Amélioration de l’algorithme MPPT pour un système PV par l’intégration des nouvelles techniques basées sur l’intelligence artificielle

Résumé

Avec l'intégration croissante des énergies renouvelables dans les réseaux électriques, de nombreuses recherches sont menées pour améliorer l'efficacité des systèmes de conversion. Le défi mondial consiste à réduire le coût de production et à maximiser l'utilisation de ressources durables. À cet égard, l'énergie photovoltaïque est considérée comme une source très prometteuse en termes de coûts de mise en oeuvre et du nombre d'applications utilisant des panneaux photovoltaïque (PV). Plusieurs techniques MPPT (Maximum Power Point Tracking) ont été développées pour suivre le point de puissance maximale (MPP). La technique Perturb and Observe (P&O) est l'une des techniques conventionnelles utilisées pour la poursuite du MPP, mais elle présente plusieurs inconvénients en termes de temps de réponse et de qualité du signal de sortie. Dans notre recherche, une méthode basée sur un contrôleur à logique floue (FLC) qui corrige les limites des algorithmes conventionnels a été développé. Cette technique regroupe les avantages de la P&O-MPPT pour tenir compte des variations lentes et rapides de l'irradiation solaire, ainsi que la réduction du temps de traitement de la FLC-MPPT, pour résoudre des problèmes techniques complexes avec un nombre de règles des fonctions d'appartenance réduit. En conséquence, la technique proposée atteint des efficacités de suivi moyennes d'environ 99,6 % dans le cadre du test standard EN50530. Cette méthode offre un meilleur temps de réponse et des oscillations moins importantes que celles des méthodes conventionnelles. Comme deuxième partie de notre étude, un modèle basé sur le système d'inférence adaptatif neuro-flou (ANFIS) a été développé. Cette technique combine un contrôleur de logique floue et des réseaux de neurones artificiels (ANN). Les résultats des tests sont simulés sur Matlab/Simulink avec une comparaison des modèles proposés avec d'autres techniques MPPT telles que Perturb and Observ (P&O) et Incremental Conductance (INC).

Date	4 juil. 2022
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Ambrish Chandra (Directeur(-trice))