Commande directe du couple et des puissances d’une MADA associée à un système éolien par les techniques de l’intelligence artificielle Commande directe.

Présentation au sujet: "Commande directe du couple et des puissances d’une MADA associée à un système éolien par les techniques de l’intelligence artificielle Commande directe."— Transcription de la présentation:

1 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

2 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 3 Introduction (Problématiques & Solutions)

4 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.

5 Généralités sur les systèmes éoliens PARTIE I

6 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

7 x10 1980 2012 Développement des aérogénérateurs7 Transport d’une pale de 83.5 mètres de longueur (Danemark - Avril 2015) Boeing 747 71 mètres

8 Modélisation du système éolien PARTIE II

9 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%

10 Vitesse Hyposynchrone Vitesse Hypersynchrone Topologie de la MADA Stator Rotor 10 Système Bagues-Balais

11 Coefficient de puissance (C p ) : Coefficient du couple (C c ) : Avec : C p-max = 0.48 λ opt = 8.1 11 Limite de Betz Modélisation de la turbine éolienne

12 Modèle aérodynamique Puissance aérodynamique : Couple aérodynamique : MPPT12 -30%+30%

13 Contrôle MPPT de la turbine éolienne Contrôle MPPT avec asservissement de la vitesse 13 8.1

14 Résultats de simulation λ opt = 8.1 C p-max = 0.48 14

15 Contrôle MPPT sans asservissement de la vitesse 15 8.1

16 Résultats de simulation λ opt = 8.1 C p-max = 0.48 16

17 Modélisation de la MADA Modèle de la MADA dans le repère triphasé 17 Tensions Statoriques Tensions rotoriques Stator Rotor

18 Modèle de la MADA dans le repère biphasé de Park Puissances statoriques : Couple électromagnétique : Tensions statoriques :Tensions rotoriques : 18

19 Modèle simplifié de la MADA 19 Tensions statoriques : Puissances statoriques : Couple électromagnétique

20 Schéma bloc du modèle simplifié de la MADA20 Termes de couplage F.E.M de compensation

21 Contrôle vectoriel de la MADA PARTIE III

22 v rq * v rd * v rq *22 Contrôle vectoriel directe(CVD) Contrôle vectoriel indirect (CVI)

23 Résultats de simulation (CVD) Vitesse du vent fixe 23 (CVI)

24 Vitesse du vent variable (MPPT) 24 (CVD) 1 (CVI) 1 Q s =0VAr FP=1

25 Test de robustesse (CVD) 25 (CVI)

26 Contrôle direct du couple (DTC) de la MADA PARTIE IV

27 Contrôle du vecteur flux rotorique27

28 Pilotage du vecteur flux rotorique à l’aide des vecteurs tensions rotoriques28 Trajectoire de flux

29 Contrôle du couple électromagnétique 29 Correcteur du couple Correcteur de flux Avec:

30 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

31 Résultats de simulation : 31 g=0 P r =0W

32 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

33 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

34 (-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

35 Table de commutation 35

36 Résultats de simulation 36

37 Test de robustesse : DTC-C DTC-3N 2.R r et 0.9.L m 37

38 Contrôle direct de puissance (DPC) de la MADA PARTIE V

39 39 DPC classique de la MADA Correcteur de la puissance active Correcteur de la puissance réactive

40 Résultats de simulation40 Fluctuations g=0 P r =0W

41 DPC basée sur la modulation vectorielle (SVM) 41

42 Résultats de simulation 42

43 Test de robustesse : DPC-C DPC-SVM 43

44 Intégration d’un système de stockage 44 1.5MW750kW

45 Résultats de simulation 45 -7.5 Charge Décharge

46 Amélioration des performances de la DTC et DPC par les RNA PARTIE VI

47 Structure du réseau de neurones utilisé MLP : 3-35-3 MLP : 3-35-3 47 b

48 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

49 Résultats de simulation :49 DTC-ANN

50 DPC-ANN 50

51 Test de robustesse : DTC-ANN DPC-ANN 51

52 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%

53 Conclusion

54 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) ;

55 Perspectives Implémentation pratique des systèmes de contrôle pour la commande en temps réel.

56 Merci de votre attention.