Commande directe du couple et des puissances d’une MADA associée à un système éolien par les techniques de l’intelligence artificielle Commande directe du couple et des puissances d’une MADA associée à un système éolien par les techniques de l’intelligence artificielle Directeur de thèse : Mr. Y. DJERIRI Pr. A. MEROUFEL Présentée par : Université Djillali Liabès de Sidi-Bel-Abbès Faculté de Génie Electrique Département d’Electrotechnique Thèse de Doctorat en Sciences
Plan de Travail 1 ère PARTIE : Généralités sur les systèmes éoliens. 2 ème PARTIE : Modélisation du système éolien. Introduction 3 ème PARTIE : Contrôle vectoriel de la MADA. Conclusion & Perspectives 4 ème PARTIE : Contrôle direct du couple (DTC) de la MADA. 5 ème PARTIE : Contrôle direct de puissance (DPC) de la MADA. 6 ème PARTIE : Amélioration des performances de la DTC et DPC par les RNA. 2
3 Introduction (Problématiques & Solutions)
80% de l’énergie produite est d’origine fossile. 4 Emissions de gaz à effet de serre (CO 2 ). Réchauffement climatique de la terre. Epuisement excessif des ressources naturelles. Protocole de Kyoto (Japon 1997). Couru vers l'énergie nucléaire. Les accidents + les déchets. L’énergie éolienne. Domaine de concurrence.
Généralités sur les systèmes éoliens PARTIE I
7.6GW 370GW 30% Wilaya : Adrar (Kabertène) Surface : 30 Hectare Nombre des éoliennes : 12 Puissance individuelle : 850kW Capacité totale : 10.2MW Technologie : Gamesa (Espagne) Génératrices utilisées: MADA Situation actuelle6 Carte du vent en Algérie CDER 2015 m/s
x Développement des aérogénérateurs7 Transport d’une pale de 83.5 mètres de longueur (Danemark - Avril 2015) Boeing mètres
Modélisation du système éolien PARTIE II
Structure de la chaîne de conversion basée sur une MADA P r = g.P s 30% 9 Hypersynchrone Hyposynchrone Large plage de variation de vitesse. ± 30%
Vitesse Hyposynchrone Vitesse Hypersynchrone Topologie de la MADA Stator Rotor 10 Système Bagues-Balais
Coefficient de puissance (C p ) : Coefficient du couple (C c ) : Avec : C p-max = 0.48 λ opt = Limite de Betz Modélisation de la turbine éolienne
Modèle aérodynamique Puissance aérodynamique : Couple aérodynamique : MPPT12 -30%+30%
Contrôle MPPT de la turbine éolienne Contrôle MPPT avec asservissement de la vitesse
Résultats de simulation λ opt = 8.1 C p-max =
Contrôle MPPT sans asservissement de la vitesse
Résultats de simulation λ opt = 8.1 C p-max =
Modélisation de la MADA Modèle de la MADA dans le repère triphasé 17 Tensions Statoriques Tensions rotoriques Stator Rotor
Modèle de la MADA dans le repère biphasé de Park Puissances statoriques : Couple électromagnétique : Tensions statoriques :Tensions rotoriques : 18
Modèle simplifié de la MADA 19 Tensions statoriques : Puissances statoriques : Couple électromagnétique
Schéma bloc du modèle simplifié de la MADA20 Termes de couplage F.E.M de compensation
Contrôle vectoriel de la MADA PARTIE III
v rq * v rd * v rq *22 Contrôle vectoriel directe(CVD) Contrôle vectoriel indirect (CVI)
Résultats de simulation (CVD) Vitesse du vent fixe 23 (CVI)
Vitesse du vent variable (MPPT) 24 (CVD) 1 (CVI) 1 Q s =0VAr FP=1
Test de robustesse (CVD) 25 (CVI)
Contrôle direct du couple (DTC) de la MADA PARTIE IV
Contrôle du vecteur flux rotorique27
Pilotage du vecteur flux rotorique à l’aide des vecteurs tensions rotoriques28 Trajectoire de flux
Contrôle du couple électromagnétique 29 Correcteur du couple Correcteur de flux Avec:
Elaboration de la table de commutation VariableAugmentationDiminution Flux rotoriqueV i+1, V i-1 V i+2, V i-2 Couple électromagnétiqueV i+1, V i+2 V i-1, V i-2 30 Contrôle de flux dans la zone 1
Résultats de simulation : 31 g=0 P r =0W
Présentation de l’onduleur à 3-niveaux à structure NPC DTC de la MADA commandée par un onduleur à trois niveaux de tension Contrairement à l’onduleur à 2-niveaux qui ne peut fournir que huit vecteurs de tension dont deux nuls, l’onduleur à 3-niveaux peut produire 27 vecteurs de tension dont trois nuls. 32
Vecteurs de tension fournis par l’onduleur à 3-niveaux de tension Pleine Tension Demi- Tension Tension Intermédiaire Tension Nulle 33 27 Vecteurs 24 Actifs 3 Nuls
(-2) grandeur à diminuer fortement (+2) grandeur à augmenter fortement (-1) grandeur à diminuer (+1) grandeur à augmenter (0) grandeur à maintenir 34 Correcteur du couple Correcteur de flux Blocs d’hystérésis
Table de commutation 35
Résultats de simulation 36
Test de robustesse : DTC-C DTC-3N 2.R r et 0.9.L m 37
Contrôle direct de puissance (DPC) de la MADA PARTIE V
39 DPC classique de la MADA Correcteur de la puissance active Correcteur de la puissance réactive
Résultats de simulation40 Fluctuations g=0 P r =0W
DPC basée sur la modulation vectorielle (SVM) 41
Résultats de simulation 42
Test de robustesse : DPC-C DPC-SVM 43
Intégration d’un système de stockage MW750kW
Résultats de simulation Charge Décharge
Amélioration des performances de la DTC et DPC par les RNA PARTIE VI
Structure du réseau de neurones utilisé MLP : MLP : b
DTC-ANN Schéma bloc de la DTC de la MADA basée sur les RNA 48 Ps*Ps* Qs*Qs* ɛPsɛPs ɛQsɛQs Estimateur: P s + Q s + secteur PsPs QsQs DPC-ANN Schéma bloc de la DPC de la MADA basée sur les RNA
Résultats de simulation :49 DTC-ANN
DPC-ANN 50
Test de robustesse : DTC-ANN DPC-ANN 51
DTC-C DTC-3N DTC-ANN DPC-C DPC-SVM DPC-ANN 78.14% 72.97% 30.96% 80.18% 68.37% 68.18% -47% Etude comparative en terme de THD52 -12%-5%-12%
Conclusion
54 Les résultats de simulation montrent : Le découplage : flux – couple ; Le découplage puissance : active – réactive ; L’amélioration de la qualité de l’énergie fournit au réseau ; La robustesse du contrôle. Les travaux présentés dans cette thèse concernent, d’une façon générale l’application des commandes directes (DTC et DPC) à un système de conversion d’énergie éolienne à vitesse variable basé sur une MADA, en utilisant les réseaux de neurones artificiels (RNA). Le contrôle à facteur de puissance unitaire ; Le contrôle à vitesse du vent variable (contrôle à MPPT) ;
Perspectives Implémentation pratique des systèmes de contrôle pour la commande en temps réel.
Merci de votre attention.