Faculté du Génie Electrique et d'Informatique

Permanent URI for this community

https://dspace.ummto.dz/handle/ummto/8

Browse

Browsing Faculté du Génie Electrique et d'Informatique by Subject "ADALINE"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Contribution à l'optimisation des systèmes hybrides de production d'énergies renouvelables
    (UNIVERSITE MOULOUD MAMMERI TIZI-OUZOU, 2020-12-09) Triki, Yacine
    Cette thèse traite de l’optimisation de la commande des systèmes hybrides à sources d’énergies renouvelables. Initialement, deux nouveaux algorithmes de poursuite du point de puissance maximale(MPPT) d’un système photovoltaïque (PV) sont développés. Ces algorithmes sont basés sur la courbe caractéristique courant-tension d’un panneau PV et exploitent le neurone linéaire adaptatif (ADALINE).Pour prouver leur efficacité, une validation expérimentale suivant la norme prEN 50530 est mise en œuvre.Par la suite, la modélisation et la commande d’un système éolien de petite puissance sont présentées. La stratégie de contrôle est constituée d’une commande MPPT de la turbine et d’une commande vectorielle de la génératrice. Des tests en simulation sont menés où un fonctionnement correct et un rendement maximal du système éolien sont atteints. L’étude et la commande d’un système de stockage d’énergie sont également mises en œuvre. La technique de régulation en cascade est adoptée pour la commande de ce système.Le système de stockage a assuré avec succès le transfert bidirectionnel de l’énergie et la régulation de la tension du bus continu. Ensuite, une commande direct-quadrature d’un onduleur monophasé à modulation de largeur d’impulsion (MLI) isolé du réseau est proposée où une nouvelle méthode de génération de signal orthogonal est élaborée. Une commande directe de puissance prédictive à base du flux virtuel(FV) d’un onduleur triphasé à MLI connecté au réseau est aussi développée. Dans cette commande,un nouvel estimateur de FV basé sur un filtre neuronal adaptatif est proposé. Plusieurs simulations et expérimentations sont effectuées où les commandes proposées se sont révélées être plus performantes comparées aux méthodes conventionnelles. Finalement, un système hybride PV/éolien/batteries est mis en œuvre et ensuite testé par simulation. L’interaction entre les différents sous-systèmes constituant ce système hybride est d’abord analysée. A la fin, une stratégie de gestion de l’énergie dans le système hybride est proposée et validée.
  • Thumbnail Image
    Item
    Techniques avancées pour la commande et l'observation d'un redresseur MLI
    (Université Mouloud Mammeri, 2017-06-06) Rahoui, Adel
    Cette thèse traite de l’utilisation des techniques avancées pour l’identification et la commande du redresseur à modulation de largeurs d’impulsions (MLI) connecté au réseau. Une nouvelle stratégie d’identification des paramètres équivalents du redresseur à MLI, utilisant un ADALINE (adaptive linear neuron), a été développée. Les paramètres équivalents identifiés ont été utilisés pour réaliser une commande vectorielle (VOC) adaptative. Cette stratégie a été validée par des tests expérimentaux. Ensuite, une nouvelle stratégie de commande sans capteurs de tensions du réseau ainsi qu’une nouvelle procédure de démarrage, ont été proposées. La stratégie de commande sans capteurs utilise un estimateur neuronal inséré dans une VOC. Deux structures de l’estimateur neuronal ont été développées. Elles exploitent la capacité d'estimation d’un ANN (adaptive neural network) et la propriété de filtrage d’un ANF (adaptive neural filter). Des tests de simulation et une validation expérimentale ont été effectués. Il a été démontré que la procédure de démarrage a permis de réduire le transitoire lors l’enclenchement de la commande, et que l’estimateur neuronal présente de bonnes performances mêmes sous des tensions du réseau déséquilibrées et distordues. Finalement, deux stratégies de commande directe de puissances (DPC) sans capteurs ont été proposées. Tout d’abord, un nouvel estimateur de flux virtuel basé sur un ANF a été développé pour estimer les tensions du réseau. Une étude comparative a illustré les bonnes performances de l’estimateur proposé. Ensuite, deux approches combinant la DPC prédictive avec l’estimateur neuronal de flux virtuel ont été proposées. La première est basée sur la commande prédictive à modèle de référence ; la deuxième est basée sur la réponse pile. Une étude comparative entre les dites commandes et deux autres stratégies de commande directe de puissance a démontré la supériorité des techniques proposées.