‫الجـمهورية الجزائرية الديمقراطية الشعبية‬

République Algérienne démocratique et populaire

‫وزارة التعليم الــعــالي والبحــث العــلمــي‬

Ministère de l’enseignement supérieur et de la recherche scientifique

‫جــامعة سعد دحلب البليدة‬

Université SAAD DAHLAB de BLIDA

‫كلية التكنولوجيا‬
Faculté de Technologie

‫قسم اإللكترونيـك‬
Département d’Électronique

Mémoire de projet de fin d’étude

présenté par

BENSMAIL WAFA

&

ABDALLAH FATMAZOHRA
Pour l’obtention du diplôme de Master en Électronique
Option : Systèmes de Vision et Robotique

Etude et simulation de la commande MPPT

basée sur l’approche Hill-Climbing Flou

Promoteur : Mr.R.BRADAI

Co-Promoteur : Mr. R.BOUKENOUI

Année Universitaire 2015-2016

 Dédicace

Je dédie ce mémoire à mes parents MOHAMEDE et KHEDIDJA pour

l’éduction qu’ils ont su me donner et qui m’a permis avec l’aide de
DIEU d’arriver là où je suis. Je dédie ce mémoire Ames frères CHERIFE,
RIDHA, RAFIK, FOUAD, MOUNIRE et ma sœur SABIHA et ma grand-
mère et mon oncle MOHAMEDE et a toutes ma famille.
À tous mes camarades de promotion et à mes valeureux enseignants
enfin à tous mes amis.

ABDALLAH F.Z
 Dédicace

Je dédie ce modeste travail à mes chers parents

à tous les membres de ma famille
et à tous mes amis

WAFA
 Remerciements

Nous adressons toute notre gratitude à ALLAH tout puissant, qui nous
a donné la force, le courage et la patience d’accomplir toutes ces
années d’études.

Nos sincères remerciements s’adressent à notre Promoteur Mr

R.BRADAI et à notre Co-promoteur Mr R.BOUKENAOUI pour l’aide et
les conseils éclairés qui ils nous a offert tout au long de ce travail.

Nous remercions par la même occasion, les membres du jury de nous

avoir fait honneur en acceptant de juger notre travail.

Nous tenons aussi à exprimer notre gratitude à nos amis collègues,

frères et sœurs qui ont été présents tout au long de notre parcours.

A toutes les personnes ayant, de près ou de loin participé à

l’aboutissement de ce travail.
‫ اﺳﺘﻐﻼل اﻟﻄﺎﻗﺎت اﻟﻤﺘﺠﺪدة يعرف تطورات هﺎمة بحيث نوجه هذه اﻟدراﺳة في تحويل اﻟطﺎﻗة اﻟشمﺳية اﻟى طﺎﻗة‬:‫ملخص‬
‫ وبهدف اﻟحصول على أحﺳن‬،‫ بحيث هذه األخيرة يكون انتﺎجهﺎ أﻗصى‬،‫كهربﺎئية بواﺳطة اﻟصحيفة اﻟكهروضوئية‬
.‫ ﻟمصدر اﻟطﺎﻗة‬،PPM ‫ البد من تتبع نقطة االﺳتطﺎعة اﻟعظمى‬،‫مردود ﻟنظم اﻟطﺎﻗﺎت اﻟمتجددة‬
‫ (طريقة "اﻟتشويش‬MPPT ‫ﻟهذا فإننﺎ ﺳنقوم في هذا اﻟعمل بمقﺎرنة ثﻼث طرق مختلفة ﻟتتبع نقطة االﺳتطﺎعة اﻟقصوى‬
.)")La Logique Floue( ‫)" وطريقة "اﻟمنطق اﻟﻐﺎمض‬Hill Climbing( ‫ طريقة "تﺳلق اﻟمرتفع‬،")P&O( ‫واﻟمﻼحظة‬
‫ يمثل جميع اﻟخطوات اﻟمتبعة ﻟتنفيذ محﺎكﺎت هذه اﻟطرق‬MATLAB/SIMULINK ‫محتوى هذا اﻟعمل اﻟذي تم على مﺳﺎحة‬
.‫ويبين مميزاتهﺎ ومدى فعﺎﻟيتهﺎ‬

‫ اﻟصفيحة‬،MPPT ،) MATLAB/SIMULINK ( ‫ ﻟﻐة اﻟبرمجة‬،)PPM ( ‫ تتبع نقطة االﺳتطﺎعة اﻟعظمى‬:‫كلمات المفاتيح‬

.)La Logique Floue ( ‫ اﻟمنطق اﻟﻐﺎمض‬،)Hill Climbing ( ‫ تﺳلق اﻟمرتفع‬،)P&O ( ‫ اﻟتشويش واﻟمﻼحظة‬،‫اﻟكهروضوئية‬

Résumé : L’exploitation des énergies renouvelable a connue de considérables

développements cette dernière décennie. Nous nous intéressons dans cette étude à la
conversion de l’énergie solaire en énergie électrique (photovoltaïque). Nous désirons au
moyen d’un module PV obtenir un rendement maximal. Afin de maximiser les performances
des systèmes d’énergie solaire il est nécessaire de poursuivre le PPM de la source d’entrée.
Dans ce travail nous allons faire une comparaison entre trois algorithme de la
commande MPPT (P&O, Hill Climbing et La Logique Floue), ce travail renferme les étapes
pour la simulation de ces commandes, et montre ces caractéristique et ces performances,
ce travail a était effectuer dans l’environnement MATLAB/SIMULINK.

Mots clés : Photovoltaïque ; PV ; PPM ; espace de travail : MATLAB/SIMULINK ; P&O ; Hill

Climbing ; La Logique Floue.

Abstract: The exploitation of renewable energies knows considerable developments this

last decade. We are interested in this study in the electromagnetic solar energy
transformation into electric power (photovoltaic). We want to achieve maximum
performance through a Photovoltaic Module. We will make in this work a comparison
between three MPPT methods (P&O, Hill Climbing and Fuzzy Logic), and this work will
represent all steps taken to simulate these commands, and shows their performance. This
work was performed in the environment MATLAB/SIMULINK,

Keywords: photovoltaic; MPP; Workspace: MATLAB/SIMULINK; MPPT; P&O; Hill Climbing;

Fuzzy Logic.
Listes des acronymes et abréviations
Cd-Te Tellurure de cadmium

CIS Di-sélénium de cuivre indium

CIGS Séléniure de cuivre, indium et gallium

λ Longueur d’onde de la lumière

C Conductance

c Vitesse de la lumière

AM Constante solaire (Air Mass)

h Constant de Planck (6.62.10-34 J.S)

Eph Quantité d'énergie d'un photon (eV)

Iph Le photo-courant (A)

Ipv Courant du module ou panneau PV (A)

Isat Le courant de saturation (A)

Rs La résistance série

Rp La résistance shunt

q La charge de l’électron

PV Photovoltaïque

PPM Point de puissance maximale

n Le facteur d’idéalité de la jonction.

MPP Maximum power point

MPPT Poursuite du point de puissance maximale (maximum power point tracking)

P&O Perturbation et Observation

HC Hill Climbing

GPV Générateur photovoltaïque

I Courant d'un générateur PV (A)

V Tension à la sortie d'un module solaire (V)

Vco Tension en circuit ouvert d’un module solaire (V)

Vppm Tension au point de puissance maximale (V)

ns Nombre de cellules en série.

np Nombre de cellules en parallèle.

Vpv La tension aux bornes de cette même cellule

Vopt Tension Optimale d’un générateur ou d’une cellule PV (V)

Ipv Le courant fourni par la cellule lorsqu’elle fonctionne en générateur

Icc Courant de court-circuit d'une cellule ou d'un module solaire (A)

Ippm Intensité maximale

Iopt Courant Optimal d’un générateur ou d’une cellule PV (A)

n Facteur d’idéalité de la diode

K La constante de Boltzmann

T Température absolue en K (T(K)=273+T (°C))

Sm La surface du module

Pmax La puissance maximale

E L’éclairement (W/m2)

η Le rendement

FF Facteur de Forme (Fill Factor)

Wc Watt crête

STC Conditions standards de test (Standard Test Conditions)

DC-DC Conversion continu-continu.

D Rapport cyclique

Ppv Puissance du panneau Photovoltaïque

P(D) La puissance en fonction du rapport cyclique

FS La fréquence

Vout=Vo Tension à la sortie du convertisseur

Vin=Vi Tension à l’entrée du convertisseur

L L’inductance
𝛥𝐷 Variation du rapport cyclique.

IL Courant de la bobine

CCM Le mode de conduction continue

Pout La puissance de sortie

Pin La puissance d’entrée

Iout Courant à la sortie du convertisseur

ILmoy Courant moyen de la bobine

Iin Courant à l’entrée du convertisseur

VL Tension de la bobine

RL La charge

Δ IL Variation du courant de l'inducteur

ξ L’énergie stockée dans l'inductance

ID Courant dans la Diode

RDS La résistance de commutation

IS Courant dans le switch

Cout Le condensateur de sortie

ICin Courant dans le condensateur d'entrée

ICout Courant dans le condensateur de sortie

Cin Le condensateur d'entrée

RIN L’impédance d'entrée

S Switch

G L’ensoleillement
Table des matières
Introduction générale.............................................................................................................................. 1
Chapitre 1 Les Systèmes Photovoltaïque .......................................................................................... 3
1.1 Introduction ............................................................................................................................. 3
1.2 Effet photovoltaïque ............................................................................................................... 4
1.3 Cellule photovoltaïque ............................................................................................................ 4
1.3.1 Technologies des cellules PV ........................................................................................... 5
1.3.2 Rendements des différentes technologies ...................................................................... 6
1.3.3 Caractéristiques électriques d’une cellule photovoltaïque ............................................. 8
1.4 Module photovoltaïque........................................................................................................... 9
1.4.1 Association de Cellules Photovoltaïques en Série ........................................................... 9
1.4.2 Association de Cellules Photovoltaïques en Parallèle ................................................... 10
1.4.3 Paramètres d’un module PV.......................................................................................... 10
1.4.4 Caractéristique courant-tension d’un module photovoltaïque .................................... 12
1.4.5 Influence de l’irradiation sur les caractéristiques courant-tension et puissance-
tension………… ................................................................................................................................ 13
1.4.6 Influence de la température sur les caractéristiques courant-tension et puissance-
tension…………. ............................................................................................................................... 14
1.5 Avantages spécifiques du photovoltaïque ............................................................................ 14
1.6 Conclusion ............................................................................................................................. 15
Chapitre 2 Etage d’adaptation et commande MPPT ...................................................................... 16
2.1 Introduction ........................................................................................................................... 16
2.2 Méthode de poursuite de puissance maximale .................................................................... 17
2.2.1 Introduction à la commande MPPT ............................................................................... 18
2.2.2 Commande MPPT .......................................................................................................... 18
2.2.3 Techniques de commande MPPT .................................................................................. 19
2.3 Étage d’adaptation ................................................................................................................ 25
2.3.1 Hacheur Abaisseur (Buck).............................................................................................. 26
2.3.2 Hacheur élévateurs-abaisseurs (Buck-Boost) ................................................................ 27
2.3.3 Hacheur élévateurs (Boost) ........................................................................................... 28
2.4 Conclusion ............................................................................................................................. 38
Chapitre 3 La Logique Floue ............................................................................................................ 39
3.1 Introduction ........................................................................................................................... 39
3.2 Logique floue ......................................................................................................................... 40
3.2.1 La théorie des sous-ensembles floue ............................................................................ 40
3.2.2 Variable linguistique ...................................................................................................... 41
 3.2.3 Fonctions d’appartenance ............................................................................................. 41
3.2.4 Opérations sur les sous-ensembles flous et normes..................................................... 42
3.2.5 Propositions floues ........................................................................................................ 43
3.2.6 Raisonnement en logique floue .................................................................................... 43
3.2.7 Implication floue............................................................................................................ 44
3.2.8 Inférence........................................................................................................................ 44
3.2.9 Méthode de Takagi-Sugeno........................................................................................... 46
3.3 Commande à logique floue ................................................................................................... 47
3.3.1 Configuration générale d’un régulateur flou ................................................................ 48
3.3.2 Fuzzification ................................................................................................................... 49
3.3.3 Inférences ...................................................................................................................... 50
3.3.4 Défuzzification ............................................................................................................... 53
3.4 MPPT à base de logique floue ............................................................................................... 55
3.5 Conclusion ............................................................................................................................. 56
Chapitre 4 Modélisation et Simulation ........................................................................................... 57
4.1 Introduction ........................................................................................................................... 57
4.2 Module solaire PV ................................................................................................................. 58
4.3 Connexion directe « GPV-Charge » ....................................................................................... 60
4.4 Connection Indirect « GPV-Convertisseur-Charge » ............................................................. 61
4.4.1 Calcul des composants .................................................................................................. 63
4.5 Poursuite du PPM .................................................................................................................. 65
4.5.1 Simulation du système solaire avec l’algorithme P&O ................................................. 66
4.5.2 Simulation de l’algorithme Hill Climbing ....................................................................... 67
4.5.3 Simulation de l’algorithme HC basée sur la Logique Floue ........................................... 68
4.6 Conclusion ............................................................................................................................. 73
Conclusion générale .............................................................................................................................. 74
Bibliographie.......................................................................................................................................... 76
Liste des figures
Figure 1.1. Structure d’une cellule photovoltaïque en silicium (présence d’une jonction PN) .......... 5
Figure 1.2. Différents technologie des cellules. ................................................................................. 6
Figure 1.3. Schéma équivalent électrique de la cellule PV. ................................................................ 8
Figure 1.4. Caractéristique résultante d’un groupement en série de ns cellules identiques. ........... 9
Figure 1.5. Caractéristique résultante d’un groupement constitué de np cellules identiques en
parallèle. ........................................................................................................................................... 10
Figure 1.6. Facteur de forme pour une cellule PV ............................................................................. 12
Figure 1.7. Caractéristique électrique d’un module photovoltaïque ................................................ 12
Figure 1.8. L’influence de l’irradiation sur les courbes caractéristiques I=f(V) et P=f(V). ................ 13
Figure 1.9. Influence de la température sur les courbes caractéristique I=f(V) et P=f(V) ................ 14
Figure 2.1. Schéma bloc d’un algorithme de recherche du PPM ...................................................... 17
Figure 2.2. Principe de la première technique MPPT numérique. ................................................... 19
Figure 2.3. Recherche du PPM par la méthode (P&O). .................................................................... 20
Figure 2.4. Algorithme type de la méthode P&O. ............................................................................ 21
Figure 2.5. Divergence de la commande P&O lors de variations d’irradiation. ............................... 22
Figure 2.6. Relation entre PPV et le rapport cyclique D du convertisseur statique .......................... 23
Figure 2.7. Algorithme type de la commande Hill Climbing. ............................................................ 24
Figure 2.8. Schéma de principe de la commande Hill Climbing. ...................................................... 25
Figure 2.9. Forme du signal de commande du commutateur S. ...................................................... 26
Figure 2.10.circuit électrique de base du hacheur dévolteur. ......................................................... 27
Figure 2.11.circuit électrique de base du convertisseur Buck-Boost. .............................................. 27
Figure 2.12. Circuit électrique idéalisé du convertisseur DC-DC "boost"......................................... 28
Figure 2.13. Interrupteur (Switch) fermé pendant un intervalle de temps DT. .............................. 29
Figure 2.14. Switch ouvert pendant un intervalle de temps (1 -D) T. ............................................. 30
Figure 2.15. Variation du courant de l'inducteur IL en fonction du temps. .................................... 31
Figure 2.16. Allures de la tension aux bornes de la bobine et le courant qui la traverse pendant
une période de conduction T ............................................................................................................ 33
Figure 2.17. Allures de la tension aux bornes de la diode et le courant qui la traverse pendant une
période de conduction T. ................................................................................................................. 34
Figure 2.18. Allures des tensions d'entrée et au bornes de la bobine pendant une période de
conduction T. ..................................................................................................................................... 36
Figure 2.19. Courant circulant dans le condensateur d'entrée C. ................................................... 37
Figure 2.20. Impédance d'entrée de l'ensemble convertisseur + charge résistive. ........................ 37
Figure 3.1. Représentation graphique des termes linguistiques. ..................................................... 41
Figure 3.2. Formes usuelles des fonctions d’appartenance. ............................................................ 42
Figure 3.3. Exemple de la méthode d’inférence Max-min………………................................................ 46
Figure 3.4. Exemple de la méthode de Takagi-Sugeno………………………………………………………………….47
Figure 3.5. Organisation fonctionnelle d’un régulateur flou. ........................................................... 48
Figure 3.6. Forme de fonctions d’appartenances pour l’erreur normalisée……………………… ............ 50
Figure 3.7. Trajectoire dans le plan de phase. .................................................................................. 51
Figure 3.8. Cas de deux règles contradictoire. ................................................................................. 53
Figure 3.9. Cas de règles malles formulées. ..................................................................................... 53
Figure 3.10. Défuzzification par la méthode des hauteurs pondérées. ........................................... 55
Figure 3.11. Défuzzification par méthode de la movenne des maximums. ..................................... 55
Figure 3.12. Schéma de l'algorithme classique MPPT floue. ............................................................ 56
Figure 4.1. Circuit equivalent du module PV KD210GH-2PU. ........................................................... 59
Figure 4.2. Bloc des caractéristiques du module PV KD210GH-2PU. ............................................... 59
Figure 4.3. Système solaire simple. .................................................................................................. 60
Figure 4.4. Les caractéristiques du PV connecté directement à une charge. .................................. 61
Figure 4.5. GPV avec un convertisseur DC/DC et une charge. ......................................................... 62
Figure 4.6. Modélisation d’un convertisseur DC/DC dans Matlab/Simulink. ................................... 62
Figure 4.7. Les caractéristiques du PV connecté à un convertisseur DC/DC et une charge. ............ 63
Figure 4.8. Modélisation du GPV avec une commande MPPT et un convertisseur DC/DC .............. 65
Figure 4.9. Modélisation de l’algorithme P&O dans Matlab/Simulink. ............................................ 66
Figure 4.10. Puissance Ppv(T) atteinte avec la commande P&O....................................................... 66
Figure 4.11. Modélisation de l’algorithme Hill Climbing ................................................................... 67
Figure 4.12. Puissance Ppv(T) obtenu avec l’algorithme Hill Climbing ............................................. 68
Figure 4.13. Modélisation du Fuzzy “Hill Climbing” dans Matlab/Simulink. ..................................... 69
Figure 4.14. Modélisation de l’algorithme Hill Climbing basée sur la logique Floue ........................ 69
Figure 4.15. Bloc « FUZZY Logic Designer » ....................................................................................... 70
Figure 4.16. Établissement du signal d’entrée ΔP ............................................................................. 70
Figure 4.17. Signal d’entrée ΔI. ......................................................................................................... 71
Figure 4.18. Signal d’entrée ΔD ......................................................................................................... 71
Figure 4.19. Bloc « Rule Editor ». ...................................................................................................... 71
Figure 4.20. Puissances obtenu par l’algorithme P&O et L’algorithme Hill Climbing basée sur la
logique Floue avec [600W/m2 - 1000W/m2] .................................................................................... 72
Liste des tableaux
Tableau 1.1 Rendement énergétique des différents types de cellules photovoltaïques ................... 6
Tableau 3.1. Zones homogènes principales dans la matrice de MacVicar-Whelan .......................... 52
Tableau 4.1. Caractéristiques électrique du panneau KYOCERA KD210GH. ..................................... 58
Tableau 4.2. L’algorithme de règles floues ....................................................................................... 72
 Introduction générale

L’énergie s’est imposée comme étant l’élément moteur de toute civilisation à travers les
temps. De nos jours, elle constitue un défi d’une très grande importance, et qui se trouve
positionnée non loin de la majorité des crises économiques, conflits politiques ou armés
contemporains. Ces dernières années, plusieurs inquiétudes ont surgit concernant les sources
d’énergie actuelles, il est surtout question de leur pérennité et leur impact sur
l’environnement. Parallèlement à cela, un grand intérêt a été porté et dirigé vers des sources
d’énergies nouvelles, et surtout renouvelables ; des sources inépuisables, propres et
respectueuse de l’environnement telles que l’énergie photovoltaïque (PV), l’énergie éolienne,
hydraulique, géothermique ou encore la biomasse. L’énergie photovoltaïque qui provient de
la conversion directe de l’énergie solaire en énergie électrique se présente comme étant la
plus adaptée pour notre pays vu son étendu, sa position géographique et son gisement solaire.
Ce dernier a été évalué à plusieurs TWh/an selon le centre allemand spatial (DLR) [1]. La
surface du Sahara algérien à lui seul peut capturer suffisamment d’énergie solaire pour
répondre à la totalité de la demande mondiale selon Mr. Kaveh Zahedi, Directeur adjoint de
la Division de Technologie, Industrie et Economie (DTIE) du Programme des Nations Unies
pour l'Environnement (PNUE) [2]. Cela peut justifier l’importance du défi soulevé par le
gouvernement visant l’intégration des énergies renouvelables en fixant un objectif de 5% en
2017 et 40% en 2030 [3]. Cependant, l’énergie photovoltaïque (PV) demeure chère vu le cout
d’investissement initial des installations PV. Pour assurer sa compétitivité vis-à-vis des sources
d’énergie conventionnelles, multiples efforts sont fait pour arriver à une dualité entre le Wh
PV et Wh conventionnel.

L’énergie solaire photovoltaïque provient de la transformation directe d’une partie du

rayonnement solaire en énergie électrique. Cette conversion d’énergie s’effectue par le biais
d’une cellule dite photovoltaïque (PV) [4], basée sur un phénomène physique appelé effet
photovoltaïque qui consiste à produire une force électromotrice lorsque la surface de cette

1
cellule est exposée à la lumière. La tension générée peut varier en fonction du matériau utilisé
pour la fabrication de la cellule.

En raison des caractéristiques électriques fortement non linéaires des cellules PV et de

leurs associations, le rendement des systèmes PV peut être amélioré par des solutions
utilisant les techniques de recherche du point de puissance maximale (dites techniques
MPPT). Concernant ce travail, nous nous sommes intéressés essentiellement au
développement d’une procédure d’optimisation qui permet la poursuite de point de la
puissance maximale (Maximum Power Point Tracking MPPT) d’un générateur photovoltaïque
(GPV), pour une bonne exploitation du générateur photovoltaïque. En effet, par exemple dans
le cas des engins mobiles alimentés par l’énergie photovoltaïque, l’alimentation doit être
assurée au point maximal de la puissance (MPPT) quelques soient les conditions
météorologiques (température et éclairement). Ceci nécessite l’implémentation d’une
technique de poursuite de point maximale de puissance, telle que la méthode de
Perturbation-Observation (P&O), Hill Climbing et l’approche Floue.

D’autre part, la logique floue a reçu une attention particulière de la part d’un certain
nombre de chercheurs dans le domaine de l’électronique de puissance. Vu ses performances,
nous l’avons appliquée pour développer une technique MPPT Floue.

Le mémoire présenté est organisé en quatre chapitres. Après une introduction générale,
comme il est mentionné par la suite :

Le premier chapitre comprend une introduction générale sur les systèmes photovoltaïques
tels que les cellules photovoltaïques, le panneau photovoltaïque.

Dans le second chapitre, on trouve des généralités sur les convertisseurs DC-DC et leurs
modèle mathématique du le hacheur boost et présent les méthodes plus populaire de la
commande MPPT.

Le troisième chapitre présente des généralités sur la logique floue.

En Quatrième chapitre, on simule avec Matlab/Simulink les méthodes MPPT (P&O), Hill
Climbing et l’approche Floue à contre réaction de tension.

2
 Chapitre 1 Les Systèmes Photovoltaïque

1.1 Introduction
Le rayonnement solaire représente une ressource d’énergie importante et
renouvelable, elle est de loin la plus intéressante. C’est pourquoi durant les dernières
décennies les chercheurs dans le domaine se sont intéressés à l’exploitation de cette énergie
pour la mettre au profit de l’humanité.

La conversion de la lumière en électricité, appelée effet photovoltaïque, a été

découverte par Antoine Becquerel en 1839, où pour la première fois l‘énergie solaire fut
transformée en énergie électrique. En 1880, l‘américain Charles FRITTS mit au point les
premières cellules solaires au sélénium [5]. Un siècle plus tard cette technologie fut développé
dans les environs des années 50 grâce au domaine spatial qui a trouvé dans celle-ci le meilleur
moyen d’assurer l’énergie requise pour de long séjour dans l’espace, puis elle a été encore
plus développé et utiliser dans d’autres secteurs à partir des années 70.

Chaque cellule génère une petite quantité d’électricité. Assemblées en série et en

parallèle, elles fournissent une tension et un courant électrique : on obtient ainsi des modules
photovoltaïques qui sont particulièrement bien adaptés à la production décentralisée
d'électricité et les sites isolés.

Dans ce chapitre nous allons présenter quelques notions de base sur l’effet
photovoltaïque, les cellules photovoltaïques ainsi que les modules photovoltaïques et leur
fonctionnement.

3
1.2 Effet photovoltaïque
Le scientifique français, Antoine Becquerel a trouvé que certains matériaux pouvaient
produire une petite quantité de courant sous l’effet de la lumière. Un élément essentiel dans
la conversion photovoltaïque est l'énergie transmise par les photons. On définit un rayon de
lumière solaire comme la superposition d'ondes électromagnétiques de fréquences
différentes. C'est aussi un faisceau de photons dont l'énergie est liée à la longueur d'onde par
la constante de PLANCK.

Eph = h × f (1.1)

 Eph : L’énergie de photon.

 h : constante de PLANCK =(6.62𝑥10−34 𝐽/𝑠).
 f : la fréquence correspondant à la longueur d’onde λ.

C
λ= (1.2)
f

 C : étant la vitesse de propagation de la lumière (3x108 m/s).

1.3 Cellule photovoltaïque

La cellule photovoltaïque (PV), aussi appelée cellule solaire, constitue l’élément de base
de la conversion photovoltaïque. Il s’agit d’un dispositif semi-conducteur qui transforme en
énergie électrique l’énergie lumineuse fournie par une source d’énergie inépuisable, le soleil.
Elle exploite les propriétés des matériaux semi-conducteurs [6].

Une cellule PV est réalisée à partir de deux couches de silicium, une dopée P (dopée au
bore) et l’autre couche dopée N (dopée au phosphore) créant ainsi une jonction PN avec une
barrière de potentiel. Lorsque les photons sont absorbés par le semi-conducteur, ils
transmettent leur énergie aux atomes de la jonction PN de telle sorte que les électrons de ces
atomes se libèrent et créent des électrons (charges N) et des trous (charges P). Ceci crée alors
une différence de potentiel entre les deux couches. Cette différence de potentiel est
mesurable (varier entre 0.3 V et 0.7 V en fonction du matériau utilisé) entre les connexions
des bornes positives et négatives de la cellule. La figure 1.1 donne la structure, ainsi que le
principe de fonctionnement d’une cellule PV.

4
 Figure 1.1. Structure d’une cellule photovoltaïque en silicium (présence d’une jonction PN) [7].

1.3.1 Technologies des cellules PV

La structure et la composition des cellules PV constituent un élément très important
dans leur rendement. En effet, les principales recherches se sont focalisées dans ce domaine.

Les technologies des cellules solaires se sont développées de manière très diverses. On
distingue en général les cellules cristallines et les cellules à couches minces.

a Cellules cristallines

Les cellules en silicium mono et poly-cristallin représentent environ 94% du

marché. On distingue deux types des cellules :

La cellule monocristalline : qui s'approche le plus du modèle théorique : cette cellule est
effectivement composée d'un seul cristal divisé en deux couches (Figure 1.2-a). Les cellules
monocristallines permettent d'obtenir de hauts rendements, de l'ordre de 15 à 22 % [8].

Les cellules poly-cristallines : sont composées d'un agglomérat de cristaux (Figure 1.2-b). Elles
aussi proviennent du sciage de blocs de cristaux, mais ces blocs sont coulés et sont dès lors
hétérogènes [8].

b Cellules à couches minces

La technologie des couches minces a l’avantage de produire les cellules par un

procédé de revêtement à grande surface peu onéreux. Elles sont plus minces et peuvent
même être déposées sur des supports flexibles (Figure 1.2-c).Par contre leur rendement est
plus bas que celui des cellules cristallines. Divers matériaux semi-conducteurs entrent en ligne

5
de compte pour cette technologie : le silicium amorphe et micro-morphe, le Cd-Te (tellurure
de cadmium), le CIS (séléniure de cuivre et d’indium), parfois aussi le CIGS (séléniure de cuivre,
indium et gallium). Les nanotechnologies (cellules à colorants) ne jouent pas encore un grand
rôle [9].

(a) (b) (c)

Figure 1.2. Différents technologie des cellules.

1.3.2 Rendements des différentes technologies

Le tableau suivant résume les rendements des différentes technologies qui existent
actuellement ainsi que leurs domaines d’applications [10].

Chaque technologie est destinée à un domaine d’exploitation précis, on remarque par

exemple que les silicium cristallin et amorphe sont beaucoup plus exploités au grand publique
de même pour les cellules à base de CIGS ou de CdTe, tandis que la technologie GaAs est
destinée au domaine spatial et les systèmes de concentration solaire.

Nous constatons aussi que le rendement des cellules photovoltaïques diminue

réellement, comparé à la théorie ou aux résultats obtenues en laboratoire, ce qui explique
l’influence des conditions météorologiques que nous allons aborder à la fin de ce chapitre.

Type de cellule Rendement des cellules PV Domaines

d’applications

théorique En disponibles
laboratoire

Si mono Modules de grandes

27,0 % 24,7 % 14,0-16,0 %
(silicium Dimensions pour toits
monocristallin) et façades, appareils

6
 de faibles puissances,
espace (satellites)

Modules de grandes
Si poly
Dimensions pour toits
(silicium
27,0 % 19,8 % 12,0-14,0 % et façades,
polycristallin) générateurs de toutes
tailles (reliés réseau
ou sites isolés)

Appareils de faible

Puissance production
d’énergie embarquée
(calculatrice,
Si a (silicium
25,0 % 13,0 % 6,0-8,0 % montres...) modules
amorphe) de grandes
dimensions

(intégration dans le

bâtiment)

Systèmes de
GaAs 29,0 % 27,5 % 18,0-20,0 %
concentrateur, espace
(satellites).

CIGS Appareils de faibles

(séléniure de puissances, modules

27,5 % 18,2 % 10,0-12,0 % de grandes
cuivre, indium dimensions
(intégration dans le
et gallium)
bâtiment)

Modules de grandes
CdTe
dimensions
(tellurure de 28,5 % 16,0 % 8,0 %
(intégrations dans le
cadmium)
bâtiment)

Tableau 1.1 Rendement énergétique des différents types de cellules photovoltaïques.

7
 1.3.3 Caractéristiques électriques d’une cellule photovoltaïque
La figure 1.3 présente le schéma équivalent d’une cellule photovoltaïque sous éclairement.

Il correspond à un générateur de courant Iph monté en parallèle avec une diode. Deux
résistances parasites sont introduites dans ce schéma.

Ces résistances ont une certaine influence sur la caractéristique I = f (V) de la cellule [11] :

 La résistance série (Rs) est la résistance interne de la cellule elle dépend principalement de
la résistance du semi-conducteur utilisé, de la résistance de contact des grilles collectrices
et de la résistivité de ces grilles.

 La résistance shunt (Rp) est due à un courant de fuite au niveau de la jonction ; elle dépend
de la façon dont celle-ci a été réalisée.

Figure 1.3. Schéma équivalent électrique de la cellule PV.

Le modèle mathématique pour la caractéristique courant-tension d’une cellule PV est donné

q.(Vpv +(Ipv ∗Rs )) Vpv −Rs ∗Ipv
par : Ipv = Iph − Isat [exp ( ) − 1] − ( ) (1.3)
nKT Rp

Où Isat est le courant de saturation dans la diode (A), K est la constante de Boltzmann
(1,381x10-23 J/K), T est la température effective des cellules en Kelvin (K), q est la charge
de l’électron (q=1,6x10-19 C), n est le facteur d’idéalité de la jonction (1< n < 3) ; Ipv est le
courant fourni par la cellule lorsqu’elle fonctionne en générateur, Vpv est la tension aux bornes
de cette même cellule, Iph est le photo-courant de la cellule ou bien courant de (court-circuit)
dépendant de l’éclairement et de la température, Rp est la résistance shunt caractérisant les
courants de fuite de la jonction, Rs est la résistance série représentant les diverses résistances
de contacts et de connexions [12].

8
1.4 Module photovoltaïque
Un générateur photovoltaïque ou un module est constitué d’un ensemble de cellules
photovoltaïques élémentaires montée en série ou en parallèle afin d’obtenir des
caractéristique désirées tels que la puissance, le courant de court-circuit ou la tension en
circuit ouvert.

En effet, dans des conditions d’ensoleillement standard (1000W/m² ; 25°C ; AM=1.5), la

puissance maximale délivrée par une cellule silicium de 150 cm² est d'environ 2.3 W c sous
une tension de 0.5V. Une cellule photovoltaïque élémentaire constitue donc un générateur
électrique de faible puissance insuffisante en tant que telle pour la plupart des applications
domestiques ou industrielles [13].

1.4.1 Association de Cellules Photovoltaïques en Série

Dans un groupement en série, les cellules sont traversées par le même courant et la
caractéristique résultante du groupement en série est obtenue par addition des tensions à
courant donné.

Une association de ns cellules en série permet d’augmenter la tension du générateur

photovoltaïque (GPV). Les cellules sont alors traversées par le même courant et la
caractéristique résultant du groupement série est obtenue par addition des tensions
élémentaires de chaque cellule, Figure 1.4. L’équation (1.4) résume les caractéristiques
électriques d’une association série de ns cellules [14].

Iscc = ICC et Vsco = ns Vco (1.4)

Figure 1.4. Caractéristique résultante d’un groupement en série de ns cellules identiques [14].
9
 1.4.2 Association de Cellules Photovoltaïques en Parallèle
Une association parallèle de nP cellules est possible et permet d’accroître le courant de
sortie du générateur ainsi créé. Dans un groupement de cellules identiques connectées en
parallèle, les cellules sont soumises à la même tension et la caractéristique résultant du
groupement est obtenue par addition des courants, Figure 1.5. L’équation (1.5) résume à son
tour les caractéristiques électriques d’une association parallèle de np cellules [14].

Ipcc = np Icc et Vpco = Vco (1.5)

Figure 1.5. Caractéristique résultante d’un groupement constitué de np cellules identiques en

parallèle [13].

1.4.3 Paramètres d’un module PV

Les paramètres essentiels d’un panneau PV sont :

 La tension en circuit ouvert Vco

Si l’on place une photopile sous une source lumineuse constante, sans aucune charge
à ses bornes, celle-ci va produire une tension continue d’environ 0,6 V, appelée tension en
circuit ouvert VCO ou à vide (elle varie légèrement avec la température et l’éclairement) [15].

 Le courant en court-circuit Icc

A l’inverse du cas précédent, si l’on place une photopile en court-circuit, elle va

débiter un courant maximal à tension nulle. Ce courant est dit courant de court-circuit ICC [15].

10
  La puissance maximale

L’objectif principal de l’utilisateur de générateur photovoltaïque est que l’énergie

produite soit la plus optimale possible, c’est la puissance électrique maximum que peut fournir
le module, qui est associé à une tension maximale Vppm et à une intensité maximale Ippm.
Lorsqu’il est question de puissance maximale dans les conditions normalisées
d’ensoleillement STC standard (25°C et un éclairement de 1000 W/m²), on parle alors de
puissance crête, mesurée en watts-crête (Wc) [15].

 Le rendement

Le rendement énergétique est défini comme étant le rapport entre la puissance

maximale produite et la puissance du rayonnement solaire parvenant au module. Soit S la
surface du module et E l’éclairement en W/m2, ce rendement a pour formule [15] :

Pmax
η= (1.6)
S×E

 Le facteur de forme

Le facteur de forme est un paramètre important souvent utilisé à partir de la

caractéristique I(V) pour évaluer la qualité d’une cellule ou d’un générateur PV. Il est illustré
sur la figure 1.6. Ce coefficient représente le rapport entre la puissance maximale que peut
délivrer la cellule notée Pmax et la puissance formée par le rectangle ICC*VCO. Plus la valeur de
ce facteur sera grande, plus la puissance exploitable le sera également.

Les meilleures cellules auront donc fait l’objet de révolution technologiques pour
atteindre le plus possible les caractéristiques idéales [14].

Pmax Iopt Vopt

FF = = (1.7)
Icc Vco Icc Vco

Le facteur de forme pour une cellule de bonne qualité est supérieur à 0.7, Il diminue
avec l’augmentation de la température.

11
 Figure 1.6. Facteur de forme pour une cellule PV.

1.4.4 Caractéristique courant-tension d’un module photovoltaïque

La figure 1.7 représente la courbe I=f(V) d’un panneau photovoltaïque typique dans
des conditions de température et d’irradiation constante :

Figure 1.7. Caractéristiques électrique d’un module photovoltaïque [16].

12
 Il est difficile de donner un caractère source de tension ou source de courant à un
panneau photovoltaïque sur toute l’étendue de la caractéristique courant-tension. Le
panneau photovoltaïque est donc à considérer comme une source de puissance. On s’aperçoit
alors de l’existence d’un point PPM ou la puissance se trouve être maximale. Il est sans doute
intéressant de se placer sur ce point pour tirer le maximum d’énergie et ainsi exploiter au
mieux la puissance crête installée, seule une charge dont la caractéristique passe par le point
PPM permettra d’extraire la puissance maximale. Certains régulateurs solaires réalisent donc
une adaptation d’impédance pour qu’à chaque instant on se trouve proche de ce point de
puissance maximale, c’est ce que l’on appelle le Maximum Power Point Tracking (MPPT). Nous
reviendrons par la suite sur cette technique.

1.4.5 Influence de l’irradiation sur les caractéristiques courant-tension

et puissance-tension

La base des cellules photovoltaïques est une jonction PN, cette dernière réagit
différemment selon l’énergie qu’elle reçoit. Plus elle reçoit d’énergie plus elle en restitue, mais
toujours avec un coefficient de rendement très faible de l’ordre de 15%. La figure 1.8
représente les courbes I=f(V) et P=f(V) pour différentes niveau d’irradiation sur un module PV
Kyocera KD210GH-2PU :

Figure 1.8. l’influence de l’irradiation sur les courbes caractéristiques I=f(V) et P=f(V).

13
 On remarque que la valeur du courant court-circuit est directement proportionnelle
à l’intensité du rayonnement. Par contre, la tension en circuit ouvert ne varie pas dans les
mêmes proportions, elle reste quasiment identique même à faible éclairement.

1.4.6 Influence de la température sur les caractéristiques courant-

tension et puissance-tension
Comme nous l’avons expliqué précédemment, la base des cellules photovoltaïques est
une jonction PN. Ceci nous laisse envisager que son rendement variera selon la température
de la jonction. La figure 1.9 représente les courbes I=f(V) et P=f(V) pour différentes
températures de fonctionnement du panneau PV Kyocera KD210GH-2PU:

Figure 1.9. Influence de la temperature sur les courbes caractéristique I=f(V) et P=f(V).

On remarque que la température a une influence négligeable sur la valeur du courant

de court-circuit. Par contre, la tension en circuit ouvert baisse assez fortement lorsque la
température augmente, par conséquent la puissance extractible diminue.

1.5 Avantages spécifiques du photovoltaïque

Par rapport aux autres sources renouvelables, le photovoltaïque offre des avantages
particuliers :

 Il est exploitable pratiquement partout, la lumière du soleil étant disponible dans le

monde entier.

14
  L’équipement de production peut presque toujours être installé à proximité du lieu de
consommation, évitant ainsi les pertes en ligne.

 Il est totalement modulable et la taille des installations peut être facilement ajustée
selon les besoins ou les moyens.

 Aucun mouvement, pas de pollution directe ou indirecte (facteurs atmosphériques ou

liquides, produits de nettoyage, risque d’accident physique,...) aucun déchet, aucune
perturbation pour l’environnement de proximité, c’est une énergie purement propre
etécologique.

 La maintenance et les réparations sont réduites à presque rien pour la partie

photovoltaïque et à peu de chose pour l’électronique associée.

1.6 Conclusion
Dans ce chapitre nous avons abordé des généralité sur les systèmes photovoltaique, les
cellules photovoltaique passant par le principe de conversion de l’energie solaire en
éléctrécité. Nous avons aussi traité les differents types des ceullules et leur rendement, les
modules photovoltaiques, les parametres de celui-ci ainsi que l’influence de l’irradiation et la
température sur les caractéristiques courant-tension et puissance-tension.

15
 Chapitre 2 Etage d’adaptation et commande MPPT

2.1 Introduction
L’énergie solaire est considéré comme la source d’énergie alternative la plus préférable,
elle offre la propreté, la fidélité et la gratuité contrairement à d’autres énergies. Cependant,
l’efficacité de la conversion de l’énergie qui est liée à la charge présente des difficultés qui
limitent la performance de cette source. Les panneaux solaires, bien qu'ils soient de plus en
plus performants, ont des rendements qui restent assez faibles (autour de 20%) [17]. C'est
pourquoi il faut exploiter le maximum de puissance qu'ils peuvent générer en réduisant au
maximum les pertes d'énergie.

En effet, plusieurs études ont bien montré que l'énergie des photons convertie en
électricité est une fonction fortement variable selon l'éclairement et la température et aussi
selon la charge qui est connectée au générateur PV [17].

Pour remédier à ces influences, des lois de commandes spécifiques ont été conçues et
mises au point à partir de 1968 afin de permettre à ces dispositifs de produire leur maximum
de puissance électrique, quelle que soit la charge ou l’irradiation solaire [18]. Ce type de
commande est souvent nommé dans la littérature Recherche du Point de Puissance Maximale
ou bien Maximum Power Point Tracking en anglo-saxon (MPPT).

Cette recherche est faite par l’association d’un étage d’adaptation entre le panneau
solaire et la charge en plus de la commande MPPT. La figure 2.1 présente le schéma principe
d’un tel fonctionnement.

16
 Figure 2.1. Schéma bloc d’un algorithme de recherche du PPM [19].

Dans ce chapitre nous allons voir le principe de fonctionnement de la chaîne élémentaire

de conversion photovoltaïque, comme nous allons aussi présenter les divers convertisseurs
DC-DC, puis nous allons décrire en détail les algorithmes les plus utilisés «Perturbe et
Observe», « Hill CLIMBING » et l’algorithme basé sur la logique floue en utilisant
Matlab/Simulink dans le chapitre suivant.

2.2 Méthode de poursuite de puissance maximale

Un panneau photovoltaïque a des caractéristiques courant–tension (I/V) non linéaires.
Sa puissance de sortie change avec les conditions atmosphériques. Il existe seulement des
points (PPM) où la puissance est maximale [20]. La figure 1.7 dans le chapitre 1 montre la
caractéristique I/V et la courbe de puissance d’un module PV avec le PPM.

L’efficacité d’un système photovoltaïque n’est améliorée si seulement si le panneau est

actionné intentionnellement au PPM indépendamment des variations des conditions
atmosphériques. Ceci peut être fait en accordant correctement le panneau avec la charge à
l’aide des techniques qui détectent et localisent mécaniquement ou électriquement les PPM
sans qu'à priori ces points soient connus à l'avance, ni sans que l'on sache à quel moment ils
ont été modifiés ni quelles étaient les raisons de ce changement [21]

17
 Ces techniques sont appelées MPPT « maximum power point Tracking » en anglais ou
souvent nommées « recherche de point de puissance maximale ». Elles sont utilisées pour
extraire le maximum de puissance disponible à l’aide d’un algorithme implanté dans un
calculateur et un étage d’adaptation à savoir un hacheur ou un onduleur selon l’exigence du
système [22]. Le rôle de cette commande MPPT est de faire varier le rapport cyclique du
Convertisseur Statique de telle sorte que la puissance fournie par le GPV soit le PM disponible
à ses bornes [23].

Plusieurs algorithmes de la commande MPPT ont été développés récemment. Le choix

de l’algorithme convenable reste éprouvant et dépend des avantages et des inconvénients de
chaque algorithme. Dans notre travail, nous présentons quelques techniques de poursuite du
point de puissance maximale en détaillant les plus simples à savoir :

 Perturbation & observation (P&O) ;

 HILL CLIMBING.

2.2.1 Introduction à la commande MPPT

Comme nous l’avons vu dans le Chapitre 1, la puissance obtenue depuis les panneaux
solaires est relativement faible et insuffisante, cela est dû aux conditions changeantes au
niveau de l’ensoleillement et de la température, ces variations des conditions climatiques
aboutis au faible pourcentage de la puissance. Les figures 1.8 et 1.9 dans le chapitre précédent
illustre les fluctuations de la puissance P et du courant I en fonctions de la température et
l’irradiation solaire.

En effet, sous les conditions changeantes, la puissance extractible est variable et fonction de
la tension (ou du courant) imposée aux bornes du panneau photovoltaïque. Il est donc
nécessaire que le système d’exploitation s’adapte pour extraire le plus de puissance possible :
c’est ainsi que nait en quelque sorte l’idée de MPPT (Maximum Power Point Tracker).

2.2.2 Commande MPPT

La commande MPPT, est une commande essentielle pour un fonctionnement optimal
du système photovoltaïque. Le principe de cette commande est basé sur la variation
automatique du rapport cyclique D en l’amenant à la valeur optimale de manière à maximiser

18
la puissance délivrée par le panneau PV. Pour cette raison, on va présenter et étudier par la
suite les algorithmes de commande les plus populaires.

2.2.3 Techniques de commande MPPT

L’algorithme mis en œuvre dans les premières commandes MPPT était relativement
simple. En effet, les capacités des calculateurs disponibles à l’époque étaient faibles et les
applications, surtout destinées au spatial avaient beaucoup moins de contraintes en variation
de température et d’éclairement que les applications terrestres appliqué initialement. Au
photovoltaïque, son principe a d’abord été décrit par A.F. Bohringer. Cette commande est
basée sur un algorithme de contrôle adaptatif, permettant de maintenir le système à son point
de puissance maximum (PPM), ce dernier est décrit en (figure 2.2) [19].

Figure 2.2. Principe de la première technique MPPT numérique [24].

Cet algorithme consiste à calculer la puissance à l’instant tn à partir des mesures de IPV
et VPV, et de la comparer à celle stockée en mémoire, correspondant à l’instant tn-1 de là, un
nouveau rapport cyclique D est calculé et est appliqué au convertisseur statique. Ce principe
est toujours valable du point de vue théorique et appliqué de nos jours sur des algorithmes

19
numériques plus performants. Cependant, le temps de réaction a été amélioré ainsi que la
précision de la recherche du PPM associée à un certain nombre de précautions pour ne pas
perdre le PPM même temporairement [19].

Étant donné le grand nombre de publications dans ce domaine, nous avons fait une
présentation de deux déférentes MPPT existantes.

a Principe de la commande “Perturb and Observ” (P&O)

Le principe des commandes MPPT de type P&O consiste à perturber la tension Vpv
d’une faible amplitude autour de sa valeur initiale et d’analyser le comportement de la
variation de puissance Ppv qui en résulte [25,26].Ainsi, comme le montre la figure 2.3, on peut
déduire que si une incrémentation positive de la tension Vpv engendre un accroissement de la
puissance Ppv, cela signifie que le point de fonctionnement se trouve à gauche du PPM. Si au
contraire, la puissance décroît, cela implique que le système a dépassé le PPM. Un
raisonnement similaire peut être effectué lorsque la tension décroît. A partir de ces diverses
analyses sur les conséquences d’une variation de tension sur la caractéristique Ppv(Vpv), il est
alors facile de situer le point de fonctionnement par rapport au PPM, et de faire converger ce
dernier vers le maximum de puissance à travers un ordre de commande approprié [24].

En résumé, si suite à une perturbation de tension, la puissance PV augmente, la

direction de perturbation est maintenue. Dans le cas contraire, elle est inversée pour
reprendre la convergence vers le nouveau PPM [24].

Figure 2.3. Recherche du PPM par la méthode (P&O) [25].

20
 La figure 2.4 représente l’algorithme classique associé à une commande MPPT de
type P&O, où l’évolution de la puissance est analysée après chaque perturbation de tension.
Pour ce type de commande, deux capteurs (courant et tension du GPV) sont nécessaires pour
déterminer la puissance du GPV à chaque instant [24].

Figure 2.4. Algorithme type de la méthode P&O [19].

La méthode P&O est aujourd’hui largement utilisée de par sa facilité

d’implémentation, cependant elle présente quelques problèmes liés aux oscillations autour
du PPM qu’elle engendre en régime établi car la procédure de recherche du PPM doit être
répétée périodiquement, obligeant le système à osciller en permanence autour du PPM, une
fois ce dernier atteint. Ces oscillations peuvent être minimisées en réduisant la valeur de la
variable de perturbation. Néanmoins, une faible valeur d’incrément ralenti la recherche du
PPM, il faut donc trouver un compromis entre précision et rapidité. Ce qui rend cette
commande difficile à optimiser [24].
21
 En effet, il est connu que ce type de commande permet d’obtenir un rendement
plus important durant une journée relativement ensoleillée, où le PPM évolue lentement et
proportionnellement au soleil. Par contre pour une journée présentant de forts changements
d’irradiations très fréquents, cette commande présent plus de pertes, engendrées par le
temps de réponse de la commande pour atteindre le nouveau PPM [24].

En effet, si on analyse en détail ce mode de recherche, il présente des erreurs

d’interprétation au niveau de la direction à suivre pour atteindre le PPM lorsque des variations
brusques des conditions climatiques ou/et de charge apparaissent, comme cela est décrit sur
la figure 2.5.

Figure 2.5. Divergence de la commande P&O lors de variations d’irradiation [19].

Pour plus de clarté, prenons l’exemple d’un éclairement donné, noté E1, avec un
point de fonctionnement se situant en A. Suite à une perturbation de tension de valeur ΔV, ce
dernier bascule en B, impliquant, dans un fonctionnement sans variation d’éclairement, une
inversion du signe de la perturbation due à la détection d’une dérivée de la puissance négative
entrainant en régime d’équilibre, des oscillations autour du PPM causées par la trajectoire du
point de fonctionnement entre les points B et C. On peut noter que des pertes de transfert de
la puissance seront plus ou moins importantes en fonction des positions respectives des points
B et C par rapport à A [24].

Lors d’un changement d’irradiation (évolution des caractéristiques P(V) d’E1 à E2),
le point de fonctionnement se déplace alors de A vers D, qui est interprété dans ce cas-là, par

22
une variation positive de la puissance. Le système n’ayant pas la possibilité de voir l’erreur de
trajectoire lié au changement de caractéristique, le signe de la perturbation ne change pas et
le système s’éloigne momentanément du PPM en direction du point E. Au mieux, ceci
occasionne une non-optimisation de la puissance momentanée. Cependant, dans le pire des
cas, le système de recherche peut se perdre et se retrouver en butée, soit en circuit ouvert
soit en court-circuit entraînant une perte définitive du PPM. Ceci entraînant, en cas de
conditions météorologiques défavorables, de fortes lacunes au niveau de la commande [24].

b Principe des commandes “Hill Climbing”

La technique de contrôle nommée Hill Climbing [27-28] consiste à faire « monter »

le point de fonctionnement le long de la caractéristique du générateur présentant un
maximum. Pour cela, deux pentes sont possibles. La recherche s’arrête théoriquement quand
le point de puissance maximal est atteint. Cette méthode est basée sur la caractéristique de
la puissance en fonction du rapport cyclique P(D). Mathématiquement, le PPM est atteinte
dPPV
lorsque = 0, comme le montre la figure 2.6.
dD

Figure 2.6. Relation entre PPV et le rapport cyclique D du convertisseur statique [29].

L’algorithme de cette méthode est illustré sur la figure 2.7. Hill Climbing implique
une perturbation dans le rapport cyclique du convertisseur de puissance. Dans le cas d’un GPV
connecté à un convertisseur de puissance, la perturbation du rapport cyclique du
convertisseur de puissance perturbe le courant du générateur photovoltaïque et perturbe la
tension du générateur photovoltaïque par conséquent [51]. L’incrémentation

23
(décrémentation) de la tension augmente (diminue) la puissance lors de l'utilisation sur la
gauche de la MPP et diminue (augmente) la puissance quand sur la droite du MPP. Par
conséquent, s'il y a une augmentation de la puissance, la perturbation subséquente devrait
être gardé le même pour atteindre le MPP et s'il y a une diminution de la puissance, la
perturbation devrait être inversée. Le processus est répété périodiquement jusqu'à la MPP
est atteinte. Le système oscille alors autour du MPP. L'oscillation peut être réduite en
réduisant la taille de pas de perturbation. Cependant, une taille plus petite perturbation
ralentit le MPPT [52].

Figure 2.7. Algorithme type de la commande Hill Climbing [24].

Le fonctionnement de cette commande est illustré sur la figure 2.8 en reprenant

la chaîne de conversion PV élémentaire.

24
 Figure 2.8. Schéma de principe de la commande Hill Climbing [24].

L’avantage de cette dernière technique est qu’elle est simple à mettre en œuvre.
Par contre, elle possède les mêmes inconvénients que la méthode P&O concernant des
oscillations autour du PPM en régime établi et une perte occasionnelle de la recherche du
PPM lors de changement rapide des conditions climatiques [19].

2.3 Étage d’adaptation

L’utilisation des convertisseurs DC-DC permet le contrôle de la puissance électrique dans
les circuits fonctionnant en courant continu avec une très grande souplesse et un rendement
élevé qui dans notre cas va nous permettre de poursuivre le point de fonctionnement
optimum.

Les circuits des hacheurs se composent de condensateurs, d’inductances et de

commutateurs. Dans le cas idéal, tous ces dispositifs ne consomment aucune puissance active,
c’est la raison pour laquelle on a de bons rendements. Le commutateur est réalisé avec un
dispositif semi-conducteur, habituellement un transistor MOSFET.

Pendant le fonctionnement du hacheur, le transistor sera commuté à une fréquence

constante fs avec un temps de fermeture égal à (D.T) et un temps d’ouverture égal a ((1−D).T)
1
ou [30] : fS = (2. 1)
T

T : étant la période du signal de commande

Et avec un rapport cyclique D défini comme étant le rapport de fermeture du

commutateur ton et la somme T = ton + toff des temps de fermeture et d'ouverture de ce
commutateur :
25
 ton ton
D= = (2. 2)
ton + toff T

Figure 2.9. Forme du signal de commande du commutateur S [31].

Il existe différents types de convertisseurs DC-DC :

 Les élévateurs (BOOST) dans lesquels Vout >Vin.

 Les abaisseurs (BUCK) dans lesquels Vout <Vin.

 Les élévateurs-abaisseurs (BUCK-BOOST) qui est un mélange entre les deux

précédents.

2.3.1 Hacheur Abaisseur (Buck)

Le circuit électrique d’un hacheur de type dévolteur (abaisseur), appelé aussi

convertisseur buck, est représenté par la figure 2.10. L’interrupteur S fournit un train
d’impulsions ce qui soumit la diode D à une tension rectangulaire la contraignant ainsi à
basculer en continue entre état passant et état bloqué. Cette tension rectangulaire sera par
la suite filtrée et transformée en une tension quasi continue avec une valeur égale à la tension
moyenne de la tension carrée… Il est évident que la valeur moyenne de la tension est
directement liée à la durée de fermeture de l’interrupteur S et donc au rapport cyclique [32].

26
 Figure 2.10. Circuit électrique de base du hacheur dévolteur [33].

2.3.2 Hacheur élévateurs-abaisseurs (Buck-Boost)

En combinant les deux fonctions que présentent les deux types de convertisseurs
précédents, nous obtenons un convertisseur survolteur-dévolteur ou encore appelé Buck-
Boost. Dans ce type de convertisseurs (figure 2.11), la tension de sortie peut être supérieure
ou inférieure à la tension d’entrée [32].

Figure 2.11. Circuit électrique de base du convertisseur Buck-Boost [33].

27
 2.3.3 Hacheur élévateurs (Boost)

Figure 2.12. Circuit électrique idéalisé du convertisseur DC-DC "boost"[31].

Le convertisseur survolteur, appelé aussi convertisseur boost, permet à partir d’une

tension d’entrée continue, d’avoir une tension continue bien plus grande. Ce type de
convertisseur est très utilisé pour remédier à l’utilisation d’un grand nombre de batteries par
contrainte d’espace. En effet, le nombre de batteries nécessaires pour obtenir une tension
donnée peut être réduit tout en atteignant la tension souhaitée en utilisant un convertisseur
Boost.

Le circuit électrique d’un hacheur de type boost contient les mêmes éléments que celui du
hacheur Buck mais disposés différemment comme le montre la figure 2.12. Dans cette
configuration, la tension de sortie est tout le temps supérieure à la tension d’entrée [32].

Dans notre travail, nous s’intéressons au hacheur « Boost », qui sera étudié en détaille par la
suite :

a Expression du courant de la bobine [31]

 Courant moyen

En fonctionnement normal, le circuit est en "conduction continue" i.e. IL n'est jamais

nul.

Conformément aux suppositions, citées en haut, le circuit est supposé être sans
pertes électriques (idéalisé avec un rendement de 100 %), ce qui nous permet d'écrire :

Pout
Pin=Pout ( = 100 %,η = ) (2. 3)
Pin

D' où Vin . ILmoy = Iout . Vout (2.4)

28
Avec : ILmoy = Iin

 Courant instantané

En supposant qu'on est en mode de conduction continue (CCM), le circuit peut être
décomposé en deux topologies distinctes, selon l'état du switch (S) durant une période "T" du
signal de commande : soit interrupteur fermé ou interrupteur ouvert. Voir figures ci-dessous.

Figure 2.13. Interrupteur (Switch) fermé pendant un intervalle de temps DT [31].

 Pour 0  t  DT ou (0  t  ton) : phase d'accumulation d'énergie

L’interrupteur "S" est fermé (état passant), cela entraîne l'augmentation du courant
dans l'inductance donc le stockage d'une quantité d'énergie sous forme d'énergie
magnétique. La diode D est alors bloquée et la charge est alors déconnectée de la
source, dans ce cas IL augmente à un taux de:

dIL VL Vin
= = (2. 5)
dt L L

En intégrant les deux partie de l'égalité, on trouve que :

Vin
IL1 (t) = t + ILmin (2. 6)
L

On voit bien que IL(t) a une pente positive, ce qui prouve que durant cette phase
l'inducteur se charge.

À la fin de l'état passant, le courant IL a augmenté de :

DT DT Vin dt Vin .D.T

∆ILon= ∫0 dIL = ∫0 = (2. 7)
L L

29
 Comme définit en haut, D étant le rapport cyclique. Il représente la durée de la
période T pendant laquelle l'interrupteur "S" conduit. Il est compris entre 0 ("S" ne conduit
jamais) et 1 ("S" conduit tout le temps).

 Pour DT t  (1 - D) T ou (ton t  toff) : phase de roue libre.

L'interrupteur "S" est ouvert, l'inductance se trouve alors en série avec la source
d'énergie. Sa f.e.m. s’additionne à celle du générateur (effet survolteur). Le courant traversant
l'inductance traverse ensuite la diode D, le condensateur C et la charge R. Il en résulte un
transfert de l'énergie accumulée dans l'inductance vers la capacité, qui va fixer la tension de
sortie. Le circuit électrique équivalent dans ce cas est donné par la Figure 2.14.

Figure 2.14. Switch ouvert pendant un intervalle de temps (1 -D) T [31].

Dans ce cas, IL diminue avec un taux de :

dIL VL Vin − Vout

= = (2. 8)
dt L L

En intégrant les deux partie de l'égalité, on trouve que :

(Vin − Vout )
IL2 (t) = t + ILMAX (2. 9)
L

Dans le cas d'un convertisseur DC/DC "boost" l'inégalité : Vout  Vin est toujours
vérifiée. Donc, dans ce cas IL(t) une pente négative, ce qui prouve que durant cette phase la
self se décharge.

La variation de IL durant cet état bloqué est :

(1−D)T (1−D)T (Vin − Vout )dt (Vin − Vout )(1−D)T

∆ILoff = ∫DT dIL = ∫DT = (2. 10)
L V

30
 On remarque que durant les deux phases de conduction (selon que le commutateur
"S" est fermé ou ouvert) IL oscille (augmente puis diminue) dans une bande de largeur ΔIL
autour d'une valeur moyenne ILmoy= Iin. Voir figure ci-dessous.

Figure 2.15. Variation du courant de l'inducteur IL en fonction du temps [31].

A travers la courbe d'évolution de IL(t), on voit bien que pour garantir un

fonctionnement en mode de conduction continu, i.e. un courant d'inducteur non nul, il faut
toujours respecter la condition suivante :

iLmin ≥ 0 (2. 11)

Ce qui est équivalent à :

∆IL
Iin ≥ (2. 12)
2

Fonction de transfert (Gain) du convertisseur DC/DC [31]

En considérant que le régime permanent est atteint, l’énergie stockée dans

l'inductance est donnée par :

1
E= . L . IL ² (2. 13)
2

31
 En conséquence, le courant traversant l'inductance est le même au début et à la fin
de chaque cycle de commutation. Il advient donc :

∆ILon + ∆ILoff = 0 (2. 14)

Soit :

Vin .D.T (Vin − Vout )(1−D)T

∆ILon + ∆ILoff = + =0 (2. 15)
L L

Après simplifications, nous pouvons réécrire cette équation de la façon suivante :

Vin
Vout = (2. 16)
(1−D)

Ce qui donne la valeur moyenne de la tension de sortie Vout.

Et puisque par hypothèse, on avait : Pin = Pout (2.17)

Nous aurons également : Iout = (1 − d). Iin (2.18)

Dans le cas ou : le rendement énergétique de l'étage est : 1, chose qui est trop
proche de la réalité pratique. Nous pourrons également écrire :

V
Vout = . (1−D)
in
(2.19)

et Iout = η. (1 − D). Iin (2.20)

Grâce à cette dernière expression, on peut voir que la tension de sortie est toujours
supérieure à celle d'entrée (le rapport cyclique variant entre 0 et 1),qu'elle augmente
avec D, et que théoriquement elle peut être infinie lorsque D se rapproche de 1.

Les figures ci-dessous représentent l'allure des principaux signaux dans le

convertisseur en mode de fonctionnement CCM.

32
 Figure 2.16. Allures de la tension aux bornes de la bobine et le courant qui la traverse
pendant une période de conduction T [31].

Courant circulant dans les éléments semi-conducteurs :

 Courant dans la Diode (D) [31]

 Pour 0  t  DT ou (0  t  ton) : phase d'accumulation d'énergie Dans cette phase, le switch

"S" est fermé et conformément au schéma électrique de la Figure 2.13, la diode est
polarisée en sens inverse : le courant moyen la traversant est nul.
ID (t) = 0 (2. 21)

 Pour DT t  (1 - D) T ou (ton t  toff) : phase de roue libre.

Conformément au schéma électrique de la Figure 2.14, et selon la loi des mailles,
nous avons :

(Vin − Vout )
ID (t) = IL2 (t) = t + ILMAX (2. 22)
L

33
  Courant dans le switch "S" [31]

 Pour 0  t  DT ou (0  t  ton) : phase d'accumulation d'énergie.

En suivant le même raisonnement que le précédent, et si on admet La résistance de

commutation RDS_on est nulle, nous avons :
Vin
IS (t) = IL1 (t) = t + ILmin (2.23)
L

 Pour DT t  (1 - D) T ou (ton  t  toff) : phase de roue libre.

Le switch "S" est ouvert et si on maintient la supposition : La résistance de commutation RDS_off

est infinie, donc :
IS (t) = 0 (2. 24)

Figure 2.17. Allures de la tension aux bornes de la diode et le courant qui la traverse
pendant une période de conduction T [31].

34
  Courant dans le condensateur de sortie Cout [31]

 Pour 0  t  DT ou (0  t  ton) : phase d'accumulation d'énergie.

En se référant au schéma de la Figure 2.13, on voit bien que la diode est non
conductrice, le condensateur mis en parallèle avec la charge RL alimente celle-ci, en se
déchargeant, avec un courant constant Iout et dont l'expression est donnée par :

Vout
Iout (t) = = cste
RL

Donc :
Vout
ICout (t) = Iout (t) = = cste (2. 25)
RL

 Pour DT t  (1 - D) T ou (ton t  toff) : phase de roue libre.

Le condensateur est connecté à la source, via la bobine L, selon la loi des nœuds, nous avons :

ICout (t) = IL2 (t) − Iout

D’ou :

(Vin − Vout ) Vout

ICout (t) = t + ILMAX − (2. 26)
L RL

L'allure du courant circulant dans le condensateur Cout est illustrée dans la Figure (2. 20-c).

On note également par ici que seule la composante variable de IL (t) passe à travers Cout,
l'autre composante, i.e. la composante continue sera directement transférée à la charge. Et selon le
principe d'équilibre de la charge d'un condensateur au cours d'une période de commutation, le
courant moyen circulant dans le condensateur est nul.

35
 Figure 2.18. Allures des tensions d'entrée et au bornes de la bobine pendant une période de
conduction T [31].

 Courant dans le condensateur d'entrée Cin [31]

 Pour 0  t  DT ou (0  t  ton) : phase d'accumulation d'énergie.

Vu que Cin est placé en aval du switch "S", alors, lors de tous les intervalles de
commutation l'expression mathématique qui donne la valeur de ICin(t) sera toujours la même.
En utilisant le schéma de la figure ci-dessous et la loi des nœuds on a :

36
 Figure 2.19. Courant circulant dans le condensateur d'entrée C [31].

ICin (t) = Iin − IL1 (t) = ILmoy − IL1 (t) (2.27)

 Pour DT t  (1 - D) T ou (ton t  toff) : phase de roue libre.

En suivant le même raisonnement que celui adopté pour l'intervalle ton, on a :

ICin (t) = Iin − IL2 (t) = ILmoy − IL2 (t) (2.28)

L'allure du courant circulant dans le condensateur Cin est illustrée dans la Figure 2.18(b).

b Expression et évolution de l'impédance d'entrée RIN [31]

Figure 2.20. Impédance d'entrée de l'ensemble convertisseur + charge résistive [31].

D'après le schéma de la Figure 2.15, on a :

VPV Vin Vout

R IN = = (2.29) et RL = (2.30)
IPV Iin Iout

37
En replaçant Vin et In dans (3. 21) par leurs expressions dans les équations (3. 16) et (3. 18) on
trouve :
(1−D)².Vout
R IN = (2. 31)
Iout

D étant le rapport cyclique du signal de commande du switch "S".

Ce qui donne par la fin : R IN = (1 − D)2 . R L (2.32)

R
D = 1 − √ Rin (3. 33)
L

2.4 Conclusion
Dans ce chapitre, nous avons étudié le principe de la poursuite du point de puissance
maximale d’un panneau solaire, et on a présenté les deux méthodes les plus populaires de la
commande MPPT (P&O, Hill Climbing), ainsi que les divers convertisseurs DC/DC, avec le
fonctionnement détaillé du hacheur Boost.

38
 Chapitre 3 La Logique Floue

3.1 Introduction
Une des caractéristiques du raisonnement humain est qu’il est généralement fondé sur
des données imprécises ou même incomplètes. En effet, les connaissances dont nous
disposons sur un système quelconque sont généralement incertaines ou vagues, soit parce
que nous avons un doute sur leur validité ou alors nous éprouvons une difficulté à les exprimer
clairement. De ce fait on a eu besoin d’un nouveau type de raisonnement qui se rapproche
plus de celui-ci et qu’on peut traiter d’une façon mathématique rigoureuse.

Le professeur Lotfi Zadeh de l’université de Berkeley (Californie) fut le premier à avoir

effectué des travaux sur la logique floue en 1965, il a ainsi introduit une théorie qui présente
une extension de la logique classique (booléenne), et permet la modélisation des
imperfections des données et se rapproche dans une certaine mesure de la flexibilité du
raisonnement humain. Quelques années plu-tard cette théorie fut appliquée à des problèmes
de réglage et de commande.

Récemment, la commande par logique floue a été utilisée dans les systèmes de
poursuite du point maximum de puissance MPPT, cette commande offre l’avantage d’être une
commande robuste et relativement simple à élaborer et elle ne nécessite pas la connaissance
exacte du modèle à réguler.

Afin d’introduire la méthode du contrôleur floue optimisé, on va commencer par donné

quelque notions de base sur la logique floue, puis les différentes étapes de la conception d’un
régulateur flou et on finira par aborder la méthode MPPT a base de logique floue.

39
3.2 Logique floue
3.2.1 La théorie des sous-ensembles floue
Dans la théorie des sous-ensembles flous, basée sur la logique floue, le degré
d’appartenance est une fonction qui peut prendre des valeurs réelles comprises entre 0 et 1.
Contrairement aux grandeurs Booléennes qui prennent comme valeur 0 ou 1.

Ceci peut être traduit par la formulation mathématique suivante :

Soit X un ensemble de référence ou encore appelé Univers de discours [34, 35, 36].

Pour une variable x on définit un ensemble classique A de X par le degré d’appartenance A,
[37], telle que :

A : X {0,1} (3.1)

x A

Pour une variable floue x on définit l’ensemble flou A de X par le degré d’appartenance [38,
39, 40, 36], telle que :

A : X [0,1] (3.2)

x A

L’ensemble numérique des valeurs réelles que prend la variable floue x est appelé
univers de discours, et A(x) est le degré d’appartenance de l’élément x à l’ensemble flou A.

De cela, on définit un sous-ensemble flou A de l’univers de discours comme étant

l’ensemble des éléments ayants la propriété A(x). On peut ainsi avoir plusieurs fonctions
d’appartenances, chacune caractérise un sous-ensemble flou. L’association de ces sous-
ensembles flous sur l’univers de discours donne l’ensemble flou de la variable flou x [38, 39,
36, 41].

On utilise généralement le terme ensemble flou au lieu de sous-ensemble flou, par abus
de langage, conformément à la traduction du terme « fuzzy set ».

40
 3.2.2 Variable linguistique
Une variable linguistique est représentée par un triplé (V, X, TV) dans lequel V est une
variable (la vitesse, la température …) définie sur un ensemble de référence X (ses valeurs
peuvent être n’importe quel élément de X). On note TV (A1, A2,...) un ensemble, fini ou infini,
des sous-ensembles floue de X, qui sont utilisés pour caractériser V .Afin de permettre un
traitement numérique, il est indispensable de les soumettre à une définition à l’aide de
fonctions d’appartenance.

Par exemple, si la vitesse est interprétée comme une variable linguistique, alors son
ensemble de termes Tvitesse= {lente, moyenne, rapide...) où chaque terme est caractérisé par
un ensemble flou.

Ces termes peuvent être définis comme des ensembles flous dont les fonctions
d’appartenance sont montrées sur la figure (3.1).

Figure 3.1. Représentation graphique des termes linguistiques.

3.2.3 Fonctions d’appartenance

Le plus souvent les fonctions d’appartenance sont décrites par des formes triangulaires
ou trapézoïdales vu leurs simplicité [43] Figure 3.2. Cependant, il existe d’autres formes, dont
les plus connues, sont présentées par des fonctions gaussiennes ou par combinaison de ces
fonctions [48].

41
 Figure 3.2. Formes usuelles des fonctions d’appartenance.

3.2.4 Opérations sur les sous-ensembles flous et normes

Les opérations sur les sous-ensembles flous, sont définis afin de savoir, si on peut
construire un sous-ensemble flou défini par les degrés avec lesquels A n’est pas satisfaite ou
si on peut concevoir un sous-ensemble flou défini par les degrés avec lesquels deux propriétés
sont satisfaites simultanément. Comme dans la théorie des ensembles classique, on définit
l’égalité, l’inclusion, l’intersection, l’union des ensembles flous, ainsi que le complément d’un
ensemble flou. Ces relations sont traduites respectivement par les opérateurs ‘‘= ‘‘, ‘‘ ‘‘,
‘‘et’’, ‘’ou’’ et ‘’non’’.

On définit deux ensembles flous A, B, et l’élément flou x de l’univers de discours :

A = B  A = B (3.3)

A  B  A  B (3.4)

x appartient à A et à B  x  AB AB(x) (3.5)

x appartient à A ou à B x  AB AB(x) (3.6)

x appartient au complément de A  x  Ac  Ac(x) (3.7)

L’intersection de deux ensembles flous peut être réalisée par une norme triangulaire (t-
norme) noté « T ». Et l’union est réalisée par une conorme triangulaire (t-conorme) notée

«  » [34, 38, 42].

L’opérateur « et » correspond à l’intersection de deux ensembles flous A et B peut être réalisé

par des t-norme telle que :

42
 La fonction « Min » : AB(x) = T (A, B) = Min (A, B) (3.8)

 La fonction arithmétique « produit » : AB(x) = T (A, B) =A  B (3.9)

L’opérateur «ou» correspond à l’union de deux ensembles flous A et B peut être réalisé par :

 La fonction « Max » : AB(x) =  (A, B) = Max (A, B) (3.10)

 La fonction arithmétique ‘somme’ : AB(x) =  (A, B) = A + B -AB (3.11)

 L’opérateur «non» est réalisé par négation : Ac(x) = 1-A(x) (3.12)

3.2.5 Propositions floues

a Propositions floues élémentaires

Une proposition floue élémentaire est définie à partir d’une variable linguistique

(V, X, Tv) par la qualification « V est A », pour une caractérisation floue A, appartenant à TV.

b Propositions floues générales

Une proposition floue générale est obtenue par la composition de propositions

floues élémentaires « V est A », « W est B » … pour des variables linguistiques V, W … .

Plus généralement, on peut construire des propositions floues par conjonction, disjonction ou
implication, par exemple de la forme « si V est A et W est B alors U est C » (si la taille est
moyenne et le prix est peu cher, alors l’achat est conseillé).

3.2.6 Raisonnement en logique floue

Avec l'unique schéma de raisonnement (Si les conditions sont remplies, Alors la
conclusion est validée) et les trois opérateurs Et, Ou et Non, nous pouvons déjà prendre un
grand nombre de décisions logiques Nous produisons aussi une nouvelle information (une
décision) à partir d'informations anciennes.

Le raisonnement flou fait appel à trois notions et étapes fondamentales :

 l’implication floue,

 l’inférence floue,

43
  l’agrégation des règles...

3.2.7 Implication floue

Soit la variable floue x de l’ensemble flou A défini sur l’univers de discours X. Et soit la
variable floue y, appartenant à l’ensemble flou B défini sur l’univers de discours Y.

L’implication floue entre deux propositions élémentaires « x est A » et « x est B » défini

par la règle R « si x est A alors y est B », est une proposition floue de la variable (x, y), dont la
valeur de vérité est donnée par la fonction d’appartenance R :

R (x, y) =  (A (x), B(y)) (3.13)

Pour une fonction  de [0, 1] [0, 1]  [0, 1]

Plusieurs approches ont été adoptées pour la généralisation de l’implication floue [42].
Traditionnellement en commande floue, la règle R est modélisée en lui attribuant la
sémantique « si x est A et y est B », ce ci revient à représenter la règle par une t-norme
triangulaire telle que :

R (x, y) = min (A (x), B(y)) Mamdani (3.14)

R (x, y) = A (x)  B(y)) Larsen (3.15)

3.2.8 Inférence
Puisque notre étude s’étalera sur la commande floue où l’observation est généralement
précise et spécifique, et que l’opérateur du modus ponens généralisé ne joue aucun rôle dans
ce cas [42], nous préférons de ne pas rentrer dans les détails de ce dernier.

3.2.8.1 Description des règles d’inférences

Les règles d’inférences peuvent être exprimées de différentes façons, à savoir par
descriptions linguistiques et symboliques, ainsi que par matrice et tableaux d’inférence [43].
La description de ces règles par matrice est généralement la plus utilisée, pour sa simplicité,
ainsi elle présente une facilitée d’établissement des inférences. Il arrive que toutes les cases
du tableau ne soient pas complète, on parle alors des règles d’inférences incomplètes.

44
 3.2.8.2 Calcul des inférences

Afin de mettre en évidence le traitement des inférences, nous citons les plus connues.

a Méthode d’inférence Max-min (ou de Mamdani)

Cette méthode est la première à être proposée. Elle est très simple à mettre en
place. L’opérateur « ET » est réalisé par la fonction « Min », l’opérateur de conclusion de
chaque règle « Alors » par la fonction « Min » et l’opérateur de liaison « Ou » par la fonction
« Max ».

Comme exemple pour les fonctions d’appartenance, nous présentons les

variations de la température d’un moteur [45], avec les ensembles flous « élevé », « moyen »
et « faible ».

La figure (3.3) montre un exemple de représentation graphique de cette méthode.

La température est « élevée » avec un degré d’appartenance de 0.7, et « moyenne » avec un
degré de 0.3. La vitesse est « faible » avec un degré d’appartenance de 1[45].

L’application de chaque règle, revient à la réalisation de la première étape décrite

au paragraphe précèdent où l’ensemble flou résultant de la première règle est décrit par :
 uU G’(u) = min (min (0.7, 0.3), G(u)). Avec la deuxième règle, on procède de la même
façon. La synthèse des ensembles flous résultants de chaque règle, revient au maximum de
tous ces ensembles [45].

b Méthode d’inférence Max-prod

La différence de cette méthode par rapport à la précédente réside au fait, que

l’opérateur de conclusion ‘Alors’ est réalisé par la fonction arithmétique ’produit’. Dans ce cas
l’ensemble flou résultant de la première règle, est décrit par : uU G’(u) = min(E(T1), F(V1))
G(u).

c Méthode d’inférence Somme-prod

Dans cette méthode, l’opérateur « ET », ainsi que l’opérateur de conclusion de

chaque règle « Alors » sont réalisés par la fonction « produit » et l’opérateur de liaison « Ou »
par la moyenne des ensembles flous résultants de chaque règle.

45
 Figure 3.3. Exemple de la méthode d’inférence Max-min [45].

Des études comparatives ont été effectuées par [43], montrent que, le choix de la
méthode n’influe pas sur les résultats, Néanmoins, la méthode Max-min est la plus utilisée à
cause de sa simplicité.

3.2.9 Méthode de Takagi-Sugeno

Cette méthode apparue en 1983, est une approche complémentaire différente de celle
déjà étudier, du fait que la conclusion des règles est supposée être une fonction des
descriptions des variables d’entrées et les règles sont de la forme [42, 41]:

R1 : Si T est E et V est F Alors u1=f1(T, V) (3.16)

R2 : Si T est M et V est F Alors u2=f2(T, V) (3.17)

Les fonctions f1, f2…sont généralement linéaires et quelquefois constantes. L’action non
floue déduite de l’utilisation de ces règles est alors obtenue par interpolation figure (3.4) :

U = 1 f1 (T1,V1) + 2 f2(T1,V1)) / (1 + 2) (3.18)

Avec : 1=min(E(T1), F(V1)), 2=(E(T1), F (V1)) (3.19)

46
 Figure 3.4. Exemple de la méthode de Takagi-Sugeno [45].

3.3 Commande à logique floue

Dans le domaine de la commande, la première application de la logique floue a été
réalisée par Mamdani en 1974. En 1987 les Japonais on mit en œuvre la première application
utilisant le principe de la logique floue dans le métro de Sendai, et depuis l’utilisation de
techniques de commande floue ne cesse d’accroitre.

A l’instar d’un régulateur traditionnel, un régulateur flou convertit des grandeurs

d’entrée en grandeurs de sortie qui agissent ensuite sur le processus ou le système réglé,
plusieurs grandeurs d’entrée et de sortie sont reliées les unes aux autres de sorte que des
systèmes complexes peuvent être régulés facilement, Mais on se rend vite compte que cette
technique exige aussi une connaissance approfondie de l'installation à régler, ainsi qu'une
robuste expérience professionnelle.

Après avoir énoncé les concepts de base et les termes linguistiques utilisés en logique
floue, nous présentons la structure d'un contrôleur flou.

47
 3.3.1 Configuration générale d’un régulateur flou
Un contrôleur flou sous sa forme générale remplace le contrôleur classique dans une
boucle de réglage, il est considéré comme étant un système expert .Ce contrôleur est
constitué de quatre blocs principaux (figure 3.5) :

 Un module d’interface avec le flou (ou fuzzification), qui effectue la conversion de

l’entrée numérique observé en grandeur floue.

 Une base de connaissances floue. contenant les termes utiliser ainsi que les règles
d’inférences.

 Un module d’interface non flou (défuzzification).Permettant la transformation floue

en une information déterminée

 Un module de raisonnement flou (moteur d’inférence).

Chacun de ces blocs fera l’objet d’un développement détaillé.

Figure 3.5. Organisation fonctionnelle d’un régulateur flou.

48
 Le schéma de base d'un contrôleur flou repose sur la structure d'un régulateur classique
à la différence que l'on va retenir la forme incrémentale. Cette dernière donne en sortie, non
pas la grandeur de commande à appliquer au processus mais plutôt l'incrément de cette
grandeur.

3.3.2 Fuzzification
La fuzzification proprement dite, consiste à transformer les variables réelles d’entrées
en variables linguistiques, avec au préalable une normalisation. Cette transformation est
obtenue en construisant des fonctions d’appartenances pour chaque variable d’entrée.
Cependant, selon la finesse désirée pour spécifier les règles, nous somme amené à considérer
plus ou moins de valeurs linguistiques [34, 43, 46], sachant qu’une subdivision très fine de
l’univers de discours, de plus de sept ensembles flous n’apporte aucune amélioration du
comportement du système à régler [43].

Pour le choix de la forme des fonctions d’appartenances caractérisant les variables

linguistiques, il est préférable d’utiliser des fonctions d’appartenances quasi linéaires du fait
qu’elles sont simple à réaliser [34, 43]. Nous utilisons dans ce cas, des fonctions de formes
triangulaires et trapézoïdales. Ces fonctions sont choisies de façon symétrique, du fait que
l’erreur et sa dérivée peuvent prendre aussi bien des valeurs positives que négatives.

Pour le choix de la répartition des fonctions d’appartenances, nous prenons en

considération les remarques suivantes :

 La somme des fonctions d’appartenance à une variable x, doit satisfaire la relation

suivante [47] :

Nn


i 1
i
n
(xn )  1 (3.20)

Avec : xn représente la variable physique (e ou e), Nk représente le nombre des fonctions

d’appartenances de la variable k.

 Sur la base de l’étude menée par [43], la caractéristique de la variable de sortie du

régulateur, présente dans un certain domaine une allure horizontale s’il n’y a pas de
recouvrement d’au moins deux fonctions d’appartenance. Le même effet est obtenu

49
 lorsque deux fonctions d’appartenance se recouvrent avec un degré d’appartenance
égale à 1

 De ces faits, Les fonctions d’appartenances sont choisies équidistantes, de telle sorte
que le recouvrement de deux fonctions d’appartenances voisines est égal à 1, c’est à
dire que leurs croisements s’effectue à i=i+1=0.5 (voir figure 3.6).

 D’autre part, la fuzzification de la variable de sortie un est effectuée de telle sorte que
les fonctions d’appartenances prennent une forme triangulaire, symétrique et de
même largeur.

Figure 3.6. Forme de fonctions d’appartenances pour l’erreur normalisée.

3.3.3 Inférences
Après fuzzification, une deuxième étape très importante doit être effectuée. Cette étape
consiste à déterminer les règles d’inférence qui spécifient comment calculer la valeur
linguistique de la variation d’action un(k), en fonction des valeurs linguistiques d’entrées
en(k), en(k).

Pour construire la matrice d’inférence une analyse quantitative du processus doit être
effectuée. Cette analyse repose sur une analyse dans le plan de phase de la trajectoire de la
référence (que l’on souhaite donner au système) [34].

La figure 3.7 représente la trajectoire dans le plan de phase de la variation de l’erreur en

fonction de l’erreur, ainsi que l’effet de l’action de commande sur le système. Cependant, une
action dans un sens ou dans l’autre provoque le déplacement de la trajectoire dans les

50
directions indiquées par les flèches. Nous avons mentionné avec flèches rouges les directions
conduisant à une convergence, et en pointillés celles qui conduisent à une divergence.

Sur la base de ces connaissances, les spécialistes ont élaboré les différentes règles
d’inférences, pour obtenir les meilleures performances. La matrice d’inférence proposée par
MacVicar-Whelan est l’une des meilleurs exemples des modèles de bases [41]. Elle a été
développée afin de compléter celle proposée par Mamdani. Cette matrice est basée sur
l’analyse dans le plan de phase, ainsi que sur les trois règles principales suivantes :

 Si l’erreur est zéro et sa dérivée est zéro, alors, garder le présent cadre de commande

 Si l’erreur tend vers zéro avec un taux satisfaisant, alors garder le présent cadre de
commande

 Si l’erreur n’est pas autocorrective, alors l’action de commande n’est pas zéro et elle
dépend du signe et d’amplitude de e(k) et e(k).

Figure 3.7. Trajectoire dans le plan de phase [45].

51
 Tableau 3.1. Zones homogènes principales dans la matrice de MacVicar-Whelan [45].

Le tableau.3.1 présente la matrice d’inférence proposée par MacVicar-Whelan, les

matrices d’inférences les plus connues appliquées au régulateur par logique floue, peuvent
être obtenues à partir de cette matrice. Dans ce cas l’univers de discours définissant l’erreur,
sa dérivée et l’action de commande sont réparties sur huit sous-ensembles flous. Sur cette
matrice, nous pouvons identifier cinq zones différentes. Les règles de la zone 1et 2,
caractérisent le cas où e(k) et e(k) sont de signes opposés (quadrant 2 et 4 voir figure 3.7),
les règles de la zone 3 et 4 caractérisent le cas où e(k) et e(k) sont de mêmes signes (quadrant
1 et 3), les règles de la zone 5 caractérisent le cas où l’amplitude de l’erreur et de sa dérivée
est relativement petite.

Après avoir déterminé les règles d’inférences, nous devons effectuer une interprétation
mathématiquement. Comme on la déjà constaté, plusieurs méthodes ont été adoptées pour
l’agrégation des règles d’inférences, ce qui donne par conséquent, différentes manières de
réaliser les régulateurs flous. Les plus connu sont ceux de Mamdani et de Sugeno. La méthode
de Mamdani ayant comme conclusion symbolique (floue), présente l’inconvénient d’avoir la

52
nécessité de passer par l’étape de défuzzification pour obtenir la valeur réelle de la
commande, et l’avantage d’être intuitive et bien adaptée au raisonnement humain. La
méthode de Sugeno présente l’avantage d’être bien adapter aux systèmes linéaires et aux
systèmes dont la dynamique est bien connue. Comme elle garantit une continuité de la
surface de la production [43], d’autre part, elle présente l’inconvénient d’avoir recours à une
analyse mathématique.

Ceci nous conduit à utiliser la méthode de Mamdani permettant une vérification directe
des conséquences des règles d’inférences. Si par exemple, la sortie est caractérisée par
l’apparition de plus d’un maximum, cela révèle l’existence d’au moins deux règles
contradictoires (voir figure 3.8). Ou si on se retrouve avec une grande zone plate, cela révèle
que les règles, dans leur ensemble, sont malles formulées (voir figure 3.9) [34].

Figure 3.8. Cas de deux règles Figure 3.9. Cas de règles malles
contradictoire. formulées.

3.3.4 Défuzzification
Enfin, la dernière étape du régulateur flou est la conversion de la grandeur linguistique
un résultante de l’agrégation, en grandeur de commande précise. Plusieurs approches
existent pour réaliser cette conversion [34, 47, 41]. Les plus utilisées sont la méthode du
centre de gravité, la méthode des hauteurs pondérées et la méthode de la moyenne des
maximums.

53
 a Méthode du centre de gravité

Cette méthode (COG en anglais) est la plus utilisée, elle est considérée comme la
méthode la plus précise. La grandeur de sortie du régulateur correspond l’abscisse du centre
de gravité de la fonction d’appartenance résultante res.

u max

 x res ( x)dx
u n (k ) 
u min
u max
(3.21)

x u min
res ( x)dx

b Méthode des hauteurs pondérées

Cette méthode n’est qu’un cas particulier de la méthode précédente, elle est
utilisée dans le cas où les fonctions d’appartenances de la variable de sortie ne recouvrent
pas.

 x ri ( x)
u n ( k )  i 1
n
(3.22)

i 1
ri ( x)

Où, n représente le nombre de sous-ensembles flous de la variable de sortie (voir figure 3.10).

c Méthode de la moyenne des maximums

Cette méthode est très simple. La valeur numérique de la grandeur de sortie est
égale à la moyenne des abscisses des valeurs maximales de la fonction d’appartenance
résultante.

(3.23)

Où, g est l’ensemble des valeurs maximales et m représente le cardinal de g.

L’inconvénient majeur de cette méthode réside dans le cas du changement de la

dominance d’une fonction d’appartenance à une autre. Effectivement ce changement
1
s’accompagne par un saut brusque de la grandeur de sortie. u n (k )   xi
m xi g

54
 Figure 3.10. Défuzzification par la méthode Figure 3.11. Défuzzification par méthode de la
des hauteurs pondérées. moyenne des maximums.

3.4 MPPT à base de logique floue

Les commandes basées sur la logique floue sont de plus en plus populaires grâce à
l’évolution des microcontrôleurs [49]. L’avantage de ces techniques est qu’elles peuvent
fonctionner avec des valeurs d’entrées peu précises et qu’elles n’ont pas besoin de modèle
mathématique de grande précision. La logique floue est une des méthodes de contrôle les
plus puissants. De plus, elles peuvent traiter des non linéarités.

Cette fonctionnalité du contrôleur flou démontre son efficacité et le rend parmi les
meilleurs dispositifs de suivi PPM.

Le contrôleur de flou MPPT proposée comporte deux variables entrées et une sortie voir
figure 3.12. Les deux entrées sont l'erreur E, et la variation d'erreur CE et une variable de sortie
ΔD (variation du rapport cyclique). La valeur de la variable de sortie, qui pilote le convertisseur
statique pour rechercher le PPM, est déterminée à l’aide d’une table de vérité et de l’évolution
des paramètres d’entrée [50].

Les paramètres d’entrées E et ΔE sont liées aux équations suivantes

Ppv (j)− Ppv (j−1)

E(j) = (3.24)
Vpv (j)−Vpv (j−1)

∆E(j) = E(j) − E(j − 1) (3.25)

55
Ppv (j) et Vpv (j) sont respectivement : la puissance et la tension du générateur photovoltaïque.

A partir de l'entrée E(j) on peut savoir la position du point de fonctionnement pour la

charge à l'instant j par rapport au point de puissance maximale.

La valeur de l'entrée CE(j) exprime la direction de déplacement de ce point.

Figure 3.12. Schéma de l'algorithme classique MPPT floue.

3.5 Conclusion
La logique floue s’est imposé dans divers domaine notamment celui de l’électronique,
du contrôle et de l’automatisation, en effet elle permet la modélisation et le traitement
rigoureux d’informations imprécises, incertaines et subjectives, et donc une théorie tout à fait
adaptée au problème de l’optimisation que nous sommes en train de traiter ici. Dans ce
chapitre nous nous somme intéressé aux concepts de la commande en logique flou à fin de
comprendre et concevoir un contrôleur MPPT flou dans le chapitre suivant.

56
 Chapitre 4 Modélisation et Simulation

4.1 Introduction
Le sujet de la commande "MPPT" dans le domaine du solaire photovoltaïque est en
général abordé en deux volets différents : le premier concerne l'algorithme de poursuite du
point de puissance maximale, dont le choix va se répercuter sur la précision et la vitesse de
suivi, ainsi que les oscillations autour de la puissance de crête. Et le second se réfère au
convertisseur DC/DC, qui permet l'obtention d'un module d'interface adapté pour fonctionner
en tant qu'une partie de puissance du contrôleur MPPT considéré.

Ce chapitre est consacré à une étude comparative permettant d’évaluer le

comportement de la puissance d’un système photovoltaïque composée d’un panneau solaire,
un étage d’adaptation, et une commande MPPT. Cette comparaison sera effectuer entre trois
algorithme de cette commande qui sert à la recherche du point de puissance maximale dans
un système photovoltaïque, ces trois algorithmes sont :

L’algorithme P&O, Hill Climbing, et la logique floue, qui ont était théoriquement défini
dans les chapitres précédents.

L’objet de notre travail est la simulation d’une installation photovoltaïque dans

l’environnement Matlab/Simulink. On va s’intéresser au comportement de la puissance
délivré par ce système solaire et à l’efficacité de l’étage d’adaptation avec les différentes
approches qui seront utilisé. Des résultats de simulation de cette opération d’optimisation
seront présentés et analysé à la fin de ce chapitre.

57
4.2 Module solaire PV
Dans le domaine de l’énergie solaire photovoltaïque en dénombre plusieurs types de
panneaux, parmi eux nous avons choisis celui de KYOCERA KD210GH-2PU, nous avons effectué
notre étude aux termes de l’irradiation et de la température convenu aux conditions
international ; ces conditions sont mentionné avec les caractéristiques du panneau dans le
(tableau 4.1.). Ces données sont utilisées pour mesurer les caractéristiques des panneaux
photovoltaïques.

KYOCERA KD210GH-2PU

Puissance Maximale (PMAX) 210W (+5%/-5%)

Tension Maximale (VMPP) 26.6V

Courant Maximale (IMPP) 7.90A

Tension de circuit ouvert (VOC) 33.2V

Courant de circuit ouvert (ISC) 8.58A

Nombre de cellule 54 Cellules

Voltage Maximum du système 600V

Coefficient de température de (VOC) -1.2V/°C

Coefficient de température de (ISC) 5.02x10-3A/°C

Irradiation 1000W/m2

Température de la cellule 25°C

Tableau 4.1. Caractéristiques électrique du panneau KYOCERA KD210GH.

Pour modéliser notre module PV sur Matlab, nous avons connecté 54 cellules PV
obtenues depuis la bibliothèque Simscape en série comme il est représenté dans la figure 4.1.

58
 Figure 4.1. Circuit equivalent du module PV KD210GH-2PU.

Cette connexion de cellules a étais regrouper dans un seul bloc qui représente le module
PV. Les caractérisiques du panneau ont était bien introduites dans le systemes et ils ont était
spécifier dans le bloc paramètre comme il est illustres dans la figure 4.2.

Figure 4.2. Bloc des caractéristiques du module PV KD210GH-2PU.

59
4.3 Connexion directe « GPV-Charge »
La connexion directe du panneau photovoltaïque à une charge est le principe de
fonctionnement le plus simple, le moins cher et le plus répondu, voir (Figure 4.3). ce choix est
principalement lié à la simplicité de l’opération et le très haut degré de fiabilité, dû
fondamentalement à l’absence d’éléctronique, et du faible coût [53].

Figure 4.3. Système solaire simple.

Cette connexion se plaignent de plusieurs inconvénient, le plus dominant entre eux est
l’influence directe de la valeur de la charge sur la puissance fournie par le générateur. En fait,
la puissance fournit par le module photovoltaïque dépend du point de fonctionnement du
système, ce point là, résulte de l’intersection entre la caractéristique IPV(VPV) du (GPV) et celle
de la charge. Et donc, la puissance transmise directement à la charge DC, n’est toujours pas
affectée à la puissance maximale PMAX (PPM = point de puissance maximale) que peut fournir
le panneau solaire sous certaines conditions. La figure 4.4 montre ce cas particulier.

60
 Figure 4.4. Les caractéristiques du PV connecté directement à une charge.

Quand on à simuler notre système solaire sous différents intensités d’irradiations, nous
avons remarqué que la puissance du GPV ne stabilise pas dans une seule valeur quel que soit
l’intensité de cette irradiations. La puissance du GPV atteint sa valeur maximale 210W dans
un seul point « PPM » quand G=1000W/m2, puis elle écroule fortement jusqu’à qu’elle
s’annule. Nous remarquons aussi que tous les PPMs atteints sous les différentes valeurs de
l’irradiation, ont la même valeur de tension Vpv.

L’inconvénient majeur de cette connexion et que la puissance transmise directement à

la charge DC, n’est toujours pas effectuée à la puissance maximale PPM que peut fournir le
panneau PV sous certaines conditions, donc elle n’est pas suffisante.

4.4 Connection Indirect « GPV-Convertisseur-Charge »

Nous avons déjà vu que pour une charge DC donnée, les variations des conditions
climatiques extérieures sur le module PV provoque une variation du point de fonctionnement
du système ce qui conduira à une réduction importante de la puissance électrique délivrée à
la charge et donc à une diminution du rendement global du système.

Pour limité cette diminution nous avons ajouté un étage d’adaptation entre le panneau PV et
la charge, ce dernier et un convertisseur DC/DC que l’on a choisi de type élévateur « Boost »
commandé par un algorithme de poursuite du PPM. Dans la figure 4.5, le rôle du convertisseur

61
DC/DC est d’ajuster les niveaux du courant et de Tension d’entrée (Ipv, Vpv) selon les consignes
du signal externe de commande.

Figure 4.5. GPV avec un convertisseur DC/DC et une charge.

Le convertisseur DC/DC qu’on a choisi est composé d’une bobine, une diode, un
condensateur, et un switch qui est commandé par un signal externe. La modélisation de notre
convertisseur boost, est représentée dans la figure 4.6.

Figure 4.6. Modélisation d’un convertisseur DC/DC dans Matlab/Simulink.

Après la simulation du ce système solaire que nous avons lui ajouté un hacheur boost,
nous avons obtenus le résultat illustré dans la figure 4.7.

62
 Figure 4.7. Les caractéristiques du PV connecté à un convertisseur DC/DC et une charge.

Selon les caractéristiques du panneau solaire photovoltaïque KYOCERA KD210GH qu’on

a précédemment cité, nous avons calculé les composants du convertisseur DC/DC boost
comme il est présenté par la suite.

4.4.1 Calcul des composants

a La charge DC

Dans le but de maintenir la tension de sortie Vout dans un état constant, la charge
DC (la résistance RL) qu'on a l'intention de connecter à la sortie du convertisseur doit être
capable de consommer toute la puissance générée par le panneau photovoltaïque. Ceci est
équivalent à dire que sa valeur (en Ohms) doit impérativement satisfaire l'inégalité suivante :

(Vout )2
> Pmax (4.1)
RL

Ce qui est équivalent à :

(Vout )2
RL < (4.2)
Pmax

Avec Pmax : Puissance maximale que peut fournir le panneau photovoltaïque utilisé ≈ 210 W.

63
 A travers cette dernière équation, on voit bien que pour déterminer RL il faut tout
d'abord fixer Vout, Pmax étant une entité entièrement connu dans notre application. Mais selon
l'équation (2.16), Vout dépend directement de la valeur du rapport cyclique du signal de
commande et de Vin. Or dans les applications photovoltaïques, Vin varie énormément en
fonction des conditions de quelques paramètres climatiques qui entourent l'installation, ce
qui implique une variation correspondante du rapport cyclique D pour que la commande
MPPT arrive à poursuivre les points de puissance maximales qui en résultent. D'ici, il apparait
nécessaire de faire une analyse préliminaire des caractéristiques des connections électriques
(GPV-Convertisseur-Charge) avant d'arriver à cerner sa plage de variation des variations
possibles du rapport cyclique "D" et d'n déduire par la fin les valeurs admissibles de R L.

ΔVin= 1% x Vin_max= 0.332 V, (Ondulation sur la tension d'entrée).

Vout = [0, Vout_max] (4.3)

D = [Dmin, Dmax] = [0, 0.4] (4.4)

D’après l'équation (2.16), la variation de la tension de sortie est :

V
in_min 0
Voutmin = 1−D = 1−0 = 0V (4.5)
min

V
in_max 26.6
Vout_max = 1−D = 1−0.4 = 44.33V (4.6)
max

Vout= [Vout_min, Vout_max] ≈ [0, 44.33V] (4.7)

(44.33)2
RL < ⇒ R L <9.35 Ohm (4.8)
210

Dimensionnement de l'inductance :

Vpv .D
L ≥ Lmin = (4.9)
∆IL .fs

1
33.2×
3
L ≥ Lmin = 0.5×40×103 =0.5 mH (4.10)

64
 b Calcul de la valeur Cout du condensateur
D.Iout
cout ≥ ∆V (4.11)
out .fs

D.(1−D)Iin
cout ≥ (4.12)
∆Vout .fs

D.(1−D)Ipv_max
cout ≥ (4.13)
∆Vout .fs

D'après les données numériques du problème, nous avons :

D = 0.4 ,Ipv_max = 8.58 A et ∆Vout = 2Vce (4.14)

0.4×(1−0.4)×8.58
Ce qui donne : cout ≥ 2×40×103

cout ≥ 23.74 μF

4.5 Poursuite du PPM

Dans le but d’extraire en chaque instant le maximum de puissance disponible aux bornes
de notre GPV donné, nous avons introduit au système précédant une commande MPPT
comme il est illustré dans la figure 4.8.

Figure 4.8. Modélisation du GPV avec une commande MPPT et un convertisseur DC/DC.

65
 Nous avons vu lors du chapitre 2, le principe de fonctionnement d’une commande
MPPT, et comme nous l’avons déjà mentionné, nous allons dans notre travail faire une
comparaison entre trois approches.

4.5.1 Simulation du système solaire avec l’algorithme P&O

La première approche qu’on va étudier, est l’approche Perturber et Observer
« P&O », montré dans la figure 4.9.

Figure 4.9. Modélisation de l’algorithme P&O dans Matlab/Simulink.

Le résultat qu’on a obtenu dans la simulation du système solaire, avec la commande

P&O incluse, est représenté dans la figure 4.10.

Figure 4.10. Puissance Ppv(T) atteinte avec la commande P&O.

66
 Nous avons testé la commande P&O pour différents régimes de fonctionnement pour
une température de T=25°C et trois niveaux de l’irradiation. Dans cette figure 4.10, on
constate que la valeur de la puissance mente en escalier, en accord avec les variations de
l’irradiation solaire jusqu’à ce qu’elle atteigne la valeur maximale souhaité (Ppv=102.2W,
Ppv=159.1W puis Ppv=209W) avec un temps de réponse de t=0.015s et un dépassement de
l’ordre de 123.5W, et 166.7W respectivement.

Sachant que le rendement exige : des pertes de conduction négligeables, de faibles

pertes de commutation, une basse puissance de contrôle ainsi qu'une faible perte au niveau
des composants passifs utilisés, nous proposons d’utiliser des méthodes plus performantes.

4.5.2 Simulation de l’algorithme Hill Climbing

La deuxième approche que nous allons étudier, est l’approche Hill Climbing, dont sa
modélisation est illustré dans la figure suivante.

Figure 4.11. Modélisation de l’algorithme Hill Climbing.

Le résultat qu’on a obtenu dans la simulation du système solaire, avec la commande

Hill Climbing, est représenté dans la figure 4.12.

67
 Figure 4.12. Puissance Ppv(T) obtenu avec l’algorithme Hill Climbing.

Cette figure montre, que la poursuite du PPM a était effectuer sous des conditions
atmosphérique constantes G=1000W/m2 et T=25°C, après l’ajout de la commande Hill
Climbing, la puissance délivré par le panneau PV a était optimisé, et elle a pu se stabilisé après
avoir atteint la valeur maximale Ppv=210W souhaité, avec un temps de réponse minimal qui
égale à 0.07s.

4.5.3 Simulation de l’algorithme HC basée sur la Logique Floue

Afin d’améliorer les performances de l’algorithme précèdent, nous avons associé la

logique floue à l’algorithme Hill Climbing.

Nous avons remplacé la dernière commande MPPT qui était basée sur l’algorithme
Hill Climbing classique, par un nouveau bloc Fuzzy, comme il est représenté dans la figure4.13.

68
 Figure 4.13. Modélisation du Fuzzy “Hill Climbing” dans Matlab/Simulink.

 Conception du régulateur Floue

Pour la conception de l’algorithme Hill Climbing basée sur la logique Flou, nous avons
ajouté la boîte à outils « Fuzzy Logic Controller » de Matlab. Cette boîte ajoute les composants
nécessaires dans Simulink.

 Le système avec contrôleur flou devrait être le suivant :

Figure 4.14. Modélisation de l’algorithme Hill Climbing basée sur la logique Floue.

69
 Tous d’abord nous avons tapé « Fuzzy » à la ligne de commandes de Matlab, pour faire
appel au bloc « Fuzzy Logic Designer », afin de créer la fuzzification des entrées ΔP et ΔI et
celle de la sortie « ΔD » de l’algorithme adopté.

Les figures figure4.15, figure4.16 et figure4.17 donnent la répartition des fonctions

d’appartenances utilisées.

Figure 4.15. Bloc « FUZZY Logic Designer ».

Pour introduire le premier signal ΔP, nous avons introduit le nom, l’intervalle et les
types des trois variables linguistique « Negative, Zero et Positive » du signal dans le bloc
« Membership Function Editor », comme il est représenté si dessous.

Les trois signaux d’entrées, en était introduite de la même façon.

Figure 4.16. Établissement du signal d’entrée ΔP.

70
 Figure 4.17. Signal d’entrée ΔI. Figure 4.18. Signal d’entrée ΔD.

Le fonctionnement du Fuzzy dépond des règles introduites dans le bloc « Rules

Editor », comme illustré dans la figure 4.19.

Figure 4.19. Bloc « Rule Editor ».

L'algorithme de règles floues est un ensemble de 16 règles de commande ; ces règles sont
basées sur la réglementation de l'algorithme Hill-Climbing, et elles sont représentées dans le
tableau 4.2.

71
 ΔP
PB PS NB NS
ΔI
PB PB PS NB NS
PS PB PS NB NS
NB NB NS PB PS
NS NB NS PB PS

Tableau 4.2. L’algorithme de règles floues.

En fin nous avons sauvegardé notre Fuzzy Logic Designer dans l’espace de travail, pour
effectuer la simulation du système solaire avec la nouvelle commande MPPT.

Le résultat qu’on a obtenu dans la simulation du système solaire, avec les commandes
Hill Climbing basée sur la logique floue et P&O, est représenté dans la figure 4.13.

Figure 4.20. Puissances obtenu par l’algorithme P&O et L’algorithme Hill Climbing basée sur la
logique Floue avec [600W/m2 - 1000W/m2].

Les courbes de la figure 4.20 donnes le résultat de la poursuite de cette puissance par
les deux contrôleurs séparément. En examinant de près ces courbes, Il apparait clair que le
suiveur à base du contrôleur flou, donne une puissance qui mente en escalier, en accord avec
les variations de l’irradiation solaire jusqu’à ce qu’elle atteigne la valeur maximale souhaité
(Ppv=145.1W, Ppv=177.6W puis Ppv=210W) avec un temps de réponse de t=0.014s.

Nous constatons une nette amélioration de la puissance maximale, toute en évitant

les dépassements.
72
4.6 Conclusion
Au cours de notre travail, fait sur le principe de la poursuite du PPM, nous avons analysé
dans l’environnement MATLAB/SIMULINK le fonctionnement électrique d’un système PV,
adapté par un convertisseur DC-DC de type hacheur boost, et régulé par une commande
MPPT.

Ce dernier chapitre a était consacré pour l’étude comparative entre trois algorithmes de
commande MPPT, incluse dans un système PV fonctionnent sous une température standard
de 25°C et une intensité de l’irradiation solaire variable.

Les résultats obtenus montrent que : Pendant une durée inférieure et en variant d’une
manière automatique le rapport cyclique du signal qui commande l’interrupteur du
convertisseur le système converge vers les conditions optimales indépendamment de
l’intensité changeante de l’irradiation solaire. Ces résultats, montrent que l’utilisation de la
commande MPPT permet d’améliorer d’une manière considérable le rendement des
installations photovoltaïques, de même que les résultats obtenus lors de l’application du
régulateur flou de Mamdani ont montré un comportement satisfaisant et un très bon temps
de réponse du système ainsi que des performances élevées. Toutefois, il y a un inconvénient
qui réside dans le temps de calcul qui est relativement grand lors d’une implémentation
pratique.

73
 Conclusion générale

Le travail qu’on a présenté dans ce mémoire, porte sur l’analyse d’une modélisation et
simulation du fonctionnement électrique d’un système photovoltaïque, ce système présente
une caractéristique de puissance en fonction de tension non linéaire, et cela présente un
problème pour l’exploitation de la puissance maximal de l’installation.

Cette étude a comme objectif la recherche des solutions optimisées pour réaliser une
adaptation entre le GPV et la charge. Pour ce faire, nous avons introduit un convertisseur
DC/DC de type boost, et un contrôleur numérique « commande MPPT », pour assurer la
poursuite de la puissance maximal fourni par le module PV.

Nous avons commencé à introduire des notions théoriques sur les cellules solaires et la
construction d’un module photovoltaïque ainsi que ces avantages spécifiques. Nous avons
rappelé le principe de deux algorithmes MPPT, les plus populaires « P&O et Hill Climbing », en
analysant aussi le convertisseur DC/DC qui sert à l’adaptation entre le GPV et la charge, et on
s’est rendu compte aux notions de la logique Floue dans le chapitre trois.

Dans le dernier chapitre, nous avons réalisé nos simulations dans l’environnement
Matlab/Simulink, tous d’abord nous avons commencé par la modélisation du panneau PV
Kyocera KD210GH-2PU, que l’on a choisi pour notre travail, on a effectué une connexion direct
du PS à la charge, et une connexion indirecte contenant un convertisseur DC/DC de type boost
entre le GPV et la charge, pour remédier les fluctuations du PPM dû a la variations de
l’irradiations solaire.

Après l’adaptattion entre le PS et la charge, une comparaison était faite entre les trois
téchniques « P&O, Hill Climbing et Hill Climbing basée sur la logique Flou » dans des conditions
quasiment similaires, pour vérifie l’efficacité et les performances de chaque algorithme entre
eux.

74
 Après l’implémentation de l’étage d’adaptation avec la commande MPPT, nous pouvons
conclure que :

 L’utilisation d’un convertisseur de type Boost manipulé avec une commande MPPT
donne une grande efficacité.

 La commande floue avéré être très performante lors de changement des conditions
climatiques.

 Les résultats, montrent aussi que l’utilisation de la commande MPPT floue permet
d’améliorer d’une manière considérable le rendement des installations
photovoltaïques, et que cette méthode s’avère être très performante lors de
changement des conditions climatiques.

75
 Bibliographie

[1] Boudghene Stambouli, a., ‘Promotion of renewable energies in Algeria: Strategies and
perspectives’, Renewable and Sustainable Energy Reviews, V. 15, (2011), 1169 -1181.

[2] L’Actual, No. 81, Les Nouvelles Revues Algérienne, Juillet 2007, www.actual-dz.com.

[3] Ministère de l’énergie et des mines, http:// www.mem-algeria.org/francais/ index. PHP ?

Page=énergies-nouvelles-renouvelables-et-maitrise-de-lnergie.

[4] F. Lasnier, T.G. Ang, ‘Photovoltaic Engineering Handbook’, IOP Publishing Ltd. 1980. ISBN
0-85274-311-4.

[5]Antonio Luque and Steven Hegedus, ‘Handbook of Photovoltaic science and Engineering ‘,
John Wiley & Sons Ltd, 2OO3.

[6] F. Lasnier, T. G. Ang, ‘Photovoltaic Engineering Handbook’, IOP Publishing Ltd. 1980.ISBN
0-85274-311-4.

[7] S. Ghabrour ’modélisation et simulation d’un système de pompage alimenté par un

générateur photovoltaïque dans l’environnement MATLAB/SIMULINK ‘, Thèse de magister
université de Batna année 2001/2002

[8] Maouedj Rachid, ‘Application de l’énergie photovoltaïque au pompage hydraulique sur

les sites de Tlemcen et de Bouzareah’, Mémoire De Magister soutenue en 2005

[9]Photovoltaïque Electricité solaire, document délivré par l’association suisse des

professionnels de l’énergie solaire.

[10] : Guide encyclopédie, CD.

[11] S. M. Ait-Cheikh, «Etude, Investigation et conception d’algorithmes de commande

appliqués aux systèmes photovoltaïques», Thèse de Doctorat d’état, Ecole Nationale
Polytechnique, Alger, Algérie, 2007.

76
[12] M. Adouane, «Etude et conception d’une stratégie de commande d’un onduleur
connecté au réseau électrique», Mémoire de magistère, Ecole Nationale Polytechnique,
Alger, Algérie, 2008.

[13] Ludovic Protin, Stéphan Astier ; « Convertisseurs photovoltaïques », Techniques de

l’Ingénieur -D3 360-.

[14] M. PETIBON Stéphane « Nouvelles architectures distribuées de gestion et de conversion

de l’énergie pour les applications photovoltaïques » Thèse de doctorat de l’université de
Toulouse 2009

[15]Laura Baxerres, Aurélie Michallet, Céline Ramet, Rapport_PIP_Microtransat_Energie_I,

"Partie électronique et énergétique", 2005-2006

[16] Mohamed Lakhdar Louzane « Contribution à l’optimisation des systèmes

photovoltaïques utilisés pour l’irrigation dans les zones sahariennes- Application zone de
Ouargla » Thèse de doctorat en sciences.

[17] M. BOUDJEMA, N. BELHAOUAS : ‘Commande d’une pour suit e du point de puissance

maximum (MPPT) par les Réseaux de Neurones et implémentation sur FPGA et DSP’, Projet
de Fin d’ Etudes pour l’obtention du diplôme d’Ingénieur d’Etat en Electronique, Ecole
Nationale Polytechnique, Algérie, Promotion Juin 2007.

[18] M. ISSAADI SALIM : ‘Commande d’une Poursuite du Point de Puissance Maximum

(MPPT) par les Réseaux de Neurones’, Diplôme Magister d’état en électronique ENP, Ecole
Nationale Polytechnique, Algérie, promotion 2006.

[19] C. CEDRIC : ‘Optimisation énergétique de l’étage d’adaptation électronique dédié à la

conversion photovoltaïque’, Thèse de Doctorat de l’université de Toulouse, Décembre 2008.

[20] M.I. Hocein, S.A.Khan, M. Shafiullah, M.J.Hossein: ‘Design and Implementation of MPPT
Controlled Grid Connected Photovoltaic System’, IEEE, 2011.

[21] M. BOUKLI-HACENE Omar : ‘Conception et Réalisation d’un Générateur Photovoltaïque

Muni d’un convertisseur MPPT pour une Meilleure Gestion Energétique’, Thèse de magister,
Université ABOUBAKR BELKAID- TLEMCEN, année 2010/2011.

77
[22] Mlle K. Ayache : ‘Modélisation et Simulation d’un Générateur Photovoltaïque Couplé à
un Réseau Électrique’, Mémoire de Magister en Commande des Machines Électriques,
Université Mohamed Chérif Messaâdia de Souk-Ahras, septembre 2014.

[23] A. P. Hohm, M. E. Ropp: ‘Comparative study of Maximum Power Point Tracking

algorithms’, Progress in Photovoltaic, Vol 11, pp. 47-62, January 2003.

[24] M. Amarouayache : ‘Contribution à l’optimisation d’une chaine de conversion d’énergie

photovoltaïque’, Thèse pour l’obtention du diplôme de Doctorat en Sciences en
Electrotechnique, Universite Constantine 1, Mars 2014.

[25] N. Femia, G. Petrone, G. Spagnuolo, M. Vitelli: ‘Optimization of Perturb and Observe

Maximum Power Point Tracking Method’, IEEE Transactions on Power Electronics, Vol.20,
No. 4, pp. 16-19, Mars 2004.

[26] D. Sera, T. Kerekes, R. Teodorescu, F. Blaadjerg: “Improved MPPT Algorithms for rapidly
Changing Environmental Conditions’, Power Electronics and Motion Control Conference,
2006, EPE-PEMC 2006. 12th International, pp. 1614-1619, Août 2006.

[27] W. J. A. Teulings, J. C. Marpinard, A. Capel et D. O’Sullivan: ‘A new maximum power

point tracking system’, IEEE Power Electronics Specialists Conference 1993, PESC’93, pp. 833-
838, Juin 1993.

[28] W. Xiao, W. G. Dunford: ‘Evaluating maximum power point tracking performance by

using artificial lights’, Industrial Electronics Society, IEEE IECON’04, Vol. 3, pp. 2883-2887,
November 2004.

[29] S. Lahlah : ‘Etude comparative des techniques MPPT Perturbation and Observation
(P&O), Incremental Conductance (Inc.CoN) et Hill Climbing (H.C)’, MEMOIRE Pour l’obtention
du diplôme de Magister en Electrotechnique, Université de Batna, Promotion 2007.

[30] S. Issaadi : ‘ commande d’une poursuite du point de puissance maximum (MPPT) par les
réseaux de neurones‘, Mémoire de Magister, Ecole Nationale Polytechnique, 2006.

[31] MESSAI Adnane : ‘Contribution à l’amélioration des performances de la commande

mppt d’un système photovoltaïque en utilisant les techniques de l’intelligence artificielle
programmables’, Thèse de doctorat en Electronique, Université de Blida, Novembre 2012.

78
[32] Badia AMROUCHE :’ CONTRIBUTION AU DEVELOPPEMENT D’UNE NOUVELLE METHODE
MPPT BASEE SUR LES CONCEPTS DE L’INTELLIGENCE ARTIFICIELLE POUR LES SYSTEMES
PHOTOVOLTAIQUES’, THESE DE DOCTORAT Spécialité, Communication. Blida, mars 2013.

[33] J.David Irwin, MUHAMMAD H.RASHID:’ Power electronics Handbook ‘University of West
Florida Joint Program and Computer Engineering Copyright, 2001 by ACADEMIC PRESS.

[34] L.Baghli, ‘Contribution à la commande de la machine asynchrone, utilisation de la

logique floue, des réseaux de neurones et des algorithmes génétiques’, Thèse de Doctorat,
Faculté des sciences, Nancy 1990.

[35] A. Kaufmann, ‘Introduction à la logique floue’, Technique de l’ingénieur, traité Mesures

et Contrôle R.7 032, 1992.

[36] L.Zahen, L.Xu, ‘on-Line Fuzzy Tunning of indirect field-oriented induction machine drive’,
IEEE. Trans. On. Power. Electr, Vol. 13, N°. 1, pp-134-141, January 1998.

[37] M. Blanchard, ‘Algèbre de Boole’, Technique de l’ingénieur, traité Mesures et Contrôle

R.7 050, 1992.

[38] D.Driankov, H.Hellendoorn ET M.Reinfranf, ‘An introduction to fuzzy control’, Spinger

1996.

[39] B.Hu, K.I.Mann, R.G.Gosine, ‘New Methodology for analytical and optimal design of
fuzzy PID control’, IEEE Trans On fuzzy Sys, Vol.7, N°.5, PP.521-539, Oct. 1999.

[40] C.C. Lee, ‘Fuzzy logic control system: Fuzzy logic controller, Part I’, IEEE Trans. Syst. Man
and cybernetics, Vol.20, PP.404-418, Mar/Apr. 1990.

[41] R.R.Yager, D.P.Filev, ‘Essentials of fuzzy modeling and control’, John wiley & Sons. 1994.

[42] B.B. Meunier, ‘La Logique floue et ces applications’, Edition Addison-Wesley, 1995.

[43] H. Buhler, ‘Réglage par logique floue’ presse polytechnique, romandes 1995.

[44] B.K.Bose, ‘Power electronics and variable frequency drives’, IEEE press, 1997.

79
[45] R.BRADAI, ‘Commande vectorielle de la machine asynchrone associée aux onduleurs
multiniveaux Utilisation des régulateurs NEURO-FLOUS’, Mémoire présenté pour l’obtention
du titre de Magister en Génie Electrique, Université M’hamed Bouguerra Boumérdes, 2001.

[46] C.C.Lee, ‘Fuzzy logic control system: Fuzzy Logic controller, Part II’, IEEE Trans.

[47] F.L. Lewis, K. Liu, ‘Toward a parading for fuzzy logic control’, Automatica, Vol. 32, N°2,
PP.167-181, 1996.

[48] Mr F.HARROUCHE, ‘Application de logique floue aux machines tournantes’, Mémoire

pour l’obtention du diplôme de Magister, Universite Ferhat Abbas-SETIF UFAS (ALGERIE).

[49] G. Balasubramanian, S. Singaravelu, ‘Fuzzy logic controller for the maximum power
point tracking in photovoltaic system’, Department of Electrical Engineering Annamalai
University Annamalainagar-608 002, INDIA, International Journal of Computer Applications
(0975 – 8887) Volume 41– No.12, March 2012.

[50] M. AZZOUZI, ‘Comparaison between MPPT P&O and MPPT Fuzzy Controls in Optimizing
the Photovoltaic Generator’, Faculty of Sciences and Technology Ziane Achour University of
Djelfa, Algeria, International Journal of Advanced Computer Science and Applications, Vol. 3,
No. 12, 2012.

[51] H. Abouobaida, M. Cherkaoui, M. Ouassaid , “Robust Maximum Power Point Tracking

for Fast Changing Environmental Conditions”, International Review on Modeling and
Simulations, 2011, Vol. 4 n. 1, p. 391-396

[52] H. Abouobaida, M. Cherkaoui, “Backstepping controller in close cooperation with MPPT

algorithm for PV system”, Journal of Electrical Engineering, 2012, Vol 12, - Edition 3

[53] Dhople, S.V. Davoudi, A. Nilles, G. Chapman, P.L. «Maximum power point tracking
feasibility in photovoltaic energy-conversion systems», IEEE Applied Power Electronics
Conference and Exposition (APEC), 2010, pp. 102-108.

[53] Mr F.HARROUCHE, ‘Application de logique floue aux machines tournantes’, Mémoire

pour l’obtention du diplôme de Magister, Universite Ferhat Abbas-SETIF UFAS (ALGERIE).

80