Contribution à la gestion des flux énergétiques dans un système hybride de sources d'énergie renouvelable : Application de l'intelligence Artificielle pour l'optimisation.

Abstract

Ce travail porte sur la modélisation, la commande et l’optimisation d’un système hybride de production et de gestion d’énergie basé sur des sources renouvelables. La structure proposée repose sur un générateur éolien et un générateur photovoltaïque (PV), et des batteries, couplées via un bus continu et relié au réseau électrique par l’intermédiaire d’un convertisseur statique. Les techniques PI, Perturber et Observer (P&O), contrôleur flou (FLC) et contrôleur flou auto ajustable (STLFC) ont été utilisés pour l’extraction du maximum de puissance de l’éolienne et de PV. Les essais de simulation ont été développés sous l’environnement MATLAB. Les résultats ont confirmé la supériorité de la technique STFLC. Trois stratégies de commande PI, FLC et par réseaux de neurones artificiels (ANN) ont été mises en oeuvre pour la gestion afin d’optimiser la répartition de la puissance entre les sources, la charge, le réseau et le système de stockage, et de superviser l’état de charge, les conditions météorologiques et les besoins de consommation. De plus, une défaillance- une variation de la tension et de la fréquence- du réseau a été simulée, afin d’évaluer la robustesse de l’algorithme de gestion. Les résultats ont mis en évidence l’efficacité de la solution proposée. Une validation expérimentale a été réalisée pour la partie photovoltaïque, en utilisant l’émulateur Chroma 62050H-600S et la plateforme temps réel dSPACE MicroLabBox DS1202. Des essais ont été effectués avec succès pour les contrôleurs P&O, P&O adaptatif et optimisation par essaim de particules (PSO), dans une perspective de les appliquer pour l’ombrage partiel.