Memoire Final ET5 Ok1 AUDRAN

OPTIMISATION ET MODELISATION D’UNE COMMANDE ROBUSTE D’UN SUIVEUR SOLAIRE
DEDICACES
A MA
FAMILLE
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI i

REMERCIEMENTS
Rendu au terme de notre travail, ma satisfaction et ma sollicitude s’adressent a l’endroit

des personnes qui m’ont soutenu de près ou de loin a l’élaboration de ce mémoire, le centre
d’intérêt auquel elles ont pris part dans cette œuvre aura été indispensable à la naissance de ce
travail.
Aussi daignent elles trouver dans ces propos insuffisants face à la méritocratie de leur offre et
ressource, l’humilité et la reconnaissance chevronnées de leur apport.
A ce titre mes remerciements vont à l’endroit de :
➢ Du Directeur de Pr. Léandre NNEME NNEME, Directeur de l’ENSET de Douala

pour avoir mis à la disposition des étudiants de tous les pays un cadre propice
agréable et idéal ainsi que les enseignants compétents pour une formation de qualité.
➢ Du Directeur adjoint Pr. MBIHI Jean
➢ Pr. SOSSO MAYI Olivier en tant que chef de département de Génie Electrique pour
sa perspicacité, pour tout l’encadrement rigoureux et les éclaircissements.
➢ De M. ANYOUZO’O Daniel Alain, pour son encadrement professionnel, sa
disponibilité et sons apport à l’élaboration de ce mémoire.
➢ De mon papa M. DJAMPOU Jules et ma maman Mme. DJAMPOU Brigitte pour
leur soutien moral
➢ De Mme. KUIDJA Honorine pour tout son soutien.
➢ De mes frères et sœurs.
➢ M. MOUGANG WANDJI Jordan
➢ De Mme. MAGNE FOTSO Corelta
➢ M. NGOH MOUKOURI LIONEL
➢ Mes camarades de classes.
➢ De tous ceux qui de près ou de loin ont contribué à l’établissement de ce rapport
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI ii

RESUME
L’énergie solaire photovoltaïque représente désormais une solution de production

d’énergie électrique importante, bien qu’aléatoire avec un rendement assez faible. En effet
l’énergie fournie par les panneaux photovoltaïques dépend fortement de la quantité
d’éclairement solaire qu’ils absorbent. Pour obtenir un rendement maximal, le panneau
photovoltaïque doit être constamment orienté perpendiculairement aux rayons solaires. Or, la
position du soleil varie d’une manière continue durant la journée selon l’axe azimutal (par
exemple Est-Ouest), et aussi pendant les saisons selon un axe zénithal (par exemple Nord-Sud).
Afin d’augmenter sa production en énergie électrique, un système photovoltaïque doit donc être
muni d'un suiveur ou tracker solaire. Cette structure permet le suivi en temps réel du mouvement
apparent du soleil. L'objectif du présent travail est l’optimisation et la modélisation d'une
commande robuste pour suiveur solaire photovoltaïque basé sur une méthode de contrôle à
régulation PI-Floue appliqué à l’attraction du système et afin apprécier la robustesse du suiveur.
Sortir des résultats nous constatons une réponse robuste du système par rapport à la commande.
Mots clés : suiveur solaire, commande robuste, azimut, latitude.
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI iii

ABSTRACT
Photovoltaic solar energy is now an important solution for producing electrical energy,
although it is uncertain and has a low yield. Indeed, the energy supplied by photovoltaic panels
depends strongly on the amount of solar radiation they absorb. To obtain a maximum yield, the
photovoltaic panel must be constantly oriented perpendicular to the solar rays. However, the
position of the sun varies continuously during the day along the azimuthal axis (e.g. East-West),
and also during the seasons along a zenithal axis (e.g. North-South). In order to increase its
production of electrical energy, a photovoltaic system must therefore be equipped with a solar
tracker. This structure allows the tracking in real time of the apparent movement of the sun.
The objective of the present work is the optization and modeling of a robust control for
photovoltaic solar tracker based on a PI-Fuzzy control method applied to the attraction of the
system and to appreciate the robustness of the tracker. From the results we find a robust
response of the system to the control.
Key words: solar tracker, robust control, azimuth, latitud.
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI iv

I. Table des matières

CHAPITRE I : REVUE DE LA LITTERATURE ..................................................................... 2
I.1 INTRODUCTION ....................................................................................................... 2

I.2 Mouvement du soleil ................................................................................................... 2
I.3 Les mouvements de la terre par rapport au rayonnement solaire ................................ 3
I.4 Potentiel énergétique solaire au Cameroun ................................................................. 4
I.5 Solaire photovoltaïque ................................................................................................. 5
I.5.1. Cellule photovoltaïque ............................................................................................ 5
I.6 Caractéristique des panneaux photovoltaïque ............................................................. 6

I.6.1. Caractéristique courant tension ............................................................................. 6
I.6.1.1. Influence de l’éclairement .................................................................................... 6
I.6.1.2. Influence de la température et du rayonnement ............................................... 7
I.6.1.2.1. Influence de la température .............................................................................. 7
I.6.1.2.2. Influence du rayonnement ................................................................................ 8
I.7 Performance et comparaison des panneaux photovoltaïques ...................................... 8

I.8 L’intérêt des panneaux mobiles par rapport aux panneaux fixes ................................ 9
I.9 Les suiveurs solaires .................................................................................................. 10
I.9.1. DEFINITION ......................................................................................................... 10
I.10 Les différents types de suiveurs................................................................................. 11

I.10.1. Les suiveurs solaires actif ................................................................................... 12
I.10.2. Suiveur actif mono-axe........................................................................................ 12
I.10.3. Suiveur actif double-axe...................................................................................... 12
I.10.4. Suiveur solaire passif........................................................................................... 13
I.11 Les caractéristiques des suiveurs solaires .................................................................. 14

I.12 LES COMMANDES ................................................................................................. 14
I.12.1. Définition et principe de la commande robuste ................................................ 14
I.12.2. Commande classique ........................................................................................... 15
I.12.3. Commande Hinfini .............................................................................................. 16
I.12.4. Commande par placement de pôles ou retour d’état ....................................... 16
I.12.5. Commande par régulateur PID ......................................................................... 17
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI v

I.12.6. Commande basée sur les méthodes d’intelligence artificiel ............................ 17
I.12.7. Commande basée sur les méthodes métaheuristiques ..................................... 18
I.12.8. Les hybridations des commandes ..................................................................... 19
I.13 ETAT DE L’ART ...................................................................................................... 19

I.13. CONCLUSION ....................................................................................................... 21
CHAPITRE 2 : MATERIEL ET METHODE.......................................................................... 23
II.1. INTRODUCTION .......................................................................................................... 23
II.2. Materiel utilisé .............................................................................................................. 23

II.2.1. Introduction sur MATLAB ................................................................................. 23
I.14 Principe de fonctionnement du système ................................................................... 24

I.15 Les moyens de contrôle de l’augmentation d’énergie par Traqueur ......................... 25
I.16 GEOMETRIE SOLAIRE-TRAJECTOIRE SOLAIRE ............................................. 26
II.3.1. Coordonnées géographiques ............................................................................... 26
II.3.2. L’attitude φ ........................................................................................................... 26
II.3.3. Longitude λ ........................................................................................................... 26
I.17 Coordonnees Horaires ............................................................................................... 27

II.4.1. Déclinaison du soleil : δ ....................................................................................... 27
II.4.2. L’angle horaire du soleil : 𝝎 ............................................................................... 27
II.4.2.1. Coordonnées Horizontales et Azimutales ....................................................... 28
II.4.2.2. Temps Solaire .................................................................................................... 29
II.4.2.3. Orientation d’une surface de production a Energie solaire .......................... 30
II.4.2.4. Position du soleil par rapport à un observateur ............................................ 30
I.18 Différents types de montures ..................................................................................... 32

II.5.1. Monture Azimutale :............................................................................................ 32
II.5.2. Monture équatoriale ............................................................................................ 33
I.19 Modélisation d'un Moteur à Courant Continu MCC ................................................. 34

II.6.1. Description des moteurs à courant continu ....................................................... 34
II.6.2. Constitutions d'un moteur à courant continu ................................................... 34
II.6.3. Typologies ............................................................................................................. 36
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI vi

I.20 Circuits équivalents ................................................................................................... 36

II.7.1. Comportement en régime établi ......................................................................... 36
II.7.2. Comportement en régime dynamique (ou transitoire): ................................... 37
II.7.3. Equations électriques et mécaniques .................................................................. 37
II.7.4. Simulation du modèle (MCC) de Transformé de Laplace ............................... 39
I.21 Commande PID-Floue de la MCC ............................................................................ 41

II.8.1. La théorie de la commande classique "PID" en régulation de vitesse ............ 41
II.8.2. Régulateur PID .................................................................................................... 41
II.8.3. Résumé sur l’action des paramètres (coefficients) ............................................ 42
II.8.3.1. Méthode de Ziegler-Nichols ............................................................................. 42
II.8.3.2. Méthode de la courbe de réaction (Première méthode) ................................ 42
II.8.3.3. Méthode d’oscillation (Deuxième méthode) ................................................... 43
I.22 La théorie de la commande intelligente "logique Floue" en régulation de vitesse .... 43

II.9.1. Notions de bases de la logique floue ................................................................... 43
II.9.2. La théorie des ensembles flous ............................................................................ 43
II.9.3. Différence entre ensemble flou et ensemble classique 'booléen' ...................... 44
II.9.4. Fonctions d’appartenance ................................................................................... 45
II.9.4.1. Univers de discours ........................................................................................... 47
II.9.4.2. La base des règles floues ................................................................................... 47
II.9.4.2.1 Opérateurs sur les ensembles flous ............................................................... 47
II.9.4.2.2 Opérateur ET (Intersection floue)................................................................. 48
II.9.4.2.3 Opérateur OU (Union floue) .......................................................................... 48
II.9.4.2.5. Opérateur NON (complémentation floue) ................................................... 49
II.9.5. Systèmes de commande flous .............................................................................. 49
II.9.6. La base de connaissances floues ......................................................................... 50
II.9.6.1. La fuzzification .................................................................................................. 50
II.9.6.2. Mécanisme d’inférence ..................................................................................... 50
II.9.6.3. La défuzzification .............................................................................................. 51
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI vii

I.23 Model de simulation .................................................................................................. 51

II.10.1. Modélisation de l’alimentions ........................................................................... 51
I.24 Régulation en cascade du moteur DC ....................................................................... 53

I.25 Régulation par contrôleur PID floue ......................................................................... 54
II.12.1. Présentation des fonctions d’appartenance ..................................................... 56
II.12.2. Les règles floues : présentées par le tableau .................................................... 57
CONCLUSION ............................................................................................................... 59
CHAPITRE 3 : RESULTAT ET DISCUSSION ..................................................................... 60
I.26 INTRODUCTION ..................................................................................................... 60

I.27 Simulation en axe latitude ......................................................................................... 61
I.28 Simulation en axe azimut .......................................................................................... 63
I.29 Simulation bi-axe( latitude et azimut). ...................................................................... 66
I.30 Validation .................................................................................................................. 69
CONCLUSION ............................................................................................................... 69
CONCLUSION GENERALE .................................................................................................. 70
REFERENCE BIBLIOGRAPHIE ........................................................................................... 71
ANNEXE ................................................................................................................................. 76
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI viii

LISTE DE TABLEAUX
Tableau 1. 1: les différentes performances des technologies des cellules photovoltaïques[8]. .............................. 8
Tableau 2. 1: Paramètre de la machine ................................................................................................................ 38

Tableau 2. 2: Récapitulatif sur l’action des coefficients [13] ................................................................................. 42
Tableau 2. 3: Comparaison entre un ensemble classique et un ensemble flou [16]. ............................................. 44
Tableau 2. 4Ensemble booleen et ensemble flou [23]. .......................................................................................... 45
Tableau 2. 5: Différentes formes des fonctions d’appartenance [24] ................................................................... 45
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI ix

LISTE DES FIGURES
Figure 1. 1: Représentation schématique de la trajectoire du Soleil pendant la journée et des étoiles pendant la
nuit sur la voûte céleste [3] ..................................................................................................................................... 3
Figure 1. 2: Angles de détection du soleil [2]. .......................................................................................................... 4
Figure 1. 3: Potentiel d'ensoleillement au Cameroun entre 1994-2010[3]. ............................................................ 4
Figure 1. 4: Installation d'une cellule photovoltaïque [4] ........................................................................................ 5
Figure 1. 5: ci-dessus montre la caractéristique courant puissance d’un panneau photovoltaïque typique dans
des conditions d’irradiation et température[5] ....................................................................................................... 6
La Figure 1. 6 présente un exemple des courbes pour différents niveaux de rayonnement ................................... 7
Figure 1. 7: caractéristiques d’un générateur photovoltaïque pour différents éclairements [5] ............................ 7
Figure 1. 8: Effet de la température sur la caractéristique I-V [5] ........................................................................... 8
Figure 1. 9: Diagramme de comparaison entre la production avec suiveur et la production avec système fixe
[10]. ....................................................................................................................................................................... 10
Figure 1. 10: les grandes familles des suiveurs[11]. .............................................................................................. 11
Figure 1. 11: Orientation Suiveur mono-axe [13]. ................................................................................................. 12
Figure 1. 12: Orientation suiveur biaxes[13]. ........................................................................................................ 13
Figure 1. 13: Suiveur passif [12]. ........................................................................................................................... 13
Figure 1. 14: Schéma de converge vers le PPM par P&O [17]. .............................................................................. 16
Figure 1. 15: Principe du placement de pôles[16]. ................................................................................................ 16
Figure 1. 16: Structure du système commandé par réseau de neurones artificielle [31]. ..................................... 18
Figure 2. 1: Interface logiciel MATLAB/SMULINK .................................................................................................. 24

Figure 2. 2: Interface logiciel MATLAB/SMULINK .................................................................................................. 25
Figure 2. 3: Angles de Longitude et Latitude de la terre [4] .................................................................................. 27
Figure 2. 4: Les Coordonnées Horaires [5] ............................................................................................................. 28
Figure 2. 55: Les Coordonnées Azimute a et Hauteur h [6] ................................................................................... 29
Figure 2. 6: Angles Azimute et Zénith [6] .............................................................................................................. 31
Figure 2. 7Angle Extérieur d’Azimut (ϒ) et Angle d’Incidence (ϴ) [6] .................................................................... 32
Figure 2. 8: La monture Azimutale [5] ................................................................................................................... 33
Figure 2. 9: La monture Equatoriale [5] ................................................................................................................ 33
Figure 2. 10: Constitution des Moteurs à Courant Continu [12]. ........................................................................... 34
Figure 2. 11: L’inducteur ou le Stator des Machines à Courant Continu [12] ........................................................ 35
Figure 2. 12: L’induit ou le Rotor des Machines à Courant Continu [14] ............................................................... 35
Figure 2. 13: Le Dispositif Collecteur/Balais [13] ................................................................................................... 36
Figure 2. 14: Modèle de MCC en régime établi [13] .............................................................................................. 37
Figure 2. 15: Modèle de MCC en régime dynamique [13] ..................................................................................... 37
Figure 2. 16: Schéma bloc de vitesse de la MCC avec charge................................................................................ 39
Figure 2. 17: Résultat de vitesse ............................................................................................................................ 39
Figure 2. 18: Résultat couple électromagnétique et courant de MCC avec charge............................................... 40
Figure 2. 19: Une variable linguistique ‘Vitesse’ avec trois termes linguistiques [26] ........................................... 46
Figure 2. 20: Intersection des sous-ensembles flous "petite vitesse ⋂ moyenne vitesse [19] ............................... 48
Figure 2. 21: Union des sous-ensembles flous "petite vitesse⋃ moyenne vitesse"[19] ........................................ 49
Figure 2. 22: Complémentation du sous-ensemble flou "petite vitesse"[18] ........................................................ 49
Figure 2. 23: Configuration de base des systèmes flous " structure interne"[19] [28].. ........................................ 50
Figure 2. 24 : Model du convertisseur PWM ......................................................................................................... 51
Figure 2. 25: Reglage du rapport cyclique [25] [31]. ............................................................................................. 52
Figure 2. 26: Générateur PWM ............................................................................................................................. 53
Figure 2. 27: Principe de la régulation [31]. .......................................................................................................... 53
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI x

Figure 2. 28: Model du régulateur de courant ...................................................................................................... 54

Figure 2. 29: Schéma bloc à régulateur PI-floue de la position du suiveur (a) ...................................................... 54
Figure 2. 30: Bloc contrôleur flou (b) ..................................................................................................................... 55
Figure 2. 31 : Définition de la structure globale de régulateur floue (entrée, sortie) ............................................ 55
Figure 2. 32: Les sous-ensembles d’entrée ............................................................................................................ 56
Figure 2. 33: Les sous-ensembles des sorties ........................................................................................................ 57
Figure 2. 34: Fonction résultante des règles d’inférence ....................................................................................... 58
Figure A. 1: A COMPLETER .................................................................................................................................... 76

Figure A. 2: A COMPLETER .................................................................................................................................... 77
Figure A. 3 : A COMPLETER ................................................................................................................................... 77
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI xi

LISTE DES ABREVIATIONS
RLF : Régulateur à Logique Flou
MCC : Machine a courant continue
PWM : pulse with modulation
MLI : Modulation de largeur d’impulsion
DC : courant électrique de nature continu
PV : Photovoltaïque
MPPT : Maximum Power Point Tracking
PPM : Point de puissance maximale
TSV : Temps solaire vrai
TU : Temps universels
TS-2 : Tracker solaire à 2 axes
TL : Temps légal
ET : Équation du temps
TSM : temps solaire moyen
TSL : temps solaire au lever
J : moment d’inertie du moteur ;
f : coefficient de frottement visqueux;
Tr : couple résistant ;
Tf : couple de frottement de coulomb
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI xii

INTRODUCTION GENERALE
Dans un contexte énergétique et économique difficile, les attentes en termes d’énergies
renouvelables en général et d’énergie solaire en particulier, sont de plus en plus importantes.
Les enjeux majeurs des chercheurs et des industriels dans ce domaine sont l’amélioration du
rendement et diminution des coûts des cellules, des modules et des systèmes photovoltaïques
afin de les rendre les plus compétitifs possible.
Il y a deux manières pour maximiser le taux d'énergie utile en optimisant la conversion et le

degré d’absorption, et en augmentant le taux de rayonnement d'incidence en employant les
systèmes d'orientation mécanique. Ces systèmes appelés suiveurs solaires aussi « trackers »
permettent d’orienter les modules tout au long de la journée. Les systèmes de suiveurs solaires
sont utilisés pour plusieurs applications incluant : les cellules solaires photovoltaïques, les
concentrateurs solaires et les télescopes….
Ce travail présente l’optimisation et la modalisation d'une commande robuste pour un suiveur

solaire.
Plusieurs classes de structure peuvent être distinguées selon les critères de classification.
Concernant des possibilités de mouvement, trois principaux types de traqueurs du soleil existent
: surfaces fixes, traqueurs un axe et traqueurs deux axes. La différence principale parmi eux est
la capacité de réduire l'erreur d’orientation, en augmentant l'irradiation quotidienne que les
cellules solaires reçoivent et, ainsi, l'énergie électrique qu'elles produisent. Notre projet a pour
but d’optimiser le rendement de production d’une commande robuste multi -objective pour un
suiveur solaire à deux axes.
Ce rapport est composé de trois chapitres :
• Le premier chapitre est dédié à la revue de la littérature
• Le chapitre deux, est dédié aux outils et méthodes
• Le chapitre trois, résultat et discussion
Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI 1

CHAPITRE I : REVUE DE LA LITTERATURE
I.1 INTRODUCTION
L’énergie solaire photovoltaïque fait partie des énergies renouvelables les plus convoité
actuellement dans le monde en raison de la disponibilité de la ressource, de la diversité et la
recherche suffisamment avancée dans le domaine. Par ailleurs, il est certes vrai que plusieurs
recherches d’optimisation basé par exemple sur les techniques de suivi de puissance maximale
des convertisseurs performent mais il en demeure vrai que la position fixe par pose de panneau
fixe et par panneau mobile il y a une différence de performance ce qui suscite aujourd’hui à
migrer d’avantage vers les solutions dynamiques car comme on le sait l’énergie photovoltaïque
est principalement dépendant de l’irradiation. De sur quoi malgré nos différentes recherches il
demeure vrai que certaines techniques sont meilleures que d’autre quant -on parle de ses
techniques il s’agit de la position mobile par rapport à la position fixe par ailleurs pour optimiser
d’avantage ses systèmes on n’est dont amener à développer des commandes suffisamment
robustes permettant le suivi optimal de la course du soleil et la conversion optimale. Dans le
cadre de ce chapitre, nous allons consulter la littérature enfin de ressortir les différents éléments
principaux sur les suiveurs solaire, leurs caractéristiques suivies des travaux proposant des
prototypes. Les techniques de suiveur apparaissent ici comme une forme d’optimisation de la
production par rapport à la position photovoltaïque à l’orientation des panneaux solaire.
Cependant, il existe plusieurs types par technologie ou caractéristiques de ces suiveurs solaires.
I.2 Mouvement du soleil

On sait aujourd'hui que la course du Soleil dans le Ciel est un mouvement apparent, reflet
des mouvements réels de la Terre : la rotation propre de notre planète sur elle-même en une
journée explique la succession des jours et des nuits et sa révolution autour du Soleil en une
année explique la succession des saisons. C'est l'interprétation héliocentrique, défendue la
première fois par Nicolas Copernic en 1543 [1].
Au cours de la journée, le Soleil décrit une trajectoire circulaire dans le Ciel (Figure 1).
Il se lève du côté de l'Est, monte graduellement jusqu'à un point culminant où il indique la
direction du Sud, puis redescend pour se coucher du côté de l'Ouest. La nuit, c'est au tour des
étoiles d'effectuer des mouvements similaires et de tourner dans le ciel d'Est en Ouest. Une
seule étoile reste immobile : l'étoile Polaire, qui indique la direction du Nord [1].

Figure 1. 1: Représentation schématique de la trajectoire du Soleil pendant la journée et des étoiles

pendant la nuit sur la voûte céleste [3]
I.3 Les mouvements de la terre par rapport au rayonnement solaire
La course de la terre au tour du soleil décrit une éclipse légèrement aplatie aux pôles.
Dans cette ellipse la terre effectue un tour complet sur elle-même en 24h au tour de l’axe des
pôles on parle de mouvement de révolution et autour du soleil en 365/ 366 jours (année
bissextile/ année ordinaire). Lors du mouvement de révolution l’axe nord-sud fait un angle de
23°27, avec la direction perpendiculaire au plan de l’orbite terrestre autour du soleil. Cette
inclinaison est constante et permet de trouver la position exacte du soleil sur la terre à travers :
la hauteur ou l’élévation a et l’azimut g qui sont fonctions du lieu ou on se trouve et permettent
de connaitre la direction du rayonnement solaire. On définit la hauteur h et l'azimut g du Soleil
de telle sorte qu’un observateur fixe en O, regardant au Sud, doit pour viser le Soleil tourner la
tête d'un angle a puis lever la tête d'un angle h(figure2) [2].

Figure 1. 2: Angles de détection du soleil [2].
I.4 Potentiel énergétique solaire au Cameroun

Selon le rapport du PEN de 1990, le Cameroun bénéficie d’une insolation moyenne
de4,9KWh/m²/j. Soit 4KWh/m²/j (dont 50% est du rayonnement diffus) pour la partie sud du
pays et 5,8 KWh/m²/j (dont 42% est du rayonnement diffus) pour la partie septentrionale ; ce
qui fait donc de la zone septentrionale, la partie la plus ensoleillé du pays et la plus chaude du
pays, d’où donc le gain d’intérêt d’une possible exploitation de cette zone du pays à travers des
centrales solaires. Pa railleur, l’énergie solaire reçue au Cameroun est estimée à 89,25 TWh/an
et peut être exploité de façon continue car l’Energie solaire une énergie inépuisable [2].
Figure 1. 3: Potentiel d'ensoleillement au Cameroun entre 1994-2010[3].

I.5 Solaire photovoltaïque
L’énergie solaire photovoltaïque provient de la conversion de la lumière du soleil en

électricité au sein de matériaux semi-conducteurs comme le silicium ou recouverts d’une mince
couche métallique.
I.5.1. Cellule photovoltaïque
La cellule photovoltaïque est le composant électronique à la base des installations

produisant l’énergie électrique à partir du rayonnement solaire. Elle fonctionne selon le principe
de l’effet photoélectrique. Plusieurs cellules sont reliées entre elles pour former ce qu’on appelle
un module solaire photovoltaïque, par la suite, plusieurs modules sont regroupés pour former
une installation ou même une centrale solaire photovoltaïque.
Une cellule peut produire 1.5w pour un ensoleillement de 100W/m2 avec une tension
de 0.6V. Un module de 36 cellules produit une puissance moyenne de 40 à 50W et occupe une
surface de 0.5m2 environ. Le rendement énergétique moyen est de l’ordre de 12 à 15% est a
atteint pour une phase de recherche 30%.
La durée de vie d’un tel générateur est estimée à plus de 20 ans [4]
Figure 1. 4: Installation d'une cellule photovoltaïque [4]

I.6 Caractéristique des panneaux photovoltaïque
Un générateur photovoltaïque ou module est constitué d’un ensemble des cellules

photovoltaïques élémentaires montés en série et/ou parallèle afin d’obtenir des caractéristiques
électriques désirés tels que la puissance, le courant de court-circuit (ICC) ou la tension en circuit
ouvert (VOC).
I.6.1. Caractéristique courant tension
Figure 1. 5: ci-dessus montre la caractéristique courant puissance d’un panneau photovoltaïque

typique dans des conditions d’irradiation et température[5]
I.6.1.1. Influence de l’éclairement

La Figure 1. 6 présente un exemple des courbes pour différents niveaux de rayonnement
Figure 1. 7: caractéristiques d’un générateur photovoltaïque pour différents éclairements [5]
On remarque que la valeur du courant de court-circuit est directement proportionnelle à

l’intensité du rayonnement. Par contre, la tension en circuit ouvert ne varie pas dans les mêmes
proportions, elle reste quasiment identique même à faible éclairement. L’irradiation standard,
internationalement acceptée, pour mesurer la réponse des panneaux photovoltaïques est une
intensité rayonnante de 1000 et une température de 25°C.
I.6.1.2. Influence de la température et du rayonnement

I.6.1.2.1. Influence de la température
La température est un paramètre très important dans le fonctionnement des cellules
solaires vu que les propriétés électriques d'un semi-conducteur sont très sensibles à ce
paramètre. Sur la Figure 1.7, nous reportons les caractéristiques courant-tension pour
différentes températures, sous un ensoleillement 1000W/m2 et à des températures entre 0 et
75°C.

Figure 1. 8: Effet de la température sur la caractéristique I-V [5]
On remarque une importante variation de la tension, et une petite variation de l’intensité

lorsque la température augmente ; ceci peut être expliqué par une meilleure absorption de la
lumière.
I.6.1.2.2. Influence du rayonnement

Pour différents niveaux d’éclairement figure (1.10), on remarque que le courant est
directement proportionnel à l’irradiation à ces niveaux d’éclairement. La tension par contre
n’est pas très dégradée lorsque l’irradiation baisse ; donc à température constante :
Icc est proportionne là l’ensoleillement ;

Vco diminue légèrement avec l’ensoleillement ;
Pmax est en première approximation proportionnelle à l’ensoleillement ;
I.7 Performance et comparaison des panneaux photovoltaïques

Il existe différents types de cellules solaires, et chaque type de cellules à un rendement
qui lui est propre. Cependant, quel que soit leur type, leur rendement reste assez faible : de 8 à
23% de l’énergie qu’elles reçoivent [8].
Dans le Tableau1.1 , ci-dessous on résume les différentes performances des

technologies des cellules photovoltaïques :
Tableau 1. 1: les différentes performances des technologies des cellules photovoltaïques[8].

Types de Rendement Avantages Inconvénients

cellules
Silicium 13-17 % Bon rendement Cout de fabrication élevé
mono pour une cellule
cristallin
Silicium poly- 11-15 % Bon rendement Cout de fabrication élevé
cristallin pour un module
Silicium 5-9 % Facile à fabriquer Mauvais rendement
amorphe
7-11 % Absorbent 90% Cadmium très polluant
CdTe des photons
incidents
20 % Energie de gap Manque de matière
CIGS ajustable, 99 % première
des photons
absorbés
≤5% Faible cout de Rendement encore trop bas
Cellule fabrication,
organique flexible
I.8 L’intérêt des panneaux mobiles par rapport aux panneaux fixes
Au cours de la journée, le soleil se déplace continuellement, alors qu’un générateur
photovoltaïque est fixe dans sa position, perdant ainsi une considérable quantité d’énergie, qui
pourrait être disponible. Dans une installation fixe, l’énergie rendue par les modules PV est
maximale seulement à midi. Pour cela si les modules PV sont toujours orientés vers le
soleil, c’est comme s’il y avait constamment la condition correspondante à midi, la puissance
générée est toujours celle maximale. Les modules photovoltaïques placés sur des suiveurs de
soleil ont un rendement énergétique qui augmente de manière appréciable par rapport aux
installations fixes. Au cours d’une journée complètement en soleillée, un système fixe de 1kW
bien orienté, produit 5,5kWh d’énergie, alors que le même système avec suiveur, dans les

mêmes conditions d’ensoleillement, produit 11 kWh d’énergie [10].
Figure 1. 9: Diagramme de comparaison entre la production avec suiveur et la production avec

système fixe [10].
I.9 Les suiveurs solaires
I.9.1. DEFINITION
Un traqueur, ou un système de suivi solaire, est un dispositif permettant à un télescope

héliographique (devant observer le soleil ou certains de ses effets dans l'atmosphère), ou à une
installation de production d’énergie solaire de suivre le soleil selon le principe de l'héliostat.
Cette structure portante motorisée oriente les panneaux solaires pour en augmenter la
productivité car Idéalement, pour produire un maximum de ses capacités, un panneau
photovoltaïque doit avoir le plan du capteur perpendiculaire aux rayons solaires [6]
Le système vise à orienter en temps réel les capteurs vers le Soleil, pour placer le panneau
dans une position optimale par rapport à l'incidence du rayonnement solaire (perpendiculaire
au rayonnement si possible), car tout au long de la journée et de l'année (selon les saisons) la
position du soleil varie constamment et d'une manière différente selon la latitude. Cette
adaptation en temps réel a pour effet de substantiellement augmenter la captation et production
d'énergie. Elle peut se faire sur deux axes : en azimut (d'est en ouest, à mesure de l'avancée de
lajournée) et en hauteur (selon la saison et, de nouveau, l'avancée de la journée). L'idéal est

d'utiliser un traqueur à deux axes, mais il en existe aussi avec un seul (typiquement avec un
suivi seulement en azimut, l'angle par rapport au sol étant fixé selon l'optimum local, qui
dépend de la latitude).
Les panneaux photovoltaïques classiques (PV) ne sont généralement pas équipés de

suiveur solaire et sont placés dans une inclinaison et une orientation fixe et bien déterminée
selon le site d’installation et les conditions d’ensoleillement. Afin d’augmenter le rendement du
panneau PV, on l’enchérit avec une structure portante ayant deux degrés de liberté en rotation
commandée par un algorithme de poursuite solaire.
I.10 Les différents types de suiveurs

La stratégie de commande d’un tracker consiste essentiellement à générer la trajectoire
du tracker afin de poursuivre parfaitement le soleil dans le but de maximiser la production. En
effet, l’asservissement des actionneurs des trackers est généralement considéré comme maitrisé
et n’est par conséquent pas abordé. Cette stratégie de commande peut avoir d’autres objectifs
et d’autres contraintes comme la minimisation de l’énergie consommée, l’adaptation aux
variations des conditions météorologiques. Les traqueurs solaires peuvent être divisés en deux
types principaux selon le type de la commande et de la sensibilisation ou du système de
positionnement qu'ils incorporent [6] [11].
Ainsi On distingue principalement deux grandes familles de suiveurs solaires : les

suiveurs passifs et les suiveurs actifs qui comportent les suiveurs mono-axe et double axe.
Figure 1. 10: les grandes familles des suiveurs[11].

I.10.1. Les suiveurs solaires actif

Les suiveurs solaires actifs utilisent le principe de la détection de lumière, suivant la
trajectoire solaire en cherchant à optimiser au maximum l’angle d’incidence du rayonnement
solaire sur leur surface. Il existe deux types dans cette famille : les suiveurs mono-axe et double
axe. L’avantage de ces derniers par rapports aux suiveurs passifs c’est qu’ils représentent une
meilleure précision de suivi et ne nécessitent aucune intervention manuelle pour les ajuster [6].
I.10.2. Suiveur actif mono-axe

Le suiveur solaire mono-axe tourne autour d’un axe simple. Le trajet suivi par cet axe
est souvent en azimut, c’est-à-dire d’est en ouest au fil de la journée. L’angle d’inclinaison du
panneau est fixé, il est placé selon l’angle le plus propice à recevoir le maximum de rayon du
soleil durant toute l’année est selon la latitude du lieu où le capteur est déposé. Ainsi l’angle
d’inclinaison du panneau reste constant mais son azimut varie au cours de la journée. Le
système de poursuit mono-axial est la solution la plus simple et la plus utilisée [6].
Figure 1. 11: Orientation Suiveur mono-axe [13].
I.10.3. Suiveur actif double-axe

Contrairement au précédent, ce suiveur solaire possède deux axes ce qui lui permet de
suivre les mouvements en azimut et en inclinaison au cours de la journée. Ainsi, le capteur reste
constamment orienté vers le soleil. Ce type de suiveur est très imposant et fournit de meilleures
performances par rapport au suiveur mono-axe [13].

Figure 1. 12: Orientation suiveur biaxes[13].
I.10.4. Suiveur solaire passif

Un suiveur solaire passif est constitué dans son architecteur de deux tubes en cuivre
monté sur les côtés est et ouest du capteur. Le tube de matière cuivre figure II.13 est rempli de
fluide chimique capable de se vaporiser à basse température. En effet, lorsque l’exposition au
rayonnement solaire augmente, la température d’un côté augmente et le composé dans le tube
en cuivre se vaporise. La partie gazeuse du composé occupe un plus grand volume interne, et
sa partie liquide est décalée vers le coté ombragé. Cette opération de transfert de masse ajuste
l’équilibre du capteur en le faisant tourne vers la source des rayons solaires. Ce type de suiveur
ne consomme aucune énergie pour le positionnement du panneau [12].
Figure 1. 13: Suiveur passif [12].

I.11 Les caractéristiques des suiveurs solaires

Tout comme les cellules photovoltaïques les suiveurs possèdent aussi des caractéristiques
selon leurs performances :
• Le gain de production électrique

• L'orientation mono ou multi axiale
• La précision du positionnement vis-à-vis du soleil (type d'asservissement).
• La robustesse (tenue au vent) et la fiabilité
• Le type de panneaux solaire.
• Le coût.
I.12 LES COMMANDES
I.12.1. Définition et principe de la commande robuste

La commande robuste est un type de commande qui vise à garantir les performances
et la stabilité d'un système face à des perturbations du milieu et les incertitudes du modèle. En
effet, le modèle mathématique d’un système réel est une représentation qui vise à approximer
au mieux, avec des hypothèses simplificatrices, le système qu'on veut commander. Il existe
donc un écart entre le comportement observé du système réel et son modèle interne. La
commande robuste vise à déterminer une loi de commande qui soit capable de garantir des
critères de performance et stabilité pour un système dont le modèle varie autour du modèle
théorique ou nominal. Par la même approche, on peut rendre le système robuste face aux
perturbations extérieures (par exemple, une rafale de vent sur un avion de ligne) qui en somme
peuvent être considérées comme une modification du modèle interne.
Parmi ces commandes on distingue [16].
• Commande classique
• Hinfini
• Commande par retour d'état
• Commande par Régulateur PID
• Commande optimale
• Automatique
• Commande Robuste d'ordre non entier
• Commande basée sur les méthodes métaheuristiques
• Commande basée sur les méthodes d’intelligence artificiel
• Les hybridations des commandes

I.12.2. Commande classique

Ce sont des commandes qui utilisent les mesures de tension et de courant des panneaux
et dont l’algorithme est basé sur la variation de ces mesures. L’avantage de ces algorithmes est
qu’ils ne nécessitent pas une connaissance préalable des caractéristiques des panneaux PV.
Parmi ces méthodes, nous retrouvons la méthode de différenciation, la méthode perturbation &
observation (P&O), l’incrément de conductance …etc [17].
Il faut dire que le plus en vue est La méthode Perturbation & observation (P&O) est
l’une des méthodes les plus utilisées. C’est une méthode itérative permettant d’obtenir le MPP
: on mesure les caractéristiques du panneau PV puis on induit une petite perturbation sur la
tension afin d’analyser la variation de puissance qui en résulte. Comme indiqué précédemment,
le principe des commandes MPPT de type P&O consiste à perturber la tension Vpv d’une faible
amplitude autour de sa valeur initiale et d’analyser le comportement de la variation de puissance
Ppv qui en résulte. Ainsi, comme l’illustre la .vb on peut Figure 0-1 déduire que si une
incrémentation positive de la tension Vpv engendre un accroissement de la puissance Ppv, cela
signifie que le point de fonctionnement se trouve à gauche du MPP. Si au contraire, la puissance
décroit, cela implique que le système a déjà dépassé le MPP. Un raisonnement similaire peut
être effectue lorsque la tension décroit. A partir de ces diverses analyses sur les conséquences
d’une variation de tension sur la caractéristique Ppv (Vpv), il est alors facile de situer le point
de fonctionnement par rapport au MPP, et de faire converger ce dernier vers le maximum de
puissance à travers un ordre de commande approprie. En résumé, suite à une perturbation de
tension, la puissance PV augmente, la direction de perturbation est maintenue. Dans le cas
contraire, elle est inversée pour reprendre la convergence vers le nouveau MPP [17].

.
Figure 1. 14: Schéma de converge vers le PPM par P&O [17].
I.12.3. Commande Hinfini

La synthèse H∞ est une méthode qui sert à la conception de commandes optimales. Il
s'agit essentiellement d'une méthode d'optimisation, qui prend en compte une définition
mathématique des contraintes en ce qui concerne le comportement attendu en boucle fermée.
La commande Hinfini a pour principal avantage la capacité d'inclure dans un même effort de
synthétisation les concepts liés à la commande classique et à la commande robuste [16].
I.12.4. Commande par placement de pôles ou retour d’état

Le but de la commande par placement de pôles est d'imposer au système un
comportement spécifié ou des performances désirées à travers l'application d'une loi de
commande qui place les pôles du système en boucle fermée aux positions qui réalisent ces
performances.
Figure 1. 15: Principe du placement de pôles[16].

I.12.5. Commande par régulateur PID

Le régulateur PID, appelé aussi correcteur PID (proportionnel, intégral, dérivé) est un
système de contrôle permettant d’améliorer les performances d'un asservissement, c'est-à-dire
un système ou procédé en boucle fermée. C’est le régulateur le plus utilisé dans l’industrie où
ses qualités de correction s'appliquent à de multiples grandeurs physiques. Un correcteur est un
algorithme de calcul qui délivre un signal de commande à partir de la différence entre la
consigne et la mesure (l'erreur).
Le correcteur PID agit de trois manières :
➢ Action proportionnelle : l'erreur est multipliée par un gain G ;

➢ Action intégrale : l'erreur est intégrée et divisée par un gain Ti ;
➢ Action dérivée : l'erreur est dérivée et multipliée par un gain Td.
Le réglage d'un PID consiste à déterminer les coefficients, et afin d'obtenir une réponse
adéquate du procédé et de la régulation. Il arrive dans certaines situations que le PID ne donne
pas de bons résultats. Plusieurs autres actuateurs et systèmes de régulations existent pouvant
donner des résultats bien précis, parmi lesquels la Logique Floue permettant d’avoir une
réponse rapide et des performances dynamiques élevées caractérisée par sa robustesse aux
perturbations et aux non linéarités [13].
I.12.6. Commande basée sur les méthodes d’intelligence artificiel

C’est l’ensemble des théories et des techniques mises en œuvre en vue de réaliser des
machines capables de simuler l’intelligence humaine. C’est une commande constitue de
plusieurs techniques de commande entre autres nous avons la logique floue, la commande base
sur les réseaux de neurone, et bien d’autre.la plus utilisé est le réseau de neurone. Un réseau de
neurones artificiel est un modèle de calcul dont la conception est très schématiquement inspirée
du fonctionnement de vrais neurones humains. Pour la commande MPPT neuronale, les
variables d’entrées sont des données atmosphériques qui sont la température (T) et l’éclairement
(E), avec la tension de la batterie (Vb), tel que la sortie est le rapport cyclique (D) permettant
de commander le convertisseur pour fonctionner le plus souvent possible au MPP [19].

Figure 1. 16: Structure du système commandé par réseau de neurones artificielle [31].
I.12.7. Commande basée sur les méthodes métaheuristiques

Une méthode heuristique est généralement conçue pour un problème particulier, en
s’appuyant sur sa structure propre. On parle de métaheuristique pour les méthodes
approximatives générales, pouvant s’appliquer à différents problèmes. Le mot métaheuristique
est dérivé de la composition de deux mots grecs : méta, du grec µǫτα signifiant « au-delà » (ou
« à un plus haut niveau ») et heuristique. En effet, ces algorithmes se veulent des méthodes
génériques pouvant optimiser une large gamme de problèmes différents, sans nécessiter de
changements profonds dans l’algorithme employé. Les métaheuristiques sont en général non-
déterministes, elles peuvent ne pas trouver la solution optimale, et encore moins prouver
l’optimalité de la solution trouvée. On peut distinguer les métaheuristiques qui font 3. Un
algorithme est dit non déterministe lorsque, appliqué sur une instance donnée du problème,
donne des résultats qui peuvent varier d’une exécution à l’autre où dont le temps d’exécution
varie, contrairement aux algorithmes déterministes, qui se comportent toujours de la même
façon et produisent toujours le même résultat (heuristique gloutonne). Métaheuristiques
d’optimisation : Revue de la littérature évoluer une seule solution sur l’espace de recherche à
chaque itération et les métaheuristiques à base de population de solutions. En général, les
métaheuristiques à base de solution unique sont plutôt axées sur l’exploitation de l’espace de
recherche, on n’est donc jamais sûr d’obtenir l’optimum optimum. Les métaheuristiques à base
de population sont plutôt exploratoires et permettent une meilleure diversification de l’espace
de recherche [18]. Ainsi on distingue plusieurs technique métaheuristique entre autres nous
avons : l’Essaim des particules, la colonie de fourmi, la PSO qui est la plus utiliser…

I.12.8. Les hybridations des commandes

C’est une fusion des commandes pour avoir les meilleures performances. La commande
hybride est une commande de poursuite qui combine le calcul de la position de référence
proposée par la « boucle ouverte », et la donnée de retour proposée par la commande à boucle
fermée.
I.13 ETAT DE L’ART

➢ Boughoufala Mohamed en 2011 présente un travail sur Conception et réalisation
d’un système de Suiveur Solaire pour des systèmes photovoltaïques étant donné que
cette forme d’énergie couvre une grosse partie de la production énergétique actuelle, il
s’avère nécessaire de trouver une autre solution pour prendre le relais, la contrainte
imposée est d’utiliser une source d’énergie économique et peu polluante car la
protection de l’environnement est devenue un point important. Néanmoins il s’intéresse
à une stratégie de commande qui consiste à une combinaison entre : une stratégie de
suivi en boucle ouverte, qui correspond au contrôleur ; Ce contrôleur est basé sur un
modèle de mouvement solaire. Du point de vue de contrôleur, différentes stratégies sont
employées comme des techniques classiques comme algorithme le PID, ou la stratégie
de contrôle avancée telle que le contrôleur floue FLC. L'exécution d'un contrôleur
neuro-floue, qui est une évolution du concept de commande flou, permet au système
photovoltaïque d'apprendre des règles de commande [16].
➢ GUELLAL Amar1 , MOKHTARI Abderrahmane2 , KHERCHI Mohamed 1 en

2016 presente un travail sur La Commande MPPT Basée sur les Algorithmes
Intelligents Destinée aux Applications Photovoltaïques : Etude comparative et
implémentation sur FPGA Les simulations effectuées par l’utilisation des techniques
P&O, logique floue, réseau de neurones artificielle sous différents conditions
météorologiques ont permis de dire que les résultats obtenus par le contrôleur MPPT
Neuronal et MPPT Flou sont meilleurs que celle du contrôleur MPPT P&O, du point de
vue robustesse et rapidité vis-à-vis des changements des paramètres météorologiques.
La puissance de charge suit bien la puissance du GPV quelques soient les variations des
paramètres météorologiques pour les trois contrôleurs. La méthode P&O, bien qu’elle
soit efficace en termes de poursuite du PPM, présente des pertes de puissance dues à
l’oscillation du point de fonctionnement du système autour de sa position optimale et
un régime transitoire long. La poursuite du point maximum avec le contrôleur MPPT

neuronal a un taux d’ondulation de la tension et de la puissance minimale face aux

différentes variations, les pertes de puissance sont moindres dans le régime transitoire ;
ce qui implique une amélioration du rendement du système. On a vu également que le
contrôleur MPPT Flou a une vitesse de suivre plus rapide mais il provoque aussi des
oscillations importantes au démarrage et à chaque phase de transition. Les résultats de
l’implémentation de la commande MPPT neuronale sur un circuit FPGA montre que les
valeurs de rapport cyclique générées par le circuit sont très proches des valeurs calculées
par simulation avec une réponse instantanée [37].
➢ AIT TOUATI Abdellah en 2017 présente un travail sur la synthèse d’un régulateur
intelligent pour un moteur à courant continu partant du principe que L'avantage
principal des machines à courant continu réside dans leur adaptation simple aux moyens
permettant de régler ou de faire varier leur vitesse, et leur sens de rotation ainsi que leur
raccordement direct à une source d'énergie (batteries, piles,... etc.) Malgré leur principal
problème qui se pose au niveau de la liaison entre les balais, et le collecteur rotatif, le
moteur à courant continu continue d'exister à travers de nombreuses applications. Dans
ce présent travail, il essaie d'étudier les techniques de régulation de vitesse intelligente
basée sur la Logique Floue et de la comparer avec les régulateurs classiques PID. La
simulation du model sur logiciel de simulation MATLAB a attesté que le régulateur à
logique flou robuste et très performant par rapport au régulateurs classique [16].
➢ Samira BOUJENANE en 2017 présente leur travail sur le tracker solaire dans
l’optique de maximisation de la production des panneaux solaires d’une part, et de
réduction des coûts d’installation en facilitant la maintenance et l’entretien des trackers
d’autre part, ce travail se focalise sur l’amélioration de la précision et la réduction du
coût de la stratégie de génération de la trajectoire du tracker ainsi que le modèle du
tracker à deux axes développé en trois parties: une modélisation mécanique sous
SolidWorks, un modèle dynamique sous Matlab/Simulink et un modèle de commande.
Il conclut en disant que la modélisation et de commande du tracker doivent être
prolongées et validées sur une installation réelle en exploitation. Parmi les perspectives
de ces travaux, la première concerne l’amélioration de la modélisation et le
développement du simulateur du tracker [16].

➢ MILAT Aimen en 2020 présente un travail sur l’application de la commande RST

robuste l’asservissement de vitesse d’une machine à courant continu. En effet, la vitesse
de rotation des machines électriques intervient dans beaucoup d'application industrielle.
Les machines à courant alternatif, synchrone ou asynchrone, se prêtent bien à des
applications où la vitesse est constante, requiert une commande beaucoup plus
complexe pour réaliser un entraînement à vitesse variable. Par contre, pour le cas des
machines à courant continu, il montre qu’on peut faire varier la vitesse de rotation d’une
façon aisée, et il est donc très souvent nécessaire d’avoir recours à une loi de commande.
C’est ainsi qu’il s’intéresse à La commande robuste basée sur le régulateur RST qui est
une méthode qui a fait ses preuves et qui donne de bons résultats, grâce à l’action de
régulateur RST (il s’agit de la commande RST robuste en utilisant la stratégie de
placement de pôles robuste) qui améliore la rapidité, le rejet des perturbations et le
filtrage, [14] et [15].
➢ MOUGANG WANDJI Jordan en 2021 présente un travail sur la modélisation d’une

commande robuste d’un tracker solaire il a élaboré une commande robuste il utilise une
commande par régulateur NEURO-FLOU de manière à réagir efficacement aux
différentes perturbations par rapport à la variation du soleil. Cependant il a eu a
rencontré des problèmes sur l’acquisition pour attaquer la consigne.
I.13. CONCLUSION
Il était question pour nous de démontrer la nécessité d’utilisation d’un suiveur solaire,
de manière à définir la meilleure façon avec laquelle sera effectué le suivi automatique. Nous
avons aussi présenté les différentes stratégies de commande robuste pour l’optimisation des
performances du suiveur qui est un système dynamique et l’état de l’art sur les différents travaux
effectués.

Un intérêt particulier a été porté sur la commande par régulateur PI FLOUE c’est une
fusion de commande qui combine le régulateur PI et la logique floue qui est une technique
d’intelligence artificiel qui sont les techniques qu’on va adopter et qui va être étudiée en vue
d'une modélisation matérielle du suiveur solaire.
Nous allons tout d’abord aborder, dans le chapitre qui suit, présenté notre model, les
algorithmes de commande robuste de poursuite qui peuvent être programmés et implémentés
pour tester l’efficacité de notre système.

CHAPITRE 2 : MATERIEL ET METHODE
II.1. INTRODUCTION
La modélisation d’un tracker diffère selon l’objectif d’utilisation c’est ainsi que dans
notre cas Il sera question dans ce chapitre de faire une modélisation et simulation suiveur, du
moteur à courant continu a excitation indépendante ainsi la commande robuste par régulateur
PID Floue appliqué à notre système basé sur des modèles d’équations ce système étudié seras
associe d’un ensemble de sous-système interconnectes via le logiciel MATLAB/SIMULINK.
II.2. Materiel utilisé
II.2.1. Introduction sur MATLAB

MATLAB est à la fois un langage de programmation et un environnement de
développement fondé et commercialisé par la société américaine The Math Works. Il est utilisé
dans les domaines de l'éducation, de la recherche et de l'industrie pour le calcul numérique mais
aussi dans les phases de développement de projets. Ainsi, MATLAB est un environnement
puissant, complet et facile à utiliser destiner aux calculs scientifiques. Il apporte aux ingénieurs,
chercheurs et à tout scientifique un système interactif intégrant calcul numérique et
visualisation. C'est un environnement performant, ouvert et programmable qui permet de
remarquables gains de productivité et de créativité. MATLAB comprend aussi un ensemble
d'outils spécifiques à des domaines, appelés Toolboxes (ou Boîtes à Outils). Indispensables à
la plupart des utilisateurs, les Boîtes à Outils sont des collections de fonctions qui étendent
l'environnement MATLAB pour résoudre des catégories spécifiques de problèmes. Les
domaines couverts sont très variés et comprennent notamment le traitement du signal,
l'automatique, l'identification de systèmes, les réseaux de neurones, la logique floue, le calcul
de structure, les statistiques, etc . MATLAB fait également partie d'un ensemble d'outils
intégrés dédiés au Traitement du Signal.

Figure 2. 1: Interface logiciel MATLAB/SMULINK
I.14 Principe de fonctionnement du système

Le système du traqueur solaire que nous allons étudier est de type : un double axe et se
compose de deux moteurs à courant continu, d’un circuit de photo-détection de la lumière, et
d’un régulateur PI floue pour une commande robuste et optimale du moteur afin d’assurer un
suivi optimal de la position solaire. Quatre photorésistances sensibles à la lumière sont montées
de sorte que quand (la barre qui supporte le panneau) est perpendiculaire à la source lumineuse,
chacune reçoive une quantité égale d'irradiance. Quand on reçoit plus de lumière que l'autre, le
panneau n'est pas aligné correctement et le résultat sera une différence de tension. La différence
de tension est employée comme une commande à un circuit d'amplificateur de moteur et aligne
le panneau pour être perpendiculaire au faisceau de source lumineuse sur l’azimut et la latitude,

Figure 2. 2: Interface logiciel MATLAB/SMULINK
Sachant que la structure possède deux degrés de liberté : une rotation horizontale pour
régler l’azimut et une rotation verticale pour l'inclinaison. Ce système permet ainsi, aux
panneaux photovoltaïques de suivre continuellement et en temps réel la trajectoire du soleil
pour assurer une production électrique maximale, d’où la nécessité de définir avec exactitude
les trajectoires empruntées par le soleil, de manière à définir la meilleure façon avec laquelle
sera effectué le suivi automatique [18].
I.15 Les moyens de contrôle de l’augmentation d’énergie par Traqueur

Le gain d’un Tracker est différent à chaque installation, Il existe plusieurs moyennes pour
contrôler le niveau de la production d’électricité pour un Traqueur solaire, on distingue
plusieurs facteurs [6] :
• La latitude du site d’installation

• L’ensoleillement et la climatologie du site
• La course angulaire de suivi solaire.
• La fréquence de positionnement.
• La densité de puissance installée et le facteur d’ombre induit
• Les gains (non comptabilisés) de repli par temps de neige qui peuvent être très
importants

I.16 GEOMETRIE SOLAIRE-TRAJECTOIRE SOLAIRE

L’énergie solaire que reçoit une surface hors atmosphère est régie uniquement par des
lois astronomiques et géométriques. Ces dernières faisant intervenir la latitude du lieu, la
déclinaison solaire, l’heure du jour et l’orientation de la surface réceptrice. La position du soleil
dépend du temps solaire et du jour de l’année [5].
II.3.1. Coordonnées géographiques

Les coordonnées célestes sont des coordonnées angulaires qui permettent le repérage
d'un point sur la terre. Ces coordonnés utilisent l’angle d’attitude et l’angle de longitude qui
sont définies ci-dessous [4].
II.3.2. L’attitude φ
C’est l’angle que fait le plan de l’équateur avec la direction reliant le centre de la terre
au point considéré. L’équateur terrestre est donc caractérisé par une latitude égale à 0°, le pôle
nord par la latitude +90° et la pole sud par la latitude -90°, comme c’est indiqué par la figure12
[4]
II.3.3. Longitude λ
C’est l’angle que fait le méridien local passant par le point considéré avec le méridien
d’origine passant par la ville de Greenwich. On a choisi pour méridien (origine 0°), le plan
passant par l’observatoire de Greenwich. Par convention on affecte du signe (+) au méridien
situé à l’est du méridien de référence, et du signe (-) pour les méridiens situés à l’ouest, voir
figure 12 [4]

Figure 2. 3: Angles de Longitude et Latitude de la terre [4]
I.17 Coordonnees Horaires
II.4.1. Déclinaison du soleil : δ

C’est l’angle formé par la direction du soleil avec le plan équatorial, elle varie au cours
de l’année entre -23,45°et 23,45°, elle est nulle aux équinoxes (21mars et 21 septembre),
maximal au solstice d’été (21juin) et minimale au solstice d’hiver (21decembre). La valeur de
la déclinaison peut être calculée par la relation [5] :
δ = 23,45° [0.980(n + 284)] . 0-1

avec n est le numéro du jour de l’année
II.4.2. L’angle horaire du soleil : 𝝎

C’est l’angle horaire, représente l’arc compris entre le rayonnement solaire incident et
le plan méridien du lieu, la valeur de l’angle horaire est nulle à midi solaire, négative le matin,
positive dans l’après-midi et augmenté de 15° par heure, voir figure [7].
𝝎 = 15(TSV-12) 0-2
Avec TSV : Temps solaire vrai

Figure 2. 4: Les Coordonnées Horaires [5]
II.4.2.1. Coordonnées Horizontales et Azimutales

• Hauteur angulaire du soleil h
C’est l’angle que fait la direction du soleil avec sa projection sur un plan horizontal [6].
𝑆𝑖𝑛(ℎ) = 𝑠𝑖𝑛(𝜑). 𝑠𝑖𝑛(𝛿) + 𝑐𝑜𝑠(𝜑). 𝑐𝑜𝑠(. 𝑐𝑜𝑠(𝛿). 𝑐𝑜𝑠(𝜔) (0-3)

Avec φ la latitude du lieu
• L’Azimut a :
C’est l’angle compris entre le méridien du lieu et le plan vertical passant par le soleil, on peut
le compter positivement de « 0° à +180° » vers l’ouest et négativement de « 0°à -180° » vers
l’est comme indiqué par la figure [6].
sin(a) = 𝑐𝑜𝑠(𝛿) . 𝑠𝑖𝑛⁡ (𝜔)

𝑆𝑖𝑛(ℎ)
(0-4)
Avec ω : angle horaire, δ ∶ Déclinaison du soleil, h : hauteur du soleil
• Angle horaire au lever et au coucher du soleil :
ωL= - ωC =arc (-tan(φ). tan (δ)) (0-5)

Figure 2. 55: Les Coordonnées Azimute a et Hauteur h [6]
II.4.2.2. Temps Solaire

• Le temps solaire vrai :⁡TSV
On appelle Le temps solaire vrai en un lieu et un instant donné, l’angle horaire du soleil en ce
lieu et à cet instant [6] :
𝜔
𝑇𝑆𝑉 = 12 + 15 ( 0-6)
• Le temps solaire moyen TSM
C'est le temps qui correspond à une rotation uniforme de la terre autour du soleil. Il diffère
peu du (écart maximal = 16 minutes) [6].
TSM = 𝑇𝑆𝑉 + ET (0-7)
• Le temps solaire universel TU
On définit le temps universel comme le temps solaire du méridien fondamental (méridien

Greenwich) Pour un lieu de longitude λ [6].
TU = TSM – λ ( 0-8)
λ étant la longitude traduite en heures (1 heure pour 15 degrés).
• Équation du temps ET :
C’est l’écart entre le temps solaire moyen TSM et le temps solaire vrai TSV selon le jour de
l’année considère et durant l’année elle donnée par la formule suivante [6] :
ET = TSM – TSV (0-9)
• Temps légal TL

C’est l’heure officielle d’un état, ou l’heure du fuseau horaire, aux décalages conventionnels
prés (la terre est divisée en 24 fuseaux, de 15 de large, centrés sur les méridiens dont la
longitude est un multiple de 15) [6].
TL = TU + C ‘(0-10)
TU : temps universel, C : est le décalage entre TL et TU, qui rend compte du décalage de
fuseaux et du décalage administratif.
• La relation entre le temps légal et la position du soleil (angle horaire)
Nous avons l’ensemble des relations suivant :

𝜔
𝑇𝑆𝑉 = 12 + 15 ( 0-11)
TSM = TSV – 60.ET (0-12)

𝜆
𝑇𝑆𝑉 = 𝑇𝑆𝑀 − 15 (0-13)
A partir de ces équations on peut trouver la relation suivante :
𝝎 = λ + 15(ET + TL – 12 – C ( 0-14)
• Temps solaire au lever (TSL)
C’est le temps solaire au lever est donné par la relation suivante :
C = TL (pour midi TU) – 12 ( 0-15)
II.4.2.3. Orientation d’une surface de production a Energie solaire

La production automatique par panneaux solaires se fait par un asservissement du
parcours ou position du soleil durant toute la journée à l’aide d’un Suiveur Solaire.
II.4.2.4. Position du soleil par rapport à un observateur

La quantité d’énergie solaire des rayons projetés sur une surface est régie par les règles
astronomiques suivantes : latitude du lieu, la déclinaison solaire, l’heure du jour ainsi que
l’orientation de la surface réceptrice.
La position du soleil suit le temps solaire, le numéro de jour et de l’année en cours et varie
en fonction de l’angle de Zénith, l’angle d’Azimut, l’angle extérieur d’Azimut, et l’angle
d’Incidence.

• Angle de zénith
C’est l’angle entre la verticale d’une surface et un rayon du soleil, il est donné par
L’équation
suivante [6] :
𝛳𝑧 = 𝑐𝑜𝑠 −1 . (𝑠𝑖𝑛(𝜑) . 𝑠𝑖𝑛(𝛿) + 𝑐𝑜𝑠(𝜑). 𝑐𝑜𝑠(𝛿). 𝑐𝑜𝑠(𝜔)) ( 0-16)
• Angle d’Azimut
C’est l’angle sur le plan horizontal mesuré à partir du sud avec la projection horizontale des
rayons directs du soleil, Figure II.6 . Il est également donné comme angle entre le méridien local
et la projection de la ligne de la vue du soleil dans le plan horizontal.
Figure 2. 6: Angles Azimute et Zénith [6]
• Angle extérieur d’Azimut (ϒ)
C’est l’angle mesuré à partir du sud sur le plan horizontal avec la projection horizontale de
la normale sur la surface, il est également donné comme l'angle entre le méridien local et la
projection horizontale de la normale avec la surface.
• Angle d’Incidence (ϴ)
C’est l’angle entre le rayon solaire direct et la normale extérieure de la surface du plan, il est
donné par l’équation suivante :
𝛳 = ⁡ 𝑐𝑜𝑠 −1 [𝑐𝑜𝑠(𝛳𝑧) + 𝑠𝑖𝑛(𝛳𝑧) . 𝑠𝑖𝑛(𝛽) . 𝑐𝑜𝑠⁡(ϒ𝑠 − ϒ)] ( 0-17)

β : Inclinaison de surface. : ϒ : Angle d’azimut. ϒs : Angle extérieur d’azimut

La Figure 2.7 fait une représentation des angles (ϒ) et (ϴ).
Figure 2. 7Angle Extérieur d’Azimut (ϒ) et Angle d’Incidence (ϴ) [6]
I.18 Différents types de montures
II.5.1. Monture Azimutale :

La monture azimutale est une monture mobile permet d'orienter facilement un
instrument (panneaux) selon deux axes un axe de rotation vertical et un axe de rotation
horizontal, l'axe vertical permet une orientation en azimut, c'est à dire gauche-droite et l'axe
horizontal laisse pivoter l'instrument en hauteur(haut-bas) en d’autres termes la normale du
capteur solaire suit la hauteur angulaire du soleil, ce système est couramment utilisé pour les
radars, les cinéthéodolites, les canons anti-aériens, . Cette Figure II.8 disposition très simple
ne pose pas de problèmes mécaniques particuliers, le cout d’achat et l’entretien de ce système
est faible

Figure 2. 8: La monture Azimutale [5]
II.5.2. Monture équatoriale

La monture équatoriale est la monture idéale pour assurer un suivi sidéral, comportant un
axe de rotation parallèle à l'axe de rotation terrestre (mouvement en angle horaire) et un axe
orthogonal au précédent (mouvement en déclinaison), généralement utilisée sur les télescopes
des astronomes amateurs. Les montures équatoriales sont souvent équipées de quatre
systèmes de roulements et sont souvent plus chères que les montures azimutales, voir Figure 2.9.
Figure 2. 9: La monture Equatoriale [5]

I.19 Modélisation d'un Moteur à Courant Continu MCC

Dans notre étude, on s’intéresse aux moteurs à courant continu, car ils offrent une
introduction facile au fonctionnement de ses homologues, en donnant des repères clairs. Les
moteurs à courant continu ont pendant longtemps étaient les seuls aptes à la vitesse variable à
large bande passante, comme dans le domaine robotique. Ils ont donc fait l’objet de
nombreuses améliorations.
II.6.1. Description des moteurs à courant continu

Les moteurs à courant continu sont des convertisseurs électromécaniques d'énergie, ils
convertissent l'énergie électrique absorbée en énergie mécanique lorsqu'ils sont capables de
fournir une puissance mécanique suffisante pour démarrer puis entraîner une charge en
mouvement. On dit alors qu'ils ont un fonctionnement en moteur. Soit-il convertissent
l'énergie mécanique reçue en énergie électrique lorsqu'ils subissent l'action d'une charge
entraînante. On dit alors qu'ils ont un fonctionnement en générateur [12].
II.6.2. Constitutions d'un moteur à courant continu

La machine à courant continu est constituée de trois parties principales :
➢L'inducteur.
➢L'induit.
➢Le dispositif collecteur / balais.
Figure 2. 10: Constitution des Moteurs à Courant Continu [12].
• L’inducteur

L'inducteur est la partie fixe du moteur. Qui est à l'origine de la circulation d'un flux
magnétique longitudinal fixe créé soit par des enroulements statoriques (bobinage) soit par
des aimants permanents.
Figure 2. 11: L’inducteur ou le Stator des Machines à Courant Continu [12]
L'induit est constitué d'encoches dans lesquelles est enroulé un bobinage relié à un
collecteur rotatif inversant polarité dans chaque enroulement au moins une fois par tour de
façon à faire circuler un flux magnétique transversal la en quadrature avec le flux statorique.
Figure 2. 12: L’induit ou le Rotor des Machines à Courant Continu [14]
• Le collecteur et les balais

Le collecteur est un ensemble de lames de cuivre où sont reliées les extrémités du

bobinage de l’induit [12]. Les balais ou les charbons sont situés au stator et frottent sur le
collecteur en rotation.
Figure 2. 13: Le Dispositif Collecteur/Balais [13]
II.6.3. Typologies
On distingue :
La MCC à excitation indépendante
➢ Asservissement de vitesse MCC à excitation indépendante et bobinée MCC

à aimant permanent La MCC série
➢ MCC de traction
➢ Forte puissance Véhicule électrique, traction ferroviaire…
I.20 Circuits équivalents
II.7.1. Comportement en régime établi

On considère le régime comme établi s’il n’y a pas de variation de vitesse ou de tension.
Le modèle électrique qui représente le régime établi est donné par la figure suivante :

Figure 2. 14: Modèle de MCC en régime établi [13]
II.7.2. Comportement en régime dynamique (ou transitoire):

On considère le régime comme dynamique s’il n’est pas établi. Le modèle électrique
qui représente le régime établi est donné par la figure
Figure 2. 15: Modèle de MCC en régime dynamique [13]
II.7.3. Equations électriques et mécaniques

Prenant en compte la résistance Ra et l’inductance La du circuit d’induit, du collecteur,
des balais et des connexions, et en les supposant toutes deux constantes (pas de variation due à
l’échappement ni à la saturation magnétique), l’équation de tension induite s’écrit :
𝑑𝑖
𝑢(𝑡) = 𝑅𝑖(𝑡) + 𝐿 𝑑𝑡 + 𝐸(𝑡) (0-18)
La force électromotrice E(t) est une tension induite par la variation de champ magnétique
reçu par les bobinages. On retiendra que cette variation est proportionnelle à la vitesse de
rotation Ω(t) et :

𝐸(𝑡) = 𝐾Ω(𝑡) (0-19)

Le couple Tem(t) exercé par le stator sur le rotor est proportionnel au courant I(t) qui
alimente le moteur :
𝑇𝑒𝑚(𝑡) = 𝐾𝐼(𝑡) (0-20)

Si on isole le rotor, le principe fondamental de la dynamique en rotation autour de l’arbre
du moteur donne Le moteur en rotation est décrit par l’équation fondamentale de la dynamique:
𝑑Ω
𝐽 𝑑𝑡 = 𝑇𝑒𝑚(𝑡) − 𝑓Ω(𝑡) − 𝑇𝑓 − 𝑇𝑟 (0-21)
J : moment d’inertie du moteur ;
f : coefficient de frottement visqueux;
Tr : couple résistant ;
Tf : couple de frottement de coulomb
Voilà en somme les équations régissant le fonctionnement du moteur. Mais pour mieux les
exploiter, nous allons utiliser leurs transformées de Laplace.
𝑑𝑖 𝑈−𝐸
𝑢(𝑡) = 𝑅𝑖(𝑡) + 𝐿 𝑑𝑡 + 𝐸(𝑡) 𝐼 = 𝑃𝐿+𝑅 (0-22)
𝐸(𝑡) = 𝐾Ω(𝑡) 𝐸 = 𝑲Ω(𝑷) (0-23)
𝑇𝑒𝑚(𝑡) = 𝐾𝐼(𝑡) 𝑇𝑒𝑚 = 𝐾𝐼(𝑃) (0-24)

𝑑Ω
𝐽 𝑑𝑡 = 𝑇𝑒𝑚(𝑡) − 𝑓Ω(𝑡) − 𝑇𝑓 − 𝑇𝑟 𝐽𝑃Ω(𝑃) = 𝑇𝑒𝑚(𝑃) − 𝑇𝑟 − 𝑓Ω(𝑃) − 𝑇𝑓 ( 0-25)
Tableau 2. 1: Paramètre de la machine
Tension nominale 24 v
Résistance de l’induit 0.56 Ω
La constante de flux du moteur 0,145 rad/s
Inductance 5,3.𝑒−3 H
Moment d’inertie rapporté au rotor 0,5. 𝑒−3 kg.m²
Tc 0.35 N.m.A .s-1
ke 0.5 V.s
fr 5e-2 N.m.A-1

II.7.4. Simulation du modèle (MCC) de Transformé de Laplace
Figure 2. 16: Schéma bloc de vitesse de la MCC avec charge
VITESSE
2500
2000
1500
VITESSE (tr/min)
1000
500
0
0 20 40 60 80 100 120 140 160 180 200
t(sec)*10-2
Figure 2. 17: Résultat de vitesse

100
90
80
70
COURANT INDUIT (A)
60
50
40
30
20
10
0
0 20 40 60 80 100 120 140 160 180 200
t(sec)*10-2
couple electromagnetique
9
5
Tem(N.m)
0
0 20 40 60 80 100 120 140 160 180 200
t(sec)*10-2
Figure 2. 18: Résultat couple électromagnétique et courant de MCC avec charge
D’après la simulation du MCC avec charge montré par la figure II.18, on remarque une
diminution de la vitesse pendant l’application de charge à instant t=1.04s. Le couple
électromagnétique prend la valeur de charge (Tem =Tr=2 Nm), la réponse de courant
c’est l’image de réponse de couple électromagnétique.
Mais il est remarquable qu’après l’application d’un couple résistant il ’y aura une
déformation de la courbe de vitesse, ce qui nécessite une commande pour stabiliser le système
et améliorer leurs performances.
Dans ce cas, il devra une implémentation d’une commande pour rendre la vitesse à la
valeur désirée.

I.21 Commande PID-Floue de la MCC

Dans la plupart des processus industriels, en particulier les moteurs électriques, il est
indispensable de maitriser certains paramètres physiques (vitesse, position, angle,...), il est donc
très souvent nécessaire d'avoir recours à une commande. Pour ce chapitre on a utilisé la
commande PID (proportionnelle-Intégrale-Dérivée), cette méthode a fait ses preuves et donne
de bons résultats et l’améliorer avec une logique floue.
II.8.1. La théorie de la commande classique "PID" en régulation de vitesse

Le régulateur élabore le signal de commande adéquat, envoyé à l’entrée du processus, afin
que sa sortie satisfasse au mieux les objectifs en matière de régulation. Cependant, chaque
système possède ses exigences propres, chaque machine possède ses propres conditions de
fonctionnement. Il est donc indispensable que la correction soit conçue pour satisfaire aux
besoins particuliers des machines électriques.
Le PID est une méthode qui a fait ses preuves dans la commande des moteurs à courant
continu et qui donne de bons résultats pratiques.
II.8.2. Régulateur PID

Les termes proportionnel et intégral peuvent amener un dépassement de la consigne et des
oscillations. Cela implique des inversions de polarité pour le moteur, ce qui est loin d’être idéal.
Pour limiter ce phénomène indésirable, on introduit un troisième élément : le terme dérivé D.
Son action va dépendre du signe et de la vitesse au 'quel l’erreur varie, et il sera
opposée à l’action proportionnelle. Donc l'action dérivée devient supérieure aux abords de la
valeur demandée lorsque l’erreur devient faible, que l’action du terme proportionnel faiblit et
que l’intégrale varie peu ; elle freine alors le système, limitant le dépassement et diminuant le
temps de stabilisation [13].
On obtient alors un régulateur composé d’un terme proportionnel, un terme intégral

et un terme dérivé comme suite :
𝑡 𝑑ℇ(𝑡)
𝑢(𝑡) = 𝐾𝑝ℇ(𝑡) + 𝐾𝑖 ∫0 ℇ(𝑡) + 𝐾𝑑 (0-26)
𝑑𝑡
En appliquant la transformée de Laplace on a
1
𝑈(𝑝) = 𝐾𝑝ℇ(𝑝) + 𝑝 ℇ(𝑝) + 𝐾𝑑𝑝ℇ(𝑝) (0-27)
1
D’où 𝑈(𝑝) = ℇ(𝑝) [𝐾𝑝 + 𝐾𝑖 𝑃 + 𝐾𝑑. 𝑃] (0-28)

L’action dérivée est surtout utilisée dans le cas de variables non bruitées, car la dérivation
est très sensible au bruit du signal ; on diminuera donc son influence dans une régulation de
vitesse.
II.8.3. Résumé sur l’action des paramètres (coefficients)

Après avoir expliqué précédemment le rôle du régulateur proportionnel, intégral et dérivé,
on présente un résumé sur l’action des coefficients dans le tableau suivant :
Tableau 2. 2: Récapitulatif sur l’action des coefficients [13]
Coefficients Temps de monté Temps de stabilisation Dépassement Erreur

Kp Diminue Augmente Augmente Diminue
Ki Diminue Augmente Augmente Annulé

Kd Diminue Diminue
Comme il existe plusieurs méthodes de réglé ces paramètres. On a donc ; opté pour une
méthode de réglage dite "Ziegler-Nichols", introduite par John G. Ziegler et Nathaniel B.
Nichols.
II.8.3.1. Méthode de Ziegler-Nichols

Deux méthodes classiques expérimentales de détermination et ajustement des paramètres
des régulateurs PID ont été présentés par Ziegler-Nichols en 1942. Ces méthodes
expérimentales sont largement utilisées, soit sous forme originale ou dans une certaine
modification. Ils forment souvent la base de procédures de réglages par les contrôleurs des
fabricants et les processus de l’industrie. Les méthodes sont basées sur la détermination de
certaines caractéristiques de la dynamique des processus. Les paramètres du régulateur sont
alors exprimés en termes de fonctionnalités par des formules simples. Il est surprenant que les
méthodes soient si largement référencées parce qu’ils donnent de bons résultats de réglages
seulement dans des situations limitées.
II.8.3.2. Méthode de la courbe de réaction (Première méthode)

Cette méthode est basée sur la modélisation de l’information indicielle du processus en
boucle ouverte, d’où seulement les processus simples sont utilisés, le principe est
d’enregistrer la courbe de réponse du système non régulé à un échelon puis en déduire la
valeur des coefficients par analyse de la réponse (lecture graphique), ainsi mettre le système

hors ligne. C’est pour cette raison que cette méthode n’est pas très utilisée dans l’industrie
[21].
II.8.3.3. Méthode d’oscillation (Deuxième méthode)

Cette méthode empirique de Ziegler-Nichols est très répandue dans l’industrie ou chez
les automaticiens. Elle a l’avantage de ne pas nécessiter de modélisation précise du système
asservi, mais se contente d’essais expérimentaux et applicables en boucle fermée, ce qui rend
cette méthode très simple, [21]
La conception est basée sur la connaissance d'un point dans la courbe de Nyquist de la
fonction de transfert du processus (moteur), à savoir le point où la courbe de Nyquist coupe
l'axe réel négatif. Ce point peut être caractérisé par deux paramètres de la fréquence W0 et
le gain à cette fréquence 𝐾0. Pour des raisons historiques le point a été appelé le point ultime
ou critique et caractérisé par des paramètres
1 2𝜋
𝐾𝑢 = 𝑊0 : Gain ultime et ⁡𝑇𝑢 = 𝑊0 : Période ultime
Ces paramètres peuvent être déterminés de la manière suivante :

On connecte le régulateur au moteur électrique, fixer 𝐾𝑖 = 0 et 𝐾𝑑 = 0, on augmente
doucement le gain du correcteur proportionnel 𝐾𝑝 jusqu’à obtenir des oscillations persistantes,
pour notre moteur, il s’agira plutôt d’une vibration autour de la position demandée.
I.22 La théorie de la commande intelligente "logique Floue" en régulation

de vitesse
L’utilisation de la commande floue est particulièrement intéressante lorsqu’on ne
dispose pas d'un modèle mathématique précis du processus à commander ou lorsque ce
dernier présente un non linéarités importante ou une imprécision. A cet effet son objectif
est d'obtenir un stabilisateur robuste, qui d'une part est capable d'amortir correctement les
oscillations des systèmes et d'autre part, présente des performances satisfaisantes en présence
de différents types de perturbations.
II.9.1. Notions de bases de la logique floue

II.9.2. La théorie des ensembles flous
Un ensemble flou est un ensemble contenant des éléments dont leurs dégrées
d'appartenances varient dans l'ensemble, cet ensemble flou est mis en correspondance à un

nombre réel dans l'intervalle de 0 et 1 dont 0 étant la non appartenance absolue et 1 étant
l'appartenance maximale [15]. La notion d’ensemble flou permet alors des graduations dans
C'est pour tenir compte de ce genre de situations que L. A. Zadeh, professeur à l’université de
Berkeley a introduit la notion d'ensemble flou « fuzzy set» ; elle repose sur la notion
d'appartenance partielle. Chaque élément x peut s'introduire [15] :
• Ne pas appartenir à l'ensemble flou A.

• Appartenir un peu à A.
• Appartenir assez à A.
• Appartenir fortement à A
• Appartenir totalement à A.
Le conteur de chaque ensemble flou n'est pas rigide ou net mais graduel ou "flou".
Tableau 2. 3: Comparaison entre un ensemble classique et un ensemble flou [16].
D’après la figure :
X n’appartient ni A, ni à B Z appartient intégralement à B

Y appartient intégralement à A, t appartient partiellement à B
II.9.3. Différence entre ensemble flou et ensemble classique 'booléen'

Alors qu’un ensemble booléen est défini par sa fonction caractéristique f à valeurs 0 ou
1, un ensemble flou A défini sur un univers de discours U est caractérisé par une fonction
d’appartenance A(x) qui prend des valeurs dans l’intervalle0,1. Un ensemble flou est aussi

une généralisation des ensembles ordinaires où ses fonctions d’appartenances prennent

seulement les deux valeurs 0 ou 1. Une fonction d’appartenance fournit une mesure du degré
d’appartenance d’un élément de U à l’ensemble flou [22],[23].
Tableau 2. 4Ensemble booleen et ensemble flou [23].
II.9.4. Fonctions d’appartenance

Dans la plupart des applications de la logique floue, une fonction d’appartenance (x) est
associée avec des termes linguistiques qui apparaissent dans les antécédents ou les conséquents
des règles
Afin de pouvoir traiter numériquement ces variables linguistiques, il faut les soumettre
à une définition mathématique à base de fonctions d’appartenance qui montrent le degré de
vérification de ces variables aux différents sous-ensembles. Les fonctions d'appartenance
peuvent théoriquement prendre n'importe quelle forme, toutefois, les plus usuelles sont les
suivantes [17] :
Tableau 2. 5: Différentes formes des fonctions d’appartenance [24]

𝑥−𝑎 𝑐−𝑥
La fonction triangulaire :  = 𝑚𝑎𝑥⁡(𝑚𝑖𝑛 (𝑏−𝑎 , 𝑐−𝑏) , 0) (0-29)
𝑥−𝑎 𝑑−𝑥
La fonction trapézoïdale :⁡ = 𝑚𝑎𝑥⁡(𝑚𝑖𝑛 (𝑏−𝑎 , 1, 𝑑−𝑐 ) , 0) (0-30)
1
La fonction en forme de cloche :⁡ = ( 𝑥−𝑎 2𝑏
) (0-31)
1+| |
𝑎
De cette manière on peut distribuer notre décision sur plusieurs ensembles flous, ce qui aide
à rendre les systèmes flous plus robustes.
Une variable linguistique est représentée par un triplet (U,V,Tv) ou V est la variable
linguistique elle-même, U est l’univers de discours et Tv l’ensemble des caractéristiques floues
la variable [15],[16]. La figure II.2 exemple d’une variable linguistique « vitesses », si la vitesse
est interprété comme une variable linguistique, alors son ensemble de terme T(vitesse) =
{lente,moyenne,rapide…} ou chaque terme est caractérisé par un ensemble flou.
Figure 2. 19: Une variable linguistique ‘Vitesse’ avec trois termes linguistiques [26]
Il est généralement imposé que les ensembles flous 𝐴𝑖 doivent satisfaire la condition
suivante :
∀𝑥, ∃𝑖, 𝜇𝐴𝑖(𝑥) ≠ 0 (0-32)
Cette condition qu’on appelle dans la littérature, propriété d’assurance exige que chaque
élément soit affecté à au moins à un ensemble flou avec un degré d’appartenance non nul. A
cette condition, on ajoute souvent une propriété supplémentaire qui est le respect de la
sémantique : les sous-ensembles doivent interpréter réellement les termes linguistiques qui
leur sont associés [23].

II.9.4.1. Univers de discours

L’univers de discours est l’ensemble des valeurs réelles que peut prendre la variable floue
x et µ(𝑥)est le degré d’appartenance de l’élément x à l’ensemble flou E.
Dont, le domaine de définition de µ(𝑥) peut être réduit à un sous-ensemble de l’univers

de discours. On peut ainsi avoir plusieurs fonctions d’appartenance, chacune caractérisant un
sous-ensemble flou. C’est par l’association de tous les sous-ensembles flous de l’univers de
discours que l’on obtient l’ensemble flou de la variable floue x. Par abus de langage, les sous-
ensembles flous sont forts souvent confondus avec l’ensemble flou. [28] [25].
II.9.4.2. La base des règles floues

Une règle floue est donc une combinaison entre une condition, nommée prémisse ou
particularité qui peut dépendre de plusieurs variables liées entre elles par des opérateurs ET,
OU, NON et une conclusion ou conséquence.
La prémisse et la conclusion sont constituées d'une ou plusieurs conditions appelées

"propositions floues élémentaires". Ces dernières sont reliées par divers opérateurs. A partir
de ces généralités, il est alors possible de définir une règle floue de manière plus précise.
D'une manière générale une règle floue s'énonce sous la forme suivante : SI-ALORS
(IF-THEN)
Comme le montre l'exemple suivant :
➢ Si (forte pression ET température très élevée) ALORS (échauffement moteur sure).
II.9.4.2.1 Opérateurs sur les ensembles flous

Dans la théorie des ensembles flous on définit les relations intersection, union et
complémentation qui sont traduites par les opérateurs ET, OU, NON. Ces opérateurs existent
également en logique classique.
Soient A et B, deux sous-ensembles flous d’une variable linguistique définis sur

l’univers de discours UD par leurs fonctions d’appartenance respectives µA et µB. [26] [30] .

II.9.4.2.2 Opérateur ET (Intersection floue)

Le sous-ensemble flou, correspondant à l’intersection des sous-ensembles A et B, il est
défini par les éléments x de l’univers de discours UD qui appartiennent à A et à B. L’opérateur
ET peut être exprimé par la définition de MAMDANI et SUGENO :
µA⋂B(𝑥) = min{µA(𝑥), µB(𝑥)}∀𝑥 ∈UD (Mamdani) (0-33)
µA⋂B(𝑥) = µA(𝑥). µB(𝑥)∀𝑥 ∈ UD (Sugeno) (0-34)
Figure 2. 20: Intersection des sous-ensembles flous "petite vitesse ⋂ moyenne vitesse [19]
II.9.4.2.3 Opérateur OU (Union floue)

Le sous-ensemble flou correspondant à l’union des sous-ensembles A et B est un sous
ensemble de l’univers de discours UD défini par tous les éléments x de UD qui appartiennent
ou bien à A ou bien à B, ce que l’on note A ⋃ B. L’opérateur OU est généralement réalisé par
la formation du maximum, qu'est exprimé comme suit :
µA⋃B(𝑥) = 𝑚𝑎𝑥{µA(𝑥), µB(𝑥)}∀𝑥 ∈UD (Mamdani) (0-35)
µA⋃B(𝑥) = µA(𝑥) + µB(𝑥) - µA(𝑥). µB(𝑥)∀𝑥 ∈ UD (Sugeno) (0-36)

Figure 2. 21: Union des sous-ensembles flous "petite vitesse⋃ moyenne vitesse"[19]
II.9.4.2.5. Opérateur NON (complémentation floue)

Le sous-ensemble flou complémentaire du sous-ensemble E est un sous-ensemble de
l’univers de discours UD défini par les éléments x de l’UD qui n’appartiennent pas au
sousensemble flou E. il est exprimé comme suite :
µ𝐴̅(𝑥) = 1 - µA(𝑥)∀𝑥 ∈ UD (Mamdani) et (Sugeno) .(0-37)
Figure 2. 22: Complémentation du sous-ensemble flou "petite vitesse"[18]
II.9.5. Systèmes de commande flous

Un système de commande flou est un système utilisant la logique floue. Il est constitué
de quatre éléments, qui nous permettent d’avoir une relation mathématique reliant la sortie du
système flou à ses entrées.

Figure 2. 23: Configuration de base des systèmes flous " structure interne"[19] [28]..
II.9.6. La base de connaissances floues

La base de connaissance contient les définitions des fonctions d’appartenance associées
aux variables d’entrée et sortie ainsi que l’ensemble des règles floues. Elle comprend une
collection de règles floues de la forme SI-ALORS (IF-THEN).
II.9.6.1. La fuzzification
Ce bloc réalise la transformation des entrées numériques en informations symboliques
floues utilisables par le mécanisme d’inférence. A partir du domaine numérique appelés aussi
univers de discours et pour chaque grandeur d'entrée ou de sortie, on peut calculer les degrés
d'appartenance aux sous-ensembles flous de la variable linguistique correspondant [19].
II.9.6.2. Mécanisme d’inférence

Ce mécanisme d’inférence Consiste à calculer le degré de vérité des différentes règles du
système et il associer à chacune de ces règles une valeur de sortie. Cette valeur de sortie dépend
de la partie conclusion des règles qui peut prendre plusieurs formes.
Dans ce mécanisme on distingue deux types d’opérateurs, l’opérateur « ET » qui lie

les différentes variables de la règle, et l’opérateur « OU » qui lie l’ensemble de règles. Ces
deux opérateurs peuvent être réalisés par différentes manières, en effet l’opérateur « ET » peut
être réalisé par le produit algébrique ou l’intersection floue « min », et l’opérateur « OU » par
la somme algébrique ou l’union floue « max ». Ces différentes réalisations introduisent
plusieurs mécanismes d’inférences [20] :
• Méthode de Mamdani : C'est la méthode d’inférence « max-min » réalisée au niveau de

la condition l’opérateur « ET » par la formulation du minimum. La conclusion dans
chaque règle, introduite par « ALORS », lie le facteur d’appartenance de la prémisse

avec la fonction d’appartenance de la variable de sortie est réalisé par la formation du

minimum.
• Méthode de Sugeno : L’opérateur « ET » est réalisé par la formation du minimum,
la conclusion de chaque règle floue a une forme polynomiale. La sortie est égale à
la moyenne pondérée de la sortie de chaque règle floue.
II.9.6.3. La défuzzification
Elle consiste à remplacer l’ensemble des valeurs de sorties des différentes règles
résultant de l’inférence par une valeur numérique unique représentative de cet ensemble. Dans
le cas des règles de type SUGENO, le calcul se fait simplement par une somme normalisée des
valeurs associées aux règles floues. Dans le cas de règles de MAMDANI, le calcul de la valeur
numérique de sortie s’effectue en deux étapes :
• La première étape c'est la composition des règles.

• La deuxième étape c'est le passage du symbolique vers le numérique
Il existe plusieurs méthodes de défuzzification, et comme la méthode de centre de gravité

est la plus utilisée en commande floue du fait qu’elle fournit la valeur la plus représentative de
l’ensemble flou issu de l’agrégation des règles. Elle consiste à calculer le centre de gravité de
la surface formée par la fonction d’appartenance résultante [20].
I.23 Model de simulation

II.10.1. Modélisation de l’alimentions
Figure 2. 24 : Model du convertisseur PWM

T=20µs
Figure 2. 25: Reglage du rapport cyclique [25] [31].
Equations résultante :
𝑈𝑎 = (𝑞𝐴 − 𝑞𝐵)𝑈𝑑𝑐 (0-38)

Alors la valeur moyenne de la tension d’alimentation sera :
⁡𝑈𝑎𝑚𝑜𝑦 = (𝑑𝐴 − 𝑑𝐵)𝑈𝑑𝑐 ( 0-39

1⁡𝑠𝑖⁡𝑑𝐴 > 𝑈𝑝
Avec : 𝑞𝐴 = { (0-40)
0⁡𝑠𝑖⁡𝑑𝐴 < 𝑈𝑝
1⁡𝑠𝑖⁡𝑑𝐵 > 𝑈𝑝
𝑞𝐵 = { ( 0-41)
0⁡𝑠𝑖⁡𝑑𝐵 < 𝑈𝑝
Up : signal de la porteuse triangulaire de période 200µs
Les états de communication du hacheur doivent être généré en utilisant un générateur

MLI(PWM) unipolaire, les références pour les cycles d’utilisation sont déterminés par :
1 𝑈𝑎𝑟𝑒𝑓
𝑑𝐴 = 2 (1 + ) (0-42)
𝑈𝑑𝑐

1 𝑈𝑎𝑟𝑒𝑓
𝑑𝐵 = 2 (1 − ) (0-43)
𝑈𝑑𝑐
Ou Uaref est la tension de référence. Les cycles d’utilisation sont comparés au signal porteur,
qui est une onde triangulaire alternant entre 0 et 1et ayant une période de 200µs
Figure 2. 26: Générateur PWM
I.24 Régulation en cascade du moteur DC
Figure 2. 27: Principe de la régulation [31].

Figure 2. 28: Model du régulateur de courant
I.25 Régulation par contrôleur PID floue
Afin de conclure sur les performances de l'utilisation d'une régulation par la logique
floue nous allons présenter les simulations réalisées sur un moteur à courant continu. Les
gains du régulateur flou sont ajustés par tâtonnement pour atteindre les performances désirées.
Ces performances ont été établies à partir de la simulation des modes de fonctionnement
suivants : un démarrage à vide suivi par une introduction d’un couple de charge et perturbation.
Dans cette étude en présente la régulation floue PI (assemblage de deux régulateur

logique floue et PI) de vitesse de la MCC, ou les entrés de ce régulateur son l’erreur et la
dérivé de l’erreur. Concernant les sorties de régulateur floue sont les entrés de PI qui
sont le gain proportionnel Kp et le gain intégrale KI, ainsi E, dE, Kp et kI sont les
gains de régulation qui est montré par la figure [33].
Figure 2. 29: Schéma bloc à régulateur PI-floue de la position du suiveur (a)

Figure 2. 30: Bloc contrôleur flou (b)
Comme le montre la figure ci-dessous, nous avons choisi comme variables d’entrées
l’erreur ‘E’ qui est la différence entre la tension de référence, et la tension mesurée. L’autre
variable d’entrée est la dérivée ‘dE’ de l’erreur q ui représente la différence entre l’erreur
actuelle et l’erreur précédente. Comme variable de sortie deux variables Kp et KI pour la
commande en tension Ua.
Figure 2. 31 : Définition de la structure globale de régulateur floue (entrée, sortie)

Grace à cette interface, on définit les variables d’entrées et de sorties de façon à

contraindre le comportement du bloc fuzzy, illustré par (Figure II.36, II.37) , pour définir ces
fonctions :
II.12.1. Présentation des fonctions d’appartenance
Les sous-ensembles d’entrée présentée par la figure II.36 et la figure II.37 :

NG : négative grand, NM : négative moyenne, EZ : environ zéro, PM : positive moyenne,
PG : positive grand.
Figure 2. 32: Les sous-ensembles d’entrée
Les sous-ensembles de sortie présentée par la figure II.35

Figure 2. 33: Les sous-ensembles des sorties
II.12.2. Les règles floues : présentées par le tableau

Description des règles par matrice d’inférence :

Figure 2. 34: Fonction résultante des règles d’inférence

CONCLUSION
Il était question dans ce chapitre, de présenter notre model, les algorithmes de commande
robuste de poursuite qui peuvent être programmés et implémentés pour tester l’efficacité et la
robustesse de notre système.

CHAPITRE 3 : RESULTAT ET DISCUSSION
I.26 INTRODUCTION
Dans ce chapitre, il sera question pour nous d’effectuer une validation et interprétation de
nos différents résultats obtenus par rapport aux objectifs qui est d’atteindre la robustesse de
suiveur. Dans un premier présenté le comportement du système en latitude, ensuite le
comportement en azimut tous confrontés à des perturbations dynamiques.
On rappelle que notre suiveur fonction à deux degrés de libertés (latitude et azimut) équipés
des capteurs solaires permettant de définir en temps réel la position optimale du soleil par
rapport aux panneaux solaires, ainsi que de deux moteurs à courant continu auquel sera
appliquer une commande robuste PID-Floue pour une réponse optimale du système.
Capteur
d’élévation
Moteur 1
Moteur 2
Capteur
d’ azimut
Figure 3. 1: : Schéma cinématique de suiveur solaire biaxes [15]
L’objectif étant d’appliquer aux différents moteurs du système une commande robustes
grâce au contrôleur flou pour pouvoir réagir rapidement aux perturbations et aux variations des
consignes (position solaire).

Figure 3. 2: Model électrique de suiveur solaire bi-axes.
I.27 Simulation en axe latitude
En appliquant une consigne se déplaçant en latitude au cours du temps, la figure III.3

nous montre le comportement du système.
(1)
(2)

(3)
(4)
Figure 3. 3: Réponse en vitesse, couple moteur et courant induit
Le couple moteur développé parvient à vaincre facilement l’inertie et les perturbations

externes ainsi l’intensité du courant d’induit varie efficace en fonction de l’appel du moteur due
à la dynamique du système, malgré les variations brusques de la consigne en latitude (figure
III.3(2)) le système répond rapidement.
Néanmoins à l’instant t=0.1s et à t=0.2s de la figure III.3 (2), on observe un dépassement

rapide instantané qui caractérise un acoup lorsqu’il y a variation de la consigne ainsi que des
pertubations+inertie ce qui est normal car notre système est extrêmement dynamique.
En appliquant une consigne très proche d’un model impeu moins sévères figure 3.4 (3)
on observe à travers la figure III.4 (1) et (2) une réponse idéale par rapport aux variations

100
latitude
80 vitesse
60
(1)
40
20
-20
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01
temps(s)
(2) (3)
courant induit Consigne en Latitude
15 50
latitude
40
10
30
5
20
0
10
-5 0
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01 0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01
temps(s) temps(s)
Figure 3. 4: Réponse du système pour une consigne sinwave (consigne plus sévère)
Au vue de la consigne de la figure 3.4 (1), le système répond efficacement aux variations
sans entrer dans un régime transitoire.
Avec l’application de deux consignes, une sévère par rapport à ses variations brusques
figure III.1 (1), et une moins sévère figure III.4 (1), le système réagi plus vite et de manière
efficace, d’où une robustesse du système en latitude.
I.28 Simulation en axe azimut
En appliquant une consigne se déplaçant en latitude au cours du temps, la figure III.1

nous le comportement du système.

(1)
(2)
Figure 3. 5: Réponse en vitesse, couple moteur ( le régime transitoire)

(1) (2)
6 100
5 80
4 60
couple moteur
3 perturbations 40 consigne
vitesse
2 20
1 0
0 -20
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
temps(s) temps(s)
20 50
consigne (position solaire)
courant induit 40
15
courant induit (A)
30
10
20
5
10
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
temps(s) temps(s)
(3) (4)
Figure 3. 6: Réponse en vitesse, couple moteur et courant induit
Le couple moteur parvient à vaincre facilement l’inertie et les perturbations externes

ainsi l’intensité du courant d’induit varie efficace en fonction de l’appel du moteur due au
dynamique du système en azimut. On constate une robustesse du système à être stable.
Mais aux instants t=0.1s et t=0.2s de la figure III.5 on observe un dépassement rapide
instantané qui caractérise un régime transitoire avec une erreur relative très faible (environ
0.1% au plus) lorsqu’il y a variation de la consigne ainsi que des pertubations+inertie ce qui est
normal car notre système est extrêmement dynamique

I.29 Simulation bi-axe( latitude et azimut).
On intègre les consignes à deux degrés de libertés afin d’apprécier la robustesse de notre
suiveur solaire.
Figure 3. 7: Résultat de la consigne en azimut
Figure 3. 8: Résultat de la consigne en latitude

couple en latitude
20 axe latitude couple moteur
150 consigne latitude 8
couple en azimut
vitesse
0 pertubations
100 6
-20
50 0.099 0.1 0.101 4
0 2
-50 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
temps(s) temps(s)
courant induit 60 axe azimut

25 100
courant en latitude 40
courant en azimut 80
20
20
60
15 0
40 0.2 0.2005 0.201
10
20 consigne azimut
vitesse
5 0
0 -20
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
temps(s) temps(s)
Figure 3. 9: A COMPLETER

Figure 3. 10: Réponse du système en vitesse, couple électromagnétique, et du courant induit.
Pour la régulation de la vitesse par logique floue nous avons utilisé la méthode de
Mandani, la figure III.7 nous permet de remarquer la performance de qualité signale de vitesse
après la régulation PI (temps de réponse minimale, stabilisation) par rapport à la régulation de
vitesse PI-floue (temps de monté lent, le signal prend un temps pour se stabiliser), le même
aussi pour le couple électromagnétique sauf en peut voir un dépassement sur le signal de vitesse
qui caractérise un accourt pendant la régulation PI-floue de vitesse. Concernant l’erreur de floue
s’annule avant l’erreur de PI.

I.30 Validation
CONCLUSION
Il était question dans ce chapitre, de présenter notre model, les algorithmes de commande
robuste de poursuite qui peuvent être programmés et implémentés pour tester l’efficacité et la
robustesse de notre système. Les résultats obtenus ont montré la facilité de commande de la
machine à courant continu par les deux contrôleurs, ou en peut remarquer une certaine
robustesse de la PID-Floue vis-à-vis du tracker solaire.

CONCLUSION GENERALE
Pour les modules PV à base de concentrateurs, où les rayons solaires doivent être
constamment perpendiculaires au panneau solaire afin d’augmenter le rendement de la
production. Au premier chapitre, nous avons présenté un état de l'art sur l'ensemble des travaux
de recherche menés autour de la thématique afférente. Au deuxième chapitre, nous avons
modélisé et simulé le moteur à courant continu ainsi la commande robuste PI-Floue appliqué à
notre système via MATLAB/SIMULINK, le PI -flou semble pourvoir remplacer le PID
conventionnel pour améliorer les performances de ce dernier et donc du contrôle vectoriel. Le
PI Flou est très peu sensible aux variations des paramètres du système, ainsi qu'aux
perturbations externes ce qui justifie sa robustesse. Au troisième chapitre nous avons poursuivi
notre étude par une interprétation des résultats afin de valider la commande robuste appliquée
au suiveur solaire. La Technique RLF jusqu'à présent peu utilisées surtout dans le domaine
industriel, sont bien adapté lorsqu’on a des contraintes sévères au niveau de la régulation.
D’après les résultats montre que le contrôleur de vitesse de MCC utilisant le PI-floue présente
des performances intéressantes.

REFERENCE BIBLIOGRAPHIE
[1] «solaire, Mouvement de la terre par rapport au rayonnement,» 17 01 2022.

[En ligne].
[2] V. A. E.Josse, «« Durée des saisons et mouvement,» Olympiades de

physique, Lycée Jean Monnet –Annemasse, 2012.
[3] B. AYOUB, «« Réalisation d’un prototype d’un système de poursuite solaire

»,,» Mémoire de magister, Université Mohamed Khider Biskra Faculté des
Sciences et de la Technologie,, 2013/2014.
[4] « Potentiel d’ensoleillement au Cameroun entre1994-2010,

«www.docplayer.fr,» 20 02 2022. [En ligne].
[5] M. SOMIA, «MODELISATION ET SMULATION D'UN SYSTEME

PHOTOVOLTAIQUE CONNECTE AU RESEAU,» universite
MOHAMED BOUDIAF- M'sila memoire de master, juin 2016.
[6] A. B.Learreta, «‘Réalisation de commandes MPPT Numériques,» septembre

2006.
[7] M. B. MOHAMED, «CONCEPTION ET REALISATION D'UN

SYSTEME SOLAIRE POUR DES SYSTEMES PHOTOVOLTAIQUE,»
Memoire de magister en electronique, 2020/2011.
[8] M. S.FATEH, «Modelisation d'un systeme multi generateur photovoltaique

interconnectes au reseau electrique,» memoire de master, 2011-2012.
[9] K. A.TSANDA, «Developpement d'un logiciel de dimentionnement des

instalations electrique,» memoire d'ingenieur d'ETAT en electrotechnique ,
Promotion JUIN 2007.

[10] M. MOHAMED, «Conception et realisation d'un systeme de suiveur solaire

pour les systeme photovoltaique,» memoire de master en electronique,
2012/2011.
[11] L. HADJERS, «LE TRACKER SOLAIRE,» TOURCOING, article 2015.
[12] Z. BENMOHAMMADI, «Etude conception et realisation d'une commande

d'n tracker solaire(suiveur solaire),» universite SIDI Mohammed ben
abdellah de Fés, 2014.
[13] M. e. R. K.I.Majumder, «« Improvement of efficiency for

solarphotovoltaiccell application”,» These de doctorat,, 2010.
[14] K.WAPET et KWAKABAME, «Conception et realisation d'un suiveur

solaire,» projet de fin d'etude , ENSET DE DOUALA, 2019 non publié.
[15] M. W. Mougang.J, «Etude et modelisation d'une commande robuste d'un

tracker solaire,» projet de fin d'etude ENSET DE DOUALA, novembre
2021non publié.
[16] R. F. e. S. ABDELAZIZ, «Modelisation et commande de la machine a

courant continue,» Université LARBI BEN M'HIDI OUM EL BOUACHI,
2012.
[17] Y.M.MEEROV, «principe de commande automatique,» technique

SOVIETIQUE, MOSCOU 1979.
[18] A.JELALI, «interconnexion d'un systeme photovoltaque sur le reseau

electrique,» these Doctora universite de QUEBEC, 2012.
[19] A. K. T. C. E. Bekkouche, «''Étude et simulation d’un variateur de vitesse

commande un moteur à courant continu,» mémoire de master académique,
2016.

[20] M. B.H . Bouiche, «« Commande PID d’un moteur à courant continu »,»
mini projet., 2009-2010..
[21] K. J. A. &. T. Hagglund, «Advanced PID Control», ISA, New York,,» ISA,,
2006.
[22] S. Reza, « Application de la logique floue pour la caractérisation élastique

d'un écocomposite,» Université du QUEBEC,, 2013.
[23] C. N. Aouchar, «Application des systèmes hybrides neuro-flous au

diagnostic des huiles de transformateur,» Département d'électrotechnique, ,
2005.
[24] Y. Chakhchoukh, «" Modélisation et Commande par logique floue d'une

suspensionactive d'un véhicule ",» Thèse de PFE, ENP, 2004.
[25] L. Baghli, «Contribution à la Commande de la Machine Asynchrone,

Utilisation de la Logique Floue, des Réseaux de Neurones et des
Algorithmes Génétiques″,» These de doctorat, 1999..
[26] O. Hazil, «" Modélisation et commande prédictive flou robuste des

convertisseurs DC/DC en utilisant le formalisme LMI ", thèse de
Magistère,,» thèse de Magistère, , 2013..
[27] F., «"présentation de la logique floue ",» Magistère de Mathématiques,

première année Ecole Normale Supérieure de Cachan,, 1997.
[28] S. Gdaim., «Commande directe de couple d'un moteur asynchrone à base de

techniques intelligentes. Intelligence artificielle,» [cs.AI]. Ecole Nationale
d'Ingénieurs de Monastir, Tunisia, 2013. Français. <tel-01456394v2> ,
Submitted on 8 Feb 2017.

[29] B. Bayle, «« Technologie des asservissements, Variateurs de vitesse »,,»

Cours d’automatique, Ecole Nationale Supérieure de Physique de
Strasbourg,France, ,2008..
[30] Z. Azeddine, «Etudes expérimentales d‟un convertisseur DC/DC contrôler

par une commande robuste,» Mémoire MASTER ACADEMIQUE,
Université de Batna, 2014.
[31] B. B. Benni Nour el houda, «‘’Régulation Floue PI de vitesse d’une machine

à courant continue,» Mémoire MASTER ACADEMIQUE , Centre
Universitaire Belhadj Bouchaib d’Ain-Temouchent, 2019/2020..
[32] S. BOUJENANE, «Tracker solaire,» Université Sidi Mohamed Ben

Abdellah, 14 Juin 2017.
[33] [. H. B. a. W., «Tracking solar collector whit non-uniform solar cells and
empirical tracking system,» including solar angle information, google
patent 2008.
[34] B. K. A. &. A. M. Fawzi, «Commande robuste du système PV par les

algorithme MPPT,» UNIVERSITE MOHAMED BOUDIAF - M’SILA,
2020/2021.
[35] Y. Lasmi, «Optimisation de la poursuite du point de puissance maximale

(MPPT) d‟un système photovoltaïque par les techniques intelligentes.,»
2018.
[36] S. M. a. A. H. [936 ] A. Boudia, «“Modeling and Control of Power System

Containing PV System and SMES using Sliding Mode and Field Control
Strategy,» 2020.

[37] M. A. ,. K. M. [937]GUELLAL Amar1, «La commande MPPT base sur

l'algorithme d'intelligente destine au application photovoltaique:etude
comparative et implementation sur FPGA,» 2016.

ANNEXE
Figure A. 1: A COMPLETER

Figure A. 2: A COMPLETER
Figure A. 3 : A COMPLETER

Memoire Final ET5 Ok1 AUDRAN

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire Final ET5 Ok1 AUDRAN

Transféré par

Droits d'auteur :

Formats disponibles

OPTIMISATION ET MODELISATION D’UNE COMMANDE ROBUSTE D’UN SUIVEUR SOLAIRE

Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI i

Rendu au terme de notre travail, ma satisfaction et ma sollicitude s’adressent a l’endroit

A ce titre mes remerciements vont à l’endroit de :

➢ Du Directeur de Pr. Léandre NNEME NNEME, Directeur de l’ENSET de Douala

Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI ii

L’énergie solaire photovoltaïque représente désormais une solution de production

Mots clés : suiveur solaire, commande robuste, azimut, latitude.

Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI iii

Key words: solar tracker, robust control, azimuth, latitud.

Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI iv

I. Table des matières

I.1 INTRODUCTION ....................................................................................................... 2

I.6 Caractéristique des panneaux photovoltaïque ............................................................. 6

I.6.1.1. Influence de l’éclairement .................................................................................... 6

I.6.1.2. Influence de la température et du rayonnement ............................................... 7

I.6.1.2.1. Influence de la température .............................................................................. 7

I.6.1.2.2. Influence du rayonnement ................................................................................ 8

I.7 Performance et comparaison des panneaux photovoltaïques ...................................... 8

I.10 Les différents types de suiveurs................................................................................. 11

I.10.2. Suiveur actif mono-axe........................................................................................ 12

I.10.3. Suiveur actif double-axe...................................................................................... 12

I.10.4. Suiveur solaire passif........................................................................................... 13

I.11 Les caractéristiques des suiveurs solaires .................................................................. 14

I.12.2. Commande classique ........................................................................................... 15

I.12.3. Commande Hinfini .............................................................................................. 16

I.12.4. Commande par placement de pôles ou retour d’état ....................................... 16

I.12.5. Commande par régulateur PID ......................................................................... 17

Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI v

I.12.6. Commande basée sur les méthodes d’intelligence artificiel ............................ 17

I.12.7. Commande basée sur les méthodes métaheuristiques ..................................... 18

I.12.8. Les hybridations des commandes ..................................................................... 19

I.13 ETAT DE L’ART ...................................................................................................... 19

CHAPITRE 2 : MATERIEL ET METHODE.......................................................................... 23

II.1. INTRODUCTION .......................................................................................................... 23

II.2. Materiel utilisé .............................................................................................................. 23

I.14 Principe de fonctionnement du système ................................................................... 24

II.3.2. L’attitude φ ........................................................................................................... 26

II.3.3. Longitude λ ........................................................................................................... 26

I.17 Coordonnees Horaires ............................................................................................... 27

II.4.2. L’angle horaire du soleil : 𝝎 ............................................................................... 27

II.4.2.1. Coordonnées Horizontales et Azimutales ....................................................... 28

II.4.2.2. Temps Solaire .................................................................................................... 29

II.4.2.3. Orientation d’une surface de production a Energie solaire .......................... 30

II.4.2.4. Position du soleil par rapport à un observateur ............................................ 30

I.18 Différents types de montures ..................................................................................... 32

II.5.2. Monture équatoriale ............................................................................................ 33

I.19 Modélisation d'un Moteur à Courant Continu MCC ................................................. 34

II.6.2. Constitutions d'un moteur à courant continu ................................................... 34

II.6.3. Typologies ............................................................................................................. 36

Rédiger et soutenue par : NYAMSI- SOUMAGNA NIK -TOSCANI vi

I.20 Circuits équivalents ................................................................................................... 36

II.7.2. Comportement en régime dynamique (ou transitoire): ................................... 37

II.7.3. Equations électriques et mécaniques .................................................................. 37

II.7.4. Simulation du modèle (MCC) de Transformé de Laplace ............................... 39

I.21 Commande PID-Floue de la MCC ............................................................................ 41

II.8.2. Régulateur PID .................................................................................................... 41

II.8.3. Résumé sur l’action des paramètres (coefficients) ............................................ 42

II.8.3.1. Méthode de Ziegler-Nichols ............................................................................. 42

II.8.3.2. Méthode de la courbe de réaction (Première méthode) ................................ 42

II.8.3.3. Méthode d’oscillation (Deuxième méthode) ................................................... 43

I.22 La théorie de la commande intelligente "logique Floue" en régulation de vitesse .... 43

II.9.2. La théorie des ensembles flous ............................................................................ 43