Académique Documents
Professionnel Documents
Culture Documents
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
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
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
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
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
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 =
M(je, j) F =
F(i,j)
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)
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