Méthodes de commande extrémale avec action anticipative : application à des systèmes d’énergie renouvelable soumis à des perturbations mesurables

Kebir, Anouer (2018). Méthodes de commande extrémale avec action anticipative : application à des systèmes d’énergie renouvelable soumis à des perturbations mesurables. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (6MB) | Prévisualisation
Prévisualisation	PDF Télécharger (2MB) | Prévisualisation

Résumé

L’optimisation en temps réel a pour objectif d'amener et de maintenir un système à son point d'opération optimal et ce, indépendamment des perturbations externes pouvant faire varier ce point optimal. Dans de nombreuses situations, ces systèmes sont non-linéaires et ont une dynamique méconnue. Aussi, l’utilisation d’une méthode d’optimisation en temps réel qui ne se base pas sur un modèle dynamique fondamental tout en tenant compte du temps de réponse du système est nécessaire. La commande extrémale est une approche possible pour optimizer un tel type de système en temps réel. Un modèle empirique est alors utilisé pour estimer le gradient de la fonction objectif et ensuite, le commander à zéro, point optimal de la function objectif. Toutefois, cette méthode d’optimisation ne converge pas rapidement et/ou précisément vers le point de fonctionnement optimal désiré lorsque le système est soumis régulièrement à des perturbations externes.

Notre projet de recherche vise à développer de nouvelles approches pour la commande extrémale afin qu’elle amène un système dont la dynamique est inconnue à converger rapidement et précisément vers le point de fonctionnement optimal et ce, malgré la presence de perturbations externes. Dans le cadre de cette thèse, trois approches sont développées. L’idée de base de ces approches consiste à intégrer dans la commande extrémale une action anticipative à base d’un réseau de neurones multicouches qui donne une estimation de la position du point de fonctionnement optimal du système lorsqu’il est soumis à l'effet de perturbations externes. Cette estimation est une information précieuse permettant d’adapter en temps réel les paramètres de la commande extrémale afin d’améliorer sa précision et sa vitesse de convergence en présence de perturbations externes. Les trois approches proposent trois différentes façons de contrôler les paramètres de la commande extrémale. Les deux premières approches améliorent la performance de la commande extrémale lorsque le système est soumis à des perturbations mesurables. La première approche utilise l’optimum du système estimé par l’action anticipative comme une condition initiale pour la commande extrémale afin de pousser rapidement le système au voisinage de son optimum et par la suite contrôler le système en boucle fermée avec la commande extrémale pour converger vers l’optimum réel. La deuxième approche adapte l’amplitude du signal d’excitation de la commande extrémale en fonction de l’optimum du système estimé par l’action anticipative afin d’assurer le maximum de vitesse de convergence tout en garantissant une meilleure précision autour de l’optimum. La troisième approche améliore la performance de la commande extrémale malgré la présence des perturbations mesurables et/ou non mesurables avec l’utilisation d’un modèle par réseau de neurones adaptatif dans l’action anticipative qui ajuste en temps réel les paramètres de la commande extrémale.

Une étude théorique approfondie des approches proposées est effectuée. Celle-ci permet à la fois d’établir la preuve de stabilité pour 2 des trois approches proposées et également de formuler théoriquement le gain en termes de temps de convergence des approches par rapport à la méthode de perturbation. L’amélioration de la performance de la commande extrémale avec les trois approches est validée en simulation, dans le cas de l’optimisation d’une pile à combustible microbienne et, expérimentalement dans le cas de l’optimisation d’un système photovoltaïque. Les résultats expérimentaux montrent que l’efficacité de suivi de l’optimum d’un système perturbé optimisé en utilisant chacune des trois approches proposées augmente respectivement jusqu’à 30 %, 20% et 15 % en comparaison avec la méthode de perturbation.

Titre traduit

Extremum-seeking control methods with anticipative action: application to renewable energy systems subject to measurable disturbances

Résumé traduit

Real-time optimization aims to bring and maintain a system at its optimum point of operation, regardless of external disturbances that may affect this optimal point. In many situations, these systems are non-linear and have an unknown dynamic. Also, the use of a real-time optimization method which does not require a fundamental dynamic model and takes into account the response time of the system is necessary. Extremum-seeking control is one approach able to optimize in real time such a type of system. It only requires an empirical model to estimate the gradient of the objective function prior to control it at zero, the optimum of the objective function. However, this optimization method does not converge quickly and/or precisely to the desired optimum operating point when the system is regularly exposed to external disturbances.

Our research project aims to develop new approaches to make the extremum-seeking control scheme able to bring a system with unknown dynamics to converge quickly and accurately to its optimal operating point, despite the presence of external disturbances. In this thesis, three approaches are developed. The basic idea of these approaches is to integrate in the extremumseeking control method an anticipative action based on a multilayer neural network model which gives an estimate of the position of the optimal operating point of the system with regards to the external disturbances to which it is submitted. This estimate is used to adapt in real time the parameters of the extremum seeking control in order to improve its accuracy and reduce its time of convergence under external disturbances. The three approaches offer three different ways to control the parameters of the extremum-seeking control scheme. The first two approaches improve the performance of the extremum seeking control loop when the system faces measurable disturbances. The first approach uses the estimation of the system’s optimum provided by the anticipative action as an initial condition for the extremum-seeking controller in order to quickly push the system close to its optimum and then fine tune this position using the extremum seeking control loop. The second approach adapts the amplitude of the excitation signal of the extremum-seeking control loop according to the system optimum estimated by the anticipative action in order to ensure the maximum speed of convergence while guaranteeing a better precision around the optimum. The third approach improves the performance of the extremum-seeking control scheme despite the presence of measurable and/or unmeasurable disturbances by adapting online the neural network model used in the anticipative.

A detailed theoretical study of the proposed approaches is provided. This study establishes the stability of two approaches. Moreover, it formulates the gain obtained with the proposed methods in terms of time of convergence compared with the perturbation method. The improvement of the performance of the approaches is validated through simulations of a microbial fuel cell. It is also validated experimentally using a photovoltaic system. The results of this experimental study show that the optimum tracking efficiency of each of the three proposed methods is improved up to 30%, 20% and 15% respectively compared to the perturbation method.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thèse par articles présentée à l’École de technologie supérieure comme exigence partielleà l’obtention du doctorat en génie". Comprend des références bibliographiques (pages 125-137).
Mots-clés libres:	optimisation en temps réel, commande extrémale, réseau de neurones, système photovoltaïque, pile à combustible microbienne
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Woodward, Lyne
Codirecteur:	Codirecteur Akhrif, Ouassima
Programme:	Doctorat en génie > Génie
Date de dépôt:	11 févr. 2025 20:37
Dernière modification:	11 févr. 2025 20:37
URI:	https://espace.etsmtl.ca/id/eprint/2134

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt