Djeriri Youcef: Commande Par Réseaux de Neurones D'une MADA Intégrée À Un Système Éolien

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE
MINISTÈRE DE L’ENSEIGNEMENT SUPÉRIEUR

ET DE LA RECHERCHE SCIENTIFIQUE
UNIVERSITÉ DJILLALI LIABES DE SIDI BEL-ABBÈS

FACULTÉ DES SCIENCES DE L’INGÉNIEUR
MÉMOIRE
DÉPARTEMENT D’ÉLECTROTECHNIQUE
Pour l’obtention du diplôme de:
Magister en Électrotechnique
OPTION : Conversion d’énergie et Commande
DJERIRI YOUCEF
Intitulé:
Commande par réseaux de neurones d’une
MADA intégrée à un système éolien
Soutenu le : 13-12-2009
Devant le jury composé de:
Dr. A. MASSOUM M.C A U. Sidi Bel-Abbès Président

Dr. A. MEROUFEL M.C A U. Sidi Bel-Abbès Encadreur
Dr. B. DEHIBA M.C A U. Sidi Bel-Abbès Examinateur
Dr. B. BELABBES M.C A U. Sidi Bel-Abbès Examinateur
Mr. M. ADJOUDJ Chargé de recherche U. Sidi Bel-Abbès Examinateur
Laboratoire de Recherche ICEPS (Laboratory Intelligent Control & Electrical Power Systems- UDL)
REMERCIEMENTS
Avant tout, je remercie DIEU le Tout-puissant de m’avoir
donné le courage, la volonté, la patience et la santé durant toutes
ces années d’études et que grâce à lui ce travail a pu être réalisé.
Je tiens à exprimer mes remerciements et ma gratitude à mon
encadreur :
Mr. A. MEROUFEL qui m’a aidé pour rendre ce travail
effectif.
Mes remerciements aux enseignants du département de
l’électrotechnique de l’université de Sidi Bel-Abbès.
En particulier les membres du laboratoire de recherche
« ICEPS ».
Mes remerciements aux membres de jury qui ont accepté de
juger ce travail.
Enfin je remercie aussi toutes les personnes qui m’ont aidé de
près ou de loin à la rédaction de ce mémoire.

DÉDÉCACE
Je dédie mon travail avant tout à mes chers Parents qui
m'ont soutenu pendant toute la durée de ces longues études, « Que
Dieux me les protègent ».
À Mes chers Frères et Soeurs.
À toute la Famille DJERIRI.
Spéciale dédicace au petit enfant DJERIRI IMAD AL-
DIN.
À mes collègues des laboratoires d’électrotechnique
« ICEPS » & « IRECOM ».
À tout ceux qui m’ont aidé à réaliser ce mémoire.
YOUCEF.
NOTATIONS
Acronyme Signification
MADA : Machine Asynchrone à Double Alimentation.

GADA : Génératrice Asynchrone à Double Alimentation.
DFIM : Doubly Fed Induction Machine.
BDFIM : Brushless Doubly Fed Induction Machine.
MAS : Machine Asynchrone.
MS : Machine Synchrone.
MCC : Machine à Courant Continue.
MLI : Modulation de Largeur d’Impulsion.
IGBT : Insulated Gate Bipolar Transistor.
GTO : Gate Turn Off.
PI : Proportionnel Intégral.
RN : Régulateur Neuronal.
RNA : Réseaux de Neurones Artificiels.
ANN : Artificial Neural Networks.
ADALINE : ADAptive LINear Element ou ADAptive LInear NEuron.
MLP : Multi Layered Perceptron.
THD : Taux Harmonique de Distorsion.
OWEN : Offshore Wind Energy Network.
EWEA : European Wind Energy Association.
AWEA : American Wind Energy Association.
ADEME : Agence De l’Environnement et de la Maîtrise de l’Énergie.
LPO : Ligue de Protection des Oiseaux.
SCG : Scaled Conjugate Gradient.
LM : Levenberg-Marquardt.
RPROP : Resilient Backpropagation.
WECS : Wind Energy Conversion Systems.
FTBO : Fonction de Transfert en Boucle Ouverte.
FTBF : Fonction de Transfert en Boucle Fermée.
LISTE DES SYMBOLES
F : Vecteur force exercée sur les pales d'une éolienne à incidence variable.
V1 ,V2 : Vitesse du vent respectivement en amont et en aval de l'éolienne.
ρ : Densité de l'air 1.225 kg .m −3 .

S : Surface balayée par le rotor de l'éolienne.
R : Rayon du rotor éolien.
G : Gain du multiplicateur.
m : Masse d'air traversant le rotor éolien.
Pm : Puissance extraite par le rotor éolien.
Pmt : Puissance théorique maximale extractible d'un vent non perturbé.
C p : Coefficient de puissance de l'éolienne.
λ : Vitesse relative de l'éolienne.

Pmg : Puissance mécanique disponible sur l'arbre de la génératrice.
V : Vecteur vitesse du vent.

β : Angle de calage des pales d'une éolienne à axe horizontal.
i : Angle d'incidence des pales d'une éolienne à axe horizontal.
Vrot : Composante de la vitesse du vent due à la rotation de la turbine.
Vres : Résultante des vecteurs V et Vrot .
Fax : Vecteur force représentant la poussée axiale sur une pale.
Fror : Vecteur force représentant la poussée en direction de la rotation sur la pale.
Fres : Résultante de Fax et Frot .

g : Glissement d'une machine asynchrone.
f , f 2 : Fréquence statorique et rotorique.
Rs , Rr : Résistance d'une phase statorique et rotorique.
Ls , Lr : Inductances cycliques statorique et rotorique.
Lm : Inductance mutuelle cyclique stator-rotor (magnétisante).
M s , M r : Inductances mutuelles stator-stator et rotot-rotor.

I : Vecteur courant électrique.
Ce , Cr , , C f : Couple électromagnétique, couple résistant et coule de frottement.
J : Moment d'inertie de la machine.

f r : Coefficient de frottements visqueux de la machine.
p : Nombre de paires de pôles de la MADA.
Vs : Module du vecteur tension statorique.
VDC : Tension aux bornes du capacité du filtre.
Vred : Tension redressé.
VS A ,B ,C , Vra ,b ,c : Tensions triphasées statoriques et rotoriques de la machine asynchrone.
I S A ,B ,C , I ra ,b ,c : Courants triphasées statoriques et rotoriques de la machine asynchrone.
φS A ,B ,C
, φra ,b ,c : Flux triphasées statoriques et rotoriques de la machine asynchrone.
Ω , Ω s : Vitesse de rotation de la machine, vitesse de synchronisme en rad/sec.

N s , N r : Vitesse de rotation de la machine, vitesse de synchronisme en tr/min.
ωs , ωr , ωsl : Pulsations électriques des grandeurs statoriques, rotoriques et de glissement.

θ s , θ r , θ sl : Angles relatifs aux pulsations : statorique, rotorique et de glissement.
θ0 : Angle électrique initial entre stator et rotor imposé pour le filtrage actif des harmoniques.
VS d ,q , Vrd ,q : Tensions statoriques et rotoriques diphasées dans un repère tournant.
I S d ,q , I rd ,q : Courants statoriques et rotoriques diphasés dans un repère tournant.
Iα , I β : Composantes diphasés du courant dans le repère de Concordia.
Îα , Î β : Composantes diphasés du courant filtré dans le repère de Concordia
φS , φr
d ,q d ,q
: Flux statoriques et rotoriques diphasés dans un repère tournant.
L f : Inductance du filtre LC.
C f : Capacité du filtre LC.
Ps , Qs : Puissances active et réactive statoriques de la MADA.
Pmes , Qmes : Puissances électriques mesurées à la sortie du MADA.
Pref , Qref : Puissances électriques de références de la MADA.
v2 , v3 : Termes de couplage entre les axes d et q.

v1 , v4 : Perturbations à rejeter.
K ond , Tond : Gain statique et constante de temps du modèle de l’onduleur.
ε d , ε q : Perturbations représentant la somme de v1 et des résidus de couplage.
k p , ki : Gains proportionnel et intégral du régulateur PI.
wij : Poids synaptiques du neurone j .
b : Biais du neurone.
k : Rang harmonique.
Liste des tableaux
LISTE DES TABLEAUX
Chapitre I
Tableau I.1 Puissance éolienne installée dans l'Union Européenne fin 2007 en MW ........ 12
Tableau I.2 Echelle Beaufort ............................................................................................ 19
Tableau I.3 Classification des turbines éoliennes.............................................................. 22
Chapitre IV
Tableau IV.1 Analogie entre le neurone biologique et le neurone formel......................... 118

Tableau IV.2 Différentes fonctions d'activations utilisées dans les RNA.......................... 121
Tableau IV.3 Comparaison entre l'apprentissage hors ligne et l'apprentissage en ligne.. 131
Tableau IV.4 Comparaison entre les temps de réponse d’un PI et d’un RN .................... 150
Tableau IV.5 Comparaisons entre les erreurs statiques d’un PI et d’un RN..................... 151
ICEPS 2009
Liste des figures
LISTE DES FIGURES
Chapitre I
Figure I.1 Répartition de la puissance éolienne mondiale fin 2007 ....................................08

Figure I.2 Carte de vent en Algérie....................................................................................09
Figure I.3 Evolution des puissances éoliennes installées dans le monde en MW ..............10
Figure I.4 Conversion de l'énergie cinétique du vent .........................................................12
Figure I.5 Différentes parties d'une éolienne Nordex N60 (1300 KW)................................14
Figure I.6 Les parcs éoliens offshores (a) et onshores (b).................................................17
Figure I.7 Taille des hélices en m et puissance en MW .....................................................18
Figure I.8 Éolienne de Savonius........................................................................................20
Figure I.9 Éolienne de Darrieus.........................................................................................20
Figure I.10 Éoliennes à axes horizontales...........................................................................21
Figure I.11 Éolienne directement connectée au réseau......................................................22
Figure I.12 Caractéristique couple/vitesse d’une machine asynchrone................................23
Figure I.13 Génération à puissance électrique variable .......................................................23
Figure I.14 Génération à puissance électrique constante....................................................24
Figure I.15 Exemple de caractéristique mesurée d’une éolienne à puissance constante ....25
Figure I.16 Éoliennes à vitesse variable ..............................................................................25
Figure I.17 Puissance totale générée mesurée en fonction de la vitesse du vent ................26
Figure I.18 Puissance générée en fonction de la vitesse mécanique et la vitesse du vent ..27
Figure I.19 Tube de courant autour d'une éolienne .............................................................28
Figure I.20 Coefficient de puissance ...................................................................................29
Figure I.21 Coefficient de puissance pour différents types d'éoliennes................................29
Figure I.22 Le coefficient de puissance pour des différents angles de calages....................31
Figure I.23 Puissance théorique disponible pour un type d'éolienne donnée.......................31
Figure I.24 Bilan des forces sur une pale ............................................................................32
Figure I.25 Flux d’air sur un profil de pale " stall "................................................................33
Figure I.26 Variation de l'angle de calage d'une pale .........................................................34
Figure I.27 Courbe typique de régulation ............................................................................34
Figure I.28 Caractéristique couple/vitesse d'une MAS à 2 paires de pôles..........................36
Figure I.29 Connexion directe d’une machine asynchrone sur le réseau.............................36
Figure I.30 MAS connectée sur le réseau par l'intermédiaire d'un redresseur – onduleur....37
Figure I.31 Schéma développé d'un rotor à cage classique et d'un rotor "brushless" ..........38
ICEPS 2009
Liste des figures
Figure I.32 Machine asynchrone "brushless" connectée sur le réseau ...............................39

Figure I.33 Machine asynchrone à double alimentation à rotor bobiné ................................39
Figure I.34 MADA avec contrôle du glissement par l'énergie dissipée.................................40
Figure I.35 Effet de la variation de la résistance rotorique sur le couple ..............................40
Figure I.36 MADA, structure Kramer ...................................................................................41
Figure I.37 Structure de Scherbius avec cycloconvertisseur ...............................................41
Figure I.38 Principe de fonctionnement du cycloconvertisseur ............................................42
Figure I.39 Structure de Scherbius avec convertisseurs MLI ..............................................43
Figure I.40 MS reliée au réseau par un dispositif redresseur–hacheur–onduleur MLI .........44
Chapitre II
Figure II.1 Structure du stator et des contacts rotoriques de la MADA...............................50

Figure II.2 Cascade hypo-synchrone.................................................................................51
Figure II.3 Configuration des enroulements et des flux dans une machine synchrone et
dans une MADA.............................................................................................. 51
Figure II.4 Moteur à rotor bobiné à double alimentation connecté à deux sources
triphasées........................................................................................................52
Figure II.5 MADA fonctionnant en moteur à vitesse variable à hautes performances .......55
Figure II.6 Modes opérationnels caractéristiques de la MADA...........................................56
Figure II.7 Caractéristique de production d'énergie optimale de la MADA et de la
machine à cage .............................................................................................57
Figure II.8 Schéma de principe d'une machine asynchrone à rotor bobiné .......................58
Figure II.9 Schéma de principe de deux machines asynchrones reliées mécaniquement
et électriquement par le rotor..........................................................................59
Figure II.10 Schéma de principe de deux machines asynchrones reliées mécaniquement
et électriquement par le rotor..........................................................................59
Figure II.11 Schéma des enroulements de la MADA ..........................................................60
Figure II.12 Modèle dynamique dans une MADA à trois axes .............................................62
Figure II.13 Repère de PARK..............................................................................................63
Figure II.14 Schéma de la MADA en modèle SIMULINK .....................................................67
Figure II.15 Cascade hypo-synchrone.................................................................................68
Figure II.16 Schéma de l’alimentation de la MADA pour une application moteur ................70
Figure II.17 Schéma de l’alimentation de la MADA pour une application génératrice .........70
Figure II.18 Schéma synoptique pour un fonctionnement en génératrice de la MADA ........71
Figure II.19 Représentation du redresseur triphasé à diodes ..............................................72
Figure II.20 Représentation de la tension de sortie du redresseur ......................................73
Figure II.21 Représentation du filtre passe –bas .................................................................73
ICEPS 2009
Liste des figures
Figure II.22 Tension redressée et filtrée à l’entrée de l’onduleur rotorique ..........................74

Figure II.23 Schéma de principe d’un onduleur triphasé alimentant le rotor d’une MADA....75
Figure II.24 Principe de commande en MLI sinus-triangulaire .............................................77
Figure II.25 Schéma globale du système éolien " Turbine + MADA" ...................................79
Figure II.26 Résultats de simulation de l’alimentation du rotor.............................................79
Figure II.27 Résultats de simulation de la génératrice éolienne...........................................80
Figure II.28 Déphasage entre tension et courant d’une phase statorique de la MADA ........81
Figure II.29 Puissance active et réactive statoriques générées par la MADA ....................82
Figure II.30 Couplage de puissance active et réactive de la MADA.....................................82
Chapitre III
Figure III.1 Schéma de principe du découplage de la MADA par analogie avec la machine
à courant continu .............................................................................................86
Figure III.2 Orientation du flux statorique sur l'axe d..........................................................87
Figure III.3 Schéma bloc du système à réguler ................................................................ 91
Figure III.4 Schéma bloc de la commande vectorielle directe du MADA............................93
Figure III.5 Schéma de principe de la commande vectorielle de la MADA .........................94
Figure III.6 Schéma bloc de la commande indirecte avec boucle de puissance ................95
Figure III.7 Problème de commande simplifié (contrôle directe) ........................................97
Figure III.8 Exemple de contrôle direct et indirect sur l'axe q.............................................98
Figure III.9 Schéma bloc d'un système régulé par un PI....................................................99
Figure III.10 Résultats de simulations pour la commande directe sans onduleur............... 101
Figure III.11 Résultats de simulations pour la commande directe avec onduleur............... 102
Figure III.12 Résultats de simulations pour la commande indirecte sans onduleur ............ 103
Figure III.13 Résultats de simulations pour la commande indirecte avec onduleur ............ 103
Figure III.14 Commande vectorielle à facteur de puissance unitaire.................................. 104
Figure III.15 Contrôle du facteur de puissance côté statorique.......................................... 105
Figure III.16 Influence de la puissance réactive sur la tension rotorique............................ 106
Figure III.17 Contrôle de l’angle de phase du courant rotorique ........................................ 106
Figure III.18 Influence de la variation paramétrique sur la commande directe .................. 108
Figure III.19 Influence de la variation des inductances sur la commande indirecte............ 109
Chapitre IV
Figure IV.1 Modèle d'un neurone biologique. .................................................................. 116

Figure IV.2 Transmission de l'information entre les neurones biologiques....................... 117
Figure IV.3 Modèle d'un neurone artificiel ....................................................................... 117
ICEPS 2009
Liste des figures
Figure IV.4 Représentation matricielle du modèle d’un neurone artificiel......................... 120

Figure IV.5 Fonctions d'activations.................................................................................. 122
Figure IV.6 Schéma d'un réseau de neurones monocouche ........................................... 123
Figure IV.7 Schéma d'un réseau de neurones non bouclé .............................................. 124
Figure IV.8 Schéma d'un réseau de neurones à connexions locales............................... 125
Figure IV.9 Schéma de réseau de neurones bouclé........................................................ 126
Figure IV.10 Forme canonique d'un réseau de neurones bouclé....................................... 126
Figure IV.11 Le modèle de Kohonen................................................................................. 127
Figure IV.12 La séparation linéaire entre la classe A et B ................................................. 128
Figure IV.13 Principe de l'apprentissage .......................................................................... 130
Figure IV.14 Principe de fonctionnement et d'analyse des processus ............................... 130
Figure IV.15 Trajectoire de la descente du gradient .......................................................... 134
Figure IV.16 Représentation graphique de la règle «instar» lors d’une activité post-
synaptique positive ...................................................................................... 137
Figure IV.17 Schéma bloc de l’apprentissage supervisé ................................................... 139
Figure IV.18 Apprentissage par la règle de perceptron ..................................................... 141
Figure IV.19 Le Ou-Exclusif .............................................................................................. 142
Figure IV.20 Présentation des écarts entre d ( k ) et y( k ) ............................................... 143
Figure IV.21 Algorithme de rétropropagation..................................................................... 146
Figure IV.22 Perceptron multicouches: structure (2-3-1) ................................................... 149
Figure IV.23 Schéma bloc global de la commande indirecte par réseau de neurones de la
MADA. ........................................................................................................... 150
Figure IV.24 Résultats de simulations de la commande indirecte par réseau de neurones
...................................................................................................................... 151
Figure IV.25 Le régulateur neuronal face aux variations paramétriques de la MADA ........ 152
Figure IV.26 Influence de la variation des plusieurs paramètres en même temps sur la
commande par réseaux de neurones. ........................................................... 153
Chapitre V
Figure V.1 Schéma du principe de filtrage actif par la MADA. ......................................... 159
Figure V.2 La MADA joue le role d’un filtre actif .............................................................. 160
Figure V.3 Elaboration des courants de références harmoniques du filtre....................... 162
Figure V.4 Schéma du système éolien avec filtrage par la MADA .................................. 164
Figure V.5 Schéma bloc de la régulation intégrant le filtrage actif ................................... 165
Figure V.6 Résultats des simulations du filtrage actif par MADA ..................................... 165
ICEPS 2009
Table des matières
Table des Matières
INTRODUCTION GÉNÉRALE ............................................................................................. 01
CHAPITRE I: GÉNÉRALITÉS SUR LES SYSTÈMES ÉOLIENS ........................................04

I.1. Historiques ................................................................................................................ 05
I.2. Introduction .............................................................................................................. 06
I.3. L’énergie éolienne en quelques chiffres..................................................................07
I.3.1. L’énergie éolienne pour quoi faire ?....................................................................07
I.3.2. La situation actuelle............................................................................................07
I.3.3. Développement de l’énergie éolienne dans le monde......................................... 10
I.4. Définition d’un système éolien.................................................................................12
I.5. Descriptif et qualités de l'énergie éolienne .............................................................13
I.5.1. Définition de l'énergie éolienne ...........................................................................13
I.5.2. Principaux composants d’une éolienne...............................................................14
I.5.3. Principe de fonctionnement d’une éolienne ........................................................15
I.5.4. Emplacement des parcs éoliens .........................................................................17
I.5.5. Taille des aérogénérateurs .................................................................................17
I.6. Quelques notions sur le vent ..................................................................................18
I.7. Les différents types d’éoliennes ..............................................................................19
I.7.1. Eoliennes à axe vertical......................................................................................19
I.7.2. Eoliennes à axe horizontal..................................................................................21
I.8. Classement des éoliennes........................................................................................ 22
I.8.1. Les éoliennes à vitesse fixe ................................................................................22
I.8.1.1. Les éoliennes à décrochage aérodynamique ..........................................23
I.8.1.2. Les éoliennes à pales orientables ...........................................................24
I.8.2. Les éoliennes à vitesse variable ......................................................................... 25
I.8.2.1. Principe de fonctionnement .................................................................... 25
I.8.2.2. Intérêt de la vitesse variable....................................................................26
I.9. Energie cinétique du vent – conversion en énergie mécanique ............................27
I.9.1. Loi de Betz…......................................................................................................34
I.9.2. Modèle de la turbine par simulation ....................................................................30
I.10. Stratégies de fonctionnement d’une éolienne.......................................................32
I.10.1. Bilan des forces sur une pale............................................................................32
I.10.2. Systèmes de régulation de la vitesse de rotation de l'éolienne .........................32
ICEPS 2009
Table des matières
I.10.2.1. Système à décrochage aérodynamique "stall" ......................................32

I.10.2.2. Système d'orientation des pales "pitch".................................................33
I.11. Le multiplicateur......................................................................................................34
I.12. Etat de l'art sur la conversion électromécanique..................................................35
I.12.1. Systèmes éoliens utilisant la machine asynchrone ........................................... 35
I.12.1.1. Machine asynchrone à cage d'écureuil .................................................35
I.12.1.2. Machine asynchrone connecté au réseau par l'intermédiaire
d'une interface d'électronique de puissance .........................................37
I.12.1.3. Machine asynchrone à double alimentation type "brushless" ................38
I.12.1.4. Machine asynchrone à double alimentation type "rotor bobiné" ............ 39
I.12.1.5. Machine asynchrone à double alimentation à énergie rotorique
dissipée.................................................................................................39
I.12.1.6. Machine asynchrone à double alimentation – structure de Kramer .......40
I.12.1.7. Machine asynchrone à double alimentation– structure de Scherbius
avec cycloconvertisseur ........................................................................41
I.12.1.8. Machine asynchrone à double alimentation- structure de Scherbius
avec convertisseur MLI .........................................................................42
I.12.2. Systèmes éoliens utilisant la machine synchrone .............................................43
I.13. Les dispositifs de stockage de l’énergie éolienne................................................45
I.14. Avantages ................................................................................................................45
I.15. Inconvénients .......................................................................................................... 46
I.16. Conclusion...............................................................................................................47
CHAPITRE II : MODÉLISATION DE LA « MADA » ........................................................... 48

II.1. Historiques ............................................................................................................... 49
II.2. Introduction ............................................................................................................. 49
II.3. Topologie et emploi des MADA...............................................................................50
II.3.1. Structure des machines asynchrones à double alimentation .............................50
II.3.2. Notions hypo et hyper-synchrone ......................................................................52
II.3.3. Domaines d'application de la MADA .................................................................. 54
II.4. Fonctionnement à quatre quadrants de la MADA ..................................................55
II.5. Classifications de la MADA .....................................................................................57
II.6. Mise en équation de la MADA..................................................................................59
II.6.1. Hypothèses simplificatrices................................................................................60
II.6.2. Modes électriques .............................................................................................60
II.6.3. Transformation de PARK................................................................................... 62
II.6.4. Equation mécanique.......................................................................................... 64
ICEPS 2009
Table des matières
II.7. Modèle de la machine en représentation d’état ..................................................... 65

II.8. Alimentation de la MADA.........................................................................................68
II.8.1. Discussion sur les avantages et les inconvénients d'une MADA avec des
convertisseurs au stator et au rotor..................................................................68
II.8.1.1. Avantages ......................................................................................................68
II.8.1.2. Inconvénients.........................................................................................69
II.8.2. Configurations ................................................................................................... 70
II.8.3. La chaîne de conversion....................................................................................71
II.8.4. Modélisation du redresseur triphasé à diodes....................................................72
II.8.5. Modélisation du filtre..........................................................................................73
II.8.6. Association onduleur – MADA (rotor).................................................................75
II.8.7. Modulation de Largeur d’Impulsion (MLI)...........................................................77
II.9. Résultats de simulation ...........................................................................................78
II.10. Conclusion..............................................................................................................83
CHAPITRE III: COMMANDE VECTORIELLE DE LA « MADA » AVEC CONTROLE DE LA

PUISSANCE ACTIVE ET REACTIVE .......................................................84
III.1. Introduction ............................................................................................................. 85
III.2. Principe de la commande à flux orienté ................................................................ 85
III.3. Stratégie de commande en puissance active et réactive de la MADA.................87
III.3.1. Relations entre courants statoriques et courants rotoriques .............................87
III.3.2. Relations entre puissances statoriques et courants rotoriques .........................89
III.3.3. Relations entre tensions rotoriques et courants rotoriques ...............................90
III.4. La commande vectorielle directe ...........................................................................92
III.4.1. Définition générale............................................................................................92
III.4.2. Commande directe en puissance active et réactive de la MADA en
génératrice ........................................................................................................92
III.5. Commande indirecte............................................................................................... 94
III.5.1. Définition générale............................................................................................94
III.5.2. Commande indirecte en puissance active et réactive de la MADA en
génératrice .......................................................................................................94
III.5.3. Commande avec boucle de courant .................................................................95
III.6. Etude de la régulation pour la commande.............................................................96
III.6.1. Synthèse du régulateur Proportionnel-Integral (PI) ...........................................96
III.6.2. Calcul des régulateurs ......................................................................................98
III.7. Résultats de simulation de la commande du MADA........................................... 100
III.7.1. Commande directe ......................................................................................... 100
ICEPS 2009
Table des matières
III.7.2. Commande indirecte....................................................................................... 102

III.7.3. Contrôle de facteur de puissance ................................................................... 104
III.7.4. Influence de la puissance réactive sur la tension et le courant rotorique......... 105
III.8. Robustesse de la commande ............................................................................... 107
III.8.1. Commande directe ......................................................................................... 107
III.8.2. Commande indirecte....................................................................................... 108
III.9. Conclusion............................................................................................................. 110
CHAPITRE IV: COMMANDE PAR RÉSEAUX DE NEURONES DE LA « MADA ».......... 112

IV.1. Historiques ............................................................................................................ 113
IV.2. Introduction........................................................................................................... 114
IV.3. Domaines d'application des réseaux de neurones artificiels ............................ 114
IV.4. Définition des réseaux de neurones.................................................................... 115
IV.4.1. Introduction aux réseaux de neurones biologiques......................................... 115
IV.4.2. Les neurones formels..................................................................................... 117
IV.5. Modélisation d’un neurone formel....................................................................... 118
IV.6. Fonctions d'activations ........................................................................................ 120
IV.7. Architecture des réseaux de neurones ............................................................... 122
IV.7.1. Les réseaux de neurones non bouclés........................................................... 123
IV.7.1.1. Réseaux de neurones monocouches.................................................. 124
IV.7.1.2. Réseaux de neurones multicouches ................................................... 124
IV.7.1.3. Réseaux de neurones à connexions locales....................................... 125
IV.7.2. Les réseaux de neurones bouclés.................................................................. 125
IV.8. Modèles des réseaux de neurones ...................................................................... 127
IV.8.1. Modèle de HOPFIELD.................................................................................... 127
IV.8.2. Modèle de KOHONEN ................................................................................... 127
IV.8.3. Le modèle de PERCEPTRON........................................................................ 128
IV.8.4. Le modèle ADALINE ...................................................................................... 128
IV.9. L’apprentissage .................................................................................................... 128
IV.9.1. Stratégies d’apprentissage............................................................................. 129
IV.9.1.1. Données et processus ........................................................................ 130
IV.9.1.2. Apprentissage en ligne et l’apprentissage hors ligne "batch" .............. 131
IV.9.1.3. Apprentissage global et apprentissage local ....................................... 132
IV.9.2. Algorithmes d'apprentissages......................................................................... 132
IV.9.2.1. Apprentissage par correction d’erreur ................................................. 132
IV.9.2.2. Apprentissage par la règle de Hebb.................................................... 134
IV.9.2.3. Apprentissage compétitif .................................................................... 137
ICEPS 2009
Table des matières
IV.9.2.4. Problème de l’affectation du crédit...................................................... 138

IV.9.2.5. Apprentissage supervisé ................................................................... 138
IV.9.2.6. Apprentissage Par renforcement ........................................................ 140
IV.9.2.7. Apprentissage Par la règle de perceptron........................................... 141
IV.9.2.8. Apprentissage par L'ADALINE............................................................ 142
IV.9.2.9. Apprentissage non-supervisé ............................................................. 144
IV.10. Les réseaux multicouches et l’approximation des fonctions ......................... 145
IV.10.1. Le Perceptron Multicouches (MLP) .............................................................. 145
IV.10.1.1. Structure du réseau .......................................................................... 145
IV.10.1.2. L'algorithme de la rétropropagation du gradient d'erreur .................. 145
IV.10.2. Propriétés et problèmes ............................................................................... 147
IV.10.2.1. Propriété d'approximation universelle ............................................... 147
IV.10.2.2. Problème des valeurs initiales des poids du réseau.......................... 148
IV.10.2.3. Problème de sur-apprentissage ........................................................ 148
IV.10.2.4. Problème du réglage du pas d'apprentissage ................................... 148
IV.11. Commande vectorielle indirecte par réseaux de neurones ............................. 148
IV.11.1. Résultats de simulation ................................................................................ 150
IV.11.2. Teste de robustesse..................................................................................... 151
IV.12. Conclusion .......................................................................................................... 153
CHAPITRE V: FILTRAGE ACTIF PAR « MADA » ............................................................ 155

V.1. Introduction............................................................................................................ 156
V.2. Solutions pour la compensation des harmoniques ............................................ 157
V.3. Principe de filtrage actif d’un réseau électrique à l’aide d’une MADA ............... 158
V.3.1. Complément su le modèle de la MADA ........................................................... 160
V.3.2. Détermination des références harmoniques .................................................... 161
V.4. Fonctionnement global de l'ensemble du système éolien avec filtrage
par la MADA........................................................................................................... 164
V.5. Simulation .............................................................................................................. 164
V.6.Conclusion .............................................................................................................. 166
CONCLUSION GÉNÉRALE & PERSPECTIVES............................................................... 167
Références Bibliographiques ......................................................................................... 170
ANNEXES ........................................................................................................................ 176
ICEPS 2009
Abstract Résumé
:
.‫ ا‬/ . !"‫ا‬#‫"! ا‬$%#&‫ إ) ج ا(' ا‬+ ,‫ م ها ا درا و ال ا ا
ا دوج ا‬
< ‫ ه‬+ ‫ آ) ;ع ا را‬64‫ ا‬7&8‫ ا‬/ /!6) . ‫ ا‬%‫ ها" و‬/!$‫ء )ذج
ر‬4)5$ ' ،0‫ذ‬
%AB %!,‫ ا‬7&8‫ ا‬.%AB %!,‫ ا‬7&8‫ و ا‬%AB‫ ا‬7&8‫ ا‬: !6?‫!( و ا‬4‫ ا?> (' ا‬7&8‫ ا‬.‫ ا‬/ ‫ة‬%‫اآ‬
) ‫! دة‬6( GH‫! ا‬B >‫&ت ا ا‬B4$ 7&8‫ أدرج ا‬.C!A%‫! ا‬6 ‫ء‬4)‫ إ‬#D ‫ ة ا و‬6 ‫' م‬
% !B‫ & آ‬4$ / D8 ، ,‫ ا ا دوج ا‬M %N / 6 O!4‫ ا‬C!A%‫ ا‬.L %!‫را‬B‫ت ا‬+JH‫ إزاء ا‬/!I‫ا‬
‫ ل‬6‫ أ‬P )‫ر‬$ # M8‫ ا‬7
‫آة‬8‫ ا‬M%N /6 #!6 >8‫ ا‬Q"‫ ا‬.!"$%#&‫& ا‬B4 ‫! ا(' ا ودة‬6)
.P .‫ا‬%‫ ا‬ + .‫ت ر‬H
:
‫ا
ت ا‬
.O!4‫ ا‬C!A%‫ ا‬،!6(GH‫! ا‬B>‫&ت ا ا‬BA ،64‫ ا‬7&8‫ ا‬،,‫? ا‬6I !‫
ا‬H R ،!"‫ا‬#‫ا(' ا‬
Résumé:
Ce travail présente l’étude et l’utilisation de la génératrice asynchrone à double

alimentation dans la production de l’énergie éolienne. Pour cela, nous avons défini un
modèle de la turbine éolienne pour l’entraînement de la MADA. Deux types de commande
vectorielle ont fait l’objet de cette d’étude dans ce mémoire pour le contrôle indépendant de
la puissance active et réactive : la commande directe et la commande indirecte. La
commande indirecte offre plusieurs avantages et facilite la mise en place au filtrage. La
commande par réseaux de neurones artificiels est introduite pour augmenter la robustesse
des correcteurs vis-à-vis des variations paramétriques de la machine. Le filtrage actif par
GADA, améliore considérablement la qualité de l’énergie fournie au réseau électrique. Les
résultats obtenus en simulation ont été validés comparativement aux travaux des articles
cités en bibliographie.
Mots clés :
Energie éolienne, Machine Asynchrone à Double Alimention (MADA, GADA), Commande

vectorielle, Réseaux de Neurones Artificiels (RNA), Filtrage actif.
Abstract:
This work presents the study and the use of the doubly fed induction generator in the
wind power system. For this, we defined a model of wind turbine for the training of DFIG.
Two types of vector control have been the subject of this study in this paper for independent
control of active and reactive power: the direct control and the indirect control, the indirect
control offers several advantages and facilitates the establishment filtering. The control by
artificial neural networks is introduced to increase the robustness of the correctors face to the
parametric variations of the machine. The active filtering by DFIG, improves considerably
quality of the energy provided to the electrical network. The simulation results were validated
in comparison to the work of the articles quoted in bibliography.
Key words:
Wind energy, Doubly Fed Induction Machine (DFIM, DFIG), Vector control, Artificial Neural
Networks (ANN), Active filtering.
ICEPS 2009
Introduction générale
INTRODUCTION GÉNÉRALE
L’énergie électrique est un élément crucial pour tout développement socio-économique.

Elle est devenue dans la vie quotidienne des populations, notamment dans les pays
développés, une forme d’énergie dont on ne peut se passer.
Vu l’ampleur de l’industrialisation de ces dernières décennies, la multiplication des
appareils domestiques de plus en plus gourmands en consommation d’énergie électrique, la
demande en énergie électrique est devenue très importante. Face à cela et avec la
diminution du stock mondial en hydrocarbure et surtout la crainte d’une pollution de plus en
plus envahissante et destructif pour l’environnement, les pays industrialisés ont massivement
fait recours aux centrales nucléaires. Cette source d'énergie présente l'avantage indéniable
de ne pas engendrer de pollution atmosphérique contrairement aux centrales thermiques
traditionnelles, mais le risque d'accident nucléaire (comme la catastrophe de Tchernobyl à
l’Ukraine du 26 avril 1986 qui reste gravée dans la mémoire commune), le traitement et
l'enfouissement des déchets sont des problèmes bien réels qui rendent cette énergie peu
attractive pour les générations futures.
Face à ce dilemme, il s’avère nécessaire de faire appel à des sources d’énergie
nouvelles qui seront sans conséquence pour l’homme et l’environnement. C’est ainsi que les
pays industrialisés se sont lancés dans le développement et l’utilisation des sources
d’énergie renouvelables comme le solaire, la biomasse, la géothermie, la marémotrice,
l’hydraulique,… Parmi ces sources d’énergie, l’éolienne représente un potentiel assez
important non pas pour remplacer les énergies existantes mais pour palier à l’amortissement
de la demande de plus en plus galopante. Après des siècles d’évolution et des recherches
plus poussées depuis quelques décennies, plusieurs pays se sont, aujourd’hui résolument
tournés vers l’énergie éolienne. Les plus avancés dans le domaine dans le monde sont
respectivement : l’Allemagne, l’Espagne, les Etats-Unis, l’Inde, la Chine et le Danemark.
Avec certains projets d’énergie éolienne développés (“offshore”, au large des côtes) de
grandes centrales éoliennes fournissent de l’électricité dans certaines parties du monde, à
un prix concurrentiel à celui de l’énergie produite par les installations conventionnelles (par
ex. : les centrales nucléaires et les centrales thermiques au mazout ou au charbon). Par
contre en Afrique, le développement de l’énergie éolienne n’a connu aucune évolution et
pourtant les ressources n’y manquent pas et la technologie accessible, sauf la volonté et le
manque de prise de conscience de la majorité des autorités africaines.
ICEPS 2009 1
La multiplication des éoliennes a conduit les chercheurs en Génie Electrique à mener

des investigations de façon à améliorer l'efficacité de la conversion électromécanique et la
qualité de l'énergie fournie. Dans ce cadre, le présent mémoire décrit une étude sur
l'utilisation des machines de type asynchrone dans un système éolien. Le premier chapitre
est consacré à des statistiques sur le développement de l’énergie éolienne dans le monde,
puis nous allons nous intéresser à l’état actuel des avancées technologiques qui ont permis
la construction et le fonctionnement de ces aérogénérateurs, suivi par un état de l'art sur la
conversion électromécanique à travers les différents types de génératrices utilisées et les
convertisseurs qui leur sont associés.
Une grande partie des éoliennes installées de nos jours sont équipées de machines
asynchrones à double alimentation (MADA). Cette génératrice permet une production
d’électricité à vitesse variable, ceci permet alors de mieux exploiter les ressources éoliennes
pour différentes conditions de vent. Pour attendre ces objectifs, le second chapitre est
consacré à l’utilisation d’une génératrice asynchrone à double alimentation (GADA) à vitesse
variable dans un système éolien, la topologie et les domaines d'utilisation de la machine
asynchrone à double alimentation ainsi la modélisation dans un repère biphasé ( d , q ) lié au
synchronisme à l’aide de la transformation de PARK sont proposées.
Le troisième chapitre présente une stratégie de commande vectorielle en puissances
active et réactive statoriques appliquée au MADA, il sera alors possible de donner des
valeurs de consignes indépendantes pour la puissance active et la puissance réactive, ceci
nous offre la possibilité de régler en permanence la valeur de la puissance réactive que la
machine va fournir au réseau.
Différentes commandes vont être développées ici, l’une appelée commande directe qui
effectue la régulation directement sur les puissances sans rendre en compte les couplages
internes existants entre les puissances dans la MADA. Cette solution est simple à mettre en
œuvre et permet d’obtenir rapidement des fonctionnements convenables de l’ensemble.
Ensuite nous présentons la méthode indirecte qui s’occupe d’abord de réguler les courants
rotoriques de la MADA et incorpore ensuite une boucle de régulation des puissances. Cette
méthode, plus complexe, donne un fonctionnement similaire à celui de la méthode directe
mais permet de maîtriser les courants rotoriques et nous permet le contrôle du facteur de
puissance de même le filtrage actif des harmoniques.
Dans ce même chapitre nous proposons, une synthèse du régulateur proportionnel-
integral (PI), ainsi que les résultats obtenus par simulation.
Le quatrième chapitre consacré à une commande classée comme un outil
d'Intelligence Artificielle, c’est la commande par réseaux de neurones artificiels (RNA). Cette
commande consiste à remplacer les régulateurs proportionnel-intégral (PI) de la puissance
active et réactive utilisés dans la commande vectorielle par des régulateurs neuronaux.
ICEPS 2009 2
L'apprentissage est vraisemblablement la propriété la plus intéressante des réseaux

neuronaux, cependant il existe plusieurs algorithmes utilisés pour faire l’apprentissage des
réseaux multicouches, dans notre étude nous utilisons un algorithme de rétropropagation
nommé algorithme de Levenberg-Marquardt (LM), cet algorithme est le plus rapide et assure
la meilleure convergence vers un minimum de l’erreur quadratique, pour les problèmes
d’approximation des fonctions où le nombre des poids du réseau est inférieur à cents.
Enfin le dernier chapitre abordera l’aspect qualitatif de l’énergie en proposant une
solution originale afin d’éliminer les harmoniques de courant et ainsi limiter leur propagation
dans le réseau. C’est un service système qui sera très appréciable. Effectivement les
charges non linéaires sont de plus en plus nombreuses sur le réseau électrique. Elles
génèrent des courants harmoniques se propageant dans tout le réseau et perturbant ainsi
les autres charges et entraînant des pertes supplémentaires. Le but ici est de pouvoir
atténuer les harmoniques de courant générés par des charges non linéaires qui sont
accordées à partir du poste source où est connectée l’éolienne. Dans notre cas, l’éolienne
pollue peu le réseau car elle est équipée d’un redresseur MLI à absorption sinusoïdale et
d’une commande d’onduleur à MLI alimentant le rotor. On s’intéresse donc ici à présenter
une solution alternative à l’installation d’un filtre actif au niveau du poste source. Nous
développons la modélisation et effectuons des simulations permettant de démontrer que la
MADA peut être utilisée afin de compenser les harmoniques de courant présents sur le
réseau. De plus, ce service système qu’elle offre ne modifie pas le fonctionnement en
puissance de la MADA et est peut coûteux car il n’y a qu’une petite partie d’électronique de
commande et de mesure de courant à rajouter à notre ensemble de production éolienne.
ICEPS 2009 3
Chapitre I : Généralités sur les systèmes éoliens
CHAPITRE I :
GÉNERALITÉS SUR LES SYSTEMES ÉOLIENS
Résumé
Ce chapitre permet de présenter le contexte dans lequel s'insère l'étude de la MADA

menée dans l'ensemble de ce document. La première partie rappelle les notions
élémentaires du fonctionnement d'un système éolien et les équations qui s'y rapportent. Les
stratégies de fonctionnement d'une éolienne (vitesse fixe, vitesse variable, régulation par
"pitch", "stall" ou "stall actif") sont également décrites. La seconde partie présente un état de
l'art sur les dispositifs électrotechniques (machines + convertisseurs) permettant de
transformer l'énergie mécanique présente sur l'arbre de l'éolienne en énergie électrique.
Cette partie permet également d'annoncer les orientations des chapitres suivants notamment
sur les configurations électrotechniques qui y seront étudiées.
ICEPS 2009 4
I.1. Historique
Le vent est engendré par les variations de la densité et de la pression de l’air, dues au
réchauffement inégal de la terre par le soleil, et par la rotation de la terre; il s’agit donc d’une
ressource naturelle renouvelable. Le vent causé par le mouvement de l'air contient une
grande quantité d’énergie. Les moulins à vent ont servi pendant des milliers d’années à
capturer une partie de cette énergie pour accomplir différents travaux utiles. Les premiers
moulins à vent étaient à axe vertical. Ils ont été employés dans les montagnes d’Afghanistan
pour moudre des grains depuis le 7ème siècle avant Jésus Christ. Ce type de moulins est
constitué d’un arbre et de lames horizontaux tournant dans le plan vertical. A partir de la
perse et du moyen Orient, les moulins à vent à axe horizontal se sont répandus à travers les
pays méditerranéens et l’Europe Centrale.
Le premier moulin à vent à axe horizontal est apparu en Angleterre vers 1180, en
France en 1190 en Allemagne en 1222 et au Danemark en 1259. En Europe, les
performances des moulins à vent ont été constamment améliorées entre le 12ème et le 19ème
siècle. Vers 1800, environ 20000 moulins à vent étaient en service en France, et au Pays
Bas 90% de l’énergie utilisée dans l’industrie provenait du vent. Vers la fin du 19ème siècle,
des moulins à vent d’un rotor de 20 à 30 mètres de diamètre étaient présents en Europe. Ils
étaient utilisés non seulement pour moudre des grains mais aussi pour le pompage d’eau.
L’industrialisation a mené à la disparition progressive des moulins à vent, même si en
1904 l’énergie éolienne fournissait encore 11% de l’énergie industrielle hollandaise et
l’Allemagne avait plus de 18000 unités installées [1].
Par ailleurs, la construction d’éoliennes multipales ne se développe pas sur le vieux
continent mais en Amérique où elle apparaît en 1870. Elle conquiert tout le pays et revient
en Europe, lieu de sa conception, en 1876, où elle s’implante alors, sous le nom de moulin
Américain.
Il ne fait aucun doute que les moulins à vent ont connu dans le passé, un grand
succès. Ils ont fourni à l’homme l’énergie mécanique qui manquait à l’époque, à la réalisation
de ses desseins. Mais avec l’invention de la machine à vapeur, du moteur à explosion et du
moteur diesel, le développement de l’électricité, leur exploitation est négligée et souvent
abandonnée. L’utilisation du vent semble par conséquent de plus en plus délaissée et son
avenir très compromis [2].
Cependant l’histoire réserve parfois des surprises, car après la crise pétrolière de 1974,
avec la diminution du stock mondial en hydrocarbure et surtout la crainte d’une pollution de
plus en plus envahissante et destructive pour l’environnement, l’énergie éolienne revient au
premier plan de l’actualité et connaît un développement galopant. On cherche surtout à
l’utiliser pour produire de l’énergie électrique suivant le principe exploité dans toutes les
centrales électriques conventionnelles. Ainsi la demande mondiale d’éoliennes connaît une
ICEPS 2009 5
croissance rapide depuis une quinzaine d’années ; la majorité de la demande découle du

souci d’aménager des centrales électriques utilisant des combustibles « moins polluants ».
On aménage maintenant des parcs à éoliennes multipales produisant plusieurs mégawatts.
Au cours des dix dernières années, la puissance typique de génération d’électricité pour une
seule éolienne est passée d’environ 100 kW à 2 MW ou davantage. Entre 1995 et la fin de
2003, environ 76% des nouvelles connections d’aérogénérateurs au réseau étaient installées
en Europe.
I.2. Introduction
Bien que connue et exploitée depuis longtemps, l’énergie éolienne fut complètement
négligée pendant 1ère industrielle, au profit quasi exclusif, si l’on excepte l’hydroélectricité,
des énergies fossiles. L´énergie cinétique du vent peut être convertie directement en énergie
mécanique et être utilisable par exemple dans les anciens moulins à vent ou pour actionner
des pompes. Mais, de nos jours, on la transforme en énergie électrique par l’emploi
d’aérogénérateurs. Le nouvel intérêt porté à l’énergie éolienne depuis la moitie des années
70 résulte de deux préoccupations : d’une part, la protection de l’environnement et
l’économie des combustibles fossiles qui en résulte. D’autre part, l’évolution des
technologies rend la conversion de cette énergie de plus en plus rentable et donc son
utilisation devient économiquement compétitive par rapport aux sources traditionnelles de
même puissance.
Bien que les aérogénérateurs aient atteint une certaine maturité technique, la
technologie des aérogénérateurs continue d’évolue [2]. Les éoliennes de dernière génération
fonctionnent à vitesse variable. Ce type de fonctionnement permet d’augmenter le
rendement énergétique, de diminuer les efforts mécaniques et d’améliorer la qualité de
l’énergie électrique produite, par rapport aux éoliennes à vitesse fixe. C’est le
développement des variateurs électroniques qui permet de contrôler la vitesse de rotation
des éoliennes à chaque instant. Le vent est une grandeur aléatoire, de nature très fluctuante.
Les variations de la puissance résultante des fluctuations du vent constituent la perturbation
principale de la chaîne de conversion éolienne.
De ce fait, les éoliennes sont considérées comme des génératrices de puissance
variable. Connectées sur un réseau électrique, les générateurs éoliens n’imposent pas
l’amplitude de la tension et ne règlent pas le rapport puissance-fréquence, autrement dit,
elles ne participent pas aux services systèmes, et donc perturbent d’autant plus la stabilité
des réseaux que leur taux de pénétration est important. Avec l’utilisation de l´électronique de
puissance, de nouvelles technologies sont apparues pour optimiser cette génération
d’énergie.
ICEPS 2009 6
I.3. L’énergie éolienne en quelques chiffres

I.3.1. L’énergie éolienne pour quoi faire ?
L’énergie éolienne est utilisée par l’homme depuis très longtemps déjà. Elle remplaça
les rames pour faire avancer les navires, elle fut utilisée pour actionner les meules des
moulins, elle permet encore le pompage d’eau pour abreuver les bêtes dans les champs.
Depuis plus de 100 ans, elle est utilisée pour produire de l’électricité, source d’énergie
fondamentale dans notre société actuelle. En effet, on utilise l’électricité pour la plupart de
nos activités, que ce soit dans le domaine domestique ou industriel.
L’énergie éolienne est considérée comme la plus prometteuse des énergies
renouvelables à développer pour remplacer le charbon, le pétrole, le gaz et même le
nucléaire.
Ainsi l’homme a souvent besoin d’énergie électrique dans des proportions faibles ou
importantes selon l’utilisation qu’il en fait:
Pour faire fonctionner des stations météo ou toutes autres installations électriques
isolées à faible consommation, une éolienne de petite taille peut fournir cette énergie
tout au long de l’année.
Pour alimenter en éclairage des maisons ou villages dans des contrées isolées
exposées au vent, des installations d’éoliennes de quelques mètres de diamètre sont
choses courantes.
Pour alimenter en électricité des villes tout en produisant une énergie propre, on
utilise des éoliennes de plusieurs dizaines de mètres de diamètre pouvant produire
jusqu’à 4.5 MW [1].
I.3.2. La situation actuelle

A l’échelle mondiale la puissance éolienne installée, insignifiante au début des années
90, atteint en fin d’année 2007 environ 93 849 MW ce qui correspond à un taux de
croissance annuel moyen de 28.9 % par an depuis l’an 1993 pour une part encore très
modeste de la production d’électricité mondiale. La plus grande partie de la puissance
installée se trouve en Europe avec environ 57 015 MW, trois pays venant largement en tête :
l’Allemagne, l’Espagne et le Danemark avec respectivement environ 22 247 MW, 15 145
MW et 3 132 MW. La Grande Bretagne qui possède le premier potentiel éolien d’Europe et
les Pays-Bas sont également actifs dans la filière. Hors Europe seuls les Etats-Unis ont un
parc significatif de 16 819 MW, l’Inde avec 7 850 MW et la Chine avec 6000 MW. La France,
avec seulement 2 455 MW de puissance installée fin 2007, figure parmi les pays européens
les moins équipés (6ème producteur d’énergie éolienne en Europe) [WWEA], bien que
possédant le deuxième potentiel éolien d’Europe.
ICEPS 2009 7
Reste du monde
Asie 16.9 % 2.5 %
Amérique du nord
19.8 % Europe 60.9 %
Figure I.1 : Répartition de la puissance éolienne mondiale fin 2007.
À titre de comparaison, la puissance installée en énergie nucléaire est de 21 000 MW

en Allemagne, de 63 000 MW en France et de 98 000 MW aux Etats-Unis (Chiffres de 2003).
Le Maroc produit 140 MW par an (2007), cette production va s’accroître dans les
années à venir. Le Maroc est le premier producteur d’énergie éolienne en Afrique.
Dans notre pays, les énergies renouvelables n'ont pas connu le développement que
permet leur disponibilité, et qu'impose leur importance pour le développement économique et
social.
Le potentiel techniquement exploitable en énergies renouvelables en Algérie est

considérable et la qualité des gisements est telle que des investissements rentables peuvent
être envisagés pour leur développement.
Trois raisons principales plaident en faveur d'un développement des énergies
renouvelables en Algérie [5]:
Elles constituent une solution économiquement viable pour fournir des services
énergétiques aux populations rurales isolées notamment dans les régions du Grand
Sud,
Elles permettent un développement durable du fait de leur caractère inépuisable, et
de leur impact limité sur l'environnement et contribuent à la préservation de nos
ressources fossiles,
La valorisation de ces ressources énergétiques ne peut qu'avoir des retombées
positives en matière d'équilibre régional et de création d'emplois.
L'énergie éolienne en Algérie est exploitée seulement pour le pompage de l’eau, la

première expérience du pompage d'eau avec une éolienne en Afrique a été effectuée à
ICEPS 2009 8
Adrar en 1957 à ksar Sidi-aïssa pour l'irrigation de 50 Hectares [5]. L’Algérie a un régime de
vent modéré (2 à 6 m/s), selon la carte des vents présentée sur la figure I.2.
m/s
Echelle des vitesses du vent

Figure I.2 : Carte de vent en Algérie.
Ce potentiel énergétique convient parfaitement pour le pompage de l’eau

particulièrement sur les Hauts Plateaux et le Sahara. Le potentiel énergétique est énorme
sachant que la région d'Adrar se trouve dans un couloir de vent de 6 m/s et se prolongent
jusque à 20 m/s tandis que pour In Amenas le régime n'excède pas 14 m/s [7]. Les turbines
éoliennes qu'on peut utiliser pour le développement du sud Algérien sont de petite échelle,
où l'installation et l’entretien sont faibles et de coût abordable. Plusieurs éoliennes sont
installées actuellement à Adrar pour le pompage d’eau [5].
Ces chiffres montrent que, malgré un certain dynamisme de la filière dans plusieurs
pays industrialisés où les projets se sont multipliés, sa place reste très modeste en terme de
production. Son développement devrait néanmoins se poursuivre, voire s’accélérer et sans
doute s’étendre en dehors du cercle des pays industrialisés, en continuant à bénéficier
lorsque nécessaire d’impulsions au niveau politique, mais aussi grâce à une meilleure
rentabilité des projets liée aux progrès techniques et industriels de la filière.
Sur le plan technique, la puissance unitaire des machines proposées par les
constructeurs, restée longtemps inférieure au MW, est aujourd’hui couramment de 2.5 MW
et des prototypes de 5 MW sont en cours de réalisation. Ces niveaux de puissance devraient
permettre d’améliorer la compétitivité des projets et d’accroître leur taille afin d’assurer, en
réduisant le nombre de sites, une meilleure maîtrise des impacts environnementaux.
ICEPS 2009 9
L’augmentation de la puissance des machines devrait également faciliter le

développement des projets offshore (au bord de la mère), qui nécessitent d’importants
travaux de fondation et de raccordement. Malgré le peu d’expérience et de références sur ce
type d’installations, beaucoup d’espoirs sont aujourd’hui fondés sur l’éolien offshore. Ainsi
l’Allemagne, qui voit la croissance de son parc à terre ralentir depuis quelques ans, mise sur
la réalisation de grands parcs au large de ses côtes afin de produire en éolien 15% de ses
besoins en électricité à l’horizon 2030.
I.3.3. Développement de l’énergie éolienne dans le monde

Depuis ces dernières années, la production d’électricité par l’énergie éolienne s’est
considérablement développée dans le monde entier (Figure I.3). Ceci est principalement dû
à deux raisons:
Produire une énergie propre.
Trouver une source d’énergie durable alternative aux combustibles fossiles.
Figure I.3 : Evolution des puissances éoliennes installées dans le monde en MW.
Cependant tous les pays n’y attachent pas la même importance et n’y accordent donc
pas les mêmes moyens.
L’Allemagne, leader mondial dans cette filière, continue depuis 1999 à installer une
moyenne de 2 GW de puissance supplémentaire par an.
L’Espagne, depuis 2002, a adopté le rythme de l’Allemagne et développe sa puissance

installée d’environ 2 GW par an également.
ICEPS 2009 10
Le Danemark, a quasiment stoppé le développement de ses installations depuis 2003 ;

il en est au stade d’une économie de remplacement. La production d’électricité éolienne
dans ce pays représente sensiblement 20% de sa consommation d’électricité. A ce niveau, il
n’est pas possible dans l’état actuel des connaissances et des techniques d’aller plus loin à
cause de la variabilité imprévisible de la production d’électricité éolienne en injection directe
sur le réseau.
Des recherches sont en cours pour stocker une partie de la production sous forme
d’hydrogène par exemple. Ces recherches ont pour objectif de pouvoir un jour dépasser
cette limite des 20 %. A noter que les émissions de CO2 par kWh électrique du Danemark
sont parmi les plus élevés d'Europe, car le reste de l'électricité y est produite par des
centrales à hydrocarbure qui fonctionnent à plein régime les jours sans vent.
En 2007, la capacité éolienne installée aux États-Unis a augmenté de 45 % et 9

milliards de dollars ont été investis dans ce secteur. Les éoliennes fournissent 1 % de
l’électricité américaine, soit l’équivalent de 4,5 millions de foyers.
La Chine, qui reste en 2005 le 3ème plus gros producteur d’énergie électrique derrière
les États-Unis (4239 TWh*) et l’Europe (3193 TWh) avec 2500 TWh produits, est devenu le
5émé producteur mondial d’énergie éolienne en 2007 derrière l’Allemagne, l’Espagne, les
États-Unis et l’Inde avec une puissance de 6000 MW. Son objectif est une puissance
éolienne installée de 20 GW en 2020, soit une augmentation de plus de 1 GW par an.
Le Royaume-Uni qui voit ses ressources pétrolières de la mer du Nord diminuer

rapidement année après année, a décidé d’exploiter au plus tôt son gisement éolien qui est
le plus important d’Europe. Plusieurs projets en cours sont les plus importants au monde
dans la situation actuelle.
La France, par sa politique de production nucléaire (98 000 MW), est en retard face à
ses voisins Européens (Tableau I.1) avec 2455 MW installés jusqu’en 2007 alors que pour
2010 l’objectif est d’atteindre 13 500 MW.
* 1 TWh (Térawatt-heure) représente un million de MWh (mégawatt-heure), soit un milliard de kWh.
ICEPS 2009 11
Rang Pays (fin 2007) Puissance (MW)

01 Allemagne 22 247
02 Espagne 15 145
03 Danemark 3 132
04 Italie 2 726
05 Royaume-Uni 2 389
06 France 2 455
07 Portugal 2 150
08 Pays-Bas 1 746
09 Autriche 982
10 Grèce 871
11 Irlande 805
12 Suède 788
13 Belgique 287
Tableau I.1 : Puissance éolienne installée dans l'Union Européenne fin 2007 en MW.
I.4. Définition d’un système éolien

Un aérogénérateur, plus communément est appelé éolien. Une éolienne a pour rôle de
convertir l’énergie cinétique du vent en énergie électrique, ce système connus sous
l’appellation anglaise Wind Energy Conversion Systems (WECS), (Figure I.4). Ses différents
éléments sont conçus pour maximiser cette conversion énergétique et, d’une manière
générale, une bonne adéquation entre les caractéristiques couple/vitesse de la turbine et de
la génératrice électrique est indispensable. Pour parvenir à cet objectif, idéalement, une
éolienne doit comporter :
Un système qui permet de la contrôler mécaniquement (orientation des pales de
l’éolienne, orientation de la nacelle).
Un système qui permet de la contrôler électriquement (Machine électrique associée à
l’électronique de commande).
Multiplicateur de Nacelle Générateur électrique

vitesse
Rotor du générateur
Pale
ÉNERGIE ÉNERGIE ÉNERGIE

CINÉTIQUE MÉCANIQUE ÉLECTRIQUE
Figure I.4 : Conversion de l'énergie cinétique du vent.
ICEPS 2009 12
I.5. Descriptif et qualités de l'énergie éolienne

I.5.1. Définition de l'énergie éolienne
L'énergie éolienne est une énergie "renouvelable" non dégradée, géographiquement
diffuse, et surtout en corrélation saisonnière (l’énergie électrique est largement plus
demandée en hiver et c’est souvent à cette période que la moyenne des vitesses des vents
est la plus élevée). De plus, c'est une énergie qui ne produit aucun rejet atmosphérique ni
déchet radioactif. Elle est toutefois aléatoire dans le temps et son captage reste assez
complexe, nécessitant des mâts et des pales de grandes dimensions (jusqu'à 60 m pour des
éoliennes de plusieurs mégawatts) dans des zones géographiquement dégagées pour éviter
les phénomènes de turbulences [8].
Les matériaux nécessaires à la fabrication des différents éléments (nacelle, mât, pales
et multiplicateur notamment) doivent être technologiquement avancés et sont par
conséquent onéreux. L’énergie éolienne fait partie des nouveaux moyens de production
d’électricité décentralisée proposant une alternative viable à l'énergie nucléaire sans pour
autant prétendre la remplacer (l'ordre de grandeur de la quantité d'énergie produite étant
largement plus faible). Les installations peuvent être réalisées sur terre mais également de
plus en plus en mer (fermes éoliennes offshore) où la présence du vent est plus régulière.
De plus, les éoliennes sont ainsi moins visibles et occasionnent moins de nuisances sonores.
On distingue deux grands types d’éoliennes :
Les éoliennes à axe vertical : ce type d’éolienne a fait l’objet de nombreuses
recherches. Il présente l’avantage de ne pas nécessiter de système d’orientation des pales
et de posséder une partie mécanique (multiplicateur et génératrice) au niveau du sol,
facilitant ainsi les interventions de maintenance. En revanche, certaines de ces éoliennes
doivent être entraînées au démarrage et le mât, souvent très lourd, subit de fortes
contraintes mécaniques poussant ainsi les constructeurs à pratiquement abandonner ces
aérogénérateurs (sauf pour les très faibles puissances) au profit d’éoliennes à axe horizontal
[8].
Les éoliennes à axe horizontal beaucoup plus largement employées, même si elles
nécessitent très souvent un mécanisme d’orientation des pales, présentent un rendement
aérodynamique plus élevé, démarrent de façon autonome et présentent un faible
encombrement au niveau du sol [3].
Outre l'aspect visuel des éoliennes, leur impact sur l’environnement est réduit. Une
éolienne ne couvre qu'un pourcentage très réduit de la surface totale du site sur laquelle elle
est implantée, permettant alors à la plupart des sites de conserver leurs activités industrielles
ou agricoles. Leurs nuisances sonores sont de plus relativement faibles. Les éoliennes sont
divisées en trois catégories selon leur puissance nominale :
ICEPS 2009 13
Éoliennes de petite puissance : inférieure à 40 kW.

Éoliennes de moyenne puissance : de 40 à quelques centaines de kW.
Éoliennes de forte puissance : supérieure à 1 MW.
I.5.2. Principaux composants d’une éolienne

Une éolienne est constituée par une tour au sommet de laquelle se trouve la nacelle.
Etant donné que la vitesse du vent augmente lorsque l’on s’éloigne du sol, une tour peut
mesurer entre 50 et 80 m de haut.
Typiquement une éolienne de 1 MW a une hauteur de 80 mètres, ce qui correspond à
la hauteur d’un immeuble de 32 étages. La tour a la forme d’un tronc en cône où, à l’intérieur,
sont disposés les câbles de transport de l’énergie électrique, les éléments de contrôle, les
appareillages de connexion au réseau de distribution ainsi que l’échelle d’accès à la nacelle.
La nacelle regroupe tout le système de transformation de l’énergie éolienne en énergie
électrique et divers actionneurs de commande. Tous ces éléments sont représentés sur la
figure I.5.
1 : Pales en composite fibre de verre. Pas fixe, profil de type stall (décrochage aérodynamique).
2 : Moyeu du rotor en fonte.
3 : Structure de la turbine en fonte ductile ou en acier soudé galvanisé à chaud.
4 : Paliers du rotor à double rangée de billes.
5 : Arbre lent du rotor en acier haute résistance.
6 : Multiplicateur de vitesse à 3 étages (1 train épicycloïdal et 2 trains parallèles).
7 : Frein à disque sur l’arbre rapide avec témoin d’usure.
8 : Accouplement avec la génératrice de type flexible.
9 : Génératrice (800/2000 kW) asynchrone refroidie à l’eau.
10 : Radiateur de refroidissement intégré au système multiplicateur-génératrice.
11 : Système de mesure de vent (anémomètre et girouette).
12 : Système de contrôle surveille et pilote la turbine.
13 : Système hydraulique pour les freins d’extrémité de la pale et le système d’orientation.
14 : Entraînement d’orientation de la tourelle à deux trains d’engrenages.
15 : Paliers du système d’orientation équipés d’un frein à disque.
16 : Capot de la nacelle en structure acier recouvert de composite fibre de verre.
17 : Tour en acier tubulaire (plusieurs hauteurs possibles).
Figure I.5 : Différentes parties d'une éolienne Nordex N60 (1300 kW).
ICEPS 2009 14
Néanmoins, une éolienne "classique" est généralement constituée de trois éléments

principaux :
Le mât : généralement un tube d'acier ou éventuellement un treillis métallique, doit être le
plus haut possible pour éviter les perturbations près du sol. Toutefois, la quantité de matière
mise en oeuvre représente un coût non négligeable et le poids doit être limité. Un compromis
consiste généralement à prendre un mât de taille très légèrement supérieure au diamètre du
rotor de l'aérogénérateur (exemple : éolienne NORDEX N90 2.3 MW: diamètre de 90 m, mât
de 80 m de hauteur).
La nacelle : regroupe tous les éléments mécaniques permettant de coupler le rotor éolien au
générateur électrique : arbres lent et rapide, roulements, multiplicateur. Le frein à disque,
différent du frein aérodynamique, qui permet d'arrêter le système en cas de surcharge. Le
générateur qui est généralement une machine synchrone ou asynchrone et les systèmes
hydrauliques ou électriques d'orientation des pales (frein aérodynamique) et de la nacelle
(nécessaire pour garder la surface balayée par l'aérogénérateur perpendiculaire à la
direction du vent). A cela viennent s'ajouter le système de refroidissement par air ou par eau,
un anémomètre et le système électronique de gestion de l'éolienne.
Le rotor : formé par les pales assemblées dans leur moyeu. Pour les éoliennes destinées à
la production d'électricité, le nombre de pales varie classiquement de 1 à 3, le rotor tripale
(concept danois) étant de loin le plus répandu car il représente un bon compromis entre le
coût, le comportement vibratoire, la pollution visuelle et le bruit [3].
Les rotors à vitesse fixe sont souvent munis d'un système d'orientation de la pale
permettant à la génératrice (généralement une machine asynchrone à cage d'écureuil) de
fonctionner au voisinage du synchronisme et d'être connectée directement au réseau sans
dispositif d'électronique de puissance. Ce système allie ainsi simplicité et faible coût.
Les rotors à vitesse variable sont souvent moins coûteux car le dispositif d'orientation
des pales est simplifié voire supprimé. Toutefois, une interface d'électronique de puissance
entre le générateur et le réseau ou la charge est nécessaire. Les pales se caractérisent
principalement par leur géométrie dont dépendront les performances aérodynamiques et les
matériaux dont elles sont constituées actuellement, les matériaux composites tels la fibre de
verre et plus récemment la fibre de carbone sont très utilisés car ils allient légèreté et bonne
résistance mécanique.
I.5.3. Principe de fonctionnement d’une éolienne

Un dispositif oriente automatiquement la nacelle face au vent grâce à une mesure de la
direction du vent effectuée par une girouette située à l’arrière de la nacelle.
La turbine éolienne est munie de pales fixes ou orientables et tourne à une vitesse
nominale de 25 à 40 tr/min. Plus le nombre de pales est grand plus le couple au démarrage
ICEPS 2009 15
sera grand et plus la vitesse de rotation sera petite [2]. Les turbines uni et bipales ont
l’avantage de peser moins, mais elles produisent plus de fluctuations mécaniques. Elles ont
un rendement énergétique moindre, et sont plus bruyantes puisqu’elles tournent plus vite.
Elles provoquent une perturbation visuelle plus importante de l’avis des paysagistes. De plus,
un nombre pair de pales doit être évité pour des raisons de stabilité. En effet, lorsque la pale
supérieure atteint le point le plus extrême, elle capte la puissance maximale du vent. A ce
moment, la pale inférieure traverse la zone abritée du vent par la tour. Cette disposition tend
à faire fléchir l’ensemble de la turbine vers l’arrière. Ceci explique pourquoi 80% des
fabricants fabriquent des aérogénérateurs tripales.
Lorsque des pales fixes sont utilisées, un dispositif de freinage aérodynamique est
utilisé permettant de dégrader le rendement de la turbine au delà d’une certaine vitesse
(décrochage aérodynamique ou stall control). Sinon, un mécanisme d’orientation des pales
permet la régulation de la puissance et un freinage (réglage aérodynamique).
Un arbre dit lent relie le moyeu au multiplicateur et contient un système hydraulique
permettant le freinage aérodynamique en cas de besoin.
Un multiplicateur adapte la vitesse de la turbine éolienne à celle du générateur
électrique (qui est généralement entraîné à environ 1500 tr/min). Ce multiplicateur est muni
d’un frein mécanique à disque actionné en cas d’urgence lorsque le frein aérodynamique
tombe en panne ou en cas de maintenance de l’éolienne.
Le système de refroidissement comprend généralement un ventilateur électrique utilisé
pour refroidir la génératrice et un refroidisseur à huile pour le multiplicateur. Il existe
certaines éoliennes comportant un refroidissement à l’eau.
La génératrice (ou l’alternateur) est généralement asynchrone, et sa puissance
électrique peut varier entre 600 kW et 4.5 MW.
Les signaux électroniques émis par l’anémomètre sont utilisés par le système de
contrôle-commande de l’éolienne pour démarrer l’éolienne lorsque la vitesse du vent atteint
approximativement 5 m/s. De même, le système de commande électronique arrête
automatiquement l’éolienne si la vitesse du vent est supérieure à 25 m/s afin d’assurer la
protection de l’éolienne.
Le système de contrôle-commande comporte un ordinateur qui surveille en

permanence l’état de l’éolienne tout en contrôlant le dispositif d’orientation. En cas de
défaillance (par exemple une surchauffe du multiplicateur ou de la génératrice), le système
arrête automatiquement l’éolienne et le signale transmis à l’ordinateur de l’opérateur via un
modem téléphonique.
ICEPS 2009 16
I.5.4. Emplacement des parcs éoliens

Les parcs éoliens se situent naturellement là où il y a un niveau de vent suffisant tout
au long de l’année pour permettre une production maximale. Les côtes, les bords de mers et
les plateaux offrent des conditions intéressantes en terme de vent mais il faut aussi tenir
compte de l’impact sur le paysage. Pour ces raisons, lorsque c’est possible, des parcs
éoliens offshore sont construits (540 MW offshore installés en Europe fin 2003). Ces derniers
comportent des dizaines d’éoliennes comme on peut le voir sur la figure I.6.
(a) (b)
Figure I.6 : Les parcs éoliens offshores (a) et onshores (b).
I.5.5. Taille des aérogénérateurs

Avec le développement récent et le besoin de fournir des puissances croissantes au
réseau, les constructeurs et les chercheurs mettent au point des éoliennes de plus en plus
puissantes et donc plus grandes, ce que présente la figure I.7. Pour utiliser le maximum de
la force du vent, on cherche à ce que l’hélice balaie une surface où le vent est maximum.
Pour cela les éoliennes sont très haut perchées pour ne pas subir les effets de sol qui
freinent le vent.
ICEPS 2009 17
120 m Ǿ
80 m Ǿ
12 m Ǿ
‘85 ‘87 ‘89 ‘91 ‘93 ‘95 ‘97 ‘99 ‘01 ‘03
0.05 0.3 0.5 1.3 1.6 2 4.5 MW
Figure : I.7 : Taille des hélices en m et puissance en MW [4].
Les plus grandes éoliennes commercialisées actuellement possèdent une hélice de

plus de 100 mètres de diamètre. Cette hélice est perchée à plus de 100 mètres de hauteur
pour produire jusqu’à 4.5 MW [1].
I.6. Quelques notions sur le vent

La vitesse du vent varie selon les zones géographiques et les saisons, elle est surtout
élevée pendant la période d’hiver et au niveau des mers. Le vent est défini par sa direction et
sa vitesse.
Le vent souffle en principe des zones de hautes pressions vers les zones de basses
pressions. Aux latitudes moyennes et aux grandes latitudes, sa direction est cependant
modifiée du fait de la rotation de la terre. Le vent devient alors parallèle aux isobares au lieu
de leur être perpendiculaire. Dans l’hémisphère nord, le vent tourne dans le sens contraire
des aiguilles d’une montre autour des aires cycloniques et dans le sens direct autour des
zones anticycloniques. Dans l’hémisphère sud, les sens sont inversés par rapport aux
précédents.
La vitesse du vent est mesurée avec des anémomètres. Il en existe plusieurs types
classés en deux catégories principales (les anémomètres à rotation et les anémomètres à
pression). Une graduation a été établie, selon l’échelle Beaufort qui divise les vents en
fonction de leurs vitesses en 17 catégories dont nous citons quelques unes au tableau I.2 [4].
ICEPS 2009 18
Pression sur
Degrés Vitesse du Vitesse du Description
surface plane
Beaufort vent (m/s) vent (km/h) générale
(daN/m2)
0 0 à 0.4 <1 Calme
3 3.5 à 5.5 12 à 19 Petite brise 3.2 (5 m/s)
4 5.5 à 8 20 à 28 Jolie brise 6.4 (7 m/s)
6 11.4 à 13.9 39 à 49 Vent frais 22 (13 m/s)
8 17.4 à 20.4 62 à 74 Coup de vent 52 (20 m/s)
11 28.4 à 32.5 103 à 117 Violente tempête 117 (30 m/s)
17 54.1 à 60 202 à 220 Cyclone 470 (60 m/s)
Tableau I.2 : Echelle Beaufort.
En effet, pour implanter un parc éolien, la prospection des sites possibles constitue le
premier travail à effectuer pour juger de la capacité de production d’une centrale éolienne.
Des relevés météorologiques complets sur les sites présumés doivent être effectués au
moins pendant une année pour déterminer la possibilité ou non d’implanter le parc. Non
seulement il faut connaître la vitesse moyenne du vent, mais aussi sa variation en fonction
de l’altitude.
Les vents les plus intéressants qui donnent finalement le plus d’énergie annuelle, sont
les vents réguliers qui ont une vitesse de 6 à10 m/s [4].
I.7. Les différents types d’éoliennes

Les éoliennes se divisent en deux grandes familles : celles à axe vertical et celles à
axe horizontal.
I.7.1. Eoliennes à axe vertical
Les éoliennes à axe vertical ont été les premières structures développées pour
produire de l’électricité paradoxalement en contradiction avec le traditionnel moulin à vent à
axe horizontal. Elles possèdent l’avantage d’avoir les organes de commande et le
générateur au niveau du sol donc facilement accessibles. De nombreuses variantes ont été
testées depuis les années vingt, dont beaucoup sans succès, mais deux structures sont
parvenues au stade de l’industrialisation [9]:
Le rotor de Savonius (du nom de son inventeur, breveté en 1925) dont le
fonctionnement est basé sur le principe de "traînée différentielle" utilisé dans les
anémomètres : les efforts exercés par le vent sur chacune des faces d'un corps creux
sont d'intensité différente, il en résulte alors un couple moteur entraînant la rotation
de l'ensemble. L'effet est ici renforcé par la circulation d'air entre deux demi-cylindres
qui augmente le couple moteur (Figure I.8).
ICEPS 2009 19
Figure I.8 : Éolienne de Savonius.
Les éoliennes à variation cyclique d'incidence dont la structure la plus répandue est
celle de Darrieus (ingénieur français qui déposa le brevet au début des années 30).
Leur fonctionnement est basé sur le fait qu'un profil placé dans un écoulement d'air
selon différents angles (Figure I.9) est soumis à des forces de direction et d'intensité
variables. La résultante de ces forces génère alors un couple moteur entraînant la
rotation du dispositif. Ces forces sont crées par la combinaison de la vitesse propre
de déplacement du profil et de la vitesse du vent. Cela signifie que la rotation du
dispositif ne peut pas s'amorcer d'elle-même. Lorsqu'elle est à l'arrêt, l'éolienne doit
donc être lancée par un dispositif annexe (montage d'une éolienne Savonius sur le
même rotor ou utilisation de la génératrice en moteur).
Figure I.9 : Éolienne de Darrieus.
On trouve désormais des éoliennes à axes verticaux développées pour la production

d’électricité dans les zones isolées. Ce sont des machines de faible puissance, de 100 W à
25 kW. Elles sont destinées à des utilisations permanentes. Par exemple la charge de
batteries servant à alimenter un chalet en montagne. Elles sont de conception simple et
robuste et ne nécessitent pas ou peu d’entretien.
ICEPS 2009 20
Même si quelques grands projets industriels ont été réalisés, les éoliennes à axe
vertical restent toutefois marginales et peu utilisées voire actuellement abandonnées. En
effet la présence du capteur d'énergie près du sol l'expose aux turbulences et au gradient de
vent ce qui réduit son efficacité. Elles sont de plus exposées à des problèmes
d'aéroélasticité dus aux fortes contraintes qu'elles subissent. Enfin la surface qu'elles
occupent au sol est très importante pour les puissances élevées.
I.7.2. Eoliennes à axe horizontal

Les éoliennes à axe horizontal sont basées sur la technologie ancestrale des moulins à
vent. Elles sont constituées de plusieurs pales profilées aérodynamiquement à la manière
des ailes d'avion. Dans ce cas, la portance n'est pas utilisée pour maintenir un avion en vol
mais pour générer un couple moteur entraînant la rotation. Le nombre de pales utilisé pour la
production d'électricité varie classiquement entre 1 et 3, le rotor tripale étant le plus utilisé car
il constitue un compromis entre le coefficient de puissance, le coût et la vitesse de rotation
du capteur éolien [3]. Ce type d'éolienne a pris le dessus sur celles à axe vertical car elles
représentent un coût moins important, elles sont moins exposées aux contraintes
mécaniques et la position du récepteur à plusieurs dizaines de mètres du sol privilégie
l'efficacité. Notons cependant que certains travaux défendent la viabilité du rotor vertical en
réalisant des études multi-critères [3]. Les concepts abordés dans la suite de cette étude se
limiteront uniquement au cas des éoliennes à axe horizontal.
Figure I.10 : Éoliennes à axes horizontales.
La plupart des éoliennes actuellement installées utilisent des turbines à axe horizontal.
Le tableau I.3 propose une classification de ces turbines selon la puissance qu’elles délivrent
et le diamètre de leur hélice. A titre de comparaison, la puissance d’une tranche de centrale
nucléaire est de 1400 MW environ.
ICEPS 2009 21
Echelle Diamètre de l’hélice Puissance délivrée
Petite Moins de 12 m Moins de 40 KW
Moyenne 12 à 45 m 40 kW à 1 MW
Grande 46 m et plus Plus de 1 MW
Tableau I.3 : Classification des turbines éoliennes.
I.8. Classement des éoliennes

Il existe essentiellement deux technologies d’éoliennes, celles dont la vitesse est
constante et celles dont la vitesse est variable. La partie suivante décrit d’une manière assez
générale le fonctionnement de ces deux procédés.
I.8.1. Les éoliennes à vitesse fixe

Les éoliennes à vitesse fixe sont les premières à avoir été développées. Dans cette
technologie, la génératrice asynchrone est directement couplée au réseau. Sa vitesse Ω méc
est alors imposée par la fréquence du réseau et par le nombre de paires de pôles de la
génératrice (Figure I.11).
Réseau
AC 50 HZ
Machine asynchrone
Multiplicateur
Turbine
Figure I.11 : Éolienne directement connectée au réseau.
Le couple mécanique entraînant (produit par la turbine) tend à accélérer la vitesse de la

génératrice. Cette dernière fonctionne alors en hyper-synchrone et génère de la puissance
électrique sur le réseau. Pour une génératrice standard à deux paires de pôles, la vitesse
mécanique ( Ω méc ) est légèrement supérieure à la vitesse du synchronisme
Ω s = 1500 tr / min , ce qui nécessite l’adjonction d’un multiplicateur pour adapter la

génératrice à celle du rotor de l’éolienne (Figure I.12) [2].
ICEPS 2009 22
Ce Ce max
Cr
Ωs Ω méc
Moteur Génératrice
Figure I.12 : Caractéristique couple/vitesse d’une machine asynchrone.
On peut distinguer deux technologies d’éoliennes à vitesse fixe : Les éoliennes à

décrochage aérodynamique et les éoliennes à pales orientables.
I.8.1.1. Les éoliennes à décrochage aérodynamique

Les éoliennes à décrochage aérodynamique (stall) génèrent une puissance électrique
variable dont la valeur maximale correspond en général à la puissance nominale de la
machine. En dessous de cette valeur, la puissance fournie croît avec la vitesse du vent. Au
delà, la puissance fournie décroît avec la vitesse du vent (Figure I.13) [2].
Puissance électrique [kW]
Pn
V0 Vn
Vitesse de vent [m/s]
Figure I.13 : Génération à puissance électrique variable

(Pales fixes, décrochage aérodynamique).
– Pn : la puissance nominale de l’éolienne.
– V0 : la valeur de vitesse pour laquelle le rotor de la turbine commence à tourner.
ICEPS 2009 23
– Vn : la valeur de vitesse pour laquelle la puissance nominale est atteinte.
Pour obtenir cette caractéristique de puissance, les pales (fixes) sont conçues avec un
profil qui permet d’obtenir une décroissance brusque de la portance à partir d’une vitesse
donnée pour laquelle la puissance doit être diminuée. Au delà de cette vitesse de vent, la
puissance diminue très rapidement et un fonctionnement à puissance nominale constante
n’est donc pas possible.
I.8.1.2. Les éoliennes à pales orientables

L’utilisation d’un système d’orientation des pales permet, par une modification
aérodynamique, de maintenir constante la puissance de la machine en fonction de la vitesse
du vent et pour une vitesse de vent supérieure à Vn (Figure I.14) [2].
Puissance électrique [KW]
Pn
V0 Vd Vn Vhs
Vitesse de vent [m/s]
Figure I.14 : Génération à puissance électrique constante (pales orientables).
avec
– Vd : la vitesse pour laquelle le générateur démarre.
– Vn : la vitesse pour laquelle le générateur commence à fournir de la puissance.
– Vhs : la valeur de la vitesse pour laquelle la machine doit être arrêtée.
La figure I.15 montre la caractéristique mesurée de la puissance électrique produite en

fonction de la vitesse du vent. Cette dernière est obtenue à partir des fichiers de vents
enregistrés par E. Vasseur et J.M. Grave de NORELEC (Verquin) en 1997 sur une éolienne
de 300 kW de la ferme éolienne de Dunkerque (nord du France). Les mesures de vitesses
sont celles enregistrées au sommet de l’éolienne [2].
ICEPS 2009 24
Puissance électrique [KW]
Vitesse du vent [m/s]
Figure I.15 : Exemple de caractéristique mesurée d’une éolienne à puissance

constante située à Dunkerque.
On constate à partir de cette caractéristique que la puissance mesurée est

exponentielle en fonction de la vitesse du vent, pour atteindre une valeur maximale d’environ
335 kW. L’orientation des pales n’est pas caractérisée dans ce cas.
I.8.2. Les éoliennes à vitesse variable

I.8.2.1. Principe de fonctionnement
Les deux structures existantes des éoliennes à vitesse variable sont présentées sur la
figure I.16.
Machine asynchrone
AC 50
Réseau
Hz
Multiplicateur
Turbine
AC fréquence
variable
(a)
Machine asynchrone à double alimentation AC 50
Réseau
Hz
Multiplicateur
Turbine
AC fréquence
variable
(b)
Figure I.16 : Éoliennes à vitesse variable.
ICEPS 2009 25
La configuration de la figure I.16.a, est basée sur une machine asynchrone à cage,
pilotée au stator de manière à fonctionner à vitesse variable, par des convertisseurs
statiques.
La configuration de la figure I.16.b, est basée sur une machine asynchrone à double
alimentation et à rotor bobiné. La vitesse variable est réalisée par l’intermédiaire des
convertisseurs de puissance, situés au circuit rotorique.
Nous présentons sur la figure I.17 la caractéristique de la puissance mesurée en
fonction de la vitesse du vent d’une éolienne réelle de Schelle de 1.5 MW basée sur une
machine asynchrone à double alimentation à rotor bobiné [2]. On constate à partir de cette
figure que la puissance est limitée à sa valeur nominale pour une vitesse du vent de 12.5
m/s. L’orientation des pales est parfaitement réalisée dans ce cas.
Puissance totale mesurée [kW]
Figure I.17: Puissance totale générée mesurée en fonction de la vitesse du vent.
I.8.2.2. Intérêt de la vitesse variable

La caractéristique générale de la puissance convertie par une turbine éolienne en
fonction de sa vitesse est représentée sur la figure I.18.
Pour une vitesse de vent V1 et une vitesse mécanique de la génératrice Ω 1 ; on obtient
une puissance nominale P1 (point A). Si la vitesse du vent passe de V1 à V2 , et que la

vitesse de la génératrice reste inchangée (cas d’une éolienne à vitesse fixe), la puissance
ème
P2 se trouve sur la 2 caractéristique (point B). La puissance maximale se trouve ailleurs
sur cette caractéristique (point C). Si on désire extraire la puissance maximale, il est
nécessaire de fixer la vitesse de la génératrice à une vitesse supérieure Ω 2 . Il faut donc
ICEPS 2009 26
rendre la vitesse mécanique variable en fonction de la vitesse du vent pour extraire le

maximum de la puissance générée.
Puissance
P3 C
P2
B
Vitesse
P1 du vent
A V2
V1
Ω1 Ω2 Ω méc
Figure I.18 : Caractéristique de la puissance générée en fonction de

la vitesse mécanique et la vitesse du vent.
Les techniques d’extraction maximale de puissance consistent à ajuster le couple

électromagnétique de la génératrice pour fixer la vitesse à une valeur de référence ( Ω ref )
calculée pour maximiser la puissance extraite.
I.9. Energie cinétique du vent – conversion en énergie mécanique

I.9.1. Loi de Betz
Considérons le système éolien à axe horizontal représenté sur la figure I.19 sur lequel
on a représenté la vitesse du vent V1 en amont de l'aérogénérateur et la vitesse V2 en aval.
En supposant que la vitesse du vent traversant le rotor est égale à la moyenne entre la
vitesse du vent non perturbé à l'avant de l'éolienne V1 et la vitesse du vent après passage à
V1 + V2
travers le rotor V2 soit , la masse d'air en mouvement de densité ρ traversant la
2
surface S des pales en une seconde est:
ρ S (V1 + V2 )
m= (I.1)
2
La puissance Pm alors extraite s'exprime par la moitié du produit de la masse et de la
diminution de la vitesse du vent (seconde loi de Newton) :
Pm =
(
m V1 − V2
2 2
) (I.2)
2
ICEPS 2009 27
Soit en remplaçant m par son expression dans (I.1):
Pm =
(
ρ S (V1 + V2 ) V12 − V2 2 ) (I.3)
4
Un vent théoriquement non perturbé traverserait cette même surface S sans

diminution de vitesse, soit à la vitesse V1 , la puissance Pmt correspondante serait alors :
ρ S V13
Pmt = (I.4)
2
S2 S
S1 V
V2 1
v v
v
Figure I.19 : Tube de courant autour d'une éolienne.
Le ratio entre la puissance extraite du vent et la puissance totale théoriquement

disponible est alors :
  V1    V1  
2
1 +    1 −  
    
Pm   V2    V2  
= (I.5)
Pmt 2
Si on représente la caractéristique correspondante à l'équation ci-dessus (Figure I.20),

on s'aperçoit que le ratio Pm / Pmt appelé aussi coefficient de puissance C p présente un
maxima de 16/27 soit 0,59. C'est cette limite théorique appelée limite de Betz qui fixe la
puissance maximale extractible pour une vitesse de vent donnée. Cette limite n'est en réalité
jamais atteinte et chaque éolienne est définie par son propre coefficient de puissance
exprimé en fonction de la vitesse relative λ représentant le rapport entre la vitesse de
l'extrémité des pales de l'éolienne et la vitesse du vent [3].
ICEPS 2009 28
Figure I.20 : Coefficient de puissance.
Cp
λ
Figure I.21 : Coefficient de puissance pour différents types d'éoliennes.
Les éoliennes à marche lente sont munies d'un grand nombre de pales (entre 20 et 40),
leur inertie importante impose en général une limitation du diamètre à environ 8 m. Leur
coefficient de puissance (Figure I.21) atteint rapidement sa valeur maximale lors de la
montée en vitesse mais décroît également rapidement par la suite. Les éoliennes à marche
rapide sont beaucoup plus répandues et pratiquement toutes dédiées à la production
d'énergie électrique. Elles possèdent généralement entre 1 et 3 pales fixes ou orientables
pour contrôler la vitesse de rotation. Les pales peuvent atteindre des longueurs de 60 m pour
des éoliennes de plusieurs mégawatts.
ICEPS 2009 29
Les éoliennes tripales sont les plus répandues car elles représentent un compromis
entre les vibrations causées par la rotation et le coût de l'aérogénérateur. De plus, leur
coefficient de puissance (Figure I.21) atteint des valeurs élevées et décroît lentement lorsque
la vitesse augmente. Elles fonctionnent rarement au dessous d'une vitesse de vent de 3 m/s
[10].
I.9.2. Modèle de la turbine par simulation

Le modèle est basé sur les caractéristiques de puissance en état d’équilibre de la
turbine. La rigidité de l’arbre d’entraînement est supposée infinie, le coefficient de frottement
et l’inertie de la turbine doivent être combinés avec ceux du générateur couplé à la turbine.
La puissance mécanique disponible sur l'arbre d'un aérogénérateur s'exprime ainsi :
Pmt = C p .Pmt = C p (λ ) ρ π R 2 V1
Pm 1
Pm =
3
(I.6)
Pmt 2
Ω1 R
Avec λ= (I.7)
V1
Ω1 : vitesse de rotation avant multiplicateur.
R : rayon de l'aérogénérateur 35.25 m
ρ : densité de l’air 1.225 kg .m−3

C   − C5 
C p = f ( λ , β ) = C1  2 − C3 β − C4  exp   + C6 λ (I.8)
 λi   λi 
1 1 0.035
Avec : = − 3 et C1 = 0.5176 ; C2 = 116 ; C3 = 0.4 ; C4 = 5 ; C5 = 21 ;
λi λ + 0.08 β β + 1
C6 = 0.0068 [4].
Les caractéristiques de C p en fonction de λ pour différentes valeurs de l’angle de
calage sont illustrées sur la figure I.22. La valeur maximale de C p ( C p max = 0.48 ) est atteinte
pour β = 0 et λ = 8.1 . Cette valeur particulière de λ est définie comme la valeur optimale
λopt [4].
Le schéma bloc pour le calcul de C p et de la turbine éolienne sont définis dans
l’annexe A et les résultats de simulation obtenus sont données à la figure I.22.
ICEPS 2009 30
β = 0°
C p max
β = 5°
β = 10°
Cp
β = 15°
β = 20°
λopt
Figure I.22 : Le coefficient de puissance pour des différents angles de calages.
Compte tenu du rapport du multiplicateur de vitesse K , la puissance mécanique Pmg
disponible sur l'arbre du générateur électrique s'exprime par :
1 Ω R
Pmg = C p  2  ρ π R 2 V1
3
(I.9)
2  KV1 
Avec Ω 2 : vitesse de rotation après multiplicateur.

Cette relation permet d'établir un ensemble de caractéristiques donnant la puissance
disponible en fonction de la vitesse de rotation du générateur pour différentes vitesses de
vent (Figure I.23) [3], [10].
Puissance mécanique [Watts]
Vitesse de rotation du générateur [tr/min]
Figure I.23 : Puissance théorique disponible pour un type d'éolienne donnée.
ICEPS 2009 31
Au vu de ces caractéristiques, il apparaît clairement que si l’éolienne et par conséquent

la génératrice fonctionne à vitesse fixe (par exemple 1600 tr/min sur la figure I.23) les
maxima théoriques des courbes de puissance ne sont pas exploités. Pour pouvoir optimiser
le transfert de puissance et ainsi obtenir le maximum théorique pour chaque vitesse de vent,
la machine devra pouvoir fonctionner entre 1100 et 1900 tr/min pour cet exemple.
I.10. Stratégies de fonctionnement d’une éolienne

I.10.1. Bilan des forces sur une pale
Figure I.24 : Bilan des forces sur une pale.
La figure I.24 représente la section longitudinale d’une pale d’aérogénérateur [11]. La
vitesse du vent arrivant face à cette pale, est représentée par le vecteur V . Le vecteur V rot
représente la composante de vent due à la rotation de l’aérogénérateur. La résultante de ces
deux vecteurs est appelée V res . L’action du vent sur la pale produit une force qui se
décompose en une poussée axiale F ax directement compensée par la résistance
mécanique du mat et une poussée en direction de la rotation F rot qui produit effectivement
le déplacement. Chaque turbine éolienne est ainsi dimensionnée pour que cette force
atteigne sa valeur nominale pour une vitesse de vent nominale donnée. Lorsque la vitesse
de vent devient trop élevée ou si la génératrice nécessite une vitesse de rotation fixe, la
puissance extraite par l’éolienne doit être annulée ou limitée à sa valeur nominale.
I.10.2. Systèmes de régulation de la vitesse de rotation de l'éolienne

I.10.2.1. Système à décrochage aérodynamique "stall"
La plupart des éoliennes connectées au réseau électrique nécessitent une vitesse de
rotation fixe pour des raisons de cohérence de fréquence avec le réseau. Le système de
limitation de vitesse le plus simple et le moins coûteux est un système de limitation naturelle
ICEPS 2009 32
(intrinsèque à la forme de la pale) dit "stall". Il utilise le phénomène de décrochage

aérodynamique. Lorsque l’angle d’incidence " i " devient important, c’est à dire lorsque la
vitesse du vent dépasse sa valeur nominale Vn , l’aspiration créée par le profil de la pale
n’est plus optimale ce qui entraîne des turbulences à la surface de la pale (Figure I.25) et par
conséquent une baisse du coefficient de puissance. Ceci empêche alors une augmentation
de la vitesse de rotation.
Figure I.25 : Flux d’air sur un profil de pale " stall ".
Ce système est simple et relativement fiable mais il manque de précision car il dépend
de la masse volumique de l'air et de la rugosité des pales donc de leur état de propreté. Il
peut, dans certains cas, être amélioré en autorisant une légère rotation de la pale sur elle-
même (système " stall actif ") permettant ainsi de maximiser l’énergie captée pour les faibles
vitesses de vent. Pour les fortes vitesses de vent, la pale est inclinée de façon à diminuer
l’angle de calage β et renforcer ainsi l’effet "stall" de la pale. La répercussion des variations
de vitesse du vent sur le couple mécanique fournie par l’éolienne est ainsi moins importante
[10].
I.10.2.2. Système d'orientation des pales "pitch"

Il utilise la variation de l’angle de calage des pales (figure I.26). En variant l’angle
d’incidence de la pale, on modifie le rapport entre les composantes de portance et de
traînage. L’angle d’incidence optimal conduit à la puissance maximale disponible. En général,
la modification de l’angle de calage de la pale de l’éolienne permet quatre actions distinctes :
• Le démarrage à une vitesse du vent Vd plus faible ;
• L’optimisation du régime de conversion de l’énergie, quand la vitesse du vent évolue

entre les limites [Vd ,Vn ] en complément de la vitesse variable dans une plage
relativement réduite (1 à 2 voire 1 à 3 pour un rapport Vn / Vd de l’ordre de 4 à 5) ;
ICEPS 2009 33
• La régulation par limitation de la puissance pour V > Vn ;
Section
Position de prise au de pale
vent maximale
Figure I.26 : Variation de l'angle de calage d'une pale.
• La protection de l’éolienne contre les vents trop violents, par la mise en « drapeau »
des pales de l’hélice. On remarque que ce système intervient dans le fonctionnement
de la turbine, par la variation du calage β , de manière prépondérante depuis le
démarrage (Figure II.27) (zone I) et dans le régime de régulation de vitesse (zone II
et III) jusqu’au phénomène de décrochage aérodynamique (zone IV) de la turbine [9].
I II III IV
Vn
Tablea
u I.3 :
Classifi
cation
des
turbines
Vd Vn Vm V (m / s)
Figure II.27 : Courbe typique de régulation.
I.11. Le multiplicateur
Les rotors dont le diamètre est supérieur à 5 m ont des vitesses de rotation trop faibles
pour pouvoir entraîner directement un alternateur classique. Il est donc indispensable pour
ces machines d’interposer entre l’aéromoteur et l’alternateur un multiplicateur.
Trois types de multiplicateurs peuvent être utilisés avec les aéromoteurs :
Le plus simple est le multiplicateur à engrenages à un ou plusieurs trains de roues
dentées cylindriques ; d’une réalisation économique il est tout de même encombrant
pour un rapport de multiplication élevé.
ICEPS 2009 34
L’utilisation de trains planétaires permet de réaliser des multiplications élevées sous

un encombrement réduit. Leur utilisation se généralise ; cette technique permet de
réaliser des rapports de multiplication élevés sous un encombrement réduit et avec
un bon rendement de transmission. Les axes d’entrée et de sortie sont colinéaires
voir coaxiaux.
Le réducteur à couple conique permet une disposition de l’arbre de sortie
perpendiculaire à l’arbre d’entrée.
I.12. État de l'art sur la conversion électromécanique

Il existe sur le marché plusieurs types de machines électriques qui peuvent jouer le rôle
de génératrice dans un système aérogénérateur qui demande des caractéristiques très
spécifiques.
Le cahier des charges pour une génératrice éolienne varie selon le type et les
dimensions géométriques de la voilure. Certaines machines typiquement utilisées dans les
constructions éoliennes sont succinctement décrites dans ce paragraphe en tenant compte
de leurs spécificités.
I.12.1. Systèmes éoliens utilisant la machine asynchrone

I.12.1.1. Machine asynchrone à cage d'écureuil
Contrairement aux autres moyens traditionnels de production d'énergie électrique où
l'alternateur synchrone est largement utilisé, c'est la génératrice asynchrone à cage
d'écureuil qui équipe actuellement une grande partie des éoliennes installées dans le monde.
La plupart des applications utilisant la machine asynchrone sont destinées à un

fonctionnement en moteur (cela représente d'ailleurs un tiers de la consommation mondiale
d'électricité), mais cette machine est tout à fait réversible et ses qualités de robustesse et de
faible coût ainsi que l'absence de balais-collecteurs ou de contacts glissants sur des bagues
la rendent tout à fait appropriée pour l'utilisation dans les conditions parfois extrêmes que
présente l'énergie éolienne. La caractéristique couple/vitesse d'une machine asynchrone à
deux paires de pôles est donnée sur la figure I.28.
Pour assurer un fonctionnement stable du dispositif, la génératrice doit conserver une

vitesse de rotation proche du synchronisme (point g=0), dans le cas de la caractéristique ci-
dessus, la génératrice devra garder une vitesse comprise entre 1500 et 1600 tr/min.
ICEPS 2009 35
Couple électromagnétique [N.m]

Partie stable de la
caractéristique
Vitesse de rotation [tr/min]
Figure I.28 : Caractéristique couple/vitesse d'une machine asynchrone à 2

paires de pôles.
Le dispositif le plus simple et le plus couramment utilisé consiste à coupler

mécaniquement le rotor de la machine asynchrone à l'arbre de transmission de
l'aérogénérateur par l'intermédiaire du multiplicateur de vitesse et à connecter directement le
stator de la machine au réseau (Figure I.29). La machine a un nombre de paire de pôles fixe
et doit donc fonctionner sur une plage de vitesse très limitée (glissement inférieur à 2%). La
fréquence étant imposée par le réseau, si le glissement devient trop important les courants
statoriques de la machine augmentent et peuvent devenir destructeurs. La simplicité de la
configuration de ce système (aucune interface entre le stator et le réseau et pas de contacts
glissants) permet de limiter la maintenance sur la machine.
Sens du transfert d’énergie
Multiplicateur Réseau
MAS
Figure I.29 : Connexion directe d’une machine asynchrone sur le réseau.
ICEPS 2009 36
Ce type de convertisseur électromécanique est toutefois consommateur d'énergie

réactive nécessaire à la magnétisation du rotor de la machine, ce qui détériore le facteur de
puissance globale du réseau. Celui-ci peut-être toutefois amélioré par l'adjonction de
capacités représentées sur la figure I.29 qui deviennent la seule source de puissance
réactive dans le cas d'un fonctionnement autonome de l'éolienne.
Malgré sa simplicité, le système de fonctionnement à vitesse fixe peut être bruyant, à

cause de la modification des caractéristiques aérodynamiques dues à l'orientation des pales,
et il n'exploite pas la totalité de la puissance théoriquement disponible pour les vitesses de
vent élevées. En effet le système est conçu pour fonctionner sur la partie gauche du réseau
de courbes de la figure I.23, là où celles-ci sont le plus rapprochées les unes des autres. La
machine est alors naturellement protégée contre les surcharges mais l'efficacité de l'éolienne
est fortement réduite. De plus les variations du couple mécanique sont fréquentes puisque le
système d'orientation des pales est souvent en action pour pallier les variations de vitesse de
vent. Ces variations de couple produisent de brusques variations du courant débité sur le
réseau entraînant ainsi des perturbations.
I.12.1.2. Machine asynchrone connectée au réseau par l'intermédiaire d'une interface

d'électronique de puissance
Une autre possibilité consiste à utiliser un variateur de fréquence, mais cette solution
est globalement coûteuse (variation de fréquence et multiplicateur de vitesse) (Figure I.30).
La puissance nominale de la génératrice détermine alors la puissance maximale que peut
fournir l'éolienne. Les convertisseurs utilisés sont dimensionnés pour la totalité de cette
puissance échangée entre la machine et le réseau. Ils représentent donc un coût important,
des pertes non négligeables (jusqu'à 3% de la puissance nominale de la machine) et
entraînent des perturbations qui nuisent au rendement et à la qualité de l'énergie délivrée [3].
Énergie Redresseur Onduleur
Réseau
Multiplicateur MAS
Figure I.30 : Machine asynchrone connectée sur le réseau par l'intermédiaire d'un
ensemble redresseur – onduleur
ICEPS 2009 37
De plus, la présence des capacités est indispensable pour fournir l'énergie réactive
nécessaire à la magnétisation de la machine. Cette énergie ne peut pas être fournie par le
réseau car le redresseur est unidirectionnel. Il peut être éventuellement remplacé par un
redresseur MLI à base d' IGBT dont la structure est semblable à celle de l'onduleur. Dans ce
cas, le transfert de puissance réactive est contrôlable et se fait du bus continu vers la
machine et le transfert de puissance active est identique au cas du redresseur simple. Cette
solution alourdit toutefois le dispositif en terme de coût et de complexité de mise en oeuvre,
de plus, les enroulements statoriques du moteur sont alors soumis à des dv / dt importants
qui peuvent réduire leur durée de vie [12]. L’ensemble de ces inconvénients n’ont pas permis
un développement industriel important de ce dispositif.
I.12.1.3. Machine asynchrone à double alimentation type "brushless"

Cette machine a la particularité de posséder deux bobinages triphasés au stator. Un
des bobinages est directement connecté au réseau et est destiné au transfert de puissance.
Le second bobinage, dont la section des conducteurs est moins élevée, permet de faire
varier les courants d'excitation de la machine. Le rotor possède une structure spéciale
différente de la cage d'écureuil classique mais tout aussi robuste : il est constitué de
plusieurs boucles conductrices concentriques (Figure I.31).
A cage Sans balais
Figure I.31 : Schéma développé d'un rotor à cage classique et d'un rotor de machine
asynchrone "brushless".
Cette machine présente l'intérêt d'autoriser un fonctionnement à vitesse variable à

l'instar du dispositif de la figure I.30. En revanche, le stator de forte puissance est connecté
directement sur le réseau et le convertisseur est placé entre le stator de faible puissance et
le réseau (Figure I.32) [13].
Dans ce cas, le convertisseur est dimensionné uniquement pour faire transiter la

puissance destinée à la magnétisation de la machine et est donc moins coûteux que dans le
cas de la figure I.30. La machine n'a pas de contacts glissants mais possède deux stators à
nombre de paire de pôles différent ce qui augmente son diamètre et sa complexité de
fabrication.
ICEPS 2009 38
Énergie
Redresseur commandé Onduleur
Réseau
Multiplicateur MAS
Énergie
Figure I.32 : Machine asynchrone "brushless" connectée sur le réseau.
I.12.1.4. Machine asynchrone à double alimentation type "rotor bobiné"

La machine asynchrone à double alimentation (MADA) avec rotor bobiné présente un
stator triphasé identique à celui des machines asynchrones classiques et un rotor contenant
également un bobinage triphasé accessible par trois bagues munies de contacts glissants.
Intégrée dans un système éolien, la machine a généralement son stator connecté au réseau
et l'énergie rotorique varie selon différents systèmes décrits ci-dessous. Les convertisseurs
utilisés sont alors dimensionnés pour une fraction de la puissance nominale de la machine.
Le surcoût engendré par la présence de bobinages au rotor est alors compensée par
l'économie réalisée sur le convertisseur. Cette configuration fera l'objet d'une partie de
deuxième chapitre de ce mémoire.
Figure I.33 : Machine asynchrone à double alimentation à rotor bobiné.
I.12.1.5. Machine asynchrone à double alimentation à énergie rotorique dissipée

Cette configuration à vitesse variable est représentée sur la figure I.34, le stator est
connecté directement au réseau et le rotor est connecté à un redresseur. Une charge
résistive est alors placée en sortie du redresseur par l'intermédiaire d'un hacheur à IGBT ou
GTO [5]. Le contrôle de l’IGBT permet de faire varier l'énergie dissipée par le bobinage
ICEPS 2009 39
rotoriques et de fonctionner à vitesse variable en restant dans la partie stable de la

caractéristique couple/vitesse de la machine asynchrone. Le glissement est ainsi modifié en
fonction de la vitesse de rotation du moteur.
Réseau
Redresseur
Énergie
Multiplicateur MADA
Énergie
Figure I.34 : MADA avec contrôle du glissement par l'énergie dissipée.
Si le glissement devient important, la puissance extraite du rotor est élevée et elle est
entièrement dissipée dans la résistance R, ce qui nuit au rendement du système. De plus
cela augmente la puissance transitant dans le convertisseur ainsi que la taille de la
résistance. Le fabriquant "VESTAS" dans son dispositif "OPTI-SLIP" a mis en oeuvre ce
système en utilisant des composants qui tournent avec le rotor et une transmission optique
des signaux de commande. Les contacts glissants sont ainsi évités. La variation maximale
du glissement obtenue dans ce procédé est de 10%.
Couple
Electromagnétique Ce Réqu 1< Réqu 2< Réqu 3
Réqu1
Réqu2
Réqu3
Glissement g
Vitesse de
rotation Ω
Vitesse de
synchronisme
Figure I.35 : Effet de la variation de la résistance rotorique sur le couple.
I.12.1.6. Machine asynchrone à double alimentation – structure de Kramer

Dans le but de réduire les pertes d'énergie dues à la structure du système précédent, le
hacheur et la résistance sont remplacés par un onduleur qui renvoie l'énergie de glissement
vers le réseau (structure de Kramer, figure I.36) [14].
ICEPS 2009 40
Réseau
Redresseur
Énergie
Multiplicateur MADA
Énergie
Figure I.36 : MADA, structure Kramer.
L'ensemble redresseur-onduleur est alors dimensionné pour une fraction de la

puissance nominale de la machine. Ce système est avantageux s'il permet de réduire la taille
du convertisseur par rapport à la puissance nominale de la machine. Afin de respecter cette
contrainte, le glissement est maintenu inférieur à 30%. L'utilisation de thyristors pour
l'onduleur nuit au facteur de puissance ; de plus le redresseur est unidirectionnel (transfert
d'énergie uniquement du rotor de la machine vers le réseau) donc le système ne peut
produire de l'énergie que pour des vitesses de rotation supérieures au synchronisme. Cette
solution n’est plus utilisée au profit de la structure de Scherbius avec convertisseurs à IGBT.
I.12.1.7. Machine asynchrone à double alimentation – structure de Scherbius avec

cycloconvertisseur
Afin d'autoriser un flux d'énergie bidirectionnel entre le rotor et le réseau, l'association
redresseur-onduleur peut être remplacée par un cycloconvertisseur (Figure I.37), l'ensemble
est alors appelé structure de Scherbius [5].
Réseau Cycloconvertisseur
Énergie
Énergie
Multiplicateur MADA
Figure I.37 : Structure de Scherbius avec cycloconvertisseur.
La plage de variation de vitesse est doublée par rapport à la structure de la figure I.35.
En effet si la variation du glissement doit rester inférieure à 30% pour maintenir l'efficacité du
ICEPS 2009 41
système, cette variation peut être positive (fonctionnement hypo-synchrone) ou négative

(fonctionnement hyper-synchrone).
Le principe du cycloconvertisseur est de prendre des fractions des tensions
sinusoïdales du réseau afin de reproduire une onde de fréquence inférieure (Figure I.38).
Son utilisation génère par conséquent des perturbations harmoniques importantes qui
nuisent au facteur de puissance du dispositif. Les progrès de l’électronique de puissance ont
conduit au remplacement du cycloconvertisseur par une structure à deux convertisseurs à
IGBT commandés en MLI.
Tension [V]
Temps [Sec]
Figure I.38 : Principe de fonctionnement du cycloconvertisseur.
I.12.1.8. Machine asynchrone à double alimentation – structure de Scherbius avec

convertisseurs MLI
Cette configuration (Figure I.39) a les mêmes caractéristiques que la structure de
Scherbius avec cycloconvertisseur. Toutefois les interrupteurs utilisés ici (transistors IGBT)
peuvent être commandés à l'ouverture et à la fermeture et leur fréquence de commutation
est plus élevée que celle des GTO [6]. L'utilisation de ce type de convertisseur permet
d'obtenir des allures de signaux de sortie en Modulation de Largeur d'Impulsions (MLI) dont
la modularité permet de limiter les perturbations en modifiant le spectre fréquentiel du signal
(rejet des premiers harmoniques non nuls vers les fréquences élevées).
La structure du dispositif et la philosophie de fonctionnement sont semblables à celle
de la MADA de type "brushless" (Figure I.32). Toutefois, malgré la présence de contacts
glissants qui doivent être entretenus et remplacés périodiquement, la conception de cette
machine est plus conventionnelle et plus simple que la machine brushless (un seul bobinage
au stator, un autre au rotor). Plusieurs études récentes, confirmées par des réalisations
industrielles, montrent la viabilité de ce dispositif dans un système éolien à vitesse variable.
La bidirectionnalité du convertisseur rotorique autorise les fonctionnements hyper et hypo-
synchrone et le contrôle du facteur de puissance côté réseau.
ICEPS 2009 42
Réseau
Redresseur commandé Onduleur

Énergie
Multiplicateur MADA
Énergie
Figure I.39 : Structure de Scherbius avec convertisseurs MLI.
Si le glissement reste inférieur à ± 30 % autour du synchronisme, le convertisseur est

alors dimensionné pour un tiers de la puissance nominale de la machine et ses pertes
représentent moins de 1% de cette puissance. De plus, le fonctionnement hyper-synchrone
permet de produire de l'énergie du stator vers le réseau mais également du rotor vers le
réseau [3], [5]. La puissance totale ainsi produite peut alors dépasser la puissance nominale
de la machine et le facteur de puissance de l'ensemble peut être maintenu unitaire. La
présence d'un convertisseur à MLI peut toutefois entraîner des dv / dt importants dans les
enroulements rotoriques et faire circuler des courants de fréquences élevés dans ces
mêmes enroulements.
I.12.2. Systèmes éoliens utilisant la machine synchrone

Les machines asynchrones présentent le défaut d’imposer la présence d’un
multiplicateur de vitesse. Elles sont en effet bien adaptées à des vitesses de rotation
relativement importantes et un couple insuffisant pour un couplage mécanique direct sur les
voilures éoliennes. Par contre, les machines synchrones sont connues pour offrir des
couples très importants à dimensions géométriques convenables. Elles peuvent donc être
utilisées en entraînement direct sur les turbines éoliennes. Les systèmes de ce type
possèdent aussi leurs défauts. Les machines synchrones à rotor bobiné demandent un
entretien régulier de système des bagues et balais. Le circuit d’excitation de l’inducteur
demande la présence du réseau et une fourniture de la puissance réactive. Les sites isolés
ne sont adaptés à ces génératrices qu’en présence d’une batterie de condensateurs ou
d’une source de tension indépendante. Par contre, la possibilité de réglage de l’inducteur de
ces machines offre un moyen supplémentaire d’ajustement du point de fonctionnement
énergétique. Le couplage direct sur le réseau est proscrit car étant beaucoup trop rigide. Une
ICEPS 2009 43
électronique de puissance s’impose pour toutes les applications utilisant ce type de machine
qui sont donc à vitesse variable. Mais, contrairement aux génératrices MADA (Machines
Asynchrones à Double Alimentation) la chaîne de conversion placée sur le stator doit être
dimensionnée pour la totalité de la puissance du système de production.
Le développement des matériaux magnétiques a permis la construction de machines
synchrones à aimants permanents à des coûts qui deviennent compétitifs. Les machines de
ce type sont à grand nombre de pôles et permettent de développer des couples mécaniques
considérables. Il existe plusieurs concepts de machines synchrones à aimants permanents
dédiées aux applications éoliennes, des machines de construction standard (aimantation
radiale) aux génératrices discoïdes (champs axial), ou encore à rotor extérieur [5].
L'exemple de la figure I.40 présente une configuration classique d'interface de
connexion d'une machine synchrone au réseau. Le convertisseur connecté au stator de la
machine est un simple redresseur puisqu'elle n'absorbe pas de puissance réactive, ce qui
permet d'éviter les dv / dt importants sur les enroulements statoriques. Ce redresseur est
classiquement suivi d'un hacheur élévateur permettant de délivrer une tension suffisante à
l'onduleur MLI pour les faibles vitesses de rotation. La présence de l'onduleur MLI permet de
contrôler le facteur de puissance coté réseau.
Redresseur Onduleur
Énergie
Réseau
Multiplicateur MS
Figure I.40 : Machine synchrone reliée au réseau par un dispositif

redresseur – hacheur – onduleur MLI
Ces convertisseurs sont toutefois dimensionnés pour la totalité de la puissance

nominale de la machine et entraînent jusqu'à 3% de cette puissance de pertes. Notons que
l'utilisation de machines synchrones à faible vitesse (grand nombre de paire de pôles)
permet de supprimer le multiplicateur de vitesse, pièce mécanique complexe entraînant des
pertes et des pannes fréquentes mais l'augmentation du nombre de pôles implique une
machine de très grand diamètre représentant un barrage important pour l'écoulement du
vent [3].
ICEPS 2009 44
I.13. Les dispositifs de stockage de l’énergie éolienne

Une caractéristique essentielle du vent étant la discontinuité dans le temps, un certain
nombre d’études ont eu pour objet d’étudier ou de mettre au point des systèmes permettant
de stocker l’énergie produite par le vent et non utilisée directement pendant les périodes de
production afin d’en restituer une partie, aussi grande que possible, pendant les périodes de
calme.
Il existe différentes possibilités de stockage.
Pour la production d’électricité, le système de loin le plus utilisé est celui par batterie
d’accumulateurs. Celles au plomb, bien que lourdes et encombrantes,
s’accommodent bien des fluctuations propres au vent. Les autres types sont mal
adaptés. Toutefois, ce type de stockage ne convient que pour de petites puissances
de quelques kW tout au plus.
Pour les stockages importants, on peut faire appel au pompage de l’eau entre deux
réservoirs et une turbine si le terrain fournit une possibilité intéressante en dénivelé.
Le simple pompage de l’eau dans un réservoir est aussi la solution pour stocker de
l’eau dans le cas, par exemple, de distribution d’eau alimentaire.
Principe : l’énergie éolienne sert à remplir un réservoir de stockage dont l’eau sera
turbinée pour restituer l’énergie.
Le stockage thermique commence aussi à se développer, essentiellement pour le
chauffage. Les différents types de stockage thermique existant sont utilisés :
réservoir de fluides, chauffage de produits à haute capacité thermique, etc.
Principe : l’énergie produite est utilisée pour chauffer le fluide d’un réservoir qui
restituera pendant les périodes sans vent l’énergie stockée.
I.14. Avantages
Outre les nombreux avantages qu’elle partage avec les autres sources renouvelables
d’énergie, l’exploitation de l’énergie du vent présente une série d’avantages propres [5]:
Il s’agit d’une forme d’énergie indéfiniment durable et propre ;
Elle ne nécessite aucun carburant ;
Elle ne crée pas de gaz à effet de serre (sauf si l'on considère que ce type d'énergie
est intermittent et nécessite l'utilisation de centrales thermiques constamment au
ralenti afin de réguler les variations imprévisibles de la production éolienne) ;
Chaque mégawatheure d’électricité produit par l’énergie éolienne aide à réduire de
0.8 à 0.9 tonne les émissions de CO2 rejetées chaque année par la production
d’électricité d'origine thermique ;
ICEPS 2009 45
Elle ne produit pas de déchets toxiques ou radioactifs car elle est entièrement en
métal et plastique;
Lorsque de grands parcs d’éoliennes sont installés sur des terres agricoles,
seulement 2 % du sol environ est requis pour les éoliennes. La surface restante est
disponible pour l’exploitation agricole, l’élevage et d’autres utilisations ;
Les propriétaires fonciers reçoivent souvent un paiement pour l’utilisation de leur
terrain, ce qui augmente leur revenu ainsi que la valeur du terrain. (les loyers sont
autour de 1500 à 2000 € par MW) ;
L'énergie éolienne se révèle une excellente ressource d'appoint d'autres énergies,
notamment durant les pics de consommation, en hiver par exemple;
Les éoliennes permettent au travers de la taxe professionnelle de participer au
développement local avec une contribution annuelle de l'ordre de 10 000 € par MW
(ce chiffre peut varier en fonction des communautés de communes concernées).
Certaines communes rurales peuvent ainsi revivre et assurer des travaux pour
lesquels elles s'endettaient jusque là;
Une éolienne est en grande partie recyclable car construite en acier. Après son
temps de fonctionnement (environ 20 ans) elle est entièrement démontable, on peut
même si besoin retirer la fondation en béton. Elle n'aura laissé aucun produit
contaminant autour d'elle et pourra être très facilement remplacée.
I.15. Inconvénients
L’énergie intermittente et imprévisible produite par l'éolien nécessite une régulation par
des centrales thermiques, dont les inconvénients doivent être pris en considération.
Les riverains déplorent le bruit des éoliennes : le bruit peut être d'origine mécanique
ou d'origine aérodynamique. En effet, selon l’ADEME (Agence De l'Environnement et
de la Maîtrise de l'Energie), le niveau sonore d’une éolienne est de 50 dB à 150
mètres et devient imperceptible au delà de 400 mètres. Dans la plupart des cas, le
bruit du vent est supérieur à celui engendré par l’éolienne ;
La réception des ondes hertziennes peut être perturbée, ce qui provoque une image
bruitée sur les récepteurs de télévision. Dans ce cas, il est fréquent que la société
implantant les éoliennes finance la construction d'un nouvel émetteur de télévision ;
Des flashes très puissants sont émis toutes les cinq secondes en haut des mats
éoliens à la demande de l'aviation civile. Ces flashes perturbent la quiétude nocturne
de la campagne et sont une pollution lumineuse supplémentaire ;
Plus le parc éolien est dense plus ce risque est grand. Des lumières sur les pales
peuvent réduire ce danger. Cependant, aucune étude sérieuse ne semble
actuellement avoir démontré la réalité du danger pour les oiseaux. La LPO (Ligue de
ICEPS 2009 46
Protection des Oiseaux) se montre favorable au développement de parcs éoliens si

ceux-ci sont construits en suivant ses recommandations ;
Les parcs éoliens produisent des interférences avec les radars et en particulier avec
les radars météorologiques. En effet, les éoliennes peuvent constituer un obstacle à
la propagation de l'onde. Selon la proximité et la densité du parc d'éoliennes, ceci
peut constituer un blocage majeur à basse altitude donnant une zone d'ombre dans
les données. De plus, comme les pales sont en rotation, le radar note leur vitesse de
déplacement qui est indifférentiable d'une cible en mouvement comme la pluie.
Habituellement, on filtre les échos indésirables de sol par leur vitesse Doppler. Dans
le cas d'une précipitation, la vitesse enregistrée sera un mélange entre la vitesse des
gouttes et celle des pales ce qui peut mener à une fausse interprétation des
mouvements de l'air. Une étude sur ce possible interférence est donc nécessaire lors
de l'examen d'un projet d'éoliennes ;
Par son principe de fonctionnement même, une éolienne absorbe l'énergie du vent et
le rend turbulent, créant ainsi un effet de sillage jusqu'à 10 diamètres de rotor derrière
elle.
I.16. Conclusion
Une description du l’énergie éolienne a été présentée dans ce chapitre. Dans ce
contexte, quelques notions principales au sujet de la technologie éolienne ont été données
comme les méthodes de description du gisement éolien, des exemples d’architectures, que
sa commence par les différente capteur éolienne (à axe horizontal, vertical) en suite les
caractéristiques technologiques des éoliennes à axe horizontal, et les système de régulation
et protection, aussi les génératrices adaptes avec l’éolien pour différente type et
configurations, finalement en ce termine par les applications des systèmes éoliens.
Le deuxième chapitre de nos travaux, est consacré à la modélisation et la simulation de
la machine asynchrone à double alimentation utilisée dans un système éolien de 1.5 MW.
ICEPS 2009 47
Chapitre II : Modélisation de la Machine Asynchrone à Double Alimentation
CHAPITRE II :
MODÉLISATION DE LA MACHINE ASYNCHRONE
À DOUBLE ALIMENTATION
Résumé
Ce chapitre permet d'introduire les concepts électrotechniques liés à la machine

asynchrone à double alimentation. Il présente la topologie de la machine, les domaines
d’applications de celle-ci et les différentes configurations concerne le fonctionnement en
mode générateur que le fonctionnement en mode moteur. Dans un deuxième temps, la
modélisation de la machine est établie dans un repère diphasé à l’aide de transformation de
PARK de façon à mettre en évidence les relations entre les grandeurs statoriques et
rotoriques. Ces relations vont permettre de simplifie le modèle complexe de la MADA.
Ensuite nous associons la machine à un convertisseur au rotor alors que le stator est lié
directement au réseau (fonctionnement en générateur pour une application du type éolien).
Le travail est prouvé par des résultats de simulations.
ICEPS 2009 48
II.1. Historique
Connue depuis 1899, la Machine Asynchrone Doublement Alimentée (MADA), DFIM
(de l’anglais, Doubly Fed Induction Machine), est une machine asynchrone triphasée à rotor
bobiné alimentée par ses deux armatures : le stator et le rotor. Elle a été d’abord étudiée
pour être utilisée en tant que moteur à grande vitesse. Les problèmes d’instabilités
rencontrées dés lors l’ont fait abandonner pour un temps. Grâce au progrès des technologies
de l'électronique de puissance et de la microinformatique, diverses applications de la MADA
sont alors devenues possibles dont l’intérêt réside principalement dans les possibilités de
contrôle du flux des puissances pour les régimes caractéristiques hypo et hyper-synchrones,
cela étant aussi bien dans les fonctionnements moteur que générateur. Dans ce contexte, la
théorie de l’orientation du flux, apparue dans le début des années 70 du vingtième siècle,
appliquée à la MADA avec succès a donné lieu à un outil puissant pour son contrôle [15].
II.2. Introduction
Maintenant que nous disposons d'une modélisation électrique et mécanique, il nous
faut choisir et modéliser la génératrice. Après avoir présenté les différentes chaînes de
conversion, nous cherchons un type de génératrice qui nous permettra de commander
indépendamment des puissances actives et réactives.
La machine asynchrone à double alimentation (MADA) avec rotor bobiné présente un

stator triphasé identique à celui des machines asynchrones classiques et un rotor contenant
également un bobinage triphasé accessible par trois bagues munies de contacts glissants.
Ce type de machine est utilisé comme génératrice dans la plupart des projets de centrale
éolienne, car il offre de grands avantages de fonctionnement. Intégrée dans un système
éolien, la génératrice asynchrone à double alimentation permet de fonctionner sur une large
plage de vitesses de vent, et d’en tirer le maximum de puissance possible, pour chaque
vitesse de vent.
Son circuit statorique est connecté directement au réseau électrique. Un second circuit
placé au rotor est également relié au réseau mais par l’intermédiaire de convertisseurs de
puissance. Etant donné que la puissance rotorique transitée est moindre, le coût des
convertisseurs s’en trouve réduit en comparaison avec une éolienne à vitesse variable
alimentée au stator par des convertisseurs de puissance. C’est la raison principale pour
laquelle on trouve cette génératrice pour la production en forte puissance. Une seconde
raison est la possibilité de régler la tension au point de connexion de cette génératrice [1], [3],
[4]. Il existe plusieurs types de machines asynchrones à double alimentation que nous allons
décrire ci-dessous. Par ailleurs nous allons nous intéresser plus particulièrement à la
ICEPS 2009 49
génératrice utilisant des convertisseurs MLI (modulation de largeur d’impulsion) qui sont les
plus utilisés et sont alors dimensionnés pour une fraction de la puissance nominale de la
machine (seulement 30%). Ainsi le surcoût engendré par la présence de bobinages au rotor
est alors compensé par l'économie réalisée sur les convertisseurs.
II.3. Topologie et emploi des machines asynchrones à double alimentation

II.3.1. Structure des machines asynchrones à double alimentation
La machine asynchrone à double alimentation présente un stator analogue à celui des
machines triphasées classiques (asynchrone à cage ou synchrone) constitué le plus souvent
de tôles magnétiques empilées munies d'encoches dans lesquelles viennent s'insérer les
enroulements. L'originalité de cette machine provient du fait que le rotor n'est plus une cage
d'écureuil coulée dans les encoches d'un empilement de tôles mais il est constitué de trois
bobinages connectés en étoile dont les extrémités sont reliées à des bagues conductrices
sur lesquelles viennent frotter des balais lorsque la machine tourne (Figure II.1).
Balai
ROTOR
Axe
Bague
Figure II.1 : Structure du stator et des contacts rotoriques de la MADA.
En fonctionnement moteur, le premier intérêt de la machine asynchrone à rotor bobiné

à été de pouvoir modifier les caractéristiques du bobinage rotorique de la machine,
notamment en y connectant des rhéostats afin de limiter le courant et d'augmenter le couple
durant le démarrage, ainsi que de pouvoir augmenter la plage de variation de la vitesse.
Plutôt que de dissiper l'énergie rotorique dans des résistances, l'adjonction d'un
convertisseur entre le bobinage rotorique et le réseau permet de renvoyer cette énergie sur
le réseau (énergie qui est normalement dissipée par effet joule dans les barres si la machine
est à cage). Le rendement de la machine est ainsi amélioré. C'est le principe de la cascade
hypo-synchrone (Figure II.2) [3].
Nous verrons comment nous pouvons utiliser la "réversibilité" de ce principe afin de

faire fonctionner la MADA en génératrice à vitesse variable.
ICEPS 2009 50
Réseau
Transformateur
MADA
Redresseur à diodes Onduleur commandé
Figure II.2 : Cascade hypo-synchrone.
La machine asynchrone à double alimentation est aussi couramment appelée machine

généralisé car sa structure permet de considérer son comportement physique de façon
analogue à une machine synchrone à la différence près que le rotor n'est plus une roue
polaire alimentée en courant continu ou un aimant permanent mais il est constitué d'un
bobinage triphasé alimenté en alternatif. Ce fonctionnement peut être éventuellement
résumé par le terme de : "machine synchrone à excitation alternative". La figure II.3
représente les différents enroulements et les flux présents à l'intérieur des structures d'une
machine synchrone et d'une MADA [3].
φ φs B φs
B
φ
φr φr
b a
θ θ sl
A A
C C
Machine synchrone MADA
c
Figure II.3 : Configuration des enroulements et des flux dans une

machine synchrone et dans une MADA.
Le vecteur flux φ présent dans l'entrefer de la machine est la résultante du flux créé
par les bobinages statoriques φs et du flux rotorique φr créé soit par la rotation de la roue
polaire alimentée en continu soit par l'alimentation alternative des bobinages rotoriques
triphasés. La principale divergence entre les deux machines est due à l'établissement du flux
ICEPS 2009 51
rotorique. En effet, dans une machine synchrone classique, la phase du flux rotorique
dépend directement de la position mécanique de la roue polaire. Son évolution est donc
dépendante de la machine elle-même et de la charge qui lui est accouplée et dépendra donc
de la constante de temps mécanique globale du système. En l'absence d'autopilotage, les
performances sont par conséquent limitées et des instabilités de fonctionnement peuvent
apparaître.
En remplaçant la roue polaire par un circuit triphasé alimenté en alternatif, l'amplitude
et la phase du vecteur φr sont totalement contrôlables par l'alimentation du circuit. Ainsi, la
dynamique du flux devient indépendante du système mécanique et dépend uniquement de la
constante de temps électrique du système.
II.3.2. Notions hypo et hyper-synchrone [22]

Avant d'introduire la machine asynchrone à double alimentation, revenons au moteur à
rotor bobiné classique. Comme d'habitude, son stator est branché à une source de
fréquence de 50 Hz ou de 60 Hz. Cependant, au lieu de brancher au rotor une charge
résistive triphasée à travers un ensemble de bagues et balais, relions plutôt le rotor à une
deuxième source ayant une fréquence de, disons, 14 Hz (Figure II.4). Comment se comporte
cette machine à double alimentation?
ES
f=50 Hz
Source
triphasée Stator
Balais
Rotor ER
f2=14 Hz
Anneaux Source
triphasée
Figure II.4 : Moteur à rotor bobiné à double alimentation connecté à

deux sources triphasées.
Supposons que les enroulements triphasés du stator et du rotor de notre machine aient
chacun 4 pôles et que le stator soit branché à une source à 50 Hz. Le flux créé par le stator
tourne à la vitesse synchrone N s = 60 × f / p = 60 × 50 / 2 = 1500 tr / min . Supposons de
plus que ce flux tourne dans le sens horaire. Un observateur externe « voit » donc ce flux
statorique tourner dans le sens horaire à 1500 tr/min.
ICEPS 2009 52
Puisque le rotor est branché à une source à 14 Hz, celui- ci produit un flux tournant à
une vitesse N 2 = 60 × f / p = 60 × 14 / 2 = 420 tr / min par rapport au rotor. Supposons de
plus que ce flux tourne également dans le sens horaire par rapport au rotor.
Pour que les pôles N du stator restent alignés aux pôles S du rotor, il faut que notre
observateur externe voie les pôles du rotor tourner à la même vitesse que les pôles du
stator. Il s'ensuit que le flux rotorique doit tourner dans le sens horaire à 1500 tr/min. Cela
implique que le rotor doit lui-même tourner à une vitesse de 1500 - 420 = 1080 tr/min. Toute
autre vitesse produirait en effet un glissement continuel des pôles du rotor par rapport aux
pôles du stator. Le couple moyen serait alors nul et le moteur s’arrêterait.
On constate donc que cette machine peut fonctionner en moteur si, et seulement si, sa
vitesse est exactement de 1080 tr/min. On dit alors qu'elle fonctionne à une vitesse sous-
synchrone ou hypo-synchrone.
En permutant deux des trois fils de la source à 14 Hz reliée aux balais, on force le flux
tournant produit par le rotor à changer de sens par rapport au rotor (sens anti-horaire). Dans
ces conditions, pour que les pôles N du stator restent alignés avec les pôles S du rotor, il
faut que le rotor tourne maintenant à une vitesse de 1500 + 420 = 1920 tr/min. On dit alors
que le moteur fonctionne à une vitesse hyper-synchrone.
A partir de cet exemple, on peut généraliser et montrer que lorsqu'un moteur à rotor
bobiné est alimenté par deux sources, il doit tourner à une des deux vitesses suivantes :
Nr =
60
( f − f2 ) (II.1.a)
p
ou
Nr =
60
( f + f2 ) (II.1.b)
p
Où :
N r : vitesse du rotor [tr/min].
f : fréquence appliquée au stator [Hz].
f 2 : fréquence appliquée au rotor [Hz].
p : nombre de paire de pôles du stator et du rotor.
Pour une fréquence f 2 donnée, la vitesse N r dépend de la séquence des phases de

la tension triphasée appliquée au rotor. Une séquence directe produit une vitesse sous-
synchrone (éq. II.1.a), alors qu'une séquence inverse produit une vitesse hyper-synchrone
(éq. II.1.b).
ICEPS 2009 53
II.3.3. Domaines d'application de la MADA

La première application importante de la MADA est le fonctionnement moteur sur une
grande plage de variation de la vitesse. Dans les machines synchrones classiques et
asynchrones à cage d'écureuil, la vitesse de rotation est directement dépendante de la
fréquence des courants des bobinages statoriques. La solution classique permettant alors le
fonctionnement à vitesse variable consiste à faire varier la fréquence d'alimentation de la
machine. Ceci est généralement réalisé par l'intermédiaire d'un redresseur puis d'un
onduleur commandé. Ces deux convertisseurs sont alors dimensionnés pour faire transiter la
puissance nominale de la machine. L'utilisation d'une MADA permet de réduire la taille de
ces convertisseurs d'environ 70 % en faisant varier la vitesse par action sur la fréquence
d'alimentation des enroulements rotoriques [3]. Ce dispositif est par conséquent économique
et, contrairement à la machine asynchrone à cage, il n'est pas consommateur de puissance
réactive et peut même être fournisseur.
La machine asynchrone à double alimentation peut être utilisée dans plusieurs

applications industrielles telles que:
• La métallurgie avec les enrouleuses et les dérouleuses de bobines,
• La traction, avec notamment des applications de type transport urbain ou propulsion
maritime,
• Les applications de levage, ascenseurs, monte-charge etc... sont visées.
La même philosophie peut être appliquée au fonctionnement en génératrice dans

lequel l'alimentation du circuit rotorique à fréquence variable permet de délivrer une
fréquence fixe au stator même en cas de variation de vitesse. Ce fonctionnement présente la
MADA comme une alternative sérieuse aux machines synchrones classiques dans de
nombreux systèmes de production d'énergie décentralisée :
• Génération des réseaux de bord des navires ou des avions,
• Centrales hydrauliques à débit et vitesse variable,
• Éoliennes ou turbines marémotrices à vitesse variable,
• Groupes électrogènes pour lesquels la réduction de vitesse pendant les périodes de
faible consommation permet de réduire sensiblement la consommation de carburant.
Une troisième application de la MADA consiste à faire fonctionner celle-ci en moteur à

vitesse variable à hautes performances avec deux convertisseurs : un au rotor et l’autre au
stator (Figure II.5) [16].
ICEPS 2009 54
Réseau Pr
MADA
Ps
Figure II.5 : MADA fonctionnant en moteur à vitesse variable à hautes performances.
Ce dispositif permet de faire varier la vitesse de rotation depuis l'arrêt jusqu'à la vitesse
nominale à couple constant et depuis la vitesse nominale jusqu'à six fois celle-ci à puissance
constante. Ce mode de fonctionnement présente de nombreux avantages :
• La commande vectorielle permet une bonne maîtrise du flux et du couple sur toute la
plage de variation et confère une dynamique particulièrement élevée.
• Le système se prête très bien aux applications nécessitant d'excellentes propriétés de
freinage puisqu'il suffit d'inverser le sens du champ tournant au rotor.
• Les fréquences d'alimentation sont partagées entre le stator et le rotor, limitant ainsi la
fréquence maximale de sortie requise par chaque convertisseur et les pertes fer de la
machine.
• Les puissances traversant les convertisseurs sont également partagées entre stator et
rotor évitant ainsi le surdimensionnement de ces convertisseurs.
II.4. Fonctionnement à quatre quadrants de la MADA

La MADA est parfaitement commandable si toutefois le flux des puissances est bien
contrôlé dans les enroulements du rotor [17]. Puisque la MADA peut fonctionner en moteur
comme générateur aux vitesses hypo-synchrones et hyper-synchrones, il y a à distinguer
quatre modes opérationnels caractéristiques de la machine. Le principe de la commande de
la MADA en ces modes peut être compris à travers la figure II.6. Dans cette dernière, Ps , Pr
et Pm désignent respectivement les puissances du stator, du rotor et mécanique.
Lorsque la machine fonctionne en moteur, la puissance est fournie par le réseau. Si la

vitesse de rotation est inférieure au synchronisme, "la puissance de glissement" est
renvoyée sur le réseau, c'est la cascade hypo-synchrone (quadrant 1).
ICEPS 2009 55
En mode moteur hyper-synchrone (quadrant 2), une partie de la puissance absorbée

par le réseau va au rotor et est convertie en puissance mécanique.
En fonctionnement génératrice, le comportement est similaire, la puissance fournie à la

machine par le dispositif qui l'entraîne est une puissance mécanique. En mode hypo-
synchrone (quadrant 3), une partie de la puissance transitant par le stator est réabsorbée par
le rotor. En mode hyper-synchrone (quadrant 4), la totalité de la puissance mécanique
fournie à la machine est transmise au réseau aux pertes près. Une partie de cette puissance
correspondant à g .Pm est transmise par l'intermédiaire du rotor.
1 2
Fonctionnement moteur Fonctionnement moteur

hypo-synchrone hyper-synchrone
3 4
Fonctionnement générateur Fonctionnement générateur

hypo-synchrone hyper-synchrone
Figure II.6 : Modes opérationnels caractéristiques de la MADA.
Pour une utilisation dans un système éolien, les quadrants 3 et 4 sont intéressants. En
effet si la plage de variation de vitesse ne dépasse pas ± 30% en deçà ou au delà de la
vitesse de synchronisme (ce qui représente un compromis entre la taille du convertisseur et
la plage de variation de vitesse), la machine est capable de débiter une puissance allant de
0,7 à 1,3 fois la puissance nominale. Le convertisseur est alors dimensionné pour faire
transiter uniquement la puissance de glissement c'est à dire au maximum 0,3 fois la
puissance nominale de la machine. Il est alors moins volumineux, moins coûteux, nécessite
un système de refroidissement moins lourd et génère moins de perturbations que s'il est
placé entre le réseau et le stator d'une machine à cage [3].
ICEPS 2009 56
A titre de comparaison, la figure II.7 montre la caractéristique de production optimale

pour les deux types de machines (cage d'écureuil avec convertisseur et MADA) dans un
système éolien. Nous constatons que si la machine à cage est capable de produire de
l'énergie pour les très faibles vitesses de vent, cette énergie est écrêtée à la puissance
nominale lorsque la machine atteint une vitesse très légèrement supérieure au synchronisme.
La MADA ne commence à produire qu'à partir de 1080 tr/min (ce qui correspond à la vitesse
de synchronisme moins 30%) de façon à ne pas augmenter la taille du convertisseur
rotorique.
PMAS à cage + convert

et Protor Ptotale
Pstator
Puissance mécanique [kW]
Vitesse de rotation du générateur [tr/min]
Figure II.7 : Caractéristique de production d'énergie optimale de la MADA et

de la machine à cage.
La puissance totale produite par la MADA est la somme des puissance statorique et
rotorique. Or, jusqu'au synchronisme, la puissance rotorique est négative, la MADA produit
donc légèrement moins que la machine à cage. En revanche, au-delà du synchronisme, la
figure montre que la MADA est capable de produire de l'énergie par l'intermédiaire du rotor
jusqu'à 1900 tr/min (vitesse de synchronisme + 30%) [18], [19].
II.5. Classifications de la MADA

Dans cette partie nous allons présenter l'état de l'art du domaine en regroupant
l'ensemble des travaux ou contenus d'ouvrages, que nous avons choisis de sélectionner
pour commencer notre étude.
ICEPS 2009 57
Dans un premier temps nous nous contenterons de recenser pour chaque catégorie les
études antécédentes et ce sans se soucier de la configuration ou du fonctionnement du
système. En effet, la dénomination "Machine à double alimentation" concerne aussi bien le
fonctionnement en mode générateur que le fonctionnement en mode moteur et peut
s'adresser à une multitude de configurations.
Nous pourrons trouver dans les références [20], [21] et [23] un recensement de
certains articles parus sur la MADA classées suivant leur architecture. Dans chacune des
classes, les auteurs rappellent les équations fondamentales, et les principales applications.
On ne citera ici que les six grandes classes qu'ils distinguent :
MADA simple dont les enroulements statoriques sont connectés à un réseau

triphasé, le rotor est relie à son propre onduleur (Single Doubly Fed Induction
Machine). La figure II.8 présente un schéma de principe de cette catégorie de MADA.
Enroulements statoriques
Réseau
Triphasé
MADA
Arbre rotorique
Enroulements rotoriques alimentés par un onduleur
Figure II.8: Schéma de principe d'une machine asynchrone à rotor bobiné.
MADA en "cascade", deux MADA dont les rotors sont couplés électriquement et
mécaniquement. (Cascaded Doubly Fed Induction Machine). La figure II.9 présente
le schéma de principe de deux machines asynchrones à rotor bobiné permettant
d'obtenir un système à double alimentation. Les enroulements statoriques sont reliés
à deux sources de tensions triphasées.
"MADA cascadée à un repère", il s'agit de deux machines à cage dont l'axe rotorique
est identique. Les barres rotoriques sont croisées entre les deux machines. Une
machine a son stator relié au réseau, l'autre à un onduleur. (Single Frame Cascaded
Doubly Fed Induction Machine).
ICEPS 2009 58
Enroulements statoriques de la MADA 1 Enroulements statoriques de la MADA 2
Couplage
mécanique
MADA 1 MADA 2
Couplage électrique entre les enroulements rotoriques
Figure II.9: Schéma de principe de deux machines asynchrones

reliées mécaniquement et électriquement par le rotor.
MADA sans balai, machine très proche de la précédente sauf que cette fois ci, les
deux enroulements statoriques appartiennent à un circuit magnétique commun. Le
rotor est commun et à cage d'écureuil. (Brushless Doubly Fed Induction Machine).
Nous présentons sur la figure II.10 un schéma de principe de ce type de machine.
Enroulements statoriques 1 Enroulements statoriques 2
Rotor à cage
d'écureuil
Figure II.10: Schéma de principe de deux machines asynchrones

reliées mécaniquement et électriquement par le rotor.
II.6. Mise en équation de la MADA

Avant d’aborder la commande vectorielle de la Machine Asynchrone à Double
Alimentation étudiée dans le suivent chapitre il faut réaliser sa modélisation. Cette
modélisation va nous permettre de comprendre ses principes de fonctionnement physique et
d’établir un modèle d’action conduisant au calcul des correcteurs pour réaliser sa commande
vectorielle ainsi que sa simulation en régimes dynamique et permanent. Ce même modèle
est utilisé pour dimensionner les convertisseurs alimentant la machine.
ICEPS 2009 59
A, B, C : les phases Ra
statoriques
SA
θ
a, b, c : les phases
rotoriques
vra
SC VSC
VSA
vrb
vrc VSB
Rb
Rc
SB
Figure II.11 : Schéma des enroulements de la MADA.
II.6.1. Hypothèses simplificatrices

La modélisation de la MADA, est établie sous les hypothèses simplificatrices
suivantes :
• L’entrefer est d’épaisseur uniforme et l’effet d’encochage est négligeable.
• La saturation du circuit magnétique, l’hystérésis et les courants de Foucault sont
négligeables.
• Les résistances des enroulements ne varient pas avec la température et on néglige l’effet
de peau.
• On admet que la f.m.m créée par chacune des phases des deux armatures est à
répartition sinusoïdale.
Parmi les conséquences importantes de ces hypothèses on peut citer :
• L’additive des flux.
• La constante des inductances propres.
• La loi de variation sinusoïdale des inductances mutuelles entre les enroulements du stator
et du rotor en fonction de l’angle électrique de leurs axes magnétiques.
II.6.2. Modes électriques

De façon à représenter au mieux le comportement d'une MADA en simulation, il est
nécessaire de faire appel à un modèle précis mais suffisamment simple pour que les temps
de calcul du simulateur ne soient pas prohibitifs. Le modèle diphasé de la machine
asynchrone présente un bon compromis entre ces contraintes. Les équations générales de
la machine asynchrone à double alimentation dans un repère triphasé s'écrivent :
ICEPS 2009 60
Equations des flux

Les relations entre les flux et les courants sont les suivantes :
Au stator :
ISA 
I 
φSA  L s Lm cos ϕ Lm cos(ϕ + 2π / 3) Lm cos(ϕ − 2π / 3) 
SB
Ms Ms
φ  = M ISC 
 SB   s LS Ms Lm cos(ϕ − 2π / 3) Lm cos ϕ Lm cos(ϕ + 2π / 3)  (II.2)
I
φSC  Ms Ms Ls Lm cos(ϕ + 2π / 3) Lm cos(ϕ + 2π / 3) Lm cos ϕ  ra 
I 
 rb 
Irc 
Au rotor :
ISA 
I 
φra  Lm cosϕ Lm cos(ϕ + 2π / 3) Lm cos(ϕ − 2π / 3) Mr  
SB
Lr Mr
φ  = L cos(ϕ + 2π / 3)  ISC 
 rb   m Lm cosϕ Lm cos(ϕ − 2π / 3) Mr Lr Mr   (II.3)
Ira
φrc  Lm cos(ϕ − 2π / 3) Lm cos(ϕ + 2π / 3) Lm cosϕ Mr Mr Lr  
I
 rb 
Irc 
Equations des tensions

Le couplage magnétique décrit par les équations (II.2 et II.3) est utilisé pour déduire les
équations de tensions des circuits rotorique et statorique (la loi de Lentz associée à la loi
d’ohm), voire figure II.12. Dés lors, on peut écrire:
Au stator :
VSA   I SA  φSA 
V  = R  I  + d φ  (II.4)
 SB  s  SB 
dt  
SB
VSC   I SC  φSC 
Où Rs est la résistance des enroulements du stator, et les équations équivalentes pour des
enroulements de rotor seront à leurs tours comme suit :
vra   I ra  φra 
v  = R  I  + d φ  (II.5)
 rb  r  rb 
dt  
rb
vrc   I rc  φrc 
Où Rr , est la résistance des enroulements du rotor.
ICEPS 2009 61
Ira
ISA
vra
VSA
(a) Stator (b) Rotor
Figure II.12 : Modèle dynamique dans une MADA à trois axes.
II.6.3. Transformation de PARK

Afin de rechercher les lois de contrôle d'une machine à courant alternatif, nous
pouvons la modéliser dans un repère ( d , q ) tournant dont l'orientation est à priori arbitraire
(Figure. II.13). Ce modèle est obtenu après transformation virtuelle de la machine triphasée
en machine diphasée équivalente (transformation de Concordia suivie de la transformation
de Park, décrite en Annexe B).
La transformée de Park permet de réduire la complexité des systèmes d’équations

(II.2), (II.3), (II.4) et (II.5). Elle consiste à remplacer les trois phases statoriques et rotoriques
du système triphasé par un système diphasé (d , q, h) constitué des grandeurs équivalentes
d’axe d et q et une composante homopolaire ( h ) qui n’est pas pris en compte dans le
modèle de la machine. Une matrice P (θ ) de PARK permet le passage des composantes
xabc du système triphasé aux composantes xdq du système biphasé, ce système tourne à
une vitesse qui dépend des grandeurs statoriques ou rotoriques.
Pour θ = θ s
D’où :
θ s est la position angulaire relative de l'axe d du repère tournant ( d , q ) par rapport à la
bobine diphasée équivalente du stator notée S A . θ r est la position angulaire relative de l'axe
d du repère tournant par rapport à la bobine diphasée équivalente du rotor notée Ra , et
θ sl appelée angle de glissement.

Les vitesses angulaires de rotation sont obtenues telles que :
ICEPS 2009 62
 dθ s
 dt = ωs

 dθ sl
 = ωsl (II.6)
 dt
ωs = ωsl + ωr


ωs
SB
Axe d
Rb
Axe q Ra
ω sl
θ sl
θs a
θr
SA
Composantes statoriques
Composantes rotoriques
Composantes de PARK
SC
Figure II.13 : Repère de PARK.
En appliquant la transformation de Park et en tenant compte des hypothèses

simplificatrices citées précédemment.
Nous pouvons établir les expressions des tensions statoriques et rotoriques dans le
repère tournant ( d , q ) quelconque :
Au stator :
 d
Vsd = Rs I sd + dt ( φsd ) − ωsφsq
 (II.7)
V = R I + d ( φ ) + ω φ
 sq s sq
dt
sq s sd
Au rotor :
 d
 Vrd = Rr I rd + (φrd ) − ωrφrq
dt
 (II.8 )
V = R I + d (φ ) + ω φ
 rq r rq
dt
rq r rd
ICEPS 2009 63
Nous devons tenir compte des équations liant les différents courants ( I si ; I ri ,
i ∈ ( d , q ) ) aux flux ( φ si ; φri ; i ∈ ( d , q ) ) statoriques et rotoriques qui interagissent dans la

machine:
Au stator :
φsd = Ls I sd + Lm I rd
 (II.9)
φsq = Ls I sq + Lm I rq
Au rotor :
φrd = Lr I rd + Lm I sd
 (II.10)
φrq = Lr I rq + Lm I sq
Où :
Ls : inductance propre cyclique du stator,
Lr : inductance propre cyclique du rotor,

Lm : inductance mutuelle cyclique stator-rotor.
II.6.4. Equation mécanique

Afin d’obtenir le modèle complet de la machine asynchrone doublement alimentée, il
faut qu’on tienne compte de l’équation mécanique. En appliquant les relations fondamentales
de la dynamique à la machine, l’équation mécanique est :
J d ( ωr )
= Ce − Cr − C f (II.11)
p dt
Où :
J : moment d’inertie des parties tournantes (du moteur avec la charge) ;
C r : couple résistant ;
C f : couple de frottement ;
Le couple de frottement est donné par :
fr
Cf = ωr = f r Ω (II.12)
p
Avec :
f r : Coefficient de frottement visqueux.
Enfin l’équation mécanique peut être formulée par :
dΩ  J dωr  3 L
J =   = − p m ( φrd I sq − φrq I sd ) − Cr − f r Ω (II.13)
dt  p dt  2 Ls
ICEPS 2009 64
II.7. Modèle de la machine en représentation d’état

La représentation d’état de la MADA dépend du repère et du choix des variables d’état
pour les équations électriques. On écrit les équations dans le repère ( d , q ) car c’est la
solution la plus générale.
Le choix des variables d’état, dépend des objectifs soit pour la commande soit pour
l’observation, pour le modèle complet Ce est un variable d’état, pour les quatre variables
[
électriques, notre choix pour la modélisation est le vecteur d’état suivant : I sd , I sq ,φrd ,φrq ]T
.
Remarque :
Cette représentation d’état n’est pas unique pour la MADA. Nous pouvons envisager
un vecteur d’état formé des flux au stator et des courants au rotor, des quatre courants au
stator ou au rotor ou même des quatre flux au stator ou au rotor et aucune des
représentations ne présente un avantage particulier par rapport aux autres [23].
 1 Lm
 I rd = L φrd − L I sd
 r r
 1 Lm
 I rq = L φrq − L I sq
 r r
 (II.14)
φ = L σI + Lm φ
 sd s sd
Lr
rd

φ = L σI + Lm φ
 sq s sq
Lr
rq
L2m
Avec : σ = 1− (II.15)
Ls Lr
En remplaçant φsd et φsq en fonction de φrd et φrq dans le système (II.7), on aboutit aux
équations suivantes :
 dI sd Lm dφ rd  L 
Vsd = Rs I sd + Lsσ + − ω s  LsσI sq + m φ rq 
 dt Lr dt  Lr 
 (II.16)
V = R I + L σ dI sq + Lm dφ rq + ω  L σI + Lm φ 
 sq s sq s s s sd rd 
 dt Lr dt  Lr 
d
 dt φrd = − Rr I rd +( ωs − ωr )φrq + Vrd
 (II.17)
 d φ = − R I −( ω − ω )φ + V
 dt rq r rq s r rd rq
ICEPS 2009 65
On écrit le modèle de la machine utilisée pour la commande sous forme d’un système
d’équations d’état :
dX
= AX + BU (II.18)
dt
Y = CX (II.19)
Avec :
[
X : vecteur d’état du système I sd , I sq ,φrd ,φrq ] T
.
A : matrice d’état du système.

B : matrice de commande.
[
U : vecteur de commande Vsd , Vsq , Vrd , Vrq ] T
Y : vecteur de sortie.
C : matrice d’observation.
 K 
− λ ωs
Tr
ωr K 
 
 K 
− ω s −λ −ω r K
Tr 
A=  (II.20)
 Lm 1 
T 0 − ω sl 
 r Tr 
 Lm 1 
0 −ω sl − 
 Tr Tr 
Avec :
Lr L 1 Lm
Tr = ; Ts = s ; λ = ; K=
Rr Rs σ .Tr σ .Ls .Lr
 1 
σL 0 K 0
 s 
1
B= 0 0 K (II.21)
 σLs 
 0 0 1 0
 
 0 0 0 1 
La décomposition des équations d’état nous donne :
d K 1
 dt I sd = −λI sd + ωs I sq + T φrd + ωr Kφrq + σL Vsd + KVrd
 r s
 (II.22)
 d I = −ω I − λI − ω Kφ + K φ + 1 V + KV
 dt sq σLs
s sd sq r rd rq sq rq
Tr
ICEPS 2009 66
d Lm 1
 dt φrd = T I sd − T φrd + ωslφrq + Vrd
 r r
 (II.23)
 d φ = Lm I − ω φ − 1 φ + V
 dt rq Tr sq sl rd
Tr
rq rq
L’équation mécanique régissant la partie tournante de la machine est donnée par :
dΩ
= − p m (φrd I sq − φrq I sd ) − r − r Ω
3 L C f
(II.24)
dt 2 JLs J J
Ce = −
3 Lm
p (φrd I sq − φrq I sd ) (II.25)
2 Ls
Notons que dans le cas d'un fonctionnement en génératrice, celui-ci possède une
valeur négative.
Notons aussi que ce couple représente le couple résistant pour la turbine éolienne,
dans le reste de ce travail on le note par Cr .
Les équations (II.22), (II.23) et (II.24) peuvent être mises sous un schéma fonctionnel
SIMULINK représenté dans la figure II.14.
1
-Y*u[1]+u[8]*u[2]+((k/Tr)*u[3])+(u[5]*k*u[4])+(1/(sig*Ls))*u[6]+k*u[9] 1
s
Isd
1
-u[8]*u[1]-Y*u[2]-u[5]*k*u[3]+(k/Tr)*u[4]+(1/(sig*Ls))*u[7]+k*u[10] 2
s
Isq
1
s
1
1 Vsa (Lm/Tr)*u[1]-(1/Tr)*u[3]+(u[8]-u[5])*u[4]+u[9] 3
s
Vsd 7
Vsa Flux_rd
2 Vsb
Wr
abc/dq
Vsb
3 Vsc
Vsc Vsq
theta_s 1
8 (Lm/Tr)*u[2]-(u[8]-u[5])*u[3]-(1/Tr)*u[4]+u[10] 4
s
1 Ws Flux-rq
s
4 Vra
Vrd
Vra
5 Vrb (-(3*p*Lm)/(2*Ls))*(u[3]*u[2]-u[4]*u[1]) 5
abc/dq
Vrb
6 Vrc Cr
Vrc Vrq
theta_sl
Figure II.14 : Schéma de la MADA en modèle SIMULINK.
ICEPS 2009 67
II.8. Alimentation de la MADA

Pour la structure de commande, il faut intègre un onduleur de tension au niveau des
bobines du rotor ; ce dernier qui est contrôlé par une technique de modulation de large
impulsion (MLI) permet le réglage simultanément de la fréquence et la tension.
L’objectif de l'utilisation de la commande MLI est de réduire ou de minimiser les
oscillations sur la vitesse, le couple et les courants [5].
II.8.1. Discussion sur les avantages et les inconvénients d'une MADA avec des
convertisseurs au stator et au rotor
II.8.1.1. Avantages
En fonctionnement moteur, le premier intérêt de la machine asynchrone à rotor bobiné
à été de pouvoir modifier les caractéristiques du bobinage rotorique de la machine,
notamment en y connectant des rhéostats afin de limiter le courant et d'augmenter le couple
durant le démarrage, ainsi que de pouvoir augmenter la plage de variation de la vitesse.
Plutôt que de dissiper l'énergie rotorique dans des résistances, l'adjonction d'un
convertisseur entre le bobinage rotorique et le réseau permet de renvoyer cette énergie sur
le réseau (énergie qui est normalement dissipée par effet joule dans les barres si la machine
est à cage). Le rendement de la machine est ainsi amélioré. C'est le principe de la cascade
hypo-synchrone (Figure II.15) [20].
Réseau
Transformateur
MADA
Redresseur à diodes Onduleur commandé
Figure II.15: Cascade hypo-synchrone.
Nous verrons comment nous pouvons utiliser la "réversibilité" de ce principe afin de

faire fonctionner la MADA en génératrice à vitesse variable.
La configuration qui utilise deux onduleurs avec un ou deux redresseurs présente un
certain nombre d'avantages.
Le premier d'entre tous est tout de même édifiant. Dans une configuration deux
onduleurs- un redresseur, malgré un nombre de convertisseurs plus importants, relativement
à une application avec stator connecté au réseau, le coût global de l’ensemble serait moins
ICEPS 2009 68
cher d'environ 5% [20]. Effectivement les convertisseurs, bien que plus nombreux sont de
puissances moins élevées. Il y a donc fort à parier que la réduction en puissance de ces
onduleurs entraîne une réduction de la quantité de silicium. Par conséquent, dans le
domaine de fortes puissances, cela peut conduire à des économies intéressantes pour
l'acheteur final. Il serait intéressant de reprendre cette étude au niveau industriel et d'aboutir
à un tableau comparatif général. Il permettrait ainsi d'établir les références de prix pour les
différentes configurations des entraînements asynchrones utilisées.
Le deuxième avantage est la large gamme de vitesse accessible à couple et à flux
constants. Si on ajoute à cela la possibilité de démagnétiser donc d'accélérer encore la
machine, on entrevoit un peu plus les avantages de cette machine par rapport à une
machine asynchrone à cage et une machine synchrone dans les applications nécessitant
une variation de vitesse.
Le dernier avantage est trahi dans son nom : Machine généralisée. Effectivement c'est
une machine pouvant "assurer" tous les fonctionnements des autres machines. On peut
donc y voir un avantage majeur, elle pourrait permettre de passer d'un fonctionnement à un
autre tout à fait acceptable. Par exemple dans une application ferroviaire, nous pouvons
revenir à mode de fonctionnement de type Machine Asynchrone (à rotor court-circuité) en
cas de l'apparition d'un défaut sur l'un des bras des onduleurs. La gestion des modes
dégradés est plus facile.
Par extension, cette généralisation nous permet d'envisager le pilotage de cette
machine de manière plus globale en le dédiant à la gestion de l'optimisation des échanges
d'énergie au sein du système auquel la MADA est intégrée.
Cette machine s’envisage pour des puissances élevées (> 1 MW) où elle s’avère être
une concurrente de la machine asynchrone à cage.
II.8.1.2. Inconvénients
Difficile de lui en trouver!! Mais tout de même, trois aspects retiendront notre attention:
• Elle est plus volumineuse qu'une MAS à cage de puissance équivalente. L'aspect multi
convertisseurs, augmente le nombre de convertisseurs et par conséquent le prix.
Pourtant certaines études prétendent le contraire.
• Le marché traditionnel est conquis par la MAS à cage, très étudie et très connue, la
nouveauté peut effrayer.
• A notre connaissance, peu d'industriels n'ont encore mené d'études rigoureuses
comparatives de prix total de revient sous la forme deux onduleurs. Cela la
marginalise toujours par rapport à sa concurrente directe, la configuration avec stator
connecté au réseau dont le coût global est bien maîtrisé.
ICEPS 2009 69
II.8.2. Configurations
D’après [21], une présentation des différents travaux réalisés sur la machine
asynchrone à double alimentation a effectuée concernent l’utilisation des convertisseurs
statiques pour l’alimentation. Deux configurations sont proposées, une où la machine est
alimentée par deux convertisseurs, l’un au stator et l’autre au rotor et dédiée à des
applications industrielles telles que le laminage, les enrouleurs dérouleurs, le pompage, la
traction ferroviaire, la propulsion maritime ou encore toute application demandant une large
plage de fonctionnement à puissance constante (fonctionnement moteur), (Figure II.16).
Réseau
Redresseur à Redressur à
Onduleur à IGBT MADA Onduleur à IGBT
diodes diodes
Stator Rotor
Figure II.16 : Schéma de l’alimentation de la MADA pour une application moteur.
L’autre où la machine est alimentée par un convertisseur au rotor alors que le stator est
lié au réseau (fonctionnement en générateur pour une application du type éolien), (Figure
II.17).
Réseau
Redresseur à
MADA Onduleur à IGBT
diode
Stator Rotor
Figure II.17 : Schéma de l’alimentation de la MADA pour une application génératrice.
Ce type de configuration que nous intéressons, d’une part parce que la machine
fonctionne en régime génératrice pour la production de l’énergie éolienne, d’autre part pour
minimiser le nombre des convertisseurs statiques utilisés par conséquence de minimiser le
prix.
La majorité des applications industrielles faisant appel à ce type de configuration est
liée à la production de l’électricité à partir de l’énergie éolienne où la machine fonctionne en
tant que génératrice. La MADA est alors une solution attractive puisqu’elle présente un
avantage majeur : le convertisseur alimentant le rotor est dimensionné généralement pour
ICEPS 2009 70
30% de la puissance nominale du rotor. La puissance apparente du convertisseur rotorique

est toutefois liée à la plage de variation de la vitesse de la machine qui est toujours choisie
autour de la vitesse de synchronisme ; plus la plage de variation de la vitesse est petite plus
la puissance du convertisseur du rotor est petite aussi [21].
II.8.3. La chaîne de conversion

Le fonctionnement avec convertisseur statique est effectué en utilisant un seul
convertisseur au rotor composé d’un redresseur à diodes, un filtre passe bas et d’un
onduleur à IGBTs( Transistors bipolaires à gâchette isolée) alors que le stator est relié
directement au source triphasé. La modulation par largeur d’impulsion (MLI) utilisée est
régulière, triangulaire, symétrique, (Figure II.18).
Les IGBTs sont choisis en raison de la simplicité de leur commande et de la rapidité de
leur commutation, malgré un coût supérieur des thyristors.
Stator
Réseau triphasé
Commande de
Redresseur Filtre l’onduleur
MADA
Rotor
Figure II.18 : Schéma synoptique pour un fonctionnement en génératrice de la MADA.
Les caractéristiques exigées de l’actionneur électrique dépendent à la fois de la

machine, de son alimentation et de la commande des convertisseurs de fréquence.
Ces caractéristiques sont :
• Un couple avec le minimum d’ondulation possible, contrôlable par le plus petit nombre de
variable, en régime dynamique comme en régime permanent.
• Une large plage de variation de vitesse.
• Des constantes de temps électrique et mécanique faibles.
• La source d’alimentation triphasée est supposée symétrique, de fréquence et d’amplitude
constante.
ICEPS 2009 71
II.8.4. Modélisation du redresseur triphasé à diodes

Le redresseur est un convertisseur « alternatif / continu ». Une conversion d’énergie
électrique permet de disposer d’une source de courant continu à partir d’une source alternatif
et il est représenté par la figure II.19.
Id
Va
D1 D2 D3
Vb
VDC
Vc
D4 D5 D6
Figure II.19 : Représentation du redresseur triphasé à diodes.
Ce redresseur comporte trois diodes ( D1 , D2 , D3 ) à cathode commune assurant l’allée
du courant I d et trois diodes ( D4 , D5 , D5 ) à anode commune assurant le retour du courant
I d . Si on suppose que le redresseur est alimenté par un réseau triphasé équilibré de

tension :

Va ( t ) = Vm sin( 2πf t )

 2π
Vb ( t ) = Vm sin( 2πf t − ) (II.26)
 3
 4π
Vc ( t ) = Vm sin( 2πf t − 3 )
Et si on néglige l’effet d’empiétement, la tension de sortie du redresseur sera définie

comme suite :
Vred ( t ) = Max[Va ( t ).Vb ( t ).Vc ( t )] − Min[Va ( t ).Vb ( t ).Vc ( t )] (II.27)
Cette tension est représentée par la figure II.20.
ICEPS 2009 72
400
300
Va ( t ) Vb ( t ) Vc ( t ) Vred ( t )
200
Tension [V]
100
-100
-200
-300
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04
Temps [sec]
Figure II.20 : Représentation de la tension de sortie du redresseur.
II.8.5. Modélisation du filtre

On utilise un filtre passe bas « LC », pour éliminer les hautes fréquences. Ce filtre est
schématisé par la figure II.21 :
Id Is
Lf
Cf
Vred VDC
Figure II.21 : Représentation du filtre passe –bas.
Le modèle du filtre est défini par le système d’équations suivantes :
 dI d Vred − VDC
 dt = Lf

 (II.28)
 dVDC = I d − I s
 dt Cf
Calcul des paramètres du filtre :

La fonction de transfert du filtre est donnée par :
ICEPS 2009 73
VDC ( p ) 1
F( p ) = = (II.29)
Vred ( p ) L f C f p 2 + 1
Où p est l’opérateur de LAPLACE.
Cette fonction de transfert est de deuxième ordre dont la fréquence de coupure est :
1
fC = (II.30)
Lf C f
Pour éliminer l’harmonique d’ordre deux et les harmoniques supérieures, on doit

imposer le choix suivant :
f C < 2. f '
avec f ' = 6. f : fréquence de la tension redresse Vred
Alors :
L f .C f > 2.78 .10 −6
On choisit C f = 600 µF
D’où, nous déduisons les paramètres de filtre :
C f = 600 µF
L f = 400 mH
400
300
Vred ( t ) VDC ( t ) V Vb Vc
a
200
Tension [V]
100
-100
-200
-300
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16
Temps [sec]
Figure II.22 : Tension redressée et filtrée à l’entrée de l’onduleur rotorique.
ICEPS 2009 74
II.8.6. Association onduleur – MADA (rotor)

L’onduleur de tension est un convertisseur statique constitué de cellules de
commutation généralement à transistor ou thyristor GTO pour les grandes puissances. Il
permet d’imposer à la machine des ondes de tensions à amplitudes et fréquences variables
à partir d’un réseau 225/389V-50Hz. Après redressement, la tension filtrée VDC est
appliquée à l’onduleur. Il est le cœur de l’organe de commande de la MADA et peut être

considéré comme un amplificateur de puissance.
Le schéma structurel des onduleurs triphasés à deux niveaux et de ses charges est
illustré par la figure II.23. Chaque IGBT – diode assemblé en parallèle forme un interrupteur
bicommandable (à l’ouverture et à la fermeture) dont l’état apparaît complémentaire à celui
qui lui est associé pour former ainsi un bras de commutation par exemple K11 et K 12 .
Stator
IGBT
Réseau triphasé
Rotor MADA
VD C
2
VDC o
Transformateur
VD C
2
Figure II.23 : Schéma de principe d’un onduleur triphasé alimentant le rotor

d’une MADA.
Les couples d’interrupteurs ( K11 et K12 ), ( K 21 et K 22 ), ( K 31 et K 32 ) doivent être
commandés de manière complémentaire pour assurer la continuité des courants alternatifs

dans la charge d’une part et d’éviter le court- circuit de la source d’autre part. Les diodes ( Di
(i=1, 2, …, 6)) sont des diodes à roue libre assurant la protection des IGBTs.
L’état des interrupteurs, supposés parfaits peut être définit par trois grandeurs
booléennes de commande Si ( i = a ,b , c ) :
• Si = 1 , Le cas ou l’interrupteur de haut est fermé et celui d’en bas ouvert.
• Si = 0 , Le cas ou l’interrupteur de haut est ouvert et celui d’en bas fermé.
ICEPS 2009 75
Dans ces conditions on peut écrire les tensions de phases Vin a ,b ,c en fonction des
signaux de commande Si :
U DC
U in a ,b ,c = SiU DC − (II.31)
2
Les trois tensions composées Vbc , Vca et Vab sont définies par les relations suivantes
en tenant compte du point fictif « o ».
Vab = Vao + Vob = Vao − Vbo


Vbc = Vbo + Voc = Vbo − Vco (II.32)
V = V + V = V − V
 ca co oa co ao
Soit « n » le point neutre du coté alternatif (MADA), alors on a :
V ao = V an + V no

V bo = V bn + V no (II.33)
V = V + V
 co cn no
La charge est considérée équilibrer, il l’en résulte :

Van + Vbn + Vcn = 0 (II.34)
La substitution de (II.33) dans (II.32) nous donne :

1
V no = ( V ao + V bo + V co ) (II.35)
3
En remplaçant (II.35) dans (I.33) on obtient :
 2 1 1
V an = 3 V ao − 3 V bo − 3 V co

 1 2 1
V bn = − V ao + V bo − V co (II.36)
 3 3 3
 1 1 2
V cn = − 3 V ao − 3 V bo + 3 V co

L’utilisation de l’expression (II.31) permet d’établir les équations instantanées des

tensions simples en fonction des grandeurs de commande :
Van   2 − 1 − 1  Sa 
V  = VDC − 1 2 − 1  S 
 bn  (II.37)
3   b 
Vcn  − 1 − 1 2   Sc 
ICEPS 2009 76
Avec Vao , Vbo , Vco comme les tensions d’entrée de l’onduleur (valeurs continues), et si Van ,
Vbn , Vcn sont les tensions de sortie de cet onduleur, par conséquent l’onduleur est modélisé
par la matrice du transfert T donnée par :
 2 − 1 − 1
T = − 1 2 − 1
1
(II.38)
3
− 1 − 1 2 
II.8.7. Modulation de Largeur d’Impulsion (MLI)

Elle consiste à convertir une modulante (tension de référence au niveau commande),
généralement sinusoïdale, en une tension sous forme de créneaux successifs, générée à la
sortie de l’onduleur (niveau puissance). Au niveau électronique, son principe repose sur la
comparaison de la modulante avec la porteuse (tension à haute fréquence de commutation).
La valeur du rapport de fréquences entre la porteuse triangulaire (ou en dents de scie) et la
modulante procède d’un compromis entre une bonne neutralisation des harmoniques et un
bon rendement de l’onduleur.
Les techniques de modulation sont nombreuses, les plus utilisées sont: La naturelle, la
régulière, l’optimisée (élimination des harmoniques non désirés), la vectorielle et la
modulation à bande d’hystérésis.
Modulante
V DC
VDC/2 -
2
ωt
V DC
−-UDC/2 -
2
Porteuse
VDC
UDC/2
2
-
V ωt
- −UDcDC
/2
2 Signal MLI
Figure II.24 : Principe de commande en MLI sinus-triangulaire.
L’objectif de la MLI, c’est la minimisation ou la réduction des oscillations sur la vitesse,

le couple et les courants. Cela permettra de réduire la pollution du réseau électrique en
harmonique, avec minimisation des pertes dans le système par conséquent augmenter le
rendement.
ICEPS 2009 77
Dans notre travail, parmi les techniques de modulation précitées la technique MLI
naturelle sera utilisée en se basant sur la comparaison entre deux signaux (Figure II.24) :
• Le premier c’est le signal de référence qui représente l’image de la sinusoïde qu’on

désire à la sortie de l’onduleur, ce signal est modulable en amplitude et en
fréquence.
• Le second qui est appelé signal de la porteuse définit la cadence de la commutation

des interrupteurs statiques de l’onduleur. C’est un signal de haute fréquence par
rapport au signal de référence.
On peut régler la tension de sortie de l’onduleur en agissant sur l’indice d’amplitude Vmod :
Vm
Vmod = (II.39)
Vp
V p : valeur de crête de la porteuse.
Vm : valeur maximale de la tension de référence.

Ainsi on peut agissons sur l’indice de modulation m :
fp
m= (II.40)
fm
f p : fréquence de la porteuse.
f m : fréquence de la modulante.
La valeur maximale de la tension fondamentale (à la sortie de l’onduleur) vaut
exactement :
VDC
V1 max = Vmod (II.41)
2
VDC : la tension continue à l’entrée de l’onduleur.
II.9. Résultats de simulation

Le schéma bloc global du système étudié sous MATLAB/SIMULINK est donné à la
figure II.25.
La turbine éolienne couplé avec la machine asynchrone à double alimentation (MADA);

Le stator de la machine est connecté directement au réseau triphasé (398/690 V/ 50 Hz), le
rotor alimenté par un onduleur triphasé à deux niveaux commandé par MLI.
ICEPS 2009 78
SOURCE
Isd Isd
Vsd
TRIPHASE
abc/dq Isq Isq
Vsq
STATORIQUE
Is Is
ONDULEUR Vrd
1
s MADA Qrd Flux_rd
Vrq
Qrq Flux_rq
abc/dq 314 Ws
Qr Qr
1
Wr
s Cr Couple
MLI
16 Vitesse du vent 1
Vitesse
Vitesse du vent J.s+fr
[m/s]
5 angle de calage B Couple (Ce) 1/K

Réducteur
angle de calage
B [deg]
Vitesse de générateur p
Multiplicateur
Figure II.25 : Schéma globale du système éolien " Turbine + MADA".
Les résultats de la simulation numérique de l’onduleur commandé par la technique MLI

triangulo-sinusoïdale sont donnés à la figure II.26 (en haut la comparaison entre la porteuse
et la modulante, en bas la sortie d’une phase de l’onduleur).
400
Porteuse et Modulante [V]
200
-200
-400
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
Temps [sec]
400
Tension Onduleur [V]
200
-200
-400
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
Temps [sec]
Figure II.26 : Résultats de simulation de l’alimentation du rotor.
ICEPS 2009 79
La figure II.27 présente les résultats de simulation de la génératrice couplée à la

turbine éolienne.
Conditions d’essai :
Vitesse du vent moyenne est de 16 m / s = 57.6 km / h .
Angle de calage des pales β est de 5° .
Tension coté rotor est de 225 V .
Fréquence de modulation est de 5 kHz .
4
x 10
1 200
Vitesse mécanique [rad/sec]

Courant statorique [A]
0.5 150
0 100
-0.5 50
-1 0
0 0.02 0.04 0.06 0.08 0.1 0 0.1 0.2 0.3 0.4 0.5
6
Temps [sec] 6 Temps [sec]
x 10 x 10
2.5 4
Puissance réactive [VAr]
2
Puissance active [W]
3
1.5
2
1
1
0.5
0 0
-0.5 -1
0 0.05 Temps [sec] 0.1 0.15 0 0.05 Temps [sec] 0.1 0.15
Figure II.27 : Résultats de simulation de la génératrice éolienne.
Les résultats de simulation obtenus montrent bien la réponse dynamique rapide de la

vitesse ( 0.15 s ) . Cette dernière atteint une valeur légèrement supérieure au vitesse du
synchronisme ( 163.5 rad / s ) ça dépend de plusieurs paramètres, principalement à la
vitesse du vent, l’angle de calage β et la tension rotorique.

Des fluctuations sont présentées au niveau des puissances dues à la technique MLI à
cause de la commutation des interrupteurs de l’onduleur.
Notons aussi que la machine génère plus de l’énergie réactive que l’énergie active ce
qui donne un facteur de puissance plus loin de l’unité (cos ϕ = 0.20 ) et détériore le facteur
de puissance global du réseau.
La figure II.28 représente le déphasage entre la tension et le courant d’une phase
statorique.
ICEPS 2009 80
10000
Tension statorique
8000 Courant statorique
6000
Tension et courant statoriques
4000
2000
-2000
-4000
-6000
-8000
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps [sec]
Figure II.28 : Déphasage entre tension et courant d’une phase statorique

de la MADA.
Ce problème est réglé par la commande vectorielle traitée dans le suivent chapitre et
par le dernier chapitre qui traite le filtrage actif par la MADA elle-même.
Comme nous allons utiliser la MADA comme une génératrice dédiée à une application
du type éolien. Notre étude est orientée vers l’échange des puissances active et réactive.
Dans un repère diphasé ( d , q ) quelconque, les puissances active et réactive

statoriques d'une machine asynchrone s'écrivent :
 Ps = Vsd I sd + Vsq I sq
 (II.42)
Qs = Vsq I sd − Vsd I sq
Le couplage entre la puissance active Ps et la puissance réactive Qs est visiblement
remarquable dans l’équation II.42.
Le schéma bloc qui modélise le système II.42 (Figure II.29) est un complément du
schéma bloc précédent de la MADA présenté à la figure II.25.
ICEPS 2009 81
[Vsd]
Goto
1 [Vsd]
Vsd From
[Isd] P_s [Isd]
Goto 1
From
2 P_s
[Vsq]
Isd
[Vsq] Calcul des puissances From
Goto [Isq]
3
From
Vsq
[Isq] Q_s
Goto 2
4
Q_s
Isq
Figure II.29 : Puissance active et réactive statoriques générées par la MADA .
En gardant les mêmes conditions de l’essai précédent on provoque seulement une

chute de tension de 20% dans la tension statorique entre les temps 0.2 s et 0.3 s .
Les résultats de simulation obtenus sont donnés à la figure II.30.
4
x 10
Courant statorique [A]
0.5
-0.5
-1
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
6 Couplage du système Temps [sec]
x 10
3
-1
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
6 Temps [sec]
x 10
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Temps [sec]
Figure II.30 : Couplage de puissance active et réactive de la MADA.
Les résultats obtenus montrent bien la non linéarité du système et le couplage existant
entre les différentes variables de la MADA. Donc, pour éliminer le couplage existant, on a
recours à la commande vectorielle qui permet d’avoir un contrôle indépendant de la
puissance active et réactive et un contrôle du facteur de puissance.
ICEPS 2009 82
II.10. Conclusion
Ce chapitre a permis de présenter la structure d'une machine asynchrone à double
alimentation en comparaison avec les machines classiques de type synchrone ou
asynchrone à cage où nous avons effectué une présentation des différentes configurations
de la machine asynchrone à double alimentation.
Afin de mieux comprendre les avantages que peut présenter cette machine par rapport
aux structures classiques, nous avons analysé les possibilités qu'elle offrait en
fonctionnement générateur. L'analogie de fonctionnement qui peut être faite avec les
machines synchrones dans la configuration des flux a conduit à dénommer cette machine :
"machine généralisée".
Pour simplifier le modèle de la machine nous avons par la suite, établi le modèle de la
machine dans un système d’axe biphasé ( d , q ) lié au champ tournant à l’aide de la
transformation de PARK.
Nous avons analysé les avantages et les inconvénients de l’utilisation des
convertisseurs statiques pour l’alimentation de la MADA, deux configurations sont proposées,
une où la machine est alimentée par un convertisseur au rotor alors que le stator est lié au
réseau (fonctionnement en générateur pour une application du type éolien), c’est cette
configuration qui nous intéresse, l’autre où la machine est alimentée par deux convertisseurs,
l’un au stator et l’autre au rotor et dédiée à des applications industrielles telles le laminage ou
le pompage (fonctionnement moteur).
Les résultats obtenus en simulation montrent des fluctuations au niveau des
puissances dues à la technique MLI (naturelle) à cause de la commutation des interrupteurs.
Sachant que le modèle de la MADA est fortement couplé et le facteur de puissance
statorique est détérioré, il est utile de trouver une méthode de commande permettant de
rendre le contrôle de la puissance active et réactive indépendant en fonctionnement
génératrice et qui permet de faire fonctionner la machine à facteur de puissance unitaire au
stator. Ainsi, le chapitre suivant fera l’objet du découplage des puissances active et réactive
par la commande vectorielle directe et indirecte basées sur la technique d’orientation du flux
statorique et qui permettent un fonctionnement à facteur de puissance unitaire.
ICEPS 2009 83
Chapitre III : Commande vectorielle de la MADA avec contrôle de la puissance active et réactive
CHAPITRE III :
COMMANDE VECTORIELLE DE LA « MADA »
AVEC CONTROLE DE LA PUISSANCE ACTIVE
ET RÉACTIVE
Résumé
Ce chapitre permet d'introduire les concepts de la commande vectorielle appliquée à la

machine asynchrone à double alimentation fonctionnant en génératrice. On va utiliser le
principe d’orientation du flux statorique afin d’obtenir un modèle simplifié pour une
commande vectorielle indépendante de la puissance active et réactive, deux méthodes sont
envisagées : la commande directe et la commande indirecte. Dans un deuxième temps, la
synthèse d'un régulateur Proportionnel–Intégral (PI) est réalisée. Ce type de régulateur reste
le plus communément utilisé pour la commande de la MADA en génératrice, ainsi que dans
de nombreux systèmes de régulation industriels.
ICEPS 2009 84
III.1. Introduction
Pour pouvoir contrôler facilement la production d'électricité de l'éolienne, nous allons
réaliser un contrôle indépendant des puissances actives et réactives en établissant une
commande vectorielle par orientation du flux statorique.
La commande vectorielle est un terme générique désignant l'ensemble des
commandes tenant compte en temps réel des équations du système qu'elle commande. Le
nom de ces commandes vient du fait que les relations finales sont vectorielles à la différence
des commandes scalaires. Les relations ainsi obtenues sont bien plus complexes que celles
des commandes scalaires, mais en contrepartie elles permettent d'obtenir de meilleures
performances lors des régimes transitoires. Il existe des commandes vectorielles pour toutes
les machines à courant alternatif.
La technique de la commande appliquée à cette machine est réalisée aux moyens des
régulateurs PI pour la puissance active et réactive statoriques et pour les courants rotoriques
pour déterminer les rapports cycliques des interrupteurs utilisés pour réaliser une modulation
de largeur d'impulsion du convertisseur.
III.2. Principe de la commande à flux orienté

La commande par flux orienté (commande vectorielle) est une expression qui apparaît
de nos jours dans la littérature traitant les techniques de contrôle des moteurs électriques, et
dont l'étymologie nous ramène à une notion élémentaire mais très importante de
l'électromagnétisme.
A savoir la force exercée sur un conducteur parcouru par un courant et placé dans une
région où règne un champ, il en résulte évidemment une force d'amplitude maximale pour
des intensités de courant et de champ données quand le vecteur courant devient
perpendiculaire au vecteur champ.
Appliquée au moteur électrique, cette propriété est utilisée pour obtenir le mode de
fonctionnement recherché en positionnant d'une manière optimale les vecteurs courants et
les vecteurs flux résultants.
Si le principe est naturellement appliqué pour les MCC, ce n'est pas pour les machines
à courant alternatif. Par conséquence, le contrôle par flux orienté des machines à courant
alternatif est une commande de ces deux grandeurs.
La figure III.1 illustre l'équivalence entre l'expression du couple que l'on réalise avec la
commande découplée classique d'une machines à courant continu et la commande
vectorielle d'une MADA.
ICEPS 2009 85
Ia If
IA
I sd ou I rd
Découplag IB
MCC MADA
I sq ou I rq e
d-q IC
C e = K 1Ia I f C e = K 2 I rd I rq
Composante du flux
Composante du couple
Figure III.1 : Schéma de principe du découplage de la MADA par analogie

avec la machine à courant continu.
De nombreuses variétés ont été présentes dans les littérateurs, que l'on peut classifier
suivant la source d'énergie :
Commande en tension ;
Commande en courant ;
Suivant l'orientation du repère:
Le flux rotorique;
Le flux statoriques;
Le flux d'entrefer;
Suivant la détermination de la position du flux:
Directe par mesure ou observation de vecteur flux (module, phase) ;
Indirecte par contrôle de la fréquence du glissement ;
L'examen de l'expression du couple de la machine montre qu'elle résulte d'une
différence de deux composantes en quadrature du courant statorique et de flux rotorique qui
présente un couplage complexe entre les grandeurs de la machine .Le référentiel de travail
pour la commande est celui lié au champ tournant afin que l'axe (d) coïncide avec la
direction désiré du flux, qui peut être rotorique, statorique, ou d'entrefer. Ainsi il est possible
d'orienter les différents flux de la machine [5].
Le flux résultant φ peut être soit :
Le flux statorique avec les conditions :
φ = φsd = φ s et φ sq = 0 (III.1)
Le flux rotorique avec les conditions :

φ = φrd = φr et φrq = 0 (III.2)
Le flux d’entrefer avec les conditions :

φ = φ gd = φ g et φgq = 0 (III.3)
ICEPS 2009 86
III.3. Stratégie de commande en puissance active et réactive de la MADA

Nous avons vu dans les chapitres précédents que l'intérêt de l'utilisation de la MADA,
outre la taille du convertisseur, était de pouvoir fonctionner à vitesse variable en suivant la
caractéristique de puissance optimale de l'éolienne [3], [4]. Cette caractéristique montre que
pour chaque vitesse de vent, il existe une vitesse de rotation optimale (correspondant à la
valeur maximale du coefficient de puissance) permettant à l'éolienne d'avoir le meilleur
rendement possible. Pour pouvoir tourner à cette vitesse optimale; à vitesse de vent donné,
la turbine doit avoir un couple mécanique résistant donné, c'est à dire une puissance active
débitée par la MADA. C'est en utilisant cette référence de puissance que la machine peut
alors être commandée.
III.3.1. Relations entre courants statoriques et courants rotoriques

Dans ce paragraphe, nous considérons que la MADA fonctionne en mode hyper-
synchrone, ce qui permet un transfert optimal de puissance en utilisant la commande
vectorielle directe avec orientation du flux statorique. A cet effet nous allons, donc déterminer
les équations qui lient les puissances actives et réactives statoriques aux grandeurs
rotoriques sur lesquelles nous agissons pour commander la machine.
Il s’agit d’obtenir un certain découplage entre le stator et le rotor afin que l’expression
du couple soit similaire à celle du couple de la machine à courant continu. Le principe
consiste à orienter le flux statorique suivant l’axe d du référentiel tournant (Figure III.2).
On à donc : φ sq = 0 et par suite φ sd = φ s .
Dans l'hypothèse où le flux φ sd est maintenu constant (ce qui est assuré par la
présence d'un réseau stable connecté au stator), le choix de ce repère rend le couple
électromagnétique produit par la machine et par conséquent la puissance active uniquement
dépendants du courant rotorique d’axe q .
B
(A) : Phase statorique
q
(a) : Phase rotorique
d
b
φs ωs
Is
Vs a
θs
θ sl ωr
I sq I sd
θr
A
Figure III .2 : Orientation du flux statorique sur l'axe d.
ICEPS 2009 87
Nous allons donc nous contenter de rappeler le modèle diphasé de la machine

asynchrone dans le référentiel ( d , q ) lié au champ tournant que nous comptons utiliser par
la suite pour la commande de la MADA :
Equations des tensions:
 d
Vsd = Rs I sd + φsd − ωsφsq
dt

V d
= Rs I sq + φsq + ωsφsd
 sq dt
 (III.4)
V d
= Rr I rd + φrd − ( ωs − ωr )φrq
 rd dt
 d
Vrq = Rr I rq + φrq + ( ωs − ωr )φrd
 dt
Equations des flux :
φsdq = Ls I sdq + Lm I rdq

 (III.5)
φrdq = Lr I rdq + Lm I sdq
Le couple mécanique est donné par la relation suivante :

3 3
Cméc = − . p .( φsd I sq − φsq I sd ) = − . p .( φrq I rd − φrd I rq )
2 2
(III.6)
dΩ
= Cr + J + fr Ω
dt
En explicitant les flux statoriques et rotoriques on vérifie que :
3 Lm
Cméc = Ce = − p ( φrd I sq − φrq I sd )
2 Ls
(III.7)
3 L
= − p m ( φsd I rq − φsq I rd )
2 Lr
On appliquant la technique d'orientation du flux statorique sur le modèle de la machine
les équations (III.4), (III.5) et (III.7) deviennent:
3 Lm
Ce = − p ( φsd I rq ) (III.8)
2 Ls
Rappelons que ce couple représente une perturbation pour la turbine éolienne et
prend une valeur négative.
Vsd = 0
 (III.9)
Vsq = Vs = ω sφ s
ICEPS 2009 88
φ s = Ls I sd + Lm I rd
 (III.10)
0 = Ls I sq + Lm I rq
A partir de l'équation (III.10), nous pouvons alors écrire les équations liant les courants
statoriques aux courants rotoriques :
 φs Lm
 I sd = L − L I rd
 s s
 (III.11)
 I = − Lm I
 sq Ls
rq
III.3.2. Relations entre puissances statoriques et courants rotoriques

Dans un repère diphasé quelconque, les puissances active et réactive statoriques
d'une machine asynchrone s'écrivent :
 Ps = Vsd I sd + Vsq I sq
 (III.12)
Qs = Vsq I sd − Vsd I sq
L'adaptation de ces équations au système d'axes choisi et aux hypothèses

simplificatrices effectuées dans notre cas ( Vsd = 0 ) donne :
 Ps = Vs I sq
 (III.13)
Qs = Vs I sd
En remplaçant les courants statoriques par leurs valeurs de l'équation (III.11) dans
l'équation (III.13) nous obtenons les expressions suivantes pour les puissances active et
réactive:
 Lm
 Ps = −Vs L I rq
 s
 (III.14)
φ
Q = V s − V Lm I
 s s
Ls
s
Ls
rd
Vs
En tirant φ s = de l'équation (III.9), l'expression de la puissance réactive devient :
ωs
2
V VL
Qs = s − s m I rd (III.15)
Lsωs Ls
Compte tenu du repère choisi et des approximations faites et si l'on considère
l'inductance magnétisante Lm comme constante, le système obtenu lie de façon
proportionnelle la puissance active au courant rotorique d'axe q et la puissance réactive au
( )
courant rotorique d'axe d à la constante Vs / ωs Ls près imposée par le réseau.
2
ICEPS 2009 89
III.3.3. Relations entre tensions rotoriques et courants rotoriques

On pourrait exprimer les tensions rotoriques en fonction des courants rotoriques, en
remplaçant dans l'équation (III.5) les valeurs des courants statoriques de l'équation (III.11) et
en remplaçant le résultat ainsi obtenu dans l'équation (III.4). Ainsi, nous obtenons :
  Lm  d
2
 Lm 
2
 rd
V = R I
r rd +  L − 
 r L  dt rd I − g ω  L
s r −  I rq

  s   Ls 
 (III.16)
  L d
2
 L 
2
LV
V = R I +  Lr − m  I rq + gωs  Lr − m  I rd + g s m s
 rq r rq  
Ls  dt  Ls   Ls
  
En régime permanent, les termes faisant intervenir les dérivées des courants rotoriques
diphasés disparaissent, nous pouvons donc écrire [4]:
  Lm 
2
 rd
V = R I
r rd − g ω 
s rL −  I rq

  Ls 
 (III.17)
  L 
2
LV
V = R I + g ω  Lr − m  I rd + g m s
 Ls 
rq r rq s
  Ls
Où g correspond au glissement de la machin asynchrone.
Vrd et Vrq sont les composantes diphasées des tensions rotoriques à imposer à la machine
pour obtenir les courants rotoriques voulus. L'influence des termes de couplage entre les
 Lm 
2

deux axes en Lr −  est minime. Une synthèse adéquate des régulateurs dans la
 L 
 s 
boucle de commande permettra de les compenser.
LmVs
En revanche le terme g représente une force électromotrice dépendante de la
Ls
vitesse de rotation. Son influence n'est pas négligeable car elle entraîne une erreur de
traînage. Le contrôle du système devra donc prendre en compte cette erreur [3].
Les équations (III.13), (III.14) et (III.16) nous permettent d'établir le schéma bloc du
système électrique de la MADA à réguler (Figure III.3).
Les termes de couplage sont désignés par v2 , v3 et les f.e.m’s par v1 et v4 .
ICEPS 2009 90
v1
(g*Lm*Vs)/Ls
1 Irq
2 -(Lm*Vs)/Ls 1
(Lr-(Lm^2/Ls))s+Rr
Vrq* P_mes
v2
g*ws*(Lr-(Lm^2/Ls))
2
Irq
g*ws*(Lr-(Lm^2/Ls)) 3
Ird
v3
1
-(Lm*Vs)/Ls
(Lr-(Lm^2/Ls))s+Rr Ird
1 4
Vrd* Q_mes
(Vs^2)/(Ls*ws)
v4
Système interne
Figure III.3: Schéma bloc du système à réguler.
Dans ce schéma nous avons fait apparaître des fonctions de transfert du premier ordre
pour les deux axes liant les tensions rotoriques aux puissances active et réactive statoriques.
Ce qui nous permet de mettre en place une commande vectorielle, étant donné qu'à
l'influence des couplage près, chaque axe peut être commandé indépendamment avec
chacun son propre régulateur. Les grandeurs de références pour ces régulateurs seront : la
puissance active pour l'axe " q" rotorique et la puissance réactive pour l'axe " d" rotorique.
La consigne de puissance réactive sera maintenue nulle pour assurer un facteur de
puissance unitaire côté stator de façon à optimiser la qualité de l'énergie renvoyée sur le
réseau. La consigne de puissance active devra permettre de garder le coefficient de
puissance de l'éolienne optimal.
Ainsi, il est apparaît deux solutions pour effectuer la commande en puissance de cette
machine [1]:
• La première méthode consiste à négliger les termes de couplage et à mettre en place
un régulateur indépendant sur chaque axe pour contrôler indépendamment les
puissances actives et réactives. Cette méthode sera appelée méthode directe car
les régulateurs de puissance contrôlent directement les tensions rotoriques de la
machine.
• La deuxième méthode consiste à tenir compte des termes de couplage et à les
compenser en effectuant un système comportant deux boucles permettant de
contrôler les puissances et les courants rotoriques. Cette méthode appelée méthode
indirecte découle directement des équations III.14 et III.16.
ICEPS 2009 91
Ces deux méthodes vont être étudiées et simulées dans la suite de ce chapitre.
L'intérêt que présente la méthode directe est que sa mise en œuvre est simple, par contre la
méthode indirecte a l'avantage de contrôler les courants rotoriques ce qui permettra de faire
une protection de la machine en limitant ces courants ou de rajouter une référence de
courant harmonique pour faire fonctionner la MADA en filtre actif, mais elle est complexe à
mettre en œuvre.
III.4. La commande vectorielle directe

III.4.1. Définition générale
Cette méthode de commande a été proposée par Blaschke. Dans ce cas, la
connaissance du module de flux et de sa phase est requise pour assurer un découplage
entre le couple et le flux quelque soit le régime transitoire effectué.
En effet, dans ce cas, le flux est régulé par une contre réaction, donc il doit être mesuré
ou estimé à partir des signaux de tensions statoriques et de courants. Afin d’accéder à
l’information concernant l’amplitude et la phase du flux, on peut utiliser des capteurs (sondes
à effet de Hall, spires de mesure) placés sous les dents du stator (entrefer de la machine).
L’avantage de cette technique est qu’elle dépend moins des variations paramétriques.
Cependant, l’inconvénient de cette méthode est que les capteurs sont mécaniquement
fragiles et ne peuvent pas travailler dans des conditions sévères telles que les vibrations et
les échauffements excessifs. De plus, les signaux captés sont entachés des harmoniques et
leur fréquence varie avec la vitesse ce qui nécessite des filtres ajustables automatiquement
[26], [27], [29].
III.4.2. Commande directe en puissance active et réactive de la MADA en génératrice

Dans cette section, nous présentons la régulation indépendante des puissances
actives et réactives de la machine en utilisant les remarques faites au paragraphe précédent.
Il a été mis en évidence le lien entre, d'une part la puissance active et la tension Vrq et
d'autre part la puissance réactive et la tension Vrd (Figure III.4).
Considérons le schéma bloc du système à réguler de la figure III.3 afin de déterminer

les éléments à mettre en place dans la boucle de régulation.
ICEPS 2009 92
(g*Lm*Vs)/Ls P_s P_s

O NDULEUR
Vrq Vrq*
Ps_ref Vrq* Irq Irq
PI
0
Vrd MADA Ird Ird
Vrd*
Qs_ref PI Q_s Q_s
teta_sl
Vrd*
0
MLI
Cr [Cr]
(Rr*Vs)/(Lm*ws) 1
314
s
[Wr]
12
Vitesse du vent
Vitesse du vent Vitesse_ref
Vitesse
[Cr] 1 PI
angle de calage B Couple (Ce) J.s+fr
5
1/K
angle de calage
G Vitesse du générateur 1
[Wr] p
s
Figure III.4: Schéma bloc de la commande vectorielle directe de la MADA.
Si l'on regarde la relation qui lie les courants rotoriques aux puissances statoriques, on
LmVs
voit apparaître le terme . Dans notre étude, nous avons considéré que l'éolienne était
Ls
raccordée à un réseau de forte puissance et stable, donc ce terme est constant. Nous ne
placerons donc pas des régulateurs entre les courants rotoriques et les puissances.
Pour simplifier la commande de la MADA, nous considérons que la tension du réseau

est stable, ce qui nous permet d'utiliser une seule boucle de régulation sur chaque puissance
avec un régulateur indépendant. Toutefois nous allons négliger les termes de couplage entre
les deux axes, qui apparaît dans la figure III.3 à cause du faible glissement, tout en
compensant aussi les perturbations ce qui nous donne le schéma simplifié représenté dans
la figure III.4 [3], [4].
Bien que la dynamique du système éolien soit faible par rapport à celle de la
génératrice, nous pouvons proposer le schéma de principe suivant (Figure III.5). Il nous
permet un transfert de puissance maximale via le stator et le rotor vers le réseau, en
fonctionnement hyper-synchrone.
ICEPS 2009 93
Réseau
triphasé
Énergie
Redresseur Onduleur
k
Multiplicateur MADA
Anémomètre Mesure de
Énergie puissance
MLI
Pmes Qmes
Pref Régulateur Régulateur
Dispositif de
+_
calcul de PI PI
puissance
Pmes
Réglage de
β ref
+ _
l’angle β _
des pales
+ Qmes
β mes
Dispositif de
positionnement
des pales
Qref
Figure III.5 : Schéma de principe de la commande vectorielle de la MADA.
III.5. Commande indirecte

III.5.1. Définition générale
Le principe de cette méthode consiste à ne pas mesurer (ou estimer) l’amplitude de
flux mais seulement sa position, l’idée est proposée par Hasse. Elle consiste à estimer la
position du vecteur de flux, et régler son amplitude en boucle ouverte. Les tensions ou les
courants assurant l’orientation du flux et le découplage sont évalués à partir d’un modèle de
la machine en régime transitoire [25], [26]. Cette méthode a été favorisée par le
développement des microprocesseurs, elle est très sensible aux variations paramétriques de
la machine. Il est important de souligner que la méthode indirecte est la plus simple à
réaliser et la plus utilisée que la méthode directe, mais le choix entre les deux méthodes
varie d'une application à l’autre [26], [29].
III.5.2. Commande indirecte en puissance active et réactive de la MADA en génératrice

En se basant sur les équations régissant le fonctionnement de la machine défini dans
la modélisation au paragraphe (III.3.1) ; tout en gardant les mêmes hypothèses.
En combinant les différentes équations des flux, des tensions rotoriques, des courants
et des puissances, nous pouvons exprimer les tensions en fonction des puissances. On
reproduit ainsi le schéma bloc du système en sens inverse en aboutissant à un modèle qui
ICEPS 2009 94
correspond à celui de la machine mais dans l'autre sens et qui contient tous les éléments du
schéma bloc de la MADA.
On part donc de la puissance statorique en fonction des courants rotoriques et des
expressions des tensions rotoriques en fonction des courant rotoriques et on trouve :
 L 
2
  2
 
 Lr − m   Rr +  Lr − Lm  
 Ls    Ls    RV  L  V
2

Vrd = gωs  . Ps −   p .Qs +  r s +  Lr − m  s p  (III.18)
Vs Lm Vs Lm  ωs Ls Ls  ωs Lm 
   
Ls  Ls 
 
  2
   L 
2
 Rr +  Lr − Lm    Lr − m 
  Ls    Ls   L  V
2
Vrq = −  p . Ps − gωs  . Qs + gωs  Lr − m  s (III.19)

Vs Lm

Vs Lm  Ls  ωs Lm
 Ls  Ls
 
III.5.3. Commande avec boucle de courant

Dans le but d'améliorer la commande directe, nous allons introduire une boucle de
régulation supplémentaire au niveau des courants afin d'éliminer l'erreur statique tout en
préservant la dynamique du système. Nous aboutissons au schéma bloc présenté à la figure
III.6 sur lequel on distingue bien les deux boucles de régulation pour chaque axe, l'une
contrôlant le courant et l'autre la puissance. Ce type de régulation donne une dynamique
satisfaisante et une erreur statique nulle.
(g*Lm*Vs)/Ls
ONDULEUR P_s P_s
Vrq
-Ls/(Vs*Lm) PI Vrq* Vrq*
Ps_ref PI Irq Irq
0 Vrd
g*ws*(Lr-(Lm^2/Ls)) MADA Ird Ird
Vrd*
Qs_ref g*ws*(Lr-(Lm^2/Ls)) teta_sl Q_s Q_s
Vrd*
MLI
0
Cr [Cr]
PI -Ls/(Vs*Lm) 1
s 314
PI
(Vs^2)/(Ls*ws) [Wr]
12
Vitesse du vent
Vitesse
[Cr] 1 PI
5
1/K
angle de calage
[Wr] s p
Figure III.6 : Schéma bloc de la commande indirecte avec boucles de puissance.
ICEPS 2009 95
III.6. Etude de la régulation pour la commande

Nous avons utilisé des régulateurs de type Proportionnel-Intégral (PI) en raison de leur
performance et de leur rapidité de calcul. Leur tâche est non seulement de comparer les
valeurs réelles mesurées avec les valeurs de référence, mais aussi de stabiliser le système
à réguler. Ainsi, au cours de la synthèse de ces régulateurs, nous ferons en sorte d'obtenir
une dynamique électrique du système aussi rapide que l'autorise la fréquence de la MLI du
convertisseur rotorique, ceci dans l'optique de l'insertion du dispositif dans un système éolien
à vitesse variable ou dans un autre système utilisant la MADA en génératrice.
Les lois de commande élaborées doivent autoriser cette dynamique sans engendrer
des dépassements qui peuvent nuire à la durée de vie de la machine et des convertisseurs
[3]. Elles devront également opérer un bon rejet des perturbations qui peuvent être
nombreuses sur un tel système étant donnés la complexité et le nombre important de
capteurs mis en jeu. Enfin, elles devront satisfaire aux exigences de robustesse face aux
variations de paramètres qui peuvent intervenir dans les machines électriques notamment à
cause des variations de température. Le dispositif de mesure de puissance de référence est
constitué d'un transformateur de Park ( V , I ) et d'un bloc de mesure de puissance ( Ps ,Qs ) .
III.6.1. Synthèse du régulateur Proportionnel-Integral (PI)

La mise en équation de la MADA nécessaire à la commande en puissances active et
réactive a été mise en oeuvre dans les paragraphes précédents. Nous allons maintenant
procéder à la synthèse des régulateurs nécessaires à la réalisation de cette commande.
La synthèse d'un régulateur Proportionnel – Intégral est réalisée. Ce type de régulateur
reste le plus communément utilisé pour la commande de la MADA en génératrice, ainsi que
dans de nombreux systèmes de régulation industriels.
Pour rendre possible, dans notre cas, la synthèse d'un régulateur PI classique, nous
allons faire un certain nombre d'hypothèses dans le but de linéariser et de simplifier le
modèle de la machine, avec une fonction de transfert du premier ordre sur les grandeurs
d'entrée de chaque axe représentant l'onduleur de tension.
La première simplification consiste à introduire deux nouvelles perturbations sur les

grandeurs de commande ( ε d et ε q ) qui représentent les résidus de découplage et les
perturbations. Nous avons également choisi de mesurer la perturbation v4 pour améliorer le
comportement des régulateurs sur l'axe d . Les deux axes sont ainsi considérés comme
découplés.
ICEPS 2009 96
εq
uq 1 I rq L V
P
Pref Rq  L2  − m s Pmes
R r + p  Lr − m  Ls
 Ls 
Modèle de l’axe q
v4
εd v4 mes
ud
1 I rd Q
Qref Rd  L2 
L V
− m s Qmes
R r + p  Lr − m  Ls
 Ls 
Modèle de l’axe d
Régulateur MADA + Onduleur simplifiés
Figure III. 7 : Problème de commande simplifié (contrôle directe).
La deuxième simplification considère le terme constant v4 comme une perturbation qui

devra être rejetée par la loi de commande.
Finalement, ces hypothèses de travail nous permettent de changer le problème de

commande multivariable en deux problèmes linéaires mono-variables comme indiqué sur la
figure III.7.
Le rôle des régulateurs de chaque axe est d'annuler l'écart entre les puissances actives
et réactives de référence et les puissances actives et réactives mesurées. Rappelons que la
synthèse des régulateurs sera effectuée sur la base du modèle simplifié de la figure III.7
(c'est à dire celui établi en négligeant la résistance d'une phase statorique) et non pas sur le
modèle réel de la machine.
 Lm
 Ps = −Vs L I rq
 s
 2
(III.20)
Q = Vs − Vs Lm I
 s ωs Ls Ls
rd
Une deuxième solution consisterait alors à asservir non plus les puissances mais plutôt
indirectement les courants rotoriques en n'utilisant non plus les puissances mesurées
comme retour sur le comparateur mais les courants rotoriques d'axe d et q utilisés dans le
contexte des équations ci dessous (Figure III.8).
ICEPS 2009 97
εq 1
I rq L V P
uq  L2 
R r + p  Lr − m 
− m s
Ls
 Ls 
Modèle simplifié de l’axe q
I rq mes
Pref uq
Rq
Pmes
Modèle de la MADA non simplifié
Contrôle direct
Contrôle indirect L V
− m s
Ls
Figure III.8 : Exemple de contrôle direct et indirect sur l'axe q.
En effet, si la fonction de transfert entre puissances actives et réactives et courants

rotoriques est simplifiée en raison de l'approximation faite sur la résistance statorique, celle
entre tensions rotoriques et courants rotoriques ne l'est pas. La commande sera alors
d'autant plus efficace si le calcul des régulateurs est basé sur cette même fonction de
transfert.
Notons que d'autres configurations (notamment sans réduction de l'ordre du système
ou en considérant une linéarisation autour d'un point de fonctionnement) on été testées en
simulation mais les performances obtenues ne sont pas meilleures qu'avec le modèle
simplifié [30].
III.6.2. Calcul des régulateurs

C’est un régulateur simple et rapide à mettre en oeuvre. La figure III.9 montre un
système en boucle fermé corrigé par un régulateur PI. Dans notre cas la fonction de transfert
ki
kp + correspond aux régulateurs Rq et Rd de la figure III.7. Les valeurs de A et B sont :
p
 L 
2
A = Ls Rr + p Ls  Lr − m  et B = LmVs (III.21)
 Ls 
ICEPS 2009 98
Yref ki B Ymes
+_ kp +
p A
Figure III.9: Schéma bloc d'un système régulé par un PI.
Pour les axes d et q , la fonction de transfert en boucle ouverte intégrant la présence

des régulateurs est :
LmVs
ki  L 
2
p+ Ls  Lr − m 
kp  Ls 
FTBO = . (III.22)
p Ls Rr
p+
kp  L 
2
Ls  Lr − m 
 Ls 
Afin d'éliminer le zéro présent sur la fonction de transfert, nous choisissons la méthode
de compensation des pôles pour la synthèse du régulateur, ce qui se traduit par l’égalité
suivante:
ki Ls Rr
= (III.23)
kp  L 
2
Ls  Lr − m 
 Ls 
Nous notons ici que l'intérêt de la compensation des pôles ne se manifeste uniquement
que si les paramètres de la machine sont identifiés avec précision puisque les gains k p et k i
sont établies en fonction de ces mêmes paramètres. Si les paramètres réels sont différents
de ceux utilisés dans la synthèse, la compensation est inefficace. Si les pôles sont
parfaitement compensés, la fonction de transfert en boucle ouverte devient :
LmVs
kp
 Lm 
2

Ls  Lr − 
L 
FTBO =  s 
(III.24)
p
La fonction de transfert en boucle fermée s'exprime alors par :
 L 
2
Ls  Lr − m 
1 1  Ls 
FTBF = avec τr = (III.25)
1 + pτ r kp LmVs
ICEPS 2009 99
Le terme τr désigne ici la constante de temps. Le temps de
réponse tr ( 5%) = 1 ms = 3τ r , ce qui représente une valeur suffisamment rapide pour
l'application de production d'énergie sur le réseau avec la MADA de 1,5 MW. Une valeur
inférieure est susceptible d'engendrer des régimes transitoires avec des dépassements
importants et ne présente pas d'intérêt particulier pour notre application. Les termes k p et k i
sont alors exprimés en fonction de ce temps de réponse et des paramètres de la machine :

1 Ls Lr − L2m
kp = −3
= 0.7575 .10 − 3 s −1 (III.26)
10 Lm Vs
1 Ls Rr
ki = −3
= 53.5455 .10 − 3 s −1 (III.27)
10 Lm Vs
Notons que la méthode de la compensation des pôles n'est bien entendu pas la seule
alternative de calcul pour la synthèse d'un régulateur PI. Toutefois, elle présente l'avantage
d'être rapide à mettre en oeuvre sur une fonction de transfert du premier ordre et elle s'avère
suffisante dans notre cas pour comparer le PI avec un régulateur neuronale étudier dans le
suivent chapitre.
III.7. Résultats de simulation de la commande du MADA

La simulation de la machine, de la partie électrique et de la commande directe et
indirecte a été implantée dans l'environnement MATLAB/SIMULINK afin d'effectuer des
testes de la régulation. Nous avons donc soumis ce système à des échelons de puissance
active et réactive afin d'observer le comportement de sa régulation.
III.7.1. Commande directe

Les gains des correcteurs sont calculés à partir des équations de la section III.6.2 et
ont été affinés après simulation.
• Sans prise en compte de l’onduleur
Afin de mieux apprécier les performances des régulateurs PI dans la configuration du
système éolien, la première série de simulations est effectuée sans onduleur.
La figure III.10 présente les résultats de simulation de la commande directe de la
génératrice asynchrone à double alimentation sans prise en compte de l’onduleur.
On voit bien que les puissances active et réactive du système suivent parfaitement les
échelons de référence. Le signe négatif de la puissance réactive montre que la génératrice
fonctionne en mode capacitif ; dans le cas où elle fonctionne en mode inductif la puissance
devient automatiquement positive [24].
ICEPS 2009 100

5
x 10
0
Référence
-2
Réel
-4
-6
-8
-10
-12
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec]
x 10
2
-1
-2
-3 Référence
Réel
-4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps [sec]
Figure III.10: Résultats de simulations pour la commande directe sans onduleur.
• Intégration de l’onduleur
Dans cet essai le rotor de la MADA est connecté au bus continu par l'intermédiaire d'un
onduleur de tension à deux niveaux commandé par la technique MLI (naturelle).
Conditions de l’essai
La tension rotorique est de 225 V .
La fréquence rotorique est de 14 Hz .
La fréquence de commutation des interrupteurs IGBT de l’onduleur est de 4 kHz .
La figure III.11 montre les variations des puissances active et réactive lorsque
l'onduleur rotorique est pris en compte dans les simulations.
On remarque presque les mêmes performances que l’essai précédent, les échelons de
puissance sont bien suivis par la génératrice aussi bien pour la puissance active que pour la
puissance réactive. Cependant on observe l’effet du couplage entre les deux axes de
commande ( d et q ) car un échelon imposé à l’une des deux puissance (active ou réactive)
induit de faibles oscillations sur la seconde à cause de la commutation des interrupteurs de
l’onduleur rotorique.
ICEPS 2009 101

5
x 10
5
Référence
0 Réel
-5
-10
-15
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec]
x 10
2
-2
-4 Référence
Réel
-6
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps [sec]
Figure III.11: Résultats de simulations pour la commande directe avec onduleur.
III.7.2. Commande indirecte

Les gains des correcteurs sont calculés à partir des équations de la section III.6.2 on
modifions le temps de réponse du système.
Donc k p et ki pour la puissance active et réactive sont respectivement 75.75 s −1 et
5354.55 s −1 ; ainsi pour les régulateurs de courants rotoriques sont respectivement
75.75.10 −4 s −1 et 5354.55.10 −4 s −1 .
• Sans prise en compte de l’onduleur
La figure III.12 présente les résultats de simulation de la commande indirecte de la

génératrice asynchrone à double alimentation sans onduleur.
Que ce soit pour la puissance active ou réactive, on observe une dynamique qui réagit
rapidement, les échelons sont correctement suivis et il n’y a plus d’erreur sur les puissances.
Le couplage entre les deux puissances est très faible et peu perceptible. Il ne devrait pas
poser de problème pour la suite de l’exploitation du modèle de la machine.
ICEPS 2009 102

5
x 10
0
Référence
-2
Réel
-4
-6
-8
-10
-12
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5
Temps [sec]
x 10
2
-2
-4 Référence
Réel
-6
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps [sec]
Figure III.12: Résultats de simulations pour la commande indirecte sans onduleur.
• Intégration de l’onduleur
Dans cet essai le rotor de la MADA est connecté au bus continu par l'intermédiaire d'un
onduleur de tension à deux niveaux commandé par la technique MLI (naturelle).
On garde les mêmes paramètres de l’onduleur utilisé dans la commande directe et les
mêmes conditions de simulation précédentes.
5
x 10
0
Référence
-2
Réel
-4
-6
-8
-10
-12
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec]
x 10
2
1
-1
-2
-3 Référence
-4 Réel
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07

Temps [sec]
Figure III.13: Résultats de simulations pour la commande indirecte avec onduleur.
ICEPS 2009 103

Mêmes remarques que l’essai précédent en terme de performances. Aussi sur

l’influence de l’onduleur sur la commande sont les mêmes que le cas de la commande
directe.
III.7.3. Contrôle de facteur de puissance

Pour remède au problème posé dans le chapitre précédent concernant la détérioration
du facteur de puissance côté réseau. Dans cette partie on bénéficie d’un avantage parmi
plusieurs avantages qui nous offre la commande vectorielle de la MADA.
Dans ce contexte la consigne de puissance réactive statorique sera maintenue nulle

( Qref = 0 MVAr ) pour assurer un facteur de puissance unitaire côté stator de façon à
optimiser la qualité de l'énergie renvoyée sur le réseau. La consigne de puissance active
devra permettre de garder le coefficient de puissance de l'éolienne optimal (Figure III.14) [3].
Remarque : Dans cet essai on néglige l’effet de l’onduleur sur la commande afin de voir
seulement l’efficacité de la commande sur la correction du facteur de puissance.
4
x 10
4
3
Qref = 0 MVAr Référence
Réel
2
1
0
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec]
x 10
0
Commande directe Référence

-5
Réel
-10
-15
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
6
Temps [sec]
x 10
0
Commande indirecte Référence

-0.5
Réel
-1
-1.5
-2
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps [sec]
Figure III.14: Commande vectorielle à facteur de puissance unitaire.
On peut dire que le contrôle de la puissance active pour la génératrice éolienne est
parfaitement réalisé à un facteur de puissance unitaire (cos ϕ = 1 ) .
ICEPS 2009 104

La figure III.15 prouve l’efficacité de cette méthode pour la correction du facteur de

puissance. La figure présente le déphasage entre la tension et le courant d’une phase
statorique avant et après correction.
Dans la figure en haut en génère une puissance réactive de − 0.8 MVAr tant que la
puissance active est fixée à − 1 MW , ce qui nous donne un facteur de puissance cos ϕ de
0.78 c'est-à-dire un déphasage ϕ = 38.66 ° = 0.67 rad .
Dans la figure en bas on maintenu la puissance réactive nulle alors que la puissance
active garde sa valeur précédente, ce qui nous donne un facteur de puissance unitaire
cos ϕ = 1 donc un déphasage nul.
ϕ = 38.66° cos ϕ = 0.78

3000
Tension [V], Courant [A]
2000
1000
0
-1000
Tension
-2000
Courant
-3000
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Temps [sec]
Tension [V], Courant [A]
2000
cos ϕ = 1
1000
-1000
Tension
-2000
Courant
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Temps [sec]
Figure III.15 : Contrôle du facteur de puissance côté statorique.
III.7.4. Influence de la puissance réactive sur la tension et le courant rotorique

Pour voire l’influence de la puissance réactive sur la forme d’onde et la l’amplitude ainsi
le déphasage de la tension rotorique fournie à l’entrée de l’onduleur de tension rotorique
plusieurs simulations sont effectuées.
Parmi les résultats obtenus on a choisi celles présentées à la figure III.16.
Donc on peut aussi contrôler la tension rotorique appliquée à l’entrée de l’onduleur de
tension qui alimente le rotor de la MADA par une simple action sur la consigne de la
puissance réactive.
ICEPS 2009 105

100
Qref = −1 MVAr Qref = −0.5 MVAr Qref = 0 MVAr
80
60
40
Tension rotorique [V]
20
-20
-40
-60
-80
-100
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Temps [sec]
Figure III.16 : Influence de la puissance réactive sur la tension rotorique.
Le système de contrôle pilote non seulement les puissances, le facteur de puissance et

la tension rotorique mais règle aussi l’angle de phase du courant de rotor (Figure III.17), ce
qui permet de faire fonctionner la machine à rendement optimal. Côté réseau, le découplage
de la fréquence de l’onduleur (côté rotor) et de la fréquence du réseau permet de choisir,
indépendamment de la phase des courants rotoriques, la phase des courants prélevés ou
renvoyés au réseau c’est-à-dire la puissance réactive.
3000
Qref = 0 MVAr Qref = −0.5 MVAr

2000
1000
Courant rotorique [A]
0
Angle de phase
-1000
-2000
-3000
0 0.005 0.01 0.015 0.02 0.025 0.03
Temps [sec]
Figure III.17 : Contrôle de l’angle de phase du courant rotorique.
ICEPS 2009 106

On peut ainsi notamment compenser la consommation de puissance réactive de la

machine asynchrone, et fournir au réseau de la puissance réactive en fonction de la
demande. Notons aussi qu’on peut obtenir avec ce principe de commande :
Une onde statorique parfaitement synchronisée sur le réseau, assurant une bonne
stabilité même en présence de variations brutales de vent;
Un dimensionnement minimal des composants électroniques permettant la variation
de vitesse ;
Une compensation automatique du réactif ;
La possibilité de fonctionner en mode autonome (déconnecté du réseau).
III.8. Robustesse de la commande

La robustesse des commandes est un point important, surtout pour les systèmes
comportant plusieurs entités en interaction ou les systèmes à fortes variations des
paramètres. Il en est de même si la mesure des paramètres ne peut s’effectuer avec
précision.
L'essai de robustesse consiste à faire varier les paramètres du modèle de la MADA
utilisé. En effet les calculs de régulateurs sont basés sur des fonctions de transfert dont les
paramètres sont supposés fixes. Toutefois, dans un système réel, ces paramètres sont
soumis à des variations entraînées par différents phénomènes physiques (saturation des
inductances, échauffement des résistances…). Ajoutons à cela que l'identification de ces
paramètres est soumise à des imprécisions dues à la méthode employée et aux appareils de
mesure.
Rappelons que la synthèse des régulateurs sera effectuée sur la base du modèle
simplifié de la MADA (c'est à dire celui établi en négligeant la résistance d'une phase
statorique) et non pas sur le modèle réel de la machine.
III.8.1. Commande directe

Si l’on avait changé un paramètre de la machine pour la commande directe comme Rr ,
Ls , Lr ou Lm , les références de la puissance active et réactive ne suivent pas parfaitement

les consignes et provoquent des erreurs statiques sur les puissances.
L’influence des variations des paramètres de la machine sur la commande directe est
présentée à la figure III.18.
Influence de la variation de la résistance rotorique Rr de +50 % (Figure III.18.a) ;
Influence de la variation de l’inductance statorique Ls de +10% (Figure III.18.b) ;
Influence de la variation de l’inductance rotorique Lr de +10 % (Figure III.18.c) ;
ICEPS 2009 107

Influence de la variation de l’inductance mutuelle Lm de -10% (Figure III.18.d).
5 5
x 10 x 10
0 Référence
Réel 0
P [W]
Q [VAr]
-5
-2 a
Référence
-10 -4 Réel
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec] 5 Temps [sec]
x 10 x 10
0 2
Q [VAr]
P [W]
-5
-2 b
-10 -4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec] 5
x 10 x 10 Temps [sec]
0 2
0
P [W]
Q [VAr]
-5
-2 c
-10 -4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 5
x 10 Temps [sec] x 10 Temps [sec]
0 2
0
P [W]
Q [VAr]
-5 d
-2
-10 -4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps [sec] Temps [sec]
Figure III.18 : Influence des variations paramétriques sur la commande directe.
Pour une variation de la résistance rotorique de +50 % qui correspond au cas

d’échauffement du bobinage rotorique, les puissances active et réactive viennent à suivrent
leurs consignes correctement.
Cependant une variation de ±10 % sur les inductances détériore les performances de
la commande directe.
III.8.2. Commande indirecte

Le fait d’avoir une commande indirecte avec deux boucles imbriquées permet
justement d’accroître un peut la robustesse du système car la perturbation subit par la
machine est automatiquement corrigée par le régulateur supplémentaire de la boucle
intérieure.
Nous avons fait plusieurs essais avec la commande indirecte sur la variation des
paramètres électriques de la machine et du réseau, on note donc que la variation de la
résistance rotorique Rr de +50 % de sa valeur nominale n’affecte pas le système qui
parvient tout de même à garantir le contrôle de puissance.
ICEPS 2009 108

Cette variation de la résistance rotorique n’a quasiment aucune influence sur le

fonctionnement de la génératrice car les deux boucles de régulations nous permettent de
rattraper les erreurs dues aux termes de compensation qui ne sont plus en rapport avec la
bonne valeur de la résistance.
Vis-à-vis des variations des inductances la commande perd ses performances en
terme de temps de réponse. Les résultats des simulations obtenus sont donnés à la figure
III.19.
Influence de la variation de la résistance rotorique Rr de +50 % (Figure III.19.a) ;
Influence de la variation de l’inductance statorique Ls de +10 % (Figure III.19.b) ;
Influence de la variation de l’inductance rotorique Lr de +10 % (Figure III.19.c) ;
Influence de la variation de l’inductance mutuelle Lm de -10 % (Figure III.19.d).
5 5
x 10 x 10
2
0 Référence
P [W]
Réel 0
Q [VAr]
-5
-2 a
Référence
-10 -4 Réel
0 5 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 5 0.01 0.02 0.03 0.04 0.05 0.06 0.07
2
0
0
Q [VAr]
P [W]
-5
-2 b
-10 -4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 5
2
0
0
Q [VAr]
P [W]
-5
-2 c
-10 -4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 5
2
0
0
Q [VAr]
P [W]
-5 -2 d
-4
-10
-6
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Figure III.19 : Influence de la variation des inductances sur la commande indirecte.
Le régulateur PI perd sa robustesse particulièrement face aux variations des

inductances car le calcul des gains k p et ki du régulateur repose essentiellement sur ces
paramètres (éq. III.26 et III.27).

Si plusieurs paramètres varient en même temps dans de grandes proportions, il est sûr
que les régulateurs n’arriveront plus à faire fonctionner le système convenablement.
ICEPS 2009 109

III.9. Conclusion
Dans ce chapitre nous avons développé deux méthodes de commande vectorielle en
puissance de la MADA à savoir : la commande directe et la commande indirecte.
Effectivement nous avons pu voir que la commande directe est la plus simple à mettre en
oeuvre, mais pas la plus performante.
En revanche, la méthode indirecte nous permet, en association avec le bouclage des
puissances, d’avoir un système performant. Elle est certes plus complexe à mettre en oeuvre,
mais permettra d’avoir un fonctionnement optimal du système de génération électrique en
minimisant les éventuels soucis liés aux variations des paramètres de la machine et du
système éolien.
Nous retiendrons donc la commande indirecte pour la suite de nos travaux.
Effectivement, en plus de très bons résultats de simulation, elle offre un avantage pour la
réalisation pratique car elle intègre la boucle de régulation de courant rotorique permettant
ainsi de protéger la machine en intercalant des limitations de courant, ce que la méthode
directe ne permettait pas. Effectivement, comme l’on dispose d’une boucle de régulation des
courants rotoriques, il est simple de limiter la valeur maximale des courants de référence. De
plus il sera simple de superposer une référence rotorique de courant harmonique lorsque
l’on voudra faire fonctionner la MADA en filtre actif en plus de son fonctionnement normale.
La méthode directe quant à elle nous a permis de valider le fonctionnement de la
méthode indirecte et ce sans une grande mise en œuvre. C’est pour cela qu’il était de
même intéressant d’étudier les deux méthodes.
La synthèse du régulateur PI utilisé pour stabiliser le système à cause de sa rapidité et
de sa simplicité.
Mais face aux hypothèses faites pour simplifier le modèle de la MADA, le PI est un
régulateur qui présente plusieurs inconvénients :
Ajout d’un zéro dans le numérateur de la fonction de transfert en boucle fermée ce
qui entraîne des dépassements importants lors des transitoires ;
Introduction d'un déphasage du à la fonction intégrale pouvant entraîner une forte
instabilité.
Les coefficients sont directement calculés en fonction des paramètres de la machine
ce qui entraîne une robustesse médiocre face à la variation de ces paramètres ;
Les éventuelles perturbations ne sont pas prises en compte et il y a peu de degrés de
liberté pour le réglage.
Par ailleurs si plusieurs paramètres de la machine varient en même temps, il n’y a
aucun doute que les régulateurs n’arriveront plus à maintenir le système stable ; il faudrait
alors faire appel à d’autres types de régulateurs plus robustes.
ICEPS 2009 110

Ainsi le prochain chapitre sera consacré à la synthèse d’un régulateur plus robuste et
prenant mieux en compte les perturbations. C’est un régulateur classé dans la famille des
régulateurs intelligents, c’est le régulateur neuronal (RN).
ICEPS 2009 111

Chapitre IV: Commande par réseaux de neurones de la Machine Asynchrone à Double Alimentation
CHAPITRE IV :
COMMANDE PAR RÉSEAUX DE NEURONES
ARTIFICIELS DE LA « MADA »
Résumé
Les réseaux de neurones formels sont devenus en quelques années des outils
précieux dans des domaines très divers de l'industrie et des services. Néanmoins, ils n'ont
pas encore atteint leur plein développement, pour des raisons plus psychologiques que
techniques, liées aux notions biologiques du terme, et au fait qu'ils sont considérés, à tort,
comme des outils d'Intelligence Artificielle. Or l'intérêt des réseaux de neurones, dans le
domaine des Sciences de l'Ingénieur, ne doit rien à la métaphore biologique : il est
uniquement dû aux propriétés mathématiques spécifiques de ces réseaux. Nous expliquons
ici, à partir de principes simples, ce que sont réellement les réseaux de neurones, et nous
délimitons leurs domaines d'excellence. La seconde partie compare les performances du
régulateur neuronal avec le régulateur PI en termes de suivi de consigne et de la robustesse
vis à vis des variations des paramètres de la machine asynchrone à double alimentation.
ICEPS 2009 112

IV.1. Historiques
Le champ des réseaux neuronaux va démarrer par la présentation en 1943 par
Warren McCulloch et Walter Pitts du neurone formel qui est une abstraction du neurone
physiologique. Le retentissement va être énorme. Par cette présentation, ils veulent
démontrer que le cerveau est équivalent à une machine de Turing, la pensée devient alors
purement des mécanismes matériels et logiques.
Une machine de Turing se résume à une tête de lecture comportant un nombre fini
d’états internes et à un ruban. La puissance de l’analyse de Turing (1912-1954) tient au fait
que sa tête de lecture ne lit qu’un seul symbole à la fois, et que cette lecture, associée à la
table d’états adéquate, suffit à effectuer toutes les opérations possibles. La machine de
Turing est toutefois une machine imaginaire, abstraite, et idéale. Elle n’a pu être construite.
Son fonctionnement implique en effet d’avoir un ruban extensible à volonté donc infini! La
combinaison de cette mémoire infinie et d’un nombre d’états fini a cependant apporté la
preuve que, si un problème est calculable, alors il existe une machine pour le résoudre. Dès
lors, une machine, reprenant les règles de toutes les autres, est " UNIVERSELLE ".
En 1949, Donald Hebb présente dans son ouvrage « The Organization of Behavior » la
première règle d’apprentissage, son intuition était que si deux neurones étaient actifs en
même temps, les synapses entre ces neurones seraient renforcées. De nombreux modèles
de réseaux aujourd’hui s’inspirent encore de la règle de Hebb.
En 1958, Franck Rosenblatt développe le modèle du perceptron. C’est un réseau de
neurones inspiré du système visuel. Il possède deux couches de neurones : une couche de
perception et une couche liée à la prise de décision. C’est le premier système artificiel
capable d’apprendre par expérience.
Dans la même période, Le modèle de L’ADALINE (ADAptive LINear Element) a été
présenté par Bernard Widrow et Hoff. Ce modèle sera par la suite le modèle de base des
réseaux multicouches.
En 1969, Marvin Lee Minsky et Seymour Papert publient une critique des propriétés du
Perceptron. Cela va avoir une grande incidence sur la recherche dans ce domaine. Elle va
fortement diminuer jusqu’en 1972, où Teuvo Kohonen présente ses travaux sur les
mémoires associatives et propose des applications à la reconnaissance de formes.
Les travaux de John Joseph Hopfield en 1982 ont montrés que des réseaux de
neurones artificiels étaient capables de résoudre des problèmes d’optimisation et ceux de
Kohonen (1982) ont montrés qu’ils étaient capables des résoudre des tâches de
classification et de reconnaissance.
ICEPS 2009 113

IV.2. Introduction
Les réseaux de neurones connaissent depuis quelques années un succès croissant
dans divers domaines des Sciences de l'Ingénieur ; celui du génie électrique n'échappe pas
à cette règle. Malheureusement, la littérature fourmille d'exemples où la mise en oeuvre des
réseaux de neurones relève plus de la recette que d'une approche raisonnée. De plus, les
connotations biologiques du terme réseaux de neurones, et l'utilisation du terme
d'apprentissage, ont souvent introduit une grande confusion ; elles ont conduit à relier
abusivement les réseaux de neurones à l'Intelligence Artificielle, alors qu'ils sont
fondamentalement des outils statistiques. L'objectif de ce chapitre est de montrer comment,
à partir des notions fondamentales, il est possible d'aboutir à une véritable méthodologie de
mise en oeuvre, notamment dans le cadre de la modélisation des processus. Nous montrons
en particulier que, contrairement à une croyance répandue, les réseaux de neurones ne sont
pas nécessairement des boîtes noires. Bien au contraire, il est parfaitement possible, et
même vivement recommandé, d'introduire dans le réseau de neurones, dès sa conception,
toutes les connaissances mathématiques disponibles concernant le processus à modéliser
ou à commander.
En fin de chapitre, nous nous intéressons à l’étude de la robustesse du découplage et
de la commande vectorielle indirecte vis-à-vis des variations paramétriques de la machine on
remplaçons le régulateur PI moins robuste face aux ces variations par un régulateur
neuronal plus robuste basé sur la structure des réseaux de neurones multicouches MLP
(Multi Layered Perceptron) on utilisons un algorithme de rétropropagation (Backpropagtion)
appelé algorithme de Levenberg-Marquardt pour faire l’apprentissage.
Des simulations sont réalisées pour comparer ce régulateur avec un régulateur PI en
termes de poursuite de trajectoire ainsi la robustesse vis à vis des variations de paramètres.
IV.3. Domaines d'application des réseaux de neurones artificiels

Aujourd’hui, les réseaux de neurones artificiels ont de nombreuses applications dans
des secteurs très variés :
• Traitement d’images : reconnaissance de caractères et de signatures, compression
d’images, reconnaissance de forme, cryptage, classification, etc.
• Traitement du signal : filtrage, classification, identification de source, traitement de la
parole…
• Contrôle : commande de processus, diagnostic, contrôle qualité, asservissement des
robots, systèmes de guidage automatique des automobiles et des avions…
• Défense : guidage des missiles, suivi de cible, reconnaissance du visage, radar,

sonar, lidar, compression de données, suppression du bruit…
ICEPS 2009 114

• Optimisation : planification, allocation de ressource, gestion et finances, etc.

• Simulation : simulation du vol, simulation de boîte noire, prévision météorologique,
recopie de modèle…
IV.4. Définition des réseaux de neurones

Un réseau de neurones est un assemblage de constituants élémentaires
interconnectés (appelés «neurones» en hommage à leur modèle biologique), qui réalisent
chacun un traitement simple mais dont l'ensemble en interaction fait émerger des propriétés
globales complexes. Chaque neurone fonctionne indépendamment des autres de telle sorte
que l'ensemble forme un système massivement parallèle. L'information est stockée de
manière distribuée dans le réseau sous forme de coefficients synaptiques ou de fonctions
d'activation, il n'y a donc pas de zone de mémoire et de zone de calcul, l'une et l'autre sont
intimement liés.
Un réseau de neurone ne se programme pas, il est entraîné grâce à un mécanisme
d'apprentissage. Les tâches particulièrement adaptées au traitement par réseau de neurones
sont: l’association, la classification, la discrimination, la prévision ou l'estimation, et la
commande de processus complexes.
Les réseaux de neurones artificiels consistent en des modèles plus ou moins inspirés
du fonctionnement cérébral de l’être humain en se basant principalement sur le concept de
neurone.
IV.4.1. Introduction aux réseaux de neurones biologiques

Le cerveau humain contient environ 100 milliards de neurones. Ces neurones vous
permettent, entre autre, de lire ce texte tout en maintenant une respiration régulière
permettant d’oxygéner votre sang, en actionnant votre coeur qui assure une circulation
efficace de ce sang pour nourrir vos cellules, etc.
Chacun de ces neurones est par ailleurs fort complexe. Essentiellement, il s’agit de
tissu vivant et de chimie. Les spécialistes des neurones biologiques (neurophysiologistes)
commencent à peine à comprendre quelques uns de leurs mécanismes internes. On croit en
général que leurs différentes fonctions neuronales, y compris celle de la mémoire, sont
stockées au niveau des connexions (synapses) entre les neurones. C’est ce genre de
théorie qui a inspiré la plupart des architectures de réseaux de neurones artificiels que nous
aborderons dans ce chapitre. L’apprentissage consiste alors soit à établir de nouvelles
connexions, soit à en modifier des existantes.
Un neurone est une cellule particulière comme la montre la figure IV.1. Elle possède
des extensions par lesquelles elle peut distribuer des signaux (axones) ou en recevoir
(dendrites).
ICEPS 2009 115

Dans le cerveau, les neurones sont reliés entre eux par l'intermédiaire des axones et
des dendrites. En première approche. On peut considérer que ces sortes de filaments sont
conductrices d'électricité et peuvent ainsi véhiculer des messages depuis un neurone vers
un autre. Les dendrites représentent les entrées du neurone et son axone sa sortie.
NEURONE
Dendrite
Corps cellulaire
Noyau
Gain de myéline
Axone
Nœud de
Synapse Ranvier
Figure IV.1: Modèle d'un neurone biologique.
Un neurone émet un signal en fonction des signaux qui lui proviennent des autres
neurones. On observe en fait au niveau d'un neurone, une intégration des signaux reçus au
cours du temps, c'est à dire une sorte de sommations des signaux. En général, quand la
somme dépasse un certain seuil, le neurone émet à son tour un signal électrique.
La notion de synapse explique la transmission des signaux entre un axone et une

dendrite. Au niveau de la jonction (c'est à dire de la synapse), il existe un espace vide à
travers lequel le signal électrique ne peut pas se propager. La transmission se fait alors par
l'intermédiaire de substances chimiques, les neuromédiateurs. Quand un signal arrive au
niveau de la synapse, il provoque l'émission de neuromédiateurs qui vont se fixer sur des
récepteurs de l'autre côté de l'espace inter-synaptique.
Quand suffisamment de molécules se sont fixées, un signal électrique est émis de

l'autre côté et on a donc une transmission. En fait, suivant le type de la synapse, l'activité
d'un neurone peut renforcer ou diminuer l'activité de ces voisins. On parle ainsi de synapse
excitatrice ou inhibitrice (Figure IV.2).
ICEPS 2009 116

Vésicule
Neuromédiateur
Libération
Recapture
Récepteur
membranaire
Figure IV.2: Transmission de l'information entre les neurones biologiques.
IV.4.2. Les neurones formels

Un "neurone formel" (ou simplement "neurone") est une fonction algébrique non
linéaire et bornée, dont la valeur dépend des paramètres appelés coefficients ou poids. Les
variables de cette fonction sont habituellement appelées "entrées" du neurone, et la valeur
de la fonction est appelée sa "sortie" [32].
Un neurone est donc avant tout un opérateur mathématique, dont on peut calculer la
valeur numérique par quelques lignes de logiciel. On a pris l'habitude de représenter
graphiquement un neurone comme indiqué sur la figure IV.3.
Des observations de neurone biologique, découle le modèle du neurone formel
proposé par W. McCulloch et W. Pitts en 1943 :
Entrées Noyau du neurone
x1 Intégration des entrées

w11
x2 w21
w31 s y
x3
.
. Σ f
.
.
.
. w01 b
wn1 Fonction d'activation
xn
Biais
±1
Figure IV.3: Modèle d'un neurone artificiel.
ICEPS 2009 117

• Les xi représentent les vecteurs d’entrées, elles proviennent soit des sorties d’autres
neurones, soit de stimuli sensoriels (capteur visuel, sonore…)

• Les wij sont les poids synaptiques du neurone j . Ils correspondent à l’efficacité
synaptique dans les neurone biologiques ( wij > 0 : synapse excitatrice; wij < 0 :
synapse inhibitrice). Ces poids pondèrent les entrées et peuvent être modifiés par
apprentissage.
• Biais : entrée prend souvent les valeurs -1 ou +1 qui permet d’ajouter de la flexibilité
au réseau en permettant de varier le seuil de déclenchement du neurone par
l’ajustement des poids et du biais lors de l’apprentissage.
• Noyau : intègre toutes les entrées et le biais et calcul la sortie du neurone selon une
fonction d’activation qui est souvent non linéaire pour donner une plus grande
flexibilité d’apprentissage.
IV.5. Modélisation d’un neurone formel

La modélisation consiste à mettre en oeuvre un système de réseau neuronaux sous un
aspect non pas biologique mais artificiel, cela suppose que d’après le principe biologique on
aura une correspondance pour chaque élément composant le neurone biologique, donc une
modélisation pour chacun d’entre eux. On pourra résumer cette modélisation par le tableau
IV.1, qui nous permettra de voir clairement la transition entre le neurone biologique et le
neurone formel.
Neurone biologique Neurone formel

Synapses Poids des connexions
Axones Signal de sortie
Dendrites Signal d'entrée
Noyau ou Somma Fonction d'activation
Tableau IV.1: Analogie entre le neurone biologique et le neurone formel.
Le modèle mathématique d’un neurone artificiel est illustré à la figure IV.3. Un neurone
est essentiellement constitué d’un intégrateur qui effectue la somme pondérée de ses
entrées. Le résultat s de cette somme est ensuite transformé par une fonction de transfert
f qui produit la sortie y du neurone. En suivant les notations présentées à la section
précédente, les n entrées du neurones correspondent au vecteur x = [x1 , x2 , x3 ...xn ] , alors

T
que w = [w11 , w21 , w31 ,...wn 1 ]

T
représente le vecteur des poids du neurone. La sortie s de
l’intégrateur est donnée par l’équation suivante :
ICEPS 2009 118

n
s = ∑ wi 1 xi ± b (IV.1)
i =1
= w11 x1 + w21 x2 + w31 x3 + ... + wn1 xn ± b

Que l’on peut aussi écrire sous forme matricielle :
s = wT x ± b (IV.2)
Cette sortie correspond à une somme pondérée des poids et des entrées plus ce qu’on
nomme le biais b du neurone. Le résultat s de la somme pondérée s’appelle le niveau
d’activation du neurone. Le biais b s’appelle aussi le seuil d’activation du neurone. Lorsque
le niveau d’activation atteint ou dépasse le seuil b , alors l’argument de f devient positif (ou
nul). Sinon, il est négatif [31].
On peut faire un parallèle entre ce modèle mathématique et certaines informations que
l’on connaît (ou que l’on croit connaître) à propos du neurone biologique. Ce dernier possède
trois principales composantes : les dendrites, le corps cellulaire et l’axone (voir figure IV.1).
Les dendrites forment un maillage de récepteurs nerveux qui permettent d’acheminer vers le
corps du neurone des signaux électriques en provenance d’autres neurones. Celui-ci agit
comme une espèce d’intégrateur en accumulant des charges électriques. Lorsque le
neurone devient suffisamment excité (lorsque la charge accumulée dépasse un certain
seuil), par un processus électrochimique, il engendre un potentiel électrique qui se propage à
travers son axone pour éventuellement venir exciter d’autres neurones. Le point de contact
entre l’axone d’un neurone et la dendrite d’un autre neurone s’appelle la synapse. Il semble
que c’est l’arrangement spatial des neurones et de leur axone, ainsi que la qualité des
connexions synaptiques individuelles qui détermine la fonction précise d’un réseau de
neurones biologique. C’est en se basant sur ces connaissances que le modèle
mathématique décrit ci-dessus a été défini.
Un poids d’un neurone artificiel représente donc l’efficacité d’une connexion
synaptique. Un poids négatif vient inhiber une entrée, alors qu’un poids positif vient
l’accentuer. Il importe de retenir que ceci est une grossière approximation d’une véritable
synapse qui résulte en fait d’un processus chimique très complexe et dépendant de
nombreux facteurs extérieurs encore mal connus. Il faut bien comprendre que notre neurone
artificiel est un modèle pragmatique qui, comme nous le verrons plus loin, nous permettra
d’accomplir des tâches intéressantes. La vraisemblance biologique de ce modèle ne nous
importe peu. Ce qui compte est le résultat que ce modèle nous permettrons d’atteindre.
Un autre facteur limitatif dans le modèle que nous nous sommes donnés concerne son
caractère discret. En effet, pour pouvoir simuler un réseau de neurones, nous allons rendre
le temps discret dans nos équations. Autrement dit, nous allons supposer que tous les
ICEPS 2009 119

neurones sont synchrones, c’est à dire qu’a chaque temps t, ils vont simultanément calculer
leur somme pondérée et produire une sortie:
y (t ) = f (s (t ) ) (IV.3)
Dans les réseaux biologiques, tous les neurones sont en fait asynchrones.
Revenons donc à notre modèle tel que formulé par l’équation (IV.2) et ajoutons la
fonction d’activation f pour obtenir la sortie du neurone :
y = f ( s ) = f ( wT x ± b ) (IV.4)
En remplaçant wT par une matrice W = wT d’une seule ligne, on obtient une forme
générale que nous adopterons tout au long de ce chapitre :
y = f (Wx ± b) (IV.5)
L’équation (IV.5) nous amène à introduire un schéma de notre modèle plus compact
que celui de la figure IV.3. La figure IV.4 illustre celui-ci. On y représente les n entrées
comme un rectangle noir. De ce rectangle sort le vecteur x dont la dimension matricielle est
n × 1 . Ce vecteur est multiplié par une matrice W qui contient les poids (synaptiques) du
neurone. Dans le cas d’un neurone simple, cette matrice possède la dimension 1× n . Le
résultat de la multiplication correspond au niveau d’activation qui est ensuite comparé au
seuil b (un scalaire) par soustraction. Finalement, la sortie du neurone est calculée par la
fonction d’activation f . La sortie d’un neurone est toujours un scalaire [31].
Entrées Modèle du neurone
x
W
n ×1
1× n s y
f
+ 1× 1 1× 1
−1 b
1× 1 1
n
y = f (Wx − b )
Figure IV.4: Représentation matricielle du modèle d’un neurone artificiel.
IV.6. Fonctions d'activations
Jusqu’à présent, nous n’avons pas spécifié la nature de la fonction d’activation de notre
modèle. Il se trouve que plusieurs possibilités existent. Différentes fonctions de transfert
pouvant être utilisées comme fonction d’activation du neurone sont énumérées au tableau
ICEPS 2009 120

IV.2. Les fonctions d'activations les plus utilisées sont les fonctions «seuil» (en anglais «hard
limit»), «linéaire» et «sigmoïde». Comme son nom l’indique, la fonction seuil applique un
seuil sur son entrée. Plus précisément, une entrée négative ne passe pas le seuil, la fonction
retourne alors la valeur 0 (on peut interpréter ce 0 comme signifiant faux), alors qu’une
entrée positive ou nulle dépasse le seuil, et la fonction retourne à 1 (vrai). Utilisée dans le
contexte d’un neurone, cette fonction est illustrée à la figure IV.5.a. On remarque alors que le
biais b dans l’expression de y = hard lim( wT x − b ) (équation IV.4) détermine
l’emplacement du seuil sur l’axe wT x , où la fonction passe de 0 à 1. Nous verrons plus loin
que cette fonction permet de prendre des décisions binaires.
Nom de la fonction Relation entrée/sortie Icône Nom MATALB
y =0 si s <0
Seuil hardlim
y =1 si s ≥0
y = −1 si s<0
Seuil symétrique hardlims
y =1 si s ≥0
Linéaire y=s purelin
y =0 si s ≤0
Linéaire saturée y=s si 0 ≤ s ≤ 1 satlin
y = 1 si s ≥1
y = −1 si s < −1
Linéaire saturée symétrique y=s si −1≤ s ≤ 1 satlins
y = 1 si s >1
y =0 si s ≤0
Linéaire positive poslin
y=s si s≥0
1
Sigmoïde y= logsig
1 + exp − s
es − e−s
Tangente hyperbolique y= tansig
e s + e −s
y = 1 si s max imum
Compétitive
y =0 autrement C compet
Tableau IV.2: Différentes fonctions d'activations utilisées dans les RNA.
ICEPS 2009 121

La fonction linéaire est très simple, elle affecte directement son entrée à sa sortie :
y=s (IV.6)
Appliquée dans le contexte d’un neurone, cette fonction est illustrée à la figure IV.5.b.
Dans ce cas, la sortie du neurone correspond à son niveau d’activation dont le passage
à zéro se produit lorsque wT x = b .
La fonction de transfert sigmoïde est quant à elle illustrée à la figure IV.5.c. Son
équation est donnée par :
1
y= (IV.7)
1 + exp −s
Elle ressemble soit à la fonction seuil, soit à la fonction linéaire, selon que l’on est loin
ou près de b , respectivement. La fonction seuil est très non linéaire car il y a une
discontinuité lorsque wT x = b . De son côté, la fonction linéaire est tout à fait linéaire. Elle ne
comporte aucun changement de pente. La sigmoïde est un compromis intéressant entre les
deux précédentes. Notons finalement, que la fonction «tangente hyperbolique (tanh)» est
une version symétrique de la sigmoïde.
y y y
+1 +b +1
0 0 0
b wT x b wT x b wT x
-b
-1 -1
(a) (b) (c)
Figure IV.5: Fonctions d'activations: (a) du neurone «seuil» ; (b) du neurone «linéaire», et
(c) du neurone «sigmoïde».
IV.7. Architecture des réseaux de neurones

L’architecture d’un réseau de neurones est l’organisation des neurones entre eux au
sein d’un même réseau. Autrement dit, il s’agit de la façon dont ils ordonnés et connectés.
La majorité des réseaux de neurones utilise le même type de neurones. Quelques
architectures plus rares se basent sur des neurones dédiés. L’architecture d’un réseau de
neurones dépend de la tâche à apprendre.
Un réseau de neurone est en général composé de plusieurs couches de neurones, des
entrées jusqu’aux sorties.
ICEPS 2009 122

On distingue deux grands types d'architectures de réseaux de neurones : les réseaux

de neurones non bouclés et les réseaux de neurones bouclés.
IV.7.1. Les réseaux de neurones non bouclés

Un réseau de neurones non bouclé réalise une (ou plusieurs) fonctions algébriques de
ses entrées, par composition des fonctions réalisées par chacun de ses neurones. Un
réseau de neurones non bouclé est représenté graphiquement par un ensemble de
neurones "connectés" entre eux, l’information circulant des entrées vers les sorties sans
"retour en arrière"; si l’on représente le réseau comme un graphe dont les noeuds sont les
neurones et les arêtes les "connexions" entre ceux-ci, le graphe d’un réseau non bouclé est
acyclique. Le terme de "connexions" est une métaphore : dans la très grande majorité des
applications, les réseaux de neurones sont des formules algébriques dont les valeurs
numériques sont calculées par des programmes d’ordinateurs, non des objets physiques
(circuits électroniques spécialisés) ; néanmoins, le terme de connexion, issu des origines
biologiques des réseaux de neurones, est passé dans l’usage, car il est commode quoique
trompeur. Il a même donné naissance au terme de connexionnisme.
IV.7.1.1. Réseaux de neurones monocouches

La structure d’un réseau monocouche est telle que des neurones organisés en entrée
soient entièrement connectés à d’autres neurones organisés en sortie par une couche
modifiable de poids (Figure IV.6).
x1
y1
x2
y2
x3
x4
Couche Couche
d’entrée de sortie
Figure IV.6: Schéma d'un réseau de neurones monocouche.
ICEPS 2009 123

IV.7.1.2. Réseaux de neurones multicouches

Les neurones sont arrangés par couche. Il n'y a pas de connexion entre neurones
d'une même couche, et les connexions ne se font qu'avec les neurones de couches avales.
Habituellement, chaque neurone d'une couche est connecté à tous les neurones de la
couche suivante et celle-ci seulement. Ceci nous permet d'introduire la notion de sens de
parcours de l'information (de l'activation) au sein d'un réseau et donc définir les concepts de
neurone d'entrée, neurone de sortie. Par extension, on appelle couche d'entrée l'ensemble
des neurones d'entrée, couche de sortie l'ensemble des neurones de sortie. Les couches
intermédiaires n'ayant aucun contact avec l'extérieur sont appelées couches cachées.
La figure IV.7 représente un réseau de neurones non bouclé qui a une structure
particulière, très fréquemment utilisée : il comprend des entrées, deux couches de neurones
cachés et des neurones de sortie. Les neurones de la couche cachée ne sont pas connectés
entre eux. Cette structure est appelée Perceptron multicouches.
On note aussi que Les réseaux multicouches sont beaucoup plus puissants que les
réseaux simples à une seule couche. En utilisant deux couches (une couche cachée et une
couche de sortie), à condition d’employer une fonction d’activation sigmoïde sur la couche
cachée, on peut entraîner un réseau à produire une approximation de la plupart des
fonctions, avec une précision arbitraire (cela peut cependant requérir un grand nombre de
neurones sur la couche cachée). Sauf dans des rares cas, les réseaux de neurones
artificiels exploitent deux ou trois couches [31].
y1
x1
y2
x2
Couche Couche Couche Couche

d’entrée cachée 1 cachée 2 de sortie
Figure IV.7: Schéma d'un réseau de neurones non bouclé (Perceptron

multicouches).
ICEPS 2009 124

IV.7.1.3. Réseaux de neurones à connexions locales

Il s'agit d'une structure multicouche, mais qui à l'image de la rétine conserve une
certaine topologie. Chaque neurone entretient des relations avec un nombre réduit et
localisé de neurones de la couche avale. Les connexions sont donc moins nombreuses que
dans le cas d'un réseau multicouche classique (Figure IV.8).
x1
y1
x2
y2
x3
x4
Figure IV.8: Schéma d'un réseau de neurones à connexions locales.
Les réseaux de neurones non bouclés sont des objets statiques : si les entrées sont
indépendantes du temps, les sorties le sont également. Ils sont utilisés principalement pour
effectuer des tâches d'approximation de fonction non linéaire, de classification ou de
modélisation de processus statiques non linéaire [32].
IV.7.2. Les réseaux de neurones bouclés

Contrairement aux réseaux de neurones non bouclés dont le graphe de connexions est
acyclique, les réseaux de neurones bouclés peuvent avoir une topologie de connexions
quelconque, comprenant notamment des boucles qui ramènent aux entrées la valeur d'une
ou plusieurs sorties. Pour qu'un tel système soit causal, il faut évidemment qu'à toute boucle
soit associé un retard : un réseau de neurones bouclé est donc un système dynamique, régi
par des équations différentielles ; comme l'immense majorité des applications sont réalisées
par des programmes d'ordinateurs, on se place dans le cadre des systèmes à temps discret,
où les équations différentielles sont remplacées par des équations aux différences.
Il s’agit donc de réseaux de neurones avec retour en arrière (feedback network or
recurrent network), (Figure IV.9).
ICEPS 2009 125

y1
x2
y2
x2
Figure IV.9: Schéma de réseau de neurones bouclé.
Un réseau de neurones bouclé à temps discret est donc régi par une (ou plusieurs)
équations aux différences non linéaires, résultant de la composition des fonctions réalisées
par chacun des neurones et des retards associés à chacune des connexions.
La forme la plus générale des équations régissant un réseau de neurones bouclé est
appelée forme canonique ;
x( k + 1 ) = ϕ [x( k ),u( k )] (IV.8)
y( k ) = ψ [x( k ),u( k )] (IV.9)
Où ϕ et ψ sont des fonctions non linéaires réalisées par un réseau de neurones non
bouclé (mais pas obligatoirement, un perceptron multicouche), et où k désigne le temps

(discret). La forme canonique est représentée sur la figure IV.10. Tout réseau de neurones,
aussi compliqué soit-il, peut être mis sous cette forme canonique, de manière complètement
automatique [37].
Sortie à Variable d’état

l’instant k à l’instant k+1
y( k ) x( k + 1 )
Réseau de neurones
satatique q −1 q −1
Retards
ψ ,ϕ
unitaires
u( k ) x( k )
Entrées externes Variable d’état

l’instant k à l’instant k
Figure IV.10: Forme canonique d'un réseau de neurones bouclé.
ICEPS 2009 126

Les réseaux de neurones bouclés sont utilisés pour effectuer des tâches de
modélisation de systèmes dynamiques, de commande de processus, ou de filtrage.
IV.8. Modèles des réseaux de neurones
IV.8.1. Modèle de HOPFIELD

Le modèle de Hopfield fut présenté en 1982. Ce modèle très simple est basé sur le
principe des mémoires associatives.
C’est d’ailleurs la raison pour laquelle ce type de réseau est dit associatif (par analogie
avec le pointeur qui permet de récupérer le contenu d’une case mémoire).
Le modèle de Hopfield utilise l’architecture des réseaux entièrement connectés et
récurrents (dont les connexions sont non orientées et ou chaque neurone n’agit pas sur lui-
même). Les sorties sont en fonction des entrées et du dernier état pris par le réseau.
IV.8.2. Modèle de KOHONEN
Ce modèle a été présenté par T. Kohonen en 1982 en se basant sur des constatations
biologiques. Il a pour objectif de présenter des données complexes et appartenant
généralement à un espace discret de grandes dimensions dont la topologie est limitée à une
ou deux dimensions. Les cartes de Kohonen sont réalisées à partir d’un réseau à deux
couches, une en entrée et une en sortie.
Notons que les neurones de la couche d’entrée sont entièrement connectés à la
couche de sortie (Figure IV.11).
x1 y1
x2 y2
. . . .
. . . .
. . . .
xn yn
Figure IV.11: Le modèle de Kohonen.
Les neurones de la couche de sortie sont placés dans un espace d’une ou de deux
dimensions en général, chaque neurone possède donc des voisins dans cet espace. Et
qu’enfin, chaque neurone de la couche de sortie possède des connexions latérales
récurrentes dans sa couche (le neurone inhibe, les neurones éloignés et laisse agir les
neurones voisins).
ICEPS 2009 127

IV.8.3. Le modèle de PERCEPTRON

Le mécanisme perceptron fut inventé par le psychologue F. Rosenblat à la fin des
années 50. Il représentait sa tentative d’illustrer certaines propriétés fondamentales des
systèmes intelligents en général.
Le réseau dans ce modèle est formé de trois couches : Une couche d’entrée,
fournissant des donnés à une couche intermédiaire, chargée des calculs, cela en fournissant
la somme des impulsions qui lui viennent des cellules auxquelles elle est connectée, et elle
répond généralement suivant une loi définie avec un seuil, elle-même connectée à la couche
de sortie (couche de décision), représentant les exemples à mémoriser. Seule cette dernière
couche renvoie des signaux à la couche intermédiaire, jusqu’à ce que leurs connexions se
stabilisent (voire figure IV.7).
IV.8.4. Le modèle ADALINE

L ’ADALINE de Widrow et Hoff est un réseau à trois couches : une d’entrée, une
couche cachée et une couche de sortie. Ce modèle est similaire au modèle de perceptron,
seule la fonction de transfert change, mais reste toujours linéaire (voir figure IV.5.b).
Les modèles des neurones utilisés dans le perceptron et l’ADALINE sont des modèles
linéaires. Séparation linéaire : on dit que deux classes A et B, sont linéairement séparables
si on arrive à les séparer par une droite coupant le plan en deux (Figure IV.12).
Le problème est résolu avec les réseaux multicouches, car il peut résoudre toute sorte
de problèmes qu’ils soient linéairement séparables ou non.
Ligne de séparation
: Classe A
: Classe B
Figure IV.12: La séparation linéaire entre la classe A et B.
IV.9. L'apprentissage
Parmi les propriétés désirables pour un réseau de neurones, la plus fondamentale est
sûrement la capacité d’apprendre de son environnement, d’améliorer sa performance à
travers un processus d’apprentissage. Mais qu’est-ce donc que l’apprentissage ?
ICEPS 2009 128

Malheureusement, il n’existe pas de définition générale, universellement acceptée, car

ce concept touche à trop de notions distinctes qui dépendent du point de vue que l’on
adopte. Dans le contexte des réseaux de neurones artificiels, nous adopterons un point de
vue pragmatique en proposant la définition suivante :
" L’apprentissage est un processus dynamique et itératif permettant de modifier les

paramètres d’un réseau en réaction avec les stimuli qu’il reçoit de son environnement. Le
type d’apprentissage est déterminé par la manière dont les changements de paramètre
surviennent ".
Cette définition implique qu’un réseau se doit d’être stimulé par un environnement, qu’il
subisse des changements en réaction avec cette stimulation, et que ceux-ci provoquent dans
le futur une réponse nouvelle vis-à-vis de l’environnement. Ainsi, le réseau peut s'améliorer
avec le temps.
IV.9.1. Stratégies d’apprentissage [33]

L’apprentissage au sein des différentes architectures dépend de l’architecture du
réseau et de l’environnement du problème.
Les deux règles d’apprentissage pour mettre corriger les poids d’un neurone (règle de
Hebb et de Widrow) ne concernent qu’un neurone seul.
Ces règles peuvent servir pour mettre à jour les poids d’un neurone, de certains
réseaux de neurones, mais ne peuvent être généralisées et s’appliquer à n’importe quelle
architecture.
Chaque architecture possède ses spécificités et nécessite une règle d’adaptation des
poids qui lui est propre.
L’apprentissage n’est pas modélisable dans le cadre de la logique déductive : celle-ci

en effet procède à partir de connaissances déjà établies dont on tire des connaissances
dérivées. Or il s’agit ici de la démarche inverse : par observations limitées tirer des
généralisations plausibles.
La notion d’apprentissage recouvre deux réalités (Figure IV.13) :

• La mémorisation : le fait d’assimiler sous une forme dense des exemples
éventuellement nombreux,
• La généralisation : le fait d’être capable, grâce aux exemples appris, de traiter des
exemples distincts, encore non rencontrés, mais similaires.
ICEPS 2009 129

Généralisation
Mémorisation
Figure IV.13: Principe de l'apprentissage.
Le concept de la mémorisation et celui de la généralisation sont partiellement en

opposition. Si on privilégie l’un, on élaborera un système qui ne traitera pas forcément de
façon très efficace l’autre.
Dans le cas des systèmes d’apprentissage statistique, utilisés pour optimiser les
modèles statistiques classiques, réseaux de neurones et automates markoviens, c’est la
généralisation qui est préférée. Il faut trouver un compromis en choisissant un coefficient
d’apprentissage satisfaisant (par essai-erreur).
IV.9.1.1. Données et processus [33]

Analyser un processus, c’est à dire comprendre son fonctionnement, caractériser ses
états, savoir ce qui est significatif, quelle est sa structure, requiert l’observation d’un certain
nombre (parfois grand) de variables issues de ce processus et liées à son fonctionnement et
son environnement (Figure IV.14).
Bruit Variables observées dk

nk
s
dimensions
n dimensions N échantillons
Figure IV.14: Principe de fonctionnement et d'analyse des processus.
Si les données ne sont pas représentatives du processus, on ne pourra l’apprendre

que partiellement. Le choix des données est crucial pour un bon apprentissage. Il faut bien
choisir par exemple: Le type des données, leur nature, leur pertinence/importance, la
quantité, l’ordre dans lequel elles sont prises en compte.
ICEPS 2009 130

IV.9.1.2. Apprentissage en ligne et l’apprentissage hors ligne "batch"

L'apprentissage est un moyen flexible et efficace d'extraire une structure stochastique
d'un environnement. Deux types différents d'apprentissage sont utilisés, à savoir
l'apprentissage hors ligne ou en paquet et l'apprentissage en ligne.
• La procédure d'apprentissage en paquet utilise tous les exemples d'entraînement de
façon répétée de sorte que sa performance est comparable a celle d'une procédure
d'estimation statistique.
• L'apprentissage en ligne est plus dynamique, en mettant à jour l'estimation courante
par l'observation des nouvelles données une par une. C’est une procédure itérative.
L'apprentissage en ligne est en général lent mais est recommandé dans des
environnements changeants.
Il est possible de combiner les deux, dans l’ordre :

1. On récupère une série d’observation à partir du processus à modéliser (en
quantité et pertinence suffisante).
2. On effectue un "préapprentissage" : les données récoltées servent à faire
converger les poids vers des valeurs proches de la solution finale.
3. On utilise le réseau de neurones tout en utilisant un apprentissage en ligne
pour affiner la valeur des poids et pourvoir tenir compte de toutes variations
éventuelles (dérives, perturbations, changements de mode de
fonctionnement, etc.)
On peut faire une comparaison entre les deux types d'apprentissages, les résultats
obtenus sont classés dans le tableau IV.3.
Apprentissage hors ligne Apprentissage en ligne
• requiert souvent de charger en • prend en compte les observations

mémoire l’ensemble des poids et itérativement, au fur et à mesure
des données d’apprentissage et demande de ce fait moins de
(entrées et éventuellement sorties mémoire, moins de calculs,
désirées correspondantes),
• ne peut satisfaire une contrainte • est compatible au temps réel,
de temps réel,
• autorise de réinitialiser sans • "subit" l’ordre dans lequel les
risque l’apprentissage. observations sont accessibles.
Tableau IV.3: Comparaison entre l'apprentissage hors ligne et l'apprentissage en ligne.
ICEPS 2009 131

IV.9.1.3. Apprentissage global et apprentissage local

• L’apprentissage global est le processus qui met à jour l’intégralité des poids d’un
réseau. Dans ce cas, tous les poids sont modifiés à chaque itération.
• L’apprentissage local vise à ne mettre à jour que certains poids à chaque itération.
Plusieurs techniques existent : à travers le concept de voisinage, à travers des règles
spécifiques d’apprentissage, etc.
IV.9.2. Algorithmes d'apprentissages

Dans la plupart des architectures que nous étudierons, l’apprentissage se traduit par
une modification de l’efficacité synaptique, c’est à dire par un changement dans la valeur des
poids qui relient les neurones d’une couche à l’autre. Soit le poids wij reliant le neurone i à
son entrée j . Au temps t , un changement ∆wij ( t ) de poids peut s’exprimer simplement de
la façon suivante :
∆wij ( t ) = wij ( t + 1 ) − wij ( t ) (IV.10)
Et, par conséquent, wij ( t + 1 ) = wij ( t ) + ∆wij ( t ) , avec wij ( t + 1 ) et wij ( t ) représentant
respectivement les nouvelle et ancienne valeurs du poids wij .
Un ensemble de règles bien définies permettant de réaliser un tel processus

d’adaptation des poids constitue ce qu’on appelle l’algorithme d’apprentissage du réseau.
Dans la suite de ce chapitre, nous allons passer en revue différents algorithmes
d'apprentissages ainsi que différents principes pouvant guider l’apprentissage d’un réseau
de neurone.
IV.9.2.1. Apprentissage par correction d’erreur

La première règle que l’on peut utiliser est fondée sur la correction de l’erreur observée
en sortie. Soit yi ( t ) la sortie que l’on obtient pour le neurone i au temps t . Cette sortie
résulte d’un stimulus x( t ) que l’on applique aux entrées du réseau dont un des neurones
correspond au neurone i . Soit d i ( t ) la sortie que l’on désire obtenir pour ce même neurone
i au temps t . Alors, yi ( t ) et d i ( t ) seront généralement différents et il est naturel de calculer
l’erreur ei ( t ) entre ce qu’on obtient et ce qu’on voudrait obtenir :
ei ( t ) = d i ( t ) − yi ( t ) (IV.11)
Et de chercher un moyen de réduire autant que possible cette erreur. Sous forme vectorielle,
on obtient :
e (t ) = d (t )− y (t ) (IV.12)
ICEPS 2009 132

e( t ) = [e1( t ) e2 ( t ) ... ei ( t ) ... eS ( t )] qui désigne le vecteur des erreurs

T
Avec
observées sur les S neurones de sortie du réseau. L’apprentissage par correction des
erreurs consiste à minimiser un indice de performance F basé sur les signaux d’erreur
ei ( t ) , dans le but de faire converger les sorties du réseau avec ce qu’on voudrait qu’elles
soient. Un critère très populaire est la somme des erreurs quadratiques :
S
F (e( t )) = ∑ ei2 ( t ) = e( t )T e( t ) (IV.13)
i =1
Maintenant, il importe de remarquer que les paramètres libres d'un réseau sont ses
poids. Prenons l'ensemble de ces poids et assemblons les sous la forme d'un vecteur w( t )
au temps t . Pour minimiser F (e( t )) = F (w( t )) = F ( t ) , nous allons commencer par choisir
des poids initiaux ( t = 0 ) au hasard, puis nous allons modifier ces poids de la manière
suivante:
w(t + 1) = w(t ) + η X (t ) (IV.14)
Où le vecteur X ( t ) désigne la direction dans laquelle nous allons chercher le minimum et η

est une constante positive déterminant l’amplitude du pas dans cette direction (la vitesse
d’apprentissage). L’objectif est de faire en sorte que F ( t + 1 ) < F ( t ) . Mais comment peut-on
choisir la direction X pour que la condition précédente soit respectée ? Considérons la série
de Taylor de 1er ordre autour de w( t ) :
F ( t + 1 ) = F ( t ) + ∇F ( t )T ∆w( t ) (IV.15)
Où ∇F ( t ) désigne le gradient de F par rapport à ses paramètres libres (les poids w ) au
temps t , et ∆w( t ) = w( t + 1 ) − w( t ) . Or, pour que F ( t + 1 ) < F ( t ) il faut que la condition

suivante soit respectée :
∇F ( t )T ∆w( t ) = η∇F ( t )T X ( t ) < 0 (IV.16)
N’importe quel vecteur X ( t ) qui respecte l’inégalité de l’équation IV.16 pointe donc dans
une direction qui diminue F . On parle alors d’une direction de «descente». Pour obtenir une
descente maximum, étant donnée η > 0 , il faut que le vecteur X ( t ) pointe dans le sens
opposé au gradient car c’est dans ce cas que le produit scalaire sera minimum :
X ( t ) = −∇F ( t ) (IV.17)
Ce qui engendre la règle dite de «descente du gradient» :
∆w( t ) = −η∇F ( t ) (IV.18)
ICEPS 2009 133

Illustrée à la figure IV.15. Dans l’espace des poids, cette figure montre les courbes de
niveau de F représentées par des ellipses hypothétiques. La flèche en pointillés montre la
direction optimale pour atteindre le minimum de F . La flèche pleine montre la direction du
gradient qui est perpendiculaire à la courbe de niveau en w( t ) .
Figure IV.15: Trajectoire de la descente du gradient.
La règle de la correction des erreurs est utilisée pour beaucoup de réseaux de

neurones artificiels, bien qu’elle ne soit pas plausible biologiquement. En effet, comment le
cerveau pourrait-il connaître a priori les sorties qu’il doit produire ? Cette règle ne peut être
utilisée que dans un contexte d’apprentissage supervisé sur lequel nous reviendrons bientôt.
IV.9.2.2 Apprentissage par la règle de Hebb

Dans cette section nous abordons une règle qui s’inspire des travaux du
neurophysiologiste Donald Hebb :
«When an axon of cell A is near enough to excite a cell B and repeatedly or persistently
takes part in firing it, some growth process or metabolic changes take place in one or both
cells such that A’s efficiency as one of the cells firing B, is increased.»
Dans un contexte neurobiologique, Hebb cherchait à établir une forme d’apprentissage

associatif au niveau cellulaire. Dans le contexte des réseaux artificiels, on peut reformuler
l’énoncé de Hebb sous la forme d’une règle d’apprentissage en deux parties :
1. Si deux neurones de part et d’autre d’une synapse (connexion) sont activés

simultanément (d’une manière synchrone), alors la force de cette synapse doit être
augmentée ;
2. Si les mêmes deux neurones sont activés d’une manière asynchrone, alors la
synapse correspondante doit être affaibli ou carrément éliminé.
ICEPS 2009 134

Une telle synapse est dite «synapse Hebbien». Elle utilise un mécanisme interactif,
dépendant du temps et de l’espace, pour augmenter l’efficacité synaptique d’une manière
proportionnelle à la corrélation des activités pré- et post-synaptiques. De cette définition
ressort les propriétés suivantes :
1. Dépendance temporelle: Les modifications d’une synapse Hebbien dépendent du

moment exact des activités pré- et post-synaptique ;
2. Dépendance spatiale: Etant donné la nature même de la synapse qui constitue un
lieu de transmission d’information, l’apprentissage Hebbien se doit de posséder une
contiguïté spatiale. C’est cette propriété qui, entre autres, permet l’apprentissage dit
non-supervisé sur lequel nous reviendrons bientôt ;
3. Interaction: L’apprentissage Hebbien dépend d’une interaction entre les activités de
part et d’autre de la synapse.
4. Conjonction ou corrélation: Une interprétation de l’énoncé de Hebb est que la
condition permettant un changement dans l’efficacité synaptique est une conjonction
des activités pré et post-synaptiques. C’est la co-occurrence des activités de part et
d’autre de la synapse qui engendre une modification de celui-ci. Une interprétation
plus statistique réfère à la corrélation de ces activités. Deux activités positives
simultanées (corrélation positive) engendrent une augmentation de l’efficacité
synaptique, alors que l’absence d’une telle corrélation engendre une baisse de cette
efficacité.
Mathématiquement, on peut exprimer la règle de Hebb sous sa forme la plus simple
par la formule suivante :
∆w j ( t − 1 ) = η x j ( t ) y( t ) (IV.19)
Où η est une constante positive qui détermine la vitesse de l’apprentissage,
x j ( t ) correspond à l’activité pré- synaptique (l’entrée j du neurone) au temps t , et y (t ) à

l’activité post synaptique (sortie du neurone) à ce même temps t . Cette formule fait ressortir
explicitement la corrélation entre le signal qui entre et celui qui sort. Sous une forme
vectorielle, on écrit :
∆w( t − 1 ) = η x( t ) y( t ) (IV.20)
Un problème immédiat avec la règle de l’équation (IV.20) est que les changements de
poids ∆w j ( t ) peuvent croître de façon exponentielle si, par exemple, l’entrée et la sortie
demeurent constantes dans le temps. Pour pallier à cette croissance exponentielle qui
provoquerait invariablement une saturation du poids, on ajoute parfois un facteur d’oubli qui
retranche de la variation de poids, une fraction α du poids actuel. On obtient ainsi :
ICEPS 2009 135

∆ w j ( t − 1 ) = η x j ( t ) y( t ) − α w j ( t − 1 ) (IV.21)
Où 0 ≤ α ≤ 1 est une nouvelle constante. Sous forme vectorielle, on écrit :

∆w ( t − 1 ) = η x ( t ) y( t ) − α w ( t − 1 ) (IV.22)
La règle de Hebb avec oubli, énoncée à l’équation IV.22, contourne efficacement le

problème des poids qui croissent (ou décroissent) sans limite. Supposons que
x j ( t ) = y( t ) = 1 et que nous ayons atteint le régime permanent où ∆w j = 0 . Alors, la valeur
maximale w max
j que peut atteindre le poids w j ( t ) est donnée par :
w max
j = ( 1 − α )w max
j +η
η (IV.23)
=
α
Mais cette règle ne résout pas tous les problèmes. À cause du terme d’oubli, il est
primordial que les stimuli soient répétés régulièrement, sinon les associations apprises grâce
à la règle de l’équation IV.22 seront éventuellement perdues car complètement oubliées.
Une autre variante de la règle de Hebb s’exprime donc de la manière suivante :
∆w j ( t − 1 ) = η x j ( t ) y( t ) − α y( t )w j ( t − 1 ) (IV.24)
Et si l’on fixe α = η pour simplifier (on pose un rythme d’apprentissage égale à celui de
l’oubli), on obtient la règle dite «instar» :
[
∆w j (t − 1) = η y (t ) x j (t ) − w j (t − 1) ] (IV.25)
Que l’on peut réécrire sous sa forme vectorielle de la façon suivante :
∆w ( t − 1 ) = η y( t )[x( t ) − w( t − 1 )] (IV.26)
Une façon d’aborder cette règle, est de regarder ce qui se passe lorsque y( t ) = 1 :
w( t ) = w( t − 1 ) + η [x( t ) − w( t − 1 )]
(IV.27)
= ( 1 − η ) w( t − 1 ) + η x( t )
Alors, on constate qu’en présence d’une activité post-synaptique positive, le vecteur de

poids est déplacé dans la direction du vecteur d’entrée x( t ) , le long du segment qui relie
l’ancien vecteur de poids avec le vecteur d’entrée, tel qu’illustré à la figure IV.16. Lorsque
η = 0 , le nouveau vecteur de poids est égal à l’ancien (aucun changement). Lorsque η = 1 ,
1
le nouveau vecteur de poids est égal au vecteur d’entrée. Finalement, lorsque η = , le
2
nouveau vecteur est à mi-chemin entre l’ancien vecteur de poids et le vecteur d’entrée.
Une propriété particulièrement intéressante de la règle instar est qu’avec des entrées
normalisées, suite au processus d’apprentissage, les poids w convergeront également vers
ICEPS 2009 136

des vecteurs normalisés. Mais nous y reviendrons lorsque nous traiterons du réseau
«instar».
x( t )
w( t )
w( t − 1 )
Figure IV.16: Représentation graphique de la règle «instar»

lors d’une activité post-synaptique positive.
IV.9.2.3. Apprentissage compétitif

L’apprentissage compétitif, comme son nom l’indique, consiste à faire compétitionner
les neurones d’un réseau pour déterminer lequel sera actif à un instant donné.
Contrairement aux autres types d’apprentissage où, généralement, tous les neurones
peuvent apprendre simultanément et de la même manière, l’apprentissage compétitif produit
un «vainqueur» ainsi que, parfois, un ensemble de neurones «voisins» du vainqueur, et
seuls ce vainqueur et, potentiellement, son voisinage bénéficient d’une adaptation de leur
poids. On dit alors que l’apprentissage est local car limité à un sous-ensemble des neurones
du réseau.
Une règle d’apprentissage compétitif comporte les éléments suivants :
Un ensemble de neurones identiques (même type) sauf pour les valeurs de leurs
poids synaptiques ;
Une limite imposée à la «force» d’un neurone ;
Un mécanisme permettant aux neurones de compétitionner pour le droit de répondre
à un certain sous-ensemble des stimuli d’entrée, de manière à ce qu’un seul neurone
de sortie soit actif à la fois.
Ainsi, les neurones individuels peuvent apprendre à se spécialiser sur des sous-
ensembles de stimuli similaires pour devenir des détecteurs de caractéristiques.
Dans leur forme la plus simple, les réseaux de neurones qui utilisent l’apprentissage
compétitif sont souvent constitués d’une seule couche de neurones de sortie, totalement
connectée sur les entrées. Un neurone vainqueur modifiera ses poids synaptiques en les
rapprochant (géométriquement) d’un stimulus d’entrée x pour lequel il a battu tous les
autres neurones lors de la compétition :
ICEPS 2009 137

η ( x − w ) si le neurone est vainqueur

∆w =  (IV.28)
 0 autrement
Où 0 < η < 1 correspond à un taux d’apprentissage. Un neurone qui ne gagne pas la
compétition ne modifiera aucunement ses poids. Il ne sera donc pas affecté par le stimulus
en question. Parfois, on définit également un voisinage autour du neurone gagnant et on
applique une règle similaire sur les voisins, mais avec un taux d’apprentissage différent :
η 1 ( x − w ) si le neurone est vainqueur


∆w = η 2 ( x − w ) si le neurone est voi sin vainqueur (IV.29)
 0 autrement

Avec η 2 ≤ η 1
Comme nous le verrons plus loin dans ce chapitre, l’apprentissage compétitif est
surtout utilisé dans le contexte d’un apprentissage dit non-supervisé, c’est-à-dire lorsqu’on
ne connaît pas les valeurs désirées pour les sorties du réseau.
IV.9.2.4. Problème de l’affectation du crédit

Dans le domaine général de l’apprentissage, il existe un problème qui tourne autour de
la notion de «affectation du crédit» (Credit assignment). Essentiellement, il s’agit d’affecter le
crédit d’un résultat global, par exemple l’adéquation des sorties d’un réseau face à un certain
stimulus d’entrée, à l’ensemble des décisions internes prises par le système (le réseau) et
ayant conduit à ce résultat global. Dans le cas de l’exemple d’un réseau, les décisions
internes correspondent aux sorties des neurones situés sur les couches qui précèdent la
couche de sortie. Ces couches sont habituellement qualifiées de «couches cachées» car on
ne dispose pas, a priori, d’information sur l’adéquation de leurs sorties.
Le problème de l’affectation du crédit est donc bien présent dans l’apprentissage des
réseaux de neurones. Par exemple, si l’on adopte une règle basée sur la correction des
erreurs, comment fera-t-on pour calculer cette erreur sur les couches cachées, si l’on ne
possède pas l’information, à propos de leurs sorties désirées? De même, que fera-t-on si l’on
dispose uniquement d’une appréciation générale de performance du réseau face à chaque
stimulus, et non des sorties désirées pour chaque neurone de la couche de sortie ? Nous
apporterons certains éléments de réponse à ces questions dans les sous-sections suivantes.
IV.9.2.5. Apprentissage supervisé

L’apprentissage dit supervisé est caractérisé par la présence d’un «professeur» qui
possède une connaissance approfondie de l’environnement dans lequel évolue le réseau de
neurones. En pratique, les connaissances de ce professeur prennent la forme d’un ensemble
ICEPS 2009 138

de Q couples de vecteurs d’entrée et de sortie que nous noterons
{( x , d
1 1 ),( x2 , d 2 ),...,( xQ , dQ )}, où xi désigne un stimulus (entrée) et d i la cible pour ce
stimulus, c’est-à-dire les sorties désirées du réseau. Chaque couple ( xi ,d i ) correspond donc
à un cas d’espèce de ce que le réseau devrait produire (la cible) pour un stimulus donné.
Pour cette raison, l’apprentissage supervisé est aussi qualifié d’apprentissage par des
exemples.
x( t ) d( t )
Environnement Professeur
+
Système y( t ) _
supervisé Σ
e( t )
Figure IV.17: Schéma bloc de l’apprentissage supervisé.
L’apprentissage supervisé est illustré d’une manière conceptuelle à la figure IV.17.

L’environnement est inconnu du réseau. Celui-ci produit un stimulus x qui est acheminé à la
fois au professeur et au réseau. Grâce à ses connaissances intrinsèques, le professeur
produit une sortie désirée d ( t ) pour ce stimulus. On suppose que cette réponse est
optimale.
Elle est ensuite comparée (par soustraction) avec la sortie du réseau pour produire un
signal d’erreur e( t ) qui est réinjecté dans le réseau pour modifier son comportement via une
procédure itérative qui, éventuellement, lui permet de simuler la réponse du professeur.
Autrement dit, la connaissance de l’environnement par le professeur est graduellement
transférée vers le réseau jusqu’à l’atteinte d’un certain critère d’arrêt. Par la suite, on peut
éliminer le professeur et laisser le réseau fonctionner de façon autonome.
Le lecteur attentif aura remarqué qu’un apprentissage supervisé n’est rien d’autre qu’un
synonyme de l’apprentissage par correction des erreurs (voir section IV.10.1). Il possède
donc les mêmes limitations, à savoir que sans professeur pour fournir les valeurs cibles, il ne
peut d’aucune façon apprendre de nouvelles stratégies pour de nouvelles situations qui ne
sont pas couvertes par les exemples d’apprentissage.
ICEPS 2009 139

IV.9.2.6. Apprentissage Par renforcement

L’apprentissage par renforcement permet de contourner certaines des limitations de
l’apprentissage supervisé. Il consiste en une espèce d’apprentissage supervisé, mais avec
un indice de satisfaction scalaire au lieu d’un signal d’erreur vectoriel. Ce type
d’apprentissage est inspiré des travaux en psychologie expérimentale de Thorndike (1911) :
« Of several responses made to the same situation, those which are accompanied or closely
followed by satisfaction to the animal will, other things being equal, be more firmly connected
with the situation, so that, when it recurs, they will be more likely to recur ; those which are
accompanied or closely followed by discomfort to the animal will, other things being equal,
have their connections with that situation weakened, so that, when it recurs, they will be less
likely to occur. The greater, the satisfaction or discomfort, the greater the strengthening or
weakening of the bond. »
Même si cet énoncé ne peut expliquer à lui seul le comportement animal au niveau
biologique, sa simplicité et son pragmatisme peuvent nous permettre de composer des
règles d’apprentissage utiles.
Dans le contexte des réseaux de neurones artificiels, nous pouvons reformuler

l’énoncé de Thorndike de la façon suivante :
« Lorsqu’une action (décision) prise par le réseau engendre un indice de satisfaction
positif, alors la tendance du réseau à prendre cette action doit être renforcée. Autrement, la
tendance à prendre cette action doit être diminuée ».
En pratique, l’usage de l’apprentissage par renforcement est complexe à mettre en

oeuvre, de sorte que nous n’aborderons aucun réseau qui l’emploie. Il importe cependant de
bien comprendre la différence entre ce type d’apprentissage et l’apprentissage supervisé
L’apprentissage supervisé dispose d’un signal d’erreur qui non seulement permet de
calculer un indice de satisfaction (p.ex. l’erreur quadratique moyenne), mais permet aussi
d’estimer le gradient local qui indique une direction pour l’adaptation des poids synaptiques.
C’est cette information fournie par le professeur qui fait toute la différence. Dans
l’apprentissage par renforcement, l’absence de signal d’erreur rend le calcul de ce gradient
impossible. Pour estimer le gradient, le réseau est obligé de tenter des actions et d’observer
le résultat, pour éventuellement inférer une direction de changement pour les poids
synaptiques. Pour ce faire, il s’agit alors d’implanter un processus d’essais et d’erreurs tout
en retardant la récompense offerte par l’indice de satisfaction. Ainsi, on introduit deux étapes
distinctes : une d’exploration où l’on essaie des directions aléatoires de changement, et une
d’exploitation où l’on prend une décision. Ce processus en deux étapes peut ralentir
ICEPS 2009 140

considérablement l’apprentissage. De plus, il introduit un dilemme entre le désir d’utiliser

l’information déjà apprise à propos du mérite des différentes actions, et celui d’acquérir de
nouvelles connaissances sur les conséquences de ces décisions pour, éventuellement,
mieux les choisir dans le futur.
IV.9.2.7. Apprentissage Par la règle de perceptron

Dans le neurone du perceptron on utilise la fonction d’activation à seuil, qui permet de
classer les vecteurs d’entrée dans un hyperplan. La règle d'adaptation permet de modifier la
position de l'hyperplan séparateur dont l'équation dans l'espace d'entrée est définie par les
poids du neurone, afin de réduire l’erreur (d ( t ) − y( t )) . Ainsi, à chaque présentation d'un
couple ( x , y ) mal classé (c'est-à-dire dont la sortie proposée y( t ) par le neurone ne
correspond pas à la sortie désirée d ( t ) , on modifie le vecteur poids de manière à ramener

le point mal classé du bon côté de l'hyperplan (Figure IV.18). Si le point est bien classé, on
ne fait rien.
x1 x1
w1 x1 + w2 x2 − w0 = 0
Apprentissage
xx22 xx22
Droite séparatrice dont l'équation dans Solution qui sépare correctement

l'espace d entrée est définie par les l'espace d'entrée en deux classes.
poids synaptiques du perceptron.
Figure IV.18: Apprentissage par la règle de perceptron.
- Règle du Perceptron:
wi (t + 1) = wi (t ) + α (t )(d (t ) − y (t ) ) xi (IV.30)
Où
 x(t ) > 0 ⇒ y (t ) = 1
y (t ) = sign (s (t ) ) ⇔  (IV.31)
 x(t ) < 0 ⇒ y (t ) = −1
Et
d ( t ) ∈ [ −1,1 ]
ICEPS 2009 141

Le perceptron ne converge que si les classes sont linéairement séparables , on prend

pour exemple la fonction logique OU-Exclusif qui ne peut pas être simulée par un perceptron
[34].
- Le problème de Ou-Exclusif :
L'apprentissage ne converge pas, i.e l'erreur ne tend jamais vers zéro, les poids sont
sans cesse modifiés car le perceptron n'arrive jamais à classer correctement tous les
vecteurs d'entrées (Figure IV.19).
x2
x1 x2 x1 ⊕ x2
0 0 0
0 1 1
1 0 1
1 1 0
x1
Figure IV.19: Le Ou-Exclusif.
IV.9.2.8. Apprentissage par L'ADALINE

Soit un neurone dont la fonction de sortie est l'Identité:
y( t ) = σ (s( t )) = s( t ) (IV.32)
La sortie de neurone dépend linéairement des entrées d'où son nom .Il s'agit de
résoudre un système d'équations linéaire (car σ est l'identité pour l’ADALINE).
Exemple pour n vecteurs d'apprentissage à deux dimensions présentés lors de la phase
d'entraînement:
σ ( x1 ( 1 )w1 + x2 ( 1 )w2 − w0 ) = y( 1 ) 
σ ( x1 ( 2 )w1 + x2 ( 2 )w2 − w0 ) = y( 2 )
 (IV.33)
M 
σ ( x1 ( n )w1 + x2 ( n )w2 − w0 ) = y( n )
Faire l'apprentissage du neurone consiste donc à trouver les poids wi qui sont solutions
de ce système .On constate que ce système n'a en générale pas de solution, i.e. si le
nombre d'exemples présentés (ici n ) est supérieur à la dimension de l'espace d'entrée plus
un (pour les seuils) (ici 2+1 = 3) donc au nombre d'inconnues ( w0 , w1 et w2 ) .
ICEPS 2009 142

Comme le système n'a souvent pas de solution, on va essayer de trouver une droite
telle que la somme des écarts entre la distance d ( k ) que l'on désire associer au vecteur
d'entrée x( k ) et la distance réelle y( k ) de ce vecteur à la droite, soit minimale (Figure

IV.20).
Figure IV.20: Présentation des écarts entre d ( k ) et y( k ) .
On va chercher par une méthode itérative (méthode du gradient stochastique) à

minimiser un critère d'erreur de notre choix. Le critère des moindres carrés est très souvent
utilisé :
r
ε ( w,k ) =
1
(d ( k ) − y( k ))2 (IV.34)
2
Où d ( k ) est la sortie désirée et y( k ) la sortie réellement fournie par le neurone pour
chaque vecteur d'apprentissage, et w est le vecteur poids.
On note que lorsqu'une solution existe, elle annule cette fonction coût. On va donc
calculer le gradient de la fonction d’erreur ε.
La règle d'apprentissage s'obtient alors par:
(
w( t + 1 ) = w( t ) − α ( t ) grad ε ( w ) ) (IV.35)
Où la coordonnée i du vecteur grad est donnée par:
∂ r
ε ( w ) = −(d ( t ) − y( t ))σ ' (s( t )) xi ( t ) (IV.36)
∂wi
Soit la règle du delta pour l'apprentissage de l'ADALINE :
wi ( t + 1 ) = wi ( t ) − α ( t ) (d ( t ) − y( t )) xi ( t ) (IV.37)
Et la règle du delta généralisée pour l'apprentissage d'un ADALINE non linéaire:
wi ( t + 1 ) = wi ( t ) − α ( t ) (d ( t ) − y( t )) σ ' (s( t )) xi ( t ) (IV.38)
ICEPS 2009 143

On note que dans ce dernier cas, la fonction de sortie σ doit être dérivable (par
exemple une sigmoïde (tanh), mais pas un échelon). On peut constater que ces règles
ressemblent à la règle de Hebb mais la sortie du neurone est remplacée par l’erreur de sortie
(écart entre la sortie réelle et la sortie désirée).
L'ADALINE converge toujours vers la solution des moindres carrés, que les classes
d'entrée soient ou non linéairement séparables, mais la solution obtenue n'est pas forcément
celle qui sépare correctement les classes.
L'ADALINE non linéaire sépare toujours les classes linéairement séparables car les
éléments éloignés de la zone de séparation ont peu d'influence (zone de saturation de la
fonction d'activation).
L'information stockée par un neurone au niveau de ses poids est apprise des données.
Les poids du réseau sont modifiés pour que la sortie qu'il propose soit le plus proche
possible de la sortie désirée que les données imposent.
L'apprentissage est en fait une phase d'optimisation itérative d'une fonction de coût
dont le minimum est la solution recherchée, i.e. la configuration des poids telle que la sortie
obtenue soit le plus proche possible de la sortie désirée au sens des moindres carrés [34].
IV.9.2.9. Apprentissage non-supervisé

La dernière forme d’apprentissage que nous abordons est dite «non-supervisée» ou
encore «auto-organisée». Elle est caractérisée par l’absence complète de professeur, c’est-
à-dire qu’on ne dispose ni d’un signal d’erreur, comme dans le cas supervisé, ni d’un indice
de satisfaction, comme dans le cas par renforcement. Nous ne disposons donc que d’un
environnement qui fournit des stimuli, et d’un réseau qui doit apprendre sans intervention
externe. En assimilant les stimuli de l’environnement à une description de son état interne, la
tâche du réseau est alors de modéliser cet état le mieux possible. Pour y arriver, il importe
d’abord de définir une mesure de la qualité pour ce modèle, et de s’en servir par la suite pour
optimiser les paramètres libres du réseau, c’est-à-dire ses poids synaptiques. À la fin de
l’apprentissage, le réseau a développé une habilité à former des représentations internes
des stimuli de l’environnement permettant d’encoder les caractéristiques de ceux-ci et, par
conséquent, de créer automatiquement des classes de stimuli similaires.
L’apprentissage non-supervisé s’appuie généralement sur un processus compétitif (voir
section IV.10.3) permettant d’engendrer un modèle où les poids synaptiques des neurones
représentent des prototypes de stimuli. La qualité du modèle résultant doit s’évaluer à l’aide
d’une métrique permettant de mesurer la distance entre les stimuli et leurs prototypes. C’est
le processus de compétition qui permet de sélectionner le prototype associé à chaque
stimulus en recherchant le neurone dont le vecteur de poids synaptiques est le plus proche
(au sens de la métrique choisie) du stimulus en question.
ICEPS 2009 144

IV.10. Les réseaux multicouches et l’approximation des fonctions

IV.10.1. Le Perceptron Multicouches (MLP)
IV.10.1.1. Structure du réseau
Une seule couche de neurones ne pouvant réaliser que des séparations linéaires, l'idée
vient alors de rajouter des couches dites cachées pour réaliser un réseau de neurone
multicouche. Dans une couche, les neurones ne sont pas connectés entre eux.
Le MLP (Multi Layered Perceptron) est un exemple d'un tel réseau. On peut alors voir
la sortie d'un réseau comme une somme pondérée des sorties des neurones de la couche
précédente. Si au lieu de neurones linéaires, on utilise des neurones non linéaires (fonction
de sortie de type sigmoïde), la sortie d'un réseau est une somme pondérée de sigmoïdes, et
donc si l'on place les sigmoïdes des neurones des couches internes judicieusement (en
réglant leurs poids), on peut théoriquement approcher n'importe quelle fonction, pourvu que
l'on ait une couche cachée et suffisamment de neurones dans cette couche [34], [35].
Le problème se pose alors de régler correctement les poids d'un tel réseau, donc de
réaliser son apprentissage.
IV.10.1.2. L'algorithme de la rétropropagation du gradient d'erreur (Backpropagtion)

Pour réaliser l'apprentissage d'un réseau multicouche, on utilise la règle
d'apprentissage du delta généralisé pour chaque neurone i :
wij ( t + 1 ) = wij ( t ) + α ( t )δ j ( t ) xi (IV.39)
Où δ j ( t ) est l'erreur faite par le neurone i .

Un exemple avec un réseau à deux entrées, trois neurones dans une couche cachée,
et deux neurones dans la couche de sortie est illustré dans la figure IV.21.
Pour pouvoir modifier les poids synaptiques reliant la couche d'entrée à la couche
cachée ( w11 ; w12 ; w13 et w21 ; w22 ; w23 ) , il faut connaître les sorties désirées d 1 , d 2 et d 3 qui
permettent d'appliquer la règle du delta généralisé, i.e. connaître les erreurs: δ 1 , δ 2 et δ 3 que
font les neurones 1, 2 et 3.

L'idée consiste alors à propager les erreurs δ 4 et δ 5 vers les neurones 1, 2 et 3, au
travers des poids w14 , w24 , w25 et w35 , d'où le nom de rétropropagation du gradient d'erreur
de l'algorithme proposé indépendamment par Rumelhart, Le Cun et Hinton en 1984 [34],

c’est cet algorithme que nous avons utilisé dans notre étude pour construire les régulateurs
de la puissance active et réactive, plus précisément c’est l’algorithme de Levenberg-
Marquardt (LM) qui montre les meilleurs résultats [36], c’est pourquoi on l’utilisera dans notre
travail (Annexe D).
ICEPS 2009 145

Figure IV.21: Algorithme de rétropropagation.
Exemple de calcule
1. On calcule y1 , y 2 , y3 (on n'oublie pas le seuil w0 qui n'est jamais représenté):
 y1 = σ ( x1 w11 + x2 w21 − w01 )


 y 2 = σ ( x1 w12 + x2 w22 − w02 ) (IV.40)
y = σ( x w + x w − w )
 3 1 13 2 23 03
Puis y4 et y5
 y 4 = σ ( y1 w14 + y 2 w24 − w04 )

 (IV.41)
 y 5 = σ ( y 2 w25 + x3 w35 − w05 )
2. On calcule les erreurs de la couche de sortie:
δ 4 = ( d 4 − y4 )σ ' ( y1 w14 + y 2 w24 − w04 )

 (IV.42)
 y5 = ( d 5 − y5 )σ ' ( y 2 w25 + x3 w35 − w05 )
Et les erreurs de la couche cachée:
δ 1 = w14δ 4 σ ' ( x1 w11 + x2 w21 − w01 )


δ 2 = ( w24δ 4 + w25δ 5 )σ ' ( x1 w12 + x2 w22 − w02 ) (IV.43)
δ = w δ σ ' ( x w + x w − w )
 3 35 5 1 13 2 23 03
3. On calcule la nouvelle valeur de chaque poids entre la couche d'entrée et la couche

cachée:
ICEPS 2009 146

w11 ( t + 1 ) = w11 ( t ) + α ( t )δ 1 ( t ) x1
w ( t + 1 ) = w ( t ) + α ( t )δ ( t ) x
 21 21 1 2
w12 ( t + 1 ) = w12 ( t ) + α ( t )δ 2 ( t ) x1
 (IV.44)
w22 ( t + 1 ) = w22 ( t ) + α ( t )δ 2 ( t ) x2
w13 ( t + 1 ) = w13 ( t ) + α ( t )δ 3 ( t ) x1

w23 ( t + 1 ) = w23 ( t ) + α ( t )δ 3 ( t ) x2
Et entre la couche cachée et la couche de sortie:
w14 ( t + 1 ) = w14 ( t ) + α ( t )δ 4 ( t ) y1
 w ( t + 1 ) = w ( t ) + α ( t )δ ( t ) y
 24 24 4 2
 (IV.45)
w25 ( t + 1 ) = w25 ( t ) + α ( t )δ 5 ( t ) y 2
w35 ( t + 1 ) = w35 ( t ) + α ( t )δ 5 ( t ) y3
On vient de réaliser un pas d'apprentissage. Il faut recommencer ces opérations pour

tous les vecteurs d'apprentissage, puis tester la qualité de l'apprentissage avec les vecteurs
de test qui n'ont pas servi à l'apprentissage: ce qui permet de tester les capacités de la
généralisation du réseau.
L'algorithme de rétropropagation du gradient consiste à effectuer une descente de
gradient sur la fonction de coût déjà utilisée pour le neurone seul:
r
ε ( w, k ) =
1
(d ( k ) − y( k ))2 (IV.46)
2
Où y est la sortie du réseau (donc une somme pondérée de sigmoïdes) et non la
sortie d'un neurone seul.
En dérivant cette expression par rapport à chaque poids w , on retrouve la règle
d'apprentissage donnée dans l'algorithme.
IV.10.2. Propriétés et problèmes

IV.10.2.1. Propriété d'approximation universelle
Si chaque neurone a une fonction de sortie de type sigmoïde (ex: tanh), et plus
généralement si cette fonction est non linéaire (sauf polynomiale) et dérivable, alors
Cybenko a démontré en 1989 qu'un réseau multicouche est capable d'approximer n'importe
quelle fonction, à condition que le nombre de neurones dans la couche cachée soit suffisant
[34].
Le problème est qu'on ne connaît pas de méthode systématique permettant de donner

a priori le nombre de neurones nécessaires dans la couche cachée pour une application
donnée. Cependant il existe des méthodes qui permettent de faire évoluer la structure du
réseau en cours d'apprentissage:
ICEPS 2009 147

Une méthode par élagage consiste à initialiser le réseau avec un très grand nombre
de neurones dans la couche cachée et à supprimer ceux d'entre eux dont les poids
synaptiques sont très faibles et n'influencent pas trop le comportement du réseau.
Une méthode par construction consiste à rajouter des neurones dans la couche
cachée au fur et à mesure des «besoins», i.e. lorsque l’erreur globale du réseau ne
diminue plus.
IV.10.2.2. Problème des valeurs initiales des poids du réseau

Un autre problème est le temps de convergence de l'algorithme de rétropropagation.
En effet, plus la somme pondérée des entrées d'un neurone est forte, plus le neurone se
trouve dans la zone de saturation de sa fonction d'activation σ (tanh) , donc plus la dérivée
σ ' est faible (i.e. la pente de la fonction σ en zone de saturation), et moins les poids du
neurone sont modifiés. Il faut donc démarrer l'apprentissage en initialisant les poids du
réseau à des valeurs suffisamment faibles qui placent la fonction d'activation dans sa zone
linéaire: on choisit donc en général des valeurs initiales inférieures à 0.1.
IV.10.2.3. Problème de sur-apprentissage

Il faut aussi donner suffisamment d'exemples bien répartis (i.e. représentatifs) pour que
le réseau généralise correctement, mais pas trop pour qu'il ne fasse pas de sur-
apprentissage (i.e. de l'apprentissage par coeur) au détriment des capacités de
généralisation.
Un moyen simple de vérifier qu'il n'y a pas sur-apprentissage consiste à comparer
l’erreur quadratique globale du réseau qui décroît toujours, et l’erreur faite par le réseau sur
la base de test qui diminue puis augmente lorsqu'il y a sur-apprentissage. La base de test ne
doit jamais servir à l'apprentissage [34].
IV.10.2.4. Problème du réglage du pas d'apprentissage

Le réglage du pas d'apprentissage α ( t ) joue aussi un rôle important dans la vitesse
de convergence. Ainsi il est préférable qu'il soit grand au début de l'apprentissage, et
diminue au fur et à mesure que le réseau se rapproche de la solution. (La valeur du pas
d'apprentissage est de l'ordre de 0.1 à 0.001).
IV.11. Commande vectorielle indirecte par réseaux de neurones

Comme nous avons dit dans le chapitre précédent nous gardons la commande
indirecte en remplaçant les régulateurs Proportionnel-Intégral (PI) par des régulateurs
neuronals (RN) plus robustes.
ICEPS 2009 148

Pour notre cas, nous cherchons à construire un réseau simple capable d’apprendre le
comportement de la commande indirecte par régulateurs PI.
Pour cette raison on utilise un algorithme de rétropropagation [47] appelé l’algorithme
de Levenberg-Marquardt (LM) pour l’apprentissage des poids des neurones à partir des
régulateurs PI (Annexe D).
Chaque réseau de neurones remplit une fonction bien définie dépendant de
l’architecture choisie (nombre de couches cachées et le nombre de neurones dans chaque
couche cachée). Le problème est de trouver celle qui donne de meilleurs résultats. Pour
cela, nous avons fait plusieurs essais afin de déterminer l’architecture optimale de réseau
(Annexe D).
D’après les essais effectués sur les différentes structures, nous avons constaté que le
choix le plus judicieux était de prendre une structure de réseau de neurones à une seule
couche cachée contenant trois neurones utilisant la fonction d’activation sigmoïde (Figure
IV.22).
Couche cachée
Couche w12 w25 Couche

Pref d'entrée b2 de sortie
Entrée + ε w13 w35 *

_ I rq
w01
Pmes b1 b3 b5
w14
w45
Axe q : Puissance active
b4
Fig.6: Perceptron multicouches: structure (1-3-1).
Les valeurs des poids et des biais pour tous les régulateurs des puissances et des
courants sont données dans l’annexe D.
Pour rendre possible, dans notre cas, la synthèse d'un régulateur neuronal (RN) plus
robuste, nous considérons que la dynamique de l'onduleur est très rapide par rapport à celle
de la machine. Dans ce cas, le modèle de l'onduleur est réduit à son gain statique K ond ce
qui permet de réduire l'ordre du système :
Vrd* = K ond .Vrd

 * (IV.47)
Vrq = K ond .Vrq
ICEPS 2009 149

Le schéma global de la commande vectorielle indirecte avec des régulateurs neuronals

est présenté à la figure IV.23.
L’architecture du réseau de neurones utilisée dans la construction des régulateurs ainsi
que le calcul des poids et biais des neurones sont donnés en détail dans l’annexe D.
(g*Lm*Vs)/Ls
P_s P_s
K_ond
-Ls/(Vs*Lm) T_ond.s+1 Vrq* M
Ps_ref Irq Irq
RNA
RNA
0
A
g*ws*(Lr-(Lm^2/Ls)) Ird Ird
D
g*ws*(Lr-(Lm^2/Ls)) Q_s Q_s

A
Vrd*
Qs_ref K_ond
T_ond.s+1 Cr [Cr]
-Ls/(Vs*Lm)
0
RNA
(Vs^2)/(Ls*ws) RNA
12
Vitesse du vent
Vitesse
[Cr] 1 PI
5
1/K
angle de calage
[Wr] p
s
Figure IV.23: Schéma global de la commande indirecte par réseaux de neurones.
IV.11.1. Résultats de simulation

On garde les mêmes conditions des simulations que l’essai de la commande indirecte
avec des régulateurs PI présenté dans chapitre III.
Les mêmes échelons de la puissance active et réactive sont maintenus.
Les résultats de simulation de la commande indirecte de la puissance active et réactive
avec des régulateurs neuronaux sont donnés à la figure IV.24.
Les résultats de simulation obtenus montrent de bonnes performances en termes de
temps de réponse (Tableau IV.4) et suivi de consigne pour la puissance active et la
puissance réactive (Tableau IV.5).
tr (puissance active) tr (puissance réactive)

PI 1.97 ms 2.38 ms
RN 0.073 ms 0.056 ms
Tableau IV.4 : Comparaison entre les temps de réponse d’un PI et d’un RN.
ICEPS 2009 150

∆P ∆Q
PI 10 kW ( 2 % ) 7 kVAr ( 1.75 % )
RN 250 W ( 0.05 % ) 50 VAr ( 0.0125 % )
Tableau IV.5 : Comparaison entre les erreurs statiques d’un PI et d’un RN.
5
x 10
2
Référence
0
Réel
-2
-4
-6
-8
-10
-12
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5
Temps [sec]
x 10
2
-1
-2
-3
Référence
-4
Réel
-5
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps [sec]
Figure IV.24: Résultats de simulation de la commande indirecte par réseaux de neurones.
IV.11.2. Test de robustesse

Pour comparer la robustesse du régulateur neuronal par rapport à la robustesse du
régulateur PI vis-à-vis des variations paramétriques de la machine, il faut soumettre le
régulateur RN aux mêmes variations appliquées au régulateur PI (§ III.8.2).
Les résultats des simulations obtenus à la figure IV.25 montrent la robustesse du

régulateur neuronal face aux variations des paramètres de la machine.
Variation de la résistance rotorique Rr de +50 % (Figure IV.25.a) ;
Variation de l’inductance statorique Ls de +10 % (Figure IV.25.b) ;
Variation de l’inductance rotorique Lr de +10 % (Figure IV.25.c) ;
Variation de l’inductance mutuelle Lm de -10 % (Figure IV.25.d).
ICEPS 2009 151

5 5
x 10 x 10
5 2
Référence
0 Réel 0
Q [VAr]
P [W]
-5 -2 Référence
a
-4 Réel
-10
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec] 5 Temps [sec]
x 10 x 10
5 2
0 0
P [W]
Q [VAr]
-5 -2 b
-10 -4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 5 Temps [sec]
x 10 Temps [sec] x 10
5 2
Q [VAr]
0 0
P [W]
-5 -2 c
-10 -4
0 5 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5
5 2
P [W]
0 0
Q [VAr]
-5 -2 d
-10 -4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Figure IV.25 : Le régulateur neuronal face aux variations paramétriques de la MADA.
Les résultats de simulation montrent une grande robustesse du régulateur RN vis-à-vis

des variations des paramètres par rapport au régulateur PI.
Si plusieurs paramètres varient en même temps dans de grandes proportions, il est sûr
que les régulateurs (PI) n’arriveront plus à faire fonctionner le système convenablement
mais ce n’est pas le cas pour un régulateur neuronal. Les résultats de simulation de la figure
IV.26 prouvent ceci on provoquant un changement de plusieurs paramètres en même temps :
Variation de la résistance rotorique Rr de +100 %;
Variation de l’inductance statorique Ls de +20 %;
Variation de l’inductance rotorique Lr de +20 %;
Variation de l’inductance mutuelle Lm de -20 %.
Les résultats de simulation montrent que la variation de plusieurs paramètres en même

temps dégrade les performances de la commande par réseau de neurones en terme de
temps de réponse mais non pas en terme de suivi des cosignes contrairement à la
commande par PI qui est dégradée totalement face à ces variations.
ICEPS 2009 152

5
x 10
5
Référence
RN
0
PI
-5
-10
-15
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
5 Temps [sec]
x 10
4
-2
Référence
-4 RN
PI
-6
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps [sec]
Figure IV.26: Influence de plusieurs variations paramétriques en même temps sur les
régulateurs PI et RN.
IV.12. Conclusion
Les réseaux de neurones formels, tels que nous les avons définis, possèdent une
propriété remarquable qui est à l'origine de leur intérêt pratique dans des domaines très
divers : ce sont des approximateurs universels parcimonieux.
La propriété d'approximation peut être énoncée de la manière suivante : toute fonction

bornée suffisamment régulière peut être approchée avec une précision arbitraire, dans un
domaine fini de l’espace de ses variables, par un réseau de neurones comportant une
couche de neurones cachés en nombre fini, possédant tous la même fonction d’activation, et
un neurone de sortie linéaire. Cette propriété de parcimonie est précieuse dans les
applications industrielles.
L'apprentissage est vraisemblablement la propriété la plus intéressante des réseaux

neuronaux, cependant il existe plusieurs algorithmes utilisés pour faire l’apprentissage des
réseaux multicouches, en général, les méthodes du second ordre assurent une convergence
plus rapide que celle du premier ordre pour les réseaux dont l’apprentissage est par paquets,
pour les réseaux dont l’apprentissage est incrémental les méthodes du premier ordre
assurent une convergence plus rapide que celle du second ordre. Pour les réseaux dont
l’apprentissage est par paquets :
ICEPS 2009 153

L’algorithme de Levenberg-Marquardt est le plus rapide et assure la meilleure

convergence vers un minimum de l’erreur quadratique, pour les problèmes
d’approximation des fonctions où le nombre des poids du réseau est inférieur à cents.
Quand le nombre de poids augmente l’efficacité de l’algorithme LM diminue, car la
taille du Hessien augmente et nécessite une très grande place dans la mémoire, cet
algorithme est pauvre pour les problèmes de classification.
Les algorithmes du gradient conjugué, en particulier SCG, sont performants sur des
variétés de problèmes, spécifiquement dans le cas où la taille du réseau est grande.
L’algorithme SCG est aussi rapide que l’algorithme LM dans les problèmes
d’approximation des fonctions (plus rapide pour les réseaux de grandes tailles), et il
est aussi rapide que l’algorithme RPROP pour les problèmes de classification.
L’algorithme SCG nécessite relativement une place mémoire très modeste.
La comparaison entre le régulateur PI et le régulateur neuronal (RN) montre de bonnes
performances pour le régulateur neuronal en termes de temps de réponse et de suivi de
consigne.
ICEPS 2009 154

Chapitre V: Filtrage actif par MADA
CHAPITRE V :
FILTRAGE ACTIF PAR « MADA »
Résumé
Ce chapitre présente l’utilisation de la machine asynchrone à double alimentation

comme solution pour le filtrage dynamique d'harmoniques d'un réseau électrique. En effet, et
grâce à la technique du flux orienté, cette machine entraînée par une turbine éolienne sert
d’une part à générer de la puissance active augmentant ainsi celle du réseau, et d’autre part
à compenser les harmoniques des courants du réseau lorsque ce dernier alimente des
charges polluantes ce qui mène à la correction du facteur de puissance. Le but recherché
est de bénéficier de l’effet d’amplification de la machine lorsque celle-ci est commandée par
le rotor. En fait, lorsque l’on ne considère que le filtrage d’un seul harmonique, les grandeurs
rotoriques, courant ou tension, peuvent être optimisées. Dans un premier temps, on présente
l’étude analytique générale du système de filtrage. Ensuite, le cas du filtrage d’un
harmonique particulier est développé. Enfin, les résultats analytiques obtenus dans ce cas
sont confirmés par simulation.
ICEPS 2009 155

V.1. Introduction
Suite des besoins sans cesse croissants en énergie électrique, on assiste aujourd'hui à
un développement de l'interconnexion et de l'échange d'énergie entre les réseaux. Cette
tendance amène les distributeurs d'énergie électrique à une uniformisation des niveaux de
tension et à une plus grande exigence de qualité de la forme d'onde de celle-ci [42], [46].
Afin d'améliorer la tension délivrée par la source d'alimentation, il est nécessaire de
filtrer les harmoniques absorbés par les charges non linéaires polluantes et éventuellement
de dépolluer la source d'alimentation elle-même si sa force électromotrice n'est pas
parfaitement sinusoïdale.
Ces charges non linéaires absorbent des courants non sinusoïdaux, cause principales
de nombreuses perturbations dans tout le réseau de courants harmoniques le plus souvent
de rangs impairs [1].
Les équipements électriques affectés par ces harmoniques peuvent être classés en
deux catégories:
• Les appareils sensibles aux harmoniques: les courants traversant ces appareils
entraînent des échauffements supplémentaires et nécessitent un
surdimensionnement. De plus, ils occasionnent des pertes d'énergie.
• Les appareils qui se synchronisent sur le réseau ou utilisent la tension de réseau
comme référence. La tension est fortement perturbée par la circulation des courants
harmoniques qui génèrent des chutes de tensions harmoniques dans les
conducteurs.
Au vu de ces constatations, il paraît donc important de limiter la propagation de ces
courants harmoniques afin de garantir une qualité d'énergie satisfaisante. C'est avec cet
objectif que nous voulons utiliser l'éolienne pour contribuer à la dépollution du réseau. Ceci
pourrait être réalisé en utilisant la MADA comme filtre actif en ajoutant des références de
courants harmoniques à la commande qui contrôle déjà les puissances.
Dans ce chapitre, nous présentons une étude analytique générale du filtrage

d’harmoniques à l’aide d’une machine à double alimentation. Cette machine, si elle ne
constitue pas elle-même la source du réseau, peut être alors connectée en série ou en
parallèle avec le réseau. Les différentes expressions des références rotoriques, courant ou
tension, sont développées pour chaque mode de connexion et pour les différents
harmoniques. Ensuite, nous considérons le cas de la machine placée en parallèle sur le
réseau et destinée au filtrage d’un harmonique particulier : cette solution conduit en effet à
une tension rotorique minimale. Dans ce cas, des simulations du système de filtrage sont
effectuées. Les résultats obtenus montrent l’efficacité de la méthode proposée.
ICEPS 2009 156

V.2. Solutions pour la compensation des harmoniques

On recherche à diminuer la pollution harmonique présente sur un réseau afin qu'elle se
propage le moins possible dans celui-ci pour ne pas perturber les utilisateurs de ce réseau.
Pour limiter cette pollution harmonique on dispose de quatre solutions [44]:
• La première consiste à réduire l'impédance de court-circuit car il apparaît que la
perturbation harmonique globale croît lorsque la puissance de court-circuit diminue.
Toutefois, il n'est pas toujours possible d'augmenter la puissance de court-circuit pour
des considérations économiques. Par conséquent, cette solution n'est pas toujours
envisageable.
• La seconde porte sur la modification du convertisseur polluant soit en changeant sa
structure et / ou sa commande, afin d'intervenir directement à la source des
perturbations harmoniques. Cette solution n'est pas envisageable dans notre cas car
nous n'avons pas la maîtrise des charges connectées sur le réseau.
• La troisième solution utilise des filtres passifs. Cette solution, qui est la plus ancienne
et la plus répandue, empêche les courants harmoniques produits par une charge
non- linéaire de se propager sur le reste du réseau en les piégeant dans un circuit
d'élément passifs (LC) connecté en parallèle avec la charge. Cependant, malgré sa
simplicité et son faible coût, le filtre passif dépend essentiellement des
caractéristiques du réseau sur lequel il est connecté. Celles-ci doivent être connues
en détail lors de l'installation du filtre, afin d'éviter tout risque de résonance. Cette
technique nécessite aussi de connaître le rang de l'harmonique présent et demande
de réaliser un filtre accordé pour chaque harmonique que l'on veut éliminer. Les
filtres ainsi réalisés ne sont pas adaptatifs et si la pollution harmonique est variable,
les filtres seront inefficaces. De plus, ces filtres peuvent poser des problèmes de
vieillissement des composants du filtre qui entraînent un décalage de la fréquence
d'accord réduisant son efficacité.
• Une quatrième solution existe. Elle consiste à mettre en œuvre un filtrage dit actif,
dont le principe a été proposé dans le début des années quatre-vingt [43]. Cette
solution consiste à utiliser un convertisseur de puissance qui injecte au réseau
électrique des courants harmoniques égaux à ceux absorbés par la charge, mais en
opposition de phase avec ceux-ci. Ainsi, le filtre s'adapte en permanence aux
courants harmoniques. Ces filtres actifs se déclinent en différentes structures et il
existe une grande variété de commandes selon que l'on veut corriger des courants
(filtre parallèle) ou des tensions (filtre série) [45]. C'est la solution la plus efficace
actuellement.
ICEPS 2009 157

L’étude proposée dans ce chapitre s’apparente à ce dernier mode de filtrage et

présente un caractère original car il s’agit de l’utilisation de la machine asynchrone à double
alimentation utilisée dans le système éolien en tant que filtre actif.
Les courants de référence à injecter dans les enroulements du rotor sont déterminés
de telle façon que les harmoniques des courants du stator récupérés compensent à chaque
instant les harmoniques du réseau, tandis que les composantes fondamentales de ces
courants contribuent directement à la génération des puissances active et réactive envoyées
au réseau [39], [42], [49].
Les courants harmoniques qui circulent dans le réseau électrique sont générateurs de
perturbations et de pertes d'énergie sur toutes les portions de circuit qu'ils traversent. Il est
donc opportun de pouvoir éliminer ces courants polluants au plus près de leurs sources.
C'est pour cela que l'on place généralement les filtres actifs:
• Soit directement à proximité des charges non linéaires dans les usines et industries;
ce sont des filtres de petite puissance et souvent dédiés à filtrer seulement quelques
harmoniques prédominants de la charge.
• Soit au niveau des postes sources du réseau de distribution électrique. Ces filtres
compensent les harmoniques de différentes charges polluantes en s'adaptant en
permanence aux courants harmoniques.
Du fait que les éoliennes sont elles aussi connectées sur le réseau de distribution, elle
vont se trouver à proximité de charges polluantes. Il serait donc pratique de pouvoir utiliser
les éléments qui permettent le fonctionnement et la régulation de l'éolienne afin de pouvoir la
commander de manière à filtrer les harmoniques de courant. Ceci permettrait d'augmenter
encore les services systèmes que pourrait offrir l'éolienne et permettrait de faire l'économie
d'un filtre actif classique installé au point de raccordement où est déjà connectée l'éolienne.
Des recherches sont effectuées dans ce domaine pour faire du filtrage actif en utilisant
des machines électriques telles que les machines synchrones ou machines asynchrones à
double alimentation [39], [42]. Des publications traitent d'éoliennes associées à des filtres
actifs afin de réduire les harmoniques générés par le redresseur alimentant le bus continu de
la génératrice [40], [46] ou limitant les harmoniques d'autre charges polluantes présentes sur
le réseau.
V.3. Principe de filtrage actif d’un réseau électrique à l’aide d’une MADA
On se rend compte que l'onduleur de tension utilisé pour le filtrage actif est de même
structure que les onduleurs dont on dispose pour effectuer la commande de la machine
asynchrone à double alimentation. En plus, la machine présente une amplification de
ICEPS 2009 158

puissance entre le rotor et le stator. C'est cette amplification que l'on veut utiliser pour mettre
en place un filtrage actif à partir du rotor de la machine asynchrone [38], [39], [42].
La figure V.1 montre la structure permettant de filtrer les harmoniques de courants
générés par des charges polluantes connectées au réseau. Il reste à développer la
commande destinée au filtrage actif et à superposer celle-ci à la commande en puissance de
la MADA.
Réseau
triphasé
Poste source proche de l’éolienne
Multiplicateur MADA
Utilisateur 2
Redresseur
Ligne 3
Hélice
Onduleur
Charge polluante
Utilisateur 3
Stockage
Figure V.1: Schéma du principe de filtrage actif par la MADA.
C'est ici que la commande vectorielle indirecte présente un avantage majeur. Comme
elle intègre une boucle de régulation des courants rotoriques, il va être aisé d'y ajouter les
courants harmoniques de référence par simple addition des courants. Ainsi, nous
obtiendrons les puissances désirées et les courants harmoniques à compenser.
Il faut donc concevoir un système permettant d'identifier les courants harmoniques

absorbés par la charge non linéaire. Il faudra tenir compte de la conversion entre courants
rotoriques et statoriques pour pouvoir contrôler l'onduleur alimentant le rotor de la machine.
Sur la figure V.2, on décrit le fonctionnement de la MADA en filtre actif. On commande

la machine asynchrone afin qu'elle produise un courant sinusoïdal correspondant à la
puissance qu'elle doit produire et un courant harmonique, correspondant au courant
harmonique de la charge polluante. Ensuite, au niveau du raccordement de l'éolienne et de
la charge polluante, la somme des courants donne un courant sinusoïdal vu du réseau qui se
retrouve ainsi dépollué.
ICEPS 2009 159

Charge non linéaire
Onduleur Redresseur Réseau
Multiplicateur MADA
Figure V.2: La MADA joue le rôle d’un filtre actif.
V.3.1. Complément su le modèle de la MADA

Nous allons établir les équations liant les courants harmoniques rotoriques et les
courants harmoniques statoriques de la machine. Pour cela, rappelons les équations
permettant de contrôler la machine asynchrone à double alimentation vue au chapitre III.
 φ s Lm
 I sd = L − L I rd
 s s
 (V.1)
I = − m I L
 sq Ls
rq
 Lm
 P = −Vs L I rq
 s
 2
(V.2)
Q = Vs − V Lm I
 Lsω s
s
Ls
rd
  Lm  d
2
 Lm 
2
 dt I rd − gω s  Lr − L  I rq

Vrd = Rr I rd +  Lr −   
  L s   s 
 (V.3)
  Lm  d
2
 Lm 
2
LmVs
Vrq = Rr I rq +  Lr − L  dt I rq + gω s  Lr − L  I rd + g s L
   
  s   s  s
Vs
Si l'on remplace maintenant dans l'équation V.1 le flux statorique φ s = , on obtient
ωs
l'expression suivante pour les courants:
ICEPS 2009 160

 Ls
 I rd = − L I sd
 m
 (V.4)
I = − s I L
 rq Lm
sq
Ces relations sont obtenues en négligeant la résistance statorique. Deux cas sont
envisagés selon que l’on génère le courant statorique à partir du courant rotorique ou de la
tension rotorique.
Le contrôle du courant rotorique est le plus intéressant [48]. En effet, dans ce cas, il
suffit de prendre comme référence, le régime harmonique de courant imposé par la charge
polluante au coefficient (− Ls / Lm ) . L’amplitude du courant rotorique à imposer est d’autant
plus faible que ce rapport est grand.

En revanche, le contrôle par la tension rotorique ne permet pas de dissocier la tension
à imposer du rang de l’harmonique à filtrer. Il nécessite la connaissance de l’amplitude et de
la phase de chacun des harmoniques.
Les références de courants sont alors égales à la somme des courants nécessaires à
la régulation des puissances et à la génération des courants harmoniques:
 I rd total = I rd + I rd _ harmonique
 (V.5)
 I rq total = I rq + I rq _ harmonique
Nous avons donc la relation qui permet de faire le lien entre les courants harmoniques
et la commande de l'onduleur alimentant le rotor:
 Ls
 I rd _ harmonique = − L I sd _ harmonique
 m
 (V.6)
I L
= − s I sq _ harmonique
 rq _ harmonique Lm
Dans l'équation V.6, I sd _ harmonique et I sq _ harmonique correspondent aux courants
harmoniques diphasés absorbés par la charge non linéaire.
V.3.2. Détermination des références harmoniques

L'identification des harmoniques est une étape très importante dans le processus de
compensation active. En effet, le système de commande, même très efficace, ne pourra pas
à lui seul effectuer des corrections suffisantes si les harmoniques parasites sont mal
identifiées. Pour cette raison, de nombreuses méthodes d'identification ont été développées
dans la littérature.
ICEPS 2009 161

Le bon choix de la méthode d’identification des grandeurs de référence (courant de

référence dans le cas d’un filtre actif parallèle, tension de référence dans le cas d’un filtre
actif série), ainsi que de la technique de commande, est primordial afin que le filtre actif
puisse remplir les tâches pour lesquelles il est destiné.
Plusieurs algorithmes d’identification des grandeurs harmoniques de référence et de
nombreuses techniques de commande et de régulation ont été développés depuis la mise en
place des 1ers filtres actifs.
En pratique, le choix final de la méthode dépendra des objectifs fixes : compensation
de tous les courants harmoniques, compensation sélective de certaines harmoniques,
compensation des harmoniques et du courant réactif, application sur des installations
triphasées ou monophasées [41].
Parmi les méthodes d'identifications on cite: l'identification des harmoniques avec la
méthode des PIRI classique, par réseaux de neurones artificiels, identification avec les
ADALINE (directe, extraction des courants, PIRI-Adaline,…), la méthode tri-monophasée et
la méthode des courants diphasés… etc.
L’exemple du système d'identification des courants harmoniques présenté à la figure
V.3 est le même que celui d'un filtre actif parallèle classique. Il détermine les valeurs
diphasées des courants harmoniques présents sur la partie de réseau où l'on mesure les
courants.
Iα I sd _ harmonique
Ia Îα _+
Transformation Transformation
Ib Filtre
abc / αβ Iβ sélectif Î β αβ / dq I sq _ harmonique
Ic _
+
θs
Figure V.3: Elaboration des courants de références harmoniques du filtre.
Cette méthode de détermination des références harmoniques permet de prendre en

compte tous les harmoniques présents dans les courants de la charge polluante. On ne se
contente pas d'atténuer quelques harmoniques particuliers mais l'on veut compenser tous
les harmoniques au travers de la machine asynchrone à double alimentation. De plus, ce
filtre est adaptatif; le calcul des références se fait en temps réel. Les courants de la charge
polluante peuvent donc évoluer, la génératrice les compensera en temps réel [1].
ICEPS 2009 162

Notre étude se limite au filtrage d’un harmonique particulier de rang k . La

détermination des courants statoriques de référence nécessite la connaissance du module et
de la phase du courant harmonique de rang k à filtrer.
Pour atteindre notre objectif on suppose connaître le rang k de l’harmonique que nous
voulons filtrer par la MADA, pour cette raison on génère un courant harmonique de rang k .
Alors si I k est le module du courant harmonique de rang k à filtrer et ϕk est sa
phase, ce courant s’écrit dans un système triphasé équilibré sous:
 N
i
1 ( t ) = ∑ I k 2 sin (kωst + ϕk )
 k = 1
 N
 2π 
2
i ( t ) = ∑ I k 2 sin  kωst + ϕ k − k
 3


(V.7)
 k =1
 N
 2π 
i3 ( t ) = ∑ I k 2 sin  kωst + ϕk + k 
 k =1  3 
On peut ainsi définir leurs deux composantes orthogonales dans le repère de PARK tel que :
isd *  i1( t ) 
 *  = P( θ0 )i2 ( t ) (V.8)
isq  i3 ( t )
Où θ0 : l’angle électrique initial entre stator et rotor, doit être imposé par l’intermédiaire des
tensions rotoriques et déterminé à partir de la relation :

π
ε ϕk − θ0 = −ε (V.9)
2
Avec ε = ±1 selon que l’harmonique considéré est directe ou inverse.
Alors que les références harmoniques I sd harmonique et I sq harmonique deviennent :
 I sd harmonique  isd  isd _ har 

*
  = *+  (V.10)
 I sq harmonique  isq  isq _ har 
Où isd _ har et isq _ har sont les deux composantes biphasées du courant harmonique à la sortie
de la MADA avant filtrage. Ces deux courants sont additionnés avec les deux composantes
orthogonales du courant de la charge polluante puis multipliés par un gain ( − Ls / Lm ) avant
d’être injectés dans les sommateurs des courants rotoriques et êtres régulés par les
correcteurs PI des courants rotoriques.
ICEPS 2009 163

V.4. Fonctionnement global de l'ensemble du système éolien avec filtrage par la MADA
Dans la figure V.4 la MADA se comporte comme un filtre actif, elle va filtrer les
harmoniques produits par les charges alimentées par le réseau, à partir de ce poste source.
Dans notre cas, nous avons placé un pont redresseur à diode comme charge polluante mais
tout autre charge peut être envisagée, ou association de charges, car nous avons un filtre
actif qui s'adapte en temps réel aux courants harmoniques présents sur le réseau, le filtre
compensera les courants harmoniques générés par les utilisateurs 2 et 3.
Réseau
triphasé
Ligne 1
Ligne 2 Utilisateur 1
Poste source proche de l’éolienne
Multiplicateur MADA
Utilisateur 2
Redresseur
Ligne 3
Hélice
Onduleur
Utilisateur 3
Stockage
Charge polluante
Figure V.4: Schéma du système éolien avec filtrage par la MADA.
Dans cette configuration, l'utilisateur 3 ne voit pas de changement car il est juste à coté
de la charge polluante. Par contre les utilisateurs 1 et 2 verront leurs tensions dépolluées
grâce à l'action de la MADA.
V.5. Simulation
Nous gardons la commande indirecte pour la commande on obtient le schéma de
régulation présenté en figure V.5. Il comporte les sommateurs pour les références de
courants harmoniques, le reste du schéma étant le même que la figure III.6 du chapitre III.
En respectant les conditions proposées dans la section V.3.2, une simulation est
réalisée pour éliminer deux courants harmoniques de rangs 5 et 17 en même temps :
- Le courant harmonique de rang 5 est de valeur efficace de 464 A et un déphasage de
π / 8 pour la première phase par rapport à la tension de la même phase.

- Le courant harmonique de rang 17 est de valeur efficace de 136.47 A et un déphasage de
π / 17 .
ICEPS 2009 164

(g*Lm*Vs)/Ls
OND ULEU R P_s P_s
Vrq
-Ls/(Vs*Lm) PI Vrq* Vrq* M
PI Irq Irq
Ps_ref A
Vrd
[Isq_har_ref] -Ls/Lm
g*ws*(Lr-(Lm^2/Ls)) Ird Ird
From D
Vrd*
[Isd_har_ref] -Ls/Lm
g*ws*(Lr-(Lm^2/Ls)) teta_sl Q_s Q_s
From Vrd*
A
MLI
Qs_ref Cr [Cr]
PI -Ls/(Vs*Lm) 1
314
s
PI [Wr]
(Vs^2)/(Ls*ws)
12
Vitesse du vent
Vitesse
[Cr] 1 PI
5
1/K
angle de calage
[Wr] p
s
Figure V.5: Schéma bloc de la régulation intégrant le filtrage actif.
Les résultats de simulation sont présentés à la figure V.6 où les allures des courants
I sd _ harmonique , I sq _ harmonique et le courant harmonique triphasé déformé ainsi que le courant
généré à la sortie de la MADA après filtrage sous le contrôle de la puissance active et
réactive montrent l’efficacité du système de commande et du filtrage.
4000 5000
Courant Isd_harmonique [A]
Courant Isq_harmonique [A]
2000
0 0
-2000
-4000 -5000
0 0.01 0.02 0.03 0.04 0.05 0 0.01 0.02 0.03 0.04 0.05
5000 4000
Courant de la MADA [A]
Courant déformé [A]
2000
0 0
-2000
-5000 -4000
0 0.01 0.02 0.03 0.04 0.05 0 0.01 0.02 0.03 0.04 0.05
Figure V.6 : Résultats de simulations du filtrage actif par MADA.
ICEPS 2009 165

Lors du fonctionnement du système sans et avec filtrage actif par la MADA et pour une
durée de 0.02 s , le THD passe de 22.32 % à 1.14 % et le facteur de puissance est
toujours maintenu à l’unité.
L'utilisation de la MADA comme filtre actif est une option intéressante pour le
gestionnaire du réseau dans la mesure où sa mise en œuvre est peu coûteuse car elle ne
nécessite que la mise en place de deux ou trois capteurs de courant au niveau du poste
source.
V.6. Conclusion
Nous avons étudié l'aspect qualité de l'énergie en nous intéressant aux charges non
linéaires qui génèrent des courants harmoniques se propageant à travers le réseau
électrique. Les solutions de minimisation de ces harmoniques existent et fonctionnent
correctement, ce que nous avons proposé ici n'est pas une alternative au filtrage classique
mais plutôt un système éolien de conversion d'énergie.
Ce fonctionnement est intéressant car il ne modifie pas la structure de la commande de
la machine asynchrone et n'entraîne donc pas de modification de la structure de l'ensemble
du système. Effectivement, du fait que toute l'électronique de puissance est déjà présente
sur l'éolienne autour de la machine asynchrone à double alimentation, le filtrage actif des
courants avec cette machine est une option intéressante pour un coût raisonnable. Il faut
mettre deux ou trois capteurs de courant au niveau de la connexion de la charge polluante et
injecter les références de courant harmonique à la commande existante de l'onduleur coté
rotor de la MADA. Ceci ne devrait pas poser de problème car la mesure des courants peut
se faire au niveau du poste source où est raccordée l'éolienne.
Les résultats de simulation ont montré que le fonctionnement en filtrage actif de la
MADA était une option possible et intéressante autant en termes de qualité de services que
de coût d'installation. De plus, le fonctionnement en filtre actif n'entraîne pas de dégradation
du fonctionnement en puissance du système qui peut toujours assurer une puissance
constante au réseau électrique et garde un facteur de puissance plus proche de l’unité.
• Perspectives du chapitre
Il faut toutefois modérer les résultats obtenus ici avec le modèle de la MADA utilisé qui
n'inclut ni la saturation, ni les caractéristiques physiques de construction (type de tôles). Il
serait maintenant opportun de mesurer l'influence des courants à haute fréquence sur la
MADA, notamment au niveau des pertes fer et de la qualité des tôles à utiliser pour optimiser
le fonctionnement en filtre actif et permettre d'effectuer des calculs sur le dimensionnement
de la génératrice. Une étude de la puissance déformante au niveau de l'onduleur alimentant
le rotor serait aussi nécessaire pour ajuster son dimensionnement.
ICEPS 2009 166

Conclusion générale et perspectives
CONCLUSION GÉNÉRALE
&
PERSPECTIVES
Le travail effectué dans ce mémoire a comme objectif la modélisation des différents

composants de la production décentralisée de l’énergie éolienne et l’étude des différents
systèmes de contrôle de la génératrice asynchrone à double alimentation (GADA) qui est la
plus utilisée pour ce mode de production d’énergie électrique .
Le premier chapitre rappelle les concepts fondamentaux de la chaîne de conversion de
l'énergie éolienne en énergie électrique et dresse un état de l'art sur les différentes
associations machines électriques – convertisseurs pouvant être accouplées à une éolienne.
Au regard de ce chapitre, il est apparu que la production d'énergie électrique par éoliennes
se divise en deux grandes catégories : l'éolien de proximité où les machines sont très
souvent autonomes et de petites puissances, et le grand éolien où l'énergie électrique est
produite directement sur le réseau de distribution avec des machines de plusieurs centaines
de kW, voire de plusieurs MW.
Il est noté que l’utilisation de la MADA dans les éoliennes connaît une évolution très
rapide à cause de ses performances vis-à-vis des autres machines, et aussi grâce aux
progrès technologiques. Néanmoins, il en demeure quelques problèmes notamment liés aux
contacts mécaniques (bagues). Ainsi la majeure partie des éoliennes modernes industrielles
est constituée de génératrices asynchrones à double alimentation car elles apportent non
seulement des solutions aux variations incessantes du vent, mais aussi permettent un
transfert optimal de la puissance au réseau.
Après ces constatations le second chapitre est axé sur la modélisation d’une éolienne
de 1.5 MW de puissance fonctionnant à vitesse variable à base d’une MADA pilotée par le
rotor par un onduleur MLI. Pour simplifier le modèle de la machine nous avons établi, le
modèle de la machine dans un système d’axe biphasé ( d , q ) lié au stator à l’aide de la
transformation de PARK.
La discussion sur les avantages et les inconvénients de l’utilisation des convertisseurs
statiques pour l’alimentation de la MADA nous amène à proposé deux configurations, une où
la machine est alimentée par deux convertisseurs, l’un au stator et l’autre au rotor et dédiée
à des applications industrielles telles le laminage ou le pompage (fonctionnement moteur),
l’autre où la machine est alimentée par un convertisseur au rotor alors que le stator est lié au
ICEPS 2009 167

réseau (fonctionnement en générateur pour une application du type éolien), notre choix est
installé sur cette configuration qui rempli complètement notre objectif.
Les résultats de simulation de la génératrice asynchrone couplée à la turbine éolienne
montrent un fort couplage entre la puissance active et la puissance réactive.
Alors que le troisième chapitre de ce mémoire sera consacré à la commande
vectorielle qui permet de découpler le modèle de la MADA afin de contrôler l'échange des
puissances active et réactive entre la machine et le réseau. Deux méthodes sont envisagées:
la commande directe et la commande indirecte. Nous avons effectué une synthèse du
régulateur PI et comparé ses performances en suivi de consigne, face aux variations des
paramètres de la machine. Le régulateur s'est montré le plus efficace dans le cas du contrôle
indirect. Pour le contrôle direct, le modèle servant de base au calcul du régulateur est
simplifié et même si la précision statique est meilleure, les performances transitoires du
régulateur sont moins bonnes que dans le cas du contrôle indirect.
Afin d’améliorer la robustesse de la commande indirecte vis-à-vis aux variations
paramétriques de la machine, une synthèse d’un régulateur neuronal (RN) est proposée
dans le quatrième chapitre. Après une analyse de la théorie des réseaux de neurones, nos
besoins de commande et de robustesse conduisent à une structure multicouche pour
l’architecture du réseau de neurones des régulateurs.
Pour l’apprentissage nous avons opté pour un algorithme de rétropropagation nommé
Levenberg-Marquardt (LM), il est rapide et assure une meilleure convergence avec un
minimum de l’erreur quadratique. Les résultats de simulations obtenus montrent de bonnes
performances et une grande robustesse face aux variations paramétriques contrairement
aux résultats que donne le régulateur PI.
Le dernier chapitre traite le filtrage des harmoniques de courant par la machine
asynchrone à double alimentation fonctionnant à la fois en génératrice de puissance
électrique à 50 Hz et en filtre actif. Nous avons montré son efficacité dans le domaine de
filtrage par simulation où nous avons obtenu de bons résultats. La mise en place de cette
commande supplémentaire pour la correction des harmoniques de courant a été possible car
l’on disposait dans la commande de la MADA, la régulation des courants rotoriques grâce à
la commande indirecte.
Cette solution de filtrage actif est intéressante car, en plus de présenter de bons
résultats, sa mise en œuvre ne nécessite que deux à trois capteurs de courant et un peut
d’électronique de commande pour un coût raisonnable. Il serait maintenant utile de
s’intéresser au dimensionnement et l’étude de l’impact des harmoniques sur la MADA et
aussi d’étudier des structures de machine permettant de minimiser les pertes à haute
fréquence. Cela devra être fait dans le but d’optimiser sa construction afin qu’elle réagisse le
mieux possible aux courants harmoniques sans modifier son fonctionnement à 50 Hz.
ICEPS 2009 168

Face à ces observations et aux résultats obtenus, des perspectives intéressantes

pouvant contribuer à l'amélioration du fonctionnement du dispositif MADA – convertisseur
sont envisageables :
- Etablissement d'un modèle de la MADA prenant notamment en compte la résistance
de phase statorique et la saturation magnétique.
- Contrôle du système par d’autres techniques d’intelligence artificielle tels que : la
logique floue et les algorithmes génétiques.
- Utiliser les réseaux de neurones pour l’identification des harmoniques existant sur le
réseau où est intégrée la génératrice éolienne.
- Intégration éventuelle d'un système de stockage et optimisation technique et
économique de la chaîne de conversion.
- Etude des perturbations inhérentes au couplage du dispositif avec le réseau :
- Réactions de la génératrice vis-à-vis des déséquilibres du réseau, des creux
de tensions et des fluctuations.
- Réactions du réseau vis-à-vis de l'intermittence et l'irrégularité de la
production de l'énergie.
- Interactions avec les autres génératrices du réseau.
Tout cela demande autant d’études qui devraient apporter des solutions pour rendre
encore plus facile l’insertion des éoliennes dans le réseau électrique afin de produire une
énergie propre et durable.
ICEPS 2009 169

Références Bibliographiques
[1] A. BOYETTE
« Contrôle-commande d’un générateur asynchrone à double alimentation avec
système de stockage pour la production éolienne »; Thèse de doctorat en génie
électrique, Université Henri Poincaré, Nancy I, 11 Décembre 2006.
[2] S. E. AIMANI
« Modélisation de différentes technologies d’éoliennes intégrées dans un réseau de
moyenne tension » ; Thèse de doctorat en génie électrique, Université des sciences et
technologies de Lille 1, (USTL), France.
[3] F. POITIERS
« Étude et commande de génératrices asynchrones pour l'utilisation de l'énergie
éolienne »; Thèse de doctorat en génie électrique, Ecole polytechnique de l'Université
de Nantes, 19 Décembre 2003.
[4] A. M. SIDDO & I. S. NOUHOU
« Étude du Générateur Asynchrone pour l’utilisation dans la production de l’énergie
éolienne » ; Mémoire de fin étude d’ingénieur en électrotechnique, École Nationale
Polytechnique, El-Harrach, 2007.
[5] L. KHETTACHE
« Étude et Commande d’un Système Éolien à Base d’une Machine Électrique Double
Alimentée »; Mémoire de magistère en électrotechnique, Faculté des Sciences de
l’Ingénieur, Université de Batna, 2007.
[6] N. MOHAN & T. M. UNDELAND & W. P. ROBBINS
« Power Electronics, Converters, Applications and design »; Publications John Wiley &
Sons, ISBN 0-471-58408-8.
[7] N. K. MERZOUK, M. MERZOUK, B. BENYOUCEF
« Perspectives du pompage éolien dans le sud Algérien » ; Projet National de
Recherche, domicilié au Centre de Développement des Énergies Renouvelables,
Laboratoire d’Énergie Éolienne, Alger, 2007.
[8] J. MARTIN
« Énergies éoliennes » ; Techniques de l’Ingénieur, traité de Génie Énergétique pp. B 8
585 1- B 8 585 21.
ICEPS 2009 170

[9] P. LECONTE, M. RAPIN, E. SZECHENYI

« Éoliennes » ; Techniques de l’Ingénieur, traité de Génie Mécanique, pp. BM 4 640 1 -
BM 4 640 21.
[10] S. HEIER
« Grid Integration of Wind Energy Conversion Systems »; Publications John Wiley &
Sons, ISBN 0-471-97143-X, 1998.
[11] P. BERLU
« Calcul des Efforts Subis par les Éoliennes de Moyenne et Forte Puissance »; Thèse
de Doctorat, Université des sciences et Technologies de Lille I, 1999.
[12] D. SCHREIBER
« State of art of variable speed wind turbines »; 11th International symposium on power
electronics – Ee 2001, Novi Sad, Oct.-Nov. 2001, CD-ROM proceedings.
[13] C. COLLIEZ, A. TOUNZI, F. PIRIOU
« Vector Control of an Autonomous Induction Generator Connected to a PWM Rectifier
»; Proceedings of EPE 97, vol. 2, pp. 711-716, Trondheim, Norvège, 8-10 September
1997.
[14] L. REFOUFI, B.A.T. AL ZAHAWI, A.G. JACK
« Analysis and modelling of the steady state behavior of the static Kramer induction
generator »; IEEE Transactions on Energy Conversion, Volume 14, Issue 3, 1999, pp
333-339.
[15] S. DRID
« Contribution à la Modélisation et à la Commande Robuste d’une Machine à Induction
Double Alimentée à Flux Orienté avec Optimisation de la Structure d’Alimentation :
Théorie & Expérimentation » ; Thèse de doctorat en électrotechnique, LSP-IE,
Université de Batna, 09 Novembre 2005.
[16] P. E. VIDAL
« Commande Vectorielle d'une Machine Asynchrone à Double Alimentation » ; Actes
de JCGE 2003, Saint-Nazaire, 5 et 6 Juin 2003, pp. 177-182.
[17] S. DRID, S.M-S.NAIT, M. TADJINE
« The Doubly Fed Induction Machine Modeling In The Separate Reference Frames»;
Journal of Electrical Engineering, JEE. Vol.4, N°1, 2004, pp: 11-16.
[18] R. PENA, J. C. CLARE, G. M. ASHER
« A Doubly Fed Inducton Generator Using Back to Back PWM Converters Supplying an
Isolated Load from a Variable Speed Wind Turbine», IEE Proceedings on Electrical
Power Applications, Vol. 143, N° 5, September 1996, pp. 380- 387.
ICEPS 2009 171

[19] S. BHOWMIK, R. SPEE, J. H. R. ENSLIN

« Performance Optimization for Doubly Fed Wind Power Generation Systems», IEEE
Transactions on Industry Applications, Vol. 35, N° 4, July-August 1999, pp. 949-958.
[20] P. E. VIDAL
« Commande non linéaire d'une machine asynchrone à double alimentation »; Thèse
de doctorat en génie électrique, Institut National Polytechnique de Toulouse, 14
Décembre 2004.
[21] S. KHOJET EL KHIL
« Commande Vectorielle d’une Machine Asynchrone Doublement Alimentée (MADA) »;
Thèse de doctorat, Institut National Polytechnique de Toulouse & école Nationale
d’Ingénieurs de Tunis, 04 Décembre 2006.
[22] T. WILDI & G. SYBILLE
« ELECTROTECHNIQUE »; 4ème édition, Canada 2005, ISBN PUL 2-7637-8185-3.
[23] G. SALLOUM
« Contribution à la commande robuste de la machine asynchrone à double
alimentation » ; Thèse de doctorat, Institut National Polytechnique de Toulouse, 13
Mars 2007.
[24] P.W. CARLIN, A.S. LAXSON, E.B. MULJADI
« The History and State of Art of Variable-Speed Wind Turbine Technology »;
NREL/TP-500-28607, February 2001.
[25] G. GRELLET & G. CLERC
« Actionneurs Électriques : Principes, Modèles, Commande » ; Deuxième tirage,
Éditions Eyrolles, Paris, France, 1997.
[26] A. L. NEMMOUR
« Contribution à la Commande Vectorielle de la Machine Asynchrone à Double
Alimentation » ; Mémoire de Magister en électrotechnique, Université de Batna, Algérie,
2002.
[27] B. AKIN
« State Estimation Techniques For Speed Sensorless Field Oriented Control of
Induction Motors »; In Partial Fullfilment of the Requirements for the Degree of Master
of Science, the Middle East Technical University, August, 2003.
[28] M. P. DAVID & B. FORNEL
« Comparaison et Synthèse des Procédés de Commande Vectorielle » ; SEE, Journée
d’Études, Organisée par le Groupe Nord, le Club 13, Lille, France, Décembre 1992.
ICEPS 2009 172

[29] Y. ELBIA
« Commande Floue Optimisée d’une Machine Asynchrone à Double Alimentation et à
Flux Orienté » ; Mémoire de magister en électrotechnique, Université de Batna, 15 Juin
2009.
[30] M. MACHMOUM, F. POITIERS, C. DARENGOSSE, A. QUERIC
« Dynamic Performances of a Doubly-fed Induction Machine for a Variable-speed Wind
Energy Generation »; Proceedings of International Conference on Power System
Technology, 13-17 October 2002, Kunming, Chine, Volume 4, pp. 2431-2436.
[31] M. PARIZEAU
« Réseaux de neurones »; Cours GIF-21140 et GIF-64326, Université de Laval,
automne 2004.
[32] G. DREYFUS
« Les réseaux de neurones »; Cours Mécanique Industrielle et Matériaux, n°51, Éc ole
Supérieure de Physique et de Chimie Industrielles de la ville de Paris (ESPCI),
Septembre 1998.
[33] P. WIRA
« Réseaux de neurones artificiels : architectures et applications »; Cours pour l'école
doctorale de SBA, Université de Haute Alsace, Laboratoire MIPS, Mulhouse, France,
Avril 2009.
[34] A. MASSOUM
« Réglage neuro-floue d'une machine asynchrone sans capteur mécanique »; Mémoire
de magistère en électrotechnique, Faculté des sciences de l'ingénieur, laboratoire
ICEPS, Université de Sidi Bel-Abbès, 27 septembre 2003.
[35] A. MASSOUM
« Contribution à la commande singulièrement perturbée d'une machine synchrone à
aimants permanents- Commande à structure variable (CSV)- Commande neuro-floue
»; Thèse de doctorat en électrotechnique, Faculté des sciences de l'ingénieur,
laboratoire ICEPS, Université de Sidi Bel-Abbès, Avril 2007.
[36] A. SOUBIGOU & P. LE GUENNOU
« Projet neuromimétique » ; Rapport du projet DEA, Université de Mulhouse ;
Laboratoire UHA, Janvier 2003.
[37] G. DREYFUS, Y. IDAN
« The Canonical Form of Nonlinear Discrete-Time Models »; Neural Computation Vol.
10, n°1, 1998.
ICEPS 2009 173

[38] T. BOUAOUICHE, M. MACHMOUM, F. POITIERS

« Doubly fed induction generator with active filtering function for wind energy
conversion system »; Electrical Power Engineering 2005, Dresden, ISBN: 90-75815-08-
5.
[39] M.T. ABOLHASSANI, P. ENJETI, H.A. TOLIYAT
« Integrated doubly-fed electric alternator/ active filter (IDEA), a viable power quality
solution, for wind energy conversion systems »; Industry Applications Conference, 39th
IAS Annual Meeting. Conference Record of the 2004 IEEE, volume 3, 3-7, Page(s):
2036 - 2043, October 2004.
[40] D.ALEXA, A. SIRBU, M. DOBREA
« An analysis of three phase rectifiers with near-sinusoidal input currents »; IEEE
transactions on industrial electronics, vol 51, no 4, August 2004.
[41] D.O. ABDESLAM
« Techniques neuromimétiques pour la commande dans les systèmes électriques:
application au filtrage actif parallèle dans les réseaux électriques basse tension »;
Thèse de doctorat en Electronique, Electrotechnique et Automatique, Université de
Haute- Alsace, Mulhouse, France, 08 Décembre 2005.
[42] M. HACIL, A. KHEZZAR, A. L. NEMMOUR, M. BOUCHERMA
« Filtrage actif d’harmoniques des réseaux électriques à l’aide d’une machine
asynchrone à double alimentation–MADA »; 2ème conférence internationale sur
l’électrotechnique et ses applications ICEEA’08, Sidi Bel-Abbès, 20 et 21 Mai 2008.
[43] H.AKAGI, Y.KANAZAWA, A. NABAE
« Generalized theory of the instantaneous reactive power in three phase circuits »;
Proceeding International power electronics conference, Tokyo, Japan, 1983.
[44] M. C. BENHABIB
« Contribution à l'étude des différentes topologies et commandes des filtres actifs
parallèles à structure tension: Modélisation, simulation, et validation expérimentale de
la commande »; Thèse de doctorat en électrotechnique, France, 2004.
[45] T. GOURAUD
« Identification et rejet de perturbations harmoniques dans des réseaux de distribution
électrique »; Thèse de doctorat en automatique et informatique appliquée, École
Centrale de Nantes, France, 7 Janvier 1997.
[46] H. DJEGHLOUD
« Filtrage actif de puissance »; Thèse de doctorat en électrotechnique, Université
MENTOURI, Constantine, 12 Décembre 2007.
ICEPS 2009 174

[47] D. YATHLEY
« Back propagation neural networks for non-linear self tuning adaptive control »; IEEE,
Control systems magazine, pp 44-99, January 1990.
[48] P. POURE, S. SAADATE, B. DAVAT
« Filtrage dynamique d’harmoniques d’un réseau électrique à l’aide d’une machine à
double alimentation commandé par le rotor »; Publication, Journal Physique III, France,
Décembre 1995.
[49] M. HACIL
« Filtrage actif des harmoniques des réseaux industriels avec l’optimisation des
commandes robustes »; Mémoire de magistère en électrotechnique, option machines
électriques dans leur environnement, Université Mentouri, Constantine, Avril 2004.
SITES WEB
[Wind Power] Site des constructeurs Danois : http://www.windpower.dk/

[OWEN] Offshore Wind Energy Network: http://www.owen.eru.rl.ac.uk/
[EoleWeb] Eole, les éoliennes et l’énergie du vent : http://www.eole.org/
[EWEA] European Wind Energy Association: http://www.ewea.org/
[AWEA] American Wind Energy Association: http://www.awea.org/
[EED] Espace Eolien Développement : http://www.espace-eolien.fr/
[RISO] Risø National Laboratory (Danemark): http://www.risoe.dk/
[LIOR] LIOR international: http://www.lior-int.com/
[GEFER] Groupe Éolien Francoph d'Études et de Recherche: http://www.gefer.univ-artois.fr/
[ADEME] Agence De l’Environnement et de la Maîtrise de l’Énergie: http://www.ademe.fr
[WWEA] http://www.wwindea.org/ WWEA
[wikipédia] Encyclopédie libre: www.wikipédia.com/énergie éolienne.
ICEPS 2009 175

ANNEXES
ANNEXE A
Coefficient de puissance développé par la turbine éolienne
1 lambda
lambda
Cp 2
Cp
2 Beta
Beta
3 lambda
lambda 1/lambda_i
4
Beta
C1*((C2*u[1])-(C3*u[2])-C4)*exp(-C5*u[1])+(C6*u[3]) 1
Beta
Cp
Le modèle de la turbine éolienne en bloc SIMULINK
1 Vitesse du vent
Vitesse du
vent [m/s]
2 angle de calage B Couple (Ce) 1

Angle de Couple turbine
calage B [deg]
3 Vitesse du générateur
Vitesse du
générateur [rad/sec]
ICEPS 2009 176

ANNEXES
ANNEXE B
Paramètres du système éolien
Nom et symbole des paramètres Valeur numérique des paramètres

Puissance nominale P 1.5 MW
Rayon de l’éolienne R 35.25 m
Gain du multiplicateur de vitesse G 90
Tension nominale statorique Vs 398 / 690 V
Fréquence nominale statorique f 50 Hz
Tension nominale rotorique Vr 225 / 389 V
Fréquence nominale rotorique f 2 14 Hz
Résistance statorique Rs 0.012 Ω
Résistance rotorique Rr 0.021 Ω
Inductance statorique Ls 0.0137 H
Inductance rotorique Lr 0.0136 H
Inductance mutuelle Lm 0.0135 H
Inertie de l’arbre J 1000 kg .m 2
Coefficient de frottement visqueux de la MADA f r 0.0024 N .m.s −1
Glissement g 0.03
Nombre de paires de pôles p 2
La transformation de PARK
Transformation directe de Park Transformation inverse de Park

Passage du système triphasé ( a ,b , c ) vers Passage du système diphasé ( d , q ) vers le
le système diphasé ( d , q ) système triphasé ( a ,b , c )
 xa   xa   xa 
 x  P( θ ) T  x d  P( θ )
−1
 xd   xd 
 b  x  c − à − d  x  = P( θ )[xabc ]  
x  c − à − d
 b
 x  = P( θ )−1 x
 b [ ]
dq
T
 q  q  xq 
 x c   xc   xc 
Avec Avec
 
cos( θ ) − sin( θ ) 
  2π   2π    
cos( θ ) cosθ −  cosθ +   2π   2π 
2  3   3  P( θ )−1 = cos  θ −  − sinθ − 
P( θ ) =     3   3 
3  2π   2π   

− sin( θ ) − sinθ −  − sinθ +  2π   2π 
 3   3  cos  θ +  − sinθ + 
  3   3 
ICEPS 2009 177

ANNEXES
La transformation de CONCORDIA
Transformation directe de Concordia Transformation inverse de Concordia

Passage du système triphasé ( a ,b , c ) vers le Passage du système diphasé ( α , β ) vers le
système diphasé ( α , β ) système triphasé ( a ,b , c )
 xa   xa   xa 
C  xα   xα   xα  C −1
x 
 b x  c − à − d   = C [xabc ]  
T x  c − à − d
 b
 x  = C −1 x
 b [ ]
αβ
T
 x c   β  xβ   xβ   xc 
 xc 
 
 1 1   1 0 
 1 − − 2 1 3 
Avec C =
2 2 2  Avec C −1 = − 
  3 2 2 
3 3 3
0 −  1 3
 2 
2 − − 
 2 2 
ANNEXE C
Schéma synoptique du dispositif étudié
Dispositif mécanique (turbine)
Js+fr Réducteur
Équation mécanique
Vent
Ce 1 1
V +_
Ce Js+fr K
Cr
Multiplicateur
G Cr
MADA
f
Réseau
Commande Dispositif électrotechnique
ICEPS 2009 178

ANNEXES
ANNEXE D
Algorithmes d'apprentissages
Algorithme de rétropropagation du gradient d’erreur
1 - Calculer par propagation les valeurs de sortie de tous les neurones de la couche
d’entrée vers la couche de sortie:
 n 
y j ( t ) = σ  ∑ wij ( t ) yi ( t ) 
 i =o 
Où x 0 = −1 et w 0 j est le seuil du neurone j , et y i correspond à l'entrée xi du réseau
connectée au neurone j ou bien à la sortie du neurone i de la couche précédente.
2 - Calculer par rétropropagation l’erreur des neurones de la couche de sortie vers la

couche d’entrée :
 n

δ j ( t ) = ( d j ( t ) − y j ( t )).σ ′ ∑ wij ( t ) yi ( t ) 
 i =0 
Pour tous les neurones j de la couche de sortie reliées à n neurones i de la couche
cachée précédente,
m
 n

Et δ j ( t ) = ∑ ( w jk ( t ).δ k ( t ).σ ′ ∑ wij ( t ) yi ( t ) 
k =1  i =0 
Pour tous les neurones j d'une couche cachée reliées à m neurones k de la couche
suivante, et n neurones i de la couche précédente où y i correspond à l'entrée xi du

réseau connectée au neurone j ou bien à la sortie du neurone i de la couche précédente.
3 - Modifier tous les poids du réseau en appliquant la règle du delta généralisé:
wij ( t + 1 ) = wij ( t ) + α ( t ).δ j ( t ). yi ( t )
Où y i correspond à l'entrée xi du réseau connectée au neurone j ou bien à la sortie du

neurone i de la couche précédente.
ICEPS 2009 179

ANNEXES
Algorithme de Levenberg-Marquardt (LM) sous MATLAB
clear all;
warning off;
nntwarn off;
% Présentation de la base d'exemple.
load pi_pt;np=length(PT);P=PT(2,1:np)';T=PT(3,1:np)';
P=P';
T=T';
pas=5;
E1=P(1:pas:np);
SD=T(1:pas:np);
ER=[E1];
% Initialisation des poids et biais.
N0=size(ER,1);N1=1;N2=3 ;N3=1;
[W1,B1] = RANDS(N1,N0);
[W2,B2] = RANDS(N2,N1);
[W3,B3] = RANDS(N3,N2);
df1='deltalog';df2='deltasig';df3='deltalin';
grad_min=1e-100;
mu_init=0.1;
mu_inc=3;
mu_dec=0.1;
mu_max=1e100;
It_max=1000;
Erreur_seuil=1.0e-20;
W1_ind=[1:N1*N0];
B1_ind=[1:N1]+W1_ind(length(W1_ind));
W2_ind=[1:N2*N1]+B1_ind(length(B1_ind));
W3_ind=[1:N3*N2]+B2_ind(length(B2_ind));
ii=eye(B3_ind(length(B3_ind)));
dW1=W1;dB1=B1;
dW2=W2;dB2=B2;
dW3=W3;dB3=B3;
ext_p=nncpyi(ER,N3);
It=1;
% Propagation de l'activation.
x1=W1*ER+B1*ones(1,size(ER,2));S1=1./(1+exp(-x1));
x2=W2*S1+B2*ones(1,size(ER,2));S2=1./(1+exp(-x2));
x3=W3*S2+B3*ones(1,size(ER,2));SR=x3;
% Calcul de l'erreur quadratique.
Er=SD-SR;
SSE=sumsqr(Er);
ICEPS 2009 180

ANNEXES
% Boucle de Propagation et Rétropopagation de l'erreur jusqu'a la fin de

l'apprentissage.
mu=mu_init;
while(SSE>Erreur_seuil)&(It<It_max);
ext_S1=nncpyi(S1,N3);
ext_S2=nncpyi(S2,N3);
d3=feval(df3,SR);
ext_d3=-nncpyd(d3);
ext_d2=ext_S2.*(1-ext_S2).*(W3'*ext_d3);
ext_d1=ext_S1.*(1-ext_S1).*(W2'*ext_d2);
j1=nncpy(ext_d1',size(ext_p,1)).*nncpyi(ext_p',size(ext_d1,1));;
j2=nncpy(ext_d2',size(ext_S1,1)).*nncpyi(ext_S1',size(ext_d2,1));;
j3=nncpy(ext_d3',size(ext_S2,1)).*nncpyi(ext_S2',size(ext_d3,1));;
j=[j1, ext_d1', j2, ext_d2', j3, ext_d3'];
je=j'*Er(:);
grad=norm(je);
if grad<grad_min;break;end;
jj=j'*j;
while (mu<=mu_max);
dx=-(jj+ii*mu)\je;
dW1(:)=dx(W1_ind);dB1=dx(B1_ind);
NW1=W1+dW1;NB1=B1+dB1;
x1=NW1*ER+NB1*ones(1,size(ER,2));S1=1./(1+exp(-x1));
x2=NW2*S1+NB2*ones(1,size(ER,2));S2=1./(1+exp(-x2));
x3=NW3*S2+NB3*ones(1,size(ER,2));SR=x3;
NEr=SD-SR;NSSE=sumsqr(NEr);
if (NSSE<SSE);break;end;
mu=mu*mu_inc;
end;
if mu>mu_max;break;end;
mu=mu*mu_dec;
W1=NW1;B1=NB1;
W2=NW2;B2=NB2;
W3=NW3;B3=NB3;
Er=NEr;SSE=NSSE;
Erreur(It)=NSSE;
It=It+1;
SSE
end;
if (SSE<=Erreur_seuil);
save wb_hpi W1 W2 W3 B1 B2 B3 SSE pas;
end;
ICEPS 2009 181

ANNEXES
Apprendre le comportement de PI
1 erreur
référence Système 1
PI réel
pi_pt
Architecture du réseau de neurones sous SIMULINK
Entrée
1 TDL weight
p{1} Delays 1 IW{1,1} 1
bias netsum logsig a{1}
b{1} 1
Couche d’entrée
1 TDL weight
a{1} Delays 1 LW{2,1} 1
bias netsum tansig a{2} 2
b{2}
Couche cachée
1 TDL weight Sortie

a{2} Delays 1 LW{3,2} 1
bias netsum purelin a{3} 3
b{3}
Couche de sortie
weights
Entrée
IW {1,1} (1,:)' w
z Mux 1
1 p
Mux iz {1,1}
pd{1,1} dotprod 1
1 weights Sortie
w
weights w IW{3,2}(1,:)' z Mux 1
z 3 p
IW{2,1}(1,:)' p 1 Mux lz{3,2}
dotprod1
dotprod1 ad{3,2}
2
weights w
IW{2,1}(2,:)' z Mux 1
1 p lz{2,1}
Mux
ad{2,1} dotprod2
weights w
z
IW{2,1}(3,:)' p
dotprod3
ICEPS 2009 182

ANNEXES
Les valeurs des poids et des biais pour les régulateurs RN
Régulateur
RN- Puissances RN- Courants
Poids et biais
w01 -458820 -0.4312
w12 4920500 -164.0139
w13 -3183600 29.8050
w14 1456700 -10.4540
w25 -11233000 330.4149
w35 9889000 -485.5888
w45 -1738000 19.3242
b1 -102450 -0.0616
b2 -417600 49.7798
b3 241700 -14.1329
b4 237230 -87.4485
b5 4842900 24.4329
ICEPS 2009 183

:
$ ،+
‫ ذ‬-‫ ا‬. .‫ "! ا
ا‬#
‫ ا‬$%
‫م ها ا
درا و ا ل ا

ا
ا دوج ا
) ( إ&ج ا‬
-‫ ا‬. ‫ ا
آ"ة‬:‫ع ا
را ( ه‬8 &‫ آ‬31
‫ ا‬4#5
‫ ا‬. .3& .

‫ ها
و" ا‬.!‫ء & ذج ر‬1&2!
A ‫ة ا و‬3
‫م‬$ "?@ ")
‫ ا‬4#5
‫ ا‬."?@ ")
‫ ا‬4#5
‫ ا
@?" و ا‬4#5
‫ ا‬: ;3=
‫ و ا‬%1
‫ ا‬$%;
<=
‫ ا‬4#5
‫ا‬
"‫ (ت ا
@را‬IG‫ إزاء ا‬. H
‫
دة & ا‬3%FG‫ ا
<@ ا‬E
‫ت ا‬#@1! 4#5
‫ أدرج ا‬.B?"
‫ ; ا‬3 ‫ء‬1&‫إ‬
P
‫ ا‬.!" #
‫ ا‬#@1;
‫ ا
ودة‬$%
‫ ا‬3& "@‫ آ‬#1! .A5 ،)
‫ ا‬L3H
‫ ا

ا‬M"N .3 O1
‫ ا‬B?"
‫ ا‬.
K
.Q-‫ ( ا
"ا‬-‫ت ر‬G ‫ ل‬3‫ أ‬Q &‫ !
ر‬M5
‫ ا‬4 ‫آة‬5
‫ ا‬M"N .3 ;3 <5
‫ا‬
:
‫ا
ت ا‬
.O1
‫ ا‬B?"
‫ ا‬،3%FG‫ ا
<@ ا‬E
‫ت ا‬#@? ،31
‫ ا‬4#5
‫ ا‬،)
‫= ا‬3H ‫ ا‬G
R ،‫ ا
ا‬$%
‫ا‬
Résumé:
Ce travail présente l’étude et l’utilisation de la génératrice asynchrone à double alimentation

dans la production de l’énergie éolienne. Pour cela, nous avons défini un modèle de la turbine
éolienne pour l’entraînement de la MADA. Deux types de commande vectorielle ont fait l’objet de cette
d’étude dans ce mémoire pour le contrôle indépendant de la puissance active et réactive : la
commande directe et la commande indirecte. La commande indirecte offre plusieurs avantages et
facilite la mise en place au filtrage. La commande par réseaux de neurones artificiels est introduite
pour augmenter la robustesse des correcteurs vis-à-vis des variations paramétriques de la machine.
Le filtrage actif par GADA, améliore considérablement la qualité de l’énergie fournie au réseau
électrique. Les résultats obtenus en simulation ont été validés comparativement aux travaux des
articles cités en bibliographie.
Mots clés :
Énergie éolienne, Machine Asynchrone à Double Alimention (MADA, GADA), Commande vectorielle,
Réseaux de Neurones Artificiels (RNA), Filtrage actif.
Abstract:
This work presents the study and the use of the doubly fed induction generator in the wind power
production. For this, we defined a model of wind turbine for the training of DFIG. Two types of vector
control have been the subject of this study in this paper for independent control of active and reactive
power: the direct control and the indirect control, the indirect control offers several advantages and
facilitates the establishment filtering. The control by artificial neural networks is introduced to increase
the robustness of the correctors face to the parametric variations of the machine. The active filtering
by DFIG, improves considerably quality of the energy provided to the electrical network. The
simulation results were validated in comparison to the work of the articles quoted in bibliography.
Key words:
Wind energy, Doubly Fed Induction Machine (DFIM, DFIG), Vector control, Artificial Neural Networks
(ANN), Active filtering.

Djeriri Youcef: Commande Par Réseaux de Neurones D'une MADA Intégrée À Un Système Éolien

Transféré par

Informations du document

Description :

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

Djeriri Youcef: Commande Par Réseaux de Neurones D'une MADA Intégrée À Un Système Éolien

Titre original :

Transféré par

Description :

Droits d'auteur :

Formats disponibles

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE

MINISTÈRE DE L’ENSEIGNEMENT SUPÉRIEUR

UNIVERSITÉ DJILLALI LIABES DE SIDI BEL-ABBÈS

Pour l’obtention du diplôme de:

OPTION : Conversion d’énergie et Commande

Commande par réseaux de neurones d’une

MADA intégrée à un système éolien

Dr. A. MASSOUM M.C A U. Sidi Bel-Abbès Président

donné le courage, la volonté, la patience et la santé durant toutes

ces années d’études et que grâce à lui ce travail a pu être réalisé.

Je tiens à exprimer mes remerciements et ma gratitude à mon

Mr. A. MEROUFEL qui m’a aidé pour rendre ce travail

Mes remerciements aux enseignants du département de

l’électrotechnique de l’université de Sidi Bel-Abbès.

En particulier les membres du laboratoire de recherche

Mes remerciements aux membres de jury qui ont accepté de

Enfin je remercie aussi toutes les personnes qui m’ont aidé de

près ou de loin à la rédaction de ce mémoire.

À toute la Famille DJERIRI.

Spéciale dédicace au petit enfant DJERIRI IMAD AL-

À mes collègues des laboratoires d’électrotechnique

« ICEPS » & « IRECOM ».

À tout ceux qui m’ont aidé à réaliser ce mémoire.

MADA : Machine Asynchrone à Double Alimentation.

ρ : Densité de l'air 1.225 kg .m −3 .

Pmt : Puissance théorique maximale extractible d'un vent non perturbé.

C p : Coefficient de puissance de l'éolienne.

λ : Vitesse relative de l'éolienne.

V : Vecteur vitesse du vent.

Vrot : Composante de la vitesse du vent due à la rotation de la turbine.

Vres : Résultante des vecteurs V et Vrot .

Fax : Vecteur force représentant la poussée axiale sur une pale.

Fror : Vecteur force représentant la poussée en direction de la rotation sur la pale.

Fres : Résultante de Fax et Frot .

Ls , Lr : Inductances cycliques statorique et rotorique.

Lm : Inductance mutuelle cyclique stator-rotor (magnétisante).

M s , M r : Inductances mutuelles stator-stator et rotot-rotor.

J : Moment d'inertie de la machine.

VDC : Tension aux bornes du capacité du filtre.

Vred : Tension redressé.

VS A ,B ,C , Vra ,b ,c : Tensions triphasées statoriques et rotoriques de la machine asynchrone.

I S A ,B ,C , I ra ,b ,c : Courants triphasées statoriques et rotoriques de la machine asynchrone.

Ω , Ω s : Vitesse de rotation de la machine, vitesse de synchronisme en rad/sec.

ωs , ωr , ωsl : Pulsations électriques des grandeurs statoriques, rotoriques et de glissement.

I S d ,q , I rd ,q : Courants statoriques et rotoriques diphasés dans un repère tournant.

Iα , I β : Composantes diphasés du courant dans le repère de Concordia.

Îα , Î β : Composantes diphasés du courant filtré dans le repère de Concordia

L f : Inductance du filtre LC.

C f : Capacité du filtre LC.

Ps , Qs : Puissances active et réactive statoriques de la MADA.

Pmes , Qmes : Puissances électriques mesurées à la sortie du MADA.

Pref , Qref : Puissances électriques de références de la MADA.

v2 , v3 : Termes de couplage entre les axes d et q.

K ond , Tond : Gain statique et constante de temps du modèle de l’onduleur.

ε d , ε q : Perturbations représentant la somme de v1 et des résidus de couplage.

k p , ki : Gains proportionnel et intégral du régulateur PI.

wij : Poids synaptiques du neurone j .

LISTE DES TABLEAUX

Tableau IV.1 Analogie entre le neurone biologique et le neurone formel......................... 118