Passer à la navigation principale Passer à la recherche Passer au contenu principal

Stratégie optimisée de contrôle de statisme assistées par réseaux de neurones pour la gestion des convertisseurs de puissance monophasés dans les micro-réseaux intelligents

  • Saad Belgana

Thèses et mémoires: Thèse de doctoratDoctorat en génie: Génie

Résumé

Dans le contexte des enjeux énergétiques et environnementaux actuels, l’importance stratégique des micro-réseaux, notamment pour l’intégration de ressources énergétiques décentralisées, est indéniable. Ces systèmes se caractérisent par leur capacité à intégrer diverses sources d’énergies renouvelables et à assurer une électrification efficace des sites isolés, constituant ainsi une alternative viable aux systèmes énergétiques centralisés. Toutefois, l’intégration de sources d’énergie renouvelables, notoirement intermittentes, pose d’importants défis en termes de performance, de stabilité et de gestion de la puissance. Cette thèse aborde ces défis, en se concentrant particulièrement sur la gestion des convertisseurs de puissance monophasés au sein des micro-réseaux. Il est proposé une méthode de commande vectorielle, qui a démontré une amélioration significative de la robustesse et de la fiabilité, répondant aux complexités propres aux micro-réseaux. En mode autonome, un système de contrôle de statisme, basé sur les Réseaux de Neurones Artificiels, est développé pour un partage équilibré de la puissance entre les générateurs distribués en parallèle. Ce système offre une régulation de puissance adaptative et précise, particulièrement réactive aux variabilités des sources renouvelables. En mode connecté, une méthode de contrôle de statisme, également basée sur les Réseaux de Neurones Artificiels et conforme à la norme IEEE1547, est introduite. Cette approche garantit une intégration harmonieuse des générateurs distribués au réseau électrique principal, tout en respectant les critères rigoureux de la norme en matière de stabilité et de performance. Pour ces deux modes, les Réseaux de Neurones Artificiels ont été entraînés à partir de données issues de simulations détaillées, et les points d’opération ont été optimisés via une méthode d’optimisation par essaim particulaire. Cette stratégie permet une gestion optimale des micro-réseaux, leur conférant la capacité de s’adapter dynamiquement à la volatilité des sources d’énergie renouvelables. Les résultats obtenus attestent que la stratégie de contrôle proposée améliore significativement la stabilité et la gestion de la distribution de puissance dans les micro-réseaux, tant en mode îlotage qu’en mode connecté. Cette avancée est cruciale pour le développement de systèmes de puissance distribués plus efficaces et performants, facilitant une intégration plus stable et efficiente des énergies renouvelables dans les futurs systèmes de distribution d’énergie.
Date18 déc. 2025
langue originaleFrançais
Établissement diplômant
  • École de technologie supérieure
SuperviseurHandy Fortin Blanchette (Directeur(-trice))

Mots-clés

  • micro-réseaux
  • générateurs distribués
  • réseaux de neurones artificiels
  • contrôle de statisme
  • îlotage
  • optimisation par essaim particulaire
  • IEEE1547

Citer cette ressource

'