Models, IEEE
[117] V. Benamara, "Étude et simulation d’un panneau solaire raccordé au réseau avec pé-
riphérique de stockage", Maîtrise en génie électrique, Université du Québec, Canada,
2012.
[118] A. Li, "Analyse expérimentale et modélisation d’éléments de batterie et de leurs
assemblages-Applications aux véhicules électriques et hybride", Thèse de doctorat,
Université Claude Bernard de Lyon, France, 2013.
185
BIBLIOGRAPHIE
[119] H. Zhou, S. Xiao, G. Yang, H. Geng, Modeling and Control for a Bidirectional Buck-
Boost Cascade Inverter, IEEE Transactions on Power Electronics, vol. 27, no. 3, pp.
1401-1413, 2012.
[120] N. Omar, Rechargeable Energy Storage Systems for Plug-in Hybrid Electric Vehicles
Assessment of Electrical Characteristics, Energies, vol. 5, no. 8, pp. 2952-2988, 2012.
[121] R.A. Huggins, Mechanical Energy Storage, In Energy Storage. Springer, Cham,
2016.
[122] B. Venkatesh, Thermal Energy Storage for Homes, IEEE International Conference
on Smart Energy Grid Engineering, Oshawa, Canada, 2018, pp. 36-39.
[123] S.O. Amrouche, D. Rekioua, T. Rekioua, Overview of energy storage in renewable
energy systems, International Renewable and Sustainable Energy Conference, Mar-
rakech, 2015, pp. 1-6.
[124] U. Akram, M. Khalid, S. Shafiq, An Innovative Hybrid Wind-Solar and Battery-
Supercapacitor Microgrid System Development and Optimization, IEEE Access, vol.
5, pp. 25897-25912, 2017.
[125] M. Bayya, U.M. Rao, B.V.V.S.N. Prabhakara Rao, N.M. Muthukrishnan, Compari-
son of Voltage Charging Techniques to Increase the Life of Lead Acid Batteries, IEEE
International Symposium on Smart Electronic Systems, Hyderabad, India, 2018, pp.
279-284.
[126] M. Kwiecien, P. Schröer, M. Kuipers, D.U. Sauer, Current research topics for lead-
acid batteries, Lead-Acid Batteries for Future Automobiles, pp. 133-146, 2017.
[127] G. J. May, A. Davidson, B. Monahov, Lead batteries for utility energy storage : A
review, Journal of Energy Storage, vol. 15, pp. 145-157, 2018.
[128] E. Karden, P. Mauracher, F. Schöpe, Electrochemical modelling of lead/acid batteries
under operating conditions of electric vehicles, Journal of Power Sources, vol. 64, no.
1, pp. 175-180, 1997.
[129] A. Dekkiche, "Modele de batterie générique et estimation de l’état de charge",
Maîtrise en génie de la production automatisée, Université du Québec, Canada, 2008.
[130] M. Benchagra, M. Hilal, Y. Errami, M. Maaroufi, M. Ouassaid, Nonlinear control
of DC-bus voltage and power for Voltage Source Inverter, International Conference
on Multimedia Computing and Systems, Tangier, Morocco, 2012, pp. 1049-1054.
[131] N. Jantharamin, L. Zhang, A new dynamic model for lead-acid batteries, 4th IET
Conference on Power Electronics, Machines and Drives, York, United Kingdom,
2008, pp. 86-90
[132] T. Xu, M. Yang, N. Diao, X. Sun, S. Wu, Z. Shen, H. Chen, C. Song Vector control
of the single-phase inverter based on the extended and virtual circuits, Transactions
on Electrical Machines and Systems, vol. 2 no. 3, pp. 320-327, 2018.
[133] S. H. Kim, Pulse width modulation inverters. Electric Motor Control, pp. 265-340,
2017.
[134] J. M. Carrasco, L. G. Franquelo, J. T. Bialasiewicz, E. Galvan, R. C. PortilloGui-
sado, M. A. M. Prats, J. I. Leon, N. Moreno-Alfonso, Power-electronic systems for
the grid integration of renewable energy sources : a survey, IEEE Transactions on
Industrial Electronics, vol. 53, no. 4, pp.1002-1016, 2006.
186
BIBLIOGRAPHIE
[135] M. Singh, V. Khadkikar, A. Chandra, R. K. Varma, Grid interconnection of rene-

wable energy sources at the distribution level with power-quality improvement features,
IEEE Transactions Power Delivery, vol. 26, no. 1, pp. 307-315, 2011.
[136] S. Golestan, J. M. Guerrero, A. Vidal, A. G. Yepes, J. Doval-Gandoy, F. D. Frei-
jedo, small-signal modeling, stability analysis and design optimization of single-phase
delay-based PLLs, IEEE Transactions on Power Electronics, vol 31, no. 5, pp. 3517-
3527, 2016.
[137] R. Zhang, M. Cardinal, P. Szczesny, M. Dame, A grid simulator with control of
single-phase power converters in D-Q rotating frame, IEEE Power Electron Specialists
Conference, Cairns, Australia, 2002, pp. 1431-1436.
[138] A. Roshan, R. Burgos, A.C. Baisden, F. Wang, D. Boroyevich, A DQ frame control-
ler for a full-bridge single phase inverter used in small distributed power genera-
tion systems, IEEE Applied Power Electronics Conference and Exposition, Anaheim,
USA, 2007, pp. 641-647.
[139] D. Stojic, N. Georgijevic, M. Rivera, S. Milic, Novel orthogonal signal generator for
single phase PLL applications, IET Power Electronics, vol. 11, no. 3, pp. 427-433,
2018.
[140] M. Monfared, S. Golestan, J.M. Guerrero, Analysis, Design, and Experimental Ve-
rification of a Synchronous Reference Frame Voltage Control for Single-Phase Inver-
ters, IEEE Transactions on Industrial Electronics, vol. 61, no. 1, pp. 258-269, 2015.
[141] J. Choi, Y. Kim, H. Kim, Digital PLL control for single-phase photovoltaic system,
IEE Proceedings-Electric Power Application, vol. 153, no. 1, pp. 40-46, 2006.
[142] Y. Liao, Z. Liu, H. Zhang, B. Wen, low-frequency stability analysis of single-phase
system with dq-frame impedance approach Part I : Impedance modeling and verifi-
cation, IEEE Transactions on Industry Applications, vol. 54, no. 5, pp. 4999-5011,
2018.
[143] M. Saitou, N. Matsui, T. Shimizu, A control strategy of single-phase active filter
using a novel d-q transformation, 38th IAS Annual Meeting on Conference Record of
the Industry Applications Conference , Salt Lake City, USA, 2003, pp. 1222-1227.
[144] L. Cui, L. Zhenxing, C. Li, W. Jiying, A novel control method for single-phase
power inverter systems based on Hilbert transform and DQ transform, 29th Chinese
Control and Decision Conference, Chongqing, 2017, pp. 7430-7435.
[145] Z. Zhang, H. Xu, M. Xue, Z. Chen, T. Sun, R. Kennel, C. M. Hackl, Predictive
control with novel virtual-flux estimation for back-to-back power converters, IEEE
[146] Y. Zhang, J. Liu, H. Yang, J. Gao, Direct power control of pulse-width modulated
rectifiers without DC voltage oscillations under unbalanced grid conditions, IEEE
Transactions on Industrial Electronics, vol. 65, no. 10, pp.7900-7910, 2018.
[147] A. Rahoui, "Techniques avancées pour la commande et l’observation d’un redresseur
MLI", Thèse de Doctorat, Université Mouloud Mammeri de Tizi-Ouzou (Algérie),
2017.
[148] Y. Zhang, C. Qu, Direct power control of a pulse width modulation rectifier using
space vector modulation under unbalanced grid voltages, IEEE Transactions on Power
187
BIBLIOGRAPHIE
[149] M. Mehreganfar, M. H. Saeedinia, S. A. Davari, C. Garcia, J. Rodriguez, Sensorless

predictive control of AFE rectifier with robust adaptive inductance estimation, IEEE
Transactions on Industrial Informatics, vol. 15, no. 6, pp. 3420-3431, 2019.
[150] R. A. Fantino, C. A. Busada, J. A. Solsona, Observer-based grid-voltage sensorless
synchronization and control of a VSI-LCL tied to an unbalanced grid, IEEE Transac-
tions on Industrial Electronics, vol. 66, no. 7, pp. 4972-4981, 2019.
[151] X. Xiao, Y. Zhang, , X. Song, T. Yildirim, F. Zhang, Virtual flux direct power control
for PWM rectifiers based on an adaptive sliding mode observer, IEEE Transactions
on Industry Applications, vol. 54, no. 5, pp. 5196-5205, 2018.
[152] M. G. Judewicz, S. A. González, J. R. Fischer, J. F. Martínez, D. O. Carrica,
Inverter-side current control of grid-connected voltage source inverters with LCL filter
based on generalized predictive control, IEEE Journal of Emerging and Selected Topics
in Power Electronics, vol. 6, no. 4, pp. 1732-1743, 2018.
[153] Q. Zeng, L. Chang, An advanced SVPWM-based predictive current controller for
three-phase inverters in distributed generation systems, IEEE Transactions on Indus-
trial Electronics, vol. 55, no. 3, pp. 1235-1246, 2008.
[154] R. Zhao, Z. Xin, P. C. Loh, F. Blaabjerg, A novel flux estimator based on multiple
second- order generalized integrators and frequency-locked loop for induction motor
drives, IEEE Transactions Power Electronics, vol. 32, no. 8, pp. 6286-6296, 2017.
[155] R. Razi, M. Monfared, Simple control scheme for single-phase uninterruptible power
supply inverters with Kalman filter-based estimation of the output voltage, IET Power
[156] S. Xu, J. Wang, J. Xu, A current decoupling parallel control strategy of single-phase
inverter with voltage and current dual closed-loop feedback, IEEE Transactions on
Industrial Electronics, vol. 60, no. 4, pp. 1306-1313, 2013.
[157] H. Komurcugil, Rotating-sliding-line-based sliding-mode control for single-phase
UPS inverters, IEEE Transactions on Industrial Electronics, vol. 59, no. 10, pp.
3719-3726, 2012.
[158] B. Ge, X. Li, H. Zhang, Y. Liu, R. S. Balog, H. Abu-Rub, L. Alpuerto, Direct
instantaneous ripple power predictive control for active ripple decoupling of single-
phase inverter, IEEE Transactions on Industrial Electronics, vol. 65, no.4, pp. 3165-
3175, 2018.
[159] H. Du, Q. Sun, Q. Cheng, D. Ma, X. Wang, An adaptive frequency phase-locked loop
based on a third order generalized integrator, Energies, vol. 12, no. 2, 2019.
[160] I. Jayathilaka, L. Lakpriya, D. De Alwis, G. Jayakody ; K.T.M.U. Hemapala, J.
P. Karunad, H. Lakshika, DQ transform based current controller for single-phase
grid connected inverter, 2nd International Conference On Electrical Engineering, Co-
lombo, 2018, pp. 32-37.
[161] I. Villanueva, A. Rosales, P. Ponce, A. Molina, Grid-voltage-oriented sliding mode
control for DFIG under balanced and unbalanced grid faults, IEEE Transactions on
Sustainable Energy, vol. 9, no. 3, pp. 1090-1098, 2018.
[162] J. Hu, J. Zhu, D. G. Dorrell, In-depth study of direct power control strategies for
power converters, IET Power Electronics, vol. 7, no. 7, pp. 1810-1820, 2014.
188
BIBLIOGRAPHIE
[163] S. S. Lee, Y. E. Heng, Optimal VF-PDPC of grid connected inverter under unbalan-
ced and distorted grid voltages, Electric Power Systems Research, vol. 140, pp. 1-8,
2016.
[164] M. Malinowski, G. Marques, M. Cichowlas, M. P. Kazmierkowski , New direct power
control of three-phase PWM boost rectifiers under distorted and imbalanced line
voltage conditions, IEEE International Symposium on Industrial Electronics, Rio de
Janeiro, Brazil, 2003, vol. 1, pp. 438-443.
[165] A. Bouafia, J.-P. Gaubert, Techniques de Commande Prédictive et Floue du Re-
dresseur à MLI : Redresseur à MLI de Tension à Absorption de Courant Sinusoïdal
et Facteur de Puissance Unitaire. Editions universitaires européennes, 2012.
[166] V. Q. B. Ngo, "Algorithmes de conception de lois de commande prédictives pour
les systèmes de production d’énergie", Thèse de Doctorat, Université Paris-Saclay,
France, 2017.
[167] Wang, Liuping, Model predictive control system design and implementation using
MATLAB. Springer Science& Business Media, 2009.
[168] H. Akagi, Y. Kanazawa, A. Nabae, Instantaneous reactive power compensators com-
prising switching devices without energy storage components, IEEE Transactions on
Industry Applications, vol. 20, no. 3, pp. 625-630, 1984.
[169] Y. Komatsu, T. Kawabata, A control method of active power filter where system
voltage contains negative-phase-sequence components or zero-phase-sequence com-
ponent, International Conference on Power Electronics and Drive Systems, Singa-
pore, Singapore, 1995, pp. 583-586.
[170] A. Bechouche, H. Seddiki, D. Ould Abdeslam, A. Rahoui, Y. Triki, P. Wira, Predic-
tive direct power control with virtual-flux estimation of three-phase PWM rectifiers
under nonideal grid voltages, IEEE International Conference on Industrial Techno-
logy, Lyon, France, 2018, pp. 806-811.
[171] R. Guzman, L. G. de Vicuña, J. Morales, M. Castilla, J. Miret, Model-based control
for a three-phase shunt active power filter, IEEE Transactions on Industrial Electro-
nics, vol. 63, no. 7, pp. 3998-4007, 2016.
[172] T. Liu, C. Xia, T. Shi, Robust model predictive current control of grid-connected
converter without alternating current voltage sensors, IET Power Electronics, vol. 7,
no. 12, pp. 2934-2944, 2014.
[173] K. J. Lee, B. G. Park, R. Y. Kim, D. S. Hyun, Robust predictive current control-
ler based on a disturbance estimator in a three-phase grid-connected inverter, IEEE
Transactions on power Electronics, vol. 27, no. 1, pp. 276-283, 2012.
[174] M. Malinowski, M. P. Kazmierkowski, S. Hansen, F. Blaabjerg, G. D. Marques,
Virtual-flux-based direct power control of three-phase PWM rectifiers, IEEE Transac-
tions on Industry Applications, vol. 37, no. 4, pp. 1019-1027, 2001.
[175] H. Yang, Y. Zhang, J. Liang, J. Gao, P. Walker, N. Zhang, Sliding mode observer
based voltage-sensorless model predictive power control of PWM rectifier under un-
balanced grid condition, IEEE Transactions on Industrial Electronics, vol. 65, no. 7,
pp. 5550-5560, 2018.
[176] J. G. Norniella, J. M. Cano, G. A. Orcajo, C. H. Rojas, J. F. Pedrayes, M. F.
Cabanas, M. G. Melero, Improving the dynamics of virtual flux-based control of three-
phase active rectifiers, IEEE Transactions on Industrial Electronics, vol. 61, no. 1,
pp. 177-187, 2014.
189
BIBLIOGRAPHIE
[177] A. Rahoui, A. Bechouche, H. Seddiki and D. O. Abdeslam, Virtual Flux Estimation

for Sensorless Predictive Control of PWM Rectifiers Under Unbalanced and Distorted
Grid Conditions, IEEE Journal of Emerging and Selected Topics in Power Electro-
nics, 2020, DOI : 10.1109/JESTPE.2020.2970042.
[178] M. Cichowlas, M. Malinowski, M. P. Kazmierkowski, D. L. Sobczuk, P. Rodriguez,
J. Pou, Active filtering function of three-phase PWM boost rectifier under different
line voltage conditions, IEEE Transactions on Industrial Electronics, vol. 52, no. 2,
pp. 410-419, 2005.
[179] A. Kulka, "Sensorless digital control of grid connected three phase converters for
renewable sources", Thèse de Doctorat, Université norvégienne de sciences et de
technologie, Trondheim, Norvège, 2009.
[180] J. A. Suul, A. Luna, P. Rodriguez, T. Undeland, Voltage sensorless synchronization
to unbalanced grids by frequency-adaptive virtual flux estimation, IEEE Transactions
on Industrial Electronics, vol. 59, no. 7, pp. 2910-2923, 2012.
[181] J. O. P. Pinto, B. K. Bose, L. E. B. De Silva, A stator-flux-oriented vector-controlled
induction motor drive with space-vector PWM and flux-vector synthesis by neural
network, IEEE Transactions on Industry Applications, vol. 37, no. 5, pp. 1308-1318,
2001.
[182] M. Cirrincione, M. Pucci, G. Cirrincione, G. A. Capolino, A new adaptive integra-
tion methodology for estimating flux in induction machine drives, IEEE Transactions
Power Electronics, vol. 19, no. 1, 25-34, 2004.
[183] M. Malinowski, "Sensorless control strategies for three-phase PWM rectifiers",
Thèse de Doctorat, École polytechnique de Varsovie, Pologne, 2001.
[184] M. Malinowski, M. Jasinski, M. P. Kazmierkowski, Simple Direct Power Control of
Three-Phase PWM Rectifier Using Space Vector Modulation, IEEE Transactions on
Industrial Electronics, vol. 51, no. 2, pp. 447-454, 2004.
[185] R. Pöllänen, "Converter-Flux-Based Current Control of Voltage Source PWM Rec-
tifiers Analysis and Implementation", Thèse de Doctorat, Université de technologie
de Lappeenranta, Lappeenranta, Finlande, 2003.
[186] L. A. Serpa, S. D. Round, J. W. Kolar, A virtual-flux decoupling hysteresis cur-
rent controller for mains connected inverter systems, IEEE Transactions on Power
[187] Y. Tao, Q. Wu, L. Wang, W. Tang, Voltage sensorless predictive direct power control
of three-phase PWM converters, IET Power Electronics, vol. 9, no. 5, pp. 1009-1018,
2016.
[188] M. B. Ketzer, C. B. Jacobina, Virtual flux sensorless control for shunt active power
filters with quasi-resonant compensators, IEEE Transactions on Power Electronics,
vol. 31, no. 7, pp. 4818-4830, 2016.
[189] L. E. B. de Silva, B. K. Bose, J. O. P. Pinto, Recurrent-neuralnetwork- based imple-
mentation of a programmable cascaded low-pass filter used in stator flux synthesis of
vectorcontrolled induction motor drive, IEEE Transactions on Industrial Electronics,
vol. 46, pp. 662-665, 1999.
[190] J. O. P. Pinto, B. K. Bose, L. E. B. de Silva, A stator-flux-oriented vector-controlled
induction motor drive with space-vector PWM and flux-vector synthesis by neural
network, IEEE Transactions on Industry Applications, vol. 37, no. 5, pp. 1308-1318,
2001.
190
BIBLIOGRAPHIE
[191] IEEE Recommended Practice and Requirements for Harmonic Control in Electric
Power Systems, IEEE Std 519-2014 (revision of IEEE Std 519-1992), 2014.
[192] L. Olatomiwa, S. Mekhilef, M. S. Ismail, M. Moghavvemi, Energy management
strategies in hybrid renewable energy systems : A review, Renewable and Sustainable
Energy Reviews, vol. 62, pp. 821-835, 2016.
[193] G. A. Koucoi, "Gestion d’énergie dans les systèmes hybrides PV/diesel pour zones
isolées et rurales : optimisation et expérimentation", Thèse de doctorat de l’Institut
international d’ingénierie de l’eau et de l’environnement, Burkina Faso, 2017.
[194] A. Dhaker, "Contribution au dimensionnement et à l’optimisation des systèmes
hybrides éoliens-photovoltaïques avec batteries pour l’habitat résidentiel autonome",
Thèse de doctorat, Université de Poitiers, France, 2012.
[195] P. Thounthong, S. Rael, B. Davat, Control Strategy of Fuel Cell and Supercapacitors
Association for a Distributed Generation System, IEEE Transactions on Industrial
[196] I. Ben Ali, M. Turki, J. Belhadj, X. Roboam, Optimized fuzzy rule-based energy
management for a battery-less PV/wind-BWRO desalination system, Energy, vol.
159, pp. 216-228, 2018.
[197] W. R. Sultana, S. K. Sahoo, S. Sukchai, S. Yamuna, D. Venkatesh, A review on
state of art development of model predictive control for renewable energy applications,
Renewable and Sustainable Energy Reviews, vol. 76, pp. 391-406, 2017.
[198] A. H. Fathima, k. Palanisamy, Optimization in microgrids with hybrid energy sys-
tems - A review, Renewable and Sustainable Energy Reviews, vol. 45, pp. 431-446,
2015.
[199] M. Jafari, Z. Malekjamshidi, Optimal energy management of a residential-based
hybrid renewable energy system using rule-based real-time control and 2D dynamic
programming optimization method, Renewable Energy, Vol. 146, pp. 254-266, 2020.
[200] P. E. Pascoe, A. H. Anbuky, A VRLA battery simulation model, Energy Conversion
and Management, vol. 45, no. 7-8, pp. 1015-1041, 2004.
191
Publications du doctorant
Articles de revues internationales

1. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Adaptive neural control for
maximum power extraction in photovoltaic systems, Revue Roumaine des Sciences
Techniques Série Électrotechnique et Énergétique, vol. 64, no. 4, pp. 365-370, 2019.
2. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Unity efficiency and zero-

oscillations based MPPT for photovoltaic systems, Applied Solar Energy, vol. 56,
no. 2, pp. 75-84, 2020.
Articles de conférences internationales

1. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, P. Wira, ADALINE based
maximum power point tracking methods for stand-alone PV system control, IEEE
International Conference on Industrial Technology (ICIT), Lyon, France, 2018, pp.
880-885.
2. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, A Smart Battery Charger
Based on a Cascaded Boost-Buck Converter for Photovoltaic Applications, IEEE
Industrial Electronics Society (IECON), Washington, D.C., USA, 2018, pp. 3466-
3471.
3. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, ADALINE Based MPPT
With Indirect Control Mode for Photovoltaic Systems, IEEE International Sympo-
sium on Industrial Electronics (ISIE), Vancouver, BC, Canada, 2019, pp. 2183-2188.
4. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, High Performance Control

of Single-Phase Full Bridge Inverters Under Linear and Nonlinear Loads, IEEE
Industrial Electronics Society (IECON), Lisbon, Portugal, 2019, pp. 236-240.
5. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Improved D-Q Frame
Controller for Stand-Alone Single-Phase Inverters, IEEE International Conference
on Industrial Technology (ICIT), Buenos Aires, Argentina, 2020, pp. 53-58.
Chapitre de livre
1. Y. Triki, A. Bechouche, H. Seddiki, D. Ould Abdeslam, Unity Efficiency and Low
Cost MPPT Method for Single-Stage Grid-Connected PV System, Lecture Notes
in Electrical Engineering 604 - ELECTRIMACS 2019, Springer Nature Switzerland
AG, pp. 539-552, 2020.
Contribution à l’optimisation des systèmes hybrides de
production d’énergies renouvelables
Résumé : Cette thèse traite de l’optimisation de la commande des systèmes hybrides à sources d’énergies
renouvelables. Initialement, deux nouveaux algorithmes de poursuite du point de puissance maximale
(MPPT) d’un système photovoltaïque (PV) sont développés. Ces algorithmes sont basés sur la courbe
caractéristique courant-tension d’un panneau PV et exploitent le neurone linéaire adaptatif (ADALINE).
Pour prouver leur efficacité, une validation expérimentale suivant la norme prEN 50530 est mise en œuvre.
Par la suite, la modélisation et la commande d’un système éolien de petite puissance sont présentées. La
stratégie de contrôle est constituée d’une commande MPPT de la turbine et d’une commande vectorielle de
la génératrice. Des tests en simulation sont menés où un fonctionnement correct et un rendement maximal
du système éolien sont atteints. L’étude et la commande d’un système de stockage d’énergie sont également
mises en œuvre. La technique de régulation en cascade est adoptée pour la commande de ce système.
Le système de stockage a assuré avec succès le transfert bidirectionnel de l’énergie et la régulation de la
tension du bus continu. Ensuite, une commande direct-quadrature d’un onduleur monophasé à modulation
de largeur d’impulsion (MLI) isolé du réseau est proposée où une nouvelle méthode de génération de
signal orthogonal est élaborée. Une commande directe de puissance prédictive à base du flux virtuel
(FV) d’un onduleur triphasé à MLI connecté au réseau est aussi développée. Dans cette commande,
un nouvel estimateur de FV basé sur un filtre neuronal adaptatif est proposé. Plusieurs simulations et
expérimentations sont effectuées où les commandes proposées se sont révélées être plus performantes
comparées aux méthodes conventionnelles. Finalement, un système hybride PV/éolien/batteries est mis
en œuvre et ensuite testé par simulation. L’interaction entre les différents sous-systèmes constituant ce
système hybride est d’abord analysée. A la fin, une stratégie de gestion de l’énergie dans le système
hybride est proposée et validée.
Mots-clés : ADALINE, algorithme MPPT, batterie de stockage, commande neuronale adaptative,

convertisseur à MLI, énergie renouvelable, éolien, gestion d’énergie, photovoltaïque, système hybride.
Contribution to the optimization of hybrid renewable energy

generation systems
Abstract : This thesis deals with the control optimization of hybrid renewable energy systems. Initially,
two new algorithms for maximum power point tracking (MPPT) in photovoltaic (PV) systems are deve-
loped. These algorithms are based on the current-voltage characteristics curve of a PV panel and exploit
the adaptive linear neuron (ADALINE) technique. In order to prove their effectiveness, experimental
validation according to prEN 50530 test standard is carried out. The proposed controls have proven to
be a highly efficient. Thereafter, modeling and control of a small wind-energy conversion system are
presented. The control strategy is based on an MPPT control of the wind turbine and a vector control
of the generator. The Wind energy conversion chain is simulated. A proper operation and a maximum
efficiency are achieved. Design and control of a renewable energy storage system are also presented. A
cascade control structure is adopted for this system control. The storage system has successfully ensu-
red bidirectional energy transfer as well as the DC bus voltage regulation. Then, a direct-quadrature
rotating frame control method of a single-phase pulse-width-modulation (PWM) inverter in stand-alone
operation mode is proposed. To improve this method, a new orthogonal signal generation is designed. A
predictive direct power control method based on the virtual flux (VF) of a three-phase grid-connected
PWM inverter is also proposed. For this control, a new VF estimator based on an adaptive neural filter
is developed. Several simulations and experimental tests are carried out. Compared to conventional me-
thods, the proposed controls have proven to be more efficient. Finally, a PV/wind/battery hybrid system
is implemented and tested through simulations. Interaction between its different subsystems is analyzed.
Moreover, an energy management strategy for the hybrid system is proposed and validated.
Keywords : ADALINE, adaptive neural control, energy management, hybrid energy system, MPPT
algorithm, photovoltaic, PWM converter, renewable energy, storage battery, wind turbine.

Triki Yacine

Transféré par

Droits d'auteur :

Formats disponibles

Triki Yacine

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Triki Yacine

Transféré par

Droits d'auteur :

Formats disponibles

DOSSIER D’IN

DOCTEUR DE L’UNIVERSITÉ DE HAUTE-ALSACE

Ville de naissance : Tizi-Ouzou

BACCALAUREAT OU DIPLOME EQUIVALE

Thèse préparée au sein du Laboratoire de Conception et Conduite

ADALINE Neurone linéaire adaptatif (Adaptive linear neuron)

Table des figures vii

Liste des tableaux xiv

1 Systèmes hybrides et introduction à la technique neuronale ADALINE 5

2 Commandes neuronales adaptatives pour l’extraction du maximum de

3 Commande d’une éolienne à base d’une MSAP 58

3.4.1 Modélisation aérodynamique . . . . . . . . . . . . . . . . . . . . . . 62

4 Étude du système de stockage d’énergie et régulation de la tension du

5 Conversion continu-alternatif dans les SHSERs 105

5.3.5 Commande PDPC-FV pour un fonctionnement dans des conditions

6 Mise en œuvre et gestion énergétique du système hybride PV/éolien/

Conclusion générale 169

Publications du doctorant 192

1.1 Classification des systèmes hybrides . . . . . . . . . . . . . . . . . . . . . . 10

2.1 Schéma bloc du système de conversion de l’énergie PV étudié . . . . . . . . 25

2.33 Comparaison des performances des algorithmes P&O et INRE pour un

3.1 Configuration globale du système éolien étudié . . . . . . . . . . . . . . . . 62

4.1 Architecture globale du système de stockage étudié (configuration corres-

5.1 Structure générale d’un onduleur de tension monophasé en pont complet

5.13 Performances de la commande dq proposée durant le démarrage (charge

5.31 Spectre harmonique du courant ia obtenu avec la commande PDPC conven-

6.1 Architecture globale du système hybride PV/éolien/batteries . . . . . . . . 152

6.10 Grandeurs de sortie du sous-système PV sous variations de l’irradiance : (a)

2.1 Caractéristiques du panneau IFRI260-60 sous les conditions de test standard 28

3.1 Paramètres du système éolien utilisés dans la simulation . . . . . . . . . . 80

4.1 Paramètres de simulation du système de stockage . . . . . . . . . . . . . . 101

5.1 Paramètres de la plateforme expérimentale de test de la commande dq de

Au cours de ces dernières décennies, la production d’électricité d’origine renouvelable a

qualité avec le minimum de fluctuations. Dans le système éolien, la courbe de puissance

Le Chapitre 5 traite de la conversion continu-alternatif [22], [23] où deux nouvelles

Systèmes hybrides et introduction à la

1.2 Systèmes hybrides de production d’EnRs

1.2.1 Sources d’EnRs

1.2.2 Systèmes hybrides

1.2.3 Classification des Systèmes

Classification des systèmes hybrides

Régime de fonctionnement Configuration du bus commun Sources d’énergie utilisées

Bus CC Bus CA Bus mixte

Isolé Connecté PV, Eolien, Avec ou sans Avec ou sans source

Figure 1.1. Classification des systèmes hybrides.

a) Selon le régime de fonctionnement

b) Selon les sources d’énergie exploitées

Sources CA Convertisseur Convertisseur

Elément de Convertisseur Convertisseur Réseau Electrique,

Figure 1.2. Configuration d’un système hybride avec un bus CC.

Convertisseur Convertisseur Charges CC

Figure 1.3. Configuration d’un système hybride avec un bus CA.

Figure 1.4. Configuration d’un système hybride avec un bus mixte.

1.2.4 Système hybride étudié

Figure 1.5. Configuration du système hybride étudié.

1.2.5 Exigences en termes de commande du système hybride étu-

la tension est maintenue constante par le système de stockage, représente la source

Figure 1.6 Stratégies de commandes développées et appliquées au système hybride étudié.

1.3 Techniques neuronales pour la commande du sys-

1.3.1 Concept des RNAs