Machine Translated by Google

Énergie  solaire  171  (2018)  593–603

Listes  de  contenus  disponibles  sur  ScienceDirect

Énergie  solaire

page  d'accueil  de  la  revue :  www.elsevier.com/locate/solener

MPPT  mondial  basé  sur  l'IA  pour  une  centrale  photovoltaïque  partiellement  ombragée  connectée  au  réseau  via  une  
J
approche  MFO

N.Aouchichea,b,c, , MS  Aitcheikhb , M.  Becherifc, MA  Ebrahimc,  d

un
Centre  de  Développement  des  Energies  Renouvelables  (CDER),  BP  62,  Route  de  l'Observatoire,  Bouzareah,  Alger,  Algérie
b
Département  Electronique,  Ecole  Nationale  Polytechnique  –  ENP  –  Alger,  Algérie
c
FCLAB  FR  CNRS  3539,  Femto­ST,  Université  Bourgogne  Franche  Comte/UTBM,  Belfort  90010  Cedex,  France  d
Faculté  d'ingénierie  de  Shoubra,  Université  de  Benha,  108  Shoubra  St,  Le  Caire,  Égypte

INFORMATIONS  SUR  L'ARTICLE ABSTRAIT

Mots  clés: La  production  d'énergie  photovoltaïque  (PV)  dépend  des  conditions  entourant  le  générateur  photovoltaïque  telles  que  
Photovoltaïque l'irradiance  (G),  la  température  et  l'état  de  surface  du  générateur.  Ces  facteurs  affectent  directement  l'absorption  photonique  
Ombres et  la  productivité  des  panneaux  PV.  Le  phénomène  de  condition  d'ombrage  partiel  (PSC)  est  l'un  des  problèmes  qui  perturbent  
BPFPT
le  bon  fonctionnement  des  centrales  photovoltaïques.  Dans  la  littérature  récente,  plusieurs  algorithmes  ont  été  développés  
DMPPT
pour  résoudre  ce  problème.  Cet  article  vise  principalement  à  présenter  en  détail  le  problème  de  la  CSP  qui  a  été  traité  par  de  
Optimisation
nombreux  articles  et  cité  dans  cet  article.  Ensuite,  l'article  présente  la  combinaison  de  deux  techniques,  la  première  est  le  
Global  Maximum  Power  Point  Tracking  (GMPPT)  pour  un  réseau  de  100  kW.  La  deuxième  technique  est  la  configuration  de  
suivi  du  point  de  puissance  maximale  distribuée  (DMPPT)  pour  une  centrale  photovoltaïque  de  1  MW  sous  PSC.  Cette  
combinaison  vise  à  surmonter  les  inconvénients  liés  au  PSC  et  à  améliorer  les  performances  du  système  PV.  Une  nouvelle  
technique  de  contrôleur  GMPPT  est  proposée  en  utilisant  l'algorithme  d'optimisation  Moth­Flame  (MFO)  comme  solution  pour  
l'ombrage  PSC.  Une  étude  comparative  est  réalisée  entre  différents  algorithmes  MPPT  tels  que :  l'algorithme  de  conductance  
incrémentielle  classique  (IC),  l'approche  de  logique  floue  basée  sur  IC  (FL),  la  méthode  d'optimisation  des  essaims  de  
particules  (PSO)  et  la  MFO.  Les  résultats  de  simulation  prouvent  la  capacité  de  l'approche  proposée  à  rechercher  le  GMPPT  
du  système  de  générateur  photovoltaïque.

1.  Introduction problèmes,  il  existe  une  condition  d'ombrage  partiel  (PSC)  (Belhachat  et  Larbes,  2018;  
Yeung  et  al.,  2017).  Par  conséquent,  il  est  nécessaire  d'étudier  le  comportement  
La  demande  mondiale  d'électricité  ne  cesse  d'augmenter. dynamique  des  systèmes  PV  face  aux  perturbations  causées  par  le  PSC  et  de  proposer  
Par  conséquent,  plusieurs  stratégies  ont  été  adoptées  afin  de  valoriser  d'autres  nouvelles   des  solutions  pour  éviter  les  déconnexions  injustifiées.
sources  d'énergie  comme  l'énergie  photovoltaïque  (PV)  (De  Melo  et  al.,  2013 ;  Edalati  et   Récemment,  diverses  recherches  ont  été  menées  sur  le  comportement  dynamique  
al.,  2016).  Cette  énergie  est  inépuisable,  propre  et  silencieuse.  Ces  propriétés  présentent   des  contrôleurs  GMPPT  (Global  Maximum  Power  Point  Tracking)  pour  les  systèmes  PV  
un  grand  intérêt  pour  les  communautés  scientifiques  et  techniques  (Garoudja  et  al.,   (Bizon,  2016a ;  Boztepe  et  al.,  2014 ;  Liu  et  al.,  2014).  De  nombreux  contrôleurs  ont  été  
2017 ;  Su  et  al.,  2012). développés  afin  d'améliorer  leurs  performances  essentiellement  en  termes  de  capacité  
Ainsi,  les  innovations  technologiques  à  moindre  coût  des  modules  PV  conduisent  à  la   à  suivre  rapidement  le  GMPP  en  présence  de  plusieurs  MPP  locaux  lors  de  la  PSC  
mise  en  place  de  centrales  photovoltaïques  connectées  au  réseau,  en  particulier  les   (Benyoucef  et  al.,  2015 ;  Bizon,  2016a ;  Bouilouta  et  al.,  2013 ;  Liu  et  al.,  2015 ;  Lyden  et  
petites  à  Basse  Tension  (BT)  qui  ont  émergé  progressivement  (Li  et  Oruganti,  2010 ;   Haque,  2015).
Tan  et  al.,  2014) .
La  tâche  principale  du  système  PV  connecté  au  réseau  est  d'intégrer  l'électricité  PV   Au  fil  des  ans,  de  nombreuses  recherches  avaient  proposé  de  nombreuses  solutions  
dans  la  production  d'électricité  du  réseau.  Dans  un  cas  similaire,  l'énergie  produite  par   pour  résoudre  les  problèmes  liés  à  la  PSC.  Parmi  les  solutions  trouvées  dans  la  
les  modules  est  directement  consommée  par  les  charges  d'installation  locales  et   littérature,  la  reconfiguration  de  la  structure  est  proposée  pour  réduire  l'ombrage  en  
l'éventuel  surplus  de  production  par  rapport  à  la  consommation  instantanée  est  injecté   offrant  une  configuration  optimale  du  système  PV  afin  d'atteindre  le  GMPP.  Tabanjat  et  
dans  le  réseau  (Edalati  et  al.,  2016).  Cependant,  la  connexion  des  systèmes  PV  au   al.  (2015)  avaient  proposé  une  méthode  basée  sur  l'estimateur  Fuzzy  Logic  (FL)  avec  la  
réseau  de  distribution  peut  présenter  certaines  difficultés,  ce  qui  peut  affecter   solution  de  reconfiguration  en  ligne  pour  identifier  le  module  PV  ombragé  et  minimiser  la  
négativement  leur  fonctionnalité.  Parmi  ceux­ci puissance

  Auteur  correspondant  au :  Centre  de  Développement  des  Energies  Renouvelables  (CDER),  BP  62,  Route  de  l'Observatoire,  Bouzareah,  Alger,  Algérie  Adresse  
e­mail :  n.aouchiche@cder.dz  (N.Aouchiche).

https://doi.org/10.1016/j.solener.2018.06.109  
Reçu  le  26  novembre  2017 ;  Reçu  sous  forme  révisée  le  27  juin  2018 ;  Accepté  le  28  juin  2018  
0038­092X/  ©  2018  Elsevier  Ltd.  Tous  droits  réservés.
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

Nomenclature k Constante  de  Boltzmann  
LP meilleure  position  de  la  particule
α facteur  d'idéalité   Algorithme  d'optimisation  MFO  Moth­Flame
CP échelon  de   MPP  Point  de  puissance  maximale  (kW)
c1 variation  pondération  de  l'information   n Nombre  de  papillons

c2   locale  pondération  de  l'information  globale Perturbation  et  observation  P&O

D_fitnessi  position  de  la  particule   CFP condition  d'ombrage  partiel

DMPPT  Distributed  Maximum  Power  point  tracking  configuration  d  taille  de  l'espace  de   OSP Essaims  de  particules  Méthode  d'optimisation  
recherche  dans  
lequel  les  
Approche   plogique  
de   apillons  et  les  
floue   vecteurs  
basée  sur  ld'irradiance  
e  position  IdC  
es  flammes  opèrent  
(W/m2 ) PV puissance  de  sortie  photovoltaïque  de  la  cellule  PV  
PPV (A)  (kW)  charge  électronique  (C)  résistance  shunt  
Floride
q (Ω)  résistance  série  (Ω)  variable  aléatoire
g PR
Point  de  puissance  maximale  globale  GMPP  (kW)
GMPPT  Global  Maximum  Power  Point  Tracking  meilleure  position   Rand  RS
généraliste
de  l'algorithme  Swarm  Classical  Incremental  of   Si température  
IC Conductance.  courant  optimal  (A)  photo­courant  proportionnel   J de  la  chaîne  PV  (K)  
Je  suis
au  courant  de  sortie  d'illumination  de  la  cellule  PV  (A)  courant   V vitesse  tension  
de  saturation  de  la  diode  (A) Vm optimale  (V)  tension  de  
Iph
VPI VPV sortie  (V)  poids  d'inertie
EST
w

pertes  (Tabanjat  et  al.,  2015).  Carotenuto  et  al.  (2015)  avaient  présenté  l'algorithme  génétique   (ANFIS)  qui  peut  atteindre  le  GMPP  efficacement  sous  différents  modèles  d'ombrage  
pour  la  reconfiguration  dynamique  du  générateur  PV.  Cette  technique  est  conçue  pour   (Belhachat  et  Larbes,  2017).
déterminer  la  connexion  électrique  optimale  pour  un  système  PV  embarqué  (Carotenuto  et  al.,   Diverses  autres  recherches,  qui  avaient  utilisé  différents  types  d'approches  méta­
2015).  Parlak  (2015)  avait  suggéré  l'algorithme  de  balayage  de  configuration  pour  définir  les   heuristiques  pour  GMPPT,  avaient  été  réalisées  telles  que :  Kheldoun  et  al.  (2016)  avaient  
structures  de  connexion  probables.  Cette  approche  utilise  uniquement  le  courant  de  court­ appliqué  l'algorithme  d'optimisation  de  la  section  dorée  pour  suivre  le  MPP  pour  les  conditions  
circuit  afin  d'obtenir  des  modules  PV  de  la  même  chaîne  PV  qui  ont  des  valeurs  de  courant  de   à  évolution  rapide  et  la  PSC  (Kheldoun  et  al.,  2016).  Huynh  et  al.  (2013)  avaient  utilisé  un  
court­circuit  aussi  proches  que  possible  (Parlak,  2014).  Pareek  et  Dahiya  (2016)  ont  développé   algorithme  d'optimisation  dynamique  des  essaims  de  particules  (PSO).  Selon  les  résultats  de  
une  nouvelle  méthode  pour  prévoir  l'interconnexion  des  modules  dans  un  générateur   la  simulation,  cet  algorithme  est  supérieur  aux  algorithmes  PSO  et  Perturbation  and  Observation  
photovoltaïque  connecté  Total  Cross­Tied  (TCT).  Cette  méthode  est  basée  sur  certaines  règles   (P&O)  (Huynh  et  al.,  2013).  Sakthigokulrajan  et  al.  (2017)  avaient  créé  une  technique  modifiée  
pour  la  connexion  ombragée  ou  non  ombragée  des  modules  PV d'optimisation  des  essaims  de  particules  (MPSO).  Les  auteurs  attestent  que  le  principal  
avantage  du  MPSO  est  la  réduction  de  l'oscillation  en  régime  permanent  si  le  MPP  est  atteint  
qui  est  utilisé  pour  la  configuration  totale  ou  partielle  du  générateur  photovoltaïque  (Pareek  et   (Sakthigokulrajan  et  Ravi,  2017).  Mao  (2016)  avait  développé  l'algorithme  d'essaim  de  poissons  
Dahiya,  2016). artificiels  modifié  (MAFSA)  qui  vise  à  atteindre  le  GMPP  sous  PSC.  Les  résultats  expérimentaux  
Les  techniques  MPPT  classiques  telles  que  la  conductance  incrémentale  (IC)  ont  de   avaient  révélé  que  l'approche  proposée  surpassait  les  techniques  GMPPT  proposées  (Mao,  
bonnes  performances  dynamiques  pour  des  conditions  d'éclairement  uniforme  (G)  (Aouchiche   2016).  Kaced  et  al.  la  méthode  MPPT  utilisant  l'algorithme  bat  pour  atteindre  le  GMPP  sous  
et  al.,  2016).  Cependant,  cela  a  échoué  pendant  la  PSC  car  la  courbe  PV  comprend  plusieurs   PSC  (Kaced  et  al.,  2017).  Benyoucef  et  al.  (2015)  avaient  développé  un  algorithme  MPPT  
pics.  Par  conséquent,  IC  pourrait  être  emprisonné  par  le  député  local  (Kheldoun  et  al.,  2016 ;   (ABC)  basé  sur  les  colonies  d'abeilles  artificielles  qui  avait  été  validé  expérimentalement  en  
Lyden  et  Haque,  2015 ;  Mao,  2016).  Bizon  (2016)  avait  proposé  un  nouvel  algorithme  GMPPT   termes  de  robustesse  et  d'efficacité  (Benyoucef  et  al.,  2015).  Mohanty  et  al.  (2016)  avaient  
basé  sur  le  Perturbed­based  Extremum  Seeking  Scheme  (GPESC) proposé  une  technique  MPPT  (GWO)  basée  sur  l'optimisation  de  Grey  Wolf.  Selon  l'étude  
expérimentale,  le  GWO  surpasse  à  la  fois  le  P&O  et  le  PSO  amélioré  (IPSO)  (Mohanty  et  al.,  
(Bizon,  2016b).  Liu  et  al.  (2014)  avaient  introduit  un  algorithme  de  suivi  GMPP  en  deux  étapes   2016).  Titri  et  al.  (2017)  avaient  proposé  un  nouveau  contrôleur  MPPT  bio­inspiré  basé  sur  
qui  consiste  en  des  règles  de  segmentation  après  avoir  effectué  une  approche  de  perturbation   l'algorithme  Ant  Colony  Optimization  avec  une  stratégie  de  mise  à  jour  des  nouvelles  
et  d'observation  à  taille  de  pas  variable  pour  modifier  la  vitesse  GMPPT  (Liu  et  al.,  2014).   phéromones  (ACO_NPU  MPPT)  pour  suivre  les  GMPP  (Titri  et  al.,  2017).
Spertino  et  al.  (2016)  avaient  proposé  une  méthode  qui  effectue  le  tracé  de  la  courbe  IV  d'un  
système  PV  à  partir  de  mesures  sur  site  sans  interrompre  le  fonctionnement  normal  du  
système  PV.  Les  simulations  et  les  résultats  expérimentaux  avaient  confirmé  la  capacité  de  
l'algorithme  à  mesurer  la  courbe  caractéristique  et  à  restituer  les  valeurs  de  tension  et  de  
courant  au  GMPP  dans  différentes  conditions  d'ombrage  (Spertino  et  al.,  2016).
La  configuration  de  suivi  du  point  de  puissance  maximale  distribuée  (DMPPT)  est  une  
autre  solution  importante  qui  a  été  envisagée  par  plusieurs  recherches,  Femia  et  al  (2008)  ont  
Sur  la  base  de  la  littérature  actuelle,  les  méthodes  GMPPT  sont  les  méthodes  les  plus   étudié  l'impact  des  paramètres  du  système  sur  l'efficacité  et  la  stabilité  de  la  technique  DMPPT  
appropriées  pour  résoudre  les  problèmes  de  PSC  (Liu  et  al.,  2015 ;  Lyden  et  Haque,  2015).   (Femia
Parmi  les  articles  qui  se  sont  concentrés  sur  l'algorithme  GMPPT  basé  sur  l'intelligence  
artificielle  (IA).  Shah  et  Rajagopalan  (2016)  ont  utilisé  l'approche  FL  pour  suivre  le  GMPPT.  
Une  étude  comparative  avait  été  réalisée  pour  valider  la  robustesse  de  l'algorithme  (Shah  et  
Rajagopalan,  2016).  Choudhury  et  Rout  (2016)  avaient  appliqué  l'algorithme  FL  base  GMPPT.  
L'évaluation  de  la  simulation  a  certifié  que  la  technique  proposée  est  meilleure  que  P&O  en  
termes  de  capacité  de  suivi  et  de  vitesse  de  réponse  dynamique  (Choudhury  et  Rout,  2016).  
Zhu  et  al.  (2015)  avaient  présenté  un  contrôleur  flou  intelligent  pour  le  suivi  du  GMPP  pendant  
le  PSC  (Zhou  et  al.,  2015).  Belhachat  et  al.  (2017)  avaient  proposé  un  contrôleur  MPPT  basé  
sur  l'inférence  neuro­floue  adaptative

Fig.  1.  Le  modèle  électrique  de  cellule  PV  équivalente.

594
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

2015).
La  contribution  majeure  de  cet  article  est  de  proposer  l'algorithme  GMPPT  pour  
traiter  le  problème  de  l'ombrage  partiel.  L'algorithme  suggéré  est  Moth­Flame  
Optimization  (MFO)  basé  sur  l'optimisation  de  la  puissance  à  la  sortie  du  convertisseur  
boost.  Dans  cet  article,  une  brève  présentation  du  modèle  de  panneaux  PV  appliqué  
dans  cette  étude  est  donnée.  Ensuite,  une  analyse  comparative  est  effectuée  afin  de  
mettre  en  évidence  les  performances  dynamiques  de  MFO  par  rapport  à  d'autres  
algorithmes  tels  que  IC,  FL  et  PSO.
La  première  partie  de  cet  article  donne  un  état  de  l'art  complet  sur  les  problèmes  
PSC,  les  algorithmes  GMPPT  et  DMPPT  et  les  architectures  matérielles  appropriées  
pour  résoudre  le  problème  PSC.  La  deuxième  partie  présente  des  études  de  cas  des  
algorithmes  GMPPT  et  DMPPT  en  faveur  de  l'amélioration  des  comportements  
dynamiques  du  système  PV  en  termes  de  capacité  de  suivi,  de  rapidité  et  de  stabilité.

Fig.  2.  Chaîne  PV  de  1,5  kW. Le  reste  de  cet  article  comprend  une  section  sur  le  système  PV  et  le  problème  
de  l'ombrage  suivi  d'une  section  qui  donne  un  aperçu  sur  la  technologie  MPPT.  La  
Tableau  1 section  4  présente  les  performances  de  chaque  technique  dans  la  section  simulation  
Caractéristiques  des  modules  photovoltaïques. et  résultats.  L'article  se  termine  par  une  conclusion  résumant  les  résultats,  les  objectifs  
et  les  perspectives  de  ce  travail.
Modèle Nombre  de Vm  (V)  Im  (A)  MPP  (W)  ISC  (A)  COV  (V)
Cellules  photovoltaïques

SunPower  SPR 96 54,7 5.58 305.22 5,96 64.2

2.  Système  photovoltaïque
305  BLANC

Le  générateur  PV  utilisé  est  un  ensemble  de  modules  PV  qui  sont  interconnectés  
et  al.,  2008).  Solórzano  et  al.  (2013)  avaient  présenté  une  procédure  de  diagnostic   en  série  ou  en  parallèle  afin  d'avoir  la  tension  (VPV)  et  la  puissance  (PPV)  souhaitées.  
des  pannes  dans  les  systèmes  PV  avec  architecture  DMPPT  (Solórzano  et  Egido,   Chaque  module  PV  se  compose  de  96  cellules  PV  connectées  en  série.  La  figure  1  
2013).  Muthuramalingam  et  al  (2014)  avaient  considéré  la  configuration  DMPPT  et   décrit  le  modèle  électrique  de  la  cellule  PV.
s'étaient  concentrés  sur  les  comparaisons  expérimentales  des  techniques  hybrides   Le  modèle  mathématique  du  modèle  électrique  de  la  cellule  PV  est  donné  par
P&O­ANFIS  et  PSO­ANFIS  (Muthuramalingam  et  Manoharan,  2014).  Carbone  (2015)   (Aouchiche  et  al.,  2016 ;  Zaoui  et  al.,  2013) :
avait  proposé  le  DMPPT  avec  des  centrales  photovoltaïques  à  stockage  d'énergie  
qV  
  ·( +  
IPV  
R  
PV  S · SIR  +  PV  P· V
V  
centralisé  (Carbone, Je  
IpI=  h  
­ 1
  

exp  )   1
PV   S
  
αkT · ·   −         − RP (1)

Fig.  3.  Caractéristiques  IV  et  PV  d'une  branche  PV  de  1,5  kW  et  d'un  générateur  PV  de  100  kW.

595
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

Tableau  
2  Performances  PV  sous  différents  modèles  d'ombrage.

Chaîne  photovoltaïque Générateur  photovoltaïque

Modèle Motif  d'ombrage Vm  (V) Je  (A) MPP  (kW) V  (V) Je  (A) MPP  (kW)

Pt1 [1000,1000,1000,1000,1000]   272.8 5.568 1.519 272.7 367.3 100.2

Pt2 [1000,800,600,500,300]   229.1 2.883 0,605 275 251.6 69.20
Pt3 [900,600,600,400,300] 222.8 2.284 0,509 274.7 214.5 58,82

Fig.  4.  Organigramme  des  algorithmes  IC  et  FL.

IPV  et  VPV  sont  le  courant  et  la  tension  de  sortie  de  la  cellule  PV,  IS  et  α  sont   2.1.  Effet  des  conditions  d'ombrage  partiel
respectivement  le  courant  de  saturation  de  la  diode  et  le  facteur  d'idéalité.  RP  
et  RS  sont  respectivement  les  résistances  shunt  et  série.  T  est  la  température   Le  PSC  est  un  phénomène  naturel,  qui  se  traduit  par  la  réduction  du  G  
en  Kelvin,  q  est  une  charge  élémentaire  d'électron  et  k  est  la  constante  de   incident  sur  une  partie  du  générateur  PV.  Ce  phénomène  peut  être  provoqué  
Boltzmann  (Hajighorbani,  2015 ;  Osaji  et  al.,  2013 ;  Rahrah  et  al.,  2015). par  quelques  obstacles  tels  que :  passage  de  nuages,  dépôt  de  saleté  ou  de  
Iph  est  le  photocourant  proportionnel  à  l'éclairement. neige,  présence  de  bâtiment  et  de  lignes  électriques…  etc.  Le  courant  
traversant  les  cellules  PV  ombragées  sera  réduit  et  la  tension  sera

596
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

Fig.  5.  Modèle  de  contrôleur  FL.

Fig.  6.  Fonctions  d'appartenance  des  variables  d'entrée  (E,  CE)  et  de  sortie  (dD).

Tableau  3  
Règles  FL. Fig.  7.  Organigramme  de  l'OSP.

E CE
Zhou  et  Sun,  2015).  La  diode  de  dérivation  est  associée  à  chaque  module  PV  en  parallèle.  
NE SN ZE PS BP
Sa  tâche  est  de  shunter  le  module  PV  lorsqu'une  partie  de  ce  module  est  ombragée,  puis,  

NE ZE ZE BP BP BP
la  diode  by­pass  conduit  le  courant  et  isole  le  module  ombragé  de  la  chaîne  à  laquelle  il  
SN ZE ZE PS PS PS appartient  en  faveur  d'éviter  les  effets  de  Hot­Spot  indésirables  ( Murtaza  et  al.,  2014).  La  
ZE PS ZE ZE ZE SN diode  de  blocage  est  considérée  comme  une  vanne  unidirectionnelle  qui  évite  que  le  
PS SN SN SN ZE ZE
courant  ne  reflue  entre  les  strings  PV  connectés  en  parallèle,  lorsqu'il  y  a  un  ombrage  sur  
BP NE NE NE ZE ZE
l'un  d'entre  eux  ou  en  l'absence  de  soleil  (Murtaza  et  al.,  2014).

augmenté  pour  ces  cellules  PV,  ce  qui  crée  le  problème  des  points  chauds  qui  peuvent  
Dans  la  Fig.  3,  les  tests  sont  effectués  à  la  fois  pour  des  conditions  G  uniformes  et  
endommager  les  modules  PV  (Pareek  et  Dahiya,  2016 ;  Parlak,  2014 ;  Pati  et  Sahoo,  
2016).  De  plus,  les  autres  performances  des  cellules  PV  sont  affectées  par  la  réduction   PSC  dans  le  cas  (a)  d'une  chaîne  S1  et  le  cas  (b)  de  66  chaînes  PV  connectées  en  
parallèle,  dont  les  30  chaînes  PV  sont  ombrées  et  le  reste  de  le  champ  PV  sont  
du  courant.  Par  conséquent,  les  performances  de  l'onduleur  sont  considérablement  
uniformément  éclairés.
réduites  en  termes  d'efficacité.
La  Fig.  3(b)  représente  les  courbes  IV  et  PV  d'une  branche  PV  de  1,5  kW  (S1),  
La  figure  2  illustre  le  système  PV  suggéré  pour  la  simulation  de  PSC.
composée  de  5  modules  connectés  en  série.
La  première  simulation  considère  une  branche  PV  S1  de  5  modules  connectés  en  série.  
La  Fig.  3(a)  donne  les  caractéristiques  IV  et  PV  d'un  générateur  PV  de  100  kW  qui  
Les  caractéristiques  des  modules  PV  utilisés  sont  données  dans  le  tableau  1.
comprend  soixante­six  (66)  chaînes  PV  connectées  en  parallèle  (S1­S66).
La  deuxième  phase  est  consacrée  au  générateur  photovoltaïque  de  100 kW  composé  de  
Ces  courbes  ont  été  obtenues  sous  un  G  uniforme  de  1000  W/m2  qui  correspond  
, au  
soixante­six  (66)  chaînes  photovoltaïques  (S1­S66)  interconnectées  en  parallèle,  comme  
patron  (Pt1)  et  sous  PSC  qui  correspond  aux  patrons  Pt2  et  Pt3  comme  indiqué  dans  le  
illustré  à  la  Fig. 2.  Selon  la  Fig. 3,  les  courbes  IV  et  PV  ont  été  effectuée  dans  des  
Tableau  2.  Pour  chaque  patron,  le  Tableau  2  donne  les  valeurs  maximales  de  tension  
conditions  G  uniformes  et  PSC  dans  le  cas  d'une  chaîne  (S1)  et  dans  le  cas  d'un  
(Vm),  courant  (Im)  et  puissance  (MPP)  qui  permettent  de  trouver  la  GMPP.
générateur  photovoltaïque  (S1­S66).
Afin  d'assurer  la  protection  du  générateur  photovoltaïque,  il  est  nécessaire  de  prévoir  
Selon  Pt2  et  Pt3,  les  courbes  IV  et  PV  sont  caractérisées  par
une  diode  de  dérivation  et  une  diode  de  blocage  (Ramli  et  al.,  2017 ;  Yeung  et  al.,  2017 ;

597
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

et  al.,  2014):
dP dVI  
dV( ·)   = dV  dI je
= je · je  +V  =·+  dV  dV
dV dV (2)

dP je je
= 0  = E   +
dV dV V (3)

3.2.  Logique  floue  (FL)

Selon  la  Fig.  4,  le  FL  est  une  approche  basée  sur  l'IA.  Cela  est  utilisé  pour  
offrir  une  amélioration  de  l'algorithme  IC  classique  en  termes  de  robustesse,  de  
stabilité  et  de  facilité  de  mise  en  œuvre  (Rezvani  et  Gandomkar,  2016 ;  Tabanjat  
et  al.,  2015).  Le  travail  principal  du  contrôleur  FL  est  d'atteindre  le  GMPP.  
Cependant,  la  performance  du  contrôleur  dépend  essentiellement  de  l'expertise  
humaine  (Rezvani  et  Gandomkar,  2016).
Comme  le  montre  la  figure  5,  le  contrôleur  FL  proposé  comprend  quatre  
parties  de  base :  l'unité  de  fuzzification,  la  base  de  règles,  le  moteur  d'inférence  
et  l'unité  de  défuzzification  (Aouchiche  et  al.,  2017 ;  Rajesh  et  Mabel,  2014).
L'unité  de  fuzzification  convertit  les  variables  réelles  en  variables  floues.  E(k)  
et  CE(k)  sont  les  entrées  du  contrôleur  FL  données  par  Eqs.  ((4)  et  (5)).  La  tension  
et  le  courant  PV  sont  mesurés  pour  le  calcul  de  la  puissance  PV  E(k)  comme  
dans  (4).  La  sortie  du  contrôleur  FL  est  dD,  qui  est  la  taille  de  pas  variable  du  
rapport  cyclique.

Ik  Ik
( ( )   −  −

( 1)) Je  
k  
k   =
E  ( ) +
VkVk
( ( ) −  −

( 1)) V  ( )  
k ( ) (4)

CE  
E  
k( )  
k ( )=  −− ( 1) (5)

•  Parmi  les  différentes  formes  de  fonctions  d'appartenance  (trapézoïdales,  
gaussiennes  et  triangulaires…etc.),  la  forme  triangulaire  symétrique  est  
considérée  comme  la  plus  appropriée  en  plus  de  sa  simplicité.  Les  limites  de  
gamme  des  variables  floues  sont  généralement  normalisées  entre  −1  et  +1  en  
introduisant  un  facteur  de  gain  pour  représenter  les  signaux  réels  (Soufi  et  al.,  
Fig.  8.  Organigramme  de  la  MFO  (Mirjalili,  2015). 2016).  Dans  cette  étude,  la  forme  triangulaire  symétrique  a  été  sélectionnée  
et  les  limites  sont  considérées  comme  ([−0,04,  0,04],  [−100,  100]  et  [−0,04,  
0,04])  pour  (E,  CE  et  dD)  respectivement.
plusieurs  pics  qui  sont  dus  à  l'insertion  de  la  diode  de  dérivation  dans  le  PV
D'après  les  données  de  simulation,  ces  limites  sont  choisies  lors  de  tests  
déployer.
successifs  par  les  auteurs  pour  atteindre  les  valeurs  réelles  des  signaux  
d'entrée  et  de  sortie.  La  figure  6  affiche  les  fonctions  d'appartenance  
3.  Technique  MPPT sélectionnées  de  E,  CE  et  dD.  L'inférence  floue  est  réalisée  à  l'aide  de  la  
méthode  de  Mamdani  (Ramalu  et  al.,  2015).  Les  variables  sont  exprimées  
3.1.  Conductance  incrémentale  (IC) comme  (BP :  Big  Positive),  (SP :  Small  Positive),  (ZE :  Zero),  (SN :  Small  
Negative),  (BN :  Big  Negative)  (Ebrahim  et  al.,  2012 ;  El­  Metwally  et  al.,  
L'algorithme  IC  est  l'un  des  algorithmes  MPPT  populaires.  Selon  la  Fig.  4,   2013 ;  Farhat  et  al.,  2015).
cette  méthode  est  basée  sur  la  mesure  de  la  tension  et  du  courant  afin  de  
déterminer  la  position  du  MPP  (Aouchiche  et  al.,  2016).  D'après  l'Eq.  (2),  IC  utilise   Le  tableau  3  donne  les  règles  utilisées  qui  assurent  la  relation  entre  les  
la  fonction  de  puissance  dérivée  (dP/dV)  pour  définir  la  position  du  point  de   entrées  et  la  sortie  du  contrôleur  FL.  La  base  de  règles  symétriques  est  
fonctionnement  par  rapport  au  MPP.  MPP  est  atteint  lorsque  Eq.  (3)  est  satisfait   généralement  utilisée  pour  les  systèmes  croissants  constants  (Ebrahim  et  al.,  
(Lyden  et  Haque,  2015 ;  Othman  et  al.,  2012 ;  Radjai 2012).  La  méthode  de  défuzzification  centroïde  est  la  plus  généralement  utilisée  car  elle  est  trè

Fig.  9.  Réseau  de  système  PV  de  100  kW  connecté.

598
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

Fig.  10.  Performances  dynamiques  pour  un  système  PV  connecté  au  réseau  de  100  kW  sous  PSC.

Tableau   V  t( )  
   c1   je  ii LP  t  + (   1  ( )  −D  ( ))
  rand   aptitude t
V  t(w  +  =1)
4  Comportements  dynamiques  des  techniques  GMPPT  pendant  [0  s,  2  s]. −
je

  ( c  
2  2et  GP  t  +   ( )  D  ( ))
remise  en  forme  je t

IC Floride OSP MFO (6)

Temps  de  montée  (s) 0,06320 0,05340 0,04900 0,049710

0,16270 0,0726 0,05670 0,05464 D_forme  physique  ( t  += 1)  D_forme  physique  +  
( )+  je ( 1)  t  Vt   (7)
Temps  de  stabilisation  à  5%  (s)
je je

Dépassement  (%) 1,4087 0,0928 0,0127 0,0029

Puissance  extraite  (kW) 66,59   68.7639   69.0874   69.1680  
Puissance  crête  (kW) 68,1291 69.01 69.15 69.17 •  D_fitnessi :  position  de  la  particule.  •  V :  
Erreur  constante  (%) 3.772 0,630 0,162 0,046 vitesse.  •  c1 :  poids  de  l'information  locale.  
Efficacité  GMPPT  (%) 96,22 99,33 99,83 99,91
− •  c2 :  poids  de  l'information  globale.  •  w :  
Convergence + ++ +++
Poids  d'inertie.  •  LP :  meilleure  position  de  la  
particule.  •  GP :  meilleure  position  de  l'essaim.  

précis  et  il  a  de  bonnes  propriétés  de  calcul  de  moyenne  (Rahim  et  al.,  2014 ;  Wu  et  al.,  2011).   •  rand :  variable  aléatoire.

Cette  méthode  calcule  la  sortie  dD  comme  centre  de  gravité.

3.3.  Optimisation  des  essaims  de  particules 3.4.  Algorithme  d'optimisation  de  la  flamme  papillon

Inspirés  par  le  comportement  social  des  poissons  et  des  oiseaux,  James  Kennedy  et   L'algorithme  Moth­Flame  Optimization  (MFO)  est  une  nouvelle  optimisation  méta­heuristique  

Russell  Eberhart  ont  développé  une  technique  d'optimisation  stochastique  appelée  PSO  en   développée  par  Mirjalili  (2015).  Cette  technique  est  basée  sur  le  comportement  du  papillon  de  

1995  (Shi  et  al.,  2015 ;  Soufi  et  al.,  2016).  Le  PSO,  représenté  sur  la  Fig.  7,  est  un  algorithme   nuit  pour  converger  vers  une  source  lumineuse  (flamme).

très  efficace  en  recherche  globale  et  il  est  facile  à  mettre  en  œuvre  avec  peu  de  paramètres  à   Le  papillon  vole  en  gardant  un  angle  constant  par  rapport  à  la  lune.

régler. Ce  processus  est  appelé  orientation  transversale  (Li  et  al.,  2016 ;  Mirjalili,  2015).  La  lumière  

Comme  plusieurs  techniques  méta­heuristiques  qui  existent,  cette  méthode  d'optimisation   artificielle  étant  la  source  lumineuse  la  plus  proche,  elle  devient  la  nouvelle  référence  pour  le  

est  basée  sur  le  travail  collectif  et  la  particule  auto­organisatrice  appartenant  à  un  même  groupe   déplacement  du  papillon.  Cependant,  le  papillon  de  nuit  est  trompé  par  la  lumière  artificielle  car  

(Sakthigokulrajan  et  Ravi,  2017 ;  Shi  et  al.,  2015).  Le  PSO  est  considéré  comme  une  approche   il  est  obligé  de  corriger  en  permanence  sa  trajectoire  afin  de  maintenir  l'angle  fixe.  Ce  

GMPPT  qui  fournit  le  meilleur  rapport  cyclique  (D)  afin  d'obtenir  le  GMPP  (Lyden  et  Haque,   comportement  engendre  une  trajectoire  de  vol  en  spirale  infructueuse  ou  mortelle  pour  les  

2015).  Cette  technique  suit  des  règles  de  mouvement  (dans  l'espace  des  solutions),  permettant   papillons  (Li  et  al.,  2016 ;  Mirjalili,  2015).

à  ces  particules  de  converger  progressivement  vers  leurs  positions  aléatoires  sur  un  optimum   L'approche  d'optimisation  MFO  est  basée  sur  les  papillons  et  les  populations  de  flammes  

local  (optima).  La  position  et  la  vitesse  de  la  particule  sont  corrigées  en  fonction  de  sa  vitesse   qui  se  déplacent  dans  l'espace  de  recherche.  les  éq.  ((8)  et  (9))  révèlent  que  les  papillons  sont  

actuelle,  la  meilleure  des  Positions  Locales  du  voisin  obtenue  (LP)  est  considérée  comme  la   regroupés  dans  la  matrice  M  et  les  flammes  sont  représentées  par  la  matrice  F.  M  et  F  ont  la  

meilleure  Position  Globale  (GP).  Le  PSO  est  basé  sur  les  règles  de  mise  à  jour  suivantes  selon   même  dimension  n  *  d  (Li  et  al.,  2016 ;  Mirjalili,  2015).  n :  nombre  de  papillons.

Eqs.  ((6)  et  (7))  (Lyden  et  Haque,  2015 ;  Sakthigokulrajan  et  Ravi,  2017 ;  Shi  et  al.,  2015) :

d :  Taille  de  l'espace  de  recherche  dans  lequel  opèrent  les  vecteurs  de  position  des  
papillons  et  des  flammes.

599
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

Fig.  11.  Réponse  dynamique  dans  le  cas  d'abaissement  pour  un  système  PV  connecté  au  réseau  de  100  kW  sous  PSC.

Fig.  12.  Système  PV  connecté  au  réseau  de  1  MW  avec  architecture  DMPPT.

M(1,  1)      M(1,  d)      F(1,  1)      F(1,  d)     

M =   
M(je,  j)    F =   
F(i,j)   

M(n,  1) M(n,  d) (8) F(n,  1) F(n,  d) (9)

Il  convient  de  noter  que  OM  est  le  vecteur  de  mise  à  jour  de  M  selon  la  
fonction  objectif  (fobj)  et  OF  est  le  vecteur  de  mise  à  jour  de  OM  comme  indiqué  
dans  les  équations.  (10)–(13).

600
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

Fig.  13.  Comportement  dynamique  de  la  puissance  pour  un  système  PV  connecté  au  réseau  de  1  MW  sous  différents  G.

OM  [=  OM .OM .OM ]
1 je
n (dix) Le  contrôleur  basé  sur  MFO  vise  à  obtenir  la  meilleure  valeur  de  gain  (Ki)  pour  minimiser  
l'erreur  (dI/dV  +  I/V)  selon  l'organigramme  de  la  Fig.  8.
DE  [=  DE .DE .DE ]
1 je n
(11)

F  =  tri(M , t  ­1 M)t (12) 4.  Résultats  des  simulations

DE  t=ri(OM , t  ­1 OM )

t
(13)
Cet  article  vise  à  tester  la  capacité  des  méthodes  GMPPT  proposées  à  suivre  le  
Pour  rechercher  les  solutions  optimales,  MFO  exécute  4  fonctions  principales GMPP  pendant  le  PSC.  Les  simulations  sont  réalisées  sous  MATLAB™.  Les  méthodes  
qui  sont: GMPPT  suggérées  pour  cette  étude  comparative  sont :  IC,  FL,  PSO  et  MFO.  La  Fig.  9  
représente  le  système  connecté  au  réseau  PV  de  100  kW.  Le  générateur  photovoltaïque  
1.  L'initialisation  des  positions  papillons,  consiste  en  la  création  de  M : se  compose  de  deux  blocs,  le  premier  est  de  54  kW  qui  est  modélisé  pour  avoir  36  
chaînes  en  parallèle.  Le  deuxième  bloc  de  46  kW  comprend  30  chaînes  connectées  en  
M(i,  j)  rand(n,  d).  (ul )  l  =   −+  bb  b (14)
parallèle.  Le  générateur  photovoltaïque  est  connecté  au  convertisseur  élévateur  qui  
fonctionne  avec  le  contrôleur  MPPT.  La  tension  et  le  courant  de  sortie  du  convertisseur  
•  rand :  fonction  de  distribution  aléatoire.
sont  convertis  par  un  convertisseur  triphasé  pour  produire  des  signaux  CA.  Ce  système  
2.  Pour  vérifier  l'espace  de  recherche  des  papillons  de  nuit  et  calculer  l'aptitude  des  
PV  est  couplé  à  la  ligne  de  distribution  via  un  transformateur  de  100  kVA.
papillons  de  nuit :

M(i, :)  (M(i, :).  
= ( (Fu  Fl )))  ubb .  
+  Fu  
l +     +   b  bb  b .
Fl   (15) La  figure  10  fournit  les  performances  dynamiques  de  la  puissance  PV,  de  la  tension  
b
PV,  du  cycle  de  service  et  de  la  puissance  du  réseau.  Tout  d'abord,  le  système  PV  
OM(i)  f=obj(M(i, :) ) (16)
proposé  est  testé  dans  un  cas  PSC  constant  qui  correspond  au  modèle  Pt2  à  T  =  25  °C.  
Selon  la  Fig.  10  et  le  Tableau  4,  la  technique  IC  présente  les  pires  paramètres  
3.  Mettez  à  jour  la  meilleure  position  et  les  valeurs  des  flammes :
statistiques  et  ses  comportements  dynamiques,  y  compris  les  ondulations  importantes  
Meilleur  score  de  flamme  OF(1  −−  = ) (17) qui  affectent  négativement  le  fonctionnement  du  système  PV.  Le  FL  fournit  le  temps  de  
stabilisation  le  plus  court  et  suit  correctement  la  variation  de  la  technique  G.  PSO  est  
Meilleure  position  de  flamme  F(1, :  −−  = ) (18)
capable  de  suivre  correctement  le  GMPP.  Cependant,  ses  performances  dynamiques  
sont  légèrement  inférieures  à  celles  de  MFO.  Les  paramètres  statistiques  donnés  dans  
4.  Mettez  à  jour  la  position  des  papillons  en  tenant  compte  de  la  position  des  flammes le  tableau  4  sont  améliorés  en  utilisant  le  MFO.  Par  conséquent,  la  puissance  PV  extraite  
tions : (69,15  kW)  est  la  plus  proche  de  la  puissance  PV  optimale  (69,20  kW)  donnée  dans  le  
tableau  2  avec  une  efficacité  et  une  erreur  statique  de  99,91 %  et  0,046 %  respectivement.  
M(i,  j)  S=(M(i,  j),  F(i,  j))  Distance(i)  
=      exp(b.  t).  cos(t.  2  pi)   
Les  résultats  de  la  simulation  révèlent  que  la  MFO  est  supérieure  aux  autres  méthodes  
+ F(i,  j) (19) proposées  en  termes  d'efficacité  et  de  stabilité  de  la  capacité  de  suivi.
La  deuxième  étude  de  cas  porte  sur  la  comparaison  des  performances  des  quatre  
Distance(i)  =|F(i,  j)  M(i,  
− j)| (20)
méthodes  GMPPT  proposées  sous  CSP  variable.  Par  conséquent,  la  simulation  est  
Distance :  La  distance  entre  les  positions  du  papillon  et  la  flamme  correspondante. effectuée  sous  T  =  25  °  C  en  utilisant  Pt2  et  Pt3  répertoriés  dans  le  tableau  2.  La  figure  
11  montre  qu'entre  0  s  et  2  s,  le  PSC  correspond  au  modèle  Pt2  et  pendant  [2  s,  4  s].  Le  
S :  La  fonction  spirale  (Li  et  al.,  2016 ;  Mirjalili,  2015). modèle  Pt3  est  appliqué  au  générateur  PV.
L'article  propose  MFO  comme  une  amélioration  de  l'IC  classique.  Le Le  cas  d'abaissement  G  est  atteint  à  t  =  2  s.  Selon  la  figure  11,  le

601
Machine Translated by Google

N.Aouchiche  et  al. Énergie  solaire  171  (2018)  593–603

les  résultats  de  la  simulation  prouvent  que  les  algorithmes  FL,  PSO  et  MFO  sont   Bizon,  N.,  2016a.  Suivi  global  du  point  de  puissance  maximale  (GMPPT)  d'un  réseau  photovoltaïque  à  l'aide  
capables  de  suivre  le  step­down  afin  d'atteindre  le  GMPP.  Cependant,  la  réponse   de  l'Extremum  Seeking  Control  (ESC):  une  révision  et  un  nouveau  schéma  GMPPT  ESC.
Renouveler.  Soutenir.  Energy  Rev.  57,  524–539.  http://dx.doi.org/10.1016/j.rser.2015.12.  221.
dynamique  du  circuit  intégré  contient  des  vibrations  indésirables  qui  sont  considérées  
comme  un  inconvénient  dangereux  pour  le  système  PV.  Il  est  évident  que  la  puissance   Bizon,  N.,  2016b.  Extremum  global  recherchant  le  contrôle  de  la  puissance  générée  par  un  générateur  
PV  extraite  et  la  puissance  du  réseau  qui  correspondent  à  MFO  et  PSO  sont  meilleures   photovoltaïque  dans  des  conditions  partiellement  ombragées.  Conversations  d'énergie.  Géré.  109,  71–
85.  http://dx.doi.org/10.1016/j.enconman.2015.11.046.
que  celles  des  techniques  FL  et  IC.  Le  comportement  dynamique  du  MFO  est  
Bouilouta,  A.,  Mellit,  A.,  Kalogirou,  SA,  2013.  Nouvelle  méthode  MPPT  pour  les  systèmes  photovoltaïques  
légèrement  supérieur  à  celui  du  PSO. autonomes  fonctionnant  dans  des  conditions  partiellement  ombragées.  Énergie  55,  1172–1185.  
Selon  la  Fig.  12,  la  troisième  étude  de  cas  propose  un  système  PV  connecté  au   http://dx.doi.org/10.1016/j.energy.2013.03.038.
Boztepe,  M.,  Guinjoan,  F.,  Velasco­Quesada,  G.,  Silvestre,  S.,  Chouder,  A.,  Karatepe,  E.,  2014.  Schéma  
réseau  de  1  MW  avec  une  configuration  DMPPT.  La  centrale  photovoltaïque  de  1  MW  
MPPT  global  pour  les  onduleurs  de  chaînes  photovoltaïques  basé  sur  un  algorithme  de  recherche  de  
se  compose  de  10  générateurs  photovoltaïques  connectés  en  parallèle  fournissant   fenêtre  de  tension  restreinte.  IEEE  Trans.  Ind.  Électron.  61,  3302–3312.  http://dx.doi.org/10.1109/
chacun  un  maximum  de  100  kW  à  1000  W/m2  sun  G.  Un  générateur  photovoltaïque   TIE.2013.2281163 .
Carbone,  R.,  2015.  Centrales  PV  avec  MPPT  distribué  fondé  sur  batteries.  Sol.  Énergie  122,  910–923.  http://
unique  comprend  66  chaînes  photovoltaïques  parallèles.  Chaque  branche  PV  est  
dx.doi.org/10.1016/j.solener.2015.10.017.
connectée  au  réseau  via  son  propre  convertisseur  élévateur  et  onduleur  triphasé.  Le   Carotenuto,  PL,  Della  Cioppa,  A.,  Marcelli,  A.,  Spagnuolo,  G.,  2015.  Une  approche  évolutive  de  la  
DMPPT  traite  du  contrôle  de  chaque  convertisseur  élévateur  par  le  contrôleur  GMPPT   reconfiguration  dynamique  des  champs  photovoltaïques.  Neuroinformatique  170,  393–405.  http://

individuel  afin  d'extraire  le  GMPP  de  chaque  générateur  PV  individuel. dx.doi.org/10.1016/j.neucom.2015.04.094.
Choudhury,  S.,  Rout,  PK,  2016.  Étude  comparative  des  techniques  M­FIS  FLC  et  PandO  MPPT  modifiées  
La  Fig.  13  montre  le  fonctionnement  de  chaque  système  de  générateur  PV   dans  des  conditions  d'ombrage  partiel  et  de  charge  variable.  Dans :  12e  IEEE  Int.  Conf.  Électron.  Énergie,  
individuel  sous  G  variable.  Pendant  [0  s,  2  s],  tous  les  générateurs  PV  sont  éclairés   Environ.  Commun.  Calcul.  Contrôle  (E3­C3),  INDICON  2015  1–6.  doi :  10.1109/INDICON.2015.7443305.
avec  1000  W/m2  comme  présenté  sur  la  Fig.  13(a),  à  l'exception  du  générateur  PV  2  
De  Melo,  MF,  Vizzotto,  WD,  Kirsten,  AL,  Costa,  MAD,  García,  J.,  2013.  Micro­onduleur  photovoltaïque  flyback  
dont  G  correspond  à  Pt1.  Pendant  [2  s,  5  s],  ce  G  diminue  de  Pt1  à  Pt2,  selon  la  Fig.  
connecté  au  réseau  et  boost  MPPT  intégré  au  système  d'éclairage  public  à  base  de  LED.  Dans :  Conf.  
13(b).  Les  figures  13(c  et  d)  affichent  la  réponse  de  puissance  PV  du  générateur  PV  4   Exhib.  ­  2013  Int.  Conf.  Favoriser  les  nouveaux  concepts  de  villes  intelligentes.  Privé  Public  Alliances,  
et  du  générateur  PV  5  respectivement.  A  t  =  3,5  s,  leur  G  correspondant  diminue   SmartMILE  2013.  doi :  10.1109/SmartMILE.2013.  6708217.

soudainement  à  400  W/m2  et  600  W/m2  respectivement.
Ebrahim,  M.,  El­Metwally,  K.,  Bendary,  F.,  Mansour,  W.,  2012.  Stabilité  transitoire  en
La  figure  13  (e)  démontre  que  les  méthodes  suggérées  suivent  correctement  la   amélioration  d'un  système  de  production  distribuée  d'énergie  éolienne  en  utilisant  des  stabilisateurs  à  
variation  de  G  et  que  le  MFO  fournit  une  performance  dynamique  de  la  puissance  du   logique  floue.  Vent  Ing.  36,  687–700.  http://dx.doi.org/10.1260/0309­524X.36.6.687.
Edalati,  S.,  Ameri,  M.,  Iranmanesh,  M.,  Tarmahi,  H.,  Gholampour,  M.,  2016.  Évaluations  techniques  et  
réseau  plus  efficace  que  le  comportement  dynamique  fourni  par  FL  et  IC.  Le  MFO  est  
économiques  des  centrales  photovoltaïques  connectées  au  réseau :  étude  de  cas  sur  l'Iran.  Énergie  
supérieur  en  termes  de  stabilité  d'efficacité  et  de  robustesse. 114,  923–934.  http://dx.doi.org/10.1016/j.energy.2016.08.041.
El­Metwally,  KAM,  Mohamed,  MAE,  Bendary,  FMA,  Ibrahim,  WMM,  2013.  Conception  de  stabilisateurs  flous  
5.  Conclusion pour  les  réseaux  de  distribution  basés  sur  les  énergies  renouvelables.  Dans :  22e  Int.
Conf.  Exhib.  Électr.  Distrib.  (CIRED  2013)  0153–0153.  doi :  10.1049/cp.2013.0585.
Zaoui,  F.,  Becherif,  M.,  Emziane,  M.,  Aboubou,  A.,  SM­A.,  2013.  Étude  par  thermographie  infrarouge  de  l'effet  
Cet  article  présente  une  revue  de  la  littérature  qui  expose  la  problématique  liée   de  la  température  sur  les  performances  des  cellules  photovoltaïques.  Dans :  Hakansson,  A.  et  al.  (Eds),  

au  phénomène  PSC  et  propose  l'étude  comparative  des  différentes  techniques  GMPP.   Durabilité  dans  l'énergie  et  les  bâtiments,  SIST  22.  Springer  Verlag,  Berlin  Heidelberg.  pp.  875–886.  doi :  
10.1007/978­3­642­36645­1­78.
Ensuite,  la  technique  MFO  avait  été  proposée  comme  une  nouvelle  approche  pour   Farhat,  M.,  Barambones,  O.,  Sbita,  L.,  De  Durana,  JMG,  2015.  Une  technique  MPPT  stable  basée  sur  FLC  
une  exploitation  optimale  des  sources  PV  sous  PSC.  Dans  ce  cas  indésirable,  les   pour  système  photovoltaïque.  Proc.  IEEE  Int.  Conf.  Ind.  Technol.  890–895.  http://dx.doi.org/10.1109/
performances  dynamiques  de  l'algorithme  IC  classique  sont  limitées  car  la  puissance   ICIT.2015.7125210.
Femia,  N.,  Lisi,  G.,  Petrone,  G.,  Spagnuolo,  G.,  Vitelli,  M.,  2008.  Suivi  distribué  du  point  de  puissance  
extraite  n'atteint  pas  le  GMPP.  Les  résultats  de  la  simulation  révèlent  que  le  MFO  
maximale  des  panneaux  photovoltaïques :  nouvelle  approche  et  analyse  du  système.
présente  des  performances  supérieures  par  rapport  aux  autres  méthodes  proposées   IEEE  Trans.  Ind.  Électron.  55,  2610–2621.  http://dx.doi.org/10.1109/TIE.2008.  924035.
telles  que  IC,  FL  et  PSO  en  termes  de  capacité  de  suivi,  d'efficacité  et  d'état  stable.
Garoudja,  E.,  Chouder,  A.,  Kara,  K.,  Silvestre,  S.,  2017.  Une  approche  améliorée  basée  sur  l'apprentissage  
automatique  pour  la  détection  et  le  diagnostic  des  défaillances  des  systèmes  PV.  Conversations  d'énergie.
Dans  la  seconde  étude  de  cas,  l'article  propose  la  technique  DMPPT  et  analyse   Géré.  151,  496–513.  http://dx.doi.org/10.1016/j.enconman.2017.09.019.
son  impact  sur  le  comportement  dynamique  d'un  parc  photovoltaïque  de  1  MW   Hajighorbani,  S.,  2015.  Nouvel  algorithme  de  suivi  du  point  de  puissance  maximale  hybride  pour  les  systèmes  
PV  dans  des  conditions  partiellement  ombragées. ...  (ASCC),  2015  10e ....
connecté  au  réseau.  Le  travail  vise  à  introduire  l'architecture  DMPPT,  qui  fournit  pour  
Huynh,  DC,  Nguyen,  TM,  Dunnigan,  MW,  Mueller,  MA,  2013.  MPPT  mondial  des  modules  solaires  
chaque  chaîne  PV  de  100  kW  son  propre  convertisseur  boost  et  onduleur  triphasé.  Ce   photovoltaïques  utilisant  un  algorithme  PSO  dynamique  dans  des  conditions  d'ombrage  partiel.  Dans :  
convertisseur  DC­DC  est  contrôlé  par  un  contrôleur  GMPPT  basé  sur  MFO  qui   2013  IEEE  Conf.  Technologie  de  l'énergie  propre.  p.  134–139.  doi :  10.1109/CEAT.2013.  6775614.

surmonte  localement  les  inconvénients  associés  aux  phénomènes  de  désadaptation.  
Kaced,  K.,  Larbes,  C.,  Ramzan,  N.,  Bounabi,  M.,  2017.  Algorithme  de  chauve­souris
Le  DMPPT  s'occupe  de  fournir  la  somme  optimale  des  puissances  maximales  extraites   suivi  du  point  de  puissance  pour  système  photovoltaïque  dans  des  conditions  d'ombrage  partiel.  Sol.
des  chaînes  PV. Énergie  158,  490–503.  http://dx.doi.org/10.1016/j.solener.2017.09.063.
Kheldoun,  A.,  Bradai,  R.,  Boukenoui,  R.,  Mellit,  A.,  2016.  Un  nouvel  algorithme  de  suivi  du  point  de  puissance  
Selon  les  résultats  de  la  simulation,  le  DMPPT  a  révélé  une  grande  performance  en  
maximale  basé  sur  la  méthode  Golden  Section  pour  les  systèmes  photovoltaïques.  Conversations  
termes  d'efficacité  et  de  robustesse  face  au  changement  brutal  tel  que  le  PSC. d'énergie.  Géré.  111,  125–136.  http://dx.doi.org/10.1016/j.enconman.2015.12.
039.
Li,  Y.,  Oruganti,  R.,  2010.  Un  onduleur  à  faible  coût  et  à  haut  rendement  pour  les  applications  
photovoltaïques .  IEEE  J.  Photovoltaïque  2853–2858.
Références
Li,  Z.,  Zhou,  Y.,  Zhang,  S.,  Song,  J.,  2016.  Algorithme  Lévy­flight  moth­flame  pour  l'optimisation  des  fonctions  
et  les  problèmes  de  conception  technique.  Mathématiques.  Prob.  Ing.  2016,  1–22.  http://dx.doi.org/
Aouchiche,  N.,  Becherif,  M.,  HadjArab,  A.,  Aitcheikh,  MS,  Ramadan,  HS,  Cheknane,  A.,  2016.  Comparaison   10.1155/2016/1423930 .
des  performances  dynamiques  pour  les  systèmes  MPPT­PV  utilisant  la  simulation  hybride  Pspice/  Matlab.   Liu,  Y.­H.,  Chen,  J.­H.,  Huang,  J.­W.,  2015.  Un  examen  des  techniques  de  suivi  du  point  de  puissance  
Int.  J.  Emerg.  Électr.  Système  d'alimentation  17,  529–539.  http://dx.doi.org/10.1515/ijeeps­2016­0074 . maximale  à  utiliser  dans  des  conditions  partiellement  ombragées.  Renouveler.  Soutenir.  Énergie  Rev.  41,  
436–453.  http://dx.doi.org/10.1016/j.rser.2014.08.038.
Aouchiche,  N.,  Cheikh,  MSA,  Becherif,  M.,  Ebrahim,  MA,  Hadjarab,  A.,  2017.  Approche  de  logique  floue   Liu,  YH,  Chen,  JH,  Huang,  JW,  2014.  Algorithme  global  de  suivi  du  point  de  puissance  maximale  pour  les  
basée  sur  Mppt  pour  l'amélioration  dynamique  des  performances  des  systèmes  PV.  En :  2017  5ème   systèmes  PV  fonctionnant  dans  des  conditions  partiellement  ombragées  en  utilisant  la  méthode  de  
Conférence  Internationale  de  Génie  Electrique  ­  Boumerdes  (ICEE­B).  IEEE.  http://dx.doi.org/10.1109/ recherche  par  segmentation.  Sol.  Énergie  103,  350–363.  http://dx.doi.org/10.1016/j.  solener.2014.02.031.
ICEE­B.2017.8191986.
Belhachat,  F.,  Larbes,  C.,  2018.  Un  examen  du  suivi  global  du  point  de  puissance  maximale Lyden,  S.,  Haque,  ME,  2015.  Techniques  de  suivi  du  point  de  puissance  maximale  pour  la  photo
techniques  de  système  photovoltaïque  dans  des  conditions  d'ombrage  partiel.  Renouveler.  Soutenir. systèmes  voltaïques:  un  examen  complet  et  une  analyse  comparative.  Renouveler.  Soutenir.
Énergie  Rev.  92,  513–553.  http://dx.doi.org/10.1016/j.rser.2018.04.094. Énergie  Rev.  52,  1504–1518.  http://dx.doi.org/10.1016/j.rser.2015.07.172.
Belhachat,  F.,  Larbes,  C.,  2017.  Suivi  du  point  de  puissance  maximale  global  basé  sur  l'approche  ANFIS  pour   Mao,  M.,  2016.  Modélisation  et  MPPT  global  pour  le  système  PV  dans  des  conditions  d'ombrage  partiel  à  
les  configurations  de  générateurs  PV  dans  des  conditions  d'ombrage  partiel.  Renouveler. l'aide  d'un  algorithme  d'essaim  de  poissons  artificiels  modifié.
Soutenir.  Énergie  Rev.  77,  875–889.  http://dx.doi.org/10.1016/j.rser.2017.02.056. Mirjalili,  S.,  2015.  Algorithme  d'optimisation  de  la  flamme  nocturne :  un  nouveau  paradigme  heuristique  inspiré  
Benyoucef,  A.  soufyane,  Chouder,  A.,  Kara,  K.,  Silvestre,  S.,  Sahed,  OA,  2015.  Algorithme  basé  sur  une   de  la  nature.  Système  basé  sur  la  connaissance  89,  228–249.  http://dx.doi.org/10.1016/j.knosys.  
2015.07.006.
colonie  d'abeilles  artificielles  pour  le  suivi  du  point  de  puissance  maximale  (MPPT)  pour  les  systèmes  PV  
fonctionnant  dans  des  conditions  d'ombrage  partiel.  Appl.  Calcul  doux.  32,  38–48.  http://dx.doi.org/10.1016/ Mohanty,  S.,  Subudhi,  B.,  Ray,  PK,  2016.  Une  nouvelle  conception  MPPT  utilisant  la  technique  d'optimisation  
j.asoc.2015.03.047. Grey  Wolf  pour  un  système  photovoltaïque  dans  des  conditions  d'ombrage  partiel.  IEEE

602
Machine Translated by Google

N.Aouchiche  et  al.
Énergie  solaire  171  (2018)  593–603

Trans.  Soutenir.  Énergie  7,  181–188.  http://dx.doi.org/10.1109/TSTE.2015.2482120. Sakthigokulrajan,  C.,  Ravi,  K.,  2017.  Rôle  combiné  des  configurations  de  matrice  dérivées  et  du  MPPT  basé  sur  MPSO  
Murtaza,  A.,  Chiaberge,  M.,  Spertino,  F.,  Boero,  D.,  De  Giuseppe,  M.,  2014.  Une  technique  de  suivi  du  point  de   dans  l'amélioration  du  rendement  énergétique  dans  des  conditions  d'ombrage  partiel.  J
puissance  maximale  basée  sur  le  mécanisme  de  diode  de  dérivation  pour  les  générateurs  photovoltaïques  sous   Construire.  Ing.  9,  125–134.  http://dx.doi.org/10.1016/j.jobe.2016.12.006.
ombrage  partiel.  Construire  de  l'énergie.  73,  13–25.  http://dx.doi.org/10.1016/j.enbuild.  2014.01.018. Shah,  N.,  Rajagopalan,  C.,  2016.  Évaluation  expérimentale  d'un  système  photovoltaïque  partiellement  ombragé  
avec  une  stratégie  de  contrôle  de  suivi  de  puissance  de  crête  basée  sur  la  logique  floue.  IET  Renouveler.  
Muthuramalingam,  M.,  Manoharan,  PS,  2014.  Analyse  comparative  des  contrôleurs  MPPT  distribués  pour  les  systèmes   Générateur  de  puissance.  10,  98–107.  http://dx.doi.org/10.1049/iet­rpg.2015.0098.
photovoltaïques  autonomes  partiellement  ombragés.  Conversations  d'énergie. Shi,  J.,  Zhang,  W.,  Zhang,  Y.,  Xue,  F.,  Yang,  T.,  2015.  MPPT  pour  les  systèmes  PV  basés  sur  un  algorithme  PSO  
Géré.  86,  286–299.  http://dx.doi.org/10.1016/j.enconman.2014.05.044. dormant.  Électr.  Système  d'alimentation  Rés.  123,  100–107.  http://dx.doi.org/10.  1016/j.epsr.2015.02.001.
Osaji,  EE,  Suresh,  S.,  Chinyio,  E.,  2013.  Durabilité  de  l'énergie  et  des  bâtiments.  Dans :  Innovation  intelligente,  systèmes  
et  technologies.  pages  679–704.  doi :  10.1007/978­3­642­36645­1. Solórzano,  J.,  Egido,  MA,  2013.  Diagnostic  automatique  des  pannes  dans  les  systèmes  PV  avec  MPPT  distribué.  
Conversations  d'énergie.  Géré.  76,  925–934.  http://dx.doi.org/10.1016/j.  enconman.2013.08.055.
Othman,  AM,  El­arini,  MMM,  Ghitas,  A.,  Fathy,  A.,  2012.  Simulation  de  suivi  du  point  de  puissance  maximale  dans  le  
monde  réel  du  système  PV  basée  sur  le  contrôle  de  la  logique  floue.  NRIAG  J. Soufi,  Y.,  Bechouat,  M.,  Kahla,  S.,  2016.  Conception  d'un  contrôleur  Fuzzy­PSO  pour  le  suivi  du  point  de  puissance  
Astre.  Géophys.  1,  186–194.  http://dx.doi.org/10.1016/j.nrjag.2012.12.016. maximale  dans  un  système  photovoltaïque.  Int.  J.  Hydrogène  Énergie  1–9.  http://dx.doi.  org/10.1016/
Pareek,  S.,  Dahiya,  R.,  2016.  Amélioration  de  la  production  d'électricité  des  champs  photovoltaïques  partiellement   j.ijhydene.2016.07.212.
ombragés  en  prévoyant  l'interconnexion  des  modules.  Énergie  95,  561–572.  http://dx.  doi.org/10.1016/ Spertino,  F.,  Ahmad,  J.,  Di  Leo,  P.,  Ciocia,  A.,  2016.  Une  méthode  pour  obtenir  la  courbe  IV  des  réseaux  photovoltaïques  
j.energy.2015.12.036. à  partir  des  tensions  de  module  et  ses  applications  pour  le  suivi  MPP.
Parlak,  K.Ş.,  2014.  Méthode  de  reconfiguration  du  générateur  photovoltaïque  dans  des  conditions  d'ombrage  partiel.  Int. Sol.  Énergie  139,  489–505.  http://dx.doi.org/10.1016/j.solener.2016.10.013.
J.  Electr.  Système  d'énergie  d'alimentation.  63,  713–721.  http://dx.doi.org/10.1016/j.ijepes.2014.  06.042. Su,  Y.,  Chan,  L.­C.,  Shu,  L.,  Tsui,  K.­L.,  2012.  Modèles  de  prédiction  en  temps  réel  pour  la  production
puissance  et  efficacité  des  systèmes  solaires  photovoltaïques  connectés  au  réseau.  Appl.  Énergie  93,  319–326.  
Pati,  AK,  Sahoo,  NC,  2016.  Une  nouvelle  approche  du  suivi  du  point  de  puissance  maximale  pour  un  générateur   http://dx.doi.org/10.1016/j.apenergy.2011.12.052.
photovoltaïque  avec  système  de  gestion  de  l'alimentation  utilisant  l'algorithme  de  recherche  de  Fibonacci  dans   Tabanjat,  A.,  Becherif,  M.,  Emziane,  M.,  Hissel,  D.,  Ramadan,  HS,  Mahmah,  B.,  2015a.
des  conditions  d'ombrage  partiel.  Système  énergétique  7,  145–172.  http://dx.doi.org/10.  1007/s12667­015­0185­1. Méthodologie  de  contrôle  du  chauffage  de  l'eau  basée  sur  la  logique  floue  pour  l'amélioration  de  l'efficacité  des  
systèmes  d'électrolyseurs  hybrides  PV­PEM.  Int.  J.  Hydrogen  Energy  40,  2149–2161.  http://dx.doi.org/10.1016/
Radjai,  T.,  Rahmani,  L.,  Mekhilef,  S.,  Gaubert,  JP,  2014.  Implémentation  d'un  algorithme  MPPT  de  conductance   j.ijhydene.2014.11.135.
incrémentale  modifié  avec  contrôle  direct  basé  sur  un  estimateur  de  changement  de  rapport  cyclique  flou  à  l'aide   Tabanjat,  A.,  Becherif,  M.,  Hissel,  D.,  2015b.  Solution  de  reconfiguration  pour  PV  ombragé
de  dSPACE.  Sol.  Énergie  110,  325–337.  http://dx.doi.org/10.1016/j.solener.2014.09.014 . panneaux  utilisant  le  contrôle  de  commutation.  Renouveler.  Énergie  82,  4–13.  http://dx.doi.org/10.1016/
j.renene.2014.09.041 .
Rahim,  NA,  Che  Soh,  A.,  Radzi,  MAM,  Zainuri,  MAAM,  2014.  Développement  de  la  perturbation  adaptative  et  du   Tan,  Y.,  Meegahapola,  L.,  Muttaqi,  KM,  2014.  Contrôle  MPPT  sous­optimal  pour  la  puissance
suivi  du  point  de  puissance  maximale  de  contrôle  observ­fuzzy  pour  le  convertisseur  cc­cc  photovoltaïque.   gestion  dans  les  systèmes  d'alimentation  électrique  PV­diesel  des  régions  éloignées.  Dans :  2014  IEEE  Ind.  Appl.
IET  Renouveler.  Générateur  de  puissance.  8,  183–194.  http://dx.  doi.org/10.1049/iet­rpg.2012.0362. Soc.  Annu.  Rencontrer.  p.  1–8.  doi :  10.1109/IAS.2014.6978418.
Titri,  S.,  Larbes,  C.,  Toumi,  K.,  Benatchba,  K.,  2017.  Un  nouveau  contrôleur  MPPT  basé  sur  l'algorithme  d'optimisation  
Rahrah,  K.,  Rekioua,  D.,  Rekioua,  T.,  Bacha,  S.,  2015.  Système  de  pompage  photovoltaïque  en  climat  de  Béjaïa  avec   des  colonies  de  fourmis  pour  les  systèmes  photovoltaïques  dans  des  conditions  d'ombrage  partiel.  Appl.  Calcul  
stockage  par  batterie.  Int.  J.  Hydrogen  Energy  40,  13665–13675.  http://dx.doi.org/10.1016/j.ijhydene.2015.04.048. doux.  J.  http://dx.doi.org/10.1016/j.asoc.2017.05.017.
Wu,  Y.,  Zhang,  B.,  Lu,  J.,  Du,  K.­L.,  2011.  Logique  floue  et  systèmes  neuro­flous :  une  introduction  systématique.  
Rajesh,  R.,  Mabel,  MC,  2014.  Analyse  de  l'efficacité  d'un  contrôleur  à  logique  multi­floue  pour  la  détermination  des   Int.  J.Artif.  Renseignement.  Système  expert.  2,  47–80.
points  de  fonctionnement  dans  un  système  PV.  Sol.  Énergie  99,  77–87.  http://dx.  doi.org/10.1016/ Yeung,  RS,  Chung,  HS,  Tse,  NC,  Chuang,  ST,  2017.  Un  algorithme  MPPT  global  pour  le  système  PV  existant  
j.solener.2013.10.036. atténuant  les  conditions  de  fonctionnement  sous­optimales.  Sol.  Énergie  141,  145–158.  http://dx.doi.org/10.1016/
Ramalu,  T.,  Radzi,  MAM,  Zainuri,  MAAM,  Wahab,  NIA,  Rahman,  RZA,  2015.  avec  convertisseur  photovoltaïque   j.solener.2016.11.017.
SEPIC. Zhou,  L.,  Wu,  Z.,  Wang,  G.,  Wu,  M.,  2015.  Un  contrôleur  flou  intelligent  pour  le  suivi  du  point  de  puissance  maximale  
Ramli,  MAM,  Twaha,  S.,  Ishaque,  K.,  Al­Turki,  YA,  2017.  Un  examen  du  suivi  du  point  de  puissance  maximale  pour  les   dans  les  systèmes  photovoltaïques  partiellement  ombragés.  Dans :  Proc.  ­  2015  7e  Int.  Conf.  Renseignement.  
systèmes  photovoltaïques  avec  et  sans  conditions  d'ombrage.  Renouveler. Système  Homme­Machine  Cybern.  IHMSC  2015  2.  p.  345–348.  doi :  10.
Soutenir.  Énergie  Rev.  67,  144–159.  http://dx.doi.org/10.1016/j.rser.2016.09.013. 1109/IHMSC.2015.82.
Rezvani,  A.,  Gandomkar,  M.,  2016.  Modélisation  et  contrôle  d'un  système  photovoltaïque  hybride  intelligent  connecté   Zhou,  T.,  Sun,  W.,  2015.  Étude  sur  le  suivi  du  point  de  puissance  maximale  d'un  réseau  photovoltaïque  dans  une  ombre  
au  réseau  à  l'aide  d'une  nouvelle  méthode  hybride  floue­neurale.  Sol.  Énergie  127,  1–18.  http://dx.doi.org/10.1016/ irrégulière.  Int.  J.  Electr.  Système  d'énergie  d'alimentation.  66,  227–234.  http://dx.doi.org/10.1016/
j.solener.2016.01.006. j.ijepes.2014.10.030 .

603