Amélioration de l’algorithme MPPT pour un système PV par l’intégration des nouvelles techniques basées sur l’intelligence artificielle

Gaied Chortane, Bacem (2022). Amélioration de l’algorithme MPPT pour un système PV par l’intégration des nouvelles techniques basées sur l’intelligence artificielle. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (4MB) | Prévisualisation

Résumé

Avec l'intégration croissante des énergies renouvelables dans les réseaux électriques, de nombreuses recherches sont menées pour améliorer l'efficacité des systèmes de conversion. Le défi mondial consiste à réduire le coût de production et à maximiser l'utilisation de ressources durables. À cet égard, l'énergie photovoltaïque est considérée comme une source très prometteuse en termes de coûts de mise en oeuvre et du nombre d'applications utilisant des panneaux photovoltaïque (PV). Plusieurs techniques MPPT (Maximum Power Point Tracking) ont été développées pour suivre le point de puissance maximale (MPP). La technique Perturb and Observe (P&O) est l'une des techniques conventionnelles utilisées pour la poursuite du MPP, mais elle présente plusieurs inconvénients en termes de temps de réponse et de qualité du signal de sortie.

Dans notre recherche, une méthode basée sur un contrôleur à logique floue (FLC) qui corrige les limites des algorithmes conventionnels a été développé. Cette technique regroupe les avantages de la P&O-MPPT pour tenir compte des variations lentes et rapides de l'irradiation solaire, ainsi que la réduction du temps de traitement de la FLC-MPPT, pour résoudre des problèmes techniques complexes avec un nombre de règles des fonctions d'appartenance réduit. En conséquence, la technique proposée atteint des efficacités de suivi moyennes d'environ 99,6 % dans le cadre du test standard EN50530. Cette méthode offre un meilleur temps de réponse et des oscillations moins importantes que celles des méthodes conventionnelles.

Comme deuxième partie de notre étude, un modèle basé sur le système d'inférence adaptatif neuro-flou (ANFIS) a été développé. Cette technique combine un contrôleur de logique floue et des réseaux de neurones artificiels (ANN).

Les résultats des tests sont simulés sur Matlab/Simulink avec une comparaison des modèles proposés avec d'autres techniques MPPT telles que Perturb and Observ (P&O) et Incremental Conductance (INC).

Titre traduit

Improvement of the MPPT algorithm for a PV system by integrating new techniques based on artificial intelligence

Résumé traduit

With the increasing integration of renewable energies into power grids, much research is being conducted to improve the efficiency of conversion systems. The global challenge is to reduce the cost of production and maximize the use of sustainable resources. In this regard, photovoltaics is considered a very promising source in terms of implementation costs and the number of applications using PV panels. Several MPPT techniques have been developed to track the maximum power point. The Perturb and Observe (P&O) technique is one of the conventional techniques used for MPP tracking, but it has several drawbacks in terms of response time and output signal quality.

In our research, a method based on a fuzzy logic controller (FLC) that corrects the limitations of conventional algorithms has been developed. This technique combines the advantages of P&O-MPPT to account for slow and fast variations in solar irradiance, as well as the reduced processing time of FLC-MPPT, to solve complex technical problems with a reduced number of membership function rules. As a result, the proposed technique achieves average tracking efficiencies of about 99.6% in the standard EN50530 test, and this method offers better response time and less oscillations than conventional methods.

As a second part of our study, a model based on the adaptive neuro-fuzzy inference system (ANFIS) was developed. This technique combines a fuzzy logic controller and artificial neural networks (ANN).

Test results are simulated on Matlab/Simulink with a comparison of the proposed models with other MPPT techniques such as Perturb and Observe (P&O) and Incremental Conductance (INC).

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 énergies renouvelables et efficacité énergétique". Comprend des références bibliographiques (pages 87-90).
Mots-clés libres:	photovoltaïque, convertisseur CC-CC Boost, MPPT, P&O, intelligence artificielle, INC, FLC, ANFIS, EN50530, MATLAB/Simulink
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Chandra, Ambrish
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	24 août 2022 13:58
Dernière modification:	24 août 2022 13:58
URI:	https://espace.etsmtl.ca/id/eprint/3049

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt