UNIVERSITÉ DE REIMS CHAMPAGNE-ARDENNE

ÉCOLE DOCTORALE SNI – SCIENCES DU NUMERIQUE ET DE L’INGENIEUR (N°620)

THÈSE EN CO-TUTELLE
Pour obtenir le grade de

DOCTEUR DE L’UNIVERSITÉ CADI AYYAD

Discipline : GÉNIE ÉLECTRIQUE

Et

DOCTEUR DE L’UNIVERSITÉ DE REIMS CHAMPAGNE-ARDENNE

Discipline : SCIENCES DU NUMERIQUE ET DE L’INGENIEUR

Spécialité : ATS – AUTOMATIQUE ET TRAITEMENT DE SIGNAL

Présentée et soutenue publiquement par

HAJAR DOUBABI

Le 7 juillet 2021

CONTRIBUTION A L’AMELIORATION DE L’EFFICACITE D’UNE CHAINE DE

CONVERSION PHOTOVOLTAÏQUE

Thèse dirigée par M. Mohammed CHENNANI, Université Cadi Ayyad, Maroc

Et par M. Najib ESSOUNBOULI, Université de Reims Champagne-Ardenne, France

JURY

M. Driss BELKHAYAT ZOUKKARI , Professeur, Université Cadi Ayyad, Président

M. Mohammed CHADLI, Professeur, Université Paris-Saclay, Examinateur

M. Abdelaziz HAMZAOUI, Professeur, Université de Reims Champagne-Ardenne, Examinateur

M. Rachid BOUYEKHF, Maître de Conférences HDR, Université de Technologie de Belfort-Montbéliard, Rapporteur

M. Mohamed KHAFALLAH, Professeur, Université Hassan II, Rapporteur

M. Lhoussain EL BAHIR, Maître de Conférences HDR, Université Cadi Ayyad, Examinateur

M. Najib ESSOUNBOULI, Professeur, Université de Reims Champagne-Ardenne, Directeur de thèse

M. Mohammed CHENNANI, Professeur, Université Cadi Ayyad, Directeur de thèse

Remerciements
Les travaux de recherche présentés dans ce mémoire ont été menés conjointement au sein du
Laboratoire des Systèmes Electriques Efficacité Energétique et Télécommunications
(LSEEET) de l’Université Cadi Ayyad et du Centre de Recherche en Sciences et Technologies
de l’Information et de la Communication (CReSTIC) de l’Université de Reims Champagne-
Ardenne.

Tout d'abord, je dois une énorme dette de gratitude à mes directeurs de thèse Monsieur Najib
ESSOUNBOULI, Professeur à l’Université de Reims Champagne- Ardenne, et Monsieur
Mohammed CHENNANI, Professeur à l’Université Cadi Ayyad, pour la confiance qu’ils m’ont
accordé en acceptant de m’encadrer pour cette thèse. Je leur remercie très chaleureusement pour
leur soutien, leur orientation et leur encouragement au cours de ma thèse.

Je voudrais remercier spécialement Monsieur Issam SALHI, Professeur de l’Université Cadi

Ayyad, pour avoir assuré de manière agréable le suivi quotidien de mon travail et pour m’avoir
fait profiter de son expérience. Ses compétences scientifiques, ses conseils, sa disponibilité
téléphonique et sa qualité humaine ont largement contribué à l’aboutissement de ce travail.

Je suis heureuse d’exprimer ma profonde gratitude à tous ceux qui par leur propos, leurs écrits
ou leurs comportements ont contribué, directement ou indirectement à l’élaboration de ce
travail.

Enfin, mes remerciements les plus profonds vont à mes parents et mes frères qui n'ont jamais
cessé de m'encourager et surtout dans les situations les plus difficiles, leur accompagnement et
leur immense soutien moral et affectif m'ont vraiment aidé pour mener à bien mon travail. Je
les remercie du fond du cœur pour l’amour qu’ils me donnent.

2
3
Contribution à l’amélioration de l’efficacité d’une chaine de conversion photovoltaïque

Grâce à son caractère d’abondance et d’innocuité pour l’environnement, l'énergie photovoltaïque

représente l'une des technologies les plus prometteuses pour relever le défi mondial du changement
climatique et répondre au besoin d’une énergie propre et d’un développement durable. L'objectif de cette
thèse est d'apporter une contribution scientifique au domaine de la conversion de l’énergie
photovoltaïque. Cette contribution vise principalement l’optimisation de la production de l’énergie
photovoltaïque ainsi que son transfert vers la charge avec le minimum de pertes possibles. Dans un
premier temps, nous avons modélisé les éléments d’une chaîne typique de conversion d’énergie
photovoltaïque et validé ces modèles dans le but de les utiliser pour la synthèse d’algorithmes de contrôle
fiables. Ensuite et afin d'obtenir un rendement énergétique maximal, nous avons développé une nouvelle
commande (MPPT), basée sur la logique floue et le contrôle non linéaire backstepping, permettant une
poursuite du point de puissance maximum rapide et précise. Cette commande est validée en simulation
et expérimentalement sous des conditions atmosphériques réelles. Pour réduire les pertes dans les
composants de puissance lors de la conversion d’énergie, nous avons choisi d’utiliser un convertisseur
DC-DC Boost trois-niveaux, connu par ses caractéristiques intéressantes en termes d’efficacité et de
fiabilité. Une présentation détaillée de la conception pratique de ce convertisseur a été donnée. Nous
nous sommes intéressés ensuite au développement de stratégies performantes pour la commande en
poursuite du convertisseur et pour l’équilibrage des tensions des condensateurs en sortie.

Mots clés : Convertisseur DC-DC, Photovoltaïque, MPPT, Modélisation, contrôle

Contribution to efficiency enhancement of a photovoltaic energy conversion chain

The transition to renewable energy sources has recently received a greater consideration due to their
incredible reduction of the greenhouse gas emissions. Solar photovoltaic energy is one of the cleanest
and most abundant energy sources on the planet, which make it a reliable means of supplying electricity
to the world. This thesis mainly focuses on the optimization of the photovoltaic energy production as
well as its transfer to the load with the minimum possible losses. First, the elements of a typical
photovoltaic power conversion chain are modeled in order to use the resulted models for the synthesis
of reliable control algorithms. Then and in order to obtain maximum energy efficiency, we have
developed a Takagi-Sugeno Fuzzy- integral backstepping- based hybrid MPPT technique enabling
rapid, accurate and efficient tracking. This MPPT technique is verified through simulations via
Matlab/Simulink and experimental outdoor tests. To reduce the losses in the PV power conversion
system, we have chosen to use the three-level DC-DC Boost structure, known for its interesting
characteristics in terms of efficiency and reliability. A detailed presentation of the practical design of
this converter structure has been given. Afterwards, we focused on the development of effective
strategies for the converter output control and for the balancing of the output capacitors voltages.

Keywords : DC-DC converter, Photovoltaïcs, MPPT, Modeling, control.

Discipline : SCIENCES DU NUMERIQUE ET DE L’INGENIEUR

Spécialité : ATS - Automatique et Traitement de Signal

Université Cadi Ayyad – Faculté des Sciences et Techniques

Laboratoire des Systèmes électriques, efficacité énergétique et

télécommunications - (LSEEET)

112 Boulevard Abdelkrim Al Khattabi, Marrakech 40000, Maroc Université de Reims Champagne-Ardenne –

CRESTIC - EA 3804

UFR Sciences Exactes et Naturelles - Moulin de la

Housse - BP 1039 - 51687 Reims CEDEX 2
4
 Table des matières
Remerciements ......................................................................................................................... 2
Introduction générale ............................................................................................................... 8
Chapitre 1 : Etude et modélisation d’une chaine de conversion photovoltaïque ............. 11
1. Introduction ................................................................................................................................... 11
2. Le générateur photovoltaïque ........................................................................................................ 12
2.1. Principe de la conversion photovoltaïque............................................................................... 12
2.2. Modèle électrique d’une cellule photovoltaïque .................................................................... 13
2.3. Influence de l’éclairement et de la température...................................................................... 15
2.4. Association de cellules photovoltaïques ................................................................................. 16
2.6. Rendement d’un générateur photovoltaïque ........................................................................... 18
2.7. Couplage optimale entre le générateur PV et la charge.......................................................... 19
2.8. Simulation et validation expérimentale du modèle du générateur PV ................................... 19
3. Batterie de stockage d’énergie ...................................................................................................... 21
3.1. Principe de fonctionnement .................................................................................................... 21
3.2. Caractéristiques principale d’une batterie .............................................................................. 22
3.3. Types de batterie .................................................................................................................... 23
3.4. Modélisation de la batterie ..................................................................................................... 24
3.4.1. Modèle équivalent d’une batterie .................................................................................... 24
3.4.2. Identification des paramètres du modèle de la batterie ................................................... 26
3.5. Simulation et validation du modèle de la batterie : ................................................................ 30
4. Étage d’adaptation ......................................................................................................................... 31
4.1. Structure générale et principe de fonctionnement .................................................................. 31
4.1.1. Convertisseur DC-DC Buck ............................................................................................ 31
4.1.2. Convertisseur DC-DC Boost ........................................................................................... 34
4.2. Modélisation des convertisseurs DC-DC ............................................................................... 36
4.2.1. Généralités ....................................................................................................................... 36
4.2.2. Modèle moyen des convertisseurs Buck et Boost ........................................................... 40
4.2.3. Modèle petits signaux des convertisseurs Buck et Boost ................................................ 41
5. Conclusion ..................................................................................................................................... 42
Chapitre 2 : Conception d’une commande MPPT optimale .............................................. 44
1. Introduction ................................................................................................................................... 44
2. Les techniques MPPT rencontrées dans la littérature.................................................................... 44
2.1. Techniques conventionnelles.................................................................................................. 45
5
 2.1.1. Techniques MPPT conventionnelles standards ............................................................... 45
2.1.2. Techniques MPPT conventionnelles améliorées ............................................................. 47
2.2. Techniques avancées .............................................................................................................. 50
2.2.1. Techniques basées sur l’intelligence artificielle : ............................................................ 50
2.2.2. Techniques basées sur l’approche méta-heuristique : ..................................................... 51
2.2.3. Techniques basées sur le contrôle non linéaire : ............................................................. 51
2.3. Techniques hybrides ............................................................................................................... 52
3. Développement d'une nouvelle technique MPPT hybride ............................................................ 52
3.1. Technique MPPT proposée : .................................................................................................. 54
3.2. Approximateur flou TS : ........................................................................................................ 56
3.2.1. Rappels sur l’approche floue de type TS :....................................................................... 56
3.2.2. Description de l’approximateur flou TS proposé : .......................................................... 56
3.2. Contrôleur non linéaire « backstepping avec action intégrale » ............................................. 57
3.2.1. Principe de contrôle par la méthode « backstepping avec action intégrale » .................. 57
3.2.2. Synthèse du contrôleur non linéaire « backstepping avec action intégrale » .................. 58
4. Simulation et pratique de la commande MPPT proposée.............................................................. 62
4.1. Résultats de simulation ........................................................................................................... 64
4.1.1. Test de variations d’éclairement ...................................................................................... 64
4.1.2. Test dynamique basé sur la norme EN 50530 ................................................................. 66
4.1.3. Etude comparative entre la technique MPPT proposée et celles existantes dans la
littérature ................................................................................................................................... 69
4.2. Implémentation pratique ......................................................................................................... 72
4.2.1. Description de la Plate-forme utilisée ............................................................................. 72
4.2.2. Résultats expérimentaux.................................................................................................. 75
5. Conclusion ..................................................................................................................................... 81
Chapitre 3 : Convertisseur DC-DC Boost trois niveaux ..................................................... 83
1. Introduction ................................................................................................................................... 83
2. Etat de l’art sur les convertisseurs DC-DC Boost ......................................................................... 84
2.1. Classification générale des convertisseurs DC-DC ................................................................ 84
2.2. Les techniques d'élévation de tension..................................................................................... 86
3. Convertisseur DC-DC Boost trois niveaux ................................................................................... 89
3.1. Description de la topologie ..................................................................................................... 89
3.2. Principe de fonctionnement .................................................................................................... 90
3.3. Simulation de la structure du CBTN ...................................................................................... 96
3.3. Réalisation expérimentale du CBTN .................................................................................... 100

6
 3.3.1. Partie puissance ............................................................................................................. 101
3.3.2. Partie commande ........................................................................................................... 103
3.4. Validation pratique du prototype du CBTN réalisé .............................................................. 107
4. Conclusion ................................................................................................................................... 113
Chapitre 4 : Contrôle du convertisseur DC-DC Boost trois niveaux .............................. 115
1. Introduction ................................................................................................................................. 115
2. Commande en poursuite du CBTN ............................................................................................. 116
2.1. Modélisation du CBTN ........................................................................................................ 116
2.2. Synthèse du contrôleur proposé............................................................................................ 120
2.3. Validation du CFTS.............................................................................................................. 126
3. Contrôle de l'équilibre des tensions des condensateurs ............................................................... 127
3.1. Modélisation du CBTN ........................................................................................................ 128
3.2. Synthèse du contrôleur d’équilibrage des tensions des condensateurs ................................. 130
3.3. Validation du contrôleur d’équilibrage proposé ................................................................... 134
4. Conclusion ................................................................................................................................... 137
Conclusion générale et perspectives ................................................................................... 139
Bibliographie......................................................................................................................... 141
Annexe A : Circuit du convertisseur DC-DC Boost classique réalisé au laboratoire ... 154
Annexe B : Calcul du circuit d’amortissement RC ........................................................... 155

7
Introduction générale

La production d’électricité par conversion de la lumière à l’aide de cellules

photovoltaïques connait un essor fulgurant en ce début de XXIe siècle avec un fort taux de
croissance annuel. L'énergie solaire est disponible en abondance, pour cette raison, il est
considéré comme l'une des solutions les plus adaptées aux besoins actuels de la production
d'énergie électrique propre. De nouvelles approches technologiques seront toujours nécessaires
afin d’assurer une production photovoltaïque à haute rendement et de dépasser ainsi le seuil de
compétitivité par rapport aux autres sources d’énergie.

Les orientations actuelles des recherches et développements dans le domaine du

photovoltaïque sont basées d’une part, sur le développement de nouveaux procédés de
croissance de silicium multi-cristallin (l’élément de base formant une cellule photovoltaïque),
de réduction des épaisseurs et l’amélioration des dispositifs photovoltaïque, et d’autre part sur
l’émergence de ces dispositifs et l’optimisation des chaines de conversion photovoltaïque en
général.

L’intégration des systèmes photovoltaïques dans des installations de production

d’électricité en sites isolées, sous forme de grandes centrales ou de toits photovoltaïques
connectés au réseau, nécessitera de plus en plus des systèmes intelligents de contrôle et de
maîtrise de l’énergie et par conséquent des convertisseurs d’électronique de puissance
performants [1].

La production d’électricité à travers un générateur photovoltaïque est certes garantie

mais se fait avec des pertes importantes de production et donc est plus chère que prévue. Ceci
est principalement dû à la caractéristique non linéaire et extrêmement changeante du générateur
photovoltaïque. En effet, les conditions météorologiques (l’éclairement solaire et la
température) ainsi que le type de charge connectée déterminent la production d'énergie d'un
générateur photovoltaïque à chaque instant. La commande effectuant une recherche de point de
puissance maximale, en couplant le générateur photovoltaïque à la charge à travers un
convertisseur de puissance, fait actuellement l'objet d'intensives recherches afin de faire face à
cette difficulté et par conséquent développer un générateur photovoltaïque à un haut niveau de
rendement et de rentabilité. C'est dans ce cadre que s’inscrit l’un des contributions principales
dans ce travail de thèse. Il est à noter aussi que les commandes proposées en littérature dans ce
8
contexte, sont peu souvent validées expérimentalement. De ce fait, un des fils conducteurs de
ces travaux de thèse sera l'implémentation et la validation expérimentale des outils et de la
commande proposées sur une plateforme à base de la carte DSP DS1104. Cette validation est
importante, en particulier, dans l’objectif du transfert méthodologique vers le milieu industriel.

Un convertisseur de puissance peut être caractérisé comme un système périodique, non-

linéaire et variant au cours du temps en raison de son fonctionnement basé sur la commutation.
La conversion est effectuée en stockant l’énergie de la source durant une partie de la période de
commutation, puis transférée vers la charge pendant le reste de la période de commutation ; et
ce grâce à une commande adéquate appliquée au niveau de l'interrupteur. L’une des difficultés
souvent envisagées dans une chaîne de conversion photovoltaïque est l'amélioration de la durée
de vie et la fiabilité de(s) convertisseur(s) de puissance utilisé(s) dedans. Les contraintes
électriques sont parmi les facteurs les plus importants qui doivent être réduits, puisqu’ils
accélèrent le vieillissement des composants du convertisseur de puissance [2]. La littérature est
très prolifique dans ce domaine en émergence et propose régulièrement une grande quantité de
structures et topologies spécifiques de convertisseur de puissance. La difficulté actuelle est
d’arriver à connaitre les performances exactes de ces nouvelles topologies et d’en faire le choix
convenable pour une chaine de conversion photovoltaïque. De point de vue commande, les
convertisseurs DC-DC présentent un comportement dynamique non linéaire et leur
modélisation dépend du rapport cyclique ce qui rend leur commande plus complexe. Nous
développons dans le cadre de cette thèse des lois de commande avancées pour un
fonctionnement optimale de l’étage du convertisseur de puissance, ce qui permettra par
conséquent l’amélioration le rendement d’une chaine de conversion photovoltaïque. Tout au
long de cette thèse, nous avons ainsi étudié et amélioré individuellement les différentes parties
de cette chaîne, par une approche systématique du point de vue structure de conversion et lois
de commande à mettre en œuvre. Les critères de haut rendement, grande fiabilité, robustesse et
simplicité de mise en œuvre ont été considérés.

La raison du choix du logiciel MATLAB/Simulink, pour les différentes simulations

effectuées dans le cadre de cette thèse, est qu’il est très répandu dans le domaine académique
et disponible dans la plupart des universités, des organismes industriels et de recherche. Il est
également utilisé dans plusieurs disciplines de l’ingénierie. Il offre plusieurs fonctionnalités
permettant de simuler des systèmes très complexes (partie électronique et électrique) et des
systèmes distribués de production d’énergie [3].
9
 Ce manuscrit est composé de quatre chapitres :

Le premier chapitre introduit le fonctionnement et les principales propriétés des

différents éléments constituant une chaine de conversion d’énergie photovoltaïque, à savoir le
générateur photovoltaïque, le convertisseur DC-DC et les batteries de stockage. Ensuite, nous
avons présenté la modélisation de chacun de ces éléments. Ceci permet de bien évaluer chaque
étage de la chaine conversion photovoltaïque et ainsi déterminer les domaines d'action
permettant l’amélioration du rendement énergétique.

Le deuxième chapitre est consacré, dans un premier temps, à une vue d'ensemble
bibliographique concernant les différentes techniques de commande MPPT. Ensuite, l’étude et
le développement d’une technique de recherche du point de puissance maximale (MPPT)
assurant des rendements importants dans de nombreuses conditions de fonctionnement, sont
présentés. Les principaux résultats de simulation et expérimentaux de cette technique sont
exposés en fin de chapitre.

Le troisième chapitre présente un état de l’art des principales topologies des

convertisseurs DC-DC de type élévateur ayant cours actuellement. Le convertisseur Boost DC-
DC trois niveaux fera l’objet d’une étude plus poussée, en particulier, différents aspects
concernant la conception expérimentale sont évoqués. Les problématiques de répartition
d’énergie dans ce type de convertisseur est signalé afin de mettre en évidence les lois de
commande introduites au chapitre suivant.

Dans le quatrième chapitre, l’intérêt s’est porté sur la synthèse d’une stratégie pour la
commande en poursuite du convertisseur Boost DC-DC trois niveaux et une autre stratégie pour
l’équilibrage des tensions des condensateurs en sortie de ce convertisseur. Nous établirons deux
formes de modélisation du convertisseur. Une est utilisée pour développer une commande en
poursuite basée sur la logique flou de type Takagi-Sugeno et l’autre pour élaborer un régulateur
non linéaire basé sur la méthode backstepping permettant l’équilibrage des tensions des
condensateurs. Nous présentons les résultats de simulation démontrant la validité et les bonnes
performances de ces approches.

10
Chapitre 1 : Etude et modélisation d’une chaine de conversion
photovoltaïque

1. Introduction

Le générateur photovoltaïque (PV) est l'élément de base de toute chaine de conversion

photovoltaïque. Il est principalement composé d’un nombre de photopiles branchées en série
et/ou en parallèle de façon à créer une unité d’énergie électrique à une puissance donnée. Sa
production énergétique varie en fonction de différents facteurs tels que le type de matériau
constituant la photopile, les conditions climatiques (l’éclairement et la température) et le
vieillissement. D’où la nécessité d’introduire une commande appelée MPPT (en anglais
Maximum Power Point Tracking), permettant au générateur photovoltaïque de fournir le
maximum de puissance disponible.

L’utilisation d’une source d’énergie renouvelable induit le concept de stockage de

l’électricité en raison de la nature intermittente de telles ressources. Le choix du dispositif de
stockage dépend du type d’applications et la nature des besoins. Une chaine de conversion
photovoltaïque est généralement équipée d’un système de batteries d'accumulateurs qui permet
de stocker l’électricité et la restituer en période voulu.

Un transfert d’énergie optimale entre les éléments de la chaine de conversion PV peut

être assuré en insérant un étage d’adaptation composé d’un convertisseur DC-DC. Ce dernier
est un dispositif électronique contrôlé à travers son rapport cyclique de telle sorte à adapter les
niveaux de tensions entre le générateur PV et la charge d’une part et à mettre en œuvre la loi de
commande MPPT d’autre part.

Un aperçu du schéma conceptuel d’une chaine de conversion photovoltaïque est donné

à la figure 1.1. On présente dans ce chapitre la structure et le principe de fonctionnement de
base de chaque élément constituant la chaine de conversion PV. Une étude par modélisation
est aussi effectuée afin d’établir des modèles suffisamment précis et bien descriptif pour chaque
élément de la chaine ; ce qui sera utile pour développer des commandes performantes par la
suite. Les modèles présentés seront validés par des essais expérimentaux sur des éléments de la
chaine de conversion PV disponible au sein de notre laboratoire.

11
 Fig. 1.1. Schéma bloc d’une chaîne de conversion photovoltaïque typique

2. Le générateur photovoltaïque

2.1. Principe de la conversion photovoltaïque

Une cellule photovoltaïque (photopile) est un capteur composé de matériaux semi-

conducteurs absorbant l’énergie lumineuse et la convertissant directement en énergie électrique.
Cette conversion appelée « effet photovoltaïque » a été découverte par A. Becquerel en 1839
[1]. L’effet photovoltaïque est principalement obtenu par absorption de photons dans un
matériau possédant au moins une transition possible entre deux niveaux d’énergie (semi-
conducteur). Une énergie est nécessaire pour pouvoir transférer un électron de la bande de
valence à la bande de conduction, par exemple, 1.1eV pour le silicium cristallin, et 1,7eV pour
le silicium amorphe. Les photons absorbés d’énergie supérieure à ce gap peuvent créer une
paire d’électron trou, l’électron dans la bande de conduction et le trou dans la bande de valence.
Pour obtenir un courant, on sépare l’électron et le trou en créant un champ électrique dans un
semi-conducteur, une diode p-n. La zone n comporte un excès d’électron, la zone p un excès de
trou, donnant naissance à un champ électrique séparant les charges créées par l’effet
photovoltaïque. Une différence de potentiel s’établit aux bornes de la cellule photovoltaïque
comme il est illustré par figure 1.2. Pour le silicium, on obtient une zone p en le dopant avec du
bore et une zone n en le dopant avec du phosphore [1].

On peut distinguer trois principaux types de cellules photovoltaïques [1] : les cellules
monocristallines, les cellules poly(ou multi)cristallines et les cellules amorphes.

a- Les cellules « monocristallines » dites de première génération, sont formées d’un seul
cristal ordonné et permettent d’obtenir des rendements de conversion élevés de 15%
12
 jusqu'à 24 % en laboratoire. La méthode de production de ce type des cellules reste
cependant laborieuse et difficile et donc très chère.
b- Les cellules « poly(ou multi)cristallines » sont aujourd’hui la technologie la plus
utilisée. Ces cellules sont composées de plusieurs cristaux aux formes irrégulières. Leur
coût de production est moins élevé et nécessite moins d’énergie. Les cellules poly-
cristallines présentent un rendement de conversion de 13 à 20 % en laboratoire.

c- Les cellules « amorphes » possèdent une structure atomique désordonnée, c’est-à-dire,

non cristallisée. Ces cellules sont moins sensibles aux variations de rayonnement direct
et aux températures élevées. Le coût de la production est bien plus bas que celui des
cellules cristallines. Leur rendement de conversion est seulement 6 % par module et
atteint 13.4 % pour les cellules en laboratoire.

Fig. 1.2. Principe de conversion photovoltaïque

2.2. Modèle électrique d’une cellule photovoltaïque

Le comportement d’une cellule photovoltaïque peut être modélisé par le schéma

électrique équivalent donné à la figure 1.3. Il est principalement composé d’un générateur de
courant I ph proportionnel au rayonnement solaire reçu, une diode matérialisant le fait que le

courant ne circule pas au sens opposé, une résistance parallèle/shunt Rp qui est la conséquence
des contacts métalliques et les fuites inévitables sur la périphérie de la cellule, une résistance
série Rs due à la contribution des résistances intrinsèque des couches et des contacts avant et
arrière [4].

13
 Fig. 1.3. Schéma électrique équivalent d'une cellule photovoltaïque [5]

Les équations mathématiques décrivant ce schéma électrique sont données par [6] :

Vo  Rs .I o   V  R .I   V  R .I
I o = I ph  I d   I ph  I rsc exp  o s o   1  o s o (1.1)
Rp   Vth   Rp

où I rsc : est le courant de saturation inverse de la diode,

Vo : est la tension aux bornes de la cellule,

kB  A  Tcell
Vth  : est le potentiel thermodynamique, avec :
q

k B : constante de Boltzmann, A : facteur d'idéalité de la diode (1< A <5), Tcell : la température

de la cellule, q : la charge de l'électron.

Le photo-courant I ph peut être exprimé en fonction de la température et de

l’ensoleillement ‘ G en W/m² ’comme suit :

I ph =  I sc _ STC  K sc Tcell  Tcell _ STC 

G
(1.2)
G
STC

où I sc _ STC : est le courant de court-circuit nominal de la cellule,

Tcell _ STC = 25°C, GSTC = 1000W/m²,

K sc : est le coefficient de température du courant de court-circuit.

L’équation du courant de saturation inverse de la diode dépend de la température et

s’écrira :
3
 T   q  EG 1 
I rsc = I rsc _ STC  cell
T  exp   T cell _ STC  T 1cell  (1.3)
 cell _ STC   kB  A 

14
où EG est l'énergie de la bande interdite du semi-conducteur (en eV),

I rsc _ STC est le courant de saturation inverse nominal de la diode.

La relation courant-tension (I-V) conditionnant le fonctionnement électrique d’une

cellule photovoltaïque peut être décrite à travers la caractéristique illustrée sur la figure 1.4. On
distingue trois points remarquables sur la figure :

 La tension de circuit ouvert (Uco) : C’est la tension obtenue aux bornes d’une photopile
lorsqu’elle est placée sous une source lumineuse constante, sans aucun récepteur. C’est
la tension maximale qu’une cellule peut délivrée sous un ensoleillement donné. La
tension Uco dépend de la technologie de la cellule et de l’ensoleillement.
 Le courant de court-circuit (Icc) : Si l’on met une photopile en court-circuit, il produit
son courant maximal Icc à tension nulle.
 Point de puissance maximal ‘MPP’ (Pm=Um* Im) : L’utilisation la plus optimale d’une
cellule photovoltaïque consiste à faire fonctionner le récepteur au courant maximal Im
et sous la tension maximale Um où :
dP dUI
 0 (1.4)
dI dI

Fig.1.4. Caractéristique courant-tension d’une cellule photovoltaïque [4]

2.3. Influence de l’éclairement et de la température

Les figures 1.5 et 1.6 illustrent respectivement les caractéristiques (I-V/P-V) d'une
photopile en fonction du changement de l'éclairement et de la température. Sur ces deux figures

15
le courant, la tension et la puissance sont définis en unités normalisées. Tmax et Gmax sont les
valeurs nominales.

A partir de la figure 1.5, nous remarquons que le courant de court-circuit varie

directement avec le flux solaire incident alors que la tension varie légèrement en fonction de
l'éclairement. Ce qui traduit la forte influence de l'éclairement sur le courant généré par la
cellule.

La température a également une influence non négligeable sur la caractéristique de la

cellule, comme le montre la figure 1.6. Nous constatons que le courant reste relativement
constant. En revanche, l’élévation de la température engendre une diminution remarquable au
niveau de la tension et donc de la puissance.

(a) (b)
Fig.1.5. Caractéristiques d’une cellule photovoltaïque en fonction du changement de l’éclairement
(a) I-V (b) P-V [5]

(a) (b)
Fig.1.6. Caractéristiques d’une cellule photovoltaïque en fonction de changement de température
(a) I-V (b) P-V [5]

2.4. Association de cellules photovoltaïques

Une photopile au silicium de 10 cm2 délivre une puissance d’environ 1.25W dans les
conditions standards (1000W/m² ; 25°C). La cellule photovoltaïque élémentaire constitue donc

16
un générateur de très faible puissance au regard des besoins de la majorité des applications
domestiques ou industrielles. Un générateur photovoltaïque (GPV) est, ainsi, réalisé par
association en série et/ou en parallèle d'un certain nombre de cellules, afin de produire la
puissance souhaitée. Ces groupements sont appelés modules ou panneaux photovoltaïques.

Une association en série permet d’augmenter la tension (figure 1.7), les cellules sont
traversées par le même courant et la caractéristique résultante est obtenue par l’addition des
tensions à courant donné (figure 1.8). La plupart des panneaux commercialisés sont composés
de 36 cellules en série adaptés aux applications 12 V [7].

Fig.1.7. Association série des photopiles [7]

Fig.1.8. Caractéristique courant-tension d’une cellule et un panneau photovoltaïque ; a) Np cellules associées

en parallèle b) Ns cellules associées en série

Une association en parallèle permet d’augmenter le courant (figure 1.9), les cellules sont
soumises à la même tension et la caractéristique résultante est obtenue par addition de courants
à tension donnée (figure 1.8) [7].

Fig.1.9. Association parallèle des photopiles [7]

17
 Afin de produire des puissances encore plus importantes, les panneaux photovoltaïques
sont rassemblés et reliés en série et/ou en parallèle entre eux, pour créer un champ
photovoltaïque. Et afin d’éviter les pannes destructrices liées au groupement de cellules en
séries et de panneaux en parallèles, deux principaux types de protections électriques doivent
être ajoutées aux installations photovoltaïque conçues (figure 1.10) :

 La diode «by-pass» permet d’éviter les problèmes liés à l’éclairement non homogène
tel que l’apparition de points chauds et la destruction des cellules mal éclairées. Cette
diode permet au courant de circuler en isolant les cellules ombragées.
 La diode «anti-retour» sert à protéger les cellules d'un retour inverse de courant. Ce
phénomène peut se produire lors d’un assemblage de plusieurs panneaux en parallèle.

Fig.1.10. Champ photovoltaïque [7]

2.6. Rendement d’un générateur photovoltaïque

Le rendement énergétique d’un générateur photovoltaïque est le rapport entre la

puissance maximale générée Pm et la puissance du rayonnement solaire reçue. Soit E
l’éclairement incident en W/m² et S la surface du générateur, le rendement est donné par la
formule suivante [4] :

Pm
 (1.5)
ES

Ce rendement dépend du matériau et de la technique utilisés dans la fabrication des

cellules photovoltaïques. Il est généralement donné par les fabricants sur les fiches techniques
des panneaux photovoltaïques et il est mesuré dans des conditions standards spécifiques, soit

18
25°C en température et sous un ensoleillement de 1kW/m² ce qui correspond à 1,5AM (AM :
Air Mass).

2.7. Couplage optimale entre le générateur PV et la charge

Le point de fonctionnement d'un générateur PV est déterminé par l'intersection de sa

caractéristique I-V et celle de la charge. Le générateur PV peut être connecté à différents types
de charges dont les caractéristiques sont présentées sur la figure 1.11. D’une part, la
caractéristique I-V dépend de l'éclairement et de la température comme il a été décrit
précédemment ; d'autre part, le point de fonctionnement du générateur PV lors du couplage
direct à une charge n'est pas en général le point de puissance maximale. Ce qui nécessite
l’insertion d’un étage d’adaptation entre la charge et le générateur PV de façon à ce que
l'impédance d'entrée de cet étage coïncide au mieux avec la caractéristique optimale du
générateur PV [7]. L’étage d’adaptation est généralement composé d’un convertisseur de type
DC-DC contrôlé par une commande MPPT, permettant d’assurer le fonctionnement au point
de puissance maximale quelles que soient les perturbations. Nous détaillons ce point dans le
chapitre 2.

Fig.1.11. I -V caractéristiques d'un générateur PV et des différents types de charges qui peuvent y être
connectées.

2.8. Simulation et validation expérimentale du modèle du générateur PV

À partir des équations mathématiques (1.1) (1.2) (1.3) définissant le modèle électrique
équivalent d’une cellule PV, le modèle d’un panneau PV a été élaboré, puis simulé sous le
logiciel MATLAB/Simulink® et validé expérimentalement.

19
 Comme il a été expliqué, un ensemble de cellule PV associées en série et en parallèle
forme un panneau solaire à une puissance donnée. Notons que pour un panneau constitué de Ns
cellules en série et Np cellules en parallèle [8] : I ph = N p  I phcell , I rsc = N p  I rsc cell ,

Rs =  N s N p   Rs cell , Rp =  N s N p   Rp cell et Vth  N s Vthcell . Le nombre et la connexion des

cellules PV sont généralement fournis par le fabricant du panneau.

La figure 1.12 représente le schéma de simulation permettant de tracer les

caractéristiques I-V et P-V du modèle élaboré du panneau PV. Une résistance variable a été
branchée directement à la sortie du panneau afin de faire varier son point de fonctionnement.
La valeur de cette résistance doit être choisie en tenant compte des paramètres Uco et Icc du
panneau PV utilisé. La puissance produite par le bloc du panneau PV développé, dépend des
valeurs de l’éclairement solaire incident (G) et de la température (T) définies à l’entrée. En
considérant un panneau PV dont les paramètres sont listés sur le Tableau 1.1, les résultats de la
simulation sont donnés dans la figure 1.13.

Les caractéristiques (I-V, P-V) obtenues ont été comparées à celles tracées
expérimentalement, afin de valider le modèle de simulation élaboré. Le banc de test utilisé pour
tracer les caractéristiques expérimentales du panneau PV comporte une résistance variable
(rhéostat), un ampèremètre, un voltmètre et le générateur PV [8]. Pour différentes valeurs de
résistance, la tension aux bornes du panneau et l’intensité du courant générée ont été relevées
et les caractéristiques (I-V, P-V) sont ainsi tracés comme illustre la figure 2.13. Ce dernier est
le résultat d’un test expérimental qui a eu lieu le 20 mars 2018, à Marrakech, Maroc, à 11h15.
La température était de 19°C mesurée à partir de la station météo Davis Vantage Pro2 de notre
laboratoire. L'éclairement solaire était de 1006 W/m² mesurée à l'aide d'un pyranomètre à
thermopile SMP3 placé à la même orientation et inclinaison que le panneau PV. Notons que la
simulation a été effectuée pour les mêmes conditions météorologiques de ce test pratique.

D’après la figure 1.13, nous remarquons que les caractéristiques obtenues en simulation
et expérimentalement sont presque identiques, ce qui valide le modèle du générateur PV
développé sur Simulink.

20
 Tableau 1.1 : Paramètres d’un panneau PV 50W (MX FLEX 50Wc)
Paramètre Valeur
Puissance maximale 50W
Tension au point de puissance maximal 17.6 V
Courant au point de puissance maximal 2.84A
Tension de circuit ouvert 21.2V
Courant de court-circuit 3.04 A

Fig.1.12. Simulation du modèle du générateur photovoltaïque sous MATLAB/Simulink

(a) (b)
Fig.1.13. Les caractéristiques d’un générateur PV 50W obtenues en simulation et expérimentalement : (a) I-
V (b) P-V

3. Batterie de stockage d’énergie

3.1. Principe de fonctionnement

Une batterie (accumulateur) est un système électrochimique rechargeable constitué

d’une électrode positive et une électrode négative isolées électriquement l’une par rapport à
l’autre par un séparateur poreux, et le tout imprégné d’un électrolyte conducteur ionique. Le
fonctionnement d’une batterie est principalement basé sur des réactions électrochimiques
d'oxydation et de réduction se manifestant aux électrodes négatives et positives. La figure 1.14
représente une illustration du fonctionnement d’une batterie en mode de charge (Fig1.14.a) et
21
en mode de décharge (Fig1.14.b). Lorsque les électrodes sont reliées à travers une résistance
(mode de décharge), des électrons peuvent alors circuler de l'électrode négative vers l'électrode
positive. Le manque d’électron fait intervenir une réaction d'oxydation au sein de l'électrode
négative. Une réaction de réduction est produite par les électrons en arrivant sur l’électrode
positive. Le transfert des espèces ioniques assurant la réaction chimique globale s'effectuent à
travers l'électrolyte [9]. On note Red-/Ox- et Red+/Ox+ deux couples oxydo-réducteurs :

Electrode négative : Red- → Ox- + e

Electrode positive : Ox+ + e → Red+

La réaction globale d'oxydoréduction : Red- + Ox+ → Ox- + Red+

En mode de charge, les réactions sont forcées dans le sens inversé. La réaction globale
est la suivante : Red- + Ox+ ← Ox- + Red+

Ce système batterie permet donc d’emmagasiner de l'énergie électrique sous forme

chimique durant la phase de charge, puis de convertir cette énergie chimique en énergie
électrique durant la phase de décharge.

(a) (b)
Fig.1.14. Schéma d’une batterie en (a) décharge (b) charge [9]

3.2. Caractéristiques principale d’une batterie

Différentes grandeurs doivent être prises en compte lors du dimensionnement de la

batterie vis-à-vis de son installation future et durant son utilisation [10] :

 Valeurs limites : Ce sont des valeurs de tension, courant et température à ne pas excéder
lors de l’utilisation de la batterie. Un dépassement de ces conditions d'utilisation peut

22
 provoquer une dégradation significative des performances, voir même la destruction de
la batterie.
 Capacité : C’est la quantité de charges électriques qu'une batterie est capable
d’emmagasiner, et est représentée en Ampère-heure (Ah).
 Énergie stockable : C'est la quantité d'énergie qu'une batterie est capable
d’emmagasiner, et est représentée en Wattheure (Wh). Au contraire à la capacité, cette
grandeur prend en considération la variation de tension qui s'opère aux bornes de la
batterie.
 État de charge SOC (State Of Charge) : C’est le rapport (souvent exprimé en %) entre
la charge stockée (en Ah) à un instant « t » et la charge stockable (capacité en Ah) à un
instant de référence. Cette référence, d’après les sources, peut correspondre à la capacité
de la batterie fournie par le fabriquant (i.e. celle mesurée à la première utilisation), ou
bien à la capacité actuelle.
 État de santé SOH (State Of Health) : C’est un paramètre permettant de quantifier le
degré de vieillissement d'une batterie en se basant sur la dégradation de son impédance
interne et/ou de la perte de capacité.
 Rendement énergétique : Il s'agit du rapport entre l'énergie déchargée et l’énergie
chargée.
 Auto-décharge : C’est un phénomène qui se produit durant les phases de repos à cause
de certains processus électrochimiques, et se traduit par la perte d’une certaine quantité
d'énergie ou de charge au sein de la batterie.
 Durée de vie : dépend de nombreux paramètres tels que la température, les conditions
d’utilisation (grandeurs électriques), l'âge de la batterie et les contraintes physiques.

3.3. Types de batterie

Le tableau de la figure 1.15 résume les caractéristiques des différents types de batteries
qui existent sur le marché.

23
 Fig.1.15. Principales caractéristiques de différents types de batteries avec leurs avantages et inconvénients
[11]

Les batteries de type Plomb-acid et Lithium-ion sont considérées les plus prometteuses
pour le stockage d’énergie photovoltaïque [12]. Malgré son ancienneté, la technologie Plomb-
acid est la plus utilisée, en raison de son meilleur compromis entre la performance et le coût.
La technologie Lithium-ion est plus performante mais avec un coût plus élevé, la raison pour
laquelle elle est utilisée dans les applications où la fiabilité est vitale.

3.4. Modélisation de la batterie

3.4.1. Modèle équivalent d’une batterie

Le modèle de type ‘‘circuit électrique’’ permet de décrire le comportement de la batterie
avec une bonne approximation compte tenu des phénomènes électrochimiques à l’intérieur de
celle-ci. Différents modèles électriques ont été proposés dans la littérature [13], le circuit avec
un étage R//C représenté sur la figure 1.16, est le modèle le plus utilisée permettant d’offrir un
bon compromis entre la précision de modélisation, la simplicité de structure et la puissance de

calcul. Il est composé d’une source de tension U ocv (où OCV est ‘Open Circuit Voltage’ en
anglais) qui désigne la tension d’équilibre de la batterie, une résistance Rs représentant la
résistance interne de la batterie et une branche R//C traduisant le phénomène de transfert de
charge et les effets de double couche [14].

24
 Fig.1.16. Modèle électrique équivalent d’une batterie

Les équations électriques définissant ce modèle sont les suivantes :

V  U ocv  Rs I  U (1.6)

1 1
U  U I (1.7)
RC C

U ocv : la tension du circuit ouvert

V : la tension de sortie de la batterie
U : la tension aux bornes de la capacité.

Dans le fonctionnement normal de la batterie (entre 10 % et 90 % de SOC), la tension

du circuit ouvert évolue linéairement en fonction de l’état de charge de la batterie qui peut être
écrite sous la forme [10] :
U ocv  a.SOC  b (1.8)

De ce fait nous définissons le vecteur d’état qui inclut l’état de charge et la tension aux
bornes de la capacité comme variables d’état :
 SOC  t  
x t     (1.9)
 U t  

L’expression de l’état de charge d’une batterie à un instant t est donné par l’équation
(1.10) [15] :

 Idt
SOC  t   SOC0 
t0
(1.10)
Q0

25
où SOC0 est l’état de charge initiale, Q0 est la capacité réelle de la batterie et I est le courant
mesuré durant le mode de charge ou décharge de la batterie (un courant positif représente une
décharge de la batterie et inversement).

En dérivant l’équation (1.10) on obtient :

I
SOC  t    (1.11)
Q0

À partir de l’équation (1.7) et l’équation (1.11), on peut écrire :

 1
0 0  
 SOC     SOC   Q0 
   .I
 1 . (1.12)
 U  0   U   1 
 RC   C 

En remplaçant l’équation (1.8) dans (1.6) on obtient :

 SOC 
V   a 1     Rs I  b (1.13)
 U 

Ainsi, le modèle global de la batterie peut être exprimé par le système d’équations d’état
suivant :

 x   A.x   B .I
 (1.14)
V  C .x   D .I  b

 1 
0 0   Q   SOC 
où  A    ,  B    0  , C    a 1 ,  D   RS , x  
0  1   (1.15)
 1   U 
 RC   C 

3.4.2. Identification des paramètres du modèle de la batterie

La procédure d’identification des paramètres du modèle d’une batterie est basé sur deux
étapes : (i) réaliser des essais sur la batterie (ii) identifier la valeur de chaque paramètre de la
batterie à partir des données expérimentales obtenues [14].
Cette procédure d’identification a été adoptée pour l’identification des paramètres du
modèle d’une batterie lithium-ion LiFePO4, du fabricant NX POWER SWING, dont on dispose
sur le banc d’essai expérimental du laboratoire. Selon la plaque signalétique de cette batterie,
elle a une tension nominale de 12.8 V et une capacité nominale de 22Ah. La figure 1.17 présente
26
les équipements typiques utilisés pendant l’essai d’identification. Le BDX employé dans cet
essai est un dispositif permettant la décharge de la batterie à un courant constant.

Fig.1.17. Banc d’essai expérimental pour l’identification des paramètres de la batterie

 Détermination de la valeur de la capacité réelle de la batterie :

Le test permettant de déterminer la valeur de la capacité réelle peut être décrit comme
suit : La batterie a été initialement chargée à 100% de SOC, après une période de repos (retour
vers l’état d’équilibre), une décharge complète de la batterie à un courant constant (10A) a été
réalisée. La courbe d’évolution de la tension aux bornes de la batterie au cours de cet essai est
représentée sur la figure 1.18. La batterie est généralement considérée complètement déchargée
au moment où la tension commence à chuter rapidement, dans notre cas, lorsque la tension
minimale 12 V est atteinte. Le temps nécessaire pour arriver à la décharge complète de cette
batterie été de 7830s (environ 2,17 h). Donc la valeur de la capacité réelle de la batterie est :

Q0  10 A  2.17h  21.7 Ah (1.16)

Cette valeur obtenue est très proche à celle indiquée par le fabriquant.

Fig.2.18. Caractéristique de la tension de sortie de la batterie mesurée expérimentalement pendant sa

décharge à courant constant (10A)

 Détermination des valeurs de RS , R et C :

27
 Afin de déterminer la valeur de chacun de RS , R et C, un test permettant de tracer la
réponse typique en tension de la batterie à une sollicitation de courant en créneau, a été effectué.
La batterie a été déchargé pendant une durée de 30 min avec un courant constant de 10 A, suivi
d’une phase de repos où le courant délivré par la batterie est nul. À partir de la figure 1.19, nous
remarquons que la variation brusque du courant (de 10A à 0A) engendre un saut de la tension
de sortie de la batterie. Ce saut est utilisée pour l’identification de RS à travers la loi d’Ohm :

V
Rs   45m (1.17)
Id

où V est le saut de tension et I d est le courant de décharge.

Fig.1.19. La tension de sortie de la batterie mesurée pendant la phase de décharge et la phase de repos

Durant la phase de repos, le courant de décharge est nul et la tension du circuit ouvert
est constante (état d’équilibre), donc l’équation (1.7) devient :

1
U U 0 (1.18)
RC

Dont la solution est :

t t1

U (t )  U (t1 ).e 
avec   RC (1.19)

D’où, la tension aux bornes de la batterie pendant la phase du repos exprimée par (1.6)
devient :

t t1

V (t )  U ocv (SOC1 )  U (t1 ).e 
(1.20)

28
 Cette expression de V peut être rapprochée par une fonction non linéaire de la forme

f (t )  A  B.et , dont les coefficients A , B et  ont été calculé en utilisant la fonction « curve
1
fit » du logiciel Matlab. U ocv (SOC1 )  A  13.22V , U (t1 )  B  0.0722V ,    0.0104s 1 .

Les valeurs de ces coefficients permettent d’identifier les paramètres R et C comme suit :

Pendant la phase de décharge, l’équation (1.7) devient :

1 I
U U d (1.21)
RC C

Dont la solution de cette équation différentielle est :

t t0

U  t   R  (1  e 
)Id (1.22)

t t0

avec : U (t0 )  0 à t  t0 et U  t1   R  (1  e 
) I d  B à t  t1

Par conséquent, on obtient :

B
R t1 t0
 7.22m (1.21)

(1  e 
)Id


C  13.266kF (1.22)
R

 Détermination des valeurs des coefficients a et b de l’équation de U ocv  SOC 

La méthode utilisée pour déterminer les valeurs des coefficients a et b, consiste à

mesurer la tension à vide U ocv à differents SOCs et ainsi tracer la caractéristique. Pour cela, la
batterie a été initialement chargée à 100% de SOC (et donc la quantité de charge stockée dans
la batterie est de 21,7Ah), puis une succession de décharges à courant constant jusqu’à un SOC
faible a été appliqué. Une phase de repos d’une heure est imposée entre deux sollicitations de
la batterie afin de stabiliser la tension de la batterie, et puis mesurer la tension considérée comme
la tension à vide de la batterie au SOC correspondant. Ce qui permet d’obtenir l’évolution de

29
U ocv en fonction du SOC après décharge comme illustré sur la figure 1.20. A noter que durant
cet essai, la valeur de SOC est calculée en utilisant l’équation (1.10). Les valeurs des
coefficients a et b ont été obtenues par la fonction fit du logiciel Matlab utilisé pour la zone
linéaire de la courbe U ocv  SOC  : a  0.6 , b  12.8 .

Fig.1.20. Evolution de U ocv en fonction du SoC

3.5. Simulation et validation du modèle de la batterie :

Après avoir calculé les valeurs des paramètres du modèle global de la batterie, une
simulation de celui-ci a été effectuée sous le logiciel MATLAB/Simulink (figure 1.21(a)) afin
de le valider. La tension de sortie du modèle obtenue en simulation a été comparée à la tension
mesurée de la batterie réelle tout en appliquant le même courant de décharge (10A). Les
résultats donnés dans la figure 1.21(b), montrent que les deux courbes (en simulation et
expérimentale) sont presque superposées, ce qui confirme la validité du modèle proposé.

30
 (a)

(b)
Fig.1.21. (a) Le modèle de la batterie sous MATLAB/Simulink (b) la tension de sortie du modèle en
simulation et celle de la batterie réelle

4. Étage d’adaptation

Comme nous l’avons précisé précédemment, un étage d’adaptation doit être introduit
dans la chaine de conversion PV, dans le but d’optimiser le transfert d’énergie et assurer une
production maximale du générateur PV à l’aide d’une commande MPPT. Cet étage
d’adaptation est généralement un convertisseur de puissance continu-continu (DC-DC), connu
aussi sous l’appellation d’hacheur ou bien régulateur. Les deux convertisseurs de base que l’on
rencontre dans une chaine de conversion PV (Fig.1.1) sont souvent de type Buck (abaisseur) ou
Boost (élévateur), selon l’adaptation nécessaire entre le générateur PV et la charge. Dans cette
partie, nous rappelons le principe de fonctionnement de ces convertisseurs, les composants
électroniques qui les constituent ainsi que leur modélisation.

4.1. Structure générale et principe de fonctionnement

4.1.1. Convertisseur DC-DC Buck

Le convertisseur Buck ayant la structure de base illustré sur la figure 1.22, permet de
convertir une tension d'entrée DC en une tension de sortie DC de plus faible valeur. Il se
compose principalement d'un commutateur contrôlé S (e.g. MOSFET, IGBT, BJT), d'une diode
D1, d'une inductance L, d'un condensateur C et d'une charge dc. Les deux interrupteurs S et D1
31
forment une cellule de commutation permettant de contrôler le flux d'énergie de la source vers
la charge, alors que le rôle du condensateur et de l'inductance est le stockage et le transfert
d'énergie. L’interrupteur S est contrôlé par une modulation de largeur d'impulsions (en anglais
: Pulse Width Modulation, soit PWM), son état passant ou bloqué dépend de la fréquence de
commutation f s  1 T . Le rapport cyclique d est défini par l’équation (1.23).

ton t
d  on  f s  ton (1.23)
T ton  toff

avec ton : la durée de conduction de l'interrupteur S et toff : la durée de blocage de l'interrupteur

S.

Le fonctionnement du convertisseur Buck est basé sur les états des interrupteurs S et
D1 comme l’illustre la figure 1.23. Lorsque le convertisseur fonctionne en mode de conduction
continue, la représentation des formes d’ondes décrivant le principe de fonctionnement du
convertisseur Buck est donnée à la figure 1.24.

Fig.1.22. Convertisseur Buck [16]

(a) (b)
Fig.1.23. Schéma équivalent de convertisseur Buck lorsque le commutateur S (a) à l’état passant (b) à l’état
bloqué [16]

32
 Fig.1.24. Formes d’ondes du convertisseur Buck (tensions à gauche, courants à droite)[16]

La valeur moyenne de la tension de sortie est donnée par :

Vo  d VI (1.24)

où le rapport cyclique d est compris entre 0 et 1.

La valeur moyenne du courant en entrée du convertisseur est régie par la relation :
I I  d Io (1.25)

L’amplitude des ondulations du courant dans l’inductance iL est définie par la relation
suivante :
VI d 1  d 
iL  (1.26)
fs L

L’amplitude des ondulations de la tension en sortie Vo est exprimée par l’équation (1.27)
[16] :

33
 Vo 1  d  rCVo 1  d 
Vo   (1.27)
8 f s 2 LC fs L

où rC est la résistance série équivalente (ESR) du condensateur.

Les contraintes maximales de tension et de courant sur le commutateur S et la diode
pour le fonctionnement en régime permanent sont :

VSMmax  VDMmax  VImax (1.28)

iLmax
I SMmax  I DMmax  I omax  (1.29)
2
Notons que la structure du convertisseur Buck (figure1.22) peut être améliorée en
remplaçons la diode par un autre commutateur contrôlé (à RON de faible valeur) afin de générer
une chute de tension négligeable et atténuer les pertes de commutation dans le convertisseur.
Cette structure est appelé Buck synchrone [16]-[17].

4.1.2. Convertisseur DC-DC Boost

La structure du convertisseur Boost représentée sur la figure 1.25, permet de convertir
la tension d’entrée en une tension de sortie de plus forte valeur. Elle est composée d'une
inductance L, d'un commutateur contrôlé S, d'une diode D1, d'un condensateur C et d'une charge
dc (une résistance RL). L'état de l’interrupteur S (passant ou bloqué) dépend de la fréquence de
commutation f s  1 T et le rapport cyclique d  ton T ( ton est la durée de conduction de
l'interrupteur S) considérés. Deux modes de fonctionnement sont définis pour ce convertisseur
selon l'état de l’interrupteur S et la diode D1. Les schémas équivalents sont illustrés sur la figure
1.26. Les formes d’ondes de tensions et de courants décrivant le principe de fonctionnement du
convertisseur Boost (en mode de conduction continu) sont données à la figure 1.27.

Fig.1.25. Convertisseur Boost [16]

34
 (a) (b)
Fig.1.26. Schéma équivalent de convertisseur Boost lorsque le commutateur S (a) à l’état passant (b) à l’état
bloqué [16]

Fig.1.27. Formes d’ondes du convertisseur Boost (tensions à gauche, courants à droite) [16]

La valeur moyenne de la tension en sortie du convertisseur Boost peut être exprimée

comme suit :
1
Vo  VI (1.30)
1 d
avec d compris entre 0 et 1. Une telle équation montre la nature élévateur « Boost » du
convertisseur.

35
 L’expression de la valeur moyenne du courant en sortie du convertisseur est introduit
par :
I o  1  d  I I (1.31)

L’amplitude des ondulations du courant dans l’inductance iL est définie par la relation
suivante :
VI d
iL  (1.32)
fs L

L’amplitude des ondulations de la tension en sortie Vo est exprimée par l’équation (1.33)
[16] :

Vo d rCVo
Vo   (1.33)
f s RLC f s RL 1  d 

où rC est la résistance série équivalente (ESR) du condensateur.

Ces ondulations de la tension et du courant sont bien évidemment fonction des
paramètres du convertisseur, mais également le rapport cyclique d .
Les contraintes maximales de tension et de courant sur le commutateur S et la diode
pour le fonctionnement en régime permanent sont :

VSM  VDM  VO (1.34)

I omax i
I SMmax  I DMmax   Lmax (1.35)
1  d max 2

4.2. Modélisation des convertisseurs DC-DC

4.2.1. Généralités
Suite au jeu des interrupteurs, un convertisseur DC-DC change plusieurs fois de
configurations au cours d’une même période de fonctionnement, ce qui conduit à un système à
topologie variable. En outre, la représentation d’un système à base d’électronique de puissance
dépend de la connaissance de la physique du comportement du système, i.e. généralement des
équations différentielles qui régissent ses variables d’état.

Dans la vision système dans laquelle nous nous positionnons, nous considérons les
semi-conducteurs comme des interrupteurs parfaits, avec une résistance nulle à l’état passant et

36
infinie à l’état bloqué. Dans ces conditions, nous avons pour chaque configuration de la
structure, un système particulier d’équations : nous parlons ainsi d'un modèle à topologie
variable qui est linéaire par morceaux [18] et peut aussi se décliner sous la forme compacte
d’un système d’équations bilinéaires à entrée discontinue.

Ceci nous permet d’obtenir des modèles linéaires, pour chaque configuration, de la
forme :

 x  Ai x  BV
i I
 (1.35)
 y  Ci x
où x est l’état du système, Ai et Bi sont les matrices d’état dans la ième configuration (i=1, 2 en
mode de conduction continu).

En utilisant (1.35), nous présenterons dans ce qui suit trois méthodes de modélisation
principales des convertisseurs statiques.

- Modèle d’état instantané ou exact :

Le modèle exact est décrit sous la forme d’équations différentielles à entrée discontinue
et périodique, c’est un cas particulier de système à structure variable, le fonctionnement d’un
convertisseur fait apparaître plusieurs topologies ou configuration.

Entre deux commutations chaque configuration est indexée par un entier i. Pour chacune
d’elles, il faut écrire une équation différentielle ordinaire, dont les variables d’état sont les
courants dans les inductances et les tensions aux bornes des condensateurs ou des combinaisons
linéaires de ces courants et/ou tensions. Ce modèle est généralement conçu pour la vérification
ainsi que la validation des autres techniques de modélisation ou de commande. Il s’agit de la
résolution exacte des équations différentielles représentant le système dans chaque
configuration. En effet, si l’on considère que le convertisseur peut être décrit par (1.35) dans
chaque configuration, la solution exacte peut être donnée par :

xi  t   e
Ai  t t0 
 x t   A
i 0 i
1
i I   Ai BV
BV 1
i I (1.36)

Le modèle détaillé est obtenu en utilisant l’état final de la configuration précédente

comme valeur initiale de l’état de la configuration actuelle. Il garantit ainsi la description la
plus fidèle du comportement du convertisseur ; toutefois, son élaboration nécessite :

37
  Que toutes les matrices d'état Ai soient inversibles [19]. Ceci ne peut pas être possible
pour les différents modes de conduction du convertisseur. Ainsi, on est contraint de
passer d’une forme matricielle simple à la résolution de chacune des équations
différentielles relatives au cas où la matrice n’est pas inversible.
 Un temps de calcul important et un espace mémoire assez grand pour le traitement et le
stockage des données de ce modèle.
Dans beaucoup d’usages, et pour remédier à ces limitations, nous avons intérêt à
transformer le système original en un système continu qui représente macroscopiquement au
mieux les comportements dynamiques et statiques du convertisseur. A cet effet, le
comportement moyen est tout à fait adapté.

- Modèle moyen grands signaux :

Historiquement, le modèle d'espace d'état moyenné (en anglais : State Space Averaged
Model) a été publié par Middebrooke et Cuk, à la fin des années 70 [20]. Le mérite de
Middlebrook a été d’avoir fait une première formulation mathématique, de la modélisation
moyenne. Le principe de ce modèle consiste à reprendre les équations du modèle exact afin de
les moyenner [20].
Si l’on considère que le convertisseur est dans la ième configuration décrite par (1.35)
pendant une durée diT , le modèle moyen grands signaux est donné par (1.36) :

 xm   N di  Ai xm  BV
i I   Axm  BVI
 1
 (1.36)
ym  1 diCi xm  Cxm
N


où A  1 di Ai , B  1 di Bi et C  1 diCi .
N N N

t T t T
1 1
xm  t    x  d et ym  t    y  d
T t
T t

N est le nombre des configurations du convertisseur suivant le mode de conduction choisi et on


N
a: 1
di  1 .

La validité de ce modèle n’est assurée que si la bande passante du système est beaucoup
plus faible que la fréquence de commutation. Cette représentation considère, bien sûr, le vecteur
d’état xm et l’entrée VI , mais également d . Le rapport cyclique devient alors l’entrée du système

38
au sens de la commande. Cette représentation est non linéaire et est plus précisément bilinéaire :
produit du vecteur d’état avec la commande et de la tension d’entrée avec la commande.

- Modèle petits signaux :

Les modèles moyens grands signaux sont par essence non linéaires. Tels quels, ils ne
peuvent pas être utilisés pour synthétiser un correcteur linéaire ainsi que pour l’analyse des
modes (via les valeurs propres) du système considéré. Dans cette perspective, nous sommes
amenés à réaliser un modèle linéaire qui est aussi appelé modèle tangent ou modèle petits
signaux (en anglais : Small Signal Model), valables autour d’un point de fonctionnement
(régime permanent). Ce modèle permet de s’affranchir des problèmes de non linéarité, souvent
l’on suppose que la dynamique du système est assez lente ce qui permet d’ignorer l’influence
de la composante haute fréquence due au découpage sur le comportement des valeurs moyennes
des variables d’état calculées sur une période de commutation.

Pour ce faire, sur chaque variable  x, y, d  du système, une petite perturbation  xˆ , yˆ , dˆ 

m m

autour du point de fonctionnement  xm , ym , d  est introduite. On a donc : x  x  xˆm ; y  y  yˆ m

; d  d  dˆ avec : xˆm x ; yˆ m y ; d̂ d.

Le régime permanent est calculé en prenant xm  0 , ce qui donne sous réserve que A soit
inversible :
 xm  x   A1BVI
 1
(1.37)
 ym  y  C A BVI
En mode de conduction continue, il y a deux phases de fonctionnement : l’interrupteur
commandé est passant, S = 1 ; ou bloqué, S= 0. Dans chaque phase, le comportement dynamique
du convertisseur est représenté par un modèle linéaire qui provient directement des lois de
Kirchhoff qui décrivent le fonctionnement du circuit :

 x  A1 x  BV
S 1  1 I
(1.38)
 y  C 1 x

 x  A2 x  B2VI
S 0 (1.39)
 y  C2 x
Le modèle (1.36) devient dans ce cas :

39
  xm   2 di  Ai xm  BV
i I   Axm  BVI
 1
 (1.40)
ym  1 di Ci xm  Cxm
2


d1  d , d 2  1  d
A  dA1  1  d  A2
où : (1.41)
B  dB1  1  d  B2
C  dC1  1  d  C2

Le régime de variations est obtenu en négligeant les termes du second ordre, ce qui
donne le modèle petits signaux suivant [21] :
 xˆm  Axˆm  BVˆI   A1  A2  x   B1  B2 VI  dˆ
 (1.42)
 yˆ m  Cxˆm   C1  C2  xdˆ

4.2.2. Modèle moyen des convertisseurs Buck et Boost

Comme il a été déjà décrit, les circuits des deux convertisseurs (Buck et Boost) sont
constitués d’un interrupteur contrôlé S qui commutent périodiquement avec une fréquence de
commutation f s  1 T ; l'interrupteur S reste fermé pour une durée de dT et ouvert pour

1  d  T pendant chaque cycle de fonctionnement.

En se basant sur l'équation (1.36), le modèle moyen de chacun des deux convertisseurs
est obtenu par la pondération de son état dans sa première configuration (Buck : Fig1.23.a et
Boost : Fig1.26.a) et dans la deuxième (Buck : Fig1.23.b et Boost : Fig1.26.b) respectivement
par le rapport cyclique d et son complément d   1  d . Donc, le modèle moyen sera donné par:
 xm  Axm  BVI
 (1.43)
 ym  Cxm
où : A  dA1  1  d  A2 ; B  dB1  1  d  B2 ; C  dC1  1  d  C2 .

On considère le vecteur d'état instantané des convertisseurs composé par le courant dans
l'inductance et la tension aux bornes du condensateur x  iL vc  .
T

- Convertisseur Buck :
 0 1 L  d L 
A  B  C  0 1
1 C 1 RC   0 
- Convertisseur Boost :

40
  0  1  d  L 1 L 
A  B  B1    C  0 1
1  d  C 1 RC   0 
 
Le modèle moyen qui décrit les deux convertisseurs en régime statique est donné par
0  Axm  BVI
les deux équations suivantes : 
 ym  Cxm
Ce qui donne en régime permanent pour un rapport cyclique d et une tension d’entrée
 x  xm   A1BVI
VI bien déterminés :  1
 y  ym  C A BVI
Notons que d'après les expressions des matrices, le modèle moyen et par conséquent le
point de fonctionnement x dépendent fortement du rapport cyclique d . Donc, on peut
facilement déterminer le point de fonctionnement connaissant la valeur de d .

4.2.3. Modèle petits signaux des convertisseurs Buck et Boost

À cause des non linéarités qui apparaissent dans le modèle moyen, le modèle petits
signaux peut être une alternative afin d’utiliser les méthodes classiques d’analyse et de
commande du convertisseur. Il s’agit donc de linéariser le modèle moyen autour d’un point de
fonctionnement donné (régime statique). Pour avoir un modèle simple à manipuler
mathématiquement, on doit se limiter à l’approximation de chaque signal par sa composante
continue et sa première composante alternative. Le modèle moyen ne conserve que la
dynamique du système relative aux basses fréquences.
En mode de conduction continu, le modèle petits signaux des convertisseurs (Buck et
Boost) est obtenu à partir de l'équation (1.42) pour un point de fonctionnement x et un rapport
cyclique d donnés (en supposant que la tension d’entrée VI est constante) :

 xˆm  Axˆm  Edˆ

 (1.44)
 yˆ m  Cxˆm  Ddˆ

où : E   A1  A2  x   B1  B2 VI et D   C1  C2  x

- Convertisseur Buck :
E  B1 VI D   0 0
- Convertisseur Boost :

41
  0 1 L
E x D   0 0
 1 C 0 

5. Conclusion

Dans ce chapitre, des généralités sur la chaine de conversion photovoltaïque ont été
introduites, et chacun de ces éléments a été défini et modélisé commençant par le générateur
PV, puis la batterie de stockage et enfin l’étage d’adaptation.
Des analyses effectuées sur le générateur PV nous ont permis de dégager des critères
d'utilisation optimale de ce type de générateur, qui possèdent une caractéristique non linéaire
dépendant d'une part, des conditions météorologiques (l’éclairement et la température) et
d'autre part de la charge connectée. Pour faire face à cette non linéarité, l’importance
d’introduire un étage d’adaptation a été soulignée. Cet étage est constitué d’un convertisseur de
puissance DC-DC commandé par un contrôleur MPPT.
Dans la littérature, de nombreux efforts ont été déployés pour améliorer le rendement
des cellules photovoltaïques ou bien des batteries de stockage. Ces améliorations sont
normalement difficiles, lentes et nécessitent beaucoup d'investissements économiques.
Néanmoins, l’étage d’adaptation peut également être largement amélioré, généralement avec
moins d’investissement. En fait, l’optimisation du transfert d’énergie dans la chaine de
conversion à travers l’amélioration de l’efficacité du convertisseur et des boucles de contrôle
est très avantageuse. Cette voie est la piste prédominante de ces dernières années. Il sera donc
utile d’effectuer des études, comme présenté dans cette thèse, dans le but de développer une
commande MPPT performante et concevoir une structure de convertisseur optimale afin
d’augmenter le rendement total des installations photovoltaïques.

42
43
Chapitre 2 : Conception d’une commande MPPT optimale

1. Introduction

La commande de poursuite de point de puissance maximale (Maximum Power Point

Tracking (MPPT)) est conçue pour parer aux contraintes engendrées par différents changements
météorologiques. Les performances de cette commande dépendent de la rapidité d’atteindre le
point de puissance maximale (Maximum Power Point (MPP)), de la façon d’osciller autour de
ce point et de la robustesse de ce contrôleur face aux changements météorologiques brutaux.

Dans ce chapitre, nous donnons d'abord un bilan bibliographique et une classification

des différentes commandes MPPT existantes dans la littérature, en suite une technique MPPT
performante que nous avons développée est présentée. Cette technique est principalement basée
sur l’approche floue de type Takagi-Sugeno utilisée afin d’améliorer la précision de poursuite
du point MPP, et le contrôle backstepping avec action intégrale utilisé pour assurer la rapidité
et la robustesse. Afin d’évaluer les performances statiques et dynamiques de la commande
MPPT proposée, différents tests comprenant des changements d’éclairement rapides et
brusques ont été effectués en simulation dans l’environnement Matlab/Simulink. En outre, une
étude comparative des performances de la commande MPPT proposée à celles déjà existantes
en littérature a été menée en simulation. Les résultats obtenues montrent de bonnes
performances dynamiques et statiques intéressantes, de la technique MPPT développée, telles
que la stabilité, la rapidité lors d’introduction de perturbations d’éclairement, la précision et un
bon rendement MPPT. Ces performances ont été ensuite validées à travers des essais
expérimentaux sur la plateforme du laboratoire. Cette validation pratique a été effectuée en
condition réelle d’ensoleillement à Marrakech, Maroc.

2. Les techniques MPPT rencontrées dans la littérature

Diverses techniques de commande MPPT plus ou moins performantes en fonction de

leur principe de fonctionnement et leur complexité, apparaissent régulièrement dans la
littérature [22]-[23]. Nous présentons dans cette partie une classification générale des
différentes commandes MPPT publiées dans la littérature, selon le schéma illustré à la figure
2.1.

44
 Fig. 2.1. Les différents techniques MPPT

2.1. Techniques conventionnelles

Il existe des techniques MPPT conventionnelles standards, telles que ‘Perturbation et
Observation’ et ‘Incrémentation de conductance’, qui sont largement utilisées depuis les
premières installations PV. Ces techniques sont relativement peu coûteuses et reposent sur des
algorithmes très simples. Elles peuvent être définies parmi les meilleures solutions pour suivre
le point de puissance maximale dans des conditions d’éclairement constantes et uniformes.
Cependant, ces techniques n’assurent plus de bonnes performances durant les changements
atmosphériques brusques, ce qui a conduit les chercheurs à proposer des améliorations au cours
des dernières décennies. Nous rappelons brièvement dans ce qui suit quelques techniques
MPPT conventionnelles standards couramment utilisées et leurs versions améliorées.

2.1.1. Techniques MPPT conventionnelles standards

 Perturbation et Observation (P&O) [24] :
L’algorithme, de la commande MPPT, P&O, présenté à la figure 2.2.a, est
principalement basé sur la recherche du point de puissance maximale par la perturbation du
point de fonctionnement et l'observation de l'effet qui en résulte suite à cette perturbation sur la
puissance fournie par le générateur PV. Ainsi, comme l’illustre la figure 2.2.b, on peut déduire
que si une incrémentation positive de la tension du PV engendre un accroissement de la
puissance du PV, cela signifie que le point de fonctionnement se trouve à gauche du point MPP.
45
Par contre, si la puissance décroît, cela implique que le système a dépassé le MPP. Un
raisonnement similaire peut être effectué en décrémentation la tension. En fonction de ces
observations permettant de situer le point de fonctionnement par rapport au MPP, une consigne
de commande appropriée est alors élaborée.

(a)

(b)
Fig. 2.2. La technique P&O (a) Algorithme typique (b) Principe de fonctionnement (ΔV=V(k)-V (k-1) et
ΔP=P(k)-P (k-1))

La méthode P&O est largement utilisée grâce à sa facilité d’implémentation, cependant

elle présente quelques problèmes tels que les oscillations autour du point de puissance
maximale puisque la procédure de recherche du MPP doit être répétée périodiquement, et la
mauvaise convergence de l'algorithme dans le cas des variations brusques de la température
et/ou de l'ensoleillement.

46
  Incrémentation de conductance (IC) [25] :

La technique IC est basée sur l’analyse de la recherche du point de puissance maximale

à travers l’évaluation de deux grandeurs qui sont la conductance I V et la variation de

conductance dI dV du générateur PV. La dérivée de la puissance de sortie du PV est exprimée

par :

dP dI
I V (2.1)
dV dV

Le point de puissance maximale est atteint lorsque cette dérivée de puissance est égale
à zéro, ce qui donne dI dV   I V . L’algorithme de la technique IC a pour rôle de chercher
le point de fonctionnement optimal correspondant à cette égalité. L’organigramme expliquant
les étapes de l’algorithme IC est présenté sur la figure 2.3.

Fig. 2.3. Algorithme typique de la technique IC

C
2.1.2. Techniques MPPT conventionnelles améliorées
 P&O adaptative (AP&O) :

47
 La technique P&O adaptative est une amélioration de la technique P&O standard afin
d’augmenter le rendement MPPT en régime statique ainsi que pour optimiser la recherche du
point de puissance maximale.

Le principe de base de cette technique repose sur le choix du pas de perturbation en

fonction de la position du point de puissance maximale (MPP). Lorsque le point de
fonctionnement est loin du MPP, un pas assez grand doit être choisi pour rendre l'optimisation
plus rapide. Lorsqu'il est proche, un pas assez petit doit être choisi pour rendre la précision plus
importante. La figure 2.4.a illustre l'organigramme de l'algorithme P&O adaptative [26] et
[5]. Comme l’illustre la figure 2.4.b, la courbe P-V est divisée en trois parties. Soit k= dP /dV,
où k est la pente de la courbe à un point. Dans la région A, k est une valeur sensiblement
positive, alors que k est négatif dans la région C. De plus, l'absolu de la valeur de k dans la
région A et B est supérieur à celle de la région C. Le point de fonctionnement peut être
déterminé en fonction du signe de k: lorsque k> 0, cela fonctionne dans la région A et la
perturbation peut être réglé plus grand (d1); lorsque k <0, il fonctionne dans la région C, nous
pouvons choisir un pas de petite perturbation (d2) ; lorsque |𝑘| < 𝛼, c.à.d. 𝛼|𝑑𝑉| − |𝑑𝑃| > 0
(la valeur de 𝛼 est basée sur les données de la courbe P-V obtenue), il fonctionne dans la région
B. Cela signifie que le système a fonctionné à proximité du MPP, nous avons juste à fixer un
petit pas de perturbation (d3).

48
 (a)

(b)
Fig. 2.4. (a) Algorithme de la technique P&O adaptative (b) caractéristiques P(V) du PV

 Incrémentation de conductance modifiée (MIC) :

La technique IC conventionnelle a été améliorée par Fangrui et al. [27] en introduisant

le calcul du pas d’incrémentation/décrémentation ce qui a permis d’optimiser la recherche du
point de puissance maximale. Toutefois, cette technique est aussi basée sur le fait de satisfaire
l’équation dP dV  0 pour atteindre le point de puissance maximale, ce qui n’est pas toujours
accomplis en conditions réelles. Des études ont été alors menées tels que [28] afin de résoudre
ce problème et développer une technique MIC encore plus fiable basée sur l’algorithme
présentée à la figure 2.5.

49
 Fig. 2.5. Algorithme typique de la technique MIC

2.2. Techniques avancées

Les performances des techniques conventionnelles standards ont été évoluées à l’aide
des améliorations effectuées comme présenté ci-dessus, cependant, leur utilisation pour des
applications nécessitant la précision et la rapidité reste limitée.

Dernièrement, les techniques MPPT avancées sont devenue le centre d’intérêt d’un
nombre important de recherches afin d’améliorer considérablement les performances de la
poursuite du point de puissance maximale. Ces techniques avancées peuvent être classées en
trois sous-catégories en tant que techniques basées sur l’intelligence artificielle, l’approche
méta-heuristique et le contrôle non linéaire.

2.2.1. Techniques basées sur l’intelligence artificielle :

Des algorithmes d'intelligence artificielle tels que le réseau de neurone artificiel (ANN)
[29] et le contrôle par logique floue (FLC) [30] ont été utilisés pour la commande MPPT. Ils
peuvent améliorer les algorithmes conventionnels en termes de rapidité et de précision. En effet,
la conception robuste de ces techniques joue un rôle clé dans la résolution des problèmes de

50
non-linéarité et d'incertitudes du système PV. Cependant, la méthode ANN nécessite un nombre
important de données et un temps de formation (« training time » en anglais) élevé qui se traduit
par un réseau complexe et diminue la précision de la commande MPPT. Une étude comparative
a été menée expérimentalement à la référence [31] révélant que la technique MPPT basé sur le
FLC extrait plus de puissance du générateur PV que celui basé sur le ANN. Malgré cela, le FLC
ne présente pas une meilleure qualité de convergence sous les changements d'éclairement
rapides. Pour cette raison, il est recommandé qu’il soit combiné avec d'autres techniques pour
obtenir des performances plus attractives et un contrôle MPPT plus fiable [32].

2.2.2. Techniques basées sur l’approche méta-heuristique :

L'algorithme génétique (GA) [33], l'optimisation des essaims de particules (PSO) [34],
les méthodes de recherche aléatoire [35], l'optimisation des colonies de fourmis [36] et
l'algorithme Shuffled Frog Leaping [37] sont des algorithmes d'optimisation basée population
et bio-inspirée qui ont été proposés pour le contrôle MPPT. Ces algorithmes permettent
d’assurer de bonnes performances pour différentes conditions atmosphériques. Cependant, ces
techniques présentent un compromis entre la précision et la vitesse de convergence, ce qui rend
le choix et la configuration de la taille de la population, du chromosome et du nombre
d'itérations très critique et nécessite un ajustement en fonction des conditions d'éclairement.
Egalement, ces techniques nécessitent des longs processus de calcul ce qui augmentent la
complexité de la méthode.

2.2.3. Techniques basées sur le contrôle non linéaire :

Comme il a été déjà décrit, l’étage d’adaptation d’une chaine de conversion
photovoltaïque est constitué d’une commande MPPT associée à un convertisseur de puissance
DC-DC qui est généralement de nature non linéaire. Ceci a conduit les chercheurs à penser à
des contrôleurs non linéaires avancés pour la commande MPPT afin de garantir une bonne
poursuite du MPP et une robustesse élevée lors des changements des conditions
météorologiques. Nous rappelons ici brièvement quelques techniques proposées dans la
littérature. Plusieurs recherches ont été menées tels que [38,39], dans le but de développer un
algorithme MPPT efficace en utilisant le contrôle en mode glissant (MG). Ce dernier assure la
stabilité et la robustesse du système ; néanmoins, les phénomènes de réticence, la fréquence de
commutation variable et l'erreur en régime permanent significative sont les principaux
inconvénients de ce type de contrôle. Par conséquent, d'autres études ont inclus un terme

51
d'action intégrale afin d'atténuer ces problèmes de contrôle MG associés [40, 41] ; cependant,
des perturbations indésirables et des dépassements importants ont été observés. Dans [42], une
technique MPPT basée sur un modèle de contrôle prédictif a été élaborée pour extraire la
puissance PV maximale disponible dans différente conditions climatiques. Toutefois, cette
méthode fait face à des oscillations considérables sous des changements brusques d'éclairement.
D’autres études telles que [43] et [44] ont proposée des commandes MPPT basée
respectivement sur la méthode directe de Lyapunov et un contrôle PID discret non linéaire,
cependant, les changements des conditions atmosphérique n’est pas prise en considération et
de plus, ces techniques n’ont pas été validées expérimentalement.

2.3. Techniques hybrides

Les techniques MPPT hybrides ont été récemment proposées dans la littérature, afin
d’améliorer la précision de poursuite et atteindre des rendements encore plus élevés sous les
différents changements atmosphériques. Ces techniques ont montré de meilleures performances
par rapport aux autres techniques. Les techniques MPPT hybrides peuvent être classée en trois
principales catégories :

- Deux techniques conventionnelles [45-46]

- Deux techniques avancées [47-48]
- Une technique conventionnelle et une avancée [49-50].

3. Développement d'une nouvelle technique MPPT hybride

L'étude bibliographique effectuée sur les techniques MPPT, nous a permis de déduire
que pour l'ensemble des techniques, la précision et la rapidité de convergence sous les
changements d’éclairement brusques successives est toujours considéré parmi les défis majeurs.
C’est la raison pour laquelle nous avons développé une technique MPPT basée sur une nouvelle
approche, permettant d’assurer une meilleure qualité de convergence malgré les variations
d’éclairement [51]. Nous illustrons dans cette partie l’idée de base de la technique MPPT que
nous avons élaborée, et ceci à travers un exemple d’une chaine de conversion PV composée
d’un étage d’adaptation conçu à partir d’un convertisseur DC-DC de type Boost, comme
présentée à la figure 2.6 et la figure 2.7. Les valeurs des paramètres caractérisant chaque
élément de la chaine de conversion PV réalisée sont données au tableau 2.1.

52
 La technique MPPT proposée, que nous notions par la suite TSF-BI, est une technique
hybride basée sur la combinaison de deux approches avancées comme le montre la figure 2.6.
La première est l'approche floue de Takagi–Sugeno (TS) permettant l’estimation de la position
exacte du point de puissance maximum en fonction de niveau d’éclairement. Le choix de cette
approche floue a pour objectif de garantir une bonne précision de la commande MPPT
proposée. La seconde est la méthode de contrôle non linéaire « backstpping avec action
intégrale » qui utilise la valeur MPP estimée par l’approximation floue comme un point de
consigne pour agir sur le rapport cyclique du convertisseur afin de forcer le système PV à
fonctionner au MPP exigé. Cette méthode est utilisée dans le but d’assurer une vitesse de
convergence rapide dans les différentes conditions météorologiques, une bonne réponse
dynamique avec un minimum de dépassements et une grande robustesse, en plus de la stabilité
asymptotique globale.

Fig. 2.6. Schéma bloc d’une chaine de conversion PV utilisant la technique MPPT proposée (TSF-BI)

Tableau 2.1- Paramètres des différents éléments de la chaine de conversion PV réalisée

Paramètre Valeur
Puissance maximale 62W
Tolérance ±5%
Tension au point de puissance maximal 13,23 V
Générateur PV
Courant au point de puissance maximal 4,68A
Tension de circuit ouvert 19,0V
Courant de court-circuit 5,8 A

53
 N°. de cellule and connections 36 (4x9)
Inductance (L) 300uF
Condensateurs (Ci, Co) 440uF, 100uF
Convertisseur Boost Fréquence de commutation (f) 30kHz
Ondulations de courant 1,6A
Ondulations de tension 0,1V
Tension 24V
Batterie de stockage
Capacité 120Ah

Fig. 2.7. Schéma électrique du convertisseur DC-DC Boost

3.1. Technique MPPT proposée :

Le courant du générateur PV varie énormément avec la variation de l'éclairement
solaire, ce qui affecte l'emplacement du MPP comme le montre la figure 2.8. Si les points MPP
correspondant à différents niveaux d'éclairement sont connectés ensemble, alors, une trajectoire
MPP est obtenue. Cette trajectoire est généralement non linéaire ; par conséquent, elle pourrait
être décomposée en un certain nombre de segments. Ensuite, chaque segment est prolongé par
une droite qu’on a appelé « droite MPP » comme illustré sur la figure 2.8. Il est intéressant de
noter que ces droites MPP ont des pentes et des abscisses à l’origine différentes. Ainsi, chaque
droite MPP peut être exprimée mathématiquement par :

Vpv - ri .I pv - Vri  0 (2.2)

où ri est la pente de la droite MPP correspondante, Vri est l’abscisses à l’origine et i=1, 2…n ;

n est le nombre de droites MPP. Selon ces données de base de chacune des droites MPP, la
technique TSF-BI estime avec précision la position du point MPP à tout éclairement solaire
donnée en utilisant l'approximateur floue TS ; ensuite le contrôle par la méthode « backstpping
avec action intégrale » permet de fixer directement le point de fonctionnement à cette position

54
optimale. L’organigramme expliquant les étapes de la technique TSF-BI est présenté par la
figure 2.9.

Fig. 2.8. La trajectoire MPP sous différents niveaux d'éclairement en fonction de la caractéristique I-V du
générateur photovoltaïque

Fig. 2.9. Algorithme de la technique TSF-BI

55
3.2. Approximateur flou TS :

3.2.1. Rappels sur l’approche floue de type TS :

La logique floue, depuis les travaux de Zadeh [52] a connu un réel succès dans la
modélisation et la commande de systèmes complexes non linéaires [53]. La capacité de
l'approximation universelle d'un système flou est la base de presque toutes les recherches
théoriques et de leurs applications en commande et en identification floue. De nombreux
chercheurs se sont intéressés à cette notion pour donner une justification théorique aux succès
rencontré au niveau des applications [54] [55] [117] [120].

Dans la littérature, on peut distinguer deux classes principales des approches floues :
L’approche de Mamdani et celle de Takagi-Sugeno [53] [56]. La principale différence entre ces
deux approches réside dans la partie conséquence. L’approche floue Mamdani utilise des sous-
ensembles flous dans la partie conséquence alors que l’approche floue TS utilise des fonctions
(linéaires ou non linéaires) des variables d'entrées.

D’une manière générale, les systèmes flous TS sont décrit par un ensemble de règles
floues Si-Alors (en anglais : IF-THEN). Le fonctionnement interne de ces systèmes repose sur
trois étapes principales [57] :

- la fuzzification des variables d’entrée, avec éventuellement un prétraitement de

l’information ;

- l’inférence à partir d’une base de connaissance,

- la défuzzification, avec éventuellement un post-traitement d’information.

3.2.2. Description de l’approximateur flou TS proposé :

Rappelons que le courant généré par la source PV ( I pv ) permet la détection du niveau

d'éclairement, donc, il a été définie comme la variable de l’antécédent, qui représente l’entrée
de l’approximateur flou. Tandis que les paramètres r et Vr (des constantes) ont été définis
comme des conséquents. L’approximateur flou TS proposé est basé sur une collection des
règles R i qui prennent la forme suivante :

Ri : Si I pvi est  i Alors ri et Vri (2.3)

56
où i=1, 2…n ; n dénote le nombre de règles floues (correspondant au nombre de droites MPP),

 i est le sous-ensemble flou de l’antécédent de l’i-ème règle, définie par une fonction

d’appartenance i ( I pv ) . Le choix du nombre et de type de fonctions d’appartenance dépend de

i

manière générale du but de la commande et de la connaissance disponible, pour notre cas, le

choix sera en fonction des données collectées à partir de la source PV.

Pour une approche floue de type TS, l’obtention des sorties est réalisée à partir d’une
combinaison des opérations d’inférence et de défuzzification. Les sorties finales se calculent
comme la combinaison des sorties correspondants aux règles R i , pondérées par le degré
d’accomplissement normalisé (qui généralement égal au degré d’appartenance de l’entrée
i ( I pv ) ), selon l’expression :
i

 n

  i ( I pvi )ri
r  i 1n

 i 1
i ( I pvi )
 n
(2.4)

  i ( I pvi )Vri
Vr  n
i 1



i 1
i ( I pvi )

3.2. Contrôleur non linéaire « backstepping avec action intégrale »

3.2.1. Principe de contrôle par la méthode « backstepping avec action intégrale »

Depuis quelques années, des progrès significatifs ont été faits dans le domaine de
contrôle des procédés non linéaires. La méthode du « backstepping avec action intégrale » fait
partie de ces nouvelles percées dans ce domaine [58], [59]. Nous expliquons d’une façon simple
et brièvement le principe de cette méthode :

La méthode de linéarisation par boucle de retour élimine toutes les non linéarités du
système, la technique de « backstepping » donne plus de flexibilité au concepteur en exploitant
les bonnes non linéarités, tandis que les mauvaises non linéarités ou les non linéarités
déstabilisantes sont dominées en ajoutant des amortissements non linéaires. Ainsi, une
robustesse additionnelle est obtenue. Cette procédure de conception est connue sous le mot
anglais « backstepping » qui veut dire marche arrière ou étape arrière, puisque le concepteur

57
commence à la sortie et fait des pas en arrière à travers les intégrateurs du système en
sélectionnant les valeurs désirées des composants de l’état jusqu’à ce que l’entrée actuelle de
commande soit atteinte. Une action intégrale est essentiellement ajoutés dans le but d’éliminer
l’erreur statique et d’annuler l’écart entre la mesure et la consigne, d’où l’appellation
«backstepping avec action intégrale». La différence entre la technique backstepping
conventionnelle et celle avec action intégrale sera traitée à la section 4.2.2.

3.2.2. Synthèse du contrôleur non linéaire « backstepping avec action intégrale »

La méthode de contrôle « backstepping avec action intégrale » permet à la tension de
sortie du générateur PV ( V pv ) d'atteindre la tension maximale ( V pvref ) en ajustant le rapport
ref
cyclique du convertisseur Boost utilisé. V pv est considérée comme une tension de référence et

exprimée par Vpv  Vr  r.I pv .

ref

En mode de conduction continue, les équations mathématiques modélisant le

convertisseur Boost (figure 2.7) sont données comme suit :

dV pv I pv I L 
 - 
dt Ci Ci 
 (M- ON, D- OFF) (2.5)
dI L V pv 
 
dt L 

dV pv I pv I L 
 - 
dt Ci Ci 
 (M-OFF,D-ON) (2.6)
dI L V pv Vb 
 -
dt L L  

où I L est le courant aux bornes de l'inductance.

La tension V pv et le courant I L sont définis comme des variables d'état du système x1 et

x2 respectivement. En utilisant les équations (2.5) et (2.6), l'équation différentielle 2-D

correspondante est donnée par (2.7).

58
  I pv x2
 x1  -
 Ci Ci
 (2.7)
 x  x1 - (1- d ) Vb
 2 L L

avec d   0 1 .

Le but de la commande de ce système est d’avoir Vpv  Vpvref  0 quand t   .

L’objectif de la conception est de rendre le point d’équilibre globalement asymptotiquement

stable. Puisque le système étudié est constitué de 2 équations différentielles du 1er ordre, alors
il y aura une méthode de conception récursive à 2 étapes. On traite le système comme deux
sous-systèmes en cascades chacun avec une seule entrée et une seule sortie. On commence la
conception avec le sous-système 1 de la première équation différentielle du premier ordre et on
continue jusqu’au dernier sous système. Durant le processus de conception un changement de
coordonnées z    x  est effectué.

Étape 1 : Pour le sous-système 1, on choisit l’état x2 comme une commande virtuelle ou fictive

de commande au sous-système 1. Puisque l’objectif de la commande est de conduire Vpv  Vpvref

à zéro, donc la première variable est choisie comme :

z1  x1  Vpvref (2.8)

La commande virtuelle est alors définie comme :

z2  x2 - 1 (2.9)

où 1 est la fonction linéarisante du sous-système 1, z2 est une nouvelle variable. D’où, le sous-
système 1 devient :

1 1 1
z1  - z2 - 1  I pv - Vpvref (2.10)
Ci Ci Ci

La nouvelle variable z2 ne sera pas utilisée dans la 1ère étape, mais sa présence est nécessaire
puisqu’on a besoin de z2 pour le nouveau système 1 en z1, au prochain sous-système en z2 qui

59
serait considéré dans la seconde étape. Les coordonnées de conception ont changées de (x1, x2)
à (z1, z2).

L’action intégrale est introduite dans l’expression de la première variable z1 comme suit :

e1 = z1  (2.11)

t t

avec     x1  Vpvref  dt   z1dt (2.12)

0 0

Selon la définition de la fonction Lyapunov donnée à [60], on choisit une fonction de Lyaponov
V1 pour le nouveau sous-système 1, comme :

1 2 a 2
V1  z1   (2.13)
2 2

avec a est un nombre réel défini positif.

alors :

V1  z1 z1  a
 1 1 1  (2.14)
 z1  - z2 - 1  I pv - V pvref  a 
 Ci Ci Ci 

A noter que la fonction stabilisante 1 doit être choisie de manière à éliminer la non linéarité et

d’avoir V1 <0, donc :

1  Ci k1 z1  I pv - CV
i pv  Ci a
ref
(2.15)

D’après (2.10) et (2.15), on obtient :

1
V1  -k1 z12 - z1 z2 (2.16)
Ci

celle-ci donne :

60
 1
z1  -k1 z1 - z2  a (2.17)
Ci

où k1>0 est le gain de la contre réaction. D’où le nouveau sous-système est stabilisé. Le terme
1
z1 z2 de V1 sera éliminé dans l’étape suivante.
Ci

Maintenant, on passe au sous-système 2.

Étape 2 : Les dynamiques du nouveau sous-système sont calculées en prenant la dérivée de

(2.9) pour avoir :

z2  x2 - 1 (2.18)

On remplace (2.7) dans (2.18) et on obtient :

1 1 d
z2  x1 - Vb  Vb - 1 (2.19)
L L L

La dérivée de la fonction stabilisante 1 est obtenue comme :

1  Ci k1 z1  I pv - CiVpvref  Ci a
(2.20)
1  Ci (a  k12 )( x1  Vpvref )  k1 ( x2  1 )  I pv - CiVpvref  Ci k1 a

Choisissons une fonction de Lyaponov V2 pour le sous-système 2 comme :

1
V2  V1  z22 (2.21)
2

alors :

V2  V1  z2 z2 (2.22)

Remplaçons (2.16) et (2.19) dans (2.22), on obtient :

 1 1 1 d 
V2  -k1 z12  z2  - z1  x1 - Vb  Vb - 1  (2.23)
 Ci L L L 

61
La dérivée de la fonction de Lyaponov V2 est définie négative si V2  -k1 z12 - k2 z22 avec k1et k2 sont
des constantes définies positives, ce qui assure la stabilité asymptotique. Ceci peut être
accomplie si :

1 1 1 d
-k 2 z 2  - z1  x1 - Vb  Vb - 1 (2.24)
Ci L L L

À partir de (2.19) et (2.24), on obtient :

1
-k 2 z 2  - z1  z2 (2.25)
Ci

alors:

1
z 2  -k 2 z 2  z1 (2.26)
Ci

Puisque dans notre cas, le système étudié est décrit par deux états, la loi de commande est alors
conçue à la 2éme étape.

En utilisant les équations (2.24) et (2.20), nous déduisant ainsi l’expression de la loi de
commande comme :

 L 1 LCi L   L 
d  x1  -  (a  k12 )  Ci k1 (k1  k2 )   x2 - (k1  k2 )  
 CiVb Vb Vb Vb   Vb 
 L LC L  L 
V pvref -  i (a  k12 ) - Ci k1 (k1  k2 )   I pv  (k1  k2 )  - (2.27)
 VbCi Vb Vb  Vb 
L  L L  L L 
V pvref  Ci (k1  k2 )   I pv - V pvref Ci  - Ci k1a  Ci (k1  k2 )a   1
Vb  Vb Vb  Vb Vb 

avec d   0 1 .

4. Simulation et pratique de la commande MPPT proposée

Nous avons commencé par un test expérimental qui permet de tracer la caractéristique
I-V du panneau photovoltaïque, utilisé en simulation et en pratique, sous différents niveaux
d’éclairement solaires (Figure 2.10). Les mesures ont été effectuées lors de la journée du 10
novembre 2019 d'une atmosphère claire (sans nuages) à Marrakech, au Maroc, pour un panneau
62
PV avec les paramètres donnés au tableau 2.1. Le niveau d’éclairement a été mesuré à l'aide
d'un pyranomètre orienté et incliné du même angle que le panneau PV. L’équipement utilisé
ainsi que la procédure permettant de tracer la caractéristique I-V expérimentale d’un générateur
PV a été abordée en détail à la partie 2.8 du chapitre 1. Les caractéristiques I-V expérimentales
que nous avons obtenus pour les différents niveaux d’éclairement sont illustrées sur la figure
2.11.

Fig.2.10. Equipement utilisé pour tracer les caractéristiques du panneau PV

Fig.2.11. La caractéristiques I-V expérimentale du panneau PV pour différents niveaux d’éclairement

À partir de la trajectoire MPP et les droites MPP obtenues, qui sont marquées sur la
figure 2.11, les paramètres de l’approximateur flou ont été définis ; à savoir le nombre des règles
floues (n = 7) et les fonctions d'appartenance. La figure 2.12 montre les sept ensembles flous
qui sont décrits par des fonctions d'appartenance triangulaires uniformément distribuées sur

63
l'univers de discours. Pour chaque fonction d'appartenance, les valeurs des paramètres ri et Vri

( 1  i  7 ) correspondants sont données au tableau 2.2.

Fig.2.12. Les ensembles flous de l'entrée I pv

Tableau 2.2 : Valeurs des paramètres ri et Vri pour ième règles floue

ième règle ri Vri

1 0,1078 14,2
2 -0,2749 14,99
3 -0,1541 14,59
4 -0,4171 15,16
5 -0,4264 15,32
6 -0,7968 16,4
7 -0,283 14,63

4.1. Résultats de simulation

L’objectif traité dans ce chapitre est de développer une technique de commande MPPT
performante qui a la capacité de poursuivre rapidement le MPP sous les différents changements
d’éclairement brusques. Ce chapitre propose aussi d’analyser et d’évaluer le comportement
dynamique de cette technique en termes de stabilité, rapidité et efficacité. C’est dans cette
optique que des simulations ont été effectuées sur le logiciel Matlab/Simulink pour la chaine
de conversion représentée sur la figure 2.6 avant de réaliser les tests pratiques. Les résultats
obtenus pour trois tests sont présentés dans ce qui suit.

4.1.1. Test de variations d’éclairement

Les performances du contrôleur TSF-BI ont d'abord été vérifiées à travers un profil
d’éclairement comprenant différents changements comme illustré sur la figure 2.13.a. Les
résultats de la simulation sont représentés sur la figure 2.13. Premièrement, le générateur PV a

64
reçu un éclairement constant de 100W/m² pendant 126ms, la puissance PV maximale
correspondante est produite ainsi qu’un transitoire de démarrage rapide de seulement 0,4 ms
sans dépassement est assuré comme illustré sur la figure 2.13.d. Ensuite, un changement
brusque a eu lieu au niveau de l’éclairement (de 100W/m² à 1000W/m²). Le contrôleur MPPT
a adaptée le point de fonctionnement pour qu’il passe au nouveau MPP et par suite la puissance
générée, par le panneau PV, est instantanément passée de 7,1 W à 61,5 W. La forme d'onde
agrandie de la figure 2.13.d montre la réponse transitoire rapide et la stabilité obtenue. Le niveau
d'éclairement est resté à 1000W/m² pendant 224ms. Ensuite, l'éclairement a suivi une rampe
décroissante de gradient 1800W/m²/s pour atteindre 100W/m² à 850ms et une rampe croissante
avec le même gradient commence à 1,3s pour atteindre 1000W/m² à 1,8s. Ce profil peut être
fréquemment rencontré dans la vie réelle ; le cas de temps clair à peu nuageux par exemple. Au
cours de ces changements progressifs d'éclairement, la position du point MPP est régulièrement
et précisément suivi ; par conséquent, le système PV continue à produire la puissance maximale
disponible en fonction du niveau d’éclairement, comme indiqué sur la figure 2.13.d. De plus,
les oscillations autour du point MPP, très fréquentes avec les techniques MPPT classiques, et
qui entraînent des pertes d'énergie, sont évitées. On peut également remarquer à partir de la

figure 2.13.b que quelles que soient les variations d’éclairement, la tension V pv est forcée à
ref
suivre parfaitement la courbe de tension de référence V pv , ce qui assure la meilleure poursuite

du MPP. Ceci est réalisé grâce au mécanisme de la technique TSF-BI. En fonction du niveau
ref
d’éclairement, l'approximateur flou TS a estimé avec précision la tension de référence ( V pv ),

qui est efficacement suivie en utilisant le contrôleur backstepping avec action intégrale.

65
 (a)

(b)

(c)

(d)

Fig. 2.13. Performances de la technique MPPT TSF-BI sous le changement d'éclairement (a) Profil
ref
d'éclairement solaire donné (b) tension du générateur photovoltaïque par rapport au point de consigne V pv
(c) courant du générateur photovoltaïque (d) puissance générée par le générateur photovoltaïque

4.1.2. Test dynamique basé sur la norme EN 50530

En général, le système PV subit en permanence des changements d'éclairement. Par
conséquent, lorsque le système PV est installé dans des conditions extérieures réelles, la
production sur le long terme serait affectée par les performances MPPT dynamiques. Un test
très rigoureux qui se base sur la norme EN 50530 [61, 62] a été mise en œuvre pour la technique
TSF-BI. C’est un test standard européen pour déterminer le rendement dynamique de la
commande MPPT. Le test utilise des profils d’éclairement qui ont différents valeurs de rampe
66
et différents plages de variation à différentes pentes ( G t W 2  ). Plus précisément, des
 m s
rampes de 10% à 50%, 30% à 100% et 1% à 10% du niveau d'éclairement aux conditions de
test standard STC (1000W/m²) doivent être appliquées avec des pentes allant de 0,5 W /m²/ s à
50 W/m²/s, 10 W/m²/s à 100W/m²/s et 0,1W/m²/s respectivement. Le principe de ce test est
expliqué à travers la représentation illustré à la figure 2.14 et le tableau 2.3. Un exemple de
résultats de ce test est donné à la figure 2.15 et qui correspond au cas de changement
d'éclairement de 300W/m² à 1000W/m² en utilisant une pente de 100W/m²/s. Ce test met en
évidence les excellentes performances de la technique TSF-BI. À partir des résultats obtenus,
on observe une meilleure qualité de poursuite du point MPP et une stabilité globale du système
PV même sous des changements d'éclairement dynamiques successifs. Les pertes d'énergie sont
faibles en raison de la fiabilité et de la vitesse de convergence rapide. Ceci est évalué par le
calcul du rendement dynamique de la commande MPPT définie mathématiquement par
l'équation (2.28), où Ppv  t  est la puissance extraite de la source PV, PMPP  t  est la puissance

PV théorique au MPP et TMPP est la période totale de calcul.

TMPP

 Ppv  t  .dt
dyn , MPPT  T
MPP
0
(2.28)
 PMPP  t  .dt
0

Le rendement dynamique est calculé pour les différentes pentes correspondant à chaque
rampe selon le tableau 2.3. La valeur du rendement dynamique moyen pour les trois rampes
est présentée au tableau 2.4. La commande MPPT TSF-BI pourrait donc atteindre d'excellentes
performances sous les changements dynamiques d'éclairement, y compris une vitesse de
convergence rapide, des oscillations de puissance réduites et des pertes de puissance atténuées,
ce qui permet ainsi un rendement élevé.

67
Fig. 2.14. Schéma explicatif du test de séquences (norme EN50530) pour les changements d'éclairement x%
= 1%, 10%, 30% et y% = 10%, 50%, 100% [62].

Fig. 2.15. Résultats du test basé sur la norme EN50530 pour un changement d'éclairement de 300W/m² à
1000W/m² avec une pente de 100W/m²/s

Tableau 2.3. Test de séquences (norme EN50530) pour les trois rampes

Tableau 2.4 : Rendement dynamique moyen de la commande MPPT TSF-BI

Changement d’éclairement dyn, MPPT (%)

de 10% à 50% 99.42
de 30% à 100% 99.57

de 1% à 10% 98.96

68
4.1.3. Etude comparative entre la technique MPPT proposée et celles existantes dans la
littérature
Les performances de la technique TSF-BI ont été évaluées par une comparaison avec
différentes techniques existantes dans la littérature, à savoir P&O [24], Incrémentation de
conductance modifiée (MIC) [27], optimisation des essaims de particules (PSO) [35], et une
méthode hybride combinant P&O avec un PI d’ordre fractionnaire (P&O-FOPI) [63]. Ces
techniques sont choisies pour pouvoir faire une comparaison avec : une méthode de type
conventionnel P&O ; une méthode de type conventionnel amélioré MIC ; une méthode de type
avancé PSO qui représente l'algorithme méta-heuristique, et une méthode de type hybride P&O-
FOPI. Les paramètres de simulation, y compris le temps d'échantillonnage et la fréquence de
commutation, sont sélectionnés de la même manière pour toutes les techniques afin d'avoir une
comparaison équitable.

Tout d’abord, une comparaison avec PSO, dans des conditions constantes (1000W/m²
et 25°C) comme le montre la figure 2.16.a, est réalisée. Les résultats révèlent que la méthode
PSO permet un fonctionnement en régime permanent correct avec des oscillations négligeables
de la puissance PV. Cependant, l'algorithme PSO fait face à des oscillations considérables en
régime transitoire et à une vitesse de convergence très lente (2,8 s) sous les changements
d’éclairement rapide.

Les autres techniques MPPT ont été testées en simulation sous des variations
d'éclairement solaire et de température ambiante (25 ° C). Le profil d'éclairement solaire
appliqué est présenté sur la figure 2.16.b. Il contient quatre changements d’éclairements
appliqués successivement après chaque 100 ms. Le comportement des algorithmes MPPT est
testé sous des niveaux d'éclairement élevés et faibles, de 600W/m² à 1000W/m² et de 100W/m²
à 400W/m² respectivement ; ainsi que sous de grandes variations brusques lorsque le niveau
d'éclairement passe de 1000W/m² à 100W/m². Le profil illustrant la poursuite de la puissance
maximale par la technique TSF-BI, P&O, MIC et P&O-FOPI sont représentés sur la figure
2.16.c. Pour avoir une meilleure clarification sur le comportement de chaque technique en
régime transitoire et permanent, certaines parties des courbes sont agrandies dans les zooms 1,
2, 3 et 4 de la figure 2.16.

La technique conventionnelle P&O présente des oscillations significatives autour du

MPP en régime permanent ainsi qu’une convergence lente et un écart entre la valeur moyenne
de puissance atteinte et la puissance maximale disponible.

69
 La MIC présente moins d’oscillations autour du MPP que la P&O, alors que la vitesse
de convergence et la précision ne sont pas amélioré par rapport au P&O. La technique hybride
P&O-FOPI permet une convergence plus rapide et une bonne précision par rapport à la méthode
MIC. On peut bien remarquer que la stratégie de contrôle développée est la plus performante.
Il Elle a une vitesse de convergence rapide, une précision de poursuite du MPP élevée, ne
présente ni dépassements en régime transitoire ni oscillations autour du MPP en régime
permanent, en plus des faibles pertes de puissance.

70
 (a)

(b)

(c)

Zoom 1 Zoom 2

Zoom 3 Zoom 4
Fig. 2.16. Comparaison en simulation des techniques MPPT (a) PSO vs la technique proposée (b) profil
d'éclairement solaire proposé (c) P&O, MIC et P&O-FOPI vs la technique proposée

71
4.2. Implémentation pratique
La technique TSF-BI proposée a été implémentée sur la carte contrôleur dSPACE
DS1104 puis testée expérimentalement en temps réel sur un prototype de convertisseur DC-DC
boost réalisé à notre laboratoire. Ce dernier permet de charger un banc de batterie par l’énergie
électrique produite par un panneau photovoltaïque.

4.2.1. Description de la Plate-forme utilisée

La figure 2.17 illustre la plate-forme expérimentale réalisée pour l’implémentation de
la technique TSF-BI, dont le schéma block est représenté sur la figure 2.6, et les caractéristiques
sur le tableau 2.1). Le générateur PV est connecté à la charge (deux batteries 12V-120Ah
montées en série) via un convertisseur DC-DC Boost. Les détails du convertisseur Boost conçus
et réalisé sont reportés dans l’annexe A.

La carte contrôleur DS1104 R&D de chez dSPACE joue le rôle d'une interface entre le
PC et le convertisseur Boost muni des étages d'isolation et de commande en utilisant les
environnements logiciels Matlab/SimulinkTM et Control Desk. Son système temps réel «Real
Time Interface » (RTI) basé sur la technologie PowerPC et son jeu d’interfaces d’Entrée/Sortie
en font une solution idéale pour le prototypage rapide des lois de commande. En effet, elle est
construite autour d'un processeur Maître MPC8240 64bits et d'un processeur Esclave
TMS320F240 16bits pour la gestion des entrées/sorties ; elle est dotée d'un connecteur CP1104
avec une multiple connectique pour assurer un accès facile aux différents signaux
d'entrée/sortie. La composition générale de cette carte est décrite à travers la figure 2.18. Quatre
convertisseurs analogique-numérique ADC_C7, ADC_C5, ADC_C6 et ADC_C8 sont utilisés
pour lire respectivement les valeurs du courant I pv , la tension V pv , le courant I L et la tension Vb

, à travers des ponts diviseurs et des capteurs de courant LA 25-NP utilisés. Ces convertisseurs
ADC sont des CAN d'une résolution de 12bits et un temps de conversion typique de 800ns avec
une tension pleine échelle en entrée de ±10V. Un filtre analogique est inséré à la sortie des CAN
pour se débarrasser des signaux de bruit haute fréquence.

Le signal de commande PWM est directement généré par le bloc

DS1104SL_DSP_PWM comprenant un générateur de signaux triangulaire et un comparateur,
en conséquence le signal d'entrée de ce bloc étant la loi de commande générée par le contrôleur
MPPT. Une fois le modèle de la loi de commande est établi sous l'environnement
Matlab/SimulinkTM, le code C correspondant est automatiquement généré puis téléchargé dans
72
la mémoire du DSpace et l'exécution en temps réel est lancée. L'interface graphique Control
Desk de dSPACE permet de visualiser en temps réel différentes variables du fichier développé
sous Simulink et de modifier également les paramètres définissant le mode de fonctionnement
des blocs constituant le schéma Simulink en interagissant directement avec la carte DSpace. La
visualisation de variables ou de signaux et la modification de paramètres sont possibles par
l'intermédiaire d'instruments graphiques que l'on sélectionne. La figure 2.19 montre le modèle
Simulink implémenté dans la carte DS1104 ainsi qu'un exemple de construction d'un écran
graphique de Control Desk. Il faut noter que la fréquence de commutation choisie dans cette
étude a été définie en fonction des limitations de la carte d'interface DSpace. Il est généralement
recommandé que le pas de calcul (en anglais : step time) utilisé par la carte (1µs dans notre
cas) soit environ 40 fois plus petit que la période de commutation du convertisseur, pour assurer
une bonne précision et garder les résultats précis [64].

73
Fig.2.17. Photos de la plateforme expérimentale réalisée pour l’implémentation de la commande TSF-BI

Fig.2.18. Composition de la carte DS1104

74
 (a)

(b)
Figure 2.19 : (a) Modèle Simulink implémenté dans la carte DSP DS1104. (b) exemple de construction d'un
écran graphique

4.2.2. Résultats expérimentaux

Cette partie a pour objectif de présenter les résultats expérimentaux en ensoleillement
réel qui ont été conduits afin d’évaluer les performances de la technique TSF-BI.

La figure 2.20 montre les réponses de la tension, du courant et de la puissance de sortie

du générateur PV obtenues pratiquement, pour une expérience réalisée pendant une journée
bien ensoleillée, à Marrakech, le 08 mars 2020 à 11h45 (où l'éclairement solaire était de
75
950W/m² et la température était de 24°C). Une vue zoomée de la courbe de puissance pendant
le régime transitoire est illustrée à la figure 2.20 (Zoom1), afin de mettre en évidence la qualité
de convergence de l’algorithme : un temps de réponse court de 1.2s et les dépassements sont
négligeables. Cette convergence de la commande MPPT est considérée parmi les
caractéristiques les plus rigoureuses en cas de changement rapide d'éclairement. Le
fonctionnement en régime permanent autour du MPP est aussi agrandi dans ‘Zoom 2’ de la
figure 2.20, montrant un comportement stable et sans oscillations. La technique TSF-BI a
localisé le point MPP avec précision, ce qui permet d’extraire la puissance maximale disponible
au panneau PV (Ppv (max) ≈59,46W) et donc d’améliorer le rendement de la chaine de
conversion PV.

76
 (a)

(b)

(c)

Zoom1 Zoom2
Fig. 2.20. Résultats expérimentaux de la commande MPPT développé en régime permanent 950W / m², 24 °
C (à 11h45 le 8 mars 2020 à Marrakech) (a) Tension du panneau PV par rapport à la tension de référence
V pvref (b) Courant du panneau PV (d) puissance produite par le panneau PV

La puissance maximale est transmise à la charge via le convertisseur DC-DC Boost. La

figure 2.21 montre la forme d'onde mesurée à la sortie du convertisseur et révèle que les
batteries sont maintenues chargées.

77
 Fig. 2.21. Forme d'onde de la tension mesurée à la sortie du convertisseur (aux bornes des batteries de
stockage)

Les changements soudains et rapides d'éclairement solaire sont souvent dû à des

obstacles inévitables tels que : les lignes électriques, les bâtiments, les arbres. Pour évaluer la
méthode dans telles citations, la figure 2.22 représente les réponses de la tension et de la
puissance de sortie du panneau PV aux changements brusques, rapides et successifs de
l’éclairement. Nous pouvons constater à partir de ces résultats que malgré les variations
importantes de l’ensoleillement, la tension PV suit parfaitement la consigne V pvref estimée par
l’approximateur floue TS, ce qui assure une poursuite précise du point MPP. Le contrôleur
« backstepping avec action intégrale » permet une convergence rapide sans dépassements et
sans oscillations ainsi qu’une stabilité globale, ce qui réduit énormément les pertes d'énergie et
garantit une de production élevée.

(a)

(b)

Fig. 2.22. Performance de la technique TSF-BI sous des changements rapides d'éclairement solaire (a)
ref
tension du panneau PV par rapport à la consigne V pv (b) puissance produite par le panneau PV

78
 Le comportement de la commande TSF-BI est également testé pour un profil réel des
faibles niveaux d’éclairement contenant des variations successives pendant une période de 20s,
de 180W/m² à 500W/m² et vice-versa, comme le montre la figure 2.23 (a). On peut remarquer
d’après la figure 2.23 (b) que le MPP est correctement poursuivi et la stabilité est toujours
garantie. Les résultats de ce test illustrent la précision et la robustesse pour les faibles niveaux
d’éclairement, où la non linéarité de trajectoire MPP est plus importante.

(a)

(b)

Fig. 2.23. Poursuite du point MPP aux faibles niveaux d’éclairement (a) profil d’éclairement solaire (b)
puissance produite par le générateur PV

Une analyse comparative est menée pour démontrer à quel point les performances de la
commande MPPT peuvent être améliorées en utilisant la méthode de backstepping avec action
intégrale au lieu de la méthode classique de backstepping [65-67]. L’expérimentation
commence par adopter la méthode backstepping classique dans l'algorithme TSF-BI, puis à
l'instant 29 secondes, elle est remplacée par la méthode backstepping avec action intégrale. La
figure 2.24 illustre les graphes de la tension et la puissance de sortie du panneau PV résultants.
ref
La tension aux bornes des PV et la tension de référence V pv sont illustrées sur la même figure

18 (a), présentant ainsi une erreur statique de 3,2 V lors de l'utilisation de la méthode classique
de backstepping, ce qui entraîne des pertes de puissance comme indiqué sur la figure 18 (b).
D’autre part, la méthode de backstepping avec action intégrale supprime complètement l'erreur
statique et permet d’extraire la puissance maximale qui est 60W. Il convient de mentionner que
le temps « t » indiqué sur la figure 2.24 (a) ne présente pas le temps de réponse du contrôleur
backstepping avec action intégrale mais comprend aussi le temps de téléchargement de son
79
programme sur la carte DSP. Les résultats expérimentaux obtenus reflètent l'importance de
l'action intégrale pour surmonter les inconvénients de la méthode classique de backstepping, à
savoir l'erreur statique.

(a)

(b)

Fig. 2.24. Comparaison entre la méthode backstepping classique et backstepping avec action intégrale pour la
ref
commande MPPT (a) tension du panneau PV par rapport à la consigne V pv (b) puissance produite par le
panneau PV

Les performances de la technique TSF-BI ont été également comparées

expérimentalement avec ceux de l'algorithme P&O dans des conditions d’éclairement statique
et dynamiques. En raison du problème d'oscillation en régime permanent qui peut affecter
négativement le circuit, la taille du pas P&O a été soigneusement sélectionnée pour obtenir un
fonctionnement optimal de la méthode. Cependant, on voit clairement à partir des résultats
pratiques, présentés sur la figure 2.25 (a), que la technique MPPT développée dépasse
largement l'algorithme P&O en termes de précision, rapidité et efficacité. En raison du temps
considérable nécessaire pour atteindre le MPP, l'algorithme P&O présente une mauvaise qualité
de poursuite vis-à-vis les changements brusques et successifs d’éclairement solaire, comme le
montre la figure 2.25 (b). Les résultats présentés confirment fortement la robustesse de la
méthode MPPT TSF-BI sous les changements d’éclairement rapide illustrée précédemment
(dans les conditions de la figure 2.22 (b)).

80
 (a)

(b)

Fig. 2.25. Comparaison avec l’algorithme P&O (a) en régime permanent (à 11h45 le 08 mars 2020 à
Marrakech) (b) comportement dynamique de P&O sous les conditions d'éclairement solaire de la figure 2.22
(b).

5. Conclusion

Dans ce chapitre, un algorithme de commande avancée combinant l’approche floue TS

et le contrôle backstepping avec action intégrale, pour le contrôle du point de puissance
maximale (MPP) d’une chaine de conversion PV, est proposé. La technique floue TS est
essentiellement utilisée pour assurer la prédiction du MPP avec une bonne précision ; tandis
que la méthode backstepping avec action intégrale garantit la poursuite de MPP et la stabilité
asymptotique globale. Les résultats de simulation et expérimentales obtenues ont confirmé
l'efficacité de cette méthode. Ce travail est une contribution significative à l'amélioration de la
production d'énergie PV même en présence de changements d'éclairement très dynamiques.

Il serait également important d'améliorer le rendement global de la chaine de conversion

photovoltaïque en améliorant la topologie du convertisseur de puissance. Ce sujet sera abordé
dans le prochain chapitre.

81
82
Chapitre 3 : Convertisseur DC-DC Boost trois niveaux

1. Introduction

Ces dernières années, une attention particulière a été portée sur les micro-réseaux à bus
DC qui offrent plusieurs avantages tels que la grande capacité en puissance, une meilleure
performance et une flexibilité de connexion de charges. La figue 3.1 illustre un exemple de
micro-réseaux photovoltaïque à bus DC.

La structure de conversion dans une chaine PV élémentaire, comme présenté dans les
chapitres précédents, est généralement de type conventionnel car la charge est une batterie dont
la tension est d'environ 24 V ou 48 V. En revanche, les micro-réseaux DC sont caractérisée par
une sortie bus DC à haute tension auquel les sources d’énergie et les charges sont toutes
connectées. D’où, la nécessité d’une topologie du convertisseur Boost à hautes performances
permettant un rapport de transformation plus élevée.

Dans un premier temps, nous avons procédé à une étude bibliographique et un état de
l’art sur les convertisseurs DC-DC et les différents techniques d’élévation existante dans la
littérature. La volonté directrice des publications rencontrées est de faire progresser les
convertisseurs DC-DC pour les diverses applications. Nous avons donc essayé de faire ressortir
de cette étude le convertisseur le plus approprié à utiliser dans les micro-réseaux PV à bus DC,
et qui est le convertisseur Boost à topologie multi-niveaux. Cette topologie a fait le sujet de
nombreuses réflexions et ressort le plus fréquemment dans la littérature pour une conversion
DC-DC à fort rapport d’élévation.

Nous présenterons, dans la première partie de ce chapitre, les structures de convertisseur

Boost les plus utilisées en insistant sur leurs points faibles, leurs points forts et leurs applications
adéquats. Pour la suite de l’étude, nous allons nous intéresser au convertisseur Boost trois
niveaux. Nous introduirons, dans la seconde partie du chapitre, la topologie trois niveaux, son
dimensionnement ainsi que ses modes de fonctionnement. Après une longue étude et divers
essais expérimentaux, nous avons pu réaliser un prototype optimal de ce convertisseur. Les
idées et les solutions intéressantes permettant d’apporter des améliorations importantes dans la
conception du prototype seront abordées dans la dernière partie de ce chapitre. Les résultats
validant le bon fonctionnement de ce prototype expérimental seront également présentés.

83
 Fig. 3.1. Exemple de micro-réseau PV à bus DC (en mode isolé)

2. Etat de l’art sur les convertisseurs DC-DC Boost

La demande d’un convertisseur élévateur (Boost) fiable, efficace, de petite taille et léger
en diverses applications, a conduit les chercheurs à explorer et à découvrir de nouvelles
topologies et méthodes qui sont plus faisables [68]. Dans cette partie, nous avons procédé à une
étude bibliographique des convertisseurs élévateurs, plus précisément, les nombreuses
structures et techniques d’élévation de tension proposées dans la littérature.

2.1. Classification générale des convertisseurs DC-DC

Nous pouvons classifier d’une manière générale les structures des convertisseurs
d’électronique de puissance DC-DC en différents groupes comme illustre la figure 3.2. Les
principales caractéristiques décrivant chaque groupe sont présentées au tableau 3.1.

Fig. 3.2. Classification générale des convertisseurs DC-DC

84
Tableau. 3.1. Caractéristiques de chaque type de convertisseurs DC-DC

Type de convertisseur DC-DC Caractéristiques

Non isolé - Connexion électrique entre l’entrée et
[69]-[70] la sortie.
- Structures souvent simples à faible
poids et à faible coût de fabrication.
- Approprié pour les puissances faibles
et moyennes.
Isolé - Les bruits et les problèmes
[71]-[72] d'interférence électromagnétique
(EMI) sont réduits.
- Approprié pour les puissances élevées.
- Conforme à la plupart des normes de
réseau de distribution.
- Besoin d'une conception précise de la
partie magnétique pour un gain de
tension élevée.
Unidirectionnel - Le courant ne circule que dans un seul
[73]-[74] sens.
- Commande et contrôle simples.
- Moins complexe et moins coûteux que
le bidirectionnel
Bidirectionnel - Le courant circule dans les deux sens :
[75]-[76] direct et inverse.
- Adapté aux applications industrielles
de freinage régénératif.
- Exige des dispositifs de commande
des transistors assez complexes.
A commutation dure - Des pertes de commutation
[77]-[78] importantes.
- EMI élevées dû aux hauts dv/dt et di /
dt à la transition de commutation.

85
 - Fréquence de commutation limitée.
- Densité de puissance faible.
- Faible efficacité.
- Structure simple et moins coûteuse.
A commutation douce - Perte de commutation réduite (proche
[79]-[80] de zéro).
- Conception de circuit est assez
complexe.
- Fréquence de commutation élevée.
- Densité de puissance améliorée.
- Haute efficacité.
A Non-minimum de phase
[69]-[79] - Réponse dynamique lente.
- Marge de stabilité faible.
- Le contrôle est plus difficile.

A minimum de phase
[81]-[82] - Réponse dynamique rapide.
- Marge de stabilité grande.
- Le contrôle est plus facile.

2.2. Les techniques d'élévation de tension

Un convertisseur DC-DC Boost permet de convertir une tension continue en une autre
tension continue de plus forte valeur. Les techniques d'élévation de tension sont diverses et
variées, et chacune possède ses propres caractéristiques et ses applications appropriées, la raison
pour laquelle une topologie ou une solution particulière ne peut pas être privilégié de manière
permanente. Une topologie considérée comme complexe et inefficace il y a une décennie, peut
constituer désormais une solution clé pour un secteur ou une application spécifique. De plus,
beaucoup de progrès aient été effectués sur les semi-conducteurs de puissance, les matériaux
magnétiques, les plates-formes de commande numérique, ce qui a permis de développer des
topologies de conversion plus puissantes et avancées. La figure 3.3 présente une classification
86
 générale des différentes techniques d'élévation de tension, dédiées au convertisseur DC-DC,
décrites dans la littérature.

Le tableau 3.2 présente une comparaison significative des techniques introduites à la

figure 3.3 en fonction de leurs caractéristiques principales (niveau de puissance, coût, fiabilité,
efficacité, densité de puissance, poids, intégration et complexité), ce qui facilite, de façon
générale, la sélection de la topologie du convertisseur DC-DC Boost la plus convenable à une
application donnée.

Fig. 3.3. Classification générale des techniques d’élévation de tension

Tableau. 3.2. Classification générale des techniques d’élévation de tension

Techniques Avantages Inconvénients Applications appropriés

d’élévation de tension
Capacité commutée - Circuit pas cher et léger. - Courant d'appel au - Récupération d'énergie
(Pompe de charge) - Petite taille et densité de démarrage important. - Affichage mobile
[83]-[84]-[85] puissance élevée. - Sensible à la résistance (AMOLED).
- Réponse dynamique interne (ESR) des - Applications
rapide. condensateurs. automobiles et
- Absence de régulation de véhiculaires.
la tension de sortie. - Applications DC-DC à
gain élevé.

87
 Multiplicateur de - Capacité de fournir de - Contrainte de tension - Médical (rayons X, laser)
tension très haute tension avec élevée sur les - Militaire (laser haute
[86]-[87]-[88] une simple topologie. composants. puissance).
- Structure à base de - Besoin de plusieurs - Physique (recherche sur
cellules. cellules pour les le plasma, accélérateur de
- Peut être intégré à applications très hautes particules).
diverses structures. tension.
Inductance commutée - Haute capacité - Besoin plus aux - Applications (DC-DC) à
[89]-[90]-[91] d'élévation. composants passifs. gain élevé.
- Efficace pour différents - Ne convient pas aux - Convertisseurs DC-DC
types de convertisseurs. applications à forte de milieu de gamme.
puissance.
Multi-étages - Structure de modularité - Grande quantité de - Transmission HVDC
[92]-[93]-[94]-[95] - Puissance élevée. composants. (High Voltage Direct
- Fiable et efficace. - L'efficacité se détériore Current).
- Niveau de tension / avec le nombre d'étapes / - Systèmes d'énergie
courant élevé. niveaux. renouvelable et
production d'énergie
distribuée (Ex : PV, FC).
- Micro-réseaux à courant
continu.
- Alimentation DC haute
puissance.
- EV, HEV and FC-EV.
- Techniques spatiales et
leurs applications

Après un large balayage bibliographique, nous nous sommes orientés, dans ce travail,
vers la technique d’élévation multi-étages et plus précisément la topologie « multi-niveaux »
qui semble être la plus appropriée pour faire progresser l’architecture des installations
photovoltaïques en termes de rendement. En outre, les systèmes PV imposent une structure de
conversion unidirectionnelle et ne nécessitent pas l’utilisation d’une isolation galvanique

88
coûteuse en poids, en rendement et en prix. L’intérêt principal de cette structure est un
rendement plus important qu’un Boost conventionnel avec le même rapport cyclique.

3. Convertisseur DC-DC Boost trois niveaux

3.1. Description de la topologie

Le schéma du convertisseur Boost trois niveaux (CBTN) représenté à la figure 3.4 est
principalement constitué de :

• Deux interrupteurs M1 et M2, et de deux diodes D1et D2,

• L’inductance L et sa résistance interne r, et de deux condensateurs C1 et C2,

• La tension d’entrée Vi,

• La tension de sortie Vo,

• La fréquence de commutation du convertisseur notée « fs ». La période de commutation : T.

Comme on le verra par la suite, l’avantage de cette topologie est dans un premier temps
de diviser par deux les contraintes en tension des interrupteurs. Les deux interrupteurs sont
commandés par des signaux PWM au même rapport cyclique mais décalés entre eux d’une
demi-période. Ce décalage des commandes conduit à imposer trois niveaux de tensions aux
bornes de l’inductance du convertisseur, d’où l’appellation ‘convertisseur Boost trois niveaux’
[95]-[96].

Fig. 3.4. Topologie du convertisseur Boost trois niveaux

89
3.2. Principe de fonctionnement
Selon l’état des interrupteurs qui peuvent conduire ou bloquer, on peut distinguer quatre
séquences différentes de fonctionnement sur une période de fonctionnement du convertisseur.
La résistance interne de l’inductance r est supposée négligeable afin de simplifier les calculs.

Etat 1 : (figure 3.5.a)

Les deux interrupteurs M1 et M2 sont passants, alors que les deux diodes D1 et D2 sont
bloquées, par conséquent, il n’y a pas de transfert d’énergie entre la source et la charge.
L’inductance L emmagasine donc l’énergie fournie par la source à l’entrée. Les condensateurs
C1 et C2 se déchargent à travers la charge. Notons qu’ici, par simplicité, nous utilisons une
charge résistive pour étudier le fonctionnement du CBTN.

Les équations différentielles définissant cet état sont exprimées comme suit :

diL Vi

dt L
dVc1 V V
  c1  c 2 (3.1)
dt RC1 RC1
dVc 2 V V
  c1  c 2
dt RC2 RC2

Etat 2: (figure 3.5.b)

L'interrupteur M1 et la diode D2 sont passants tandis que M2 et D1 sont bloqués. La

source d’entrée est donc connectée à la charge et l’inductance L restitue l’énergie emmagasinée.
Le condensateur C2 est en mode de charge alors que C1 est en mode de décharge.

Les équations différentielles décrivant cet état sont données par :

diL Vi Vc 2
 
dt L L
dVc1 V V
  c1  c 2 (3.2)
dt RC1 RC1
dVc 2 iL V V
  c1  c 2
dt C2 RC2 RC2

90
Etat 3: (figure 3.5.c)

L'interrupteur M2 et la diode D1 sont passants tandis que M1 et D2 sont bloqués. La

source d’entrée est donc connectée à la charge et l’inductance L restitue l’énergie emmagasinée.
Le condensateur C1 est en mode de charge alors que C2 est en mode de décharge.

Les équations différentielles décrivant cet état sont données par :

diL Vi VC1
 
dt L L
dVc1 iL Vc1 Vc 2
   (3.3)
dt C1 RC1 RC1
dVc 2 V V
  c1  c 2
dt RC2 RC2

Etat 4: (figure 3.5.d)

Les deux interrupteurs M1 et M2 sont bloqués, alors que les deux diodes D1 et D2 sont
passantes, par conséquent, il y a une restitution de l’énergie emmagasinée par l’inductance L
ce qui permet la charge des deux condensateurs C1 et C2.

Les équations différentielles définissant cet état sont exprimées comme suit :

diL Vi VC1 VC 2
  
dt L L L
dVc1 iL Vc1 V
   c2 (3.4)
dt C1 RC1 RC1
dVc 2 iL V V
  c1  c 2
dt C2 RC2 RC2

Les formes d’ondes en mode de conduction continue associées à ce convertisseur sont

tracées sur la figure 3.6. Le CBTN peut fonctionner dans deux régions qui dépendent de la
tension d’entrée VI, soit supérieure ou inférieure à la moitié de la tension de sortie Vo. Pour la
première région, les rapports cycliques sont inférieurs à 0.5 (figure 3.6.a). Pour la deuxième
région, les rapports cycliques sont supérieurs à 0.5 (figure 3.6.b). Les tensions aux bornes des
condensateurs sont supposées équilibrées <Vc1>=<Vc2>.

91
 (a)

(b)

(c)

(d)

Fig. 3.5. Les quatres états de fonctionnement du CBTN (a)M1, M2 ON; D1, D2 OFF (b) M1, D2 ON;D1,
M2 OFF (c) D1, M2 ON;M1, D2 OFF and (d) D1, D2 ON; M1, M2 OFF

92
 (a)

(b)
Fig.3.6. Forme d’onde des tensions et des courants du CBTN pour les deux régions (a) région 1 : Vi ≥ 1/2Vo
(b) région 2 : Vi<1/2Vo.
93
 Les expressions des relations caractérisant le CBTN dans les deux régions de
fonctionnement et permettant le dimensionnement des différents composants qui le constitue,
à savoir l’inductance, les condensateurs, les interrupteurs et les diodes, sont données par [97] :

Région 1 : Vi ≥ 1/2Vo, d1et d2≤0.5 (avec C1=C2=C et d1=d2=d)

- Le gain en tension

 Vo  Vo 1
 Vi    d   Vi  Vo    0,5  d    (3.5)
 2 Vi 1  d

- L’amplitude des ondulations du courant dans l’inductance

Vi d  1  2  d 
iL   (3.6)
2 L f 1 d

- L’amplitude des ondulations de la tension en sortie

2  io   0.5  d  V  1  2  d 
vo   i (3.7)
C f 1  d   R  C  f

- Les contraintes maximales de tension et de courant sur les interrupteurs et les diodes

 Vi Vi
vM ,max  vd ,max  vc ,max  1  d  2.R  C  f
 (3.8)
i iL
M ,max  id ,max  iL ,max  I L 
 2

Région 2 : Vi <1/2Vo, d1et d2>0.5 (avec C1=C2=C et d1=d2=d)

- Le gain en tension

 V  V 1
Vi   d  0,5    Vi  o   1  d   o  (3.9)
 2 Vi 1  d

- L’amplitude des ondulations du courant dans l’inductance

Vi
iL    2  d  1 (3.10)
2 L f

94
 - L’amplitude des ondulations de la tension en sortie

2  io   d  0,5 V   2  d  1
vo   i (3.11)
C f 1  d   R  C  f

- Les contraintes maximales de tension et de courant sur les interrupteurs et les diodes

 Vi d Vi
vM ,max  vd ,max  vc ,max  1  d  2. 1  d   R  C  f
 (3.12)
i i
 id ,max  iL ,max  I L  L
 M ,max
2

Ces relations ont été implémentées dans un fichier Excel, dans le but de faciliter la tâche
de dimensionnement du CBTN. La figure 3.7 illustre le cahier des charges mise en place durant
cette étude ainsi que les valeurs des composants appropriées résultantes suite au
dimensionnement effectué. Les spécifications de ce cahier des charges proviennent de la
maquette expérimentale réalisée au laboratoire constituée de trois panneaux en entrée, qui
peuvent être connectés en parallèle, dont les paramètres d’un panneau sont listés au tableau 2.1
et un banc de batteries de 4x12V=48V, 120Ah en sortie.
- Le convertisseur devra supporter une tension d’entrée comprise entre 12V et 20V. Le
courant d’entrée maximal qu’il devra supporter sera de 17.4 A.
- La tension de sortie fournie par le convertisseur doit pouvoir atteindre 48V, 100V
représentera la limite fixée pour cette version de convertisseur.
- La puissance à convertir doit être supérieure à 200W, correspondant aux panneaux
disponibles au laboratoire. Le convertisseur sera donc dimensionné pour 380W.

95
 Fig. 3.7. Fichier Excel pour le dimensionnement du CBTN

En général, le rendement d’un convertisseur est fortement dépendant du point de

fonctionnement (tension d’entrée appliquée, rapport cyclique). Le rendement du CBTN peut
être calculé théoriquement en utilisant l’expression suivante [98] :

Po Vo 2 / R
  2 (3.13)
Po  Ppertes Vo / R  iL 2 2req  iL 2Veq

avec : req  rL  rM 1d  rD1 (1  d )  rC1 (d  d ) et Veq  VM 1d  VD1 (1  d )

2

où rL , rM 1 , rD1 et rC1 sont respectivement la résistance interne de l’inductance, du MOSFET 1, de

la diode 1 et du condensateur 1. VM 1 et VD1 sont respectivement la tension aux bornes du

MOSFET 1 et de la diode 1.

Nous pouvons remarquer à partir de l’expression (3.13) que les résistances internes des
différents composants constituant le CBTN doivent être choisies de faible valeur, afin de
minimiser les pertes et maximiser le rendement du convertisseur. L’obtention d’un rendement
élevé est un principal objectif de cette étude.

3.3. Simulation de la structure du CBTN

Avant de procéder à la réalisation expérimentale du convertisseur étudiée, des
simulations avec le logiciel MATLAB/Simulink ont été effectuées dans le but de valider le
dimensionnement des composants (figure 3.7) et vérifier le bon fonctionnement de la structure.
La figure 3.8 illustre le schéma Simulink utilisé. Les formes des courants et tensions aux bornes

96
des différents composants du CBTN résultantes en simulation sont illustrées sur les figures 3.9
et 3.10. Comme les composants et les signaux de commande sont parfaits en simulation, la
structure du CBTN fonctionne exactement comme prévu.

Fig. 3.8. Schéma Simulink utilisé pour vérifier le fonctionnement du CBTN

97
 (a) (b)

(c) (d)

(e) (f)
Fig. 3.9. Fonctionnement du convertisseur en simulation pour un rapport cyclique 30% (a) signaux de
commande des MOSFETs (b) tensions aux bornes des MOSFETs (c) courant dans l’inductance (d) tension
d’entrée (e) tension de sortie (f) tensions aux bornes des condensateurs C1 et C2

98
 (a) (b)

(c) (d)

(e) (f)
Fig. 3.10. Fonctionnement du convertisseur en simulation pour un rapport cyclique 60% (a) signaux de
commande des MOSFETs (b) tensions aux bornes des MOSFETs (c) courant dans l’inductance (d) tension
d’entrée (e) tension de sortie (f) tensions aux bornes des condensateurs C1 et C2

La caractéristique représentant l’évolution de la tension de sortie du CBTN en fonction du

rapport cyclique Vo(d) a été également tracée en simulation. D’un point de vue théorique, la
tension de sortie d’un CBTN est infinie pour un rapport cyclique 100%. En revanche, la
présence d’éléments parasites (y compris les résistances internes) dans les différents
composants actifs et passifs du circuit vient limiter la tension de sortie (et donc le rapport de
conversion) maximale atteignable. La figure 3.11 présente la caractéristique Vo(d) du CBTN
implémenté en simulation (Vi=13,6V, R=70Ω). Comme nous l’avons indiqué, on peut noter à
partir de cette figure qu’au-delà de 90% du rapport cyclique, la structure s’arrête de « booster »
et la tension de sortie commence à décroître très fortement et rapidement. Le CBTN n’est pas
une exception, plutôt tous les convertisseurs de type élévateur voient leurs rapports de
conversion limités par les résistances internes présentes dans les différents éléments du circuit.
99
En outre, pour que la structure trois niveaux soit intéressante le rapport de conversion ne devrait
pas dépasser 5, le rendement serait ainsi supérieur à 95% [98].

Fig. 3.11. Caractéristique Vo(d) du CBTN étudié

3.3. Réalisation expérimentale du CBTN

Un prototype expérimental du CBTN correspondant aux caractéristiques données dans
le tableau 3.3 a été réalisé comme représenté sur la figure 3.12. Un ensemble de connaissances
issu de deux premières versions conçues et des divers essais menés nous a permis d’envisager
la conception d’un circuit du CBTN optimal. Afin de faciliter l’expansion et l’amélioration de
ce prototype au cours du temps, nous introduisons en détails, dans cette partie, les détails de la
conception du circuit du CBTN ainsi que les facteurs de performances permettant le bon choix
des semi-conducteurs, des condensateurs, des drivers de commande…etc.

Tableau 3.3. Paramètres de prototype du CBTN réalisé

Paramètre Valeur
Puissance maximale 380W
Tension d’entrée entre 12V et 20V
Tension maximale de sortie 100V
Fréquence de commutation 32kHz

100
 Fig. 3.12. Le prototype expérimental du CBTN réalisé

Pour la réalisation du circuit électronique, nous avons utilisé le logiciel ARES

« Proteus » qui est un outil d'édition et de routage permettant de placer les composants et
de réaliser le routage correctement.

3.3.1. Partie puissance

La partie puissance du circuit du CBTN est principalement composée d’une inductance,
des condensateurs de sortie, des transistors et des diodes.

Pour un CBTN, la valeur de l’inductance est généralement réduite (comparé avec un

convertisseur classique) car la phase de charge de celle-ci se produit deux fois pendant une
période de fonctionnement, ce qui est considéré un avantage de cette topologie de conversion.
Compte tenu du cahier des charges, l’inductance peut être parcourue par un courant maximal
de 20A, par conséquent, elle a été choisie de telle façon à supporter ce courant et aussi avec une
résistance interne faible (16mΩ) afin de réduire les pertes comme mentionné précédemment. Il

101
est à noter que pour des courants plus importants, il est recommandé d’utiliser deux bobines en
parallèle pour réduire le volume et le coût.

Des condensateurs de type électrolytique de capacitance 470 µF et de tenue en tension

100V ont été utilisés dans le circuit. Par ailleurs, en sortie, des condensateurs céramiques
(0.1µF, 250V) ont été ajoutée en parallèle à ceux de type électrolytiques. Cette conception avec
des condensateurs mixtes est très courante puisqu’il permet d’avoir une impédance de sortie
extrêmement basse. Le condensateur électrolytique est adapté aux basses fréquences car il a
une grande capacitance, l'ajout d'un petit condensateur céramique en parallèle réduira les
interférences électromagnétiques qui résultent du bruit de commutation [99]. Deux résistances
sont aussi placées en parallèle aux condensateurs C1 et C2 afin d’équilibrer relativement les
tensions à leurs bornes. Ces résistances d’équilibrage doivent être suffisamment élevées pour
polariser les condensateurs et dissiper simultanément une très faible puissance ; pour le
prototype réalisé des résistances de 100 kΩ ont été utilisées.

Les diodes Schottky ont été choisies pour être utilisées dans ce circuit en raison de leurs
caractéristiques particulières par rapport aux diodes classiques à savoir un seuil
de tension directe très faible, un temps de recouvrement quasiment nul et un temps de
commutation très rapide.

Quant aux interrupteurs, le choix du type d’interrupteur est généralement basé sur deux
paramètres principaux qui sont la puissance du circuit et la fréquence de commutation désirée.
La figure 3.13 permet de positionner sur un repère fréquence-puissance les grandes familles des
interrupteurs de puissance (transistors). On peut remarquer que chaque type a un domaine
d’application privilégié. Pour un CBTN, dont les paramètres sont donnés au tableau 3.3, le
transistor à effet de champs à grille isolée ou MOSFET est considéré le plus le plus convenable.
Ce type de transistor est largement utilisé en microélectronique et dans les convertisseurs de
faibles puissances et moyennes tensions car il est très facile à commander à la fermeture et à
l’ouverture et possède des caractéristiques en commutation particulièrement favorables [100].

102
 Fig. 3.13. Domaine d’application des composants de puissance en silicium [100]

Dans le but d’améliorer les performances du convertisseur réalisé, des circuits

d’amortissement (en anglais : snubber) ont été placés aux bornes des MOSFETs (figure 3.14)
afin d’éliminer les pics de tensions et atténuer l'oscillation causée par l'inductance de circuit en
commutation. Néanmoins, pour une fiabilité plus élevée et un rendement supérieur, une
conception correcte du circuit d'amortissement doit être effectuée. Parmi les différents types
d'amortisseurs, le circuit d'amortissement résistance-condensateur (RC) est le plus populaire
[101]. La procédure de calculs des valeurs de chaque composant du circuit d'amortissement
pour une conception optimale est fournie à la réf. [102]. Le calcul et les valeurs obtenues pour
le prototype réalisé sont donnés en Annexe B.

Fig. 3.14. Schéma du CBTN avec le circuit d'amortissement résistance-condensateur

3.3.2. Partie commande

Comme décrit précédemment, le CBTN est composée de deux étages cascadés (haut et
bas). L’étage haut de ce convertisseur est électriquement flottant par rapport à l’étage bas. Afin
de gérer correctement la commande des deux MOSFETs notamment le «high-side», deux
103
solutions coexistent. La première consiste à utiliser un driver unique qui pilote les deux
MOSFETs alors que la deuxième consiste à utiliser un driver « générique » pilotant chaque
MOSFET, comme illustre la figure 3.15. Nous pouvons citer des exemples industriels de la
première configuration tel que le driver IR2117 d’International Rectifier ou le FAN7385 de
Fairchild Semiconductor. Cette configuration est basée sur la technique du « bootstrap » avec
une diode haute tension et un élément capacitif pour créer une alimentation flottante pour le
driver « high-side » à partir de l’alimentation du circuit de commande du transistor « low-side ».
Néanmoins, cette solution présente des limitations au niveau du fonctionnement à savoir : (i) la
valeur de la capacité « bootstrap » (CB) est grande et fortement dépendante de la fréquence de
commutation de l’interrupteur (ii) pour que la CB se charge totalement, la période de
conduction du transistor « low-side » doit être suffisamment longue (iii) cette configuration
contient une capacité parasite de mode commun issue de la diode bootstrap (iv) cette solution
n’est pas isolée galvaniquement [100][103][104]. Ceci nous conduit à la deuxième solution
pour laquelle un driver générique est associé à chaque transistor avec l’idée de concevoir deux
étages de commande totalement autonome, ce qui permet aussi d’intégrer un système
d’alimentation flottante.

(a) (b)
Fig. 3.15. (a) Un driver pour deux MOSFETs (high side & low side) (b) Un driver pour chaque MOSFET
[104]

Afin d’assurer une commande optimale et un bon fonctionnement du transistor de

puissance en toute sécurité, différents paramètres sont à considérer lors de la conception de
l’étage de commande. La connaissance de la valeur de la charge totale nécessaire à fournir à la
grille pour faire commuter le MOSFET, permet une sélection approprié du driver. Celui-ci doit
être capable de fournir un courant de plusieurs centaines de mA (en anglais : peak current drive)
pour charger et décharger la capacité équivalente d’entrée du MOSFET et construire ainsi une
tension de grille correcte pour les commutations Il est aussi important de bien choisir la valeur

104
de la résistance de grille RG, ce qui permet de diminuer les énergies de commutation dissipées
lors de la fermeture et de l’ouverture du MOSFET. Pour plus de détails, le document [105] de
Microchip Technology présente les caractéristiques et les relations permettant le calcul de ces
paramètres. Le driver utilisé sur le prototype expérimental réalisé est un MCP1406 (Figure
3.16).

Fig. 3.16. Schéma de l’étage de commande par Drivers utilisé sur le prototype réalisé

La structure du CBTN est composée d’un transistor de puissance (MOSFET) à référence

de potentiel flottant, d’où la nécessité de créer une alimentation flottante isolée pour le circuit
de commande. Cette alimentation a été principalement réalisée en utilisant un convertisseur
DC-DC offrant un très haut niveau d’isolation (DCH010512S) comme le montre la figure 3.17.
Cette technique d’alimentation flottante adoptée est largement répondue puisqu’elle permet de
travailler dans une large gamme de fréquences de commutation avec un rapport cyclique qui
peut varier entre 0 et 1, ce qui couvre la plupart des applications d’électronique de puissance
[100].

En outre, les impulsions de commande des transistors doivent alors être appliquées à
travers un circuit à isolation galvanique permettant de supprimer toute connexion électrique
entre la partie de puissance et la partie commande. En effet, le choix de l’interface d’isolation
galvanique (transformateur, opto-coupleur ou fibre optique) dépend principalement de la
topologie du convertisseur et de la plage de la tension d’application [106]. L’opto-coupleur est
typiquement employé pour transmettre les ordres de commande dans les systèmes de faible et
moyenne puissance (< 1 kW) [107]. Il est constitué par l’association d’un émetteur optique

105
(LED) et d’un photorécepteur (photodiode, phototransistor). Dans le circuit réalisé, l’isolation
galvanique est donc assurée au moyen d’un opto-coupleur HCPL-2630 (figure 3.15).

Le tableau 3.4 présente les valeurs ainsi que les références des composants constituant
le circuit réalisé. Le schéma global du circuit est illustré à la figure 3.18.

Fig. 3.17. Schéma d’étage de commande – partie isolation– utilisé dans le prototype réalisé

Tableau 3.4. La liste des composants utilisés dans le prototype du CBTN réalisé
Composant Référence Paramètres
MOSFETs (M1 & M2) SIHP30N60E-GE3 600V, 29A
Driver de la grille MCP1406 ---
Diodes (D1 & D2) STPS20120D 120V, 20A
Inductance NAC-20-0201 200𝝁H, 20A, 16m𝜴
Condensateurs (C1 & C2) MAL213659471E3 470𝝁F, 100V
Opto-coupleur HCPL2630 ---
Isolateur DC-DC DCH010512S ---

106
 Fig. 3.18. Schéma de circuit (partie commande+ partie puissance) du prototype réalisé

3.4. Validation pratique du prototype du CBTN réalisé

Nous présentons dans cette section des résultats de tests expérimentaux effectués sur le
CBTN conçu. Une source d’entrée a été réglée pour une tension fixée de 13.6V. Une charge
résistive de 70Ω ,105W a été connectée en sortie. Il s’agit de vérifier le bon fonctionnement du
circuit.

Nous illustrons les résultats obtenues pour un exemple de rapport cyclique d1=d2= 30%
sur la figure 3.19. Les signaux de commande des interrupteurs générés à la sortie de l’opto-
coupleur et puis de driver sont donnée à la figure 3.19.a. Il est à noter que l’opto-coupleur et le
driver utilisés dans le prototype sont de type inverseur. La figure 3.19.b présente la forme du
courant dans l’inductance. Le capteur de courant utilisé est un LA25-NP de la société LEM.
Les tensions aux bornes des deux MOSFETs et puis des condensateurs C1 et C2 ainsi que la
tension de sortie et d’entrée sont respectivement illustrées aux figures 3.19.c, 3.19.d, 3.19.e,
3.19.f, 3.19.g et 3.19.h.

Les résultats obtenus montrent que le circuit réalisé fonctionne correctement, et capable
de générer une tension de sortie moyenne très proche de celle calculée théoriquement (Equation
(3.5)). Par ailleurs, en observant le courant circulant dans l’inductance du convertisseur on
retrouve bien les formes attendues selon la théorie. Cependant, une légère différence entre les

107
tensions des capacités (de 0.6V) peut être observée. Cette différence est principalement due à
la dissymétrie des valeurs des deux capacités (C1 et C2) en réalité, et au déséquilibre qui peut
se produire fréquemment au niveau des signaux de commande. L’équilibrage des tensions aux
bornes des condensateurs n’est pas donc toujours garanti en pratique. En outre, lorsque le
déséquilibre de ces tensions est plus important, la forme d’onde du courant dans l’inductance
devient irrégulière et la contrainte en tension sur les composants semi-conducteurs n’est plus
égale à la moitié de la tension de sortie. Par conséquent, les pertes augmentent et le rendement
du circuit diminue. Un exemple de ce cas pour un rapport cyclique de 60% est donné à la figure
3.20. En observant le courant et les tensions mesurées, on s’aperçoit donc une mauvaise
répartition des tensions aux bornes des interrupteurs et des condensateurs ainsi qu’une forme
du courant dans l’inductance asymétrique. Ceci montre qu’un contrôle de l’équilibrage des
tensions des capacités est nécessaire afin d’obtenir un bon fonctionnement de la structure
retenue et d’assurer un rendement élevé.

108
 (a) (b)

(c) (d)

(e) (f)

(g) (h)
Fig. 3.19. Fonctionnement du convertisseur réalisé pour d=30% (a) signaux de commande des MOSFETs
(b) courant dans l’inductance (c) tension aux bornes du M1(d) tension aux bornes du M2(e) tension aux
bornes du C1 (f) tension aux bornes du C2 (g) tension de sortie (h) tension d’entrée 109
 (a) (b)

(c) (d)

(e) (f)

(g) (h)
Fig. 3.20. Fonctionnement du convertisseur en présence d’un déséquilibre des tensions des capacités
(d=60%) (a) signaux de commande des MOSFETs (b) courant dans l’inductance (c) tension aux bornes du
M1(d) tension aux bornes du M2(e) tension aux bornes du C1 (f) tension aux bornes du C2 (g) tension de
110
sortie (h) tension d’entrée
 On peut aussi observer à la figure 3.19 et 3.20 des oscillations aux bornes des deux
MOSFETs lors de la commutation entrainant des oscillations également au niveau du courant
de l’inductance. Nous présentons ci-dessous les formes des tensions des deux MOSFETs lors
des commutations, avant et après l’insertion du circuit d’amortissement RC, afin d’en confirmer
l’intérêt théorique de celui-ci discutée précédemment. La figure 3.21 et la figure 3.22 montrent
le comportement respectivement du MOSFET1 et MOSFET2, avec et sans amortisseur. Le
calcul des éléments du circuit d’amortissement a été principalement basé sur les courbes
zoomées à la figure 3.21.a et la figure 3.22.a (Voir Annexe B).

(a)

(b)
Fig. 3.21. Tension aux bornes du MOSFET 1 (a) sans circuit d’amortissement (b) avec circuit
d’amortissement

En observant l'allure de la tension des MOSFETs avec le circuit d’amortissement, nous

pouvons clairement s’apercevoir que le circuit RC ajouté permet de maitriser les pertes par
commutation en éliminant une grande partie des surtensions et des harmoniques, ce qui
améliore donc le fonctionnement du convertisseur et diminue énormément les pertes dans le
circuit tout entier.

111
 (a)

(b)
Fig. 3.22. Tension aux bornes du MOSFET 2 (a) sans circuit d’amortissement (b) avec circuit
d’amortissement

La caractéristique Vo(d) a été également tracée expérimentalement comme présenté

sur la figure 3.23.

Fig. 3.23. Caractéristique Vo(d) du CBTN étudié

112
4. Conclusion

L’objectif de ce chapitre est la réalisation d’un convertisseur DC-DC Boost possédant

un bon rendement et une flexibilité de fonctionnement pour les architectures micro-réseaux à
bus DC utilisant des systèmes PV. Une étude bibliographique sur les convertisseurs DC-DC et
les différents techniques d’élévation nous a permis de choisir la topologie la plus appropriée et
qui est le Boost trois niveaux.

Le fonctionnement et le dimensionnement des composants de cette topologie ont été

premièrement étudiés théoriquement et puis vérifiés en effectuant des simulations sous
Matlab/Simulink. Ensuite, un prototype expérimental du convertisseur Boost trois niveaux a
été réalisé. Un certain nombre de précautions doivent être respectés afin d’assurer une
conception optimale. Les résultats des essais expérimentaux nous ont démontré la nécessité
d’une boucle de contrôle permettant l’équilibrage des tensions aux bornes des condensateurs,
pour un fonctionnement correcte de la structure et pour atteindre un rendement global élevé.
Nous développerons donc ce point dans le chapitre suivant.

113
114
Chapitre 4 : Contrôle du convertisseur DC-DC Boost trois
niveaux

1. Introduction

Différentes travaux dans la littérature ont été consacrés à l’étude de la commande en

poursuite du CBTN qui est connu pour son comportement non-linéaire [108-110]. Dans la réf.
[108], un contrôleur basé sur le mode de glissement (en anglais : sliding mode) a été développé
pour la commande d'un CBTN connecté à une pile à combustible. Le contrôleur présente de
bonnes performances en termes de suivi de trajectoire et de rejet des perturbations ; cependant,
le problème de broutage, la fréquence de commutation variable et la connaissance préalable
requise des limites d'incertitude sont considérés comme des inconvénients majeurs de la
commande en mode de glissement. Dans la réf. [109], une stratégie de commande prédictive à
base de modèle (en anglais : model predictive control) a été proposé pour un système
photovoltaïque intégrant le CBTN. L'étude a souligné l'efficacité et la robustesse de cette
stratégie à travers les résultats obtenus. Néanmoins, ce type de contrôleur est très sensible à la
variation des paramètres. Les auteurs en [110] ont étudié le CBTN avec une technique de
contrôle basée sur un modèle (en anglais : model-based control) utilisant le principe de planéité
pour les applications de piles à combustible. L'algorithme de contrôle développé basé sur la
propriété de planéité du système a assuré un bon contrôle de sortie et a traité le problème de
stabilisation du système. Celles-ci ont été démontrées théoriquement et expérimentalement.
Cependant, un modèle mathématique précis est nécessaire, ce qui augmente la complexité des
calculs d'algorithmes, le coût de mise en œuvre du contrôleur limite donc son application sur
des systèmes simples.

Le développement de stratégies de contrôle avancées utilisant une approche floue pour

différents systèmes, y compris les convertisseurs DC-DC, a attiré beaucoup d'attention ces
dernières années [111-113]. Cela est dû à sa capacité de contrôle adaptatif des systèmes non
linéaires complexes. De plus, les études de [114-115] ont démontré comment le contrôle flou
peut conserver les avantages du contrôle classique (faisabilité, faible complexité de calcul…
etc) et améliorer ses performances dynamiques.

Une stratégie de commande pratique et efficace combinant le contrôle PI et l'approche

floue de type Takagi-Sugeno a été proposée et examinée dans la littérature [117-120]. En se

115
basant sur la modélisation dite locale ou la représentation multi-modèles [116], des contrôleurs
locaux linéaire de type PI peuvent être synthétisés. Ces contrôleurs sont ensuite combinés en
utilisant l’approche floue TS afin de constituer un contrôleur global capable d’assurer de bonnes
performances comme a été prouvé pour de nombreux processus non linéaires (une
microcentrale hydroélectrique [117], un filtre actif triphasé [119], un convertisseur Boost
classique [120]). Motivé par ces mérites, un contrôleur PI-flou de type TS a été développé pour
la commande en poursuite du convertisseur Boost trois niveaux comme présenté dans ce
chapitre.

Toutefois, une commande en poursuite ne suffit pas pour un CBTN et ne peut pas
atteindre les performances de régulation souhaitées. En d'autres termes, le CBTN est connu par
l'inconvénient inhérent du déséquilibre des tensions des condensateurs comme cela a été
souligné dans le chapitre précédant. Ce problème influence le fonctionnement global du
convertisseur ; il est donc essentiel d’y faire face. Cela peut être fait en intégrant un contrôleur
d'équilibrage des tensions dans la boucle fermée du système. Ce problème du CBTN n’a pas
été suffisamment traité dans la littérature. Un simple contrôleur PID peut être utilisée [121-122]
autour d’un point de fonctionnement, cependant, pour une application telle que les micro-
réseaux où les charges sont différentes et continuellement variables, le contrôleur doit gérer les
non linéarités et être assez robuste afin d’assurer la stabilité du système contrôlé. La raison pour
laquelle un contrôleur basé sur l’approche backstepping assurant l’équilibrage des tensions des
condensateurs ainsi qu’une stabilité globale du système a été développé.

2. Commande en poursuite du CBTN

2.1. Modélisation du CBTN

Comme démontré précédemment, le CBTN présente une non linéarité gênante due en
grande partie aux résistances parasites ainsi qu’aux modes de fonctionnement. Nous présentons
donc dans cette section, la technique de modélisation du CBTN que nous avons adopté et qui
consiste à identifier le convertisseur à partir des données sur les entrées et les sorties par des
modèles locaux linéaire autour des différents points de fonctionnement judicieusement choisis.

On considère le CBTN dont les paramètres sont donnés au chapitre 3 et la caractéristique

Vo(d) (pour Vin=12V et R=24.7Ω) est illustré à la figure 4.1 ; pour couvrir toute la marge de
variation de rapport cyclique d dans la modélisation du convertisseur, on a subdivisé l'intervalle

116
de variation de d en cinq sous-intervalles linéaires (S1, S2,…, S5) comme indiqué dans la figure
4.1.

Où : S1= [10 38]% ; S2= [38 52] % ; S3= [52 65] % ; S4= [65 77] % ; S5= [77 85] %.

À chaque sous-intervalle, on fait correspondre un sous-modèle représenté

mathématiquement sous forme de fonctions de transfert. Le CBTN a généralement deux entrées
indépendantes, la tension d'entrée et le rapport cyclique (qui est le signal de contrôle du
convertisseur). Par conséquent, chaque sous-intervalle est caractérisé par deux fonctions de
transfert : «Fi» et «Fd» comme présente le schéma synoptique de la figure 4.2.

Fig. 4.1. Caractéristique Vo(d) du CBTN étudié subdivisé en cinq sous-intervalles

Fig. 4.2. Schéma fonctionnel du CBTN en boucle ouverte pour un sous-intervalle Si

Les modèles de fonction de transfert de chacun des cinq sous-intervalles linéaires ont
été identifiés selon la procédure suivante :

Autour d’un point de fonctionnement donné, une petite variation de la tension d'entrée
(de 1 V) a été appliquée au CBTN (en boucle ouverte) tandis que le rapport cyclique a été
maintenu constant ; puis de même une petite variation du rapport cyclique (de 1%) a été
appliquée au CBTN (en boucle ouverte) tandis que la tension d'entrée a été maintenue constante.
Ces variations d'entrées engendrent des changements soudains de la tension de sortie, comme
le montre la figure 4.3 pour l’exemple du sous-intervalle S1.

117
 Les données obtenues ont ensuite été chargées et traitées par « System Identification
Toolbox » de MATLAB pour en déduire les fonctions de transfert «Fi» et «Fd» correspondante
à chaque sous-intervalle linéaire. Ce Toolbox permet une identification appropriée du système
étudié.

(a)

(b)
Fig. 4.3. Réponse de la tension de sortie à (a) une variation de la tension d'entrée (12 V-13 V) avec un rapport
cyclique 20% (b) une variation de rapport cyclique (20 à 21%) avec une tension d'entrée de 12 V.

En ce qui concerne le modèle des fonctions de transfert, le nombre de pôles dépend

généralement du nombre d'éléments dynamiques (inductances et condensateurs) que comporte
un convertisseur. En outre, le nombre de zéros peut être modifié pour atteindre un «fit to
estimation data» élevé et donc des fonctions de transfert fiables. Plus précisément, le nombre
de zéros a été choisi selon les résultats des tests effectués à l'aide de « System Identification
Toolbox » de MATLAB. Différentes représentations des deux fonctions de transfert «F i» et
«Fd», sans zéros à trois zéros, ont été examinées. Par exemple, le tableau 1 présente le «fit to
estimation data» correspondant à chaque forme de «Fi» et «Fd» pour le cas du premier sous-
intervalle S1. Nous pouvons clairement nous apercevoir que pour tous les sous-intervalles, le
modèle de fonction de transfert sans zéro a donné le meilleur «fit to estimation data» pour «Fi»,
et le modèle de fonction de transfert avec un zéro a donné le meilleur «fit to estimation data»
pour «Fd». Les modèles de fonction de transfert «Fi» et «Fd» résultants pour les cinq sous-
intervalles sont présentés au tableau 2.

118
Tableau 1. Le “Fit To Estimation Data” (%) correspondant à «F i1» et «Fd1» du sous-intervalle S1

Fi1 Fd1

Sans zéro Un zéro Deux zéros Trois zéros Sans zéro Un zéro Deux zéros Trois zéros

93.2 <0 <0 92.3 83.4 99.9 98.9 98.7

Tableau 2. Les modèles de fonction de transfert «Fi» et «Fd» résultants pour chaque sous-intervalle [S1, S2, …,
S5]
2.035.1012
Fi1 s3  6.442.104 s 2  7.87.107 s  1.629.1012

S1 6.136.108 s  3.94.1013
Fd1
s3  8.311.104 s 2  5.087.107 s  2.067.1012

1.541.1012
Fi2 s3  6.509.104 s 2  6.849.107 s  9.261.1012

S2 8.927.108 s  3.928.1013
Fd2 s3  8.302.104 s 2  4.026.107 s  1.151.1012

1.153.1012
Fi3
s3  6.494.104 s 2  6.223.107 s  5.205.1011

S3 1.492.109 s  3.826.1013
Fd3
s3  8.135.104 s 2  3.376.107 s  6.276.1011

7.729.1011
Fi4 s3  6.535.104 s 2  5.819.107 s  2.336.1011

S4 3.313.108 s  3.65.1013
Fd4 s  8.024.104 s 2  2.918.107 s  2.694.1011
3

4.761.1011
Fi5
s3  6.714.104 s 2  5.74.107 s  8.761.1010

S5 8.011.109 s  3.383.1013
Fd5
s3  7.674.104 s 2  2.588.107 s  8.904.1010

119
2.2. Synthèse du contrôleur proposé
L'objectif de la commande en poursuite du CBTN étant de faire en sorte que la tension
de sortie suive une tension de référence (ou un profil désiré). A la différence des travaux cités
en littérature qui traitent ce problème de poursuite pour le CBTN et qui proposent des lois de
commande valables juste pour quelques différents points de fonctionnement, la stratégie de
commande proposée dans ce chapitre, malgré sa simplicité, permet d'atteindre cet objectif avec
plus de précision sur toute la plage de variation du point de fonctionnement du convertisseur
tout en garantissant la stabilité du système global. Les paragraphes suivants expliquent le
principe de cette stratégie.

En se basant sur la modélisation présentée à la section 2.1, des contrôleurs à validité

locale peuvent être synthétisés. En d'autres termes, pour chacun des cinq modèles de fonction
de transfert, un contrôleur linéaire de type PI est synthétisé. La commande par PI est aujourd'hui
l'un des commandes les plus utilisés et ce pour plusieurs raisons. Premièrement, il est très simple
à mettre en place et s'avère efficace pour la plupart des systèmes réels. De plus, le calcul des
paramètres laisse le choix entre plusieurs méthodes de difficulté croissante. Les paramètres d’un
contrôleur PI sont le gain intégral Ki (qui permet d’éliminer l'erreur statique) et le gain
proportionnel Kp (qui permet de réduire le temps de montée, ce qui améliore la réponse
dynamique du système). La figure 4.4 montre le schéma de principe du modèle de CBTN en
boucle fermée correspondant à chaque sous-intervalle.

Fig. 4.4. Schéma fonctionnel du CBTN en boucle fermée pour un sous-intervalle

Les paramètres des contrôleurs PI ont été déterminés à l’aide de la méthode de Naslin
[123]. Les contrôleurs ont été choisis de forme standard présentée par l’équation (1). Les
paramètres ont été calculés pour satisfaire une bonne poursuite avec un temps de réponse rapide
(environ 200 ms) et un dépassement maximal de moins de 10%. Le tableau IV présente les
valeurs résultantes de Kp et Ki, correspondant aux contrôleurs PIi (i=1 à 5) conçus

120
respectivement pour les cinq modèles locaux. La stabilité des PI conçus est généralement
garantie car les conditions pratiques PM ≥45° et GM ≥ 5dB ont été respectées simultanément.

1
CPI  Kp(1  Ki ) (4.1)
s

Tableau 3. Paramètres du contrôleur PI correspondant aux cinq sous-intervalles

Kp Ki
S1 5.24.106 1.42.106
S2 2.93.106 1.72.106
S3 1.64.106 1.21.106
S4 7.34.107 1.38.106
S5 2.60.107 1.18.106

La figure 4.5 présente différents scénarios démontrant la capacité de poursuite du point

de consigne des contrôleurs PI obtenus et leur capacité de rejeter les perturbations à l’entrée et
de suivre les variations de la consigne (référence). Il est à noter que chaque contrôleur PI est
testé dans son sous-intervalle spécifique pour lequel il a été conçu.

(i) une variation d'entrée se produit à 0,12s de 11V à 13V, (ii) une deuxième variation d'entrée
se produit à 0,25s de 13V à 11V et (iii) un changement de tension de référence (point de
consigne) à 0,36s. On voit clairement que tous les contrôleurs PI présentent de bonnes
performances et que la sortie du système suit parfaitement la tension de référence.

121
 (a) (b)

(c) (d)

(e)
Fig. 4.5. Réponse de la tension de sortie suite à la variation de la tension d'entrée et au changement du point de
consigne pour chaque régulateur PI: (a) PI1 (b) PI2 (c) PI3 (d) PI4 (e) PI5.

Les contrôleurs PI ont également été testés en dehors de leurs sous-intervalles de

fonctionnement linéaire. À titre d'exemple, la figure 4.6 montre la réponse de sortie du système
en boucle fermée, en utilisant (a) le contrôleur PI1 et puis (b) le contrôleur PI4, aux changements
de la tension de référence suivant cette séquence [15V-25V-42V-33V-50V] à 0,2s 0,4s 0,6s
0,8s respectivement. Un aspect intéressant de ce test est que les résultats obtenus nous ont fourni
une image globale du comportement des contrôleurs PI synthétisés sur toute la plage de
fonctionnement du convertisseur. Comme nous pouvons l’observer, l'utilisation des contrôleurs
PI en dehors de leurs sous-intervalles de fonctionnement linéaire présente des performances de
contrôle lentes (un temps de réponse de 110 ms (voir figure 4.6 (b)) et peut conduire le système
à l'instabilité (voir figure 4.6 (a)). Les contrôleurs PI ont donc un domaine de validité limité. En
outre, la non-linéarité du convertisseur étudié rend difficile d'assurer une stabilité globale du
système et de satisfaire de meilleures performances sur toute la plage de fonctionnement en
utilisant un contrôleur PI classique. Par conséquent, une technique de commande améliorée doit
d'être adoptée. À cet égard, nous avons développé, dans le cadre de cette thèse, une stratégie de
contrôle permettant de garantir des performances optimales sur l'ensemble du domaine de
fonctionnement du CBTN tout en préservant les mérites du contrôle PI. Cette stratégie consiste
122
à utiliser un approximateur flou dont la synthèse est fondée sur une méthode d'inférence floue
de type TS.

(a)

(b)
Fig. 4.6. La réponse de sortie en boucle fermée aux changements de la tension de référence en utilisant (a) le
contrôleur PI1 (b) le contrôleur PI4

L'idée de base de la technique de commande proposée est de développer un « multi-

contrôleur », en se basant sur les cinq diffèrent contrôleurs locaux PI élaborés, avec une loi de
sélection basée sur la logique floue de type TS, comme le montre la figure 4.7. En d'autres
termes, le contrôleur PI-flou TS (CFTS) permet, avec le formalisme d'inférence flou, de
déterminer continuellement les paramètres (Kp et Ki) adéquats qui répondent à l'objectif de la
commande en poursuite sur tout le domaine de fonctionnement. En plus, il permet d'éliminer
les erreurs d'approximation ayant lieu en basculant d'un sous-intervalle à un autre.

123
 Fig. 4.7. Schéma explicatif de la stratégie de commande proposée

Un rappel sur la logique floue de type TS est donné à la section 3.2.1 du chapitre 2.

Pour une valeur nominale de la tension de sortie Vo, la ième règle du CFTS peut être
obtenue comme suit :

R i : Si Vo  Si Alors K pi et Kii (4.2)

où Kp and Ki sont les gains du contrôleur local PI du ième sous-intervalle. Le nombre de règles
floues correspond aux nombres de sous-intervalles. V o est la variable de prémisse, Si est le ième
ensemble flou, ∀ i ϵ {1, 2,…, 5}.

Pour une approche floue de type TS, l’obtention des sorties est réalisée à partir d’une
combinaison des opérations d’inférence et de défuzzification. Les sorties finales se calculent
comme la moyenne combinaison des sorties correspondants aux règles floues, pondérées par le
degré d’accomplissement normalisé (qui généralement égal au degré d’appartenance de l’entrée
( V o )), selon l’expression :

 5

  i (V o )K pi
K p = 5i 1


 i 1
i (V o )
 5
(4.3)

 
i 1
i (V o )K ii
K i = 5


i 1
i (V o )

124
 Un schéma représentant le principe du contrôleur PI-flou TS utilisé est illustré à la figure
4.8. Pour n'importe quel point de fonctionnement défini par V o , le CFTS permet efficacement
de déterminer les meilleures valeurs de Kp et Ki à utiliser. Cela se fait en combinant, sous forme
non linéaire, les paramètres des contrôleurs PI donnés dans le tableau 3. Les cinq sous-
intervalles linéaires [S1, S2… S5] ont été définis comme les ensembles flous, où S1 = [12-18],
S2 = [18-24], S3 = [24-31], S4 = [31-40] et S5 = [40-57]. La figure 4.9 montre les cinq
ensembles flous qui sont décrits par des fonctions d'appartenance triangulaires uniformément
distribuées sur l'univers de discours. Le CFTS assure la prédiction précise des valeurs de Kp et
Ki ce qui permettrait un contrôle approprié.

Par ailleurs, selon le théorème de Wong et al. [124-125], le contrôle flou TS est stable
lorsque les conditions suivantes sont satisfaites : (i) la stabilité locale est garantie ; (ii) Une
fonction d'appartenance triangulaire est sélectionnée pour les entrées du système flou et (iii) la
méthode de défuzzification moyenne pondérée est utilisée. Dans notre cas, la stabilité des
contrôleurs PI locaux est assurée car ils sont synthétisés à l'aide de la méthode Naslin. Ce
dernier définit généralement les rapports caractéristiques permettant de concevoir un contrôleur
satisfaisant la stabilité en boucle fermée [126]. Ces conditions ont été prises en compte pour la
conception du CFTS et, par conséquent, le système en boucle fermée est globalement stable.

Fig. 4.8. .Schéma du principe du contrôleur flou TS

Fig. 4.9. Les ensembles flous de l'entrée de CFTS

125
2.3. Validation du CFTS
Des simulations testant le contrôleur proposé, sur toute la marge de fonctionnement du
convertisseur, sont effectuées sous l'environnement MATLAB/Simulink. Ces simulations
valident la faisabilité de notre CBTN en termes de robustesse et de poursuite de la consigne.

Le premier test de simulation vise à traiter le problème de régulation de la tension de

sortie en présence de variations de variations de la tension d'entrée. La figure 4.10 illustre la
réponse du système pour une tension d'entrée allant de 11V=>12V=>13V=>12V=>11V. Nous
pouvons clairement remarquer que malgré ces variations de la tension d'entrée, le CFTS arrive
à forcer le système à retourner rapidement à la consigne imposée, qui est dans ce cas 17V. Ces
résultats montrent la robustesse du système de commande proposé vis-à-vis de la variation de
l’entrée sur tout le domaine de fonctionnement.

Le deuxième test de simulation consiste à étudier les performances du système suite à

une variation de la tension de référence par échelons allant de 15V=>25V=>42V=>33V=>50V
aux instants 0,2 s 0,4 s 0,6 s 0,8 s respectivement. D’après la figure 4.11, nous constatons que
la sortie du système suit parfaitement la tension de référence d'un échelon à un autre avec un
temps d'établissement très faible sans dépassement ; ce qui démontre que le système de
commande est capable de retrouver le nouveau point de fonctionnement en passant d'un échelon
à un autre avec de bonnes performances en régime statique et dynamique.

Fig. 4.10. Réponse de la tension de sortie en présence de changements de la tension d'entrée: [11V-12V-13V-
12V-11V], où la tension de référence est 17V.

126
 Fig. 4.11. Réponse du système pour les changements de consigne [15V-25V-42V-33V-50V], où la tension
d'entrée est de 12V.

Au regard de ces résultats nous pouvons conclure que la stratégie de commande

proposée est en mesure de fournir une loi de commande performante dans tout le domaine de
fonctionnement du convertisseur.

3. Contrôle de l'équilibre des tensions des condensateurs

Le circuit du CBTN incorpore deux condensateurs qui fonctionnent pour fournir

alternativement de l'énergie à la charge. Nous avons vu dans le Chapitre 3 qu’un tel
fonctionnement ne peut pas être toujours assuré en pratique. En plus des condensateurs non
idéalement identiques, la non-idéalité et les variations du circuit de commande entraîneraient
une légère différence dans les signaux PWM pilotant les commutateurs, ce qui engendrerait un
déséquilibre dans la répartition d'énergie dans le circuit et donc le fonctionnement correct du
convertisseur n’est plus atteint. Pour résoudre ce problème, une stratégie de contrôle
d'équilibrage des tensions doit être adoptée. La tâche principale de cette stratégie est de
continuer à surveiller les deux tensions des condensateurs et d'ajuster de manière appropriée les
durées de commutation pour que l'égalité de tension puisse être obtenue.

Un contrôleur linéaire ou un contrôleur non-linéaire peut être envisagé. Un contrôleur

linéaire de type PID est présenté dans la littérature [121] [122] pour un CBTN. Les tensions
aux bornes des capacités sont contrôlées indépendamment par un contrôleur PID en découplant
les deux boucles de tension. Les paramètres du contrôleur sont définis autour d’un point de
fonctionnement du convertisseur. Il y a donc peu de robustesse. Dans le cadre de cette thèse,

127
nous nous sommes intéressés à la mise en œuvre d'une structure de CBTN qui peut être aussi
utilisée dans les micro-réseaux en particulier de type bipolaire [127] comme le montre la figure
3.1. Différent types de charge peuvent être liées à un micro-réseau, ce qui affecte fortement
l’équilibre de ses bornes et donc sa stabilité. Un contrôleur non-linéaire robuste basé sur
l’approche backstepping sera présenté dans cette section afin de faire face à ce problème de
déséquilibre.

3.1. Modélisation du CBTN

Considérant la topologie du CBTN illustré à la figure 4.12. Fonctionnant en mode de
conduction continue CCM, le modèle correspondant de chaque état i  1, 2,3, 4 a la

forme suivante :

x  t   Ai x  t   Bi (4.4)

où x  Vc1 iL Vc 2  est le vecteur d'état constitué de tensions aux bornes des condensateurs
T

et du courant d'inductance.

Fig. 4.12. Le CBTN connecté au système PV

Etat1 i  1
 I1 
 C 
 1
 V pv 
x  t   A1 x  t   B1    (4.5)
 L 
 I2 
 C 
 2

128
Etat2 i  2

   I1 
0 0  C 
0   1
 
 V pv 
x  t   A2 x  t   B2  0 0   x  t   
1
 (4.6)
L  L 
 
0 1  I2 
0   C 
 C2 
 2

Etat3 i  3

 1   I1 
 0 0  C 
C1  1
 
 1   V pv 
x  t   A3 x  t   B3    0 0 x t     (4.7)
L  L 
 
 0 0 0  I2 
   C 
   2

Etat4 i  4

 1   I1 
 0 0   C 
C1  1
 
 1 1  V pv 
x  t   A3 x  t   B3    0   x t    
L L L  (4.8)
  
 0  I2 
0 
1
 C2   C 
   2

Le modèle final du convertisseur est obtenu en multiplexant ses quatre états comme suit :

x   A1d1d2  A2 d1d2  A3d1d2  A4 d1d 2  x   B1d1d 2  B2d1d 2  B3d1d 2  B4d1d 2  (4.9)

Après substitution et simplification, il devient :

129
  1 d   I1 
 0 0   C 
C1  1
 
 1 d 1 d   V pv 
x  A  d  x  B   0  x  t     (4.10)
L L   L 
 
 0 1 d  I2 
0   C 
 C2 
   2

avec d1  d2  d 0,1 .

3.2. Synthèse du contrôleur d’équilibrage des tensions des condensateurs

Comme mentionné auparavant, le contrôleur proposé est basé sur la technique de
backstepping qui s'est avérée très prometteuse même pour les systèmes hautement non linéaires.
Cette technique assure une stabilité globale et une forte robustesse face à toutes les perturbations
et les incertitudes de paramètres. L'approche backstepping est une stratégie récursive dans
laquelle nous pouvons systématiquement concevoir à la fois des lois de contrôle de rétroaction
et des fonctions de Lyapunov associées (Voir partie 3.3.1 du chapitre 2).
Selon la modélisation mathématique présentée ci-dessus, le modèle obtenu du CBTN
peut être écrit comme suit :
 x I
 x1  (1  d ) 2  1
C1 C1

 x1 x3 V pv
 x2  (1  d )  (1  d )  (4.11)
 L L L
 x I
 x3  (1  d ) 2  2
C 2 C2


avec x  Vc1 iL Vc 2 
T

Afin de simplifier la conception du contrôleur backstepping, les équations (4.11) sont

réorganisées comme suit:
Définissons les variables y1 et y2 par

 y1  x1  x3
 (4.12)
 y2  x2
Leurs dérivés sont obtenus comme

130
  y1  x1  x3
 (4.13)
 y2  x2
À partir de (4.11), nous pouvons déduire un nouveau modèle dynamique exprimé par
  1 1  I1 I 2
 y1  1  d     y2  
  C1 C2  C1 C2
 (4.14)

y2  
1  d  y  Vpv
 L
1
L
La procédure de conception de la loi de commande est décrite à travers les étapes suivantes

Étape 1 :

Les erreurs sont définies comme

 z1  y1
 (4.15)
 z2  y2  1

où 1 est la fonction de stabilisation.

1 2
L'objectif est de conduire z1 0 . Considérons une fonction Lyapunov V1  z1 . Sa dérivée
2
par rapport au temps est V1  z1 z1

De (4.14) et (4.15), on a

 1 1  I I
z1  y1  1  d     y2  1  2
 C1 C2  C1 C2
(4.16)
 1 1  I I
 1  d     ( z2  1 )  1  2
 C1 C2  C1 C2

Ainsi,

  1 1   1 1  I I 
V1  z1 1  d     z2  1  d     1  1  2  (4.17)
  C1 C2   C1 C2  C1 C2 

V1
doit être défini négatif pour garantir la stabilité asymptotique globale. Par conséquent,
z1 z1 0 est une condition qui peut être imposée en prenant la fonction de stabilisation
suivante :
131
  1   I1 I 2  
1   k1 z1      
  1 1   C1 C2  
 1  d      (4.18)
  C1 C2 
k 0
 1

On obtient donc

 1 1 
V1  k1 z12  1  d     z1 z2 (4.19)
 C1 C2 

 1 1 
Et z1  k1 z1  1  d     z2 (4.20)
 C1 C2 

 1 1 
Le terme 1  d     z1 z2 de V1 sera éliminé dans l’étape suivante.
 C1 C2 

Étape 2 :

Nous dérivons l'erreur z2 comme

d
z2  y2  1 
dt
z2  y2  1

A partir de (4.14), on obtient

(1  d ) Vpv
z2   y1   1 (4.21)
L L

La dérivée de 1 est obtenue comme

1 I I d I I
1  (k1 z1  2  1 ))  (k1 z1  2  1 ) (4.22)
1 1 C2 C1 1 1 C2 C1
(1  d )(  ) (  )(1  d ) 2
C1 C2 C1 C2

La fonction Lyapunov est choisie comme

1
V2  V1  z22 (4.23)
2

La dérivée de la fonction de Lyapunov est exprimée comme

132
 V2  V1  z2 z2 (4.24)

 1 1 
V2  k1 z12  1  d     z1 z2  z2 z2
 C1 C2 
 1 1   (1  d ) V pv 
 k1 z12  1  d     z1 z2  z2   z1   1  (4.25)
 C1 C2   L L 
  1 1 1 V pv 
 k1 z12  z2 1  d      z1   1 
  C1 C2 L  L 

La dérivée est défini négative en choisissant

 1 1 1 Vpv
k2 z2  1  d      z1   1 (4.26)
 C1 C2 L  L

Par conséquence, la dérivée de la fonction de Lyapunov satisfait

V2  k1 z12  k2 z2 2 0 (4.27)

où k1 0 k2 0

À partir de (4.21) et (4.26), la dérivée temporelle de l'erreur est exprimée par

 1 1 
z2  k2 z2  1  d     z1 (4.28)
 C1 C2 

En résolvant l'équation (4.26) et en utilisant (4.22), la loi de commande est synthétisée comme

 1 1 1 V pv 
(1  d ) 2     y1   k1  k2  y2  
 C1 C2 L  L 
 I I I I 
 ( 2  1 ) ( 2  1 )
 I  C C1 (4.29)
(1  d ) 
k2 I C C1 
 k1 y1  2  1   2  2
 1 1  C2 C1  ( 1  1 ) ( 1  1 ) 
   C1 C2 C1 C2 
  C1 C2  
 1 1 1  d  I I 
d (1  d ) 2     y1    k1 y1  2  1   0
 C1 C2 L   ( 1  1 )  C2 C1 
C1 C2

133
 La figure 4.13 montre comment le schéma de contrôle d'équilibrage peut être intégré
dans la boucle de commande du TLBC.

Fig. 4.13. Schéma fonctionnel du contrôleur d’équilibrage des tensions des condensateurs

3.3. Validation du contrôleur d’équilibrage proposé

Dans cette section, les résultats de simulations validant le fonctionnement du contrôleur
d'équilibrage proposé, sont présentés. Les tests de simulation sont effectués sous
l’environnement MATLAB/Simulink. Les paramètres du CBTN utilisés en simulation sont les
mêmes que ceux présentés au chapitre 3.
Nous présentons dans ce qui suit deux scénarios que nous avons examiné afin de vérifier
les performances du contrôleur d'équilibrage développé et souligner son importance dans la
résolution du problème du déséquilibre même dans le cas des charges variables asymétriques.

Scenario1:
Le convertisseur étudié a été simulé sans et avec le contrôleur d'équilibrage. Dans ce
test, en plus des valeurs non-égaux des deux condensateurs C1 et C2, des charges résistives de
différentes valeurs sont connectées à la sortie du CBTN (aux bornes supérieure et inférieure)
afin de produire un fort déséquilibre de tensions aux bornes des condensateurs. Les formes
d'onde résultantes sont représentées sur la figure 4.14. Avant d'utiliser le contrôleur
134
d'équilibrage, il y avait une discordance d'environ 26.7 V entre les tensions de condensateur
Vc1 et Vc2. Une fois que la boucle de commande d'équilibrage des tensions est appliquée à 0,3
s, Vc1 et Vc2 deviennent égaux et l'équilibrage de tension est immédiatement assuré. Le
contrôleur proposé a forcé la différence entre Vc1 et Vc2 à être nulle. Un temps de réponse
extrêmement court (1.9ms) est aussi assuré.

Fig. 4.14. Tensions Vc1 et Vc2 avant et après insertion du contrôleur d'équilibrage des tensions des
condensateurs

Scenario2:
Pour ce scénario, la robustesse du contrôleur d'équilibrage proposé a été testée en
considérant des charges variables asymétriques sont connectées à la sortie du CBTN, et donc
des courants I1 et I2 qui varient, comme le montre la figure 4.15.a. Les formes d'onde obtenues
du courant d’inductance, des tensions aux bornes des condensateurs et de la tension de sortie
sont respectivement représentées sur la figure 4.15.b, 4.15.c et 4.15.d. On peut clairement
s’apercevoir à partir de ces figures que le contrôleur développé maintient les tensions des deux
condensateurs (Vc1 et Vc2) égales (35V) malgré les différents changements des courants de
charge. Par conséquent, le contrôleur d'équilibrage de tension proposé présente de bonnes
performances en termes de robustesse, stabilité et fiabilité.

135
 (a)

(b)

(c)

(d)
Fig. 4.14. Test du contrôleur d'équilibrage des tensions des condensateurs proposé en cas des charges
asymétriques variables
136
4. Conclusion

Au cours de ce chapitre, nous avons premièrement proposé une stratégie de commande

en poursuite pour le CBTN, permettant de garantir de bonnes performances dans l'ensemble du
domaine de fonctionnement; en effet, nous avons commencé par la modélisation du
convertisseur en utilisant la représentation multi-modèles, puis nous avons proposé un
contrôleur flou TS permettant de prédire avec une grande précision la valeur du rapport cyclique
statique à partir de la tension de sortie désirée sur toute la plage de variation du rapport cyclique
malgré la non linéarité que présente la caractéristique du CBTN. Cette stratégie a été validée à
travers les simulations sous MATLAB/Simulink; les résultats ainsi obtenus révèlent bien de
très bonnes performances de notre technique de commande en poursuite sur toute la plage de
variation du point de fonctionnement [128].
Ensuite, un contrôleur d'équilibrage des tensions des condensateurs du CBTN a
également été développé pour assurer un fonctionnement approprié du convertisseur quel que
soit les variations et les perturbations des charges en sorties. Ce contrôleur est basé sur la
méthode non linéaire backstepping. Les résultats des différents tests de simulation ont démontré
la robustesse et les bonnes performances du contrôleur proposé.

137
138
Conclusion générale et perspectives
Les principaux travaux présentés dans cette thèse concernent l'optimisation de la
production et du transfert d’énergie électrique dans une chaine de conversion photovoltaïque.
De nos jours, l'énergie photovoltaïque devient progressivement une source d’énergie à part
entière, caractérisée par une demande de plus en plus importante que ce soit dans les
installations domestiques ou dans les grandes centrales connectées au réseau. Néanmoins, des
travaux d’envergure sont toujours nécessaires afin d’améliorer les chaines de conversion
photovoltaïque en termes du rendement, de la durée de vie et du coût.

Au cours de nos travaux de recherche, la phase de modélisation a été un préalable aux

phases d’analyse et de synthèse. Après avoir effectué un état de l’art des modèles existants dans
la littérature; le générateur PV, la batterie de stockage et l’étage d’adaptation, constituant
généralement les éléments principaux d’une chaines de conversion photovoltaïque, ont été
modélisés. Les modèles établis ont été développés sous le logiciel MATLAB/Simulink et
validés par un bon accord avec la pratique. Ceci nous a permis de maitriser la synthèse des
algorithmes et des lois de commande assurant un transfert de puissance optimale vers les
charges.

Notre étude s’est focalisée d’une part sur la conception d’une méthode MPPT
performante permettant de tirer le maximum d'énergie du générateur PV quelles que soient les
variations de l'ensoleillement et de la température, ce qui augmente énormément la rentabilité
d’une chaine de conversion PV. L'étude comparative entre les méthodes MPPT rencontrées
dans la littérature, nous a permis de développer une approche non linéaire basée sur l’approche
floue de type TS utilisée afin d’assurer une poursuite du point MPP précise et le contrôle
backstepping avec action intégrale utilisé pour assurer la rapidité ainsi que la robustesse. Cette
méthode MPPT proposée peut être considéré idéale non seulement pour les installations PV
mais aussi pour le cas des systèmes PV autonome mobile (ex. véhicule solaire). Une validation
réalisée par simulation sous MATLAB/Simulink a montré clairement l'efficacité de notre
méthode, comparée aux méthodes proposées en littérature. L'implémentation en temps réel de
cette méthode MPPT a été testée au sein de notre laboratoire sur une plate-forme à base d’un
convertisseur Boost et de la carte Dspace DS1104; les résultats expérimentaux obtenus
confirment les très bonnes performances de la méthode en termes de robustesse, efficacité et
fiabilité.

139
 D’autre part, nos travaux ont porté sur l'amélioration de l’étage d’adaptation en utilisant
des solutions proposées dans le chapitre trois et quatre. Après une étude minutieuse à travers
un état de l’art des différentes structures des convertisseurs de puissance DC-DC soit
commercialisée soit en cours de développement au sein des laboratoires pour diverses
applications, la structure « Boost DC-DC trois niveaux » a été choisie, ce qui permet de soulever
la problématique de la réalisation d’un convertisseur à bon rendement et ayant une topologie
qui pourrait s’adapter aux installations PV moyenne à haute puissance tels que les micro-
réseaux. Avec ce type de structure, nous pouvons globalement améliorer le rendement de la
chaine de conversion PV. Un des objectifs de ces travaux de thèse a été de tenter de rapprocher
les travaux propres à l’électronique de puissance et ceux du domaine de l’automatique.
Différents lois de commande ont été mises en œuvre, ce qui permet également d'optimiser
l'efficacité de cette chaine. Nous avons développé une stratégie de commande en poursuite
basée sur la logique floue de type TS permettant de garantir de bonnes performances sur
l'ensemble du domaine de fonctionnement du convertisseur et une stabilité globale du système
en boucle fermée. Après avoir montré que chacune des tensions aux bornes des capacités de
sortie de la structure à trois niveaux devait être contrôlée, l’équilibrage de ces tensions a été
intégré en synthétisant une loi de commande basé sur la technique backstepping afin de
bénéficier de la robustesse de ce type de technique de contrôle non-linéaire.

Les travaux de recherche effectués dans le cadre de cette thèse ont contribué à l’apport
dans le monde académique et nous espérons également que leurs utilisations pourront être
étendues dans un environnement industriel.

Cette thèse a ouvert la porte à un nombre de perspectives :

 Etude et réalisation d’une plateforme expérimentale d’un micro-réseau à bus DC

bipolaire qui a l’avantage d’augmenter l’efficacité (perte d’énergie) et favorisent
l'intégration des ressources renouvelables et du stockage (PV, éolien, batteries,…)

 Implémentation des lois de commande proposées pour le convertisseur Boost trois

niveaux sur cette plateforme et les valider pratiquement.

140
Bibliographie

[1] J-C. Sabonnadière, “Nouvelles technologies de l’énergie 1- Les énergies renouvelables”,

Hermès - Lavoisier, 2006.

[2] S. Berclin Jeyaprabha and A. Immanuel Selvakumar. Optimal sizing of

photovoltaic/battery/diesel based hybrid system and optimal tilting of solar array using the
artificial intelligence for remote houses in India. Energy and Buildings, 96:40 – 52, 2015. doi:
http://dx.doi.org/10.1016/j.enbuild.2015.03.012.

[3] J. Prado, “Introduction à MATLAB”, Techniques de l’ingénieur, Réf : AF1450 v1, 2005.

[4] A. Labouret, P. Cumunel, J-P Braun, B. Faraggi, “Cellules solaires - Les bases de l'énergie
photovoltaïque ” 4e Edition, ETSF, Dunod, 2005

[5] N. Femia, G. Petrone, G. Spagnuolo, M. Vitelli, “Power Electronics and Control Techniques
for Maximum Energy Harvesting in Photovoltaic Systems”, CRC Press, 2013.

[6] Rhouma M. B. H, Gastli A, Ben Brahim L, Touati F, Benammar M. A simple method for
extracting the parameters of the PV cell single-diode model. Renewable Energy 2017; 113:
885–894. https://doi.org/10.1016/j.renene.2017.06.064

[7] T. Tafticht, “Analyse et commande d’un système hybride photovoltaïque éolien ” Thèse
Doctorat Université de Québec, 2006.

[8] Nguyen, X. H., & Nguyen, M. P. (2015). Mathematical modeling of photovoltaic

cell/module/arrays with tags in Matlab/Simulink. Environmental Systems Research,
4(1). doi:10.1186/s40068-015-0047-9

[9] J-F. Reynaud, “Recherches d’optimums d’énergies pour charge/décharge d'une batterie à
technologie avancée dédiée à des applications photovoltaïques” thèse, Université Toulouse III
- Paul Sabatier, 2011.

[10] A. Lièvre, “Développement d’un système de gestion de batterie lithium-ion à destination

de véhicules ”mild hybrid” : détermination des indicateurs d’état (SoC, SoH et SoF),” thèse,
Université de Lyon, p. 171, 2015.

[11] D. Allart, “Gestion et Modélisation électrothermique des batteries Lithium-Ion” thèse,

Université de Caen Normandie, 2017.

141
[12] E. Constant, K. Thanapalan, M. Bowkett, (2018) “Optimal energy storage evaluation of a
solar powered sustainable energy system” 2018 SICE International Symposium on Control
Systems (SICE ISCS). doi:10.23919/siceiscs.2018.8330175

[13] D. M. Rosewater, D. A. Copp, T. A. Nguyen, R. H. Byrne, S. Santoso, (2019) “Battery

Energy Storage Models for Optimal Control”. IEEE Access, 7, 178357–
178391. doi:10.1109/access.2019.2957698

[14] H. Doubabi, I. Salhi, M. Chennani, N. Essounbouli, (2020) “Modeling and design of a

solar-powered refrigerator for vaccines transportation in remote regions”. The American
Society of Mechanical Engineers (ASME): Journal of Solar Energy Engineering, pp.1-
17, https://doi.org/10.1115/1.4046146

[15] J. Chiasson and B. Vairamohan, “Estimating the State of Charge of a Battery,” IEEE Trans.
Control Syst. Technol., vol. 13, no. 3, pp. 465–470, 2005.

[16] Marian K. Kazimierczuk, “Pulse-Width Modulated DC–DC Power Converters” 2nd ed.
John Wiley & Sons, Ltd, 2016.

[17] Doubabi, H., Chennani, M., and Essounbouli, N., 2017, “Modeling and Design of
Synchronous Buck Converter for Solar-Powered Refrigerator,” IEEE International Renewable
and Sustainable Energy Conference, Tangier, Morocco, Dec. 4–7.

[18] R. W. Erickson, and D. Maksimovic, Fundamentals of Power Electronics, 2nd ed. Norwell,
MA: Kluwer, 2001.

[19] M. Di-Bernardo and F. Vasca, Discrete-time maps for the analysis of bifurcations and
chaos in dc/dc converters, IEEE Trans. on Circ and Syst., pp. 130-143, 2000.

[20] R.D. Middlebrook, S. Cuk, A general unified approach to modelling switching converter
power stages, IEEE Power Specialists Conference., pp 18-34, 1976.

[21] M. h. Rashid, Power electronics handbook, Academic press, 2001.

[22] Baba A.O., Liu G., Chen X. Classification and Evaluation Review of Maximum Power
Point Tracking Methods. Sustainable Futures 2020; 2: 100020.
https://doi.org/10.1016/j.sftr.2020.100020
[23] Prasanth Ram J, Sudhakar Babu T, Rajasekar N. A comprehensive review on solar PV
maximum power point tracking techniques. Renewable and Sustainable Energy Reviews
2017; 67: 826–847. https://doi.org/10.1016/j.rser.2016.09.076
[24] Thakran S, Singh J, Garg R, Mahajan P. Implementation of P&O Algorithm for MPPT
in SPV System”, IEEE International Conference on Power Energy. Environment and
142
 Intelligent Control (PEEIC) Greater Noida, India; 2018.
https://doi.org/10.1109/PEEIC.2018.8665588

[25] Loukriza A, Haddadia M, Messaltib S. Simulation and experimental design of a new

advanced variable step size Incremental Conductance MPPT algorithm for PV systems.
ISA Transactions 2016; 62, 30-38. https://doi.org/10.1016/j.isatra.2015.08.006

[26] Ashish Pandey, NiveditaDasgupta and Ashok Kumar Mukerjee, “HighPerformance

Algorithms for Drift Avoidance and Fast Tracking in Solar MPPT System,” IEEE
Transactions on Energy Conversion, Vol. 23, No. 2, June 2008.

[27] Abdourraziq M. A., Maaroufi M., Ouassaid M. A new variable step size INC MPPT
method for PV systems. 2014 International Conference on Multimedia Computing and
Systems (ICMCS). doi:10.1109/icmcs.2014.6911212
[28] Tey K. S., Mekhilef S. Modified incremental conductance MPPT algorithm to mitigate
inaccurate responses under fast-changing solar irradiation level. Solar Energy 2014; 101:
333–342. doi:10.1016/j.solener.2014.01.003
[29] Mao M, Zhang L, Duan P, Duan Q, Yang M. Grid-connected modular PV-Converter
system with shuffled frog leaping algorithm based DMPPT controller. Energy 2018; 143:
181-190. https://doi.org/10.1016/j.energy.2017.10.099

[30] Farajdadian S, Hassan Hosseini S. M. A new MATLAB/Simulink model of triple-junction

solar cell and MPPT based on artificial neural networks for photovoltaic energy systems.
Ain Shams Engineering Journal 2015; 6(3): 873-881.
https://doi.org/10.1016/j.asej.2015.03.001

[31] Verma P., Garg R., Mahajan P. Asymmetrical interval type-2 fuzzy logic control based
MPPT tuning for PV system under partial shading condition. ISA Transactions 2020 ; 100:
251-263. https://doi.org/10.1016/j.isatra.2020.01.009

[32] Ben Salah C., Ouali M. Comparison of fuzzy logic and neural network in maximum power
point tracker for PV systems. Electric Power Systems Research 2011; 81(1): 43–50.
https://doi.org/10.1016/j.epsr.2010.07.005

[33] Loukriza A, Haddadia M, Messaltib S. Simulation and experimental design of a new

advanced variable step size Incremental Conductance MPPT algorithm for PV systems.
ISA Transactions 2016; 62, 30-38. https://doi.org/10.1016/j.isatra.2015.08.006

[34] Megantoro P, Dwi Nugroho Y, Anggara F, Suhono, Yuniarti Rusadi E. Simulation and
Characterization of Genetic Algorithm Implemented on MPPT for PV System under Partial
Shading Condition. IEEE 3rd International Conference on Information Technology,
Information System and Electrical Engineering (ICITISEE) Yogyakarta, Indonesia; 2018.
https://doi.org/10.1109/ICITISEE.2018.8721031

143
[35] Zeddini M. A, Pusca R, Sakly A., Mimouni M. F. PSO-based MPPT control of wind-
driven Self-Excited Induction Generator for pumping system. Renewable Energy 2016; 95:
162-177. https://doi.org/10.1016/j.renene.2016.04.008

[36] Sundareswaran K., Peddapati S., Palani S. Application of random search method for
maximum power point tracking in partially shaded photovoltaic systems. IET Renewable
Power Generation 2014; 8 (6): 670 - 678. https://doi.org/10.1049/iet-rpg.2013.0234

[37] Kumar Sahoo S, Balamurugan M, Anurag S, Kumar R, Priya V. Maximum power point
tracking for PV panels using ant colony optimization. IEEE Innovations in Power and
Advanced Computing Technologies (i-PACT); 2017.
https://doi.org/10.1109/IPACT.2017.8245004

[38] Eltamaly A. M, Abdelaziz A. Y. Modern Maximum Power Point Tracking Techniques for
Photovoltaic Energy Systems. Springer International Publishing. Cham: Switzerland; 2019.
https://doi.org/10.1007/978-3-030-05578-3

[39] Farhat M, Barambones O, Sbita L. A new maximum power point method based on a sliding
mode approach for solar energy harvesting. Applied Energy 2017; 185: 1185- 98.
https://doi.org/10.1016/j.apenergy.2016.03.055

[40] Menaga D, Sankaranarayanan V. A novel nonlinear sliding mode controller for a single
stage grid-connected photovoltaic system. ISA Transactions 2020.
https://doi.org/10.1016/j.isatra.2020.07.021

[41] Pradhan R, Subudhi B. Double Integral Sliding Mode MPPT Control of a Photovoltaic
System. IEEE Transactions on Control Systems Technology 2016; 24(1): 285–
292. https://doi.org/10.1109/tcst.2015.2420674

[42] Pathak, D., Sagar, G., & Gaur, P. (2020). An Application of Intelligent Non-linear
Discrete-PID Controller for MPPT of PV System. Procedia Computer Science, 167, 1574–
1583. https://doi.org/10.1016/j.procs.2020.03.368

[43] Kihal A, Krim F, Laib A, Talbi B, Afghoula H. An improved MPPT scheme employing
adaptive integral derivative sliding mode control for photovoltaic systems under fast irradiation
changes. ISA Transactions 2018; 87: 297-306. https://doi.org/10.1016/j.isatra.2018.11.020

[44] Salimi M. Practical implementation of the Lyapunov based nonlinear controller in DC-DC
boost converter for MPPT of the PV systems. Solar Energy 2018; 173: 246–
255. https://doi.org/10.1016/j.solener.2018.07.078

[45] MH Moradi , AR. Reisi , A hybrid maximum power point tracking method for pho-
tovoltaic systems, Solar Energy 85 (2011) 2965–2976 .

[46] K Irisawa , T Saito , I Takano , Y Sawada , Maximum power point tracking control of
photovoltaic generation system under non-uniform insolation by means of mon- itoring cells,
144
In Conference Record of the Twenty-Eighth Photovoltaic Specialists Conference. IEEE (2000)
1707–1710.

[47] F Belhachat , C. Larbes , Global maximum power point tracking based on ANFIS approach
for PV array configurations under partial shading conditions, Renewable and Sustainable
Energy Reviews 77 (2017) 875–889 .

[48] Karatepe E, Hiyama T. Artificial neural network-polar coordinated fuzzy controller based
maximum power point tracking control under partially shaded conditions. IET Renewable
Power Generation 2009; 3:239-53.

[49] D Pilakkat , S. Kanthalakshmi , An improved P&O algorithm integrated with arti- ficial
bee colony for photovoltaic systems under partial shading conditions, Solar Energy 178 (2019)
37–47 15 .

[50] Z Yang , Q Duan , J Zhong , M Mao , Z Xun , Analysis of improved PSO and perturb &
observe global MPPT algorithm for PV array under partial shading condition, Proceedings of
the 29th Chinese control and decision conference (CCDC). IEEE (2017) 549–553 .

[51] Doubabi H., Salhi I., Chennani M., Essounbouli N. High Performance MPPT based on TS
Fuzzy–integral backstepping control for PV system under rapid varying irradiance —
Experimental validation. ISA Transactions 2021. https://doi.org/10.1016/j.isatra.2021.02.004

[52] Zadeh L., Outline of a new approach to the analysis of complex systems and decision
process, IEEE Trans. on Sys. Man, and Cyber., pp. 28-44, 1973

[53] T. Takagi and M. Sugeno, Fuzzy identification of system and its applications to modeling
and control, IEEE Trans. Syst., Man, Cybern., pp. 116-132, 1985.

[54] Buckley J. J. Universal fuzzy controllers. Automatica, vol. 28, no. 6, pp 1245- 1248, 1992.

[55] Castro J. Fuzzy logic controllers are universal approximator. IEEE Trans. Syst. Man,
Cybern. vol. 25, pp. 629-635, 1995.

[56] M. Sugeno, G. T., Structure identification of fuzzy model, IEEE Trans. Fuzzy Syst., no.
28, pp. 15-33,

[57] V. H. Grisales Palacio. Modélisation et commande floues de type Takagi-Sugeno

appliquées à un bioprocédé de traitement des eaux usées. Thèse de doctorat, Université Paul
Sabatier - Toulouse III et Université de los Andes, Colombie. 2007.

145
[58] Laurent Praly, “An Introduction To Some Lyapunov Designs Of Global Asymptotic
Stabilizers”, Part 1, Lecture notes, HYCON-EECI Graduate School on Control, January 26-30,
2009, Supelec, France.

[59] A. Azar. Backstepping Control of Nonlinear Dynamical Systems, 1st Edition. Academic
Press, 2020.

[60] Zhou Z, Yu C, Teo K. L. Some New Results on Integral-Type Backstepping Method for
a Control Problem Governed by a Linear Heat Equation. IEEE Transactions on Automatic
Control 2017; 62(7): 3640–3645. https://doi.org/10.1109/tac.2017.2671778

[61] https://www.en-standard.eu/csn-en-50530-overall-efficiency-of-grid-connected-
photovoltaic-inverters/. Accédé le 17/03/2021

[62] Alonso M, Chenlo F. Testing microinverters according to EN50530. 29th EU PVSEC

Amsterdam, The Netherlands; 2014.

[63] Yang B, Yu T, Shu H, Zhu D, An N, Sang Y, Jiang L. Energy reshaping based passive
fractional-order PID control design and implementation of a grid-connected PV inverter for
MPPT using grouped grey wolf optimizer. Solar Energy 2018, 170: 31–46.
https://doi.org/10.1016/j.solener.2018.05.034

[64] Toh C. L, Idris N. R. N, Yatim A. H. M. Constant and High Switching Frequency Torque
Controller for DTC Drives. IEEE Power Electronics Letters 2005; 3(2): 76–
80. https://doi.org/10.1109/LPEL.2005.851316

[65] Hua Ch, Feng G, Guan X. Control of an Off-Grid PV System based on the Backstepping
MPPT Controller. 13th International Conference Interdisciplinarity in Engineering INTER-
ENG 2019, TarguMures, Romania; 46: 715-723. https://doi.org/ 10.1016/j.promfg.2020.03.101

[66] Martin A. D, Cano J. M, Medina-Garcia J, Gomez-Galan J. A, Vazquez J. R. Centralized

MPPT Controller System of PV Modules by a Wireless Sensor Network. IEEE Access 2020;
8: 71694–71707. https://doi.org/10.1109/ACCESS.2020.2987621

[67] Naghmash, Armghan H, Ahmad I, Armghan A, Khan S, Arsalan M. Backstepping based

non-linear control for maximum power point tracking in photovoltaic system. Solar Energy
2018; 159: 134–141. https://doi.org/10.1016/j.solener.2017.10.062

[68] M. Forouzesh, Y. Siwakoti, A. Gorji, F. Blaabjerg and B. Lehman (2017) Step-Up DC–
DC Converters: A Comprehensive Review of Voltage-Boosting Techniques, Topologies,
and Applications. IEEE Trans. Power Electronics 32 (12): 9143–9178.
DOI:10.1109/tpel.2017.2652318

[69] C. C. Lin, L. S. Yang and E. C. Chang, “Study of a DC-DC converter for solar LED street
lighting,” in Proc. IEEE Int. Symp. Next-Gen. Electron., 2013, pp. 461–464

146
[70] C. Yao, X. Ruan, X. Wang, and C. K. Tse, “Isolated buck-boost DC/DC converters
suitable for wide input-voltage range,” IEEE Trans. Power Electron., vol. 26, no. 9, pp.
2599–2613, Sep. 2011

[71] T. J. Liang, J. H. Lee, S. M. Chen, J. F. Chen, and L. S. Yang, “Novel isolated high-step-
up DC-DC converter with voltage lift,” IEEE Trans. Ind. Electron., no. 4, vol. 60, pp. 1483–
1491, Apr. 2013

[72] D. Vinnikov and I. Roasto, “Quasi-Z-source-based isolated DC/DC converters for

distributed power generation,” IEEE Trans. Ind. Electron., vol. 58, pp. no. 1, 192–201, Jan.
2011.

[73] H. Matsuo and K. Harada, “The cascade connection of switching regulators,” IEEE Trans.
Ind. Appl., vol. IA-12, no. 2, pp. 192–198, Mar. 1976.

[74] J. Zhang, “Bidirectional dc-dc power converter design, optimization, modeling and
control,” Ph.D. dissertation, Virginia Polytechnic Inst. State Univ., Blacksburg, VA, USA,
2008.

[75] A. K. Rathore, D. R. Patil, and D. Srinivasan, “Non-isolated bidirectional soft-switching

current-fed LCL resonant DC/DC converter to interface energy storage in DC microgrid,”
IEEE Trans Ind. Appl., vol. 52, no. 2, pp. 1711–1722, Mar./Apr. 2016.

[76] G. Palumbo and D. Pappalardo, “Charge pump circuits: An overview on design strategies
and topologies,” IEEE Circuits Syst. Mag., vol. 10, no. 1, pp. 31–45, First Quarter 2010.

[77] W. Qian, H. Cha, F. Z. Peng, and L. M. Tolbert, “55-kW variable 3X DCDC converter for
plug-in hybrid electric vehicles,” IEEE Trans. Power Electron., vol. 27, no. 4, pp. 1668–
1678, Apr. 2012

[78] M. Forouzesh, K. Yari, A. Baghramian and S. Hasanpour, “Single-switch high step-up

converter based on coupled inductor and switched capacitor techniques with quasi-resonant
operation,” IET Power Electron., vol. 10, no. 2, pp. 240–250, 2017

[79] D. Wang, X. He, and R. Zhao, “ZVT interleaved boost converters with built-in voltage
doubler and current auto-balance characteristic,” IEEE Trans. Power Electron., vol. 23, no.
6, pp. 2847–2854, Nov. 2008.

[80] K. I. Hwu and Y. T. Yau, “KY converter and its derivatives,” IEEE Trans. Power Electron.,
vol. 24, no. 1, pp. 128–137, Jan. 2009.

[81] D. M. Sable, B. H. Cho, and R. Ridley, “Elimination of the positive zero in fixed frequency
boost and flyback converters,” in Proc. 5th Annu. Appl. Power Electron. Conf. Expo.,
1990, pp. 205–211.

147
[82] W. C. Wu, R. M. Bass, and J. R. Yeargan, “Eliminating the effects of the right-half plane
zero in fixed frequency boost converters,” in Proc. IEEE Power Electron. Spec. Conf.,
1998, pp. 362–366.

[83] W. Qian, D. Cao, J. G. Cintron-Rivera, M. Gebben, D. Wey, and F. Z. Peng, “A switched-

capacitor DC-DC converter with high voltage gain and reduced component rating and
count,” IEEE Trans. Ind. Appl., vol. 48, no. 4, pp. 1397–1406, Jul./Aug. 2012.

[84] B. Wu, S. Li, K. M. Smedley, and S. Singer, “A family of two-switch boosting switched-
capacitor converters,” IEEE Trans. Power Electron., vol. 30, no. 10, pp. 5413–5424, Oct.
2015.

[85] A. A. Fardoun and E. H. Ismail, “Ultra step-up DC-DC converter with reduced switch
stress,” IEEE Trans. Ind. Appl., vol. 46, no. 6, pp. 2025–2034, Sep./Oct. 2010

[86] Y. Deng, Q. Rang, W. Li, Y. Zhao, J. Shi, and X. He, “Single-switch high step-up
converters with built-in transformer voltage multiplier cell,” IEEE Trans. Power Electron.,
vol. 27, no. 8, pp. 3557–3567, Aug. 2012.

[87] L. Muller and J. W. Kimball, “High gain DC-DC converter based on the Cockcroft-Walton
multiplier,” IEEE Trans. Power Electron., vol. 31, no. 9, pp. 6405–6415, Sep. 2016.

[88] M. Prudente, L. L. Pfitscher, and R. Gules, “A boost converter with voltage multiplier
cells,” in Proc. IEEE Power Electron. Spec. Conf., 2005, pp. 2716–2721.

[89] H. Liu and F. Li, “A novel high step-up converter with a quasi active switched-inductor
structure for renewable energy systems,” IEEE Trans. Power Electron., vol. 31, no. 7, pp.
5030–5039, Jul. 2015.

[90] H. C. Liu and F. Li, “Novel high step-up DC-DC converter with an active coupled-inductor
network for a sustainable energy system,” IEEE Trans. Power Electron., vol. 30, no. 12,
pp. 6476–6482, Dec. 2015.

[91] B. Axelrod, Y. Berkovich, S. Tapuchi, and A. Ioinovici, “Improved circuit of the switched
coupled-inductor cell for DC-DC converters with very large conversion ratio,” in Proc. 13th
Eur. Conf. Power Electron. Appl., 2009, pp. 1–10.

148
[92] J. A. Morales-Saldana, E. E. C. Gutierrez, and J. Leyva-Ramos, “Modeling of switch-mode
DC-DC cascade converters,” IEEE Trans. Aerosp. Electron. Syst., vol. 38, no. 1, pp. 295–
299, Jan. 2002

[93] S. M. Chen, T. J. Liang, L. S. Yang, and J. F. Chen, “A cascaded high step-up DC-DC
converter with single switch for microsource applications,” IEEE Trans. Power Electron.,
vol. 26, no 4, pp. 1146–1153, Apr. 2011.

[94] G. Spiazzi, “Analysis and design of the soft-switched clamped-resonant interleaved boost
converter” CPSS Transactions on Power Electronics and Applications, vol. 4, no 4, pp. 276
- 287, 2019.

[95] D. Oulad-Abbou, S. Doubabi, A. Rachid (2019) Power switch failures tolerance of a

photovoltaic fed three-level boost DC-DC converter. Microelectronics Reliability 92: 87–
95. DOI: 10.1016/j.microrel.2018.11.017

[96] X. Ruan, B. Li, Q. Chen, S-C. Tan and C. K. Tse (2008) Fundamental Considerations of
Three-Level DC–DC Converters: Topologies, Analyses, and Control. IEEE Transactions
on Circuits and Systems I: Regular Papers 55(11): 3733–3743.
DOI:10.1109/tcsi.2008.927218

[97] C. H. Tran “Améliorations d’une chaîne de conversion de l’énergie solaire en électricité

autonome en vue d’application dans les pays en voie de développement” Thèse de doctorat,
Université de Reims Champagne-Ardenne, 2019.

[98] J. C. Da Silva “ANÁLISE E PROJETO DE UM CONVERSOR BOOST DE TRÊS

NÍVEIS INTERCALADO” Thèse, UNIVERSIDADE TECNOLÓGICA FEDERAL DO
PARANÁ, 2015.

[99] M. Score “Ceramic or electrolytic output capacitors in DC/DC converters—Why not

both?” Analog Applications Journal, Texas Instruments, pp : 16-20, 2015.

[100] T. L. Le “Isolation galvanique intégrée pour nouveaux transistors de puissance” Thèse de

doctorat, Université de Grenoble Alpes, 2015.

[101]https://www.digikey.fr/fr/articles/resistor-capacitor-rc-snubber-design-for-power-
switches. Accédé le 07/04/2021.

149
[102] AN11160 Designing RC snubbers, NXP Semiconductors, 2012.

[103] T.V. Nguyen “Circuit générique de commandes rapprochées pour l’électronique de

puissance” Thèse de doctorat, Université de Grenoble Alpes, 2012.

[104] D. N. To “ Circuit de pilotage intégré pour transistor de puissance” Thèse de doctorat,

Université de Grenoble Alpes, 2015.

[105] Jamie Dunn “Matching MOSFET Drivers to MOSFETs” AN799, Microchip Technology
Inc. 2004.

[106] S. LEFEBVRE and B.MULTON “MOSFET et IGBT : circuits de commande”

Techniques de l’ingénieur.

[107] H. Foch, F. Forest, and T. Meynard “Onduleur de tension” Techniques de l’ingénieur,

Ecole Nationale Supérieure de Cachan et Institut National Polytechnique de Toulouse, 2000.

[108] M. D. Bougrine, A. Benalia, M. H. Benbouzid (2015)Simple sliding mode applied to

the three-level boost converter for fuel cell applications. Proc. IEEE 3rd Int. Conf. on Control,
Engineering & Information Technology (CEIT). DOI:10.1109/ceit.2015.7233147

[109] Z. Guo, M. Zarghami, S. Hou, J. Chen (2017) Model Predictive Control for Three-Level
Boost Converter in Photovoltaic Systems. Proc. IEEE North American Power Symposium
(NAPS). DOI: 10.1109/naps.2017.8107188

[110] P. Thounthong, S. Sikkabut, P. Sethakul (2011) Model Based-Control of Three-Level

Boost Converter for Fuel Cell Applications. Proc. IEEE 10th Int. Conf. on Environment and
Electrical Engineering. DOI: 10.1109/eeeic.2011.5874654

[111] K. Mehran., D. Giaouris, B. Zahawi (2010) Stability Analysis and Control of Nonlinear
Phenomena in Boost Converters Using Model-Based Takagi–Sugeno Fuzzy Approach.IEEE
Trans. On Circuits and Systems I: Regular Papers57 (1): 200-212. DOI:
10.1109/tcsi.2009.2019389

[112] R-C. Roman, R-E. Precup, E-M. Petriu (2020)Hybrid data-driven fuzzy active
disturbance rejection control for tower crane systems.European Journal of Control. DOI:
10.1016/j.ejcon.2020.08.001

[113] M. Truntič, A. Hren, M. Milanovič, M. Rodič (2018)Adaptive fuzzy-logic state

controller for DC–DC step-down converter.Electrical Engineering100 (2):983–995. DOI:
10.1007/s00202-017-0545-z

150
[114] A. G. Saravanan, M. Rajaram (2014) Fuzzy controller for dynamic performance
improvement of a half-bridge isolated DC–DC converter. Neurocomputing 140:283–290. DOI:
10.1016/j.neucom.2014.03.010

[115] M. Leso, J. Zilkova, M. Pastor, J. Dudrik (2016) Fuzzy Logic Control of Soft-Switching
DC-DC Converter. ELEKTRONIKA IR ELEKTROTECHNIKA 22 (5). DOI:
10.5755/j01.eie.22.5.16334

[116] Rosario Toscano (2013) Structured Controllers for Uncertain Systems: a Stochastic
Optimization Approach. Advances in Industrial Control, Springer.

[117] I. Salhi, S. Doubabi, N. Essounbouli, A. Hamzaoui (2010) Application of multi-model

control with fuzzy switching to a micro hydro-electrical power plant. Renewable Energy 32
(12): 9143–9178. DOI: 10.1016/j.renene.2010.02.008

[118] Ch. Jamroen, P. Namproom, S. Dechanupaprittha (2016) TS-Fuzzy Based Adaptive

PEVs Charging Control for Smart Grid Frequency Stabilization Under Islanding Condition.
Procedia Computer Science 86: 124-127. DOI: 10.1016/j.procs.2016.05.031

[119] H. Vanjani, U. K. Choudhury, M. Sharma, B. Vanjani (2016) Takagi-sugeno (TS)-type

fuzzy logic controller for three-phase four-wire shunt active power filter for unbalanced load.
IEEE 7th Power India International Conference (PIICON).

[120] S. El Beid, S. Doubabi (2014) DSP-Based Implementation of Fuzzy Output Tracking

Control for a Boost Converter. IEEE Trans. on Industrial Electronics 61 (1): 196 - 209.
DOI:10.1109/tie.2013.2242413

[121] Vitoi, L. A., Krishna, R., Soman, D. E., Leijon, M., & Kottayil, S. K. (2013). Control
and implementation of three level boost converter for load voltage regulation. IECON 2013 -
39th Annual Conference of the IEEE Industrial Electronics
Society. doi:10.1109/iecon.2013.6699196

[122] Oulad-Abbou, D., Doubabi, S., & Rachid, A. (2018). Voltage Balance Control Analysis
of Three-Level Boost DC-DC Converters: Theoretical Analysis and DSP-Based Real Time
Implementation. Energies, 11(11), 3073. doi:10.3390/en11113073

[123] P. Naslin (1969) Essentials of Optimal Control. Boston Technical Publishers, Inc.Cam-
bridge, MA

[124] Wong LK, Leung Frank HF, Tam Peter KS (2001) A fuzzy sliding controller for nonlinear
systems. IEEE Transactions on Industrial Electronics48(1):32-37. DOI: 10.1109/41.904545

[125] Wong LK, Leung FHF, Tam PKS (1998) Lyapunov function based design of fuzzy logic
controllers and its application on combining controllers. IEEE Transactions on Industrial
Electronics 45(3):502-509. DOI: 10.1109/41.679009

151
[126] Y.C.Kim, L.H.Keel,S.P.Bhattacharyya (2003)Characteristic Ratio Assignment: An
Application to a Benchmark Problem. IFAC Robust Control Design. Milan, Italy.

[127] D. Magdefrau; T. Taufik; M. Poshtan; M. Muscarella, “Analysis and review of DC

microgrid implementations” 2016 International Seminar on Application for Technology of
Information and Communication.

[128] H. Doubabi, I. Salhi, M. Chennani, N. Essounbouli (2019) Voltage control of DC-DC

Three level Boost converter using TS Fuzzy PI controller. IEEE 6th Int. Conf. on Control,
Decision and Information Technologies (CODIT).

152
153
Annexe A : Circuit du convertisseur DC-DC Boost classique réalisé
au laboratoire
Les données techniques du convertisseur sont illustrées sur le tableau ci-dessous :

Le schéma électrique du circuit est illustré sur la figure suivante :

154
Annexe B : Calcul du circuit d’amortissement RC
fRING0 est la fréquence d'oscillation du signal VDS aux bornes du MOSFET sans circuit
d’amortissement. Si nous ajoutons un condensateur supplémentaire aux bornes du MOSFET
(Cadd), la fréquence d'oscillation initiale changera ainsi de fRING0 à fRING1 (fRING1 <fRING0).

Pour le MOSFET 1 :

A partir de la figure ci-dessous :

Nous avons mesuré la fréquence d’oscillation fRING0 (sans Cadd), puis nous avons ajouté un
Cadd=3300pF et nous avons mesuré fRING1=2.5MHz.

Nous avons donc :

f RING 0 3.1MHz
x   1.24
f RING1 2.5MHz

2
 1  1  x2 1 
Rs    
2  
 2   2 f RING 0   Cadd 
2
1 1  1.242  1 
  
2  
2  2  3.1  3300 
 4.18

1
Cs   12.2nF
2 Rs f RING 0
155
Pour le MOSFET 2 :

A partir de la figure ci-dessous :

Nous avons mesuré la fréquence d’oscillation fRING0 (sans Cadd), puis nous avons ajouté un
Cadd=2200pF et nous avons mesuré fRING1=4MHz.

Nous obtenons :

f RING 0 5.88MHz
x   1.47
f RING1 4MHz

2
 1  1  x2 1 
Rs    
2  
 2   2 f RING 0   Cadd 
2
1 1  1.47 2  1 
  
2  
2  2  5.88  2200 
 7.14

1
Cs   3.79nF
2 Rs f RING 0

156