Optimisation du point de puissance maximum par l’intelligence informatique

Abstract

Les principaux inconvénients des algorithmes d'optimisation classiques tels que PnO et IC sont qu'ils ne peuvent pas faire la distinction entre un point de puissance maximale globale (GMPP) et un point de puissance maximale locale (LMPP). Si l'algorithme converge vers un LMPP, il en résulte une perte de puissance. Des algorithmes de contrôle intelligent (CI) peuvent être utilisés pour suivre le point de puissance maximale globale (GMPP). Ces algorithmes constituent une méthode peu coûteuse et moins compliquée pour traiter les conditions d'ombrage partiel. Cette thèse utilise deux de ces algorithmes tel que Firefly (FA) et Optimisation par essaim de particules (PSO) basé sur l'utilisation de l'intelligence informatique comme outil pour le suivi du point de puissance maximale. Les résultats de la simulation sous MATLAB/Simulink montrent que les algorithmes MPPT basés sur PSO et FA peuvent suivre efficacement le point de puissance maximale globale (GMPP) indépendamment des points de départ. L'efficacité des algorithmes PSO et FA était relativement la même. D'autre part, l'algorithme PnO s'est avéré peu fiable dans le cas de conditions d'ombrage partiel (CSP), même avec des points de départ différents