Académique Documents
Professionnel Documents
Culture Documents
DEDICACES
A MA
FAMILLE
REMERCIEMENTS
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.
RESUME
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.
CONCLUSION ............................................................................................................... 59
ANNEXE ................................................................................................................................. 76
LISTE DE TABLEAUX
Tableau 1. 1: les différentes performances des technologies des cellules photovoltaïques[8]. .............................. 8
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
PV : Photovoltaïque
TU : Temps universels
TL : Temps légal
ET : Équation du temps
Tr : couple résistant ;
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.
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.
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.
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].
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].
La durée de vie d’un tel générateur est estimée à plus de 20 ans [4]
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
I.9.1. DEFINITION
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).
• 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
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].
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].
Figure 1. 16: Structure du système commandé par réseau de neurones artificielle [31].
➢ 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].
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.
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.
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].
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]
𝝎 = 15(TSV-12) 0-2
Avec TSV : Temps solaire vrai
C’est l’angle que fait la direction du soleil avec sa projection sur un plan horizontal [6].
• 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].
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)
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].
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] :
• 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.
𝝎 = λ + 15(ET + TL – 12 – C ( 0-14)
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] :
• 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.
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.
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 :
• 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.
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.
II.6.3. Typologies
On distingue :
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 :
𝑑Ω
𝐽 𝑑𝑡 = 𝑇𝑒𝑚(𝑡) − 𝑓Ω(𝑡) − 𝑇𝑓 − 𝑇𝑟 (0-21)
Tr : couple résistant ;
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)
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
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
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
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.
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.
𝑡 𝑑ℇ(𝑡)
𝑢(𝑡) = 𝐾𝑝ℇ(𝑡) + 𝐾𝑖 ∫0 ℇ(𝑡) + 𝐾𝑑 (0-26)
𝑑𝑡
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.
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.
hors ligne. C’est pour cette raison que cette méthode n’est pas très utilisée dans l’industrie
[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
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] :
Le conteur de chaque ensemble flou n'est pas rigide ou net mais graduel ou "flou".
D’après la figure :
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] :
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 :
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].
ensembles flous sont forts souvent confondus avec l’ensemble flou. [28] [25].
D'une manière générale une règle floue s'énonce sous la forme suivante : SI-ALORS
(IF-THEN)
Figure 2. 20: Intersection des sous-ensembles flous "petite vitesse ⋂ moyenne vitesse [19]
Figure 2. 21: Union des sous-ensembles flous "petite vitesse⋃ moyenne vitesse"[19]
Figure 2. 23: Configuration de base des systèmes flous " structure interne"[19] [28]..
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.9.6.3. 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 :
T=20µs
Equations résultante :
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
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.
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.
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.
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
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).
(1)
(2)
(3)
(4)
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.
(1)
(2)
(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
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
On intègre les consignes à deux degrés de libertés afin d’apprécier la robustesse de notre
suiveur solaire.
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)
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
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
[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.
[33] [. H. B. a. W., «Tracking solar collector whit non-uniform solar cells and
empirical tracking system,» including solar angle information, google
patent 2008.
ANNEXE
Figure A. 1: A COMPLETER
Figure A. 2: A COMPLETER
Figure A. 3 : A COMPLETER