Abstract:
De nos jours, les systèmes de conversion photovoltaïques connaissent un développement croissant vu l'émergence des méthodes d'intelligence artificielle dans le problème de poursuite du point de puissance maximale (MPPT). Ainsi, le contrôleur flou est l'une de ces méthodes les plus utilisées en raison de ces capacités à extraire la puissance maximale disponible dans le générateur photovoltaïque quelques soient les conditions atmosphériques. Cependant, si le contrôleur flou représente une solution intéressante, la conception de ce dernier n’est pas une tâche aisée.
Dans cette thèse, ce problème est formulé comme étant un problème d’optimisation et qui est résolu par les algorithmes évolutionnaires (AE) mono et multi-objectifs. Ces algorithmes sont appliqués suivant deux méthodes. Dans la première méthode, les règles floues du contrôleur MPPT flou sont prédéfinies et les fonctions d'appartenance associées aux variables d’entrées et de sorties du contrôleur sont optimisées par les AEs mono-objectif. Dans la deuxième méthode, le contrôleur MPPT flou est amélioré par l’emploi des AEs multi-objectifs.
Les résultats de simulation justifient bien l’emploi de ces algorithmes évolutionnaires qui donnent lieu à des contrôleurs MPPT flous avec un bon suivi du point de puissance maximale. Un banc d’essai a été conçu et réalisé pour la mise en œuvre pratique du contrôleur MPPT flou.
