Académique Documents
Professionnel Documents
Culture Documents
net/publication/324929383
CITATIONS READS
0 249
3 authors, including:
Some of the authors of this publication are also working on these related projects:
Input-Output Linearizing and Decoupling Control of DFIG based fuzzy logic type 2 controllers for wind turbine drive View project
Commande directe du couple de la machine synchrone à aimants permanents dédiée à la conversion de l’énergie éolienne View project
All content following this page was uploaded by Hamza Mesai Ahmed on 04 May 2018.
Master en Electrotechnique
Domaine Sciences technologies
Filière : Electrotechnique
Parcours : Contrôle et supervision des processus
automatisés(CSPA)
Intitulé du mémoire :
GLOSSAIRE
1-EN FRANCAIS
MAS : Machine Asynchrone à Cage.
MADA : Machine Asynchrone à Double Alimentation.
GSAP : Génératrice Synchrone à Aimants Permanents.
GADA : Génératrice Asynchrone à Double Alimentation.
HYPER : Hypersynchronisme.
HYPO : Hyposynchronisme.
PI : Proportionnel Intégral.
Ka : Régulateur de vitesse.
FP : Facteur de Puissance.
MLI : Modulation de Largeur d'Impulsion.
BDV : Boite de vitesse.
CCM : Convertisseur Coté Machine.
CCR : Convertisseur Coté Réseau.
MCC : Machine à Courant Continu.
FTBF : Fonction de Transfert en Boucle Fermée.
FTBO : Fonction de Transfert en Boucle Ouverte.
RLF : régulateur logique floue
RNA : Réseaux de Neurones Artificiels.
CVD : Commande Vectorielle Directe.
CVI : Commande Vectorielle Indirecte.
2-EN ANGLAIS
GTO : Gate Turn-Off Thyristor.
IGBT : Insulated Gate Bipolar Transistor.
MPPT : Maximum Power Point Tracking.
AC : Alternatif Current.
DC : Direct Current.
FLC : Fuzzy logic controller.
IA : Intelligence artificial.
THD : Total Harmonic Distortion.
DFIM :Doubly Fed Induction Machine.
ANN : Artificial Neural Networks.
DFIG : Doubly Fed Induction Generator
UDL-SBA-2017
Notations & Symboles
NOTATION
UDL-SBA-2017
Notations & Symboles
(sA, sB, sC) Axes magnétiques liés aux enroulements triphasés statorique,
(ra, rb, rc) Axes magnétiques liés aux enroulements triphasés rotoriques,
(d, q) Axes de référentiel de Park (tournant à la vitesse de synchronisme),
(α, β) Axes de référentiel de Concordia/Clarke (repère de Park fixe au stator),
sr (rad) Position angulaire du rotor par rapport au stator,
s (rad) Position angulaire du stator par rapport à l’axe (d),
r (rad) Position angulaire du rotor par rapport à l’axe (d).
Grandeurs électriques au stator :
UDL-SBA-2017
Notations & Symboles
Vr 31 vra ,vrb ,vrc T (V) Vecteur des tensions instantanés des phases a, b et c
rotoriques,
Vr (V) Module du vecteur de tension rotorique,
vr d, q (V) Tensions statoriques diphasées dans le repère (d, q),
ir d, q (A) Courants statoriques diphasées dans le repère (d, q),
I r 31 ira ,irb ,irc T (A) Vecteur des courants instantanés des phases a, b et c
rotoriques,
Qr* (VAr) Puissance réactive rotorique.
Grandeurs magnétiques au stator :
Grandeurs mécaniques :
Transformations :
s Opérateur de Laplace,
P (θ) Transformation de Park : Xs a,b,c → Xs d,q et Xr a,b,c → Xr d,q,
C32 Transformation de Concordia/Clarke : Xs a,b,c → Xs α,β et Xr a,b,c → Xr α,β,
UDL-SBA-2017
Notations & Symboles
UDL-SBA-2017
LISTE DES
FIGURES
Liste des figures
Chapitre II
Figure II.1: Tube de courant autour d'une éolienne…………………………………................. 24
Figure II.2: Coefficient de puissance………………………………………………………………………… 25
Figure II.3: Simulation du profile de la vitesse du vent…………….……………………………… 26
Figure II.4: Coefficient de puissance Cp en fonction de λ pour différents β…………….. 28
Figure II.5: Puissance aérodynamique générée par la turbine éolienne……………........ 29
Figure II.6: Coefficient du couple Cc en fonction de λ pour différents β…………..……… 30
Figure II.7: Caractéristique du couple aérodynamique de la turbine…………..………….. 30
Figure II.8: Schéma bloc du modèle de la turbine……………………………………………………. 31
Figure II.9: Caractéristique puissance - vitesse d’une éolienne……….………………………. 32
FigureII.10: Contrôle MPPT avec asservissement de la vitesse mécanique….………….. 33
FigureII.11: Résultats de simulation du MPPT avec asservissement de vitesse…………. 34
Liste des figures
Chapitre III
Figure III.1: les quatre modes de fonctionnement de la MADA……………………………… 38
FigureIII.2 : Représentation simplifié de la MADA…………………................................... 41
FigureIII.3 : Repère statorique et rotorique et repère de Park……………………………….. 44
FigureIII.4 : Orientation du repère de Park…………………………………………………………….. 46
FigureIII.5 : Schéma bloc du modèle simplifié de la MADA…………………………………….. 49
FigureIII.6 : La structure AC-DC-AC (en anglais « back-to-back »)…………………………… 49
Figure III.7: Représentation schématique d’un onduleur de tension alimente le
rotor de la MADA…………………………......................................................... 50
FigureIII.8 : Schéma simplifié de l'onduleur triphasé…………….................................... 50
FigureIII.9 : Principe de commande en MLI sinus-triangulaire………………………………… 52
FigureIII.10 : Comportement de la MADA intégrée au système éolien…………………….. 54
Figure III.11: Couplage de puissance active et réactive de la MADA………………………… 55
Chapitre IV
Figure IV.1: Schéma de principe du découplage de la MADA par analogie avec la
MCC……………………………………………………………………………………………………. 57
Figure IV.2 : Schéma bloc du système à commander………………………………………………. 59
Figure IV.3 : Schéma bloc de la commande directe de la MADA……………………………... 59
Figure IV.4 : Schéma bloc de la commande indirecte sans bouclesde puissance……… 60
Figure IV.5 : Schéma bloc de la commande indirecte avec boucles de puissance……. 61
Figure IV.6 : Système régulé par un PI……………………………………………………………………. 62
Figure IV.7 : Commande en puissances de la MADA par la méthode directe (suivi
de consigne)………………………………………………………………………………………… 64
Figure IV.8 : Commande en puissances de la MADA par la méthode indirecte
(FP=1)…………………………………................................................................... 66
Figure IV.9 : La commande vectorielle indirecte vis-à-vis aux variations
paramétriques de la MADA…………………………………………………………………. 68
Figure IV.10: Influence de variation paramétrique sur les régulateur PI…………………… 69
Chapitre V
Figure V.1: Comparaison d’un ensemble classique et d’un ensemble flou.……………. 72
Figure V.2 : Exemple des fonctions d’appartenance………………………………………………. 73
Figure V.3 : Union des sous-ensembles flous « petite » et « moyenne » pour la
variable linguistique……………………………………………………………………………. 73
Figure V.4 : Intersection des sous-ensembles flous « petite » et « moyenne » pour
la variable linguistique………………………………………………………………………… 74
Figure V.5 : Complémentation du sous-ensemble flou «petite»…………………………….. 74
Figure V.6 : Structure de base d’une commande à logique floue…………………………… 75
Figure V.7 : Schéma bloc de la commande de la MADA…………………………………………. 78
Liste des figures
Figure V.8 : Fonctions d’appartenance pour les variables d’entrées EP, dEP et de
sortie du dIrq régulateur flou de puissance active……………………………….. 79
Figure V.9 : Schéma bloc de la commande de la MADA avec régulation floue……….. 80
Figure V.10: Commande en puissances de la MADA par la méthode indirecte, avec
régulation floue (Suivi de consigne)………………………………………………. …… 81
Figure V.11: La commande vectorielle indirecte vis-à-vis aux variations
paramétriques par régulateur floue de la MADA…………………………………. 82
Figure V.12: Influence de variation paramétrique sur les régulateurs flous…………….. 83
Figure V.13: Structure d’un réseau de neurones biologique……………………………………. 84
Figure V.14: Modèle d'un neurone artificiel……………………………………………………………. 85
Figure V.15: Représentation matricielle du modèle d’un neurone artificiel…………..… 86
Figure V.16: Fonctions d'activations: (a) du neurone «seuil» ; (b) du neurone
«linéaire», et (c) du neurone «sigmoïde»……………………………………………. 87
Figure V.17: Schéma d'un réseau de neurones monocouche………………………………….. 88
Figure V.18: Schéma d'un réseau de neurones non bouclé (Perceptron
multicouches)……………………………………………………………………………………… 89
Figure V.19: Architecture neuronal proposée pour l’implémentation du contrôleur. 90
Figure V.20: Apprentissage des réseaux de neurone par l’algorithme de
rétropropagation………………………………………………………………………………… 91
Figure V.21: Algorithme de rétropropagation………………………..................................... 92
Figure IV.22 : Schéma bloc de la commande de la MADA par réseaux de neurones….. 92
Figure IV.23 : Résultats de simulation de la commande indirecte par réseaux de
neurones…………………………………………………………………………………………….. 93
Figure IV.24 : Le régulateur neuronal face aux variations paramétriques de la MADA. 94
LISTE DES
TABLEAUX
Liste des tableaux
Annexe A
Tableau A.1: Paramètres de la turbine éolienne de 1.5MW……………………………………….. i
Tableau A.2: Paramètres de la MADA de 1.5MW……………………………………………………….. i
Annexe B
Tableau B.1: Paramètres de régulateur MPPT…………………………………………………………… iii
Annexe D
Tableau D.1: les Poids et les piais de régulateur de puissance.………………………………….. vii
Tableau D.2: les Poids et les piais de régulateur du courant ……………………………………… vii
Annexe E
Tableau E.1: Paramètres de régulateur PI………………………………………………………………….. viii
Tableau E.2: Paramètres de régulateur flou………………………………………………………………. viii
Tableau E.3: comparaison des performances des trois régulateurs…………………………… viii
Sommaire
Sommaire
SOMMAIRE
INTRODUCTION GENERALE
dix dernières années. Nous décrirons les différents composants constituant l’aérogénérateur
ainsi que les différents types d’éoliennes existantes, en détaillant leurs avantages et leurs
inconvénients. Ensuite, les différentes machines électriques utilisées pour la conversion
éolienne seront étudiées afin de montrer les avantages inégalés de la machine asynchrone à
double alimentation surtout en grande puissance et à vitesse variable.
Le second chapitre sera dédié à la modélisation et la commande de la partie
mécanique de l’éolienne. Nous modéliserons d’abord la turbine éolienne ainsi que l’arbre
mécanique en décrivant l’utilité du multiplicateur. Ensuite nous étudierons la commande de
la turbine afin de maximiser la puissance captée sans se soucier de la partie électrique. La
stratégie MPPT repose sur le principe de l’extraction du maximum de puissance de l’éolienne
et de son injection dans le réseau. Des résultats de simulation seront présentés dans
l’objectif de vérifier et valider la stratégie de contrôle.
Le troisième chapitre présentera des généralités sur la MADA, ses applications, ses
différents modes de fonctionnement. Puis nous procèderons à la mise en équation de la
machine asynchrone à double alimentation. Suivis de simplifier les équations de cette
machine, nous utiliserons la transformation de PARK. Ensuite, nous donnerons un aperçu sur
la commande à modulation de largeur d’impulsion de l’onduleur de tension. A la fin du
chapitre on propose un essai a pour objectif de montrer le couplage entre la puissance
active et réactive statoriques.
Le quatrième chapitre traitera le réglage classique des puissances statoriques active et
réactive du système éolien à base d’une génératrice asynchrone à double alimentation,
connectée directement au réseau et pilotée par son rotor via un onduleur de tension,
commandé par MLI sinus-triangle. Ainsi, on utilise la commande vectorielle indirecte, basée
sur le principe d’orientation du flux statorique. La régulation est assurée par des correcteurs
classiques de type PI, en comparant leur performance en termes de suivi de consigne,
sensibilité aux perturbations et robustesse vis-à-vis des variations des paramètres de la
machine asynchrone à double alimentation. Cependant, dans le cas d’une grande variation
des paramètres de la machine, le régulateur PI n’arrive pas à garder les performances
dynamiques et statiques du système (perte de robustesse).
Donc, Le cinquième chapitre, concerne principalement la commande par la logique
floue et les réseaux de neurones artificiels et leurs applications pour le réglage des
puissances active et réactive issues de la machine asynchrone à double alimentation. Les
résultats de simulations obtenus montrent de bonnes performances et une grande
robustesse face aux variations paramétriques contrairement aux résultats que donnent le
régulateur PI.
Enfin, nous clôturons ce travail par une conclusion générale qui résume les résultats
obtenus et des perspectives pour la continuité future de ce travail.
GENERALITES SUR
LES SYSTEMES EOLIENS
Page 3
Chapitre I Généralités sur les systèmes éoliens
I.1 Introduction
Depuis l'utilisation du moulin à vent, la technologie des capteurs éoliens n'a cessé
d'évoluer. C'est au début des années quarante que de vrais prototypes d'éoliennes à pales
profilées ont été utilisées avec succès pour générer de l’électricité. Plusieurs technologies
sont utilisées pour capter l'énergie du vent (capteur à axe vertical ou à axe horizontal).
Dans ce chapitre, on présente une définition de l’énergie éolienne de manière
générale, puis l’évolution des éoliennes durant les dernières décennies. Des statistiques
sont données montrant l’évolution de la production et la consommation de l’énergie
éolienne dans le monde, ainsi que les différents générateurs utilisés dans les systèmes
éoliens. Ce chapitre sera clôturé par une conclusion.
UDL-SBA-2017 Page 4
Chapitre I Généralités sur les systèmes éoliens
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 90m pour
des éoliennes de plusieurs mégawatts) dans des zones géographiquement dégagées
pour éviter les phénomènes de turbulences [01].
UDL-SBA-2017 Page 5
Chapitre I Généralités sur les systèmes éoliens
Le marché de 2016 était supérieur à 54 GW, ce qui a donné une capacité installée
totale globale à près de 487 GW, soit une croissance cumulée de 12.47%. Dirigé par la Chine,
les États-Unis, l'Allemagne et l'Inde. L’Allemagne est restée le premier marché sur le
continent Européen en 2016 (5.4 GW), Les installations américaines de 8 203 MW étaient
presque égales au marché fort de 2015, ce qui porte le total des États-Unis à plus de 82 GW
[03].
Le marché offshore chinois en 2016 atteindre la 3ème place du classement mondial,
après le Royaume-Uni et Allemagne.
UDL-SBA-2017 Page 6
Chapitre I Généralités sur les systèmes éoliens
UDL-SBA-2017 Page 7
Chapitre I Généralités sur les systèmes éoliens
er
Figure I.5 : 𝟏 Ferme éolienne en Algérie.
UDL-SBA-2017 Page 8
Chapitre I Généralités sur les systèmes éoliens
Sonelgaz a mis en service sa première ferme éolienne d’Adrar d’une capacité de10
mégawatts qui servira aussi de projet pilote pour le plan éolien du gouvernement de 420
MW à l’horizon 2024. Constituée de 12 éoliennes d’une puissance unitaire de 0.85 MW
chacune (pour une capacité globale de 10 mégawatts), cette ferme est implantée sur une
superficie de 30 hectares dans la zone de Kabertène à 72 km au nord du chef-lieu de la
wilaya d’Adrar, a nécessité près de 32 mois de travaux pour un coût global de 2,8 milliards
de dinars [14].
Première du genre à l’échelle nationale, cette nouvelle centrale de production
d’électricité fait partie d’un vaste plan de projets de génération de 22 GW, d’énergie
renouvelable à l’horizon 2030 dont 1,7 GW en éolien.
I.3.4.a Avantages
L’énergie éolienne est avant tout une énergie qui respecte l’environnement [08]:
L’énergie éolienne est une énergie renouvelable, c’est à dire que contrairement aux
énergies fossiles, les générations futures pourront toujours en bénéficier.
L’exploitation de l’énergie éolienne n’est pas un procédé continu puisque les
éoliennes en fonctionnement peuvent facilement être arrêtées.
Les parcs éoliens se démontent très facilement et ne laissent pas de trace.
C’est une source d’énergie locale qui répond aux besoins locaux en énergie. Ainsi les
pertes en lignes dues aux longs transports d’énergie sont minimes.
L’exploitation de cette énergie éolienne ne produit pas de CO2, ni d’autres gazes
à effet de serre [04].
I.3.4.b Inconvénients
L’énergie éolienne possède aussi des désavantages qu’il faut citer :
L’impact sur les parcours migratoires des oiseaux et l’impact visuel [01].
Le bruit : la source essentielle du bruit dans les éoliennes est le multiplicateur [08].
La qualité stochastique de la puissance électrique à cause du vent aléatoire qui
provoque l’instabilité de la production [01].
UDL-SBA-2017 Page 9
Chapitre I Généralités sur les systèmes éoliens
A nos jours, ce type d’éolienne est plutôt marginal et son utilisation est beaucoup
moins rependue. Elles présentent des avantages et des inconvénients que nous pouvons
citer comme suit [04] [08].
I.4.1.a Avantages
• Son axe vertical possède une symétrie de révolution ce qui permet de fonctionner quel
que soit la direction du vent sans avoir à orienter le rotor.
• Sa conception est simple, robuste et nécessite peu d’entretien.
I.4.1.b Inconvénient
• Elles sont moins performantes que celles à axe horizontal.
• La conception verticale de ce type d’éolienne impose qu’elle fonctionne avec un
vent proche du sol, donc moins fort car il est freiné par le relief.
UDL-SBA-2017 Page 10
Chapitre I Généralités sur les systèmes éoliens
I.4.2.a Avantages
• Une très faible emprise au sol par rapport aux éoliennes à axe vertical.
• Cette structure capte le vent en hauteur, donc plus fort et plus régulier qu’au voisinage du
sol.
• Le générateur et les appareils de commande sont dans la nacelle au sommet de latour.
Ainsi, il n’est pas nécessaire de rajouter un local pour l’appareillage.
I.4.2.b Inconvénients
• Coût de construction très élevé.
• L’appareillage se trouve au sommet de la tour ce qui gêne l’intervention en cas
d’incident.
Malgré ses inconvénients, cette structure est la plus utilisée de nos jours. Cependant,
les structures à axe vertical son encore utilisé pour la production d’électricité dans les zones
isolés. Elles sont de faible puissance destinées à des utilisations permanentes comme
la charge des batteries par exemple [09].
Dans le reste de notre étude nous nous intéressons à la structure la plus répondue et
la plus efficace à savoir celle à axe horizontal et à trois pales à pas variable (variable pitch)
[09].
UDL-SBA-2017 Page 11
Chapitre I Généralités sur les systèmes éoliens
UDL-SBA-2017 Page 12
Chapitre I Généralités sur les systèmes éoliens
Boite de condensateur
UDL-SBA-2017 Page 13
Chapitre I Généralités sur les systèmes éoliens
UDL-SBA-2017 Page 14
Chapitre I Généralités sur les systèmes éoliens
Figure I.12: Caractéristique de la puissance générée en fonction de la vitesse mécanique et la vitesse du vent.
Pour une vitesse de vent V1 et une vitesse mécanique de la génératrice Ω1; 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 P2 se
trouve sur la 2ème 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 Ω2. Il faut donc rendre la vitesse
mécanique variable en fonction de la vitesse du vent pour extraire le maximum de la
puissance générée.
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 (Ωref),
calculée pour maximiser la puissance extraite.
UDL-SBA-2017 Page 15
Chapitre I Généralités sur les systèmes éoliens
Figure I.13: 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 de vent sur le couple mécanique fournie par l’éolienne est ainsi moins
importante [02].
UDL-SBA-2017 Page 16
Chapitre I Généralités sur les systèmes éoliens
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.
Avantages [08]:
- Elle possède un système électrique simple.
- Elle possède une très grande fiabilité.
- Elle est moins chère.
Inconvénients [08]:
- La puissance extraite est non optimisée.
- La magnétisation de la machine est imposée par le réseau.
- Il n’y a pas de contrôle de l’énergie réactive.
UDL-SBA-2017 Page 17
Chapitre I Généralités sur les systèmes éoliens
génératrice pour la production en forte puissance. Une seconde raison est la possibilité
de régler la tension au point de connexion où est injectée cette génératrice.
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 œuvre 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 de10%.
UDL-SBA-2017 Page 18
Chapitre I Généralités sur les systèmes éoliens
Ps
Ps+g.ps
g*Ps
UDL-SBA-2017 Page 19
Chapitre I Généralités sur les systèmes éoliens
Cette configuration permet une variation de 100% de la vitesse du vent en utilisant des
pâles orientables. Les convertisseurs ne sont dimensionnés que pour seulement 30%
de la puissance nominale de la génératrice donc les pertes dans les convertisseurs sont peu
importantes [12].
Avantages [16] :
- Fonctionnement à vitesse variable sur toute la plage de vitesse
- Puissance extraite optimisée pour les vents faibles.
- Connexion de la machine facile à gérer.
- Elle est utilisée en entraînement direct sur les turbines éoliennes (sans multiplicateur
mécanique).
UDL-SBA-2017 Page 20
Chapitre I Généralités sur les systèmes éoliens
Inconvénients :
- Grand diamètre de machine [16].
- Electronique de puissance dimensionnée pour la puissance nominale de la génératrice [16].
- L’absence de possibilité de réglage du flux d’excitation *17+.
I.10 Conclusion
La production d’électricité par l’énergie éolienne intéresse de plus en plus les pays afin
de produire une énergie propre et durable. Son développement va progresser grâce aux
recherches effectuées sur les moyens de conversion de l’énergie.
L’état avancé des recherches dans le domaine éolien montre une volonté de
développer des éoliennes toujours plus puissantes et capter au mieux la puissance
disponible dans le vent.
Dans ce chapitre, nous avons présenté des généralités sur les systèmes éoliens,
décrivant tout d’abord son historique, un bref aperçu sur sa situation actuelle dans le
UDL-SBA-2017 Page 21
Chapitre I Généralités sur les systèmes éoliens
monde entier, ainsi les efforts fournis par les différents pays, y compris l’Algérie dans le but
de développer cette filière.
Après un rappel sur les différents types d’éoliennes (axe horizontal et axe vertical),
nous avons décrit les différentes machines utilisées dans les éoliennes récentes, y compris la
machine asynchrone à double alimentation avec structure « back-to-back » commandée
par le rotor. Cette technologie permet de réduire le dimensionnement des
convertisseurs statiques à 30% en véhiculant seulement la puissance de glissement. En
outre, elle permet un réglage de la puissance réactive, son utilisation dans la chaîne de
conversion éolienne est l’objet des chapitres suivants.
UDL-SBA-2017 Page 22
Chapitre II
MODELISATION ET
COMMANDE MPPT DE
LA TURBINE EOLIENNE
Page 23
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
II.1 Introduction
La modélisation de la chaîne de conversion éolienne est une étape primordiale dans la
compréhension du système éolien. Dans ce chapitre, on s’intéresse essentiellement à la
modélisation de la turbine éolienne basée sur la génératrice asynchrone à double
alimentation qui reste la machine la plus utilisée dans les systèmes éoliens à vitesse variable.
Cette modélisation permet en premier lieu de comprendre le comportement
dynamique et l’interaction électromécanique de la génératrice. Avec le modèle approprié de
la turbine éolienne, nous pouvons orienter facilement à la commande diteMPPT.Cette
dernière repose sur le principe de l’extraction du maximum de puissance de l’éolienne pour
chaque vitesse du vent.
Des résultats de simulation permettront de juger l’efficacité de ce modèle.
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:
S (V1 V2 )
m (II.1)
2
UDL-SBA-2017 Page 24
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
SV13
Pmt (II.4)
2
Le ratio entre la puissance extraite du vent et la puissance totale théoriquement
disponible est alors :
V1 V
(1 ( ))(1 ( 1 ) 2 )
Pm V2 V2
(II.5)
Pmt 2
UDL-SBA-2017 Page 25
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
R1
Avec: (II.7)
V1
: vitesse de rotation avant multiplicateur et R : rayon de l'aérogénérateur.
Compte tenu du rapport du multiplicateur de vitesse G, la puissance mécanique Pmg
disponible sur l'arbre du générateur électrique s'exprime par :
1 R
Pmg C P ( 2 ) R 2V13 (II.8)
2 GV1
12 Vmoy=8.2
10
8
6
4
0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s)
Figure II.3: Simulation du profile de la vitesse du vent.
UDL-SBA-2017 Page 26
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
Pt 1
Ct R 3V 2 Cc ( , ) (II.13)
t 2
Où Cc représente le coefficient du couple :
CP
Cc (II.14)
UDL-SBA-2017 Page 27
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
0.5
Beta=0°
Coefficient de puissance Cp
0.4 Beta=2°
Cp-max=0.48
Beta=5°
0.3 Beta=10°
Beta=15°
0.2 Beta=20°
0.1 Beta=25°
0
λopt = 8.1
0 5 10 15 20
Ratio de vitesse
Figure II.4 : Coefficient de puissance Cpen fonction de λ pour différents β
1
Pt opt R 2V 3C pmax (opt , opt ) (II.16)
2
La relation (II.16) montre qu’une petite variation de la vitesse du vent V induit une
grande variation de la puissance générée Pt. La figure II.5 présente les résultats de
simulation de cette caractéristique pour une éolienne de 1.5(MW) à travers la courbe
d’extraction de la puissance aérodynamique de la turbine, en fonction de la vitesse de
rotation de la génératrice, pour les différentes vitesses du vent.
UDL-SBA-2017 Page 28
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
Hypo Hyper
6 -30%
x 10 +30%
2
Puissance aérodynamique Pt (W)
V=4m/s
V=6m/s
1.5 V=8m/s
V=9m/s
V=10m/s
1
V=11m/s
0.5
0
0 500 1000 1500 2000
Vitesse de rotation de la génératrice (tr/min)
Figure II.5 : Puissance aérodynamique générée par la turbine éolienne.
UDL-SBA-2017 Page 29
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
Beta=0°
0.06 Beta=2°
coefficient du couple Cc
Beta=5°
Beta=10°
0.04 Beta=15°
Beta=20°
Beta=25°
0.02
0
0 5 10 15 20
Ratio de vitesse
Figure II.6: Coefficient du couple Ccen fonction de λ pour différents β.
Le couple mécanique optimal produit par la turbine éolienne peut être reformulé de la
façon suivante :
5
x 10
8
V=4m/s
Couple aérodynamique Ct (N.m)
V=6m/s
V=8m/s
6
V=9m/s
V=10m/s
V=11m/s
4
0
0 500 1000 1500 2000
Vitesse de rotation de la génératrice (tr/min)
g
t (II.20)
G
UDL-SBA-2017 Page 30
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
d g
J C méc C g C em C f (II.21)
dt
L’évolution de la vitesse mécanique Ωg dépend du couple mécanique appliqué au rotor
de la génératrice Cméc qui est la résultante du couple de la turbine après multiplicateur, le
couple électromagnétique produit par la génératrice Cem, et le couple de frottement
visqueux Cf donné par la relation :
C f fv g (II.22)
UDL-SBA-2017 Page 31
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
UDL-SBA-2017 Page 32
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
UDL-SBA-2017 Page 33
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
Réelle
Vitesse du vent (m/s)
200
10 200
100 100
0
5 0 0.05 0.1 0.15
0
0 1 2 3 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
(a) 5 (b)
x 10
Puissance aérodynamique Pt (W)
9000 15
Couple de génératrice (N.m)
8000
7000
6000 10
5000
4000
3000 5
2000
1000
0 0
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
(c) (d)
12
0.5
Coefficient de puissance Cp
10
0.5
0.4
Ratio de vitesse
8 0.4
6 0.3 0.3
Cp-max=0.48
0.2
4 0.2
0.1
2 0.1 0
0 0.02 0.04 0.06 0.08 0.1
0 0
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s)
Temps (s)
(f)
(e)
UDL-SBA-2017 Page 34
Chapitre II Modélisation et Commande MPPT de la turbine éolienne
II.6 Conclusion
Nous avons détaillé dans ce chapitre une modélisation de la partie mécanique de
l’éolienne prenant en compte les caractéristiques du profil du vent et des pales utiliséeset
l'angle de calage. Les résultats obtenus pour la stratégie de contrôle MPPT (avec
asservissement de vitesse) montrent des bonnes performances statiques et dynamiques, un
temps de réponse souhaitable offertes par la technique; ce qui justifie le choix de la
méthode MPPT pour le contrôle de lapuissance mécanique de la turbine éolienne.
Afin de contrôler les puissances électriques produisent par l’éolienne il faut trouver un
modèle pour la génératriceutilisée (GADA) qui reflet fidèlement le fonctionnement de cette
dernière dans le système de conversion d’énergie éolienne, c’est l’objectif du prochaine
chapitre.
UDL-SBA-2017 Page 35
Chapitre III
ETUDE, MODELISATION
ET SIMULATION DE LA
MADA
Page 36
Chapitre III Etude, Modélisation et Simulation de la MADA
III.1 Introduction
Actuellement, la majorité des projets éoliens supérieurs à 1MW reposent sur
l’utilisation de la machine asynchrone à double alimentation [14], ce qui permet de
fonctionner sur une large plage de vitesse et d'en tirer le maximum de puissance possible
pour chaque vitesse du 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 principalement la raison pour laquelle on trouve ce type de génératrice pour la
production de forte puissance [21].
Nous verrons dans ce chapitre la modélisation de lagénératrice asynchrone à double
alimentation dans le repère de Park lié au champ tournant.Nous verrons ensuite la
modélisation del’onduleur en tension qui alimente le rotor de la machine et sa commande
MLI afin de réaliser la commande en boucle ouverte de la MADA.
Des résultats de simulation sont présentés pour juger l’efficacité du modèle de la
génératrice proposé.
UDL-SBA-2017 Page 37
Chapitre III Etude, Modélisation et Simulation de la MADA
machine. Dans ces conditions, le rotor était bloqué et la MADA se comporte comme un
transformateur.
Régime hypo-synchrone:(ωr<ωs⇒0<g<1), le glissement est positif, cela signifie que le champ
tournant créé par les enroulements du rotor tourne dans le même sens que celui créé par
les enroulements du stator. Dans ce cas, la fréquence fr du rotor commence à décroître et
plus la vitesse du rotor s'approche de celle du synchronisme, plus fr tend vers 0. De même, la
tension induite dans le rotor décroît linéairement et prenne une valeur très faible pour une
vitesse du synchronisme.
Régime synchrone:(ωr=ωs⇒ g=0), lorsque la vitesse mécanique du rotor atteintela vitesse
du synchronisme, la fréquence frdu rotor s’annule. Dans ce cas, le rotor tourne avec la même
vitesse que celle du flux statorique ; donc le rotor ne "voit" aucun mouvement relatif par
rapport à ce dernier (ωsr=0), par conséquent il n’y a aucune tension induite dans les
enroulements du rotor.
Régime hyper-synchrone: (ωr>ωs⇒g<0), par davantage d'accélération, le flux rotorique
rattrape le flux statorique et le glissement devient négatif, ce que signifie que l'ordre de
succession de phase du rotor s’inverse. L'augmentation de la vitesse relative du rotor par
rapport à celle du flux statorique mène à une augmentation de la tension induite du rotor.
UDL-SBA-2017 Page 38
Chapitre III Etude, Modélisation et Simulation de la MADA
UDL-SBA-2017 Page 39
Chapitre III Etude, Modélisation et Simulation de la MADA
III.2.4.a Avantages
Les principaux avantages de la MADA sont :
La mesure des courants au stator et rotor, contrairement à la machine à cage,
donnant ainsi une plus grande flexibilité et précision au contrôle du flux et du couple
électromagnétique ;
Elle présente une puissance massique légèrement plus élevée que les autres
machines de grandes puissances ;
Fonctionnement possible à couple constant au-delà de la vitesse nominale ;
Le convertisseur lié au rotor est dimensionné au tiers de la puissance nominale de la
machine pour une vitesse de fonctionnement autour de celle de synchronisme, dans
ce cas les pertes dans les interrupteurs à semi-conducteurs sont faibles, et par
conséquent un rendement élevé du système de conversion.
III.2.4.b Inconvénients
Comparativement aux autres machines (MAS et MSAP), la MADA présente des
inconvénientsliés essentiellement au système bagues-balais comme :
Le surcoût engendré par la maintenance due à l’emploi d’un multiplicateur de vitesse
et dusystème bagues-balais de la MADA.
Elle est plus volumineuse qu'une MAS à cage de puissance équivalente grâce à la
présence dusystème bagues-balais.
L'aspect multi-convertisseurs, augmente le nombre de convertisseurs et par
conséquent le prix. Pourtantcertainesétudes prétendent le contraire.
UDL-SBA-2017 Page 40
Chapitre III Etude, Modélisation et Simulation de la MADA
UDL-SBA-2017 Page 41
Chapitre III Etude, Modélisation et Simulation de la MADA
Au stator
Vs 31 Rs 33 I s 31 d s 31 (III.3)
dt
Au rotor
Vr 31 Rr 33 I r 31 d r 31 (III.4)
dt
Où :
V As V Ar I As I ar As ar
Vs Vbs Vr Vbr I s I bs I r I br s bs r br
Vcs Vcr I cs I cr cs cr
Rs 0 0 Rr 0 0
Rs 0 Rs 0 Rr 0
Rr 0
0 0 Rs 0 0 Rr
Avec :
RsetRr: Les résistances des enroulements statoriques et rotoriques de la MADA,
respectivement.
Equations magnétiques
Il est possible d’exprimer les flux en fonctions des courants et différentes inductances
propres et mutuelles de la machine par :
Au stator
s 31 Ls 33 I s 31 Lm 33 I r 31 (III.5)
Au rotor
r 31 Lr 33 I r 31 Lm 33 I s 31 (III.6)
Où :
ls ms ms lr mr mr
Ls 33 ms ls ms Lr 33 mr
lr mr
ms ms l s mr mr lr
UDL-SBA-2017 Page 42
Chapitre III Etude, Modélisation et Simulation de la MADA
Avec :
s 31 sa ,sb ,sc T : Vecteur des flux instantanés des phases a, b et c statoriques;
r 31 ra ,rb ,rc T : Vecteur des flux instantanés des phases a, b et c rotoriques ;
I s 31 isa , isb , isc T : Vecteur des courants instantanés des phases a, b et c statoriques ;
I r 31 ira , irb , irc T : Vecteur des courants instantanés des phases a, b et c rotoriques ;
Et :
Lset Lr: Les inductances cycliques statoriques et rotoriques de la MADA, respectivement ;
Lm: L’inductance mutuelle cyclique entre le stator et le rotor (inductance magnétisante) ;
ls et lr: Les inductances propres statoriques et rotoriques ;
ms et mr: Les inductances mutuelles entre deux phases statoriques et entre deux phases
rotoriques de la MADA, respectivement ;
msr et mrs: Les inductances mutuelles entre deux phases statorique-rotorique, et entre deux
phases rotorique-statorique de la MADA, respectivement ;
M : Valeur maximale de l’inductance mutuelle entre une phase statorique et une phase
rotorique ;
sr , sl : L’angle électrique entre une phase statorique et une autre phase rotorique;
On a :
Ls l s m s
Lr l r m r (III.7)
3
Lm M
2
UDL-SBA-2017 Page 43
Chapitre III Etude, Modélisation et Simulation de la MADA
2 2
cos( ) cos(
3
) cos( )
3
P( ) 2 sin( ) sin( 2 ) sin( 2 ) (III.8)
3 3 3
1 1 1
2 2 2
cos( ) sin 1
P( )1 cos( 2 ) sin( 2 ) 1 (III.9)
3 3
cos( 2 ) sin( 2 ) 1
3 3
Les grandeurs statoriques et rotoriques sont alors exprimées dans un même repère
comme le montre la figure III.3 :
UDL-SBA-2017 Page 44
Chapitre III Etude, Modélisation et Simulation de la MADA
Et inversement:
X a
X P 1 X d (III.11)
b X
X c q
Où :
y = s ou r (s: stator, r: rotor);
X : peut-être tension, courant ou flux.
Nous remarquons sur la figure III.3 que θs et θr sont liés naturellement à θsr par la
relation rigide :
sr s r (III.12)
Les vitesses angulaires de rotation sont obtenues telles que :
d s
dt s
d r
r (III.13)
dt
d sr
dt sr
Avec :
ωs, ωr et ωsr représentent respectivement: les vitesses de pulsation statorique, rotorique et
de glissement de la MADA.
La MADA est représentée par son modèle de Park dont les équations sont établies
dans un référentiel lié au champ tournant où les puissances sont conservées par l’utilisation
de la transformation de Clarke (a-b-c/α-β/d-q). Les équations de la MADA dans un repère
tournant à la vitesse électrique ωs et pour un rotor tournant à la vitesse électrique ωr, sont
données comme suit :
Au stator
d
Vsd Rs isd sd ssq
dt
(III.14)
V R i d
sq s sq
dt
sq s sd
Au rotor
d
Vrd Rr ird dt rd ( s r )rq
(III.15)
V R i d ( )
rq
r rq
dt
rq s r rd
UDL-SBA-2017 Page 45
Chapitre III Etude, Modélisation et Simulation de la MADA
(III.18)
Q Im V I v i v i
3 * 3
s 2 S S
2
sq sd sd sq
3
*
Pr 2 Re Vr I r 2 vrd ird vrq irq
3
(III.19)
Q Im V I v i v i
3 * 3
r 2 r r
2
rq rd rd rq
Le couple électromagnétique peut être obtenu à l’aide du bilan de puissance .Il existe
plusieurs expressions du couple électromagnétique toutes égales :
3 Lm
Cem p ( qs idr ds iqr ) (III.20)
2 Ls
UDL-SBA-2017 Page 46
Chapitre III Etude, Modélisation et Simulation de la MADA
A partir de l'équation (III.23), nous pouvons alors écrire les équations liant les
courants statoriques aux courants rotoriques :
s Lm
isd L L ird
(III.24)
S s
Lm
isq irq
Ls
En remplaçant dans l’équation des flux (III.17), les courants statoriques par l’expression
(III.24), on obtient :
Lm
rd Lr ird s
Ls (III.25)
rq Lr irq
Avec : 1 L2m / Ls Lr (coefficient de dispersion de Blondel).
En régime permanent, les termes faisant intervenir les dérivées des courants
rotoriques diphasés disparaissent, nous pouvons donc écrire :
Vrd Rr ird g sLr irq
LmVs (III.27)
Vrq Rr irq g sLr ird g L
s
UDL-SBA-2017 Page 47
Chapitre III Etude, Modélisation et Simulation de la MADA
3
Ps Vs isq
2
(III.28)
Q 3 V i
s
2
s sd
Vs
En tirant s de l'équation (III.22), l'expression de la puissance réactive devient :
s
3 L 3Vs2
Qs Vs m ird (III.30)
2 Ls 2 Ls s
En examinant les équations (III.26), (III.29), (III.30) et (III.31), on peut établir le schéma
bloc de la MADA illustré dans la figure III.5 qui comporte en entrées les tensions rotoriques
et en sorties les puissances active et réactive statoriques et le couple électromagnétique.
UDL-SBA-2017 Page 48
Chapitre III Etude, Modélisation et Simulation de la MADA
UDL-SBA-2017 Page 49
Chapitre III Etude, Modélisation et Simulation de la MADA
Figure III.7: Représentation schématique d’un onduleur de tension alimente le rotor de la MADA.
k1 VAN
k2 k3
E/2 A
UAB VBN
o N
E B
UCA UBC
C
k'1 VCN
E/2 k'2 k'3
UDL-SBA-2017 Page 50
Chapitre III Etude, Modélisation et Simulation de la MADA
L’état des interrupteurs, supposés parfaits peut être définit par trois grandeurs
booléennes de commande S i (i a, b, c) :
S i 1 , le cas où l’interrupteur de haut est fermé et celui d’en bas ouvert.
S i 0 , le cas où l’interrupteur de haut est ouvert et celui d’en bas fermé.
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 (III.32)
V V V V V
ca co oa co ao
Avec : Vao , Vbo , V co comme les tensions d’entrée de l’onduleur (valeurs continues), et si Van ,
V bn , V cn sont les tensions de sortie de cet onduleur, par conséquent l’onduleur est modélisé
par la matrice du transfert T donnée par :
UDL-SBA-2017 Page 51
Chapitre III Etude, Modélisation et Simulation de la MADA
2 1 1
T 1 2 1
1
(III.38)
3
1 1 2
UDL-SBA-2017 Page 52
Chapitre III Etude, Modélisation et Simulation de la MADA
6
-5
4
-10
2
-15 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Temps (s) Temps (s)
(a) (b)
3000
Courant statorique Is (A)
2000
Courant rotorique (A)
2000
1000
1000
0
0
-1000 -1000
-2000 -2000
0 0.02 0.04 0.06 0.08 0.1 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7
Temps (s) Temps (s)
(d)
(c)
UDL-SBA-2017 Page 53
Chapitre III Etude, Modélisation et Simulation de la MADA
Facteur de puissance
0.8
Couple Cem (N.m)
-2000
0.6
-4000
0.4
-6000
0.2
-8000 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Temps (s) Temps (s)
(g) (h)
Dans la figure III.10-a, on remarque qu’après un régime transitoire qui dure moins de
0.1s, la puissance active de la MADA tende vers une valeur de -1.1MW (le signe négatif
signifié que la MADA génère la puissance active). La puissance réactive (figure III.10-b) tende
vers une valeur de 0.7 MVAr (le signe positif signifié que la MADA absorbe la puissance
réactive). Dans La figure III.10-c, on observe que le courant statorique généré par la
MADA est un courant sinusoïdal. De même pour le courant rotorique présenté dans la
figure III.10-d, qui confirme le passage doux du mode hyposynchrone au mode
hypersynchrone de la MADA à l’instant 0.49s (à cet instant la puissance active rotorique
sera nulle par la relation Pr =-g*Ps, car le glissement est nulle au synchronisme).La figure
III.10-e, montre le passage du mode hyposynchronisme au mode hypersynchronisme de la
vitesse de rotation de la MADA (à travers le point de g=0).
Le couple électromagnétique appliqué au niveau de l’arbre de la MADA est illustré par
la figure III.10-g, il est de -7000N.m environ (le signe négatif signifié que c’est un couple
reçu par la turbine éolienne après le multiplicateur de vitesse). La figure III.10-h
représente l’allure du facteur de puissance (FP=0.84) assuré par la MADA coté réseau.
Des ondulations ont présentées au niveau des puissances et du couple dues à
l’utilisation de la technique MLI dans la commande de l’onduleur de tension qui alimente le
rotor de la MADA.
UDL-SBA-2017 Page 54
Chapitre III Etude, Modélisation et Simulation de la MADA
0
Couplage
-5
-10
-15
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
puissance réactive (VAR)
5
x 10
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
Les résultats obtenus montrent bien la non linéarité du système et le couplage existant
entre les différentes variables de la MADA.
III.5 Conclusion
Ce chapitre a été consacré à la génératrice asynchrone à double alimentation,nous
avons donné les équations électriques, magnétiques et mécaniques régissant la MADA.
L’écriture de ces équations dans le repère de Park a été exploitée pour effectuer la
commande vectorielle qui permet d’assimiler la MADA afin de faciliter son étude et
notamment sa simulation sous MATLAB/SIMULINK.
Afin d’éliminer le couplage existant, Nous avons élaboré des techniques de commande
permettant d’atteindre plusieurs objectifs concernant la puissance active et la puissance
réactive. Parmi ces techniques, la plus classique est la commande vectorielle à flux orienté,
c’est notre objectif du chapitre suivant.
UDL-SBA-2017 Page 55
Chapitre IV
COMMANDE
VECTORIELLE CLASSIQUE
DE LA MADA
Page 56
Chapitre IV Commande vectorielle classique de la MADA
Figure IV.1: Schéma de principe du découplage de la MADA par analogie avec la MCC.
UDL-SBA-2017 Page 57
Chapitre IV Commande vectorielle classique de la MADA
3 Lm
Cem p ( qs idr ds iqr ) (IV.1)
2 Ls
3 Lm
Cem p s I rq (IV.2)
2 Ls
On voit que cette relation est similaire à celle d’une MCC à excitation séparée. A
l'examen de ces dernières relations, on constate que :
La composante Ird joue le rôle du courant d'excitation qui génère et contrôle le flux
d'excitation Ψr.
La composante Irq joue le rôle du courant induit qui, à flux d'excitation donné,
contrôle le couple Cem.
Dans ce schéma, les termes de couplage sont désignés par Cd, Cq et les f.e.m’s par Fd et
Fq. Nous avons fait apparaître des fonctions de transfert du premier ordre pour les deux
axes liant les tensions rotoriques aux puissances actives et réactive statoriques. Ce qui nous
permet de mettre en place une commande vectorielle, étant donné qu'à l'influence des
couplages 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 peut être 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.
UDL-SBA-2017 Page 58
Chapitre IV Commande vectorielle classique de la MADA
Avec :
3Vs2
F
2 Lss
d
(IV.3)
F gLmVs
q
Ls
Elle est très sensible aux variations paramétriques de la machine .il est important de
souligner que la méthode indirecte est plus utilisée que la méthode directe [13] [23].
UDL-SBA-2017 Page 59
Chapitre IV Commande vectorielle classique de la MADA
2 Lr 2 Rr Lr RV L V
vrd g s .Ps P .Qs r s r s P
3 Vs Lm 3 Vs s
s Lm s Lm (IV.4)
Ls Ls
2 Rr Lr 2 Lr L L
vrq P .Ps g s .Qs gVs r m (IV.5)
3 Vs Lm 3 Vs Lm Lm Ls
L
s Ls
UDL-SBA-2017 Page 60
Chapitre IV Commande vectorielle classique de la MADA
Cette configuration reste fiable tant que le réseau électrique reste stable en tension
et en fréquence. Une instabilité du réseau va donc provoquer une erreur sur le suivi des
consignes des puissances active et réactive. Dans la suite de notre travail, en s’intéressant
par :
Avec :
Cd g sLr irq
(IV.6)
Cq g sLr ird
UDL-SBA-2017 Page 61
Chapitre IV Commande vectorielle classique de la MADA
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 des
paramètres qui peuvent intervenir dans les machines électriques notamment à cause des
variations de la température et de l’effet de saturation.
La consigne de la puissance réactive sera maintenue nulle pour assurer un facteur de
puissance unitaire coté stator de façon à optimiser la qualité de l’énergie renvoyée sur le
réseau. La consigne de la puissance active devra permettre de garder le coefficient de
puissance de l’éolienne optimal [12].
Y* ɛ Y
Pour les axes d et q, La fonction de transfert en Boucle Ouverte (FTBO) avec les
régulateurs s’écrit de la manière suivante :
3LmVs
ki Lm
2
p
2 L s Lr
L
FTBO
kp
. s
(IV.7)
p Ls Rr
p
kp L
2
Ls Lr m
Ls
UDL-SBA-2017 Page 62
Chapitre IV Commande vectorielle classique de la MADA
ki Ls Rr
(IV.8)
kp Lm
2
Ls Lr
Ls
Notons toutefois ici que la compensation des pôles n’a d’intérêt que si les paramètres
de la machine sont connus avec une certaine précision car les gains des correcteurs
dépendent directement de ces paramètres. Si tel n’est pas le cas, la compensation est moins
performante.
3 LmVs
kp
2 Lm
2
L s Lr
L
FTBO s
(IV.9)
p
L
2
Ls Lr m
1 1 2 Ls
FTBF avec r (IV.10)
1 p r kp 3 LmVs
S’imposer une valeur plus faible n’améliorerait probablement pas les performances de
l’ensemble, mais risquerait d’engendrer des perturbations lors des régimes transitoires en
provocant des dépassements et des instabilités indésirables.
On peut désormais exprimer les gains des correcteurs en fonction des paramètres de
la machine et du temps de réponse :
1 2 Ls Lr L2m
kp (IV.11)
r 3 Lm V s
1 2 Ls Rr
ki (IV.12)
r 3Lm Vs
UDL-SBA-2017 Page 63
Chapitre IV Commande vectorielle classique de la MADA
5 5
x 10 x 10
0 6
Ps* Qs*
Ps Qs
-5 2
0
-10
-2
-4
-15
-6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(a) (b)
3000 3000
2000 2000
1000 1000
0 0
-1000 -1000
-2000 -2000
-3000 -3000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
Temps (s)
(d)
(c)
3000
Courants rotoriques Ird et Irq (A)
Courants statoriques Isd et Isq (A)
1000
Isd Irq
500
Isq Ird
0 2000
-500
-1000 1000
-1500
-2000 0
-2500
-3000 -1000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(e) (f)
0 1.2
Couple electromagnétique Cem (N.m)
-2000 1
Facteur de puissance
0.8
-4000
0.6
-6000
0.4
-8000 0.2
-10000 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(g) (h)
Figure IV.7 : Commande en puissances de la MADA par la méthode indirecte (suivi de consigne).
UDL-SBA-2017 Page 64
Chapitre IV Commande vectorielle classique de la MADA
UDL-SBA-2017 Page 65
Chapitre IV Commande vectorielle classique de la MADA
5 4
x 10 x 10
0 6
Ps* Qs*
-2
Ps 4
-4
-6 2
-8
-10 0
-12
-2
-14
-16 -4
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
(a) (b)
3000 3000
2000
Courant rotorique Ir (A)
1000 1000
0 0
-1000 -1000
-2000 -2000
-3000 -3000
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
(d) (c)
500 3000
Courants statorique Isq et Isd (A)
Irq
0 2500
Ird
-500 2000
-1000 1500
-1500 1000
-2000 500
Isq
-2500 0
Isd
-3000 -500
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
(e) (f)
Couple électromagnétique Cem (N.m)
0 1.2
-2000 1
Facteur de puissance
1
-4000 0.8
0.95
-6000 0.6
0.9
-8000 0.4
0.85
-12000 0
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
(e) (h)
Figure IV.8 : Commande en puissances de la MADA par la méthode indirecte (FP=1).
UDL-SBA-2017 Page 66
Chapitre IV Commande vectorielle classique de la MADA
Lorsque la puissance réactive est égale à zéro, le facteur de puissance est égal à l’unité
donc il n’existe pas de déphasage entre le courant et la tension, donc il y a un découplage
entre la puissance active et réactive.
Nous pouvons également remarquer que le couple électromagnétique de la
génératrice varie selon celle de la turbine qui est en fonction de la vitesse du vent. Le
courant du stator varie suivant la variation du vent aussi car c’est l’image de la puissance
active, puisque nous avons considéré que le stator de la MADA relié à une source de tension
parfaite (398V, 50Hz), alors que la puissance réactive est une conséquence de l'excitation du
circuit rotorique. Nous constatons aussi que les composantes directes du courant statorique
et du courant rotorique ainsi que les composantes en quadratiques de ces courants
présentent les mêmes allures, mais de signes inverses.
La figure IV.8 représente les résultats obtenus par simulation de la méthode indirecte
de commande de la MADA, relatif à ce test.
Les figures (IV.8-a et IV.8-b) montrent le comportement de la commande indirecte
lorsque la résistance rotorique Rr est augmentée de 100% de sa valeur nominale. Les figures
(IV.8-c et IV.8-d) montrent le comportement de la commande indirecte lorsque l’inductance
mutuelle Lm est diminuée de 10% de sa valeur nominale.
UDL-SBA-2017 Page 67
Chapitre IV Commande vectorielle classique de la MADA
5 5
x 10 x 10
0 6
Ps*
-2
4
Puissance active Ps (w)
Ps (1*Rr) Qs (2*Rr)
-8 0
-10
-2
-12
-4
-14
-16 -6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-6 4
Qs*
-8 2 Qs (1*Lm)
Qs (0.9*Lm)
-10 0
-12
-2
-14
-4
-16
-6
-18
-20 -8
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(c) (d)
Figure IV.9 : La commande vectorielle indirecte vis-à-vis aux variations paramétriques de la MADA.
UDL-SBA-2017 Page 68
Chapitre IV Commande vectorielle classique de la MADA
6 6
x 10 x 10
2
1
Ps* Qs*
Ps (1*Lm)
0 1
-0.5 0.5
-1 0
-1.5 -0.5
-2
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(a) (b)
IV.7 Conclusion
UDL-SBA-2017 Page 69
Chapitre V
COMMANDE VECTORIELLE
PAR LES TECHNIQUES
DE L’INTELLIGENCE
ARTIFICIELLE DE LA MADA
Page 70
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
V.1 Introduction
Les techniques de l’intelligence artificielle sont connues actuellement pour leur grande
potentialité de pouvoir résoudre les problèmes liés aux processus industriels, notamment le
contrôle, l’estimation et l’identification des paramètres des systèmes variants. Parmi ces
techniques, on trouve la logique floue et les réseaux de neurones qui s’appliquent de plus en
plus dans le contrôle de la machine à induction et l’adaptation de sa commande vectorielle.
Dans ce chapitre, la description des techniques intelligentes à savoir : les réseaux de
neurones artificiels et la logique floue et leurs applications dans le contrôle de la génératrice
asynchrone à double alimentation, ont été présentées. Des résultats de simulation sont aussi
présentés afin de monter l’efficacité de ces techniques dans la résolution du problème de la
robustesse vis-à-vis aux variations des paramètres de la MADA.
UDL-SBA-2017 Page 71
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
y’
y
x
x’
x’
x : n’appartient pas à « a » x’ : appartient totalement à « b »
UDL-SBA-2017 Page 72
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
V.3.3.a Opérateur OU
L’opérateur OU correspond à l’union de deux ensembles flous p et m définis dans
l’univers de discours X. L’union ( p ∪ m) est aussi un ensemble flou de X, avec une fonction
d’appartenance donnée par *35+ :
pm ( X ) max p ( x), m ( x) (V.1)
Ou bien pm ( X ) p ( x) m ( x) (V.2)
Figure V.3: Union des sous-ensembles flous « petite » et « moyenne » pour la variable linguistique [02].
UDL-SBA-2017 Page 73
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
V.3.3.b Opérateur ET
L’opérateur ET correspond à l’intersection de deux ensembles flous p et m définis dans
l’univers de discours X. L’intersection ( p∩m) est aussi un ensemble flou de X, avec une
fonction d’appartenance donnée par *35+:
pm ( X ) min p ( x), m ( x) (V.3)
Ou bien p m ( X ) p ( x) * m ( x) (V.4)
Figure V.4: Intersection des sous-ensembles flous « petite » et « moyenne » pour la variable linguistique [02].
UDL-SBA-2017 Page 74
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
Si l’erreur de vitesse est nulle ‘ET’ si la variation de l’erreur de vitesse est nulle ALORS garder
un couple de référence constant.
Généralement, la décision ou l’action dépendant de deux variables linguistiques est
donnée par :
Action ou opération = ,Si condition 1 ET 1’ ALORS opération 1 OU
Si condition 2 ET 2’ ALORS opération 2 OU
Si…
.
Si condition m ET m’ALORS opération m-
UDL-SBA-2017 Page 75
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
UDL-SBA-2017 Page 76
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
dun
x ( x)dx
R
(V.6)
( x)dx
R
UDL-SBA-2017 Page 77
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
dun
x (x )
i R i
(V.7)
(x ) R i
dEp (k ) E p (k ) E p (k 1) (V.9)
ref
I rq (k ) I rq
ref
(k 1) dIrq
ref
(k ) (V.10)
UDL-SBA-2017 Page 78
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
V.3.6.a Fuzzification
Pour les fonctions d’appartenance, on a choisi pour chaque variable les formes
triangulaires et trapézoïdales comme le montre la figure V.8 [30]:
N Z P
1
Figure V.8: Fonctions d’appartenance pour les variables d’entrées EP, dEP et de sortie du dIrq du régulateur flou
de puissance active.
Explicitons maintenant les notations des sous-ensembles flous utilisés pour fuzzifier les
trois variables précédentes :
N : Négatif ;
Z : Zéro ;
P : Positif.
V.3.6.b Inférence
Comme nous l’avons mentionné auparavant, chacune des deux entrées linguistiques
du contrôleur flou possède trois ensembles flous, ce qui donne un ensemble de neuf règles.
Celles-ci peuvent être représentées par la matrice d’inférence suivante *30]:
Tableau V.1: Matrice d’inférence du régulateur flou de puissance.
dEp
dIrp
N Z P
N N N Z
EP Z N Z P
P Z P P
UDL-SBA-2017 Page 79
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
V.3.6.c Défuzzification
Pour la défuzzification, on utilise la méthode du centre de gravité présentée
Précédemment, on obtient [30]:
dIrq
( I )dI
Ri rqi rqi
(V.11)
(I )
Ri rqi
a-Résultats de simulation
Nous avons procédé à une série de simulation afin d’étudier le comportement du
contrôleur flou équipant l’ensemble *GADA + onduleur+, munit de la méthode indirecte. Les
différentes simulations envisagées sont similaires à celles réalisées au chapitre précédent.
UDL-SBA-2017 Page 80
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
5 5
x 10 x 10
0 8
Ps* 6 Qs*
Ps Qs
-5 4
2
0
-10
-2
-4
-15
-6
-8
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(a) (b)
3000 3000
2000 2000
1000 1000
0 0
-1000 -1000
-2000 -2000
-3000 -3000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(c) (d)
Courants rotoriques Ird et Irq (A)
Courant statorique Isd et Isq (A)
1000
3000
Isd Ird
Isq Irq
0 2000
-1000 1000
-2000 0
-3000 -1000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(e) (f)
Couple electromagnétique Cem ( N.m)
0
1
-2000
Facteur de puissance
0.8
-4000
0.6
-6000
0.4
-8000
0.2
-10000
-12000 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(g) (h)
Figure V.10: Commande en puissances de la MADA par la méthode indirecte, avec régulation floue (Suivi de
consigne).
UDL-SBA-2017 Page 81
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
A travers les résultats de simulation de la figure (V.10), nous observons que les
puissances actives et réactive statoriques suivent leurs valeurs de références. Au vu de ces
résultats, une meilleure poursuite des références des puissances statoriques est obtenue
avec le correcteur flou par rapport à celle du correcteur PI présenté au chapitre précédent.
Les courbes montrent les performances du réglage flou pour la commande de la
MADA. On remarque que les puissances actives et réactives mesurées suivent parfaitement
leurs références et avec un découplage presque parfait entre les deux axes d et q au régime
permanent. Les réponses sont sans dépassement, erreur statique presque nulle et avec un
rejet de perturbation très rapide.
b-Test de robustesse
Afin de tester la robustesse de la commande par les régulateurs flous, nous avons
examiné l’influence des variations paramétriques de la MADA, à savoir : la résistance
rotorique et l’inductance mutuelle, sur les performances de la commande.
Nous avons simulé le système pour une augmentation de 100% de la résistance
rotorique (Rr) et une diminution de 10% de l’inductance mutuelle(Lm). la figure (V.11)
représente les résultats obtenus par simulation.
6 6
x 10 x 10
0 1.5
Ps*
puissance réactive Qs (VAr)
Qs*
Puissance active Ps ( W )
Ps(1*Rr) 1 Qs(1*Rr)
-0.5
Ps(2*Rr) Qs(2*Rr)
0.5
-1
0
-1.5
-0.5
-2 -1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
5 (a) 6 (b)
x 10 x 10
1
Puissance réactive Qs (VAr)
Ps* Qs*
Puissance active Ps (W)
0
Ps(1*Lm) Qs((1*Lm)
Ps(0.9*Lm) 0.5 Qs(0.9*Lm)
-5
0
-10
-15 -0.5
-20 -1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(c) (d)
Figure V.11: La commande vectorielle indirecte de la MADA à base des régulateurs flous vis-à-vis aux variations
paramétriques par.
UDL-SBA-2017 Page 82
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
Les essais effectués montrent que la variation des paramètres de la machine n’affecte
pas les performances de la commande proposée.
On remarque que les réponses en puissances restent insensibles aux variations des
paramètres de la machine, il y a une erreur statique très faible avec un temps de réponse
rapide. Le découplage entre les puissances est maintenu en régime permanent.
De ce qui précède, les résultats obtenus avec les tests de robustesse montrent la
supériorité du régulateur flou utilisé par rapport au régulateur PI.
0
Ps(1*Lm) Qs(1*Lm)
-0.5 Ps(0.7*Lm) Qs(0.7*Lm)
0.5
-1
0
-1.5
-0.5
-2
-2.5 -1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(a) (b)
Figure V.12: Influence de variations paramétriques sur les régulateurs flous.
D’après les résultats obtenus, on constate que le régulateur flou garde sa robustesse
particulièrement face à la variation de l’inductance mutuelle.
Malgré ces bonnes performances atteintes, un régulateur flou reste difficile à
synthétiser. En fait, son réglage peut être relativement long et ennuyeux. Il s’agit parfois
beaucoup plus de tâtonnement que d’une réelle réflexion. Il manque donc à la logique floue
un moyen d’apprentissage performant pour régler un système flou, c’est les réseaux de
neurones qui feront l’objet.
UDL-SBA-2017 Page 83
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
(a) (b)
UDL-SBA-2017 Page 84
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
x w21
Σ
w31 s y
x3 f
.
.
.
.
wn1 w01 b Fonction d'activation
.
x.n
Biais
±1
UDL-SBA-2017 Page 85
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
alors que w w11 , w21 , w31 ,...wn1 représente le vecteur des poids du neurone. La sortie s
T
Cette sortie correspond à une somme pondérée des poids et des entrées plus ce qu’on
nomme le biais b du neurone [12].
+ f
b
UDL-SBA-2017 Page 86
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
y y y
+1 +b +1
wT x
0 b
T
w x 0 b 0 b wT x
-b
-1 -1
La fonction linéaire est très simple, elle affecte directement son entrée à sa sortie :
ys (V.14)
Appliquée dans le contexte d’un neurone, cette fonction est illustrée à la figure V.16.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 . Cette fonction généralement utilisée dans la couche de
sortie du réseau des neurones.
La fonction de transfert sigmoïde est quant à elle illustrée à la figure V.16.c. Son
équation est donnée par :
1
y (V.15)
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
UDL-SBA-2017 Page 87
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
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. Ces fonctions sont les plus utilisées dans la couche
d’entrée et la couche cachée.
Avec:
x(k) : vecteur des entrées à l’instant k
y(k) : vecteur des sorties externes à l’instant k
f(k) : représente la fonction réalisée par les neurones interconnectés du réseau définis par
les poids w.
Réseaux de neurones monocouches
x1
y1
x2
y2
x3
x4
Couche Couche
d’entrée de sortie
UDL-SBA-2017 Page 88
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
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 V.17).
y1
x1
y2
x2
Figure V.18: Schéma d'un réseau de neurones non bouclé (Perceptron multicouches).
UDL-SBA-2017 Page 89
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
réseau, sur la base d'une connaissance acquise au fur et à mesure des expériences passées.
Une fois l’apprentissage terminé, le réseau est prêt à remplir sa fonction. Cette fonction
peut être la mémorisation, la classification, ou l’optimisation [41] [42].
W16
W11 b2
b0 b6
W12 W26
b3
x W36
W13
W14 W46
b4
W15
W56 b5
La mise à jour des poids et des Biais de ce réseau est réalisés par un algorithme de
rétropropagation nommé l’algorithme de Levenberg-Marquardt.
UDL-SBA-2017 Page 90
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
tel sort à minimiser l’erreur entre la sortie désirée et la réponse du réseau à une entrée xi .
Ceci est réalisé grâce à la méthode de descente de gradient. A chaque itération le signal
d’entrée se propage dans le réseau dans le sens entrée-sortie, une sortie est ainsi obtenue,
l’erreur entre cette sortie et la sortie désirée est calculée puis par rétropropagation « error
back-propagation », des erreurs intermédiaires, correspondant à la couche cachée sont ainsi
calculées et permettent l’ajustement des poids wij ( t ) de la couche cachée [12].
L’algorithme de rétropropagation du gradient comporte donc 2 phases :
1- Propagation : à chaque étape, on présente au réseau un exemple en entrée. Cette
entrée est propagée jusqu’à la couche de sortie.
2- Correction : A coup sûr, le réseau ne fournira pas exactement ce que l’on attendait.
On calcule donc une erreur (en général la somme quadratique moyenne des erreurs
pour tous les neurones de sortie) que l’on rétro-propage dans le réseau. Ce processus
est interrompu dès que l’erreur globale est estimée sera suffisante.
La figure V.20 montre le processus de rétropropagation.
Propagation Propagation
Couche (s) cachée (s)
Couche de sortie
Introduction Evaluation de
des exemples l’erreur globale
Rétropropagati Rétropropagati
on des erreurs on des erreurs
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 V.21.
UDL-SBA-2017 Page 91
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
4
2
5
3
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: 1 , 2 et 3
que font les neurones 1, 2 et 3.
L'idée consiste alors à propager les erreurs 4 et 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 [12].
a-Résultats de simulation
On garde les mêmes conditions des simulations que l’essai de la commande indirecte
UDL-SBA-2017 Page 92
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
avec des régulateurs PI présenté dans le chapitre IV. Les différentes simulations
envisagées sont similaires à celles réalisées au chapitre précédent (figure V.23).
5
5
x 10 x 10
0 6
Ps 4 Qs
-4
-6 2
-8 0
-10
-2
-12
-14 -4
-16 -6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(a) (b)
3000 3000
Courant statorique Is (A)
1000 1000
0 0
-1000 -1000
-2000 -2000
-3000 -3000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(c) (d)
Courants rotorique Ird et Irq (A)
Courants statorique Isd et Isq (A)
1000 3000
Ird
500 Isd 2500
Irq
Isq
0 2000
-500 1500
-1000 1000
-1500 500
-2000 0
-2500 -500
-3000 -1000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(e) (f)
Couple électromagnetique Cem (N.m)
0
1
-2000
Facteur de puissance
0.8
-4000
0.6
-6000
0.4
-8000 0.2
-10000 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(h)
(g)
UDL-SBA-2017 Page 93
Chapitre V Commande vectorielle par les techniques de l’intelligence artificielle de la MADA
Les résultats de simulation présentés dans la figure (V.23) montrent que le régulateur
neuronal offre une meilleure poursuite de la référence des puissances, comparativement au
régulateur PI.
Le second test a pour but de tester la robustesse de la commande CVI-RNA vis-à-vis les
variations des paramètres de la MADA, donc nous allons effectuer des variations de
l’inductance mutuelle (10% de Lm et 30% de Lm) (mêmes variations appliquées au régulateur
PI).
5 5
x 10 x 10
0 6
-4 Qs (0.9*Lm)
2 Qs (0.7*Lm)
-6
Ps*
-8
Ps (1*Lm)
0
Ps (0.9*Lm)
-10
Ps (0.7*Lm) -2
-12
-4
-14
-16 -6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) Temps (s)
(a)
(b)
Figure V.24 : Le régulateur neuronal face aux variations paramétriques de la MADA.
V.5 Conclusion
Dans la première partie de ce chapitre, la technique de la logique floue a été exposée.
Un contrôleur à base de la logique floue utilisant la notion de table de décision hors ligne est
implantée dans la commande vectorielle pour la machine asynchrone à double alimentation.
Ce choix de la commande a été justifié par la capacité de la logique floue à traiter l’imprécis,
l’incertain et le vague.
Dans la deuxième partie du chapitre nous avons effectué une synthèse générale sur les
réseaux de neurones. Pour l’entraînement de ce type de réseau la méthode de Back
propagation constitue l’algorithme d’apprentissage qui reste le plus utilisé. On peut dire que
l'apprentissage hors ligne aboutit à une commande nettement plus performante car, il
permet au contrôleur neuronal de s'affiner tout au long du processus de commande.
A partir des résultats de simulation présentés, on peut dire que les régulateurs
intelligents présentent des améliorations importantes par rapport aux régulateurs classiques
en termes d’atténuation des dépassements au niveau des régimes transitoires et
l’insensibilité aux variations paramétriques du système.
UDL-SBA-2017 Page 94
CONCLUSION
GÉNÉRALE
Conclusion générale
Pour ce faire, dans le premier chapitre, on a présenté l’état de l’art sur les systèmes
éoliens, en précisant leurs composantes, leur principe du fonctionnement et leurs avantages
et inconvénients. Le choix de la génératrice et sa structure d’alimentation.
Dans le chapitre deux, nous avons modélisé le vent qui est la source principale
d’énergie. Nous avons ensuite modélisé la turbine éolienne sur laquelle se base notre étude.
Une commande MPPT de la turbine, de sorte à ce que le coefficient de puissance soit
toujours optimal quelques soient les variations du vent, a été effectuée dans le cas de
fonctionnement à vitesse du vent variable. Quelques résultats de simulation ont été ensuite
donnés, afin de valider la technique de commande proposée.
UDL-SBA-2017 Page 95
Conclusion générale
robustes basées sur l’intelligence artificielle ont été développées dans le chapitre cinq de ce
mémoire, à savoir la commande par la logique floue et la commande par les réseaux de
neurones. Ces méthodes ont permis de contourner le problème de la variation des
paramètres du système et assurent une commande plus adaptée à ces changements
paramétriques, en exploitant les connaissances de l’expert humain.
En ce qui concerne la logique floue, les systèmes d’inférence flous ont une capacité
descriptive élevée due à l’utilisation des variables linguistiques. Pour la commande de la
MADA, les résultats de simulation présentés montrent que les performances de cette
approche surpassent la commande vectorielle à cause de la rapidité de sa dynamique et sa
robustesse.
Concernant les réseaux de neurones, des améliorations importantes ont été apportées
avec les régulateurs neuronaux par rapport aux deux autres régulateurs (en termes
d’atténuation des dépassements au niveau des régimes transitoires et l’insensibilité aux
variations paramétriques).
Perspectives
UDL-SBA-2017 Page 96
ANNEXES
Annexes
ANNEXES
Annexe « A »
► Paramètres du système éolien
► A.1 - Paramètres de la turbine éolienne [12] :
UDL-SBA-2017 Page i
Annexes
Annexe « B »
► Synthèse du régulateur PI pour le contrôle MPPT :
L’approche la plus classique utilisée dans notre travail consiste à contrôler la vitesse de
rotation par un régulateur PI. Dans l’objectif d’annuler l’erreur statique et réduire le temps
de réponse tout en conservant la stabilité du système, un correcteur proportionnel intégral
est utilisé. Les performances obtenues (stabilité, précision, temps de réponse) sont
satisfaisantes pour un tel système électromécanique. Cependant le couple peut présenter un
dépassement important qui peut nuire au fonctionnement du système, pour palier à ce
problème on utilise une limitation de la référence du couple à la sortie du correcteur, la
vitesse à régler se définit à partir de l’équation mécanique, la structure du régulateur de
vitesse est montrée sur la figure B.1.
Ωg* K p s Ki Cg* 1 Ωg
+- -+
s J s fv
Saturation
Pour baisser l’effet de la perturbation (Cg), nous avons intérêt à choisir une valeur
élevée pour le gain KpΩ. L’autre gain est choisi de manière à avoir une fonction de transfert
du 2ème ordre, ayant une pulsation naturelle et un coefficient d’amortissement, déterminés
comme suit :
Ki
n
J
(B.4)
f v K p
J 2n
Donc, pour imposer un temps de réponse et un facteur d’amortissement, nous trouvons :
UDL-SBA-2017 Page ii
Annexes
Ki n J
2
(B.5)
K p 2 Jn f v
Kp Ki
Régulateur de MPPT 200000 10000000
Annexe « C »
► C.1-Fuzzy Toolbox:
Erreur r (entrée) Dérivé d’erreur (entrée)
UDL-SBA-2017 Page iv
Annexes
Annexe « D »
► D.1- Apprendre le comportement de PI
Algorithme d’apprentissage
clear all;clc
close all
% Apprentissage du régulateur PI.
load pi_pt;np=length(PT);P=PT(2,1:np)';T=PT(3,1:np)';
%Le vecteur d’entré.
P=P';
% Le vecteur cible.
T=T';
% Le minimum et le maximum du vecteur d’entré.
PR=[min(P) max(P)];
% Architecture du réseau de neurone (structure 1-5-1).
net=newff(PR,[1 5 1],{'logsig' 'tansig' 'purelin');
% Nombre d’itérations maximales.
net.trainParam.epochs=1000;
% Taux d'apprentissage
net.trainParam.lr=0.01;
% L’erreur souhaitée.
net.trainParam.goal=1e-10;
% Début d’apprentissage.
net=train(net,P,T);
% Construire le réseau de neurone.
gensim(net)
UDL-SBA-2017 Page v
Annexes
Couche d’entrée
Couche cachée
Couche de sortie
UDL-SBA-2017 Page vi
Annexes
► D.3- Les valeurs des poids et des biais pour les régulateurs RN
Poids Et RN_Puissance
Tableau D.2: les Poids et les piais de régulateur du courant.
Piais
W01 0.6286
W11 1.0e+005*4.6229
Poids Et RN_Courant
W12 -1.0e+005*2.5455
Piais
W13 1.0e+005*3.3348
W01 -17.9524
W14 1.0e+005*3.2057
W11 643.9732
W15 -1.0e+005*1.5094
W12 -361.0591
W16 1.0e+006*1.1175
W13 -517.9770
W26 -1.0e+006*0.4748
W14 69.4576
W36 -1.0e+006*0.0633
W24 119.8720
W46 1.0e+006*0.2622
W34 273.5682
W56 -1.0e+006*0.1483
b0 5.3193
b0 -0.5130
b1 -63.1180
b1 -1.0e+004*9.3654
b2 22.6514
b2 1.0e+004*2.4847
b3 50.6036
b3 1.0e+004*2.5461
b4 -48.7803
b4 -1.0e+004*1.5338
b5 1.0e+004*0.8092
b6 2.9090e+005
Annexe « E »
► E.3-Comparaison de caractéristique dans l’état normale
Les régulateurs
Performances PI RLF RAN
Temps de réponse (ms) 6 1.95 0.97
Dépassement (%) 6 6 4.4
(%) 0.6 1.42 0.77
Erreur statique
(W) 9000 21000 11600
Robustesse vis-à-vis de la variation
mauvaise acceptable forte
paramètres
Conception Simple Difficile Moyenne
THD Is (%) 1.44 1.88 12.15
0 Ps-RN (0.7*Lm)
Ps-RPI (0.7*Lm)
-0.5
-1
-1.5
-2
-2.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
Figure E.1: comparaison de grande variation paramétrique des trois régulateurs.
Page ix
Cg
Ct
60/(2*pi)
Cg
1/G tr/min
Ct [Pg]
Ct
Wind Wind_speed
Wr
Pt
Cg_ref
[Pt]
Pt
Wg
Cm1 Scope2
1/G
F.1- Schémas de simulation MPPT_PI
tr/min1
Wg_ref
8.1/R G
Wreg
[Pt]
Wg PI
[Pg]
Scope5
t
Clock
MPPT avec asservissement de vitesse
UDL-SBA-2017
►
Page x
Annexes
P_mes 1
314 Teta_s
s
Va
Va P_mes
Teta_s
P_mes
Réseau Vb Teta_sl
Vabc [Teta_r]
Irq Irq
Vc
Wind
Ct1 M ADA Ird Ird
Ct5
Vitesse du vent wind
attention à Ct Teta_sl Teta_sl
Q_mes
cette valeur
Wind_speed
Ct
s Is
-C-
Ird Ird I_s
Facteur de Puissance
60/(2*pi)
Isd Isd
Power Factor tr/min
Ph_s
Wr Ird Ird Ph_s
Isq Isq
Vs
Irq Irq
Vs
UDL-SBA-2017
►
Annexes
UDL-SBA-2017 Page xi
RÉFÉRENCES
BIBLIOGRAPHIQUES
Références bibliographiques
REFERENCES BIBLIOGRAPHIQUES
[01] MOUSSAOUI TAHA YACINE «Commande sans capteur de la machine asynchrone à
double alimentation pour l’utilisation dans la production de l’énergie éolienne» Mémoire de
fin étude en génie électrique, Université d’EL-Oued, 09 sept 2015.
[02] TOUATI MUSTAPHA KAMEL «Étude D’une Génératrice Éolienne Connectée Au Réseau
Électrique» Mémoire de magistère en électrotechnique, Université de Batna, 15/01/2015.
[03] WWW.GWEC.net
[07] WWEA «Rapport Mondial 2010 sur l’Energie eolienne » April 2011.
[08] MADJID SI BRAHIM «Etude d’un systéme de conversion de l’énergie éolienne à base de
la machine asynchrone» Thèse de doctorat 3eme cycle en Électrotechnique, Université
mouloud mammeri de Tizi-ouzou, 16 juin 2015.
[09] METATLA SAMIR «Optimisation et régulation des puissances d’une é olienne à base
d’une MADA » mémoire de magister de école nationale supérieure polytechnique d’Alger,
2009.
[10] CHERFIA NAÏM «Conversion d'énergie produite par des générateurs éoliens» Mémoire
de magister en électrotechnique, Université Mentouri – Constantine, 07/ 06 / 2010.
[11] DJERIRI YOUCEF «Commande vectorielle d’une MADA intégrée à un système éolien»
Mémoire de magister en Électrotechnique, université Djilali liabes, sidi bel-abbès,
December 2009.
[12] DJERIRI YOUCEF «Commande directe du couple et des puissances d’une MADA
associée à un système éolien par les techniques de l’intelligence artificielle» Thèse de
Références bibliographiques
[17] CHERIFE HAKIMA «Modélisation d'une Centrale Éolienne» Mémoire de fin d’étude en
Électrotechnique, Universitaire d’El oued, Juin 2010.
[18] KHETTACHE LAID « Etude et commande d’un systéme eolien à base d’une machine
electrique double alimentée» Mémoire de magister en Électrotechnique, Université de
Batna, 2007.
[20] TARAK GHENNAM «Supervision d’une ferme éolienne pour son intégration dans la
gestion d’un réseau électrique, Apports des convertisseurs multi niveaux au réglage des
éoliennes à base de machine asynchrone à double alimentation» Thèse de doctorat en
Génie Electrique, Ecole militaire polytechnique d’Alger Ecole centrale de Lille, 29/09/2011.
[21] BOURAKI MOULOUD «Etude d’un entrainement à double alimentation pour turbine
éolienne à vitesse variable: Application sur un site à TINDOUF» Mémoire Magister en Génie
Electrique, Université M’Hamed Bougara-Boumerdes, 2011/2012.
[23] BOULAA MAHAMMED «commande d’une éolienne à base d’une GADA pour la
production de l’énergie dans le réseau électrique» Mémoire de Fin d’Etudes en Génie
Electrique, Université Djilali liabes, sidi bel-abbès ,2016.
[25] MKELKOUL BAHIA «Etude et commande d’une turbine éolienne utilisant une Machine
Asynchrone à Double Alimentation» Mémoire Magister API de Génie Electrique et
Electronique, Université de Tlemcen, 29/06/2011.
[27] MALKI RIDHA «Filtrage actif des harmoniques par une éolienne à base d’une machine
asynchrone à double alimentation» Mémoire de Fin d’Etudes en génie electrique, Université
Djilali liabes, sidi bel-abbès ,2016.
[28] BEN AMAR ASMA «Etude de la commande d’un systeme éolien base sur une GADA»
Mémoire Magister en Electrotechnique, Université Hadj Lakhdar – Batna,24/04/2016.
[29] BELGACEM KHEIRA «Optimisation des performances des systèmes énergétiques dans
la production d’énergie éolienne à vitesse variable» Thèse de Doctorat En Electrotechnique,
université Djilali liabes, sidi bel-abbès, 11/02/2014.
[37] BELGACEM KHEIRA «Optimisation des performances des systèmes énergétiques dans
la production d’énergie éolienne à vitesse variable» Thèse de Doctorat en Electrotechnique,
université Djilali liabes, sidi bel-abbès, 11/02/2014.
[39] ELBIA YOUCEF «Commande Floue Optimisée d’une Machine Asynchrone à Double
Alimentation et à Flux Orienté» Mémoire de Magister En Electrotechnique, Université de
Batna, 15 / 06 /2009.