Algorithms 15 00365 v2

Machine Translated by Google
algorithmes
Examen
Techniques améliorées du point de puissance maximale pour l'énergie solaire
Système Photovoltaïque sous Insolation Uniforme et Partielle
Conditions d'ombrage : un examen
1 2
Laxman Bhukya , Narender Reddy Kedika et Surender Reddy Salkuti 3,*
1
Département de génie électrique et électronique, Collège méthodiste d'ingénierie et de technologie,
Hyderâbâd 500001, Inde
2
Département de génie électrique et électronique, Institut de génie aéronautique,
Hyderâbâd 500043, Inde
3
Département de génie ferroviaire et électrique, Université Woosong, Daejeon 34606, Corée
* Correspondance : surender@wsu.ac.kr
Résumé : Dans un passé récent, le système solaire photovoltaïque (PV) est devenu la source d'énergie
alternative la plus prometteuse. Ce système solaire PV souffre d'un phénomène inévitable dû aux conditions
environnementales fluctuantes. Il a une nonlinéarité dans les courbes IV, ce qui réduit l' efficacité de sortie. Par
conséquent, l'extraction optimale du point de puissance maximale (MPP) du système PV est difficile à atteindre.
Par conséquent, pour maximiser la puissance de sortie des systèmes PV, un mécanisme de suivi du point de
puissance maximale (MPPT), qui est un algorithme de contrôle qui peut suivre en permanence le MPP pendant
le fonctionnement, est nécessaire. Cependant, le choix d'une technique MPPT appropriée peut être déroutant
car chaque méthode a son propre ensemble d'avantages et d'inconvénients. Par conséquent, un examen
approprié de ces méthodes est essentiel. Dans cet article, une revue de l'état de l'art sur diverses techniques
MPPT basées sur leurs classifications, telles que les techniques hors ligne, en ligne et hybrides sous irradiances
Citation : Bhukya, L. ; Kedika, NR;
uniformes et non uniformes, est présentée. Par rapport aux méthodes MPPT hors ligne et en ligne, les techniques
Salkuti, maximum amélioré SR
MPPT intelligentes ont une meilleure précision de suivi et une meilleure efficacité de suivi avec moins d'oscillations en régim
Techniques Power Point pour un
Contrairement aux techniques en ligne et hors ligne, les méthodes intelligentes suivent le MPP global dans des conditions
système solaire photovoltaïque dans
des conditions d'insolation uniforme et
d'ombre partielle. Cet article de synthèse sera une ressource utile pour les chercheurs, ainsi que pour les ingénieurs en
d'ombrage partiel : un examen. exercice, pour ouvrir la voie à des recherches et développements supplémentaires dans le domaine MPPT.
Algorithmes 2022, 15, 365. https://doi.org/
10.3390/a15100365 Mots clés : système photovoltaïque ; point de puissance maximale ; nonlinéarité ; techniques hybrides
Éditeur académique : Abdulsalam
Yassine
Reçu : 23 juillet 2022 1. Introduction
Accepté : 26 septembre 2022 1.1. Motivation et incitation
Publié: 29 septembre 2022
L'énergie solaire est devenue la source d'énergie renouvelable la plus populaire, car elle peut être
Note de l'éditeur : MDPI reste neutre en ce qui utilisée n'importe où et est disponible tous les jours. En raison de sa structure simple, de sa faible
concerne les revendications juridictionnelles dans pollution, de ses émissions de carbone à effet de serre faibles ou nulles et de ses faibles coûts de
les cartes publiées et les affiliations institutionnelles maintenance, il est devenu une source renouvelable dominante [1]. L'énergie solaire est actuellement
cations.
la source d'énergie alternative préférée dans le monde [2]. Néanmoins, le système solaire PV souffre
du problème inévitable de nonlinéarité du courant et de la tension, qui se produit principalement dans
des conditions partiellement ombragées (PSC). En général, les systèmes PV ont un point de
fonctionnement unique où la puissance est à son maximum. Par conséquent, le système PV doit
Copyright : © 2022 par les auteurs.
fonctionner à ce stade pour récolter le maximum d'efficacité [3]. Pour maximiser la puissance de sortie
Licencié MDPI, Bâle, Suisse.
dans toutes les conditions anormales, le système PV tient compte du mécanisme MPPT.
Cet article est un article en libre accès
distribué selon les termes et
1.2. Lacune de la
conditions des Creative Commons
Licence d'attribution (CC BY) ( https:// recherche Au cours de la dernière décennie, de nombreuses propositions de recherche sur MPPT pour
creativecommons.org/licenses/by/ les systèmes PV ont été introduites. Quelques approches MPPT ont été proposées qui sont basées sur des
4.0/). irradiances uniformes, tandis que d'autres ont été proposées qui sont basées sur des conditions d'ombrage partiel.
Algorithmes 2022, 15, 365. https://doi.org/10.3390/a15100365 https://www.mdpi.com/journal/algorithms
Algorithmes 2022, 15, 365 2 sur 29
Cependant, choisir MPPT pour des conceptions et des situations de systèmes photovoltaïques spécifiques
peut prêter à confusion, car chaque approche a son propre ensemble d'avantages et d'inconvénients. De
nombreuses revues sur le sujet ont été publiées pour aider les universitaires et les ingénieurs de terrain à
choisir le MPPT optimal pour un certain système PV. Les techniques MPPT conventionnelles sont considérées
par la majorité des études comme un moyen efficace d'obtenir une puissance de sortie maximale des systèmes
solaires photovoltaïques sous une irradiation non uniforme [4–9]. Les conditions d'ombrage partiel ou
d'inadéquation de l'ensoleillement ont également été explorées dans quelques travaux de littérature [10–13].
De plus, Salam et al. [14] ont proposé des approches MPPT basées sur l'intelligence en essaim comme une alternative r
Cependant, seuls quelques articles [9, 15] se sont concentrés sur MPPT sous irradiation solaire uniforme et
PSC.
Dans la littérature, les différents types de techniques MPPT conventionnelles développées jusqu'à
présent sont le courant de courtcircuit fractionnaire (FSCC) [16,17], la tension de circuit ouvert fractionnaire
(FOCV) [18], l'ajustement de courbe (CF) [19], la tension constante (CV) [20], d'escalade (HC) [21], de
conductance incrémentale (INC) [22] et de contrôle de corrélation d'ondulations (RCC) [23] . Le principal
défaut des méthodes FSCC et FOCV est qu'elles sont moins précises ; par conséquent, ils sont principalement
utilisés dans les applications à faible puissance [24]. Alors que des approches bien connues telles que P&O,
HC et INC ne peuvent mesurer que la puissance maximale pour une irradiation uniforme, ces techniques
échouent complètement lorsque l'ombre partielle se produit, c'estàdire lorsque les panneaux d'un réseau
reçoivent une irradiation inégale [25–27]. De plus, ces approches présentent une faible convergence, une
vitesse de poursuite lente et des oscillations excessives en régime permanent. En conséquence, les méthodes
traditionnelles doivent être combinées avec des méthodes alternatives pour suivre le MPP dans des conditions
d'ombrage partiel (PSC). Dans l'intervalle, une nouvelle technique adaptative P&O qui utilise des tailles de pas
variables plutôt que des tailles de pas fixes est en cours de développement [17, 28]. Malgré le fait que les
modifications précédentes ont amélioré leurs performances, elles sont insuffisantes dans toutes les conditions de fonctio
Pour combler les lacunes des techniques MPPT conventionnelles, des techniques d'intelligence en
essaim ont été introduites dans le domaine de la recherche sur les systèmes solaires photovoltaïques [32–
34]. Ces approches sont considérées comme les meilleures options pour l'optimisation non linéaire en raison
de multiples avantages, tels que (a) une large exploration dans l'espace de recherche ; (b) la capacité à gérer
la nonlinéarité et (c) la cohérence de leur capacité à localiser les régions optimales globales. Les approches
MPPT qui relèvent des techniques d'intelligence en essaim sont le réseau de neurones artificiels (ANN) [35–
37], le contrôle par logique floue (FLC) [38–41], l'algorithme de recherche de colonies d'abeilles [42,43],
l'évaluation différentielle [44, 45], optimisation des essaims de particules (PSO) [46–52], recherche de coucous
[53,54], algorithme génétique (GA) [55–59], algorithmes de lucioles [60], optimisation des colonies de fourmis
[61,62], chaotique approche [63], contrôle non linéaire [64] et méthodes de recherche aléatoire [65]. De plus,
dans des conditions partiellement masquées, ces algorithmes sont considérablement affectés en termes
d'atteinte du maximum global [66]. Parce que la quantité de formation requise est assez importante, son
exécution est rendue encore plus difficile. De même, les techniques basées sur Fibonacci [66] et DIRECT
MPPT [67] ont des inconvénients similaires, les rendant inadaptées pour atteindre des valeurs optimales
globales. ANN et FLC sont deux technologies informatiques douces qui sont des systèmes basés sur la
connaissance qui nécessitent des connaissances spécifiques pour mettre en œuvre l'algorithme.
ANN et FLC sont efficaces pour suivre le MPP, mais ils nécessitent beaucoup de mémoire pour former
et mettre en œuvre des règles. La méthode FLC, en particulier, présente l'inconvénient important de ne
pas pouvoir modifier les règles une fois qu'elles ont été définies.
Récemment, de nombreux chercheurs ont proposé des méthodes MPPT hybrides et de nouveaux
algorithmes d'optimisation basés sur les techniques MPPT. La méthode MPPT hybride basée sur ABC
P&O réduit le dépassement maximal de 30 % par rapport à la méthode MPPT standard basée sur
ABC. Cependant, la méthode proposée a été testée avec seulement deux modules PV pour les PSC
[68]. Une technique MPPT hybride comprenant une approche d'optimisation par essaim de particules
et un ANN coopératif pour maximiser la puissance de sortie du système PV a été développée.
L'ANN prédit la quantité d'insolation solaire et la température des cellules, tandis que le PSO
optimise la production d'électricité et suit le MPP du système PV dans des conditions
climatiques changeantes [69]. Les auteurs de la réf. [70] ont proposé diverses méthodes
MPPT basées sur l'algorithme Bat, telles que Bat Assisted P&O, Bat Assisted Beta et Bat Assisted IN
Cependant, il a une convergence très lente, c'estàdire une vitesse de suivi lente, et produit également plus
oscillations en régime permanent. Pour résoudre ce problème, un optimiseur de loup gris (GWO) amélioré
pour extraire le MPP global sous ombre partielle a été développé, ce qui donne une vitesse de convergence
plus rapide. Cependant, des oscillations initiales et un long temps de stabilisation sont présents [71]. En réf.
[72], les auteurs ont présenté une technique améliorée d'optimisation de la flamme Moth (MFO) pour obtenir
une puissance maximale dans des situations de fonctionnement dynamiques. Cette méthode améliore la
vitesse de convergence de l'efficacité du suivi. Il est cependant plus compliqué et il en résulte des oscillations
initiales substantielles en régime permanent.
1.3. Contribution
Comme mentionné cidessus, il existe des techniques MPPT conventionnelles et basées sur l'intelligence
en essaim dans lesquelles quelquesunes traitent des conditions d'éclairement uniforme, et d'autres traitent
des conditions d'ombrage partiel dans la littérature. Cependant, le choix d'une méthode MPPT appropriée
peut être déroutant car chaque technique a son propre ensemble d'avantages et d'inconvénients.
Par conséquent, une révision approfondie de ces méthodes est nécessaire.
Reconnaissant l'importance cruciale du MPPT, divers chercheurs se sont efforcés de combiner leurs
découvertes et de les présenter sous forme de revues dans [73–77], en tenant compte de la fonction du
MPPT dans les systèmes solaires photovoltaïques. Les approches discutées dans la littérature ne peuvent
pas être concluantes car ces revues sont obsolètes et datent d'avant 2017. De plus, ces dernières années,
nous avons assisté à une augmentation notable des nouvelles approches pour les techniques traditionnelles
et d'optimisation. Une évaluation et une analyse critiques sont donc essentielles pour compléter l'étude MPPT
avec les méthodologies actuelles et pour couvrir les voies non découvertes.
À cette fin, il nécessite la rédaction d'un article de synthèse sur les méthodes MPPT récentes
basées sur des conditions d'éclairement uniformes et non uniformes. Cet article de synthèse fournit
des classifications des techniques MPPT basées sur le suivi MPP dans des conditions normales et
anormales , telles que les techniques MPPT hors ligne, en ligne et intelligentes. Il fournit les détails
complets et la comparaison de ces techniques. Cet article fournit également une évaluation
complète de chaque technique basée sur les facteurs suivants : (1) précision de suivi, (2) efficacité,
(3) complexité, (4) réglage des paramètres et (5) dépendance au réseau PV. De plus, cet article de
synthèse sera une ressource utile pour les chercheurs, ainsi que pour les ingénieurs en exercice,
pour ouvrir la voie à de futures recherches et développements dans le domaine du MPPT. Le reste
du papier est organisé comme suit.
Après cette partie d'introduction, la modélisation solaire PV et ses caractéristiques sont présentées
dans la section 2. La section 3 présente les classifications des techniques MPPT et la section 4 traite
de l'étude comparative des différentes techniques MPPT et de leurs avantages et inconvénients des
techniques MPPT. Enfin, la section 5 présente la conclusion de cette étude de recherche.
2. Modélisation et caractéristiques du solaire PV 2.1. Modèle
de cellule photovoltaïque
La cellule PV est une unité fondamentale qui utilise l'effet photovoltaïque pour transformer l'énergie solaire en énergie
électrique. Lorsqu'elle est exposée à la lumière du soleil, la cellule PV génère de l'énergie électrique. Le circuit équivalent d'une
cellule PV typique contient des résistances série et shunt, comme le montre la figure 1. Le modèle à diode unique est la plus
précise des nombreuses méthodes de modélisation de cellules PV. Le KCL peut être utilisé pour obtenir le courant de sortie de
la cellule PV, IPVC [78] comme suit :
VPVC + RS IPVC
IPVC = ILC − Id − (1)
RSH
Machine Translated by Googleoù Vt désigne la tension thermique (V).
Le courant d'obscurité de saturation de la diode Io est proportionnel à la température peut être exprimé
comme
1 1
Algorithmes 2022, 15, 365 , exp (4)4 sur 29
.
Algorithmes 2022, 15, x POUR ÉVALUATION PAR LES PAIRS 4 sur 30
RS
ILC signifie courant généré par la lumière (A), Id pour courant de diode (A), VPVC pour tension de
de la cellule PV (Ω). cellule photovoltaïque (V) et RIPVC
S et RSH sont les résistances série et shunt
Lorsqu'une cellule PV est exposée à l'ensoleillement et à la température ambiante, le courant lumineux,
ILC, s'exprime comme suit : ILC
RSH
VPVC
(2)
Tcell et Tref sont les températures de cellule et standard en Kelvin (K), G pour l'irradiance Figure 1.
Modèle de cellule PV. Figure 1. Modèle de cellule PV. (w/m2), et μsc pour le coefficient de température.
De plus, le courant de diode Id est Une
cellule
PV standard
cellules ont ILC snignifie
e produit
que 0g,6
courant V, ce
énéré qui
par elst
la extrêmement
umière faible,
(A), Id pour de sorte
courant de dqiode
ue de
nombreuses
(A),
VPVC pour
photo
généralement
tension connecté
de la cellule en
voltaïque série
(V) et ReS
t pearallèle
t RSH spont
our
former
les un m1odule
résistances PV
série (panneau)
et
shunt de la pour augmenter
cellule la à un
PV (3) (Ω).
niveau
approprié
ce
(V).
est
qui puour
edxposée
onne ne lt'application,
à l'insolation
ension de comme
ect
ircuit
à la to illustré
de 3à6
empérature
uvert a
la
V f.
igure
Pour 2a.
mbiante, Un panneau
ugmenter
le
courant la solaire
lumineux,
tension du
do e
tystème,
ù
sV oit
t dtésigne
ypique lca
omporte
lorsqu'une
tension t6hermique
0 cellules,
cellule PV
panneaux
ILC, s'exprime
(ou modules)
comme sont
suit :
connectés
plusieurs en série pour les systèmes plus importants [79]. Connexion parallèle Le
courant d'obscurité de saturation de la diode Io est proportionnel à la température peut être exprimé Les
connexions de modules peuvent être présentes dans un réseau de plusieurs panneaux solaires, mais la connexion parallèle
comme g
Les connexions n'ont de sens que ILC
si la
=tension est
faible. Une connexion en série augmente la tension tout
ILCre f + µsc Tcell − Tre f (2)
en maintenant le courant constant, tandis qGre f connexion en parallèle
u'une 1 1
augmente le courant tout en (4) en
maintenant la tension constante. La ,connexion en sexp
érie est .plus efficace que la connexion en parallèle car
Tcell
les pertes et Tref sont
augmentent à lm
es
températures
esure de cellule
que le courant et standard en Kelvin (K), G pour l'irradiance (w/m2 ) et µsc pour le
augmente.
coefficient de température.
De plus, le courant de diode Id est RS
VPVC+RS IPVC
Id = Io e Vermont
− 1 (3)
Identifiant
IPVC
RSH
où Vt désigne la tension thermique
(V).
ILC VPVC Le courant d'obscurité de saturation de la diode Io est
proportionnel à la température peut être exprimé comme
3
Cellule T qεG 1 1
Io = Io,re f exp − (4)
AK
Figure 1. Modèle de cellule PV. Tre f Tre f Cellule T
Une
le sont Ucne
ellule
nombreuses PcV
cellule standard
ellules
P V standard
sont ne pnroduit
généralement que
e produit q0ue
c,6 0V,6
, cVe
onnectées , qcui
e eqen
st
seeérie
ui xtrêmement
st
eextrêmement faible,
t en parallèle pdour
onc
faible, dse
dfe nombreuses
ormer
orte uqn
ue de cP
module ellules
V
(panneau)
pour
illustré
former
à ula p
n fmour
igure a
odule ugmenter
2. PUV l a
t
n (ppanneau) ension
anneau solaire j usqu'à c
pour adugmenter e q u'elle
e toit typique s oit
la tension g énéralement
à un nàiveau
un naiveau c
pproprié onnectée
approprié e n s érie
pour l'application, e t
e n
pour l'application, p
comme arallèle
comme
illustré
à la figure
augmenter
ouvert dle
a 3t2ension
. U
6 Vn
. Psour
olaire de toit tlypique
du saystème,
ugmenter e lp
a a 60
anneau
tension dcu
m ellules,
ultiple
système, ce qles
comporte ui dponne
anneaux une (tou
60 cellules, ension
cm de circuit
e odules)
qui donne
sont ocuvert
une de 3d6
onnectés
tension Vc.
ee
n P our
sircuit
érie
en spour
érie ples
réseau dse
ystèmes
our les plus
plusieurs
grands importants
psanneaux
ystèmes [79].
s[79]. C
mconnexions
olaires,
Des ais
onnexions pparallèles
des connexions pparallèles
arallèles dlusieurs dpe
e modules anneaux
mpeuvent
odules (ou
p modules)
êeuvent
tre
présentes
être spont connectés
résentes
dans un
dans
faible.
est un
cronnexion
Ufaible.
ne éseau de
epn
lusieurs
Une connexion
série p
en anneaux
augmente
série stolaires,
augmente
la ension tm ais
eln
la tension
out a
c connexion
àm aintenant ples
arallèle
ourant constant, n'a de
connexions
tandis qsnens
u'une qcue
'a de si lqa
sonnexion
ens tension
ue sei n
la est
ptarallèle
ension
augmente le courant tout en maintenant le courant constant, tandis qu'une connexion en parallèle augmente le
courant à tension constante. La connexion en série est plus efficace que la connexion en parallèle car les pertes
maintiennent
augmente la tension
à mesure que le ccourant
onstante.
La connexion
augmente. en
car les série aeugmentent
pertes st plus efficace
qlue
avec e clourant.
a connexion en parallèle
Figure 2. De la cellule solaire au générateur.
Figure 2. De la cellule solaire au générateur.
2.2. Caractéristiques d'un système PV 2.2. Caractéristiques d'un système
PV Généralement, les caractéristiques des panneaux PV sont décrites par des courbes IV et PV, comme indiqué cidessous. Généralement , les caractéristiques des panneaux PV sont décrites par
des courbes IV et PV, comme présenté à la Figure 3. en notant qu'il existe un point de fonctionnement spécifique auquel la puissance de sortie est à son maximum. Ce point unique est appelé la puissance de
sortie maximale est à son maximum. Ce point unique est appelé point de puissance maximale (MPP) et est désigné par les lettres MPP dans les courbes IV et PV. En raison du point PV (MPP) et est désigné par
les lettres MPP dans les courbes IV et PV. En raison du faible rendement du panneau PV, les systèmes PV doivent toujours fonctionner à proximité du MPP afin de recueillir le faible rendement du panneau, les
systèmes PV doivent toujours fonctionner à proximité du MPP afin de recueillir la plus grande quantité d'énergie [80,81]. la plus grande quantité d'énergie [80,81].
Figure 3. Les courbes IV et PV. Figure 3. Les courbes IV et PV.
Cependant, les performances du panneau PV peuvent facilement être affectées par les conditions climatiques. Cependant, les performances du panneau PV peuvent facilement être affectées par les
conditions clima Le courant de courtcircuit dépend linéairement du niveau d'irradiance solaire, tandis que les conditions. Le courant de courtcircuit dépend linéairement du niveau d'irradiance solaire, tandis que
la tension en circuit ouvert est fortement influencée par la température de la cellule [82,83]. La figure 4a montre que la tension en circuit ouvert est fortement influencée par la température de la cellule [82,83]. La
figure 4a représente les caractéristiques PV pour le changement d'irradiance et la figure 4b représente les caractéristiques PV pour le changement d'irradiance et la figure 4b représente le caractère PV pour le
changement de température. caractéristiques de changement de température.
2.3. Système solaire photovoltaïque sous ombrage partiel

Les performances du générateur photovoltaïque sont également affectées par le changement d'irradiance d'un
panneau à l'autre en raison des ombres des nuages qui passent, des arbres, des bâtiments à proximité, des
changements climatiques, de la disposition de la poussière, de l'effet de vieillissement du panneau, etc. [ 84,85 ]. Par
conséquent, des conditions d'ombrage partiel (PSC) peuvent se produire dans le système PV pour l'une des raisons cidessus.
Lorsque le PSC a lieu dans le système PV, la courbe tensionpuissance (VP) produit le seul pic ou plusieurs pics [86–
90]. Ce pic unique et ces pics multiples sur les courbes VP dépendent des irradiances solaires sur les panneaux du
système PV. Si tous les panneaux PV reçoivent le même éclairement, il n'y a qu'un pic sur la courbe PV. Si les
panneaux PV (un ou deux ou tous) sont confrontés à l'effet d'ombre, alors il y a plusieurs pics sur la courbe PV du
système PV. La figure 5 montre les courbes PV du système PV dans diverses conditions d'ombrage. Par conséquent,
le point de fonctionnement qui répond au critère MPP change également en fonction des conditions ambiantes. Pour
maximiser la puissance de sortie des systèmes PV, un mécanisme MPPT, qui est un algorithme de contrôle qui peut
suivre en permanence le MPP pendant le fonctionnement, est nécessaire [91].
Algorithmes 2022, 15, 365 6 de 29
(un)
Algorithmes 2022, 15, x POUR ÉVALUATION PAR LES PAIRS (b) 7 sur 30
Figure 4. C
Figure
aractéristiques
4. Caractéristiques
solaires PsV
olaires
pour (a)
PV
dpifférentes
our (a) différentes
valeurs d'irradiances
valeurs d'irradiances
et (b) différentes
et (b) différentes
valeurs de
valeurs de
température. température.
2.3. Système solaire photovoltaïque sous ombrage partiel
Les performances du générateur photovoltaïque sont également affectées par le changement
d'irradiance d'un panneau à l'autre en raison des ombres des nuages, des arbres, des bâtiments à
proximité, des changements de climat, de la disposition de la poussière, de l'effet de vieillissement du
panneau, etc. [84 ,85]. Par conséquent, des conditions d'ombrage partiel (PSC) peuvent se produire
Puissance
(W)
dans le système PV pour l'une des raisons cidessus. Lorsque la PSC a lieu dans le système PV, la
courbe tensionpuissance (VP) produit le seul pic ou plusieurs pics [86–90]. Ce pic unique et ces pics
multiples sur les courbes VP dépendent des irradiances solaires sur les panneaux du système PV. Si
tous les panneaux PV reçoivent le même éclairement, alors il n'y a qu'un pic sur la courbe PV. Si les
panneaux PV (un ou deux ou tous) sont confrontés à l'effet d'ombre, alors il y a plusieurs pics sur la
courbe PV du système PV. La figure 5 montre les courbes PV du système PV dans diverses conditions
Par conséquent, le point de fonctionnement qui répond au critère MPP change également en
fonction des conditions ambiantes. Pour maximiser la puissance de sortie des systèmes PV, un
Figure
5. Les courbes
mécanisme MPPT PV sous d5iverses
Figure conditions
. Les courbes ds'ombrage.
PV ous diverses conditions d'ombrage. anism, qui est un
algorithme de contrôle qui peut suivre en permanence le MPP pendant le fonctionnement, 3. MPPT
Techniques MnPPT
Techniques est écessaire [91]. 3.
la pLa technique
d'énergie
cyclique
d'atteindre
uissance
de ap
u M
Llointe.
a PPT
dispositif
tg
echnique edst
énération
Comme ucdn
e
M spystème
onversion
PPT
o
e
bservé
uissance
est usn dée
ur slectronique
lystème
da
pe
uissance
figure
pointe. , qdaui
é6lectronique fournit
ispositif
fin dqle
e
d'atteindre crapport
ui fonversion
ournit cle
yclique
la production afin à
rapport
Comme
d'adaptation
comme un o bservé
MdPP s
ispositif ur
qui est l a
f igure
d'adaptation
positionné M 6 ,
M PPT
entre e
PP qle st
ui é
PeV galement
st MpPPT
ositionné b
est éeien c onnu
galement c omme
ntre le générateur
bien connu u n
d ispositif
photovoltaïque
d'onduleurs,
94]. réseaux et le convertisseur
externes, réseau de puissance
de batteries [e92–94] . t convertisseur Différents de spystèmes
uissance [92–
Différents
charges
interagissent sdystèmes
photovoltaïques.
électriques
ifféremment
L dp'onduleurs,
interagissent
es rincipaux
avec les bsrancs
éseaux
différemment
ystèmes externes,
d'émission
solaires
avec le es pgahotovoltaïques.
t roupes
sutres
ystèmes cdharges
e sbolaires
atteries et autres
électriques
Le principal problème que MPPT tente de résoudre est le fait que l'efficacité de la
transmission de puissance à partir du que MPPT tente de résoudre est le fait que
l'efficacité
solaire
caractéristique
transmission
quantité
température
charge.
les cdhangements
épend
dLd
e
'impédance
e
dla
e
lumière
ddtp
e
ransmission
u
uissance
clpa
harge
anneau
dqe
uantité
stolaire,
ransmission
caractéristique
dm u
saximum
pdolaire
danneau
e
de
e
plumière
uissance
la
eqt
duantité
ld
orsque
e
ses
olaire
dpse
uissance
olaire,
ccàaractéristiques
harge
dpce'ombre,
artir
es
t ldes
ve
fd
ariables
m
ournit
lce
a
aximum
aractéristiques
lqa
uantité
ctempérature
lellule
es
évlectriques
arient.
clorsque
hangements
ds'ombre,
olaire
Léa
d
clectriques
des
p
e
de
édance
épend
dla
e
lva
ariables
cdla
cellule
e
harge.
dd
fe
ournit
e
la
la
La
changent. Pour maintenir la meilleure efficacité de transfert de puissance lorsque la
caractéristique de charge change, le système est optimisé. Le point de puissance
maximale fait référence à cette propriété de charge idéale (MPP). MPPT est le
processus d'ajustement de la caractéristique de charge lorsque les conditions changent.
Les circuits peuvent être conçus pour présenter des charges optimales aux cellules
photovoltaïques et
changement. Pour maintenir la meilleure efficacité de transfert de puissance lorsque la caractéristique de charge
change, le système est optimisé. Le point de puissance maximale fait référence à cette propriété de charge
idéale (MPP). MPPT est le processus d'ajustement de la caractéristique de charge lorsque les conditions changent.
Les circuits peuvent être conçus pour présenter des charges optimales aux cellules photovoltaïques, puis
convertir la tension, le courant ou la fréquence pour s'adapter à d'autres appareils ou systèmes. Le suivi
MPP commence par un cycle de service initial. Le courant d'entrée IPV et la tension VPV du convertisseur
élévateur sont mesurés pour calculer la puissance SPVS PPV (k). Maintenant, sur la base des changements
initiaux de puissance, le contrôleur augmente le cycle de service. A ce stade, les nouvelles IPV et VPV sont
mesurées pour calculer la nouvelle puissance PPV (k + 1). Sur la base des informations présentes et passées
sur la puissance SPVS, le contrôleur décide de diminuer ou d'augmenter le rapport cyclique. Ce processus
de suivi est continu jusqu'à ce que le MPP soit atteint.
Figure 6. Figure 6. Représentation schématique de PV MPPT. Représentation schématique de PV MPPT.
Cependant, il existe d'autres considérations importantes lors de la construction de techniques
MPPT pour les systèmes PV, y compris l'efficacité, le type de mise en œuvre, la complexité, l'énergie
perdue et le coût [95]. Sur cette base, diverses approches MPPT ont été créées et classées en trois
groupes principaux, à savoir (i) les techniques MPPT hors ligne ou indirectes ; (ii) techniques MPPT en
ligne ou directes ; (iii) les techniques MPPT intelligentes. Une large classification des techniques MPPT
est illustrée à la figure 7.
3.1. Techniques MPPT hors ligne
La méthode MPPT hors ligne mesure le courant de courtcircuit ou la tension en circuit
ouvert en déconnectant le panneau PV du système (également appelés paramètres hors ligne).
Étant donné que le panneau PV est déconnecté du reste du système pendant le calcul, il est appelé
MPPT hors ligne. Ces techniques MPPT ne suivent pas en continu le courant ou la tension ; au lieu de
cela, ils mesurent le MPP sur la base de données a priori. Ces méthodes présentent l' avantage majeur
de nécessiter moins de capteurs de tension et/ou de courant. Les MPP pour l'ensoleillement et les
températures changeants ne sont pas suivis avec précision par de tels systèmes. Les méthodes
suivantes appartiennent à cette catégorie : ajustement de courbe (CF) [19], lookuptable (LUT) [96],
cellule pilote (PC) [97], courant de courtcircuit fractionnaire (FSCC) [98], et la tension fractionnaire en
circuit ouvert (FOCV) [99].
, x POUR L'ÉVALUATION PAR LES PAIRS
Algorithmes Algorithmes2022 2022,,1515, 365
98 sur 29 sur 30
Système Solaire Photovoltaïque MPPT
Techniques (système autonome et connecté
au réseau)
Techniques MPPT Techniques MPPT Techniques MPPT

hors ligne en ligne intelligentes
Méthode du courant de
P&O/Méthode d'escalade Contrôle de logique floue
courtcircuit
Réseau neuronal
Méthode de tension en circuit Méthode de
artificiel
ouvert conductance incrémentale
Optimisation des
Méthode d'ajustement Méthode de
de la courbe contrôle du mode glissant essaims de particules
Incrémentale
Méthode de correction de Algorithme génétique
corrélation d'ondulation Méthode de résistance
Méthode de contrôle de Optimisation
recherche extrême sauterelle
Méthode de tension Optimisation
constante du loup gris
Cellule Pilote Algorithme de Jaya
Table de consultation
Figure 7. Classifications des techniques MPPT. Figure 7. Classifications des techniques MPPT.
La
méthode
OffLine MPPT
caractéristique CF
de utilise une
pTuissance
echniques fonction
d
3.1. mathématique
es modules pour approximer
photovoltaïques. la un
Pour construire
modèle
tension m athématique
ligne
en
mcesure e
ircuit oluvert, t
u
e courant ne
toutes é quation
de lces p our
ourtcircuit e
informations xpliquer
ou les
et d l a
L a
m éthode
caractéristiques M PPT
onnées de fabrication
de sortie hdors
sont
e
nécessaires
du
(également [
module PaV, 19].
L
ppelé 'âge d e l
où ap, aramètre 'équation
b, c et d shont
ors e
les n
d
ligne éconnectant
coefficients
(5) est utilisé l e
p anneau P V
d u s ystème
ter). pour mesurer la caractéristique
Étant donné que le panneau PV est déconnecté du reste du système pendant le calcul, déterminé
MPPT
ils
de
en
atteint
de
méthodes
mln
é'ensoleillement
esurent
chantillonnant
écessiter
hsors
on sm
luivantes
igne.
laximum
e
mMoins
PP
Celes
' t
sId
aPV,
de
ur
e
ppartiennent
tes
st
echniques
cla
apteurs
dlte
empératures
éterminée
base
VPV
dede
Mt
e
à
dlPPT
e
t
onnées
ension
à
cPette
lPV
'aide
nne
e
cs[100].
atégorie :
ont
seaduivent
t/ou
e
ppriori.
l'équation
as
Adprès
e
psC
as
uivis
caourant.
es
justement
cealcul
n
ma
(6).
céthodes
vec
ontinu
Lcdes
ourant
e
précision
cdM
es
e
la
p
PP
crésentent
tcourbe
ension
ooefficients,
u
pour
ptension ;
ar
(lCF)
d'évolution
àe
laquelle
'avantage
tels
[19],
oan
u
spystèmes.
lieu
tarle
able
+la
bd
p
mV2
de
uissance
d
ajeur
e
ce
(ela,
5)
Les
consultation (LUT) [96], cellule pilote −b ± √ b 2 − 3ac VMP = ( 6 )
VPP = aV3
PV PV + cVPV + d
(PC) [97], courant de courtcircuit
ouvert
fractionnaire
fractionnaire
3a (FSCC)
(FOCV)
[98]
[99].
et tension de circuit
Cependant, en raison de la grande complexité de la mesure, cette approche
est quelque peu difficile . La méthode CF utilise une fonction mathématique
pour approximer la caractéristique de puissance . Chaque paramètre de la formule
doit être calculé en fonction des conditions atmosphériques des modules
photovoltaïques.
cellule.
les fonctions,
Pour la tcechnologie
estimer les Caractéristiques
onstruire udn
e m
fabrication
odèle mathématique
de sortie, etoutes
t le matériau
et uune
tilisé
équation
les informations pour
et cdonstruire
pour expliquer
onnées dle
a
fabrication
optimales dsemande
ont
caractéristique dnu
écessaires
mbodule
eaucoup [19].
PV, ù L
doe 'équation
taemps dses
clonditions
, b, c et d'efforts.
ont es
(5) est udtilisé
coefficientse fonctionnement
pour mesurer la
Dans la méthode de la table de correspondance, le courant (IPV) et la tension (VPV) du module PV
sont mesurés pour suivre le MPP. Des informations techniques sur le panneau PV, telles que la tension de
sortie pour différents niveaux d'éclairement et de température, sont stockées pour diverses situations
climatiques. La méthode de recherche suit ensuite le MPP en comparant les VPV et IPV mesurés avec les
données stockées. En conséquence, une quantité importante de données est stockée dans la mémoire de
recherche pour une surveillance MPP fiable et une productivité accrue [96]. Cette approche est compliquée
et sujette aux erreurs car elle nécessite une grande quantité de collecte de données, de stockage et
plusieurs capteurs pour surveiller le MPP précis.
Dans un algorithme de cellule pilote, une approche à tension constante ou à courant constant est utilisée, où le
COV est mesuré à l'aide d'un PC plutôt que du module/champ PV [97]. Comme le montre l'équation (7), le COV de la
cellule pilote est déterminé en multipliant une constante (K1).
La constante K1 est prédéterminée pour suivre le MPP du réseau en réponse aux variations de
température ou d'irradiances.
Vre f = K1 × Voc(cellule pilote) (7)
où K1 < 1.
De plus, les paramètres de la cellule solaire pilote doivent correspondre à ceux du module PV qu'elle
représente. Par conséquent, chaque cellule pilote ou module PV doit être optimisé, ce qui augmente le
coût énergétique du système [97].
La FSCC est également connue sous le nom de technique à courant constant (CC) [98]. Sur la base
du fait que son courant de courtcircuit et son IMPP sont à peu près linéairement liés, l'équation (8) exprime
comment ils sont liés l'un à l'autre. Le courant est régulièrement estimé lorsque le module ou le générateur
PV subit une condition de courtcircuit via un interrupteur d'alimentation.
IMPP = KSC × ISC (8)
où KSC = 0,78–0,92.
La méthode de tension de circuit ouvert fractionnaire (FOCV) utilise le même phénomène opérationnel que la
méthode de courant de courtcircuit fractionnaire (FSCC) et est également connue sous le nom de méthode de tension
constante (CV). Ce système fonctionne en se rapprochant du rapport de tension MPP défini sur les limites VOC
spécifiées . Cette approche utilise la relation à peu près linéaire, dépendante de la température et de l'irradiance, entre
la tension en circuit ouvert (VOC) et la tension MPP (VMPP) [99].
VMPP = KOC × COV (9)
où KOC = 0,72–0,8.
Dans les techniques FSCC et FOCV, un seul capteur est nécessaire (courant ou tension)
[101]. Le facteur de proportionnalité entre le VOC et l'ISC du module PV a un effet sur la
précision des deux méthodes.
Les avantages des techniques MPPT hors ligne sont qu'il s'agit de techniques simples et rapides .
De plus, ils ne souffrent pas des fluctuations autour du MPP. Les inconvénients des méthodes MPPT hors
ligne sont les suivants : Elles ne conviennent pas aux opérations à haut rendement. Aucun ajustement
en temps réel n'est effectué. Il est à noter qu'en fonctionnement toute la journée, l'éclairement et la
température varient ; par conséquent, des paramètres hors ligne de mesure intermittente (VOC, ISC) sont
nécessaires. Cette mesure intermittente/périodique provoque une perte de puissance.
Ces approches ne fonctionnent jamais à un MPP précis et ne conviennent donc pas aux systèmes
efficaces. Ne convient pas aux conditions environnementales changeantes.
Une comparaison des différentes techniques MPPT hors ligne est fournie dans le tableau 1.
Tableau 1. Comparaison de diverses méthodes MPPT hors ligne.
Contrôle
MPPT Paramètre Variable Circuiterie Paramètre Suivi
Efficacité Complexité
Technique Dépendance VIAD Réglage Précision
CF Oui Oui Moyen Moyen Complexe

Tableau de correspondance
Oui Non Faible Moyen Complexe
Cellule pilote Oui Non Faible Faible Simple
CCSF Oui Non Faible Faible Simple
FOCV Oui Non Faible Faible Simple
3.2. Techniques MPPT en ligne
Généralement, les valeurs instantanées de la tension ou du courant de sortie de la tentative PV sont
utilisées pour générer les signaux de commande dans les systèmes MPPT en ligne. Une perturbation
modeste, méthodique et prédéterminée de la tension, du courant ou du rapport cyclique du système PV
est appliquée, avec le signal de commande généré, pour déterminer la puissance de sortie. La direction
du changement (augmentation ou diminution) du signal de commande est déterminée en analysant la
façon dont la puissance de sortie du panneau PV répond à la perturbation. Ces méthodes MPPT suivent
le MPP sans aucune information empirique préalable. De plus, ces méthodes sont précises à différentes
températures et irradiances. Les approches d'escalade (HC), de perturbation et d'observation (P&O) et de
conductance incrémentielle (IC) ne sont que quelquesunes des méthodes MPPT qui entrent dans cette
catégorie [102].
P&O est la technique MPPT la plus largement utilisée en raison de sa simplicité et de sa commodité
de mise en œuvre [103, 104]. Dans cette technique, la tension de sortie du panneau PV est mesurée et
perturbée par un petit changement, ce qui provoque un changement de puissance (∆P), comme indiqué
dans le tableau 2. Selon le tableau 2, la technique P&O fonctionne en perturbant le PV la tension de
fonctionnement diminue et augmente, comme illustré à la Figure 8. Pour chaque cycle perturbateur, la
puissance de sortie PV est mesurée et comparée. A travers le processus de perturbation, on peut noter :
Si ∆P = 0, le système fonctionne au MPP et la tension pour l'échantillon suivant reste constante.
Si ∆P > 0 et ∆V > 0, alors un incrément est ajouté à la valeur de la tension de fonctionnement pour
se rapprocher du MPP.
Si ∆P > 0 et ∆V < 0, alors le décrément est ajouté à la valeur de la tension de fonctionnement pour
Si ∆P < 0 et ∆V > 0, alors le décrément est ajouté à la valeur de la tension de fonctionnement pour
Si ∆P < 0 et ∆V < 0, alors un incrément est ajouté à la valeur de la tension de fonctionnement pour
Tableau 2. Méthodologie de perturbation et d'observation.
Perturbations (∆V) Changement de puissance (∆P) Prochaine direction de perturbation
∆V > 0 (Positif) ∆V ∆P > 0 (Positif) ∆P Positif

< 0 (Négatif) ∆V > 0 > 0 (Positif) ∆P < Négatif
(Positif) ∆V < 0 0 (Négatif) ∆P < 0 Négatif
(Négatif) (Négatif) Positif
approche ; e ony érence se paramètre de peruraon. ou détecte course, e
Machine Translated by Google et perturbe le courant ou la tension, alors que le HC perturbe le rapport cyclique [21].
Le compromis de sortie entre l'erreur de réponse dynamique et en régime permanent est un problème
commun aux deux méthodes. Ce problème est plus grave dans la méthode HC, car elle contrôle le
rapport cyclique au lieu de la tension, tandis que dans la méthode P et O, la tension est régulée directement.
11 sur 29
Algorithmes 2022, 15, 365
De plus, en raison d'un cycle de service constant, l'approche HC traditionnelle ne parvient pas à extraire
efficacement le MPP dans des conditions climatiques changeantes [21].
député provincial
PMP PMP
Droite
Gauche
Puissance
(W)
dP/dV>0 dP/dV<0
0
0 VMP COV
Tension (V)
Figure
Figure 88. .
CCourbe
fonctionnement PV
ourbe a&O.
PP vec
V apvec
rincipe
de fonctionnement
principe de P&O.
Dans l'algorithme P&O, une oscillation constante en régime permanent se produit
au MPP, puisque la pente de la courbe PV est découverte à l'aide de l'INC, qui
est entraînée par les perturbations des équations qui changent continuellement de
direction pour conserver le MPP sous des variations solaires rapides (10)–( 12).
L'équation (10) détermine si le point de fonctionnement du module PV est à son MPP,
en tant qu'irradiance, ce qui diminue l'efficacité du système et augmente les pertes de
puissance de sortie [103]. illustré à la figure 9. D'autre part, les équations (11) et
Pour
(12) fonctionnent
le suivi MPP, à ld
e
roite
P&O eft
aisant
à gauche.
varier
En
le
trermes
apport
dce
yclique
théorie dde
e
l'algorithme
fonctionnement,
INC la
le
unique
présenté
technique
seule
HC pdserturbe
ifférence
ur
dldans
e
'escalade
courbe
lle
e
ertapport
st
ableau
lPe
(V,
HC)
paramètre
rcespectivement,
3yclique
e
[22].
st similaire
d[d
étecte
21].
e perturbation.
aeux
pt our
pcerturbe
ôtés
atteindre
P&O
le courant
dle
u M
point
PP op
u
dar
e
la
faonctionnement
tension,
pproche ;
alors
la que
Le compromis de sortie entre l'erreur de réponse dynamique et en régime permanent est un problème
commun (10) dans les deux méthodes. Ce problème est plus grave dans la méthode HC, car elle contrôle
le rapport cyclique au lieu de la tension, tandis que dans la méthode P et O, la tension est régulée directement.
De plus, en raison d'un cycle de service constant, l'approche HC traditionnelle ne parvient pas à extraire le
11)
MPP efficacement dans des conditions climatiques changeantes [21].
La pente de la courbe PV est découverte à l'aide de INC, qui est pilotée par les équations
12)
(10)–(12). L'équation (10) détermine si le point de fonctionnement du module PV est à son MPP,
car le schéma qui implique les équations (10) à (12) suppose la pente de la courbe PV à la
figure 9. D'autre part, les équations (11 ) et (12) fonctionnent à droite et à gauche MPP est égal à
zéro, comme indiqué dans l'équation (13). côtés du point de fonctionnement unique sur la courbe
PV, respectivement, pour atteindre le MPP en faisant varier le rapport cyclique de l'algorithme
INC présenté dans le tableau 3 [22]. (13)
0
je je
Par conséquent, l'équation (13) peut être réécrite sous
= la forme
(dix)
dV V
je je 14)
< (11)
dV V
je je 15)
> − (12)
Ceci implique que dV V
Tableau 3. Algorithme INC.
Mode Perturbation Niveau MPP Statut
ModeI dP dI

dV
= 0 dV
=
je
V
Chez MPP Maintenez VPV = VMPP
ModeII dP
> 0 dI Côté gauche du MPP Augmenter la tension
je > − V
dV dV
jusqu'à VPV = VMPP
ModeIII dP
< 0 dI Diminuer la tension
dV dV
je < V Côté droit du MPP
jusqu'à VPV = VMPP
Machine Translated by Google 13 sur 30
Algorithmes 2022, 15, x POUR ÉVALUATION PAR LES PAIRS
0
16)
Courbe PV
Courbe IV
SAI dP/dV=0, dI/dV=I/V
LUTIN
PMP
député provincial
dP/dV>0
Courant
(A)
dP/dV<0
dI/dV<I/V
dI/dV>I/V
0
VMP COV
0
Tension (V)
Figure
pente d9ans
. Crourbe
différentes PV
égions. du
différentes système
Figure
régions. PV e
Pt
9. Courbe signes
V de sa p
du système Pente
V et sdignes
ans de sa
PV dLe schéma
u tableau qAui
3. implique IlNC.
lgorithme es équations (10) à (12) suppose la pente de la courbe
MPP est égal à zéro, comme indiqué dans l'équation (13).
Mode Perturbation Niveau MPP Statut
dP
ModeI 0 = 0 Chez MPP Maintenez VPV = VMPP (13)
dV
Augmenter la tension
Par conséquent, l'équation
0 (13) peut être réécrite eCôté
n ModeII
gauche de MPP
jusqu'à VPV = VMPP
dP Diminuer la tension (14)
ModeIII 0 = d(I × V) Côté
dI dV
droit de MPP = V
dV + I dV dV dV jusqu'à VPV = VMPP
dP dI
stratégies MPPT les plus souvent employées est INC, avec = V P+&O
I L'une dNes
[22]. éanmoins , en INC, la pente de la courbe PV affecte le
rapport cyclique jusqu'à
en fixe
ce qoue
u eln
e vMariable.
PP soit Caela
tteint.
implique
Ces approches
que les pas
MPPT
s'échelonnent
utilisent
une taille de pas définie, contrairement aux méthodes INC, HC et P&O, dont le processus dépend de la tension de référence = 0 (16) +
dV V taille de pas. Le contrôleur peut atteindre rapidement le MPP avec de grandes oscillations en régime permanent par L'une
des stratégies
rapport cdes
yclique
oscillations
MPPT
dans les
des
réduites
plus
vitesses
souvent
à l'état
de cuonvergence
tilisées
d'équilibre
est sINC,
e
fixes
produiront
ao
vec
u vP
ariables
&O
avec
[22].
m
pour
oins
Ne djamais
e
mp odéré ,
etites
utiliser
tdailles
ans une
IdNC,
e
gprande
as,
la ptente
andis
taille
de
qdue
e
la
pclas.
e
ourbe
MSPP
i cPe
pV
our
n'est
affecte
une
pas
irradiance
le
le cas,
je à variation rapide fera des tailles jusqu'à ce que le MPP est atteint.
Ces approches MPPT utilisent une taille de pas définie, contrairement à la perte. Pour cette raison, de nombreuses modifications de la
méthode PP&O, &O MdPPT
ont le
basées
processus sur la
dépend
courbe dP
e
V,
la ltes
ension
méthodes
de référence,
INC, HC oent
t été
présentées. Cependant, on pense qu'ils fournissent des solutions insuffisantes pour la taille des pas de transaction. Le contrôleur peut
rapidement
grande tméthode abS
aille de pas.
de tteindre
alayage le
M
inon, des
de PP avec de
ocscillations
ourant gb
(CS) randes
réduites
asée our
esn rscillations
égime
le MPPT epn
régime
permanent
our
les ppermanent
sve
itesses de ce
an
roduiront faisant
des Kface
onvergence
vec M à cles ept
pour
Tsang roblèmes.
etites
al. [105] oe n
tailles
nt urésenté
tilisant
dpe ula
ne
pas, tandis
que le MPP pour la variation rapide de l'irradiance du système PV. La courbe IV du module/panneau est tracée à l'aide de l'établissement
du module sera perdue. Pour cette raison, de nombreuses modifications ont été apportées à la méthode P&O MPPT en fonction des
conditions de fonctionnement PV dans la méthode de balayage actuelle. Cette approche extrait le courant et la courbe ont été présentés.
Cependant, on pense qu'ils fournissent des solutions insuffisantes pour la tension et les manipulent comme une fonction fixe du temps,
comme exprimé dans l'équation (17). traitant de ces questions. ( ) = ( ) (17)
KM Tsang
méthode
établie
et al. [p105]
ar le
omnt
odule
présenté
puisque
la méthode
la mPV.
éthode
dLe
a
bcd
alayage
ourbe
e balayage
IV
de
du
courant
dme
odule/panneau
courant
(CS)
traite
basée
le
est
scur
ourant
tracée
MPPT
PàV
pl'aide
our
et interprète
le
de
système
la les
conditions
tension et ld
ue
courant
n'est es feonctionnement
tilisée
m t
anipule
la q
courbe IV dde
ue lcorsque
omme u
lu svystème
a
tne
em pour éPdvaluer
ariation
fonction V dla
e ans
fixe la
m éthode
pduissance
lu
e
tM
emps,
PP,
le de dbu
calculée
omme
suivi ealayage
exprimé
M
st
PP dans
e
courant.
supérieure
ne
d peut êC
l'équation
pàas
un ette
stre
euil approche
r(éalisé
17).
fixe,
Cqette
eui epproche
xtrait
n scerait
a
ontinu. le
compris
entre 5 % et 10 % de la puissance maximale du système PV. je (t) = f (t) (17)
La signification du seuil ne peut pas être trop élevée ou trop basse. Le balayage de courant serait rarement effectué
si
le seuil
lorsque ecst
traite
la réglé
ourbe
le trop
courant
IV PhnV
du aut.
et iLnterprète
ouveau e bsalayage
ystème dV
le PMe
ccontinu
ourant
PP pour éssvaluer
erait
i plroche,
le courant puisque
e MPP,
est
lte
rop lM
a PP
suivi méthode
minime. nJe de
pbas
usqu'au
peut palayage
rochain dbe
courant
être réalisé
alayage
en continu.
actuel,
Cette approche n'est utilisée que lorsque la variation de la puissance calculée est supérieure
à un seuil fixe, qui serait compris entre 5 % et 10 % de la puissance maximale du système PV.
La signification du seuil ne peut pas être trop élevée ou trop basse. Le balayage de courant
serait rarement effectué si le seuil est réglé trop haut. Le balayage actuel serait proche
continue si le courant est trop faible. Jusqu'au balayage de courant suivant, lorsque le nouveau MPP est calculé,
le contrôleur de balayage de courant conserve la tension calculée comme tension de fonctionnement du panneau
PV [105].
Les procédés en ligne comprennent également le procédé de contrôle de recherche extrême (ESC) et
le procédé de contrôle de corrélation d'ondulation (RCC). Bazzi et Kerin [106], Brunton et al. [107] et Her
Terng et Chen [108] ont présenté des méthodes ESC pour suivre le MPP. Cette méthode estime le MPP en
fonction des variations de l'ondulation de courant du circuit convertisseur et de l'ondulation de puissance de sortie.
Le système PV reçoit le courant de référence ainsi qu'une perturbation de courant sinusoïdale.
Le système PV fournit l'ondulation de puissance de sortie et l'ondulation de courant correspondante. Si
l'ondulation de courant est en phase avec l'ondulation de puissance de sortie, le contrôleur MPP augmente le
courant de référence d'ondulation pour atteindre IMPP, et vice versa.
Kimball et Kerin [109] ont proposé la méthode de contrôle de corrélation d'ondulation (RCC) pour
extraire le MPP de la courbe PV du système PV. La technique RCC est également similaire à la technique
ESC. Pour suivre le MPP, RCC utilise l'ondulation imposée par le convertisseur de puissance sur le
générateur photovoltaïque. Il corrèle dp/dt à dv/dt ou di/dt pour ramener le gradient de puissance à zéro, ce
qui se produit lorsque le MPP est atteint.
Les méthodes RCC et ESC nécessitent la connaissance de la relation de phase entre l'ondulation de
puissance CC et la tension CC ou l'ondulation de courant CC pour déterminer le MPP. Ces méthodes sont
capables d'atteindre un MPP assuré. Cependant, la mise en oeuvre pratique de ces méthodes est très
complexe.
Les auteurs ont travaillé dur au cours des dix dernières années pour améliorer la surveillance mondiale
du MPP en modifiant les approches traditionnelles P&O et INC. Cependant, ces approches classiques
modifiées peuvent entraîner une perte de puissance au niveau du MPP local, en raison des conditions
d'ombrage variant rapidement. Selon les auteurs, le MPP du système PV peut être extrait en utilisant
l'approche de contrôle en mode glissant (SMC). Le meilleur choix de surface de glissement est crucial pour
le succès de cette méthode. La conception incorrecte de la surface de glissement produit une valeur indésirable.
Par conséquent, choisir les meilleures surfaces de glissement est une tâche difficile.
Les avantages des techniques MPPT en ligne sont qu'elles sont simples et rapides
techniques. Les inconvénients des méthodes MPPT en ligne sont les suivants :
Oscillations indésirables autour du MPP.
Peut ne pas faire la distinction entre les maxima globaux, les maxima de tête de cluster et les maxima locaux.
Sous ombrage partiel, la perte de puissance est très élevée.
La précision dépend de l'ampleur de la perturbation.
Une comparaison de diverses techniques MPPT en ligne est présentée dans le tableau 4.
Tableau 4. Comparaison de diverses techniques MPPT en ligne.
Contrôle
MPPT Variable Circuiterie Paramètre
Panneau photovoltaïque Suivi
Efficacité Complexité
Technique Dépendance VIAD Réglage Précision
P&O Non Non Modéré Haut Simple

Inc Non Non Haut Haut Complexe
SC Non Non Modéré Haut Simple
CS Oui Oui Moyen Moyen Complexe
ESC Non Non Haut Haut Moyen
RCC Non Oui Modéré Haut Complexe

CMS Non Non Moyen Haut Complexe
3.3. Techniques MPPT intelligentes
Étant donné que les procédures MPPT conventionnelles sont inefficaces et susceptibles d'être prises
entre les LMPP, le suivi réussi du GMPP par mauvais temps est un problème important. L' utilisation de
techniques intelligentes est un moyen viable de mesurer le GMPP sous un soleil non uniforme
algorithmes évolutionnaires. Les techniques MPPT qui appartiennent à cette catégorie incluent,
mais sans s'y limiter, les algorithmes FLC, ANN, PSO, GWO, GO et Jaya (JAYA), etc.
conditions solaires uniformes et ombragées.
irradiation et ombrage partiel. Les techniques MPPT intelligentes comprennent à la
robuste
fois
MPPT
artificielles
q
pui
our
appartiennent
résoudre
3.3.1. Allgorithmes
es àp roblèmes
cette céatégorie
volutifs
d'optimisation
Fincluent,
uzzy Logic
nmon
ais
Clinéaire.
ontrol
Le FLC
(FLC) .
Ils
est
ne
une
sLont
es
approche
tpechniques
as limités
aux algorithmes FLC, ANN, PSO, GWO, GO et Jaya (JAYA), etc. L' approche floue
MPPT est
spont
référée
utilisateur dans
utilisées la m(d
conviviale,
dans ise
ii) ecn
es œuvre
facilité de mM
onditions sPPT
ise en eœn
olaires nron
aison
uvre, d'avantages
u(niformes
iii) tels qfue
fonctionnement
et ombragées. Les
lexible emt éthodes
interface
(iv)
validation qualifiée. Cependant, le FLC est rarement employé seul ; cependant, il est
extrêmement
algorithmes, utile
tels 3.3.1.
que Fuzzy Ldogic
les réseaux Control (aFLC)
e neurones lorsqu'il
rtificiels [35], geénétique
st combiné al avec
Le d
F'autres
LC est une
approche robuste pour résoudre les problèmes d'optimisation non linéaire. Les gorithms flous
et autres méthodes traditionnelles [110,111].
Pour
facilité
raison e mle
règles suivi
dd'avantages
ise
floues
en œ M PP,
qlue
dtels ' a
'inférence
uvre, pproche
(iii)
(i) le
dees
t Féfuzzification.
LC est ppréférée
fonctionnement
la
udtilisations ratiques dans
flexible
L'interface
en lrois
a m
t (tiv) ise
ola en œ
ptimale
évtapes,
aleur uvre
pqla
ar MPPT
ualifiée du seystème
fuzzification,
utilisateur, n
(ii)
les
la
sont déterminées par l'inférence floue et la création de règles floues dans l'idation. Cependant,
le FLC est rarement employé seul ; cependant, il est extrêmement utile lorsque ces processus.
Cependant, pour construire des règles floues, une quantité importante d'informations et
combinées
traditionnelles
les
Les
algorithmes
deux
déterminée
règles
variables avec
entrées
floues
pgdar d 'autres
[énétiques,
e110,111].
'entrée
t d
lu'inférence auour
'inférence lgorithmes,
ne ssortie
ont
P n
lfpes
loue
eeour
t
ntraînement
lle
e
a
rreurs
see
duivi cteels
xtraire
t qepvue
éfuzzification.
la M réation
PP,
t la st les règles
éseaux
l'approche
uissance
ariation
ndécessaire
e
Lra due
pderformance
es
mFaximale
LC
feloues ned
[rreurs,
38]. eurones
tilise
t
d
ans
o
d
tes
elles qae
tptimale
'autres
rois
é
ces prtificiels
tapes,
L ue
m
ro
F
dp u
LC [35], ue
éthodes
ld
résentées
a
su
ystème
fM les
uzzification,
système
PPT tilise
dst
ans
PV.
Equcess . Cependant, pour construire des règles floues, une quantité importante d'informations
et de formation
service, comme sont les équations
présenté dans l'équation (18) et (19), et la
requise variable
[38]. (20).de sortie est le changement de
Le FLC MPPT utilise deux entrées et une sortie pour extraire la puissance maximale du
système PV. Les variables d'entrée sont les 1 d'erreurs, comme présenté
∆ erreurs et le changement
dans les équations (18) et (19), et la variable 1 (18)
∆ de sortie est le changement de service, comme
présenté dans l'équation (20 ).
∆P
∆= = P(k) − P(k − 1) 1 (18)
E(k) ∆V V(k) − V(k − 1) 19)
∆E(k) = e(k) − e(k − 1) ∆ 1 (19)
20)
où ∆D = D(k) − D(k − 1) (20)
V ;
E(k)
où ∆représente
e(k) désigne le cla hangement
variation dd e
e
la
pvente
aleur
de
de
la
la
courbe
pente Pde
la
PV ; c
de
∆D ourbe
la
dvésigne P V ;
aleur dle E (k)
a lva r eprésente
ariation
pente dde u
la l e
c
rapport
courbe hangement
cyclique.
PV ; Les ∆fd e pente
e(k)
onctions
désigne d
de la cvourbe
'appartenance
la ariation
(MF)
dénote dce
d'appartenance
d'entrée
le F
eLC
hangement psour
t d(e
MF)
ortie, dle
es
du vLC
ariables
Fles
rapport
cp
inq
our
M d'entrée
clyclique.
F
es Feigure
svuivants
ariables t
sdont
de s1uortie
'entrée
0. seont
tilisés :
Pour psré
t dlLes
e
es ∆sD
vortie
fariables
onctions
ont
pré gàrand
envoyés
employés : p(BN).
ositif
la figure 10. L(BP),
a
Pbour petit
ase les p
de ositif (SP),
vrariables
ègles de
dF zLC
éro
'entrée (ZE) ,
présentée
et de psetit négatif
ortie,
dans les (SN)
le tcableau
inq et
MF 5sg erand
uivants négatif
st utilisée
sont pour
diminuer
rapide. l'oscillation
négatif
oscillations
La base
(SN) de
een
rt ràgégime
rand
ègles l'état ndpégatif
de 'équilibre,
F
ermanent getrand
LC p(résentée
BN). t dpans
ations
pour ositif
seuivre
t lde (tBP),
e Mp
ableau
sle
uivre etit
PP
M ep ositif
5a PP
vec
st auvec (SP),
utilisée
ne uvne zvéro
itesse
pour (e
itesse ZE), e psetit
diminuer
sduivi uivi
rapide.
les
E(k) NE SN PS BP PS BP ∆D PS BP

∆E(k) NE SN ZE
NE SN
ZE
1 1 1
80 40 40 80 50 25 0 25 50 0,02 0,01 0 0,01 0,02

(un) (b) (c)
Figure 10. (a) Entrée ; (b) modification des fonctions d'appartenance d'entrée et (c) de sortie.
Figure 10. (a) Entrée ; (b) modification des fonctions d'appartenance d'entrée et (c) de sortie.
POUR L'ÉVALUATION
Algorithmes PAR
2022, 15, 365 Algorithmes L15,
2022, ES
x PAIRS 16 15
sur
s3ur
0 29
Tableau 5. Base de règles floues. Tableau 5. Base de règles floues.
∆E ∆E
NE
NE SN
SN ZE
ZE PS
PS BP
BP
NE ZE ZE ZE NE PS
NE ZE ZE ZE NE PS
SN
SN ZE
ZE ZE
ZE SN
SN
SN
SN
SN
SN
E
E ZE
ZE SN
SN ZE
ZE ZE
ZE ZE
ZE PS
PS
PS
PS PS
PS PS
PS PS ZE
ZE ZÉ ZÉ
BP BP BP BP BP BP BP BP ZÉ ZÉ ZÉ ZÉ
3.3.2. Réseau
artificiels de
Rnéseau
3.3.2. eurones
neuronal artificiel
Le terme « réseau de neurones artificiels » fait référence à une technique dérivée du comportement Le terme « réseau de neurones artificiels » fait
référence à une technique dérivée du comportement des neurones. Parce qu'il s'agit d'un algorithme d'intelligence artificielle, ANN peut penser par
luimême. Comment neurones. Parce qu'il s'agit d'un algorithme d'intelligence artificielle, ANN peut penser par luimême. Cependant, des connaissances
approfondies sont toujours nécessaires pour entraîner les neurones [35–37]. Selon les connaissances approfondies sont nécessaires pour entraîner les
neurones
[3537].
de MPPT, Selon les
ANN intègre résultats
trois de
couches. Ll'enquête, dans
a figure 1111 la mise en uœ
représente uvre
n de M
modèle APPT, ANN intègre
à trois tcrois
NN typique couches.
ouches. Figure
En raison de
de l'enquête,
sa dans la mise
portée d'optimisation pelus
n œ uvre
large,
représente un modèle ANN typique à trois couches. En raison de sa portée d'optimisation plus large, l' ANN est préféré pour une utilisation en conjonction
avec d'autres méthodes MPPT traditionnelles à l'ex ANN est préféré pour une utilisation en conjonction avec d'autres méthodes MPPT traditionnelles pour
extraire le plus de puissance du système PV. le plus de puissance du système PV.
Caché
Couche
Saisir Sortir
Couche Couche
Température
oC Rapport de service
dans
Irradiance dans
je
W/m2 VPV
j
Neural
Réseau
Figure 11. ANN à trois couches.
Figure
ANN à 1trois
1. couches.
M. Sheraz et MA Abido [112] ont introduit un réseau de neurones pour extraire le MPP de M.
Sheraz et MA Abido [112] ont introduit un réseau de neurones pour extraire le MPP des
modules PV et la conception d'un contrôleur de type intégral proportionnel pour de vrais des
modules PV optimaux en temps et la conception d'un contrôleur de type intégral proportionnel pour
le suivi de la puissance optimale en temps réel . Le réseau neuronal proposé et la tension en circuit
ouvert appliquée par le suivi de puissance mum. Le réseau neuronal proposé et les cellules de
régulation appliquées à la tension en circuit ouvert peuvent être utilisés pour identifier le MPP. Le
réseau neuronal suggéré créé un PV par les cellules de régulation peut être utilisé pour identifier le
MPP. Le réseau neuronal suggéré a créé un calcul MPP en temps réel basé sur des modules. Par
rapport au calcul mathématique simple du MPP en temps réel basé sur un module PV. Par rapport
une
aux
Dans
image
techniques
les techniques
plus cdlaire
e calcul
des
e cfalculs
monctions.
athématique
mathématiques,
simples,
les
les
réseaux
réseaux dde
e
nneurones
eurones
pprésentent
résentent
ggénéralement
énéralement
une image
neurones
données
dépend pléatoires
lus claire
fortement
faonctionne de dvec
e qla
saans
la fes
onction
uantité dde
idntervention hcumaine.
données
de aontraste,
onnées Eun
léatoires sn
réseau
disponibles
ans
tant dtions.
e annalyser
eurones
iqntervention
ue
pour En fonctionne
humaine.
revanche,
le
réseau,
Par
un aq
vec
ui edn
es
cconséquent,
re
éseau d e
fait
il
un
processus laborieux et compliqué.
Donc, en dernier recours pour traiter les questions relatives, ce qui en fait un processus laborieux
l'analyse
et compliqué.
réseaux ddes
e nreurones
éseaux
Ainsi, edn ee
st
dnernier
u
eurones
tilisée.
recours
Lee
st
troisième
uptilisée.
our faire
rgelative
roupe
face aàcux

omprend
un pm roblèmes
anque
les dm e
déthodes
e
compétence,
manque d'intelligence
de cl'analyse
ompétence, des
artificielle,
floue telles
d'intelligence
logique
[37,112].
M PPT
floue pour
[aD q cue
37,112]. la pDlanification
rtificielle,
es ombler
études tes
elles
les
ont
éltudes ue le
acunes
squggéré t
oa dles
nt
p naeurones
lanification
es
ds'utiliser
uggéré
pproches
des Lrle
troisième
'utiliser
et éseaux
es e rgéseaux
traditionnelles,
réseaux
les rdéseaux droupe
e ned cndomprend
eurones,
t e
la leurones
ogique eles
e neurones,
ainsi
floue
t m
qlue
a aM éthodes
logique
insi
lPPT
a logique
que
pour
la
combler
popularité
leur les loldeur
flexibilité.
Étant
dans a aacunes
u
onné
ugmenté.
FpLC
four dréer
es
lexibilité.
q
pcue
our
lÉcatant
es dpproches
réer
sfes
ont ègles
ces tqraditionnelles,
onctionnalités
dd
ronné
ouramment
règles
due
e cld
ontrôle
es
de
u
u cde
PqV
cfonctionnalités
m
ontrôle
tilisés
odule
MPPT,
M ui
ans aoivent
PPT,
cdM
es dcscu
PPT onduit ràaison
olutions
es
meodule
sên flsournies
olutions
tre eur
V pd
Pont scopularité
ont
e
oivent
ependant
leurs
dcans croissante.
ependant
êntre
lombreux
'ordre,
limitées
fournies
limitées
leur
dans
leurs avantages,
linéarité
nombreux et nyae
vantages,
cpompris
as avoir leur ccompris
apacité
yb esoin d'un àm Fodèle
leur tLC sont
ravail couramment
maathématique
vec de mauvaises au tilisés
pproprié. dans
entrées, M PPT
capacité
résoudre
à etravailler
n lra
aison
nonadvec
e
de mauvaises entrées, à résoudre la nonlinéarité et à ne pas avoir besoin d'un bon
3.3.3. Optimisation de l'essaim de particules
Pour résoudre le problème susmentionné, l'intelligence de l'essaim et des approches bioinspirées sont
appliquées dans PVS pour extraire la puissance maximale (pic global) de la courbe PV. L'application des
méthodes d'essaim a considérablement accru l'intérêt pour la recherche PVS et résolu efficacement le
Algorithmes 2022, 15, 365
problème de l'extraction globale des MPP. En règle générale, les colonies de fourmis, les volées d'oiseaux et 16 sur 29
les bancs de poissons ont servi d'inspiration aux algorithmes d'intelligence des essaims [4650]. Les trois
principaux avantages de ces stratégies sont qu'elles sont simples à mettre en œuvre, qu'elles commencent
par une recherche aléatoire et qu'elles empêchent la convergence vers les minima locaux.
De plus, les FLC ne sont pas affectés par les changements des conditions environnementales.
Cependant,
non linéaires. la
Lc'algorithme
apacité de lP'algorithme
SO tire sa P SO en ad fe
capacité ait la meilleure
recherche du coomportement
ptimisation optimale pour les p
des troupeaux, roblèmes
l'utilisateur
doit c hoisir u ne m éthode a cceptable p our c alculer l 'erreur e t
f ormuler
PSO est devenu l'une des techniques d'optimisation les plus populaires pour les règles de base afin l e
t ableau e t
l es
e ssaims [ 50]. Lde
e
garantir leur exactitude, et les FLC ont nécessité une quantité importante d' applications MPPT au cours
de la dernière décennie. Le concept fondamental de PSO est que la par mémoire permet de gérer les
deux
Ces pearticules
xtrêmes. (duty
les v3aleurs
.3.3. Pinitiales
article Sdwarm
es articles
Optimization
sont choisies
cycles) au
shont
asard
programmées
dans les limites pour d se
es dféplacer
rontières.
dans l'espace de recherche. Le meilleur mouvement de particules dans les valeurs initiales est appelé
susmentionné,
Pbest, et
position elt
e
'intelligence
la
mveilleur
itesse ddans
es
en pel'ensemble
articules
ssaim et sles ont
dans
am pproches
ises
les itérations
à jour
bioinspirées
et ssont
uivantes
appliquées
appelées
est Pour dans
Grbest.
ésoudre
PVS De pour
ple
lus,
peroblème
xtraire
la la
puissance maximale (pic global) de la courbe PV. à chaque itération, et le processus est répété jusqu'à
considérablement
colonies
d'intelligence
ce qlue
présenté
par
stratégies
es d
la
eux
dàm
e
s lont
eilleure
a
fourmis,
facteurs
e
figure
n
qu'elles
essaim
apccru
1losition
es
2.
suivants :
sav[lont

'intérêt
4650].
olées
résolu
ssoit
imples
dete
p'oiseaux,
rouvée.
Lt
fficacement
our
e
les
–à lb
S

a
mancs
a
rettre
echerche
LpU
a
osition
n
pdarticule
se
e
le
tatut
n
ppœoissons
roblème
dP e
uvre,
dVS
ve
Litesse
'application
pearticule
ct
oommencez
d
lnt
e
e
(m
sVi) ;
l'extraction
ervi
ouvement
sur
Ldes
'inspiration
es
l'espace
ptar
m
rois
éthodes
Mduans
ne
PP
principaux
dpe
glosition
a'espace
lobale.
rux
echerche
d'essaim
algorithmes
a–Tvantages
d(ypiquement,
Xi).
e e
raecherche
st
recherche
caractérisé
de cles
ees
st
aléatoire et empêcher la convergence vers les minima locaux. Celuici sera mis à jour selon les équations
suivantes : La capacité de l'algorithme PSO en a fait la meilleure optimisation optimale pour les problèmes
d'oreille non linéaires. L'algorithme PSO tire sa capacité de recherche du comportement des troupeaux
et des essaims [50]. PSO est devenu l'une des techniques d'optimisation les plus populaires pour les
applications MPPT au cours de la dernière décennie. Le concept fondamental de PSO est que les
valeurs initiales des particules 22) sont choisies au hasard dans les limites des limites. Ces particules
(rapport cyclique) est la position des particules à k + 1ème itération, est la position des particules à
sont programmées pour se déplacer dans l'espace de recherche. Le meilleur mouvement des particules
dans est la vitesse des particules à la k+1ème itération, est la vekème itération des particules, les valeurs
initiales sont appelées Pbest, et le meilleur global dans les itérations suivantes est la locité à la
1 (21)
kème itération, est la composante d'accélération associée avec Gbest, est appelé Gbest. De plus, la
position et la vitesse des particules sont mises à jour avec la composante d'accélération associée à
1 1
Lbest, W est le poids d'inertie, rand1 et rand2 à chaque itération, et le processus est répété jusqu'à ce
que la meilleure position soit trouvée. Les particules sont des nombres aléatoires entre 0 et 1, Gbest est
la meilleure position de toutes les particules et Pbest est la meilleure position de la particule. le
mouvement dans l'espace de recherche est présenté dans la figure 12.
P meilleur
M+1
Xi
K
Vi
M+1
Vi
K
K1 Xi
Xi
G meilleur
Figure 12. Mouvement des particules dans l'espace de recherche pour PSO.
L'état d'une particule sur l'espace de recherche est caractérisé par les deux facteurs suivants : –
sa position en vitesse (Vi ) ; – Emplacement (Xi ).
Celuici sera mis à jour selon les équations suivantes :
Vi(k + 1) = WVi(k) + C1rand1 (Pbesti(k) − Xi(k)) + C2rand2 (Gbesti(k) − Xi(k)) (21)
Xi(k + 1) = Xi(k) + Vi(k + 1) (22)
Xi(k + 1) est la position de la particule à la k+1ème itération, Xi(k) est la position de la particule à la
kème itération, Vi(k + 1) est la vitesse de la particule à la k+1ème itération, Vi(k) est la vitesse des
particules à la kième itération, C1 est la composante d'accélération associée à Gbest, C2 est la composante
d'accélération associée à Lbest, W est le poids d'inertie, rand1 et rand2 sont des nombres aléatoires entre
0 et 1, Gbest est la meilleure position de toutes les particules, et Pbest est la meilleure position de la
particule.
Le PSO a été le premier algorithme en essaim à être utilisé dans les applications PV MPPT. Cependant,
à mesure que le caractère aléatoire diminue, PSO perd sa diversité. De plus, comme cela dépend de la
position de départ de l'agent de recherche, la convergence est retardée [4652]. De plus, si la valeur initiale
du cycle de service n'est pas choisie correctement, l'approche PSO peut être bloquée au niveau du MPP
local sous les PSC.
3.3.4. Optimisation des sauterelles
L'algorithme d'optimisation des sauterelles (GO) est une technique d'optimisation inspirée de la nature
récemment développée et basée sur la façon dont les sauterelles recherchent de la nourriture [113].
L'algorithme GO imite l'interaction sociale et le comportement des essaims de sauterelles. Les sauterelles
sont des insectes destructeurs en raison des dommages qu'elles causent aux cultures. Les sauterelles
connaissent deux périodes d'essaim au cours de leur cycle de vie, les phases larvaire et adulte. En tant que
larves, les sauterelles marchent lentement et mangent toutes les plantes sur leur passage. Ils poussent des
ailes et forment des essaims dans les airs lorsqu'ils sont adultes. Les deux étapes de la recherche de
nourriture d'une sauterelle sont l'exploration et l'exploitation. Lors de la phase d'exploration, les sauterelles
(agents de recherche) se déplacent rapidement, tandis que lors de la phase d'exploitation, elles sont incitées
à se déplacer localement. Voici un résumé de la modélisation mathématique du comportement d'essaimage des sauter
Xi = r1Si + r2Gi + r3Ai (23)
où Xi
représente la position de la ième sauterelle, Si est l'interaction sociale de la ième sauterelle, Gi est la
force de gravité de la ième sauterelle, Ai est l'advection du vent de la ième sauterelle et r1, r2 et r3 sont des
nombres aléatoires .
Par conséquent, en utilisant l'équation (23), cela peut être exprimé comme suit en utilisant
les éléments S, G et A :
N xj − xi → →
Xi = r1 j = 1 S xj − xi par exemple + r3u ew
(24)
Dij
∑ j = je − r2g
où N indique le nombre de sauterelles (agents).
L'équation (24) peut être ajustée comme suit pour converger vers le point spécifié :
X =d c je N c
ubd − lbd S
jj x − x ji 2 xj − xi
→
Td (25)
j = 1
Dij
∑ j = je +
→
où Td désigne la valeur cible (solution optimale) et ubd , lbd désignent respectivement les
limites supérieure et inférieure, c désigne les coefficients décroissants pour réduire les régions de
confort, de répulsion et d'attraction. L'équation (26) peut être utilisée pour mettre à jour le
coefficient c, augmentant l'exploitation et diminuant l'exploration proportionnellement à l'itération.
cmax − cmin
c = cmax − l (26)
Iter_max
où l représente l'itération courante, Iter_max est le nombre total d'itérations, et c min, cmin,
cmax sont les bornes minimum et maximum du coefficient décroissant. La méthode GO est
appliquée à divers problèmes d'ingénierie en raison de ses avantages significatifs, notamment
la simplicité, les caractéristiques de convergence rapide, une structure de mise en œuvre
facile et un nombre minimal de facteurs de régulation. Sur la base de ces avantages,
l'algorithme GO est utilisé dans le suivi MPPT du système solaire PV. L'organigramme de la
technique MPPT basée sur GO est illustré à la figure 13.
x POUR L'ÉVALUATION PAR LES PAIRS 1918 sur 29 sur 30
Algorithmes Algorithmes 2022 2022, , 1515, 365 ,
Commencer
Paramètres d'initialisation N, d,
iter_max, cmin et cmax
Initialiser un ensemble de valeurs aléatoires
solutions Xi(i = 1, 2, . . . , n) comme population
initiale
Évaluez la valeur Fitness pour
chaque agents de recherche
(sauterelles)
Remarquez la meilleure solution comme
le Target Set T comme la meilleure
solution
Évaluez la valeur Fitness pour
Agents de recherche mis à jour
(sauterelles) Si iter < NON
Meilleure solution de sortie pour
iter_max
booster le convertisseur
OUI
Mettez à jour la position de la sauterelle à
Mettre à jour c en utilisant Eq. (26)
l'aide de l'équation. (25)
Figure 13. Organigramme de GO. Figure 13. Organigramme de GO.
GO est utilisé pour suivre GMPP en raison de sa convergence rapide et son plus petit nombre de GO est utilisé pour suivre GMPP en raison de sa convergence rapide et de son plus faible nombre
d'oscillations lorsqu'il est dans un état stable. La population est initialement comprise entre 0 et 1 aux oscillations lorsqu'elle est en régime permanent. La population est initialement comprise entre 0 et 1 au
hasard. L'espace de recherche représente ici un rapport cyclique du convertisseur boost. Les restrictions sont aléatoires. L'espace de recherche représente ici un rapport cyclique du convertisseur boost. Les
restrictions ajustées de manière appropriée dans l'espace de recherche, où les valeurs vont de 0 à 1. Chaque agent de recherche est ajusté de manière appropriée dans l'espace de recherche, où les valeurs
vont de 0 à 1. Chaque recherche, l'algorithme GO fournit une solution possible et la meilleure solution (cycle de service) trouvé de sorte que l'agent dans l'algorithme GO fournit une solution possible et la
meilleure solution (cycle de service) jusqu'à présent est considérée comme la sortie de la technique MPPT. La position de chaque agent de recherche trouvé jusqu'à présent est considérée comme la sortie
de la technique MPPT. La position de chaque dans le GO représente le rapport cyclique et la valeur du rapport cyclique peut être mise à jour à l'aide de l'agent de recherche dans le GO représente le rapport
cyclique et la valeur du rapport cyclique peut être l'équation (25). mis à jour à l'aide de l'équation (25).
3.3.5. Optimisation du loup gris 3.3.5.
Optimisation du loup gris
La méthode GWO est proposée pour résoudre les problèmes non linéaires
basés
[114].
figure
non linéaires
comportement
dominant
C
1s4,
ur
omme
clles
e
lair.
sblocial
oups
asés
odEbservé
es
n fLonction
lgoups
sa
ris
ur
msvléthode
e
ur
ivent
gcris
ldomportement
a
e
fdigure
e
leur
ans
n
GmWO
cleute
a
1
apacité
4,
neature
st
les
dsp
e
ocial
roposée
l5
oups
à[ 114].
àformer
1d2
es
gris
aCp nimaux
lomme
oups
d
our
ves
ivent
rm
ésoudre
geutes
ris
oedbservé
t
ans
odnt
ans
dlu
e
le
es
n
ls5
a
our
pà
n
rdre
roblèmes

ature
l1a
2
animaux et à avoir un ordre clairement dominant. En fonction de leur capacité à
poursuivre des proies, les loups gris sont classés dans les quatre groupes suivants :
alpha, bêta, delta, poursuite de proies, les loups gris sont classés dans les quatre
groupes suivants : alpha, bêta et oméga. Lors de la création de l'algorithme GWO,
les loups alpha sont considérés comme les meilleurs delta et oméga. Lors de la
création de l'algorithme GWO, les loups alpha sont considérés comme solution. En
conséquence, les loups bêta sont la deuxième meilleure solution du pack et les
loups delta la meilleure solution. En conséquence, les loups bêta sont la deuxième
meilleure solution du pack et la troisième meilleure. Dans la meute, les loups
restants sont classés dans la catégorie oméga. Les loups du delta sont les troisièmes
meilleurs. Dans la meute, les loups restants sont classés dans la catégorie des
comportements de chasse oméga des loups gris, tels que l'encerclement, la chasse
et
problèmes
l'encerclement,
l'attaque dd'optimisation.
e plroies .
a chasse Les ect omportements
l'attaque pour cdoncevoir
e chasse l'algorithme
des loups gG ris,
WO tels
pour
que les
Ce comportement
suit :GWO pdour
l'algorithme
comme
mathématiquement e
chasse
comme peut
les psroblèmes
uit : êctre
le du'optimisation.
ne proie, sp
omportement ont
Cuette
eut stilisés pour m
'exprimer
chasse sc'exprime
oncevoir
athématiquement
→ → → →
n
ré = | C Xp − X n | (27)
→ n+1 → → →
X = Xn + UN. J (28)
POUR 15, 2
algorithmes 2022 Algorithmes , x 022, PEER 15, 365REVIEW 20 sur 30 19 sur 29
Figure 14. Figure
14. Hdiérarchie
Hiérarchie ominante ddominante des vgolombes
es volombes grises (dominance
rises (dominance cdroissante
croissante e bas en dhe
bas en haut).
aut).
→ →
Les vecteurs de coefficients A, C peuvent être obtenus comme suit :
.
→ → → → 27)
A = 2 un . r 1 − un (29)
.
→ 28)
Les vecteurs de coefficients , comme suit :être oC
peuvent = 2.→
r 2
btenus (30)
→ → →
où r 1, r 2 sont les nombres a léatoires
2 . entre 0 et 1, et a varie linéairement de
(29) 2 à 0. La chasse est généralement menée par des alphas connus sous le nom
de leaders, qui sont suivis par d2. es bêtas et des deltas qui peuvent chasser à
l'occasion.
Les loups blessés de la meute sont soignés par 30) delta et oméga. En conséquence,
nous nous
linéairement
référons à
d
a e
lpha
2
à
cl a
omme
c ompréhension
l a
s olution
d
c
sont les nombres aléatoires entre 0 et 1, etandidate
e l 'emplacement
q ui
a
u
proie n
dme
eilleur
l a
arrête p roie.
o ù
L orsque
, varie
la
gris terminent
bêtas et la chasse.
0. La dceltas
hasse
qui
est
peuvent
généralement
chasser màenée
l'occasion.
leaders,
par des ad
qLui
es e
bouger,
slphas
ont
loups
suivis ples
appelés ar ldoups
blessés des
e la
meute sont soignés par delta Le comportement de chasse des loups gris peut s'exprimer
ainsi :
proie aerrête
t oméga.
dqui aE un
conséquence,
e bouger,
ne mles
eilleure nous nous référons
loups cgompréhension
ris terminent à alpha comme
Cd1.e la localisation des plroies.
a solution candidate
Lorsque la
→ → → → → → → → → → → →
Da = Xα X ; Dβ = la C1.Xβ X ; Dδ = C1.Xδ − X (31)
chasse.
Le comportement de chasse des loups gris peut être exprimé comme suit :
→ → → → → → → → → → → →
X1 =. Xα
− A
; 1. Da ; .X2 = Xβ ;
− A2. . X3 = Xδ − A3.
Dβ ; Dδ (31) (32)
→
. ; → n+1
. → ;
→
. (32)
X3
X = X1 + X2 + (33)
3
(33)
Le schéma fonctionnel du système 3 PV avec la technique MPPT est présenté à la Figure 6.
La puissance de sortie est calculée pour chaque loup gris, ou rapport cyclique, une fois que Vpv
et Ipv ont été mesurés à l' aide de capteurs. L'organigramme de GWO est présenté à la Figure 15.
6. La puissance
L'organigramme
une fois dd
qe
e
ue
sGortie
lWO
es Vee
pv
st
st
e
cpalculée
t
résenté
Ipv ont
péàour
té
la
mcFhaque
esurés
igure 1l5.
oup
à l'aide
gris,
de
ou
capteurs.
rapport cyclique,
La courbe PV est classée comme ayant plusieurs pics avec plusieurs pics locaux (LP) et un pic
global (GP) pendant l'ombrage partiel. Il convient de noter qu'une fois que les loups ont localisé le MPP,
leurs vecteurs de coefficients corrélés approchent de zéro. La méthode suggérée vise à combiner GWO
avec un contrôle direct du rapport cyclique, c'estàdire que le rapport cyclique est maintenu à une valeur
constante au MPP, réduisant les oscillations en régime permanent présentes dans les techniques MPPT
conventionnelles, et enfin, la perte de puissance due à l'oscillation est réduit, ce qui conduit à une plus
grande efficacité du système. Le MPPT basé sur GWO est implémenté en définissant le rapport cyclique
D comme un loup gris. Par conséquent, l'équation (28) peut être exprimée comme suit :
Di (k + 1) = Di (k) − A∙D (34)
En conséquence, la fonction de fitness de l'algorithme GWO s'écrit
k
P(di ) > P(di k−1 ) (35)
où P représente la puissance, d le rapport cyclique, i le nombre actuel de loups gris et k le nombre
d'itérations.
,
Algorithmes Algorithmes 2022 2022,, 1515, x
POUR L'ÉVALUATION PAR LES PAIRS
365
2120 sur 29 sur 30
Commencer
Initialise la position aléatoire de 'n' loup
gris dans les dimensions 'd'
Évaluer la condition physique
Fonction pour chaque loup
utilisant
ITAE
Résolvez la population en Iter =Iter+1
meute en fonction de la
fonction de fitness et
classez les loups
Trouver α,β,δ et
initialiser 'a'
Mettre à jour la position
des loups en utilisant
eqs(2733) et mettre à jour 'a'
Non Nombre Oui

Meilleure solution de sortie pour
d'itérations <
booster le convertisseur
itermax
Fin
Figure 15. Organigramme de GWO. Figure 15. Organigramme de GWO.
3.3.6. Algorithme de
Jaya La courbe PV est classée comme ayant plusieurs pics avec plusieurs pics locaux (LP)
De
essaim pnour
qu'une ombreux
fois
MPPT les cae
hercheurs
pplications ont
t un pic global proposé
des (lGP)
oups ddans
ifférentes
pendant techniques
la ll'ombrage
ittérature p d'intelligence
[42–65].
artiel. Il C
est
ependant,
à noter en
les
performances de la majorité de ceuxci localisent le MPP, leurs vecteurs de
coefficients corrélés approchent de zéro. Les techniques de méthode suggérées
dépendent
le
dire
réduction
d'autres
cproisement,
as
oids
que
qui
dale fapport
ortement
'inertie
lgorithmes,
dvres
ise
olàa d
scillations
csmombiner
ont es
utation
cyclique
lres p
equis aramètres
techniques
eeG
n
t
eWO
(lst
rw) ;
a
égime Msermanent
smélection
aaintenu
dvec
ans
p pécifiques
uPPT,
ln
e
dà
ces
ontrôle

as
PeSO,
pt
darents àd irect
e' nfin,
u
pne l'algorithme.
lrésentes
es vp
lsa
aleur
aramètres
ont
pderte
u de lpP ar
ndcrécessaires.
ans
apport
onstante
'AG ecaxemple,
cuissance
ognitifs
cyclique, cdl2)
ans
onventionnelle,
u
DM e
(c1,
PP,
d
mue
cême,
'està
à
a
et
l'oscillation
coucou
du système. s ont r éduites, c onduisant à
d es a ugmentations
(CS), ACO, l'algorithme Bat, ABC, le GWO, etc., nécessitent une efficacité t elles q ue l a r echerche de
Le M PPT
réglage
entraîner de b
un asé s ur
paramètre. G
loup gris sU WO e st i
ousoptimal. mplémenté e n d éfinissant l e
r
ne sélection ou un réglage incorrect des paramètres peut apport c yclique D
c omme
comme
introduite.
Par conséquent,
spécifique
suit :
à l'algorithme
solution.
l'équation
Pour
appelée
(r28)
ésoudre
peut
l' algorithme
êctre
e pe
roblème,
xprimée
Di (k u+ne
1)
technique
= Di(k) − As∙D
ans
Jaya
paramètres
(JA) est
34)
En conséquence, la fonction de fitness de l'algorithme GWO s'écrit
RV Rao a introduit l'algorithme Jaya en 2016, inspiré des activités humanoïdes ou animales
[115]. Dans de nombreux cas, tous les humains ou animaux d'une population sont biologiquement
distincts. Cependant, ils s'inspirent tous de l'élite ou des membres fermes de la population et cherchent
à se distancer des membres paresseux ou faibles de la population. Tout au long de cet algorithme,
une solution candidate s'éloigne de la pire solution, tout en se dirigeant simultanément vers la meilleure
solution en mimant cette nature.
En raison de sa convergence rapide et de sa simplicité, cet algorithme a été utilisé efficacement pour résoudre
une variété de problèmes d'ingénierie [116119].
Soit p la taille de la population (m = 1, 2–p), n le nombre de variables (v = 1, 2–n) et
ITAE (Equation (39)) représente la fonction de fitness qui doit être minimisée . L'ITAE identifie
la meilleure option de la population comme Xbest et la pire solution de la population comme
Xworst. La valeur de la vème variable pour le mème candidat dans la ième itération est
donnée par Xv,m,i . Ensuite, la valeur mise à jour de chaque variable Xobtenue
dans
v,m,i
la cpp
opulation
eut être
omme suit :
X (36)
v,m,i = Xv,m,i + r1 (Xv,meilleur,i − |Xv,m,i |) − r2 (Xv,pire,i − |Xv,m,i |)
Dans l'équation (36), tous les membres de la population se dirigent toujours vers la
meilleure solution (indication '+') et s'éloignent de la pire solution (indication ''). De plus, l'
équation montre que, contrairement à d'autres algorithmes, l'algorithme proposé ne dépend
d'aucun paramètre spécifique à l'algorithme. La valeur mise à jour du membre de la population
(X (v,m,i) ) n'est acceptée que si elle est supérieure à l'ancienne valeur (X (v,m,i)). r1 et r2
sont des nombres aléatoires allant de 0 à 1.
X Xv,m,i , ITAE(Xv,m,i) > ITAE X
v,m,i = (37)
v, m, je
X Sinon
v,m,i ,
La fonction objectif de l'optimisation du problème MPPT est de maximiser la puissance générée
par les générateurs PV, qui peut être exprimée comme (38). Les solutions de particules sont
considérées comme le rapport cyclique Di.
PD i,j k+1 > PD i,j k (38)
où P(Di ) représente la puissance instantanée au rapport cyclique Di .
La fonction de fitness pour maximiser la puissance de sortie PV peut être exprimée comme suit :
t sim
FF = Max{ t (VPV VPI) dt} (39)

0
Pour utiliser l'algorithme Jaya pour l'application MPPT solaire, les solutions de particules initiales
Di sont générées, puis elles sont mises à jour de manière itérative en prenant en compte les meilleures
et les pires solutions. L'organigramme du MPPT basé sur Jaya est présenté à la figure 16. L' équation
mathématique pour la mise à jour des solutions de particules est la suivante :
D (40)
= Di,j + r1 Di,meilleur − Di,j − r2 Di,pire − Di,ji,j
en compte. L'organigramme du MPPT basé sur Jaya est présenté à la figure 16. L'équation
mathématique pour la mise à jour des solutions de particules est la suivante :
, , , , , , (40)
Commencer
Initialisez le nombre de variables (i), la
taille de la population (j), le nombre maximal
d'itérations (t) et le critère de terminaison
Détecter l' IPV et le VPV
Évaluer la valeur Fitness
PPV=VPV*IPV et rapport cyclique D
Mettre à jour la solution basée sur l'équation
′
, , , , , ,
Si
, ,
Oui Non
, , , ,
Non
La résiliation estelle
Iter t=t+1
critère satisfait
Oui
Enregistrer la solution
optimale
Figure 16. Organigramme du MPPT basé sur Jaya. Figure 16. Organigramme du MPPT basé sur Jaya.
4. Discussions et analyse comparative
De nombreuses techniques MPPT peuvent être trouvées dans la littérature. Cette
recherche a mené une évaluation complète de la littérature sur les approches MPPT pour
l'ombre partielle (non uniforme) et l'irradiance uniforme. Ces techniques sont divisées en
trois catégories : techniques MPPT en ligne, hors ligne et intelligentes. Toutes les méthodes
MPPT visent à optimiser la puissance de sortie d'un système PV de manière indépendante. Ce qui su
aspects sont explorés dans cette section : la capacité de suivi du GMPP, la vitesse de convergence, la
complexité et la sensibilité aux changements environnementaux.
4.1. Capacité de suivi GMPP
En raison du fait que le système solaire PV ne reçoit pas un rayonnement solaire uniforme dans des
sites très proches en peu de temps, il existe une possibilité d'ombre partielle due à des conditions
inévitables. Ces conditions peuvent être responsables de la formation de pics multiples (LMPP) sur les
caractéristiques IV et PV, ce qui affecte l'efficacité de suivi du MPPT.
Les techniques MPPT en ligne et hors ligne sont incapables de suivre le GMPP dans des conditions
d'ombrage partiel, tandis que les techniques MPPT intelligentes sont capables de suivre le GMPP dans
toutes les conditions anormales, telles que des conditions uniformes et non uniformes.
4.2. Vitesse de
convergence Une technique MPPT efficace doit être capable de converger vers la tension et le
courant requis avec une vitesse et une précision élevées, que l'irradiance solaire change régulièrement ou
considérablement. Par rapport aux techniques MPPT intelligentes, la vitesse de convergence des techniques
hors ligne est rapide mais ne parvient pas à suivre le MPP précis, tandis que les techniques en ligne suivent
le MPP plus rapidement avec des oscillations constantes, mais convergent vers le LMPP dans des
conditions d'ombrage partiel . Les approches MPPT hors ligne ne fonctionnent jamais à un MPP précis et
ne conviennent donc pas aux systèmes efficaces. Les techniques MPPT en ligne ont des pertes de
puissance élevées sous ombrage partiel et la précision dépend de la taille de la perturbation.
De plus, les techniques intelligentes font converger le GMPP dans toutes les conditions anormales avec
une oscillation négligeable.
4.3. Complexité
La sélection d'un MPPT approprié, en gardant à l'esprit sa complexité de conception pour un système
PV spécifique, est considérée comme l'un des facteurs critiques. Le degré de précision avec lequel
l'algorithme recherche le vrai GMPP en présence de plusieurs LMPP détermine la complexité de l'approche
MPPT. Sinon, le système PV ne pourra pas capter le maximum d'énergie solaire. De plus, la configuration
et la mise en œuvre du MPPT dépendent de la connaissance de l'appareil par l'utilisateur, une personne
étant qualifiée pour traiter les circuits analogiques, tandis que l'autre préfère les circuits numériques.
Cependant, les algorithmes MPPT intelligents sont implémentés sous forme numérique, ce qui nécessite
des experts en programmation informatique et en logiciels.
4.4. Sensibilité
Une bonne technique MPPT doit être suffisamment sensible pour fonctionner dans toutes les
conditions anormales (uniformes et non uniformes) ou les changements atmosphériques. Il doit être capable
de réagir rapidement et de suivre le GMPP du système PV spécifique dans les conditions données. L'
évaluation comparative de toutes les techniques MPPT est présentée dans le tableau 6.
Tableau 6. Une évaluation comparative des techniques MPPT.
Hors ligne En ligne Intelligent

Type de technique MPPT MPPT MPPT MPPT
Vitesse de suivi Haut Haut Moyen

Précision du suivi Moins Modéré Haut
Suivi de l'efficacité Pauvre Moyen Très bien
Oscillations en régime permanent Moins Haut Moins
Suivi GMPPT sous PSC Oui Non Oui

Aptitude aux opérations à haut rendement Non Oui Oui
Adaptation aux conditions changeantes de l'environnement Non Non Oui
Les techniques MPPT hors ligne suivent le MPP sous un rayonnement uniforme avec une vitesse de
suivi rapide et moins d'oscillations. Ces méthodes ne parviennent pas à suivre le GMPP sous les PSC. De plus,
ils ne parviennent pas à suivre un MPP précis pour un rayonnement uniforme. L'inconvénient des techniques
hors ligne est qu'elles nécessitent une préestimation des paramètres. Par conséquent, pour surmonter ces
problèmes, les techniques MPPT hors ligne doivent être combinées avec les techniques heuristiques de suivi du
GMPP. De même, les techniques en ligne offrent une vitesse de suivi rapide, moins d'oscillations en régime
permanent et une meilleure efficacité de suivi. Cependant, ces techniques ne permettent pas de suivre les GMPP sous les P
Par conséquent, ils nécessitent des modifications et/ou doivent être combinés avec des techniques de nage.
Contrairement aux méthodes MPPT hors ligne et en ligne, les techniques intelligentes suivent le GMPP sous les PSC.
Les techniques MPPT intelligentes améliorent la précision du suivi, l'efficacité du suivi, les oscillations en
régime permanent et l'adaptation aux conditions climatiques changeantes. Cependant, la vitesse de
convergence de ces techniques est moindre avec de fortes oscillations de démarrage. Par conséquent, des
recherches supplémentaires doivent être menées pour améliorer la vitesse de convergence et réduire les
oscillations de démarrage.
Les revues existantes fournissent les techniques MPPT basées sur des conditions d'ombrage
uniformes et partielles. Ils ont fourni les détails de quelques techniques MPPT conventionnelles et basées
sur un algorithme en essaim. De plus, ils ont effectué une comparaison de ces techniques.
Les méthodes MPPT existantes présentent des inconvénients, comme le fait d'être piégé au MPP local
sous les PSC, des oscillations initiales élevées et une vitesse de suivi lente. De plus, pour surmonter ces
problèmes, des techniques MPPT intelligentes hybrides peuvent être formées en combinant les algorithmes
conventionnels et en essaim ou en combinant deux méthodes heuristiques.
5. Conclusions
Le solaire photovoltaïque est considéré comme la source d'énergie la plus prometteuse dans le
système de production d'énergie renouvelable, en raison de la disponibilité abondante de la lumière du
soleil. Cependant, il présente certains inconvénients, tels que des incohérences météorologiques, une faible
efficacité et un investissement initial élevé. En conséquence, MPPT est utilisé comme interface d'électronique
de puissance pour obtenir la puissance de sortie maximale du système PV dans des conditions d'ombrage
uniformes et non uniformes. Jusqu'à présent, des recherches approfondies ont été menées sur MPPT pour
améliorer l'efficacité des systèmes PV dans diverses conditions météorologiques. Cependant, la sélection
du MPPT approprié pour les configurations et les conditions spécifiques du système PV a toujours été
difficile. Par conséquent, cet article fournit un résumé précis et un examen approfondi des différentes
techniques MPPT. Cette recherche est basée sur les techniques les plus couramment utilisées ces dernières
années, qui ont été référencées dans la mise en œuvre MPPT. Pour résumer, une étude comparative basée
sur le capteur utilisé, la vitesse de convergence, la complexité et l'application dans des conditions
météorologiques dynamiques est brièvement examinée. Après un examen approfondi de toutes les
méthodes MPPT hors ligne, en ligne et intelligentes, il a été déterminé que les techniques MPPT hors ligne
permettent d'obtenir un MPP plus rapide, mais ne parviennent pas à suivre le MPP précis. Les techniques
MPPT en ligne suivent le MPP fas6er avec des oscillations constantes et ne parviennent pas à suivre le GMPP dans d
Cependant, les techniques MPPT intelligentes suivent le GMPP rapidement et avec précision dans des
conditions d'ombrage partiel et d'éclairement solaire qui changent rapidement. Cependant, du fait qu'il s'agit
d'algorithmes complexes, ils sont difficiles à mettre en œuvre à l'aide de technologies embarquées.
Contributions des auteurs : Conceptualisation, LB et NRK ; méthodologie, LB et NRK ; rédaction— préparation du projet original, LB ;
enquête, LB, NRK et SRS ; rédaction—révision et édition, LB et SRS ; visualisation, LB ; supervision, SRS Tous les auteurs ont lu et
accepté la version publiée du manuscrit.
Financement : Financement de la recherche universitaire de l'Université de Woosong — 2022.
Déclaration du comité d'examen institutionnel : sans objet.
Déclaration de consentement éclairé : non applicable.
Déclaration de disponibilité des données : Sans objet.
Conflits d'intérêts : Les auteurs ne déclarent aucun conflit d'intérêts.
Les références
1. Ahmed, M. ; Abdelrahem, M.; Kennel, R. Contrôle prédictif basé sur un système photovoltaïque connecté au réseau hautement efficace et robuste avec capacité de filtrage de Kalman.
Durabilité 2020, 12, 4542. [CrossRef]
2. Kannan, N. ; Vakeesan, D. L'énergie solaire pour le monde futur : un examen. Renouveler. Soutenir. Energy Rev. 2016, 62, 1092–1105. [Référence croisée]
3. BastidasRodriguez, JD ; Franco, E.; Petrone, G.; RamosPaja, Californie ; Spagnuolo, G. Architectures de suivi du point de puissance maximale pour les systèmes photovoltaïques dans des
conditions incompatibles : un examen. Électron de puissance IET. 2014, 7, 13961413. [Référence croisée]
4. Bhatnagar, P. ; Nema, RK Techniques de contrôle de suivi du point de puissance maximale : État de l'art dans les applications photovoltaïques.
Renouveler. Soutenir. Energy Rev. 2013, 23, 224–241. [Référence croisée]
5. Verma, D. ; Nema, S.; Shandilya, AM ; Dash, SK Techniques de suivi du point de puissance maximale (MPPT) : récapitulation dans les systèmes solaires photovoltaïques. Renouveler.
Soutenir. Energy Rev. 2016, 54, 1018–1034. [Référence croisée]
6. Reisi, AR ; Moradi, MH; Jamasb, S. Classification et comparaison des techniques de suivi du point de puissance maximale pour le système photovoltaïque : un examen. Renouveler.
Soutenir. Energy Rev. 2013, 19, 433–443. [Référence croisée]
7. Subudhi, B. ; Pradhan, R. Une étude comparative sur les techniques de suivi du point de puissance maximale pour les systèmes d'alimentation photovoltaïque.
IEEE Trans. Soutenir. Énergie 2012, 4, 89–98. [Référence croisée]
8. Kamarzaman, NA ; Tan, CW Un examen complet des algorithmes de suivi du point de puissance maximale pour les systèmes photovoltaïques.
Renouveler. Soutenir. Energy Rev. 2014, 37, 585–598. [Référence croisée]
9. Koutroulis, E.; Blaabjerg, F. Présentation des techniques de suivi du point de puissance maximale pour les systèmes de production d'énergie photovoltaïque.
Dans les dispositifs et systèmes d'énergie renouvelable avec simulations dans MATLAB® et ANSYS® ; CRC Press : Boca Raton, Floride, ÉtatsUnis,
2017 ; p. 91–130.
10. Ishaque, K. ; Salam, Z. Un examen des techniques de suivi du point de puissance maximale du système PV pour une insolation uniforme et partielle
Condition d'ombrage. Renouveler. Soutenir. Energy Rev. 2013, 19, 475–488. [Référence croisée]
11. Lyden, S.; Haque, ME Techniques de suivi du point de puissance maximale pour les systèmes photovoltaïques : un examen complet et une analyse comparative. Renouveler. Soutenir.
Energy Rev. 2015, 52, 1504–1518. [Référence croisée]
12. Liu, Y.H. ; Chen, J.H. ; Huang, J.W. Un examen des techniques de suivi du point de puissance maximale à utiliser dans les zones partiellement ombragées
Conditions. Renouveler. Soutenir. Energy Rev. 2015, 41, 436–453. [Référence croisée]
13. Seyedmahmoudian, M. ; Kok Soon, T.; Jamei, E.; Thirunavukkarasu, GS ; Horan, B.; Mekhilef, S.; Stojcevski, A. Suivi du point de puissance maximale pour
les systèmes photovoltaïques dans des conditions d'ombrage partiel à l'aide de l'algorithme Bat. Durabilité 2018, 10, 1347.
[Référence croisée]
14. Salam, Z. ; Ahmed, J.; Merugu, BS L'application de méthodes de calcul souples pour le MPPT du système PV : une revue technologique et d'état. Appl. Énergie 2013, 107, 135–148.
15. Kumar Dash, S. ; Nema, S.; Néma, RK ; Verma, D. Une évaluation complète des techniques de suivi du point de puissance maximale sous un rayonnement uniforme et non uniforme et son
impact sur les systèmes photovoltaïques : un examen. J. Renouveler. Soutenir. Énergie 2015, 7, 063113. [CrossRef]
16. Sher, HA ; Murtaza, AF ; Noman, A.; Addoweesh, KE ; Chiaberge, M. Une stratégie de contrôle intelligente de la technique de suivi du point de puissance maximale du courant de court
circuit fractionnaire pour les applications photovoltaïques. J. Renouveler. Soutenir. Énergie 2015, 7, 013114.
17. Sher, HA ; Murtaza, AF ; Noman, A.; Addoweesh, KE ; AlHaddad, K. ; Chiaberge, M. Un nouvel algorithme MPPT hybride sans capteur basé sur la mesure fractionnaire du courant de court
circuit et P&O MPPT. IEEE Trans. Soutenir. Énergie 2015, 6, 1426–1434.
18. Baimel, D. ; Tapuchi, S.; Levron, Y.; Belikov, J. Amélioration des méthodes MPPT de tension de circuit ouvert fractionnaire pour les systèmes PV. Électronique
2019, 8, 321. [Référence croisée]
19. Farayola, AM ; Hasan, AN ; Ali, A. Technique polynomiale d'ajustement de courbe comparée à la technique ANFIS pour le suivi du point de puissance maximale . Dans Actes du 8e Congrès
international sur les énergies renouvelables (IREC) 2017, Amman, Jordanie, 2123 mars 2017 ; p. 1–6.
20. Lasheen, M.; Rahman, alias ; AbdelSalam, M.; Ookawara, S. Amélioration des performances du MPPT à tension constante pour
Applications photovoltaïques utilisant l'algorithme génétique. Energy Procedia 2016, 100, 217–222. [Référence croisée]
21. Jately, V. ; Azzopardi, B.; Joshi, J.; Sharma, A.; Arora, S. Analyse expérimentale des algorithmes MPPT d'escalade sous faible
Niveaux d'éclairement. Renouveler. Soutenir. Energy Rev. 2021, 150, 111467. [CrossRef]
22. AlDhaifallah, M. ; Nassef, AM; Rezk, H.; Nisar, KS Conception optimale des paramètres de l'INCMPPT basé sur le contrôle d'ordre fractionnaire pour le système PV. Énergie solaire 2018,
159, 650–664. [Référence croisée]
23. Ferdous, SM ; Shafiullah, directeur général ; Oninda, MAM ; Shoeb, MA; Jamal, T. Technique de compensation en boucle fermée pour MPPT haute performance utilisant le contrôle de
corrélation d'ondulation. Dans Actes de la Conférence sur l'ingénierie énergétique des universités australasiennes (AUPEC) 2017, Melbourne, VIC, Australie, 1922 novembre 2017 ; p.
1–6.
24. Femia, N. ; Petrone, G.; Spagnuolo, G.; Vitelli, M. Optimisation des perturbations et observation de la méthode de suivi du point de puissance maximale.
IEEE Trans. Électron de puissance. 2005, 20, 963–973. [Référence croisée]
25. Pandey, A. ; Dasgupta, N.; Mukerjee, AK Algorithmes hautes performances pour l'évitement de la dérive et le suivi rapide dans le MPPT solaire
Système. IEEE Trans. Conversations d'énergie. 2008, 23, 681–689. [Référence croisée]
26. Li, J. ; Wang, H. Un nouveau système de génération PV autonome basé sur la taille de pas variable INC MPPT et le contrôle SVPWM. Dans Actes de la 6e conférence
internationale IEEE 2009 sur l'électronique de puissance et le contrôle du mouvement, Wuhan, Chine, 1720 mai 2009 ; pages 2155–2160.
27. Liu, F. ; Kang, Y.; Zhang, Y.; Duan, S. Comparaison des méthodes P&O et Hill Climbing MPPT pour le convertisseur PV connecté au réseau. Dans Actes de la 3e
conférence IEEE 2008 sur l'électronique industrielle et les applications, Singapour, 35 juin 2008 ; pp. 804–807.
28. Abdelsalam, AK ; Massoud, AM ; Ahmed, S.; Enjeti, PN Perturbation adaptative haute performance et observer la technique MPPT pour les microréseaux photovoltaïques.
IEEE Trans. Électron de puissance. 2011, 26, 10101021. [Référence croisée]
29. Zainuri, MAAM ; Radzi, MAM ; Che Soh, A.; Rahim, NA Développement de la perturbation adaptative et du suivi du point de puissance maximale de contrôle d'observation
floue pour le convertisseur CCCC de suralimentation photovoltaïque. IET Renouveler. Générateur de puissance. 2014, 8, 183–194. [Référence croisée]
30. Liu, F. ; Duan, S.; Liu, F.; Liu, B.; Kang, Y. Une méthode MPPT INC à taille de pas variable pour les systèmes PV. IEEE Trans. Ind. Électron. 2008,
55, 2622–2628.
31. Xiao, W. ; Dunford, WG A Modified Adaptive Hill Climbing MPPT Method for Photovoltaic Power Systems. Dans Actes de la 35e Conférence annuelle des spécialistes de
l'électronique de puissance IEEE 2004 (IEEE Cat. No. 04CH37551), AixlaChapelle, Allemagne, 2025 juin 2004 ; Volume 3, pages 1957–1963.
32. Ali, A. ; Irshad, K.; Khan, M.; Hossain, M.; AlDuais, I.; Malik, M. Intelligence artificielle et suivi maximal de la centrale électrique basé sur le calcul doux bioinspiré pour un
système solaire photovoltaïque dans des conditions d'ombrage d'irradiance solaire non uniformes Une revue. Durabilité 2021, 13, 10575. [CrossRef]
33. Alaraj, M. ; Kumar, A.; Alsaïdan, I. ; Rizwan, M.; Jamil, M. Une approche avancée et robuste pour maximiser l'énergie solaire photovoltaïque
Production d'énergie. Durabilité 2022, 14, 7398. [CrossRef]
34. Ghazi, G. ; Hasanien, H.; AlAmmar, E.; Turky, R.; Ko, W.; Park, S.; Choi, H. Contrôleurs PI basés sur l'algorithme d'optimisation des vautours africains pour l'amélioration
des performances des systèmes hybrides d'énergie renouvelable. Durabilité 2022, 14, 8172. [CrossRef]
35. Punitha, K. ; Devaraj, D.; Sakthivel, S. Algorithme de conductance incrémentielle modifié basé sur un réseau de neurones artificiels pour le suivi du
point de puissance maximale dans un système photovoltaïque dans des conditions d'ombrage partiel. Énergie 2013, 62, 330–340. [Référence croisée]
36. Elobaid, LM ; Abdelsalam, AK ; Zakzouk, EE Suivi du point de puissance maximale photovoltaïque basé sur un réseau de neurones artificiels
Techniques : Une enquête. IET Renouveler. Générateur de puissance. 2015, 9, 10431063. [Référence croisée]
37. Srinivasan, S. ; Tiwari, R.; Krishnamoorthy, M.; Lalitha, député ; Raj, KK Contrôle MPPT basé sur le réseau neuronal avec convertisseur de suralimentation quadratique
reconfiguré pour l'application de pile à combustible. Int. J. Hydrog. Énergie 2021, 46, 6709–6719. [Référence croisée]
38. Liu, C.L. ; Chen, J.H. ; Liu, Y.H.; Yang, Z.Z. Un algorithme MPPT asymétrique basé sur la logique floue pour le photovoltaïque
Systèmes. Énergies 2014, 7, 2177–2193. [Référence croisée]
39. Tang, S.; Soleil, Y. ; Chen, Y.; Zhao, Y.; Yang, Y.; Szeto, W. Une méthode MPPT améliorée combinant un ordre fractionnaire et un contrôle de logique floue. IEEE J.
Photovolt. 2017, 7, 640–650. [Référence croisée]
40. Aly, M.; Rezk, H. Une méthode MPPT améliorée basée sur le contrôle de la logique floue pour améliorer les performances du système de pile à combustible PEM.
Calcul neuronal. Appl. 2022, 34, 4555–4566.
41. Cheng, P.C. ; Peng, B.R.; Liu, Y.H.; Cheng, Y.S.; Huang, J.W. Optimisation d'un algorithme MPPT basé sur la logique floue
Utilisation de la technique d'optimisation des essaims de particules. Énergies 2015, 8, 5338–5360. [Référence croisée]
42. GonzalezCastaño, C. ; Restrepo, C.; Kouro, S.; Rodriguez, J. Algorithme MPPT basé sur une colonie d'abeilles artificielles pour le système PV. Accès IEEE 2021, 9,
43121–43133. [Référence croisée]
43. Soufyane Benyoucef, A. ; Chouder, A.; Kara, K.; Silvestre, S. Algorithme basé sur des colonies d'abeilles artificielles pour le suivi du point de puissance maximale (MPPT)
pour les systèmes photovoltaïques fonctionnant dans des conditions partiellement ombragées. Appl. Calcul doux. 2015, 32, 38–48. [Référence croisée]
44. Tajuddin, NPF ; Ayob, SM; Salam, Z.; Saad, MS Technique de suivi du point de puissance maximale basée sur l'évolution utilisant
Algorithme d'évolution différentielle. Construire de l'énergie. 2013, 67, 245252.
45. Ramasamy, S.; Tiret, SS ; Selvan, T. Un suivi intelligent du point de puissance maximale basé sur l'évolution différentielle (MPPT)
Technique pour réseau photo voltaïque (PV) partiellement ombragé. Int. J. Adv. Calcul doux. Son appli. 2014, 6, 1–16.
46. Koad, RB; Zobaa, AF ; ElShahat, A. Un nouvel algorithme MPPT basé sur l'optimisation de l'essaim de particules pour les systèmes photovoltaïques.
IEEE Trans. Soutenir. Énergie 2016, 8, 468–476. [Référence croisée]
47. Khare, A.; Rangnekar, S. Examen de l'optimisation des essaims de particules et de ses applications dans les systèmes solaires photovoltaïques. Appl. Doux
Calcul. 2013, 13, 2997–3006. [Référence croisée]
48. Ishaque, K. ; Salam, Z.; Amjad, M.; Mekhilef, S. Un MPPT amélioré basé sur l'optimisation de l'essaim de particules (PSO) pour le PV avec une oscillation à l'état stable
réduite. IEEE Trans. Électron de puissance. 2012, 27, 3627–3638. [Référence croisée]
49. Li, H. ; Yang, D.; Su, W.; Lu, J.; Yu, X. Un algorithme MPPT d'optimisation de l'essaim de particules de distribution globale pour le photovoltaïque
Système sous ombrage partiel. IEEE Trans. Ind. Électron. 2018, 66, 265275. [Référence croisée]
50. Sundareswaran, K. ; Palani, S. Application d'une optimisation combinée d'un essaim de particules et d'une méthode de perturbation et d'observation pour
MPPT dans les systèmes PV dans des conditions d'ombrage partiel. Renouveler. Énergie 2015, 75, 308–317. [Référence croisée]
51. Luta, DN ; Raji, AK Techniques MPPT d'optimisation basées sur des règles floues et d'essaim de particules pour une pile à combustible. Énergies 2019,
12, 936. [Référence croisée]
52. Jouda, A. ; Elyes, F.; Rabhi, A.; Abdelkader, M. Optimisation des facteurs d'échelle du contrôleur FuzzyMPPT pour le mode autonome
Système photovoltaïque par optimisation d'essaim de particules. Énergie Procedia 2017, 111, 954–963. [Référence croisée]
53. Ahmed, J. ; Salam, Z. Un suivi du point de puissance maximale (MPPT) pour le système PV utilisant la recherche de coucou avec ombrage partiel
Aptitude. Appl. Énergie 2014, 119, 118–130.
54. Ahmed, J. ; Salam, Z. Un MPPT Soft Computing pour système PV basé sur l'algorithme de recherche de coucou. Dans Actes de la 4e Conférence internationale sur l'ingénierie
énergétique, l'énergie et les entraînements électriques, Istanbul, Turquie, 1317 mai 2013 ; pages 558–562.
55. Kulaksız, AA ; Akkaya, R. Un algorithme MPPT basé sur ANN optimisé par algorithme génétique pour un système PV autonome avec
Entraînement par moteur à induction. Sol. Énergie 2012, 86, 2366–2375. [Référence croisée]
56. Daraban, S. ; Petreus, D.; Morel, C. Un nouvel algorithme MPPT (suivi du point de puissance maximum) basé sur un algorithme génétique modifié spécialisé dans le suivi du point
de puissance maximum global dans les systèmes photovoltaïques affectés par l'ombrage partiel.
Énergie 2014, 74, 374–388. [Référence croisée]
57. Kumar, P.; Jain, G.; Palwalia, DK Suivi de puissance maximale basé sur un algorithme génétique dans la production d'énergie solaire. Dans Actes de la Conférence internationale
2015 sur l'ingénierie de puissance et de contrôle avancée (ICPACE), Bangalore, Inde, 1214 août 2015 ; p. 1–6.
58. Hadji, S. ; Gaubert, J.P. ; Krim, F. MPPT basé sur des algorithmes génétiques en temps réel : étude et comparaison (théorique et expérimentale) avec des méthodes conventionnelles.
Énergies 2018, 11, 459. [CrossRef]
59. Hadji, S. ; Gaubert, J.P. ; Krim, F. Analyse théorique et expérimentale du MPPT basé sur des algorithmes génétiques pour les systèmes photovoltaïques.
Énergie Procedia 2015, 74, 772–787. [Référence croisée]
60. Sundareswaran, K. ; Peddapati, S.; Palani, S. MPPT des systèmes PV dans des conditions partiellement ombragées à travers une colonie de lucioles clignotantes. IEEE Trans.
Conversations d'énergie. 2014, 29, 463–472.
61. Titri, S.; Larbes, C.; Toumi, KY ; Benatchba, K. Un nouveau contrôleur MPPT basé sur l'algorithme d'optimisation des colonies de fourmis pour les systèmes photovoltaïques dans
des conditions d'ombrage partiel. Appl. Calcul doux. 2017, 58, 465–479. [Référence croisée]
62. Priyadarshi, N. ; Ramachandaramurthy, VK ; Padmanaban, S.; Azam, F. Un MPPT optimisé pour une colonie de fourmis pour un hybride autonome
Système d'énergie éolienne PV avec convertisseur Cuk unique. Énergies 2019, 12, 167. [CrossRef]
63. Zhou, L.; Chen, Y.; Liu, Q. ; Wu, J. Maximum Power Point Tracking (MPPT) Control of a Photovoltaic System Based on Dual
Recherche chaotique de transporteur. J. Contrôle. Théorie Appl. 2012, 10, 244–250.
64. Chen, M. ; Ma, S.; Wu, J.; Huang, L. Analyse de l'échec MPPT et développement d'un contrôleur non linéaire augmenté pour MPPT
des systèmes photovoltaïques dans des conditions d'ombrage partiel. Appl. Sci. 2017, 7, 95. [Référence croisée]
65. Sundareswaran, K. ; Peddapati, S.; Palani, S. Application de la méthode de recherche aléatoire pour le suivi du point de puissance maximale dans
Systèmes photovoltaïques partiellement ombragés. IET Renouveler. Générateur de puissance. 2014, 8, 670–678. [Référence croisée]
66. Ramaprabha, R. ; Balaji, M.; Mathur, BL Suivi du point de puissance maximale d'un système solaire photovoltaïque partiellement ombragé à l'aide de la méthode de recherche de
Fibonacci modifiée avec un contrôleur flou. Int. J. Electr. Système d'énergie d'alimentation. 2012, 43, 754–765. [Référence croisée]
67. Dallago, E.; Libérale, A.; Miotti, D.; Venchi, G. Algorithme MPPT direct pour les sources PV avec uniquement des mesures de tension. IEEE
Trans. Électron de puissance. 2015, 30, 6742–6750. [Référence croisée]
68. Pilakkat, D. ; Kanthalakshmi, S. Un algorithme P&O amélioré intégré à une colonie d'abeilles artificielles pour les systèmes photovoltaïques
dans des conditions d'ombrage partiel. Sol. Énergie 2019, 178, 37–47.
69. Ibnelouad, A. ; El Kari, A.; Ayad, H.; Mjahed, M. Amélioration de l'approche coopérative d'optimisation des réseaux de neurones artificiels et des essaims de particules pour les
systèmes solaires photovoltaïques utilisant le suivi du point de puissance maximale. Int. Trans. Électr. Système énergétique 2020, 30, e12439.
70. Da Rocha, MV ; Sampaio, LP; da Silva, SAO Analyse comparative des algorithmes MPPT basés sur l'algorithme Bat pour PV
Systèmes sous condition d'ombrage partiel. Soutenir. Technol. énergétique Évaluer. 2020, 40, 100761. [Référence croisée]
71. Guo, K. ; Cui, L.; Mao, M.; Zhou, L.; Zhang, Q. Un algorithme amélioré MPPT d'optimisation de loup gris pour le système PV avec BFBIC
Convertisseur sous ombrage partiel. Accès IEEE 2020, 8, 103476–103490.
72. Khan, NouveauMexique ; Mansoor, M.; Mirza, AF; Moosavi, SKR ; Qadir, Z. ; Zafar, MH Récolte d'énergie et analyse de la stabilité du système TEG centralisé sous une distribution
de température non uniforme. Soutenir. Technol. énergétique Évaluer. 2022, 52, 102028.
73. RAM, JP; Babu, TS ; Rajasekar, N. Un examen complet des techniques de suivi du point de puissance maximale solaire PV. Renouveler.
Soutenir. Energy Rev. 2017, 67, 826–847.
74. Bollipo, RB ; Mikkili, S.; Bonthagorla, PK Critical Review on PV MPPT Techniques: Classical, Intelligent and Optimization. IET
Renouveler. Générateur de puissance. 2020, 14, 1433–1452.
75. Pathy, S.; Subramani, C.; Sridhar, R.; Thamizh Central, TM ; Padmanaban, S. Algorithmes MPPT inspirés de la nature pour
Systèmes photovoltaïques ombragés : une étude comparative. Énergies 2019, 12, 1451. [CrossRef]
76. Ali, A. ; Almutairi, K.; Malik, MZ; Irshad, K.; Tirth, V.; Algarni, S.; Zahir, MH; Islam, S.; Shafiullah, M.; Shukla, NK Review of Online and Soft Computing Maximum Power Point Tracking
Techniques under NonUniform Solar Irradiation Conditions.
Énergies 2020, 13, 3256. [CrossRef]
77. Derbeli, M. ; Napoléon, C.; Barambones, O.; Sanchez, J.; Calvo, I. ; FernándezBustamante, P. Techniques de suivi du point de puissance maximale pour les panneaux
photovoltaïques : examen et applications expérimentales. Énergies 2021, 14, 7806. [CrossRef]
78. Laxman, B. ; Annamraju, A.; Srikanth, NV Un MPPT basé sur la logique floue optimisé par Grey Wolf pour le photovoltaïque solaire ombragé
Systèmes dans les microréseaux. Int. J. Hydrog. Énergie 2021, 46, 10653–10665.
79. Gao, L. ; Dougal, RA; Liu, S.; Iotova, AP Système solaire photovoltaïque connecté en parallèle pour répondre aux fluctuations partielles et rapides
Conditions d'ombre. IEEE Trans. Ind. Électron. 2009, 56, 15481556.
80. Hashim, N. ; Salam, Z. Évaluation critique des méthodes de calcul logiciel pour les algorithmes de suivi du point de puissance maximale des systèmes photovoltaïques. Int. J. Électron
de puissance. Système d'entraînement 2019, 10, 548. [Référence croisée]
81. Verma, D. ; Nema, S.; Shandilya, AM ; Dash, SK Analyse complète des techniques de suivi du point de puissance maximale dans les systèmes solaires photovoltaïques dans
des conditions d'insolation uniforme et d'ombrage partiel. J. Renouveler. Soutenir. Énergie 2015, 7, 042701.
82. Yan, K. ; Shen, H.; Wang, L.; Zhou, H.; Xu, M.; Mo, Y. Prévision de l'irradiance solaire à court terme basée sur un apprentissage en profondeur hybride
Méthodologie. Informations 2020, 11, 32. [CrossRef]
83. Santana, E.; Silva, R.; Zarpelão, B.; Barbon Junior, S. Détecter et atténuer les exemples contradictoires dans les tâches de régression : A
Étude de cas sur la prévision de la production d'énergie photovoltaïque. Renseignements 2021, 12, 394. [Référence croisée]
84. Hajiabadi, M. ; Farhadi, M.; Babaiyan, V.; Estebsari, A. Apprentissage en profondeur avec des ensembles de pertes pour la prévision de l'énergie solaire dans Smart
Villes. Villes intelligentes 2020, 3, 842–852. [Référence croisée]
85. Pinna, A.; Massidda, L. Une procédure pour l'estimation complète du recensement du potentiel photovoltaïque sur les toits dans les zones urbaines. Intelligent
Villes 2020, 3, 873–893. [Référence croisée]
86. Rajalakshmi, M. ; Chandramohan, S.; Kannadasan, R.; Alsharif, MH; Kim, M.K.; Nebhen, J. Conception et validation d' un système photovoltaïque basé sur l'algorithme BAT
utilisant un onduleur Quasi Boost à gain élevé simplifié. Énergies 2021, 14, 1086. [CrossRef]
87. Alturki, FA ; AlShamma'a, A.; MH Farh, H. Simulations et dSPACE RealTime Implementation of Photovoltaic Global
Extraction de puissance maximale sous ombrage partiel. Durabilité 2020, 12, 3652. [CrossRef]
88. Almutairi, A. ; AboKhalil, A.; Sayed, K.; Albagami, N. MPPT pour un système PV connecté au réseau pour améliorer l'efficacité sous
Conditions d'ombrage partiel. Durabilité 2020, 12, 10310. [CrossRef]
89. Islam, H. ; Mekhilef, S.; Shah, N.; Bientôt, T.; Wahyudie, A.; Ahmed, M. Contrôleur MPPT coordonné proportionnelintégral amélioré avec vitesse
de suivi rapide pour les systèmes photovoltaïques connectés au réseau dans des conditions partiellement ombragées. Durabilité 2021, 13, 830.
90. Pandiyan, P. ; Saravanan, S.; Prabaharan, N.; Tiwari, R.; Chinnadurai, T.; Babu, N.; Hossain, E. Mise en œuvre de différents MPPT
Techniques dans l'arbre solaire PV dans des conditions d'ombrage partiel. Durabilité 2021, 13, 7208. [CrossRef]
91. Nagadurga, T. ; Narasimham, P.; Vakula, V. Suivi global du point de puissance maximale des chaînes solaires photovoltaïques dans des conditions d'ombrage partiel à l'aide de
la technique d'optimisation de l'essaim de chat. Durabilité 2021, 13, 11106. [CrossRef]
92. Bindi, M. ; Corti, F.; Aizenberg, I.; Grasso, F.; Lozito, G.; Luchetta, A.; Piccirilli, M.; Reatti, A. Surveillance basée sur l'apprentissage automatique
des convertisseurs DCDC dans les applications photovoltaïques. Algorithmes 2022, 15, 74. [CrossRef]
93. Alaraj, M. ; Dubé, A.; Alsaïdan, I. ; Rizwan, M.; Jamil, M. Conception et développement d'un convertisseur performant pour l'énergie solaire photovoltaïque
Système de production d'énergie durable basé. Durabilité 2021, 13, 2045. [CrossRef]
94. Kanagaraj, N. Générateur photovoltaïque et thermoélectrique Système d'énergie hybride combiné avec une technique améliorée de suivi du point de puissance maximale pour
une efficacité de conversion d'énergie plus élevée. Durabilité 2021, 13, 3144. [CrossRef]
95. Kedika, NR ; Bhukya, L.; Punna, S.; Motamarri, R. Onduleur monophasé à sept niveaux avec convertisseur élévateur à plusieurs niveaux pour systèmes solaires photovoltaïques.
Dans Actes de la deuxième conférence internationale 2022 sur les technologies de puissance, de contrôle et de calcul (ICPC2T), Raipur, Inde, 1er au 3 mars 2022 ; p. 1–6.
96. Vitorino, MA ; Hartmann, LV; Lima, AM ; Corrêa, MB Utilisation du modèle de la cellule solaire pour déterminer le point de puissance maximale des systèmes photovoltaïques.
Dans Actes de la conférence européenne 2007 sur l'électronique de puissance et ses applications, Aalborg, Danemark, 2–5 septembre 2007 ; p. 1–10.
97. Ali, A. ; Almutairi, K.; Padmanaban, S.; Tirth, V.; Algarni, S.; Irshad, K.; Islam, S.; Zahir, MH; Shafiullah, M.; Malik, MZ
Enquête sur les techniques MPPT dans des conditions d'irradiation solaire uniformes et non uniformes une rétrospection. Accès IEEE 2020, 8, 127368–127392. [Référence
croisée]
98. Fapi, CBN ; Wira, P.; Kamta, M.; Tchakounté, H. ; Colicchio, B. Simulation et implémentation matérielle DSPACE d'un algorithme MPPT de courant de courtcircuit fractionnaire
amélioré pour système photovoltaïque. Appl. Sol. Énergie 2021, 57, 93–106.
99. Bu, L.; Quan, S.; Han, J.; Li, F.; Li, Q. ; Wang, X. Tension de circuit ouvert fractionnaire de traversée sur site avec sortie ininterrompue
Puissance pour le suivi du point de puissance maximal des systèmes photovoltaïques. Électronique 2020, 9, 1802. [CrossRef]
100. Salas, V. ; Olias, E.; Barrado, A.; Lazaro, A. Examen des algorithmes de suivi du point de puissance maximale pour le photovoltaïque autonome
Systèmes. Sol. Matière énergétique. Sol. Cellules 2006, 90, 1555–1578. [Référence croisée]
101. Yilmaz, U. ; Kircay, A.; Borekci, S. Méthode MPPT de logique floue du système PV et contrôle PI en tant que contrôleur de charge. Renouveler. Soutenir.
Energy Rev. 2018, 81, 994–1001. [Référence croisée]
102. Safari, A. ; Mekhilef, S. Simulation et implémentation matérielle du MPPT à conductance incrémentielle avec méthode de contrôle direct
Utilisation du convertisseur Cuk. IEEE Trans. Ind. Électron. 2010, 58, 11541161. [Référence croisée]
103. Femia, N. ; Petrone, G.; Spagnuolo, G.; Vitelli, M. Une technique pour améliorer les performances P&O MPPT du double étage
Systèmes photovoltaïques connectés au réseau. IEEE Trans. Ind. Électron. 2009, 56, 4473–4482.
104. Ahmed, J. ; Salam, Z. Un P&O MPPT adaptatif amélioré pour un suivi rapide et efficace dans des conditions environnementales variables.
IEEE Trans. Soutenir. Énergie 2018, 9, 1487–1496.
105. Tsang, KM ; Chan, WL Suivi du point de puissance maximale pour les systèmes PV dans des conditions d'ombrage partiel utilisant le courant
Balayage. Conversations d'énergie. Géré. 2015, 93, 249–258. [Référence croisée]
106. Matsuura, M. ; Nomoto, H.; Mamiya, H.; Higuchi, T.; Masson, D.; Fafard, S. Plus de 40 W de puissance électrique et de données optiques
Transmission à l'aide d'une fibre optique. IEEE Trans. Électron de puissance. 2020, 36, 4532–4539. [Référence croisée]
107. Brunton, SL ; Rowley, CW; Kulkarni, SR; Clarkson, C. Suivi du point de puissance maximale pour l'optimisation photovoltaïque à l'aide
Contrôle de recherche extrême basé sur l'ondulation. IEEE Trans. Électron de puissance. 2010, 25, 25312540. [Référence croisée]
108. Yau, H.T. ; Wu, C.H. Comparaison des techniques de contrôle à recherche extrême pour le suivi du point de puissance maximale dans le photovoltaïque
Systèmes. Énergies 2011, 4, 2180–2195. [Référence croisée]
109. Kimball, JW ; Krein, PT Contrôle de corrélation d'ondulation en temps discret pour un suivi maximal du point de puissance. IEEE Trans. Pouvoir
Électron. 2008, 23, 23532362. [Référence croisée]
110. Shiau, J.; Wei, Y.; Chen, B. Une étude sur les algorithmes MPPT d'énergie solaire basés sur la logique floue utilisant différentes entrées floues
Variables. Algorithmes 2015, 8, 100–127. [Référence croisée]
111. Remoaldo, D. ; Jesus, I. Analyse d'un algorithme de perturbation et d'observation traditionnel et à logique floue amélioré pour le MPPT d'un système photovoltaïque.
Algorithmes 2021, 14, 24. [CrossRef]
112. Sheraz, M.; Abido, MA Un contrôleur MPPT efficace utilisant l'évolution différentielle et le réseau de neurones. Dans Actes de la Conférence internationale IEEE 2012
sur l'électricité et l'énergie (PECon), Kota Kinabalu, Malaisie, 25 décembre 2012 ; p. 378–383.
113. Bhukya, L. ; Nandiraju, S. Une nouvelle technique de suivi du point de puissance maximale photovoltaïque basée sur Grasshopper Optimized
Approche logique floue. Int. J. Hydrog. Énergie 2020, 45, 9416–9427. [Référence croisée]
114. Rezaei, H. ; BozorgHaddad, O.; Chu, X. Algorithme d'optimisation du loup gris (GWO). Dans Optimisation avancée par NatureInspired
Algorithmes ; Springer : Berlin/Heidelberg, Allemagne, 2018 ; p. 81–91.
115. Rao, RV ; Saroj, A. Un algorithme Jaya autoadaptatif basé sur plusieurs populations pour l'optimisation de l'ingénierie. Essaim Evol. Calcul.
2017, 37, 1–26.
116. Rao, RV ; Plus, K.; Taler, J.; Oc\lo ́n, P. Optimisation dimensionnelle d'un dissipateur thermique à microcanaux à l'aide de l'algorithme Jaya. Appl.
Thermie. Ing. 2016, 103, 572–582. [Référence croisée]
117. Warid, W.; Hizam, H.; Mariun, N.; AbdulWahab, Flux de puissance optimal de NI à l'aide de l'algorithme Jaya. Énergies 2016, 9, 678.
118. Bhukya, L. ; Annamraju, A.; Nandiraju, S. Une nouvelle technique de suivi du point de puissance maximale basée sur l'algorithme Rao1 pour le système solaire
photovoltaïque dans des conditions d'ombrage partiel. Int. Trans. Électr. Système énergétique 2021, 31, e13028. [Référence croisée]
119. Rao, RV ; Raï, DP ; Balic, J. Optimisation du processus de meulage de surface à l'aide de l'algorithme Jaya. In Intelligence computationnelle dans les données
Exploitation minière—Volume 2 ; Springer : Berlin/Heidelberg, Allemagne, 2016 ; p. 487–495.

Algorithms 15 00365 v2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algorithms 15 00365 v2

Transféré par

Droits d'auteur :

Formats disponibles

Machine Translated by Google

Algorithmes 2022, 15, x POUR ÉVALUATION PAR LES PAIRS (b) 7 sur 30

Techniques MPPT Techniques MPPT Techniques MPPT

Vre f = K1 × Voc(cellule pilote) (7)

CF Oui Oui Moyen Moyen Complexe

Perturbations (∆V) Changement de puissance (∆P) Prochaine direction de perturbation

∆V > 0 (Positif) ∆V ∆P > 0 (Positif) ∆P Positif

Mode Perturbation Niveau MPP Statut

ModeI dP dI

P&O Non Non Modéré Haut Simple

RCC Non Oui Modéré Haut Complexe

E(k) NE SN PS BP PS BP ∆D PS BP

80 40 40 80 50 25 0 25 50 0,02 0,01 0 0,01 0,02

BP BP BP BP BP BP BP BP ZÉ ZÉ ZÉ ZÉ

Vi(k + 1) = WVi(k) + C1rand1 (Pbesti(k) − Xi(k)) + C2rand2 (Gbesti(k) − Xi(k)) (21)

Non Nombre Oui

FF = Max{ t (VPV VPI) dt} (39)

Hors ligne En ligne Intelligent

Vitesse de suivi Haut Haut Moyen

Suivi GMPPT sous PSC Oui Non Oui

Vous aimerez peut-être aussi

Algorithms 15 00365 v2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algorithms 15 00365 v2

Transféré par

Droits d'auteur :

Formats disponibles

Machine Translated by Google

Algorithmes 2022, 15, x POUR ÉVALUATION PAR LES PAIRS (b) 7 sur 30

Techniques MPPT Techniques MPPT Techniques MPPT

Vre f = K1 × Voc(cellule pilote) (7)

CF Oui Oui Moyen Moyen Complexe

Perturbations (∆V) Changement de puissance (∆P) Prochaine direction de perturbation

∆V > 0 (Positif) ∆V ∆P > 0 (Positif) ∆P Positif

Mode Perturbation Niveau MPP Statut

Mode­I dP dI

P&O Non Non Modéré Haut Simple

RCC Non Oui Modéré Haut Complexe

E(k) NE SN PS BP PS BP ∆D PS BP

­80 ­40 40 80 ­50 ­25 0 25 50 ­0,02 ­0,01 0 0,01 0,02

BP BP BP BP BP BP BP BP ZÉ ZÉ ZÉ ZÉ

Vi(k + 1) = WVi(k) + C1rand1 (Pbesti(k) − Xi(k)) + C2rand2 (Gbesti(k) − Xi(k)) (21)

Non Nombre Oui

FF = Max{ t (VPV VPI) dt} (39)

Hors ligne En ligne Intelligent

Vitesse de suivi Haut Haut Moyen

Suivi GMPPT sous PSC Oui Non Oui

Vous aimerez peut-être aussi

ModeI dP dI

80 40 40 80 50 25 0 25 50 0,02 0,01 0 0,01 0,02