Synthèse de commandes adaptatives et contrôleurs prédictifs basés sur l’intelligence artificielle pour l’optimisation des performances des systèmes photovoltaïques connectés aux réseaux électriques en zone tropicale

Résumé

La connexion du système photovoltaïque (PV) au réseau électrique engendre, entre autres, une augmentation de la consommation de puissance réactive et une injection d’harmoniques de courant dans le réseau. Ce qui impacte négativement sur le bon fonctionnement du réseau. Ainsi, pour palier à ces problèmes, nous proposons dans cette thèse de modéliser et d’implémenter des algorithmes d’intelligence artificielle pour développer une stratégie de contrôlecommande et de prédiction d’un Système PV Connecté au Réseau Electrique (SPVCRE). Cette stratégie passe par l’optimisation de la qualité de l’énergie produite et injectée au réseau (élimination d’harmoniques et minimisation de la consommation de puissance réactive), mais également par la prédiction de l’énergie injectée au réseau. En effet, les paramètres de couplage du système photovoltaïque (pour l’injection de puissance active dans le réseau) et filtre actif parallèle (onduleur et filtre passif LCL pour la dépollution) sont analysés et modélisés. Nous avons ainsi développé une méthode hybride intelligente de contrôle-commande et de prédiction (de la température des modules photovoltaïques et de l’énergie injectée) basée sur le Système d’Inférence Neuro Flou Adaptatif (SINFA) Optimisé par Essaim de Particules (OEP) : c’est la méthode OEP-SINFA. Une étude comparative entre la méthode OEP-SINFA proposée, la méthode SINFA et la méthode classique Perturbation et Observation (P&O) est faite au niveau de la Technique de Commande de Poursuite du Point de Puissance Maximale (TC3PM). Pour la régulation de la tension du bus continu et des courants du réseau, OEP-SINFA et le correcteur classique de type Proportionnel Intégral (PI) sont analysés. Les résultats obtenus ont montré que la méthode OEP-SINFA proposée est plus performante que les méthodes SINFA et P&O pour la Poursuite du Point de Puissance Maximale (3PM). Egalement pour la régulation de la tension du bus DC et des courants du réseau, OEP-SINFA est plus performante que PI. Ainsi, la méthode OEP-SINFA proposée donne les meilleurs résultats. Elle a permis de résoudre les problématiques liées aux pertes de puissance au niveau du module PV, à la fluctuation de la tension d’entrée de l’onduleur, à l’injection d’harmoniques de courant, à la consommation de puissance réactive et à l’imprévisibilité de la production PV. Elle a permis d’injecter une puissance réactive quasi-nulle au réseau électrique et présente un faible Taux de Distorsion Harmonique (TDH) de 2,98%. Elle donne également de très bon résultats dans le cadre de la prédiction de l’énergie avec un coefficient de corrélation (R2) moyenne supérieur à 94% et une Performance d’Erreur de 0,21% (largement inférieure à la limite des 5%) qui exprime sa fidélité. Enfin, des données réelles issues de la Centrale Solaire Photovoltaïque de Ten Merina (CSPVTM) ont été utilisées pour la validation des modèles développés dans ce manuscrit. Mots clés : Solaire photovoltaïque, commande de l’onduleur, prédiction, OEP, SINFA, intelligence artificielle, poursuite du point de puissance maximale

Citer ce document

Accès au document

Ce document est hébergé sur son dépôt institutionnel d'origine.

Auteur(s)

Statistiques

Consultations : 2

Téléchargements : 0