Académique Documents
Professionnel Documents
Culture Documents
THÈSE EN CO-TUTELLE
Pour obtenir le grade de
Et
HAJAR DOUBABI
Le 7 juillet 2021
CONVERSION PHOTOVOLTAÏQUE
JURY
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 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
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.
112 Boulevard Abdelkrim Al Khattabi, Marrakech 40000, Maroc Université de Reims Champagne-Ardenne –
CRESTIC - EA 3804
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
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.
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
11
Fig. 1.1. Schéma bloc d’une chaîne de conversion photovoltaïque typique
2. Le générateur photovoltaïque
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.
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
kB A Tcell
Vth : est le potentiel thermodynamique, avec :
q
14
où EG est l'énergie de la bande interdite du semi-conducteur (en eV),
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
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) (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]
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].
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].
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.
Pm
(1.5)
ES
18
25°C en température et sous un ensoleillement de 1kW/m² ce qui correspond à 1,5AM (AM :
Air Mass).
Fig.1.11. I -V caractéristiques d'un générateur PV et des différents types de charges qui peuvent y être
connectées.
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 phcell , I rsc = N p I rsc cell ,
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
(a) (b)
Fig.1.13. Les caractéristiques d’un générateur PV 50W obtenues en simulation et expérimentalement : (a) I-
V (b) P-V
En mode de charge, les réactions sont forcées dans le sens inversé. La réaction globale
est la suivante : Red- + Ox+ ← Ox- + Red+
(a) (b)
Fig.1.14. Schéma d’une batterie en (a) décharge (b) charge [9]
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.
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.
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
V U ocv Rs I U (1.6)
1 1
U U I (1.7)
RC C
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).
I
SOC t (1.11)
Q0
1
0 0
SOC SOC Q0
.I
1 . (1.12)
U 0 U 1
RC C
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
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 :
Cette valeur obtenue est très proche à celle indiquée par le fabriquant.
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
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
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.et , 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 :
1 I
U U d (1.21)
RC C
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
B
R t1 t0
7.22m (1.21)
(1 e
)Id
C 13.266kF (1.22)
R
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 .
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.
ton t
d on f s ton (1.23)
T ton toff
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.
(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]
Vo d VI (1.24)
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
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].
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]
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
I omax i
I SMmax I DMmax Lmax (1.35)
1 d max 2
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.
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)
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.
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
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.
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.
; 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 A1BVI
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
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 A1BVI
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 .
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
44
Fig. 2.1. Les différents techniques MPPT
(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))
46
Incrémentation de conductance (IC) [25] :
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.
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.
48
(a)
(b)
Fig. 2.4. (a) Algorithme de la technique P&O adaptative (b) caractéristiques P(V) du PV
49
Fig. 2.5. Algorithme typique de la technique MIC
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.
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].
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.
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)
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
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
55
3.2. Approximateur flou TS :
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] :
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 :
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
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 )
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.
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
58
I pv x2
x1 -
Ci Ci
(2.7)
x x1 - (1- d ) Vb
2 L L
avec d 0 1 .
Étape 1 : Pour le sous-système 1, on choisit l’état x2 comme une commande virtuelle ou fictive
z1 x1 Vpvref (2.8)
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
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
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
1 Ci k1 z1 I pv - CV
i pv Ci a
ref
(2.15)
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
z2 x2 - 1 (2.18)
1 1 d
z2 x1 - Vb Vb - 1 (2.19)
L L L
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
1
V2 V1 z22 (2.21)
2
alors :
V2 V1 z2 z2 (2.22)
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
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 .
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.
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
Tableau 2.2 : Valeurs des paramètres ri et Vri pour ième règles floue
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
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
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.
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.
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.
73
Fig.2.17. Photos de la plateforme expérimentale réalisée pour l’implémentation de la commande TSF-BI
74
(a)
(b)
Figure 2.19 : (a) Modèle Simulink implémenté dans la carte DSP DS1104. (b) exemple de construction d'un
écran graphique
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
77
Fig. 2.21. Forme d'onde de la tension mesurée à la sortie du convertisseur (aux bornes des batteries de
stockage)
(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
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
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.
83
Fig. 3.1. Exemple de micro-réseau PV à bus DC (en mode isolé)
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.
84
Tableau. 3.1. Caractéristiques de chaque type de convertisseurs DC-DC
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.
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.
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].
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.
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
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)
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
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
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] :
- Le gain en tension
Vo Vo 1
Vi d Vi Vo 0,5 d (3.5)
2 Vi 1 d
Vi d 1 2 d
iL (3.6)
2 L f 1 d
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
- Le gain en tension
V V 1
Vi d 0,5 Vi o 1 d o (3.9)
2 Vi 1 d
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
Po Vo 2 / R
2 (3.13)
Po Ppertes Vo / R iL 2 2req iL 2Veq
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.
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.
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
100
Fig. 3.12. Le prototype expérimental du CBTN réalisé
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.
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]
(a) (b)
Fig. 3.15. (a) Un driver pour deux MOSFETs (high side & low side) (b) Un driver pour chaque MOSFET
[104]
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
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
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
111
(a)
(b)
Fig. 3.22. Tension aux bornes du MOSFET 2 (a) sans circuit d’amortissement (b) avec circuit
d’amortissement
112
4. Conclusion
113
114
Chapitre 4 : Contrôle du convertisseur DC-DC Boost trois
niveaux
1. Introduction
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.
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] %.
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.
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
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.
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
(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.
(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
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 :
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.
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.
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.
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.
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.
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 :
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 .
avec x Vc1 iL Vc 2
T
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 :
z1 y1
(4.15)
z2 y2 1
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 :
d
z2 y2 1
dt
z2 y2 1
(1 d ) Vpv
z2 y1 1 (4.21)
L L
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
1
V2 V1 z22 (4.23)
2
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
1 1 1 Vpv
k2 z2 1 d z1 1 (4.26)
C1 C2 L L
où k1 0 k2 0
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
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
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.
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.
140
Bibliographie
[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.
[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.
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
[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.
[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
[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
[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
[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,
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
[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
[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
[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.
[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
[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.
[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.
[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
[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.
[105] Jamie Dunn “Matching MOSFET Drivers to MOSFETs” AN799, Microchip Technology
Inc. 2004.
[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
[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
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.
[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.
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 :
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 :
Nous avons mesuré la fréquence d’oscillation fRING0 (sans Cadd), puis nous avons ajouté un
Cadd=3300pF et nous avons mesuré fRING1=2.5MHz.
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 :
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