Contribution à la commande non linéaire et à la gestion d’énergie d’un système hybride d’énergies renouvelables

Abstract

La production énergétique mondiale est basée sur l'utilisation massive des sources fossiles qui sont limitées et polluantes, ce qui a encouragé le développement de l’exploitation des sources d'énergies renouvelables. Les énergies éolienne et photovoltaïque semblent les plus prometteuses, mais elles possèdent un caractère aléatoire. A ce sujet, cette thèse traite la modélisation, le contrôle avancé et la gestion de l'énergie d'un système hybride intégrant un système photovoltaïque et une éolienne à base d’une MADA associé à un système de stockage d'énergie par batterie. Afin d'améliorer la qualité des courants générés par le système MADA-Eolien, un contrôle DPC à base d’un réseau Neuro-Flou (NF-DPC) est développé. Un algorithme MPPT basé sur un contrôleur flou est investi pour optimiser la puissance PV. En outre, un contrôle DPC Flou Modifié (MF-DPC) est appliquée au convertisseur côté réseau, afin de contrôler la puissance active et réactive, tout en surveillant le flux de puissance active impliqué et en fournissant un facteur de puissance unitaire. Un algorithme de gestion d'énergie est utilisé pour éviter la surcharge et la décharge profonde des batteries, maintenir l'équilibre énergétique, pour répondre à la demande de la charge DC et atténuer les fluctuations causées par les variations des conditions météorologiques. Afin de valider l'efficacité de l'algorithme de gestion énergétique ainsi que les techniques de contrôle utilisées, des tests de simulation des différents systèmes mono-source et du système global ont été réalisés sur MATLAB/Simulink. Les résultats obtenus ont révélé la capacité de l’algorithme de gestion d’énergie à gérer le flux d'énergie produit et demandé par la charge, l'efficacité de la NF-DPC et de la MF-DPC et leurs supériorités par rapport aux méthodes conventionnelles en termes d'ondulations de puissance et de THDdes courants générés The world energy production is based on the massive use of fossil sources which are limited and polluting, which has encouraged the development of renewable energy sources. Wind and photovoltaic energies seem to be the most promising, but they have a random character. In this regard, this thesis deals with the modeling, advanced control and energy management of a hybrid system integrating a photovoltaic system and a wind turbine based on a DFIG associated with a battery energy storage system. In order to improve the quality of the currents generated by the DFIG-Wind Turbine system, a Neuro-Fuzzy Network based DPC control (NF-DPC) is developed. A fuzzy controller based MPPT algorithm is invested to optimize the PV power. In addition, a Modified Fuzzy DPC (MF-DPC) control is applied to the grid side converter to control the active and reactive power, while monitoring the active power flow involved and providing a unit power factor. An energy management algorithm is used to avoid overcharging and deep discharging of the batteries, maintain energy balance, meet the DC load demand and mitigate fluctuations caused by weather variations. In order to validate the effectiveness of the energy management algorithm as well as the control techniques used, simulation tests of the different single-source systems and the overall system were performed on MATLAB/Simulink. The results obtained revealed the ability of the energy management algorithm to manage the energy flow produced and demanded by the load, the efficiency of NF-DPC and MF-DPC and their superiority over conventional methods in terms of power ripples and THD of the generated currents.