 dans des conditions variables.){kind=link}
MPPT d’un système photovoltaïque à l’aide d’un contrôleur à logique floue (FLC) dans des conditions variables est proposée dans ce projet.
L’efficacité de l’énergie solaire est principalement liée aux changements météorologiques tels que la température et les conditions d’irradiation, à la lumière de ces changements et de la non-linéarité de la caractéristique I-V, des algorithmes sont utilisés pour augmenter l’efficacité dans toutes les conditions en suivant le maximum point d’alimentation du système solaire.
L’étude a été réalisée par MATLAB/Simulink et compare les résultats en utilisant la méthode P&O. Les résultats de la simulation démontrent que le suivi délicat MPPT basé sur FLC du MPP dans différentes conditions climatiques.
Présenté par : Benalia Benalia
Introduction Générale
La disponibilité de plusieurs conditions telles que l’insolation et la température pour produire de l’énergie, mais les changements de temps et la non-linéarité des caractéristiques I-V et P-V affectent l’efficacité du système photovoltaïque.
Afin d’augmenter son efficacité, un contrôleur est utilisé pour suivre le point maximum de l’énergie fournie par le générateur solaire MPPT modifie les rapports entre le courant et la tension pour augmenter la puissance de sortie.
Les techniques d’intelligence artificielle telles que les algorithmes intelligents, les réseaux de neurones et les contrôleurs à logique floue appliqués au MPPT ont considérablement amélioré les performances de suivi dans diverses conditions météorologiques.
Les FLC sont des systèmes intelligents qui n’ont aucune sensibilité à la variation de la topologie, des paramètres et des conditions de fonctionnement contrairement aux contrôleurs linéaires, ces caractéristiques rendent les FLC attractifs pour les concepteurs de systèmes.
La technique P&O est un classique et la plus populaire parmi les chercheurs car elle est simple et dépend de la mesure des paramètres photovoltaïques de courant, mais l’un des problèmes de cette méthode est constamment oscillé autour du point maximum et ne peut pas déterminer avec précision le temps nécessaire pour atteindre le point MPP.
Modélisation du système PV
La cellule photovoltaïque est modélisée par un semi-conducteur qui convertit les photons tombant sur la cellule en énergie électrique. La tension de sortie varie entre 0,5 et 0,8 volts selon les différents types de semi-conducteurs.
A partir du circuit équivalent, l’expression du courant de sortie de la cellule est la suivante :
L’expression mathématique Ipv du courant électrique lié à la température et au rayonnement solaire est donnée comme suit :
et (Id) est l’équation de la diode de Shockley qui peut être représentée comme suit :
L’expression du courant dans la résistance Ish est la suivante :
D’où :
Avec : N est Facteur d’idéalité de la diode. Rs : résistance série des cellules solaires (Ω). Rsh : résistance shunt de la cellule (Ω).
Convertisseur boost DC-DC
Le convertisseur élévateur est un convertisseur élévateur DC-DC. Il augmente la basse tension d’entrée et abaisse le courant d’entrée élevé. Il fonctionne à l’envers du convertisseur buck. Son principe de fonctionnement est simple, l’interrupteur s’ouvre et se ferme en transmettant une impulsion PWM.
La Figure suivante montre la conception du convertisseur boost.
La relation entre la tension d’entrée et de sortie est exprimée par :
Où D est le rapport cyclique, il est compris entre 0 et 1.
Sélection de l’inducteur
Grâce au courant d’ondulation d’une inductance à la tension d’entrée maximale, la valeur de l’inductance est déterminée par l’équation (7) :
Où : △IL est le courant d’ondulation estimé de l’inducteur.
Pour un rendement élevé jusqu’à 95 %, la valeur limite de l’inductance est déterminée par l’équation (8) :
Sélection de condensateur
Grâce à la variation de l’ondulation de tension (△VR), la valeur du condensateur est calculée par l’équation (9) :
Pour une ondulation de tension de 1 %, la valeur minimale du condensateur est calculée par :
Techniques MPPT
Dans la littérature, il existe de nombreux conceptions MPPT certains simples et d’autres plus complexes pour suivre le point de puissance maximale, qui dépend de la variation de tension ou de courant.
Habituellement, le convertisseur élévateur est utilisé pour contrôler le rapport cyclique (D), ces techniques sont également utilisées dans diverses sources.
MPPT basé sur la méthode P&O
Cette méthode est considérée comme l’une des méthodes les plus simples et les plus courantes dans les systèmes photovoltaïques (MPPT d’un système photovoltaïque). Cela dépend de la mesure de la tension où la puissance (△P) change avec le changement de de (△V).
Des ajustements sont effectués sur les valeurs perturbées dans un sens afin de stopper la montée en puissance où si le (△P) est inférieur à zéro le point de fonctionnement s’éloigne. Pour le MPP, ici le sens de la perturbation est inversé Pour revenir vers le point MPP.
Lorsque la valeur de la perturbation et un changement de puissance sont dans la même direction (à la fois négative ou positive). Cette méthode peut être résumée dans le tableau suivant.
MPPT basé sur le contrôleur FLC
Connaître le modèle mathématique des systèmes nous est indispensable pour le maîtriser par des techniques classiques, mais la présence de certains systèmes complexes à modéliser a incité les chercheurs à utiliser des techniques modernes qui relèvent des techniques de l’intelligence artificielle. Par conséquent, dans ce travail, nous introduisons la commande MPPT d’un système photovoltaïque à l’aide d’un contrôleur à logique floue.
La plus importante est la technique de la logique floue qui n’a besoin que d’informations sur le système à contrôler (MPPT d’un système photovoltaïque).
La performance requise est obtenue en fixant certaines règles sous forme de phrases, si cela incitera l’observateur à prendre la décision appropriée.
Le contrôleur flou MPPT est réalisé en trois étapes : fuzzification, moteur d’inférence et défuzzification. La Figure suivante montre la structure des étages du contrôleur flou.
Fuzzification
La fuzzification : les variables d’entrée numériques sont converties en variables linguistiques selon la fonction d’appartenance :
Variantes linguistiques
Les variantes linguistiques sont exprimées par P et N. Le positif et le négatif tandis sont exprimés respectivement par Z, B, M et S. Les Figures suivantes montre la structure des fonctions d’appartenance de (e), (△e) et (D).
Moteur d’inférence
Moteur d’inférence : la sortie est convertie en variables de langage associées à cinq fonctions d’appartenance que D représente la sortie floue, le changement de rapport cyclique D sur la base de Mamdani est exprimé à l’aide des règles suivantes :
SI (e) est égal à NB ET (△e) est égal à ZE ALORS (D est PB). Le tableau suivant résume 25 la règle floue de contrôle, qui est utilisée pour contrôler.
Défuzzification
Défuzzication est basée sur la méthode de la moyenne pondérée dans la conception des FLC. Cette méthode est donnée par l’équation suivante (13) :
La valeur de sortie D est convertie en PWM par un générateur DC-DC pour contrôler le MOSFET de grille du convertisseur élévateur.
Résultats des simulations
Une simulation de la commande MPPT d’un système photovoltaïque à l’aide d’un contrôleur à logique floue. Le système se compose d’un générateur photovoltaïque de 1Soltech 1STH-215-P connecté à un convertisseur Boost.
Figure suivante montre le système proposé et la technologie FLC respectivement. Le système a été testé dans différentes conditions d’irradiation et de température.
Condition de différence irradiation
Dans ce cas, les valeurs par défaut de différentes conditions de rayonnement et une température constante (25◦C) ont été appliquées comme indiqué sur la Figure suivante.
Condition de différence de température
Dans ce cas, des valeurs par défaut de température et une irradiance constante de 1000 (W/m2) ont été appliquées comme indiqué sur la Figure suivante.
En comparant les résultats, une similarité dans les performances est observée. Cependant, FLC a de bonnes caractéristiques de performance comme moins de temps de réponse, moins d’oscillation et un bon suivi du MPP.
Conclusion
Dans ce rapport, nous proposons la commande MPPT d’un système photovoltaïque à l’aide d’un contrôleur à logique floue. Le Fuzzy Logic Controller est implémenté sur la base du suivi du point de puissance maximum du système PV.
Depuis les tests appliqués sur le méthode, on peut conclure que le contrôleur FLC est meilleur en termes de réponse, de vitesse de performance et de précision et d’efficacité de suivi jusqu’à 98,9% par rapport à la méthode traditionnelle.
Par conséquent, la méthode du contrôleur FLC est une meilleure option dans différentes conditions de rayonnement et de température.