Maximisation en temps réel de la puissance de sortie de piles à combustible microbiennes en utilisant l'optimisation par essaims particulaires

Chassé, Frédéric (2018). Maximisation en temps réel de la puissance de sortie de piles à combustible microbiennes en utilisant l'optimisation par essaims particulaires. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (21MB) | Prévisualisation
Prévisualisation	PDF Télécharger (1MB) | Prévisualisation

Résumé

L’industrie se tourne de plus en plus vers les sources d’énergie alternatives, et les piles à combustible microbiennes (PCM) s’inscrivent dans cette optique, car elles utilisent des microbes pour transformer l’énergie contenue dans la matière organique en énergie électrique.

Les PCM ont cependant une densité de puissance de sortie très faible, en plus d’une dynamique interne très lente, ce qui rend difficile la récolte de leur énergie. En effet, il n’est possible de récolter le maximum d’énergie d’une PCM que si sa charge externe est adaptée à sa résistance interne. De plus, la dynamique interne lente des PCM implique que leur résistance interne peut varier au fil du temps. Ainsi, afin de résoudre ces problèmes, il faut se tourner vers des techniques d’optimisation en temps réel (OTR).

Les algorithmes d’optimisation par essaims particulaires (OEP) et d’optimisation par perturbations et observations (P&O) sont souvent utilisés pour l’OTR de la puissance de systèmes photovoltaïques (PV). Le P&O a aussi été appliqué sur des PCM, mais l’OEP ne l’a pas encore été, bien que cette approche présente plusieurs avantages par rapport au P&O.

Ainsi, la première contribution de ce travail de recherche est une évaluation de la possibilité d’utiliser les algorithmes basés sur l’OEP pour l’OTR de la puissance de sortie de PCM. La deuxième contribution de ce mémoire est la conception d’un nouvel algorithme d’OTR, soit l’optimisation par essaims particulaires parallélisée avec classificateur (OEPPC).

Les résultats de simulation ont démontré que les algorithmes basés sur l’OEP ont beaucoup de potentiel pour l’OTR de la puissance de PCM et qu’ils surpassent les performances du P&O. Les résultats expérimentaux sur des PCM ont quant à eux démontré que, si l’optimum de puissance varie très lentement, il est nécessaire de modifier l’OEP pour l’adapter à un tel contexte. L’OEPPC avec diversité (OEPPCD) a été proposée pour combler ce manque, et des simulations ont démontré que l’OEPPCD performerait mieux que le P&O.

L’algorithme d’OEPPC a aussi été validé expérimentalement sur un système composé de 15 cellules PV. Les résultats expérimentaux ont démontré que l’OEPPC performe mieux que l’OEP et que le P&O, deux algorithmes éprouvés sur les systèmes PV. Ainsi, l’OEPPC a prouvé être un algorithme efficace pouvant être appliqué à différents types de système.

Titre traduit

Real-time maximization of the power output of microbial fuel cells using particle swarm optimization

Résumé traduit

The industry is turning more and more to alternative sources of energy, and microbial fuel cells (MFCs) have been getting a lot of attention for many years in that regard, as they use microbes that transform the energy contained in organic matter into electric energy.

However, MFCs have a very low power density, as well as very slow internal dynamics, which makes it difficult to harvest their energy. Indeed, it is only possible to harvest the maximum amount of energy from an MFC if its external load matches its internal resistance. Moreover, the slow dynamics of MFCs imply that their internal resistance may change over time. Real-time optimization (RTO) techniques are thus needed to address these problems.

Particle swarm optimization (PSO) and perturb and observe optimization (P&O) are algorithms which are often used for the RTO of the power of photovoltaic (PV) systems. P&O has also been used on MFCs, whereas PSO hasn’t, even though PSO has many advantages over P&O.

Thereby, the first contribution of this work is a study of the usability of PSO-based techniques for the RTO of the power of MFCs. The second contribution is the conception of a new RTO algorithm called parallel particle swarm optimization with classification (PPSOC) applicable on dynamic systems.

Simulations have shown that PSO-based algorithms have a lot of potential for the RTO of the power of MFCs and that they are better than P&O. Experimental results on MFCs have revealed that, if the power optima are slowly changing, then the PSO-based algorithms need to be modified to adapt them to this constraint. PPSOC with diversity (PPSOCD) has been proposed to address this issue, and simulations have shown that PPSOCD would have a better performance than P&O in this context.

The PPSOC algorithm has also been validated experimentally on a system comprised of 15 PV cells. The experimental results have shown that PPSOC has better performances than PSO and P&O, two algorithms that are well-tested on PV systems. As such, PPSOC has been proven to be an effective algorithm that can be applied to different types of systems.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie électrique". Comprend des références bibliographiques (pages 161-164).
Mots-clés libres:	énergies renouvelables (ÉR), piles à combustible microbiennes (PCM), optimisation en temps réel (OTR), suivi du point de puissance maximal, optimisation par essaims particulaires (OEP), optimisation par perturbations et observations (P&O)
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Woodward, Lyne
Programme:	Maîtrise en ingénierie > Génie électrique
Date de dépôt:	14 nov. 2018 19:15
Dernière modification:	14 nov. 2018 19:15
URI:	https://espace.etsmtl.ca/id/eprint/2146

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt