See discussions, stats, and author profiles for this publication at: [Link]

net/publication/272668603

Contribution à l’Etude et à la Commande Robuste d’un Aérogénérateur

Asynchrone à Double Alimentation

Thesis · October 2014

CITATIONS READS

11 1,245

1 author:

Youcef Bekakra
El-Oued University
34 PUBLICATIONS   319 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Call for Papers: 1st IEEE International Conference on Communications, Control Systems and Signal Processing CCSSP 2020 View project

All content following this page was uploaded by Youcef Bekakra on 28 December 2019.

The user has requested enhancement of the downloaded file.

 ‫اﻟﺠﻤﮭﻮرﯾﺔ اﻟﺠﺰاﺋﺮﯾﺔ اﻟﺪﯾﻤﻘﺮاطﯿﺔ اﻟﺸﻌﺒﯿﺔ‬
République Algérienne Démocratique et Populaire
‫وزارة اﻟﺘﻌﻠﯿﻢ اﻟﻌﺎﻟﻲ و اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Mohamed Khider – Biskra ‫ﺟﺎﻣﻌﺔ ﻣﺤﻤﺪ ﺧﯿﻀﺮ ﺑﺴﻜﺮة‬

Faculté des Sciences et de la Technologie ‫ﻛﻠﯿﺔ اﻟﻌﻠﻮم و اﻟﺘﻜﻨﻮﻟﻮﺟﯿﺎ‬
Département : Génie Electrique ‫ اﻟﮭﻨﺪﺳﺔ اﻟﻜﮭﺮﺑﺎﺋﯿﺔ‬:‫ﻗﺴﻢ‬
Réf :……………… ………..:‫اﻟﻤﺮﺟﻊ‬

Thèse présentée en vue de l’obtention

Du diplôme de
Doctorat en sciences

Option : Réseaux Electriques

Contribution à l’Etude et à la Commande Robuste

d’un Aérogénérateur Asynchrone à Double
Alimentation

Présentée par :
Youcef BEKAKRA

Soutenue publiquement le 21/10/2014

Devant le jury composé de :

Dr. Srairi Kamel Professeur Président Université de Biskra
Dr. Ben attous Djilani Professeur Directeur de Thèse Université d’El-Oued
Dr. Abdessemed Rachid Professeur Examinateur Université de Batna
Dr. Bahi Tahar Professeur Examinateur Université de Annaba
Dr. Bensalem Ahmed Professeur Examinateur Université de Batna
Dr. Ben Chouia Med Toufik Professeur Examinateur Université de Biskra
 ‫ﺑﺴﻢ اﷲ اﻟﺮﺣﻤﻦ اﻟﺮﺣﻴﻢ‬

‫۞ ﻭَﻣِﻦْ ﺁﻳَﺎﺗِﻪِ ﺃَﻥْ ﻳُﺮْﺳِﻞَ ﺍﻟﺮﱢﻳَﺎﺡَ ﻣُﺒَﺸﱢﺮَﺍﺕٍ ﻭَﻟِﻴُﺬِﻳﻘَﻜُﻢْ ﻣِﻦْ ﺭَﺣْﻤَﺘِﻪِ‬

‫ﻭَﻟِﺘَﺠْﺮِﻱَ ﺍﻟْﻔُﻠْﻚُ ﺑِﺄَﻣْﺮِﻩِ ﻭَﻟِﺘَﺒْﺘَﻐُﻮﺍ ﻣِﻦْ ﻓَﻀْﻠِﻪِ ﻭَﻟَﻌَﻠﱠﻜُﻢْ ﺗَﺸْﻜُﺮُﻭﻥَ ۞‬

‫ﺳورة اﻟروم اﻵﯾﺔ ‪46‬‬

 ‫إھــــــــــــــــــﺪاء‬

‫واﻟﺻﻼة واﻟﺳﻼم ﻋﻠﻰ رﺳول ﷲ وﻋﻠﻰ آﻟﮫ‬ ‫اﻟﺣﻣد‬

‫وﺻﺣﺑﮫ وﻣن واﻻه‪.‬‬
‫اﻟذي ھداﻧﺎ ﻟﮭذا وﻣﺎ ﻛﻧﺎ ﻟﻧﮭﺗدي ﻟوﻻ أن ھداﻧﺎ ﷲ‪.‬‬ ‫اﻟﺣﻣد‬
‫اﻟذي ﺑﻧﻌﻣﺗﮫ ﺗﺗم اﻟﺻﺎﻟﺣﺎت‪.‬‬ ‫اﻟﺣﻣد‬
‫ﻟك اﻟﺣﻣد رﺑﻲ ﻋﻠﻰ ﻋظﯾم ﻓﺿﻠك وﻛﺛﯾر ﻋطﺎﺋك‪.‬‬
‫إﻟـــــﻰ واﻟﺪي اﻟﻌﺰﯾﺰﯾﻦ أﺑﻲ وأﻣﻲ ﺣﻔﻈﮭﻤﺎ ﷲ‪...‬‬
‫إﻟـــــﻰ إﺧﻮﺗﻲ وأﺧﻮاﺗﻲ وﻋﻤﻲ وﻋﻤﺎﺗﻲ اﻷﻋﺰاء‪...‬‬
‫إﻟـــــﻰ أﺳـــــــــﺎﺗﺬﺗﻲ اﻟﻤﺤﺘﺮﻣﯿﻦ وأﺧﺺ ﺑﺎﻟﺬﻛﺮ‬
‫ﻣﺆطﺮي اﻷﺳﺘﺎذ اﻟﺪﻛﺘﻮر اﻟﺠﯿﻼﻧﻲ ﺑﻦ ﻋﺘﻮس‪...‬‬
‫إﻟـــــﻰ أﺻــــــــﺪﻗﺎﺋﻲ اﻷﻋﺰاء‪...‬‬
‫إﻟـــــﻰ أﺑـــــــﻨﺎء اﻷﻣﺔ اﻹﺳﻼﻣﯿﺔ ﻋﺎﻣﺔ‪...‬‬
‫أھﺪي ﺛﻤﺮة ھﺬا اﻟﻌﻤﻞ اﻟﻤﺘﻮاﺿﻊ‪ ,‬راﺟﯿﺎ ﻣﻦ ﷲ ﻋﺰ‬
‫وﺟﻞ أن ﯾﺠﻌﻠﮭﺎ ﺛﻤﺮة طﯿﺒﺔ ﯾﺴﺘﻨﻔﻊ ﺑﮭﺎ طﻠﺒﺔ اﻟﻌﻠﻢ‪.‬‬
 Remerciements

Tout d’abord, je remercie dieu -ALLAH- de tout puissant de m’avoir donné le courage et

la patience durant toutes ces années d’études.

Je tiens à exprimer toute ma gratitude et mes sincères remerciements à Monsieur

Djilani BEN ATTOUS, professeur à l’université d’El-Oued, pour avoir dirigé ce travail,

pour ses grandes compétences scientifiques ainsi que pour ses conseils, ses

remarques toujours constructives.

Mes sincères remerciements aux messieurs les membres du jury pour l’honneur qu’ils

me font en participant au jugement de ce travail.

Je tiens particulièrement à remercier Monsieur SRAIRI Kamel, professeur à l’université

de Biskra, qui m’a fait l’honneur de présider le jury de thèse.

Je suis très reconnaissant aux membres du jury: Monsieur Abdessemed Rachid

professeur à l’université de Batna, Monsieur Bahi Tahar professeur à l’université de

Annaba, Monsieur Bensalem Ahmed professeur à l’université de Batna et Monsieur

BEN CHOUIA Mohammed Toufik professeur à l’université de Biskra, qui m’ont fait

l’honneur d'accepter d'examiner et d’évaluer ce travail.

Je tiens à remercier vivement toutes personnes qui m’ont aidé de prés ou de loin à

élaborer et réaliser cette thèse.

Bekakra Youcef
 Avant-propos

Avant-propos

Les travaux de recherches consignés par la présente thèse ont été concrétisés par plusieurs
publications et communication, nationales et internationales dont :

Publications Internationales :

1. Youcef Bekakra, Djilani Ben attous, “Modeling and Simulation of Speed of a Doubly
Fed Induction Motor with Different Regulators,” International Review of Modelling and
Simulations (IREMOS), Vol. 3 No. 2, pp. 158-167, 2010.
2. Djilani Ben attous, Youcef Bekakra, “Speed Control of a Doubly Fed Induction Motor
using Fuzzy Logic Techniques,” International Journal on Electrical Engineering and
Informatics (IJEEI), Vol. 2, No. 3, pp. 179-191, 2010.
3. Youcef Bekakra, Djilani Ben attous, “Speed and Flux Control for DFOC of Doubly Fed
Induction Machine using Sliding Mode Controller,” Acta Electrotechnica et Informatica,
Vol. 10, No. 4, pp. 75-81, 2010.
4. Youcef Bekakra, Djilani Ben attous, “Sliding Mode Controls of Active and Reactive
Power of a DFIG with MPPT for Variable Speed Wind Energy Conversion,” Australian
Journal of Basic and Applied Sciences, Vol. 5, No. 12, pp. 2274-2286, 2011.
5. Djillani Ben attous, Youcef Bekakra, “Comparison Study between Fuzzy Logic and
Traditional IP Controllers Applied in Speed Control of a DFIM,” Journal of Electrical
and Control Engineering (JECE), Vol. 1, No 1, pp. 29-38, 2011.
6. Youcef Bekakra, Djilani Ben attous, “Comparison Study between SVM and PWM
Inverter in Sliding Mode Control of Active and Reactive Power Control of a DFIG for
Variable Speed Wind Energy,” International Journal of Renewable Energy Research,
Vol. 2, No. 3, pp. 471-476, 2012.
7. Youcef Bekakra, Djilani Ben attous, “Comparison between Fuzzy Sliding Mode and
Traditional IP Controllers in a Speed Control of a Doubly Fed Induction Motor,” ECTI
Transactions on Electrical Eng., Electronics, and Communications, Vol. 10, No. 2, pp.
181-189, August 2012.
8. Youcef Bekakra, Djilani Ben attous, “Direct Control of Doubly Fed Induction Generator
Fed by PWM Converter with a Variable Structure Control based on a Sliding Mode
Control”, International Journal of System Assurance Engineering and Management,
Springer, Volume 5, Issue 3, pp. 213-218, September 2014.

i
 Avant-propos
9. Youcef Bekakra, Djilani Ben attous, “Optimal Tuning of PI Controller using PSO
Optimization for Indirect Power Control for DFIG based Wind Turbine with MPPT,”
International Journal of System Assurance Engineering and Management, Springer,
Volume 5, Issue 3, pp. 219-229, September 2014.
10. Youcef Bekakra, Djilani Ben attous, “DFIG Sliding Mode Control Driven by Wind
Turbine with Using a SVM Inverter for Improve the Quality of Energy Injected into the
Electrical Grid,” ECTI Transactions on Electrical Eng., Electronics, and
Communications, Vol. 11, No. 1, pp. 63-75, February 2013.
11. Youcef Bekakra, Djilani Ben attous, “DFIG Sliding Mode Control Fed by Back-to-Back
PWM Converter with DC-Link Voltage Control for Variable Speed Wind Turbine,”
Frontiers in Energy, Volume 8, Issue 3, pp. 345-354, September 2014.
12. Youcef Bekakra, Djilani Ben attous, “Comparison Study Between Sliding Mode and
Traditional PI Controllers of Active and Reactive Power Control of a DFIG Driven By
Wind Turbine,” The Mediterranean Journal of Measurement and Control, Vol. 9, No. 4,
pp. 138-144, 2013.

Revues Nationales:

1. Youcef Bekakra, Djilani Ben attous, “Fuzzy Sliding Mode Controller for Doubly Fed
Induction Motor Speed Control,” Revue des Sciences Fondamentales et Appliquées
(RSFA), Vol. 2, No. 2, pp. 67-83, 2010.

Conférences Nationales et Internationales :

1. Youcef Bekakra, Djilani Ben attous, “Tuning of PI Controller using Particle Swarm
Optimization for DFIG Control of Variable Speed Wind Power System,” In Proceedings
of 2nd International Conference on Information Processing and Electrical Engineering
(ICIPEE’12), April 14-16, 2012, University of Tebessa, Algeria, pp. 136-141, 2012.
2. Youcef Bekakra, Djilani Ben attous, “Modeling and Simulation of a DFIG Power and
DC-link Voltage Control for Variable Speed Wind Energy using Sliding Mode Control,”
2èmes Journées Internationales sur les Énergies Renouvelables et le Développement
Durable, Laghouat, les 03 et 04 Juin 2012.

ii
‫ﻣﻠــــــﺨﺺ‬

Résumé

Abstract
 ‫ﻣﻠﺨﺺ – ‪Abstract – Résumé‬‬

‫” اﻟﻣﺳﺎھﻣﺔ ﻓﻲ اﻟدراﺳﺔ و اﻟﺗﺣﻛم اﻟﻣﺗﯾن ﻟﻠﻣوﻟد اﻟﮭواﺋﻲ‬

‫اﻟﺗﻐذﯾﺔ “‬ ‫اﻟﻼ ﺗزاﻣﻧﻲ ﻣزدوج‬

‫ﻣﻠﺧص‪:‬‬
‫ﺗﺣت إطﺎر اﻟﺑﺣث اﻟﻣﺗزاﯾد ﻋن ﻣﺻﺎدر ﺟدﯾدة ﻹﻧﺗﺎج اﻟطﺎﻗﺔ اﻟﻛﮭرﺑﺎﺋﯾﺔ واﻟﺗﻲ ﻣن ﺑﯾﻧﮭﺎ اﻟطﺎﻗﺎت‬
‫اﻟﻣﺗﺟددة ﺗﻘدم ھذه اﻷطروﺣﺔ ﻣﺳﺎھﻣﺔ ﻓﻲ اﻟدراﺳﺔ واﻟﺗﺣﻛم اﻟﻣﺗﯾن ﻟﻠﻣوﻟد اﻟﮭواﺋﻲ اﻟﻼ ﺗزاﻣﻧﻲ‬
‫ﻣزدوج اﻟﺗﻐذﯾﺔ ﺑﻐرض اﺳﺗﻐﻼل ﺳرﻋﺔ اﻟرﯾﺎح ﻓﻲ إﻧﺗﺎج طﺎﻗﺔ ﻧظﯾﻔﺔ ﺑدون ﺗﻠوث‪.‬‬
‫ﻓﻲ ﺑﺎدئ اﻷﻣر ﻗﻣﻧﺎ ﺑﺎﺳﺗﻌراض اﻟﻧﻣﺎذج اﻟرﯾﺎﺿﯾﺔ ﻟﻛل ﻋﻧﺎﺻر اﻟﻣوﻟد اﻟﮭواﺋﻲ )اﻟﻌﻧﻔﺔ اﻟﮭواﺋﯾﺔ‬
‫وﺗﺣﻛﻣﮭﺎ ‪ + MPPT‬اﻟﻣوﻟد اﻟﻼ ﺗزاﻣﻧﻲ ﻣزدوج اﻟﺗﻐذﯾﺔ وﺗﺣﻛﻣﮫ اﻟﺷﻌﺎﻋﻲ(‪.‬‬
‫وﻣن أﺟل ﻋﻧﺎﺻر ﻣﺛﻠﻰ ﻟﻠﻣﺗﺣﻛﻣﺎت اﻟﺗﻧﺎﺳﺑﯾﺔ اﻟﺗﻛﺎﻣﻠﯾﺔ ‪ PI‬وذﻟك ﻣن أﺟل اﻟﺣﺻول ﻋﻠﻰ‬
‫ﺧﺻﺎﺋص ﺟﯾدة‪ ,‬ﻗﻣﻧﺎ ﺑﺎﻟﺑﺣث ﻋﻠﻰ ﻣﻌﺎﻣﻼت ﻟﻠﻣﺗﺣﻛﻣﺎت ﻣن ﻧوع ‪ PI‬ﻻﺳﺗﻌﻣﺎﻟﮭﺎ ﻓﻲ اﻟﺗﺣﻛم‬
‫اﻟﺷﻌﺎﻋﻲ ﻟﻠﻣوﻟد اﻟﻼ ﺗزاﻣﻧﻲ ﻣزدوج اﻟﺗﻐذﯾﺔ دون اﻟرﺟوع ﻟﻠطرق اﻟﺗﺣﻠﯾﻠﯾﺔ اﻟﺗﻘﻠﯾدﯾﺔ ﻟﺣﺳﺎب ھذه‬
‫اﻟﻣﻌﺎﻣﻼت‪ .‬ﻣن أﺟل ذﻟك ﻗﻣﻧﺎ ﺑﺗطوﯾر ﺧوارزﻣﯾﺔ ﺑﺎﻻﺳﺗﻌﺎﻧﺔ ﺑطرﯾﻘﺔ ﺳرب اﻟﺟزﯾﺋﺎت )‪(PSO‬‬
‫وذﻟك ﺑﺗﻌﯾﯾن داﻟﺔ اﻟﮭدف ﺑﺣﯾث ﻧﺑﺣث ﻋﻠﻰ إﻧﻘﺎص ﻗﯾﻣﺔ اﻟﺧطﺄ ﻟﻠﻧظﺎم اﻟﻣﺗﺣﻛم ﻓﯾﮫ ﺑﯾن إﺷﺎرة‬
‫اﻟﻣدﺧل وإﺷﺎرة اﻟﻣﺧرج‪.‬‬
‫إن ﻗﻮاﻧﯿﻦ اﻟﺘﺤﻜﻢ اﻟﺘﻘﻠﯿﺪي ﻣﻦ ﻧﻮع ‪ PI‬اﻟﻤﻄﺒﻘﺔ ﻋﻠﻰ اﻟﻤﻮﻟﺪ اﻟﻼ ﺗﺰاﻣﻨﻲ ﻣﺰدوج اﻟﺘﻐﺬﯾﺔ ﺗﺆدي إﻟﻰ‬
‫ﻧﺘﺎﺋﺞ ﺟﯿﺪة ﻓﻲ ﺣﺎﻟﺔ اﻷﻧﻈﻤﺔ اﻟﺨﻄﯿﺔ ذات ﻋﻨﺎﺻﺮ ﺛﺎﺑﺘﺔ‪ .‬ﻟﻜﻦ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻸﻧﻈﻤﺔ اﻟﻐﯿﺮ ﺧﻄﯿﺔ واﻟﺘﻲ‬
‫ﺗﻤﺘﻠﻚ ﻋﻨﺎﺻﺮ ﻏﯿﺮ ﺛﺎﺑﺘﺔ‪ ,‬ھﺬه اﻟﻘﻮاﻧﯿﻦ ﺗﻜﻮن ﻏﯿﺮ ﻛﺎﻓﯿﺔ ﻷﻧﮭﺎ ﻏﯿﺮ ﻣﺘﯿﻨﺔ‪ .‬ﻷﺟﻞ ذﻟﻚ ﻻﺑﺪ ﻟﻨﺎ ﻣﻦ‬
‫اﻟﺒﺤﺚ ﻋﻠﻰ ﻗﻮاﻧﯿﻦ ﺗﺤﻜﻢ ﻏﯿﺮ ﺣﺴﺎﺳﺔ ﻟﻼﺿﻄﺮاﺑﺎت وﻟﻠﺤﺎﻟﺔ اﻟﻐﯿﺮ ﺧﻄﯿﺔ‪ .‬إن اﻟﺘﺤﻜﻢ ﻋﻦ طﺮﯾﻖ‬
‫اﻟﻨﻤﻂ اﻹﻧﺰﻻﻗﻲ وﺑﻄﺒﯿﻌﺘﮫ اﻟﻐﯿﺮ ﺧﻄﯿﺔ ﯾﻤﺜﻞ اﻟﺤﻞ اﻷﻧﺴﺐ ﻟﮭﺬه اﻟﻤﻌﻀﻠﺔ اﻟﻤﺮﺗﺒﻄﺔ ﺑﺎﻟﺘﺤﻜﻢ‬
‫اﻟﺘﻘﻠﯿﺪي‪.‬‬

‫‪A‬‬
 Abstract – Résumé – ‫ﻣﻠﺨﺺ‬

‫ﻓﻲ آﺧر ھذه اﻷطروﺣﺔ ﻗﻣﻧﺎ ﺑﺗطﺑﯾق اﻟﺗﺣﻛم ﻋن طرﯾق اﻟﻧﻣط اﻹﻧزﻻﻗﻲ ﺑﻐرض ﻣراﻗﺑﺔ‬
‫ ﻟﺗﺣﺳﯾن ﺟودة اﻟطﺎﻗﺔ‬SVM ‫اﻻﺳﺗطﺎﻋﺔ اﻟﻔﻌﺎﻟﺔ واﻟردﯾﺔ ﻣﻊ اﺳﺗﻌﻣﺎﻟﻧﺎ ﻟﻣﻣوج ﻣﺣﻛوم ﺑﺗﻘﻧﯾﺔ‬
‫اﻟﻣﻧﺗﺟﺔ ﻟﺣﻘﻧﮭﺎ ﻓﻲ اﻟﺷﺑﻛﺔ اﻟﻛﮭرﺑﺎﺋﯾﺔ ﺑﺣﯾث أن اﻟﻣﺣﺎﻛﺎة ﻗد ﺗم إﻧﺟﺎزھﺎ ﺗﺣت ﺑﯾﺋﺔ‬
‫ ﺗﻌﺗﺑر ﻧﺗﺎﺋﺞ اﻟﻣﺣﺎﻛﺎة اﻟﻣﺗﺣﺻل ﻋﻠﯾﮭﺎ ﻣن ﺗطﺑﯾق اﻟﺗﺣﻛم ﻋن طرﯾق‬.Matlab/Simulink
.‫اﻟﻧﻣط اﻹﻧزﻻﻗﻲ ﻋﻠﻰ اﻟﻣوﻟد اﻟﮭواﺋﻲ اﻟﻼﺗزاﻣﻧﻲ ﻣزدوج اﻟﺗﻐذﯾﺔ ﺟد ﻣرﺿﯾﺔ‬

:‫ﻛﻠﻣﺎت ﻣﻔﺗﺎﺣﯾﺔ‬

‫ اﻟﺘﺤﻜﻢ اﻟﺷﻌﺎﻋﻲ ﻋن طرﯾق ﺗوﺟﯾﮫ‬, MPPT ,‫ اﻵﻟﺔ اﻟﻼ ﺗزاﻣﻧﯾﺔ ﻣزدوﺟﺔ اﻟﺗﻐذﯾﺔ‬,‫طﺎﻗﺔ اﻟﺮﯾﺎح‬
.‫ اﻟﺗﺣﻛم ﻋن طرﯾق اﻟﻧﻣط اﻹﻧزﻻﻗﻲ‬,‫ طرﯾﻘﺔ ﺳرب اﻟﺟزﯾﺋﺎت‬, PI ‫ اﻟﻣﺗﺣﻛﻣﺎت اﻟﺗﻘﻠﯾدﯾﺔ‬,‫اﻟﺗدﻓق‬

“Contribution à l’Etude et à la Commande Robuste d’un

Aérogénérateur Asynchrone à Double Alimentation”

Résumé :
Dans le cadre de la recherche croissante à des nouvelles sources de production d’énergie
électrique parmi elles les énergies renouvelables, cette thèse présente une contribution à l’étude
et à la commande robuste de l’aérogénérateur asynchrone à double alimentation à pour objectif
d’exploiter de l’énergie du vent pour produire d’une énergie propre sans pollution.
Tout d’abord, nous avons exposé les modèles mathématiques de chaque élément de
l’aérogénérateur (la turbine éolienne et sa commande MPPT + le générateur et sa commande
vectorielle).
Pour optimisé les gains des régulateurs classiques PI pour obtenir des bonnes performances, nous
cherchons à déterminer les coefficients des régulateurs PI utilisés pour la commande vectorielle
du générateur asynchrone à double alimentation sans le recours aux méthodes analytiques
classiques pour le calcul des ces derniers. Pour ceux-ci nous essayons de développer un
algorithme par la méthode d’essaim de particules (PSO) tout en visualisant la fonction objectif

B
 Abstract – Résumé – ‫ﻣﻠﺨﺺ‬

(fitness) dont on cherche à minimiser l’erreur dans un système asservi entre le signal d’entrée et
le signal de sortie.
Les lois de commande classique du type PI appliquées au générateur asynchrone à double
alimentation donnent des bons résultats dans le cas des systèmes linéaires à paramètres
constants. Pour des systèmes non linéaires où ayant des paramètres non constants, ces lois de
commande classique peuvent être insuffisantes car elles sont non robustes. Pour cela on doit faire
appel à des lois de commande insensibles aux perturbations et aux cas non linéaires.
La commande par mode glissant est par sa nature une commande non linéaire constituent une
bonne solution à ces problèmes liés à la commande classique.
Dans la dernière partie de cette thèse, nous avons appliqué la commande par mode glissant pour
contrôler la puissance active et réactive avec l’utilisation d’un onduleur commandé par la
technique SVM pour améliorer la qualité d’énergie électrique pour injecter cet énergie au réseau
électrique où la simulation a été effectué sous l’environnement Matlab/Simulink. Les résultats de
simulation obtenus par l’application de la commande par mode glissant à l’aérogénérateur
asynchrone à double alimentation sont considérablement acceptables.
Mots clés :
Energie Eolienne, Machine Asynchrone à Double Alimentation, MPPT, Commande Vectorielle
par Orientation du Flux, Régulateurs Classiques PI, Optimisation par Essaim de particules
(PSO), Commande à structure variable (mode glissant).

“Contribution to the Study and the Robust Control of a

Doubly Fed Induction Aerogenerator”

Abstract:
In the framework of increasing research to new sources of production of electrical energy among
them renewable energies, this thesis presents a contribution to the study and the robust control of
doubly fed induction aerogenerator for objective to exploit the wind energy to produce a clean
energy without pollution.
Firstly, we are exposed the mathematical models of each element of the aerogenerator (the wind
turbine and its control MPPT + the doubly fed induction generator and its vector control).

C
 Abstract – Résumé – ‫ﻣﻠﺨﺺ‬

For optimized the gains of traditional regulators PI to obtain good performances, we search to
determine the coefficients of regulators PI used for the vector control of the doubly fed induction
generator without the recourse to the traditional analytical methods for calculation as of the
latter. For those we try to develop an algorithm by the method of particle swarm (PSO) while
visualizing the objective function (fitness) which we search to minimize the error in a system
control between the input signal and the output signal.
The laws of traditional control of kind PI applied to the doubly fed induction generator give good
results in the case of the linear systems has constant parameters. For nonlinear systems where
having inconstant parameters, these laws of traditional control can be insufficient because they
are not robust. For this we must call has laws of control insensitive to the perturbations and the
nonlinear cases. The sliding mode control with its nonlinear nature constitutes a good solution
with these problems involved in the traditional control.
In the last part of this thesis, we are applied the sliding mode control to control active and
reactive power with the use of an inverter controlled by SVM technique to improve the quality of
electric energy for injected this energy in the electric network where the simulation has been
effected under Matlab/Simulink environment. The obtained simulation results by the application
of sliding mode control to the doubly fed induction aerogenerator are considerably acceptable.
Key words:
Wind power, Doubly Fed Induction Machine, MPPT, Vector Control by Field Orientation,
Traditional Controllers PI, Particle Swarm Optimization (PSO), Variable Structure Control
(Sliding Mode).

D
Table des Matières
 Table des Matières

Table des Matières

Introduction Générale ................................................................................................................. 1

Chapitre I :

Etat de l’Art de l’Aérogénérateur

I.1 Introduction ........................................................................................................................... 4

I.2 L’Aérogénérateur .................................................................................................................. 4
I.2.1 Le Vent .......................................................................................................................... 5
I.3 Types d’Eoliennes ................................................................................................................. 6
I.3.1 Eoliennes à Axe Vertical ................................................................................................ 6
I.3.2 Eoliennes à Axe Horizontal ............................................................................................ 8
I.4 Régulation de la Puissance Mécanique d’une Eolienne .......................................................... 8
I.5 Evaluation de l’Energie Eolienne en Algérie ......................................................................... 9
I.6 Principaux Composants d’une Eolienne à Axe Horizontal ................................................... 10
I.7 Etat de l’Art sur la Conversion Electromécanique................................................................ 11
I.7.1 Les Eoliennes à Vitesse Fixe......................................................................................... 13
I.7.2 Les Eoliennes à Vitesse Variable .................................................................................. 13
I.8 Eolienne à Vitesse Variable à base de la Machine Asynchrone à Double Alimentation
(MADA)................................................................................................................................... 15
I.8.1 Description du Fonctionnement de la MADA ............................................................... 16
I.8.1.1 Structure de la Machine ......................................................................................... 16
I.8.1.2 Modes de Fonctionnement de la MADA ................................................................ 16
I.[Link] Fonctionnement en Mode Moteur Hypo-Synchrone ........................................ 17
I.[Link] Fonctionnement en Mode Moteur Hyper-Synchrone ....................................... 17
I.[Link] Fonctionnement en Mode Générateur Hypo-Synchrone ................................... 18
I.[Link] Fonctionnement en Mode Générateur Hyper-Synchrone .................................. 18
I.9 Configurations de l’Association MADA/Convertisseur de Puissance ................................... 19
I.9.1 Fonctionnement en Moteur avec un Seul Convertisseur ................................................ 20
I.9.2 Fonctionnement en Moteur avec Deux Convertisseurs .................................................. 21

a
 Table des Matières

I.9.3 Fonctionnement en Générateur ..................................................................................... 23

I.10 Avantages et Inconvénients de la MADA .......................................................................... 24
I.10.1 Avantages de la MADA .............................................................................................. 24
I.10.2 Inconvénients de la MADA ........................................................................................ 25
I.11 Dispositif de Fonctionnement ............................................................................................ 25
I.11.1 Outils de Travail ......................................................................................................... 25
I.12 Conclusion : ...................................................................................................................... 26

Chapitre II :

Modélisation et Commande du Système de Conversion

Eolienne basé sur une MADA
II.1 Introduction ....................................................................................................................... 28
II.2 Modélisation Globale de la Chaîne de Conversion de l’Eolienne basée sur une MADA...... 28
II.2.1 Modélisation de la Turbine Eolienne ........................................................................... 29
II.2.1.1 Modélisation de la Turbine ................................................................................... 29
II.2.1.2 Modélisation du Multiplicateur ............................................................................. 31
II.2.1.3 Modélisation de l’Arbre Mécanique ...................................................................... 31
II.2.2 Stratégie de Commande de la Turbine Eolienne ........................................................... 32
II.2.2.1 Caractéristique Puissance -Vitesse d’Eoliennes de Grande Puissance .................... 32
II.2.3 Modélisation de la Machine Asynchrone à Double Alimentation (MADA).................. 34
II.2.3.1 Hypothèses et Conventions ................................................................................... 35
II.2.3.2 Equations de la MADA......................................................................................... 35
II.[Link] Equations Electriques..................................................................................... 35
II.[Link] Equations Magnétiques .................................................................................. 36
II.[Link] Application de la Transformation de Park à la MADA ................................... 37
II.2.2.3 Choix du Référentiel ............................................................................................. 38
II.[Link] Référentiel Lié au Stator ................................................................................ 39
II.[Link] Référentiel Lié au Rotor ................................................................................. 39
II.[Link] Référentiel Lié au Champ Tournant ............................................................... 39
II.3 Commande du Système Global .......................................................................................... 42
II.3.1 Commande de la Turbine avec la Stratégie MPPT (Maximum Power Point Tracking) . 43

b
 Table des Matières

II.3.2 Stratégie de la Commande Vectorielle du Générateur Asynchrone à Double

Alimentation (GADA) pour le Contrôle Indépendant des Puissances Active et Réactive ....... 45
II.3.2.1 Commande Directe des Puissances Active et Réactive .......................................... 48
II.[Link] Dimensionnement du Régulateur PI ............................................................... 49
II.3.2.2 Commande Indirecte des Puissances Active et Réactive........................................ 51
II.[Link] Commande Indirecte sans Boucles des Puissances ......................................... 51
II.[Link].1 Découplage par Compensation ................................................................ 51
II.[Link].2 Dimensionnement du Régulateur PI ........................................................ 53
II.[Link] Commande Indirecte avec Boucles des Puissances ......................................... 55
II.3.3 Modélisation et Commande de l’Onduleur à MLI ........................................................ 56
II.3.3.1 Commande par Modulation Sinus-Triangle ........................................................... 58
II.4 Résultats de Simulation ...................................................................................................... 60
II.4.1 Résultats de Simulation des Commandes Directe et Indirecte du GADA ..................... 61
II.4.1.1 Résultats de Simulation de la Commande Directe ................................................. 61
II.4.1.2 Résultats de Simulation de la Commande Indirecte ............................................... 62
II.[Link] Commande Indirecte sans Boucles des Puissances ......................................... 62
II.[Link] Commande Indirecte avec Boucles des Puissances ......................................... 63
II.4.2 Résultats de Simulation de la Commande Indirecte sans Boucles des Puissances à
Vitesse Variable ................................................................................................................... 65
II.4.2.1 Profil du Vent en Echelons ................................................................................... 65
II.4.2.2 Profil du Vent Aléatoire ........................................................................................ 68
II.5 Conclusion ......................................................................................................................... 70

Chapitre III :

Optimisation des Gains de PI par la Technique PSO

III.1 Introduction ...................................................................................................................... 72

III.2 Définitions de Base ........................................................................................................... 72
III.2.1 Définition de l’Optimisation....................................................................................... 73
III.2.2 Fonction Objectif ....................................................................................................... 73
III.3 Optimisation par Essaim de Particules (PSO) .................................................................... 73
III.3.1 Origines ..................................................................................................................... 73
III.3.2 Principe de la Technique PSO .................................................................................... 73

c
 Table des Matières

III.3.3 Principe de l’Algorithme PSO .................................................................................... 76

III.3.3.1 Formulation Mathématique de l’Algorithme PSO ................................................ 77
III.3.4 Exemple d’Application .............................................................................................. 80
III.4 Optimisation du Régulateur PI en Utilisant la Méthode PSO pour la Commande du GADA
................................................................................................................................................. 84
III.4.1 Indices de Performance d’un Régulateur PI ................................................................ 84
III.5 Résultats de Simulation..................................................................................................... 88
III.6 Conclusion........................................................................................................................ 94

Chapitre IV :

Commande Robuste du GADA par Mode Glissant

IV.1 Introduction ...................................................................................................................... 96

IV.2 Généralités sur la Théorie du Contrôle par Mode Glissant ................................................ 96
IV.2.1 Structure par Commutation au Niveau de l’Organe de Commande ............................. 97
IV.2.2 Structure par Commutation au Niveau d’une Contre Réaction d’Etat ......................... 97
IV.2.3 Structure par Commutation au Niveau de l’Organe de Commande, avec Ajout de la
Commande Equivalente ........................................................................................................ 98
IV.3 Principe de la Commande par Mode Glissant .................................................................... 99
IV.4 Conception de l’Algorithme de Commande par Mode Glissant ....................................... 100
IV.4.1 Choix de la Surface de Glissement ........................................................................... 100
IV.4.2 Conditions d’Existence et de Convergence du Régime Glissant ............................... 101
IV.4.2.1 La Fonction Discrète de Commutation .............................................................. 101
IV.4.2.2 La Fonction de Lyapunov.................................................................................. 101
IV.4.3 Détermination de la Loi de Commande .................................................................... 101
IV.5 Application de la Commande par Mode Glissant au Contrôle de la Puissance Active et
Réactive du GADA................................................................................................................. 105
IV.5.1 Commande Directe par Mode Glissant du GADA .................................................... 105
IV.5.1.1 Surface de Régulation de la Puissance Active Statorique Ps ............................. 105

IV.5.1.2 Surface de Régulation de la Puissance Réactive Statorique Q s ......................... 106

IV.5.2 Commande Indirecte par Mode Glissant du GADA.................................................. 109
IV.5.2.1 Surface de Régulation du Courant Rotorique Quadrature i rq ............................ 109

d
 Table des Matières

IV.5.2.2 Surface de Régulation du Courant Rotorique Directe i rd .................................. 110

IV.6 Onduleur à MLI Vectorielle (SVM) ................................................................................ 112

IV.6.1 Principe de la SVM .................................................................................................. 113
IV.6.2 Les Etapes de la Réalisation des Blocs de SVM ....................................................... 113
IV.6.3 La Présentation des Blocs sous Simulink de la SVM ................................................ 113
IV.6.3.1 Bloc Simulink de la SVM.................................................................................. 113
IV.6.3.2 Détermination des V  , V  ............................................................................. 114

IV.6.3.3 Méthode de Détermination des Secteurs ............................................................ 114

IV.6.3.4 Calcul des Variable X, Y et Z ........................................................................... 115
IV.6.3.5 Calcul de t1 et t2 ................................................................................................ 116
IV.6.3.6 Détermination de taon, tbon et tcon ........................................................................ 116
IV.6.3.7 Détermination de Ta, Tb et Tc ............................................................................ 116
IV.7 Modélisation et Stratégie de Commande de la Cascade Onduleur - Bus Continu -
Redresseur .............................................................................................................................. 117
IV.7.1 Convertisseur Coté Stator (CCS) avec Régulation de la Tension de Bus Continu ..... 118
IV.7.2 Commande du Convertisseur Coté Rotor (CCR) ...................................................... 122
IV.8 Résultats de Simulation .................................................................................................. 123
IV.8.1. Résultats de Simulation à Vitesse Constante ........................................................... 123
IV.8.1.1 Commande Directe par SMC............................................................................. 123
IV.8.1.2 Commande Indirecte par SMC .......................................................................... 124
IV.8.2 Résultats de Simulation à Vitesse Variable avec une Comparaison entre la MLI et la
SVM ................................................................................................................................... 125
IV.8.2.1 Profil du Vent en Echelons ................................................................................ 126
IV.8.2.2 Profil du Vent Aléatoire avec Régulation de la Tension du Bus Continu............ 130
IV.8.2.3 Tests de Robustesse........................................................................................... 136
IV.[Link] Robustesse vis-à-vis la Variation de la Résistance Rotorique ...................... 136
IV.[Link] Robustesse vis-à-vis la Variation de l’Inductance Rotorique ....................... 136
IV.9 Conclusion ..................................................................................................................... 137

Chapitre V:

Conclusion Générale et Perspectives

e
 Table des Matières

V.1 Conclusion Générale ........................................................................................................ 138

V.2 Perspectives ..................................................................................................................... 139

Annexe ................................................................................................................................... 140

Références .............................................................................................................................. 144

f
 Table des Figures

Table des Figures

Figure I.1 Conversion de l’énergie cinétique du vent…………………………………………..…5

Figure I.2 Correspondance taille-puissance des éoliennes………………………………………..5
Figure I.3 La naissance du vent…..……………………………………………………………….6
Figure I.4 Principe du rotor de Savonius et de l’incidence variable (éolienne à axe vertical)..…..7
Figure I.5 Aérogénérateur à axe horizontal…………………………………………………...…..8
Figure I.6 Diagramme de la puissance utile sur l’arbre en fonction de la vitesse du
vent………………………………………………………………………………………………...9
Figure I.7 Atlas de la vitesse moyenne du vent (en m/s) de l’Algérie estimée à 10 m du
sol………………………………………………………………………………………………...10
Figure I.8 Les composantes d’une éolienne Nordex N60 (1300 kW)… ……………………...…11
Figure I.9 Evolution de la configuration électrique……………………………………………...12
Figure I.10 Eolienne à vitesse fixe basé sur la machine asynchrone à cage…………………..…13
Figure I.11 Eolienne à vitesse variable basé sur la machine asynchrone à
cage……………………………………………………………………………………………....14
Figure I.12 Puissance théorique disponible pour un type d’éolienne donnée…………………...14
Figure I.13 Eolienne à vitesse variable basée sur une MADA…………………………………..15
Figure I.14 Structure du stator et des contacts rotoriques de la MADA………………………....16
Figure I.15 Fonctionnement en mode moteur hypo-synchrone….……………………………....17
Figure I.16 Fonctionnement en mode moteur hyper-synchrone………………………………....18
Figure I.17 Fonctionnement en mode générateur hypo-synchrone….…………………………..18
Figure I.18 Fonctionnement en mode générateur hyper-synchrone……………………………..19
Figure I.19 Schéma d’un système utilisant une MADA en moteur alimenté par un seul
convertisseur………………………………………………………………………….………….20
Figure I.20 Schéma d’un système utilisant une MADA en moteur alimenté par deux
convertisseurs….…………………………………………………………………………………22
Figure I.21 Schéma d’un système utilisant une MADA en générateur alimenté par un seul
convertisseur…….……………………………………………………………………………….23
Figure II.1 La chaîne de conversion éolienne globale basée sur une MADA….………………..28
Figure II.2 Schéma de la turbine éolienne……………………………………………………….29

I
 Table des Figures

Figure II.3 Coefficient de puissance C p en fonction du ratio de vitesse  et de l’angle de

l’orientation de pale  ……………………………………………………………………….….30

Figure II.4 Schéma bloc du modèle de la turbine éolienne……………………………………...32
Figure II.5 Modèle de la turbine éolienne sous Matlab/Simulink……………………………….32
Figure II.6 Caractéristique Puissance-Vitesse typique d’une éolienne de grande puissance..…..33
Figure II.7 Représentation de l’enroulement triphasé de la MADA……………………………..34
Figure II.8 Modèle de la machine après transformation de Park….……………………………..38
Figure II.9 Choix du référentiel……………………………………………………………….....39
Figure II.10 Schéma bloc du GADA sous Matlab/Simulink…………………………………….41
Figure II.11 Le schéma bloc interne (Subsystem) du GADA sous Matlab/Simulink…………....42
Figure II.12 Structure du système global………………………………………………………...43
Figure II.13 Schéma bloc de la stratégie MPPT sans mesure de la vitesse du vent……………..44
Figure II.14 Schéma bloc de la stratégie MPPT sans mesure de la vitesse du vent
sous Matlab/Simulink….………………………………………………………………………...45
Figure II.15 Orientation du repère de Park……………………………………………………....45
Figure II.16 Schéma bloc du modèle simplifié de la MADA……………………………………47
Figure II.17 Schéma bloc de la commande directe de la puissance active et réactive du
GADA…………………………………………………………………………………………....49
Figure II.18 Schéma bloc de la commande directe du GADA sous Matlab/Simulink…………..49
Figure II.19 Schéma de régulation des puissances Ps et Qs……………………………………...50
Figure II.20 Schéma bloc de la commande indirecte sans boucles des puissances du GADA….52
Figure II.21 Schéma bloc de la commande indirecte sans boucles des puissances du GADA sous
Matlab/Simulink….……………………………………………………………………………...53
Figure II.22 Schéma de régulation des courants rd i et rq………………………………………..53
Figure II.23 Schéma bloc de la commande indirecte avec boucles des puissances du
GADA…………………………………………………………………………………………....55
Figure II.24 Schéma bloc de la commande indirecte avec boucles des puissances du GADA sous
Matlab/Simulink….……………………………………………………………………………...56
Figure II.25 Schéma de l’onduleur triphasé à deux niveaux….…………………………………56
Figure II.26 Schéma de principe de la commande MLI…………………………………………60
Figure II.27 Schéma bloc de la commande MLI sous Matlab/Simulink………………………...60
Figure II.28 Puissance active statorique de la commande directe……………………………….61
Figure II.29 Puissance réactive statorique de la commande directe……………………………..61
Figure II.30 Courants statoriques de la commande directe…………………………………...…62

II
 Table des Figures

Figure II.31 Courants rotoriques de la commande directe…………………………………….…62

Figure II.32 Puissance active statorique de la commande indirecte sans boucles des
puissances………………………………………………………………………………………..63
Figure II.33 Puissance réactive statorique de la commande indirecte sans boucles des
puissances………………………………………………………………………………………..63
Figure II.34 Courants statoriques de la commande indirecte sans boucles des puissances……...63
Figure II.35 Courants rotoriques Courants rotoriques de la commande indirecte…………….....63
Figure II.36 Puissance active statorique de la commande indirecte avec boucles des
puissances….…………………………………………………………………………………….64
Figure II.37 Puissance réactive statorique de la commande indirecte avec boucles des
puissances….…………………………………………………………………………………….64
Figure II.38 Courants statoriques de la commande indirecte avec boucles des puissances……..64
Figure II.39 Courants rotoriques de la commande indirecte avec boucles des puissances……...64
Figure II.40 Profil du vent appliqué……………………………………………………………...66
Figure II.41 Vitesse de la turbine selon le MPPT….……………………………………………66
Figure II.42 Variation du coefficient de puissance Cp…………………………………………...66
Figure II.43 Puissance active statorique injectée au réseau……………………………………...67
Figure II.44 Puissance réactive statorique……………………………………………………….67
Figure II.45 Courants rotoriques avec un zoom…………………………………………………67
Figure II.46 Courants statoriques avec un zoom………………………………………………...67
Figure II.47 Profil du vent appliqué……………………………………………………………...68
Figure II.48 Vitesse de la turbine selon le MPPT……………………………………………..…69
Figure II.49 Variation du coefficient de puissance……………………………………………....69
Figure II.50 Puissance active statorique injectée au réseau……………………………………...69
Figure II.51 Puissance réactive statorique…………………………………………………….....69
Figure II.52 Courants rotoriques avec un zoom………………………………………………....69
Figure II.53 Courants statoriques avec un zoom….……………………………………………..70
Figure III.1 Groupe de : oiseaux, poissons………………………………………………………74
Figure III.2 Déplacement d’une particule………………………………………………………..75
Figure III.3 Exemple de voisinage géographique………………………………………………..75
Figure III.4 Deux cas de voisinage social………………………………………………………..76
Figure III.5 Schéma vectorielle du déplacement d’une particule……………………………….78
Figure III.6 Organigramme général de la méthode PSO……………………………………...…80
Figure III.7 Fonction de « Rastrigin » : avec plusieurs optimums locaux, : optimum global au
point f (0,0) = 0………………………………………………………………………………….81
III
 Table des Figures

Figure III.8 Convergence de la fonction objectif « Rastrigin » vers l’optimum global - Test N° 1..
…………………………………………………………………………………………………...82
Figure III.9 Convergence de la fonction objectif « Rastrigin » vers l’optimum global - Test N°
2………………………………………………………………………………………………….83
Figure III.10 Schéma bloc global d’implantation de l’algorithme PSO pour l’ajustement des
gains K p et Ki du régulateur PI dans la commande indirecte du GADA couplé à la turbine
éolienne….……………………………………………………………………………………….86
Figure III.11 Organigramme de l’algorithme PSO pour l’ajustement des gains K p et Ki du
régulateur PI dans le système complet…………………………………………………………...87
Figure III.12 Les variations de la fonction objectif……………………………………………...91
Figure III.13 Les variations des gains optimaux Ki et K p……………………………………….91
Figure III.14 Profil du vent appliqué………………………………………………………….....92
Figure III.15 Vitesse de rotation de la turbine…………………………………………………...92
Figure III.16 Variation de coefficient de puissance C p………………………………………....92
Figure III.17 Puissance active statorique injectée au réseau sans et avec PSO………………….93
Figure III.18 Puissance réactive statorique sans et avec PSO…………………………………...93
Figure III.19 Courants statoriques sans et avec PSO avec un zoom au démarrage…….………..94
Figure III.20 Spectre d’harmonique du courant statorique : cas de PI et PI-PSO……………….94
Figure IV.1 Structure de régulation par commutation au niveau de l’organe de commande……97
Figure IV.2 Structure de régulation par commutation au niveau de la contre-réaction d’état…..98
Figure IV.3 Structure de régulation par ajout de la commande équivalente….…………………98
Figure IV.4 La trajectoire dans le plan de phase….…………………………………...………...99
Figure IV.5 Interprétation de Ueq ……………………………………………………………….102
Figure IV.6 Fonction sgn (Commande de type relais)…… ……………………………………104
Figure IV.7 Fonction de saturation (commande adoucie)…. ………………………………….104
Figure IV.8 Schéma fonctionnel de la commande directe par mode glissant appliquée au
GADA…………………………………………………………………………………………..108
Figure IV.9 Schéma fonctionnel de la commande directe par mode glissant appliquée au GADA
sous l’environnement Matlab/Simulink….……………………………………………………..108
Figure IV.10 Schéma bloc de sous-système “Commande Directe par SMC”…..……………...109
Figure IV.11 Schéma fonctionnel de la commande indirecte par mode glissant appliquée au
GADA….……………………………………………………………………………………….111
Figure IV.12 Schéma fonctionnel de la commande indirecte par mode glissant appliquée au
GADA sous l’environnement Matlab/Simulink………………………………………………..112
Figure IV.13 Schéma bloc de sous-système “Commande Indirecte par SMC”………………..112
IV
 Table des Figures

Figure IV.14 Schéma bloc de la SVM sous l’environnement Matlab/Simulink……………….113

Figure IV.15 Le bloc de la transformation de Clarke…….…………………………………….114
Figure IV.16 Le bloc de détermination du secteur….………………………………………….115
Figure IV.17 Bloc de calcul de X, Y et Z……………………………………………………....115
Figure IV.18 Bloc de détermination de taon, tbon et tcon…………………………………………116
Figure IV.19 Bloc de détermination de Ta, Tb et Tc……………………………………………117
Figure IV.20 Le subsystem out_1…….………………………………………………………...117
Figure IV.21 Principe de la cascade basée sur une machine asynchrone à double Alimentation
d’un système de conversion éolienne….……………………………………………………….118
Figure IV.22 Configurations de convertisseur côté stator……………………………………...119
Figure IV.23 Schéma fonctionnel de la commande du convertisseur côté stator (réseau)……..121
Figure IV.24 Schéma fonctionnel de la commande du convertisseur côté stator sous
Matlab/Simulink…….………………………………………………………………………….121
Figure IV.25 Schéma de la chaîne globale avec la commande par mode glissant appliquée au
GADA alimenté par un convertisseur bidirectionnel…………………………………………..122
Figure IV.26 Puissance active statorique de la commande directe par SMC………………..…124
Figure IV.27 Puissance réactive statorique de la commande directe par SMC………………..124
Figure IV.28 Courants statoriques de la commande directe par SMC………………………....124
Figure IV.29 Courants rotoriques de la commande directe par SMC………………………….124
Figure IV.30 Puissance active statorique de la commande indirecte par SMC……………..….125
Figure IV.31 Puissance réactive statorique de la commande indirecte par SMC……………....125
Figure IV.32 Courants statoriques de la commande indirecte par SMC……………………….125
Figure IV.33 Courants rotoriques de la commande indirecte par SMC………………………..125
Figure IV.34 Schéma bloc de la chaîne globale de la commande indirecte par mode glissant du
GADA avec un convertisseur à SVM…………………………………………………………..126
Figure IV.35 Profil du vent appliqué…………………………………………………………...127
Figure IV.36 Vitesse de la turbine selon la MPPT……………………………………………..127
Figure IV.37 Variation du coefficient de puissance C p………………………………………..127
Figure IV.38 Puissance active statorique injectée au réseau en utilisant : la MLI et la
SVM………………………………………………………………………………………….…128
Figure IV.39 Puissance réactive statorique en utilisant: la MLI et la SVM….………………...128
Figure IV.40 Courants statoriques avec un zoom en utilisant la
MLI…………………………………………………………………….…………………….…128
Figure IV.41 Courants statoriques avec un zoom en utilisant la SVM………………………....129
Figure IV.42 Courants rotoriques avec un zoom en utilisant la MLI….……………………….129
V
 Table des Figures

Figure IV.43 Courants rotoriques avec un zoom en utilisant la SVM….………………………129

Figure IV.44 Spectre d’harmoniques d’une phase du courant statorique en utilisant la MLI et la
SVM………………………………………………………………………………………….....130
Figure IV.45 Spectre d’harmoniques d’une phase du courant rotorique en utilisant la MLI et la
SVM….………………………………………………………………………………………....130
Figure IV.46 Profil du vent appliqué………………………………………………………..….132
Figure IV.47 Vitesse de rotation de la turbine………………………………………………….132
Figure IV.48 Variation du coefficient de puissance C p……………………………………….132
Figure IV.49 Puissance active statorique injectée au réseau en utilisant la MLI et la SVM…...132
Figure IV.50 Puissance réactive statorique en utilisant la MLI et la SVM…….……………....133
Figure IV.51 Courants statoriques avec un zoom en utilisant la MLI………………………….133
Figure IV.52 Courants statoriques avec un zoom en utilisant la SVM…………………………133
Figure IV.53 Courants rotoriques et son zoom en utilisant la MLI…………………………….134
Figure IV.54 (a) Courants rotoriques avec (b) un zoom en utilisant la SVM…………………..134
Figure IV.55 Spectre d’harmoniques d’une phase du courant statorique en utilisant la MLI….134
Figure IV.56 Spectre d’harmoniques d’une phase du courant statorique en utilisant la SVM…135
Figure IV.57 (a) Tension du bus continu, avec (b) un zoom au démarrage……………………135
Figure IV.58 Spectre d’harmoniques de la tension du bus continu…………………………….135
Figure IV.59 Puissance active et réactive statorique avec une variation de la résistance rotorique
de +50% de sa valeur nominale……………………………………………………………...…136
Figure IV.60 Puissance active et réactive statorique avec une variation de l’inductance rotorique
de +50% de sa valeur nominale……………………………………………………………...…137

VI
 Table des Tableaux

Table des Tableaux

Tableau I.1 Comparatif vitesse fixe versus vitesse variable………….………………………….15
Tableau II.1 Echelons des puissances active et réactive appliqués à chaque type de commande
du GADA………………………………………………………………………………………...61
Tableau III.1 Résultats du test N° 1……………………………………………………………...82
Tableau III.2 Résultats du test N° 2…………………………………………………………...…83
Tableau III.3 Paramètres de l’algorithme PSO…………………………………………………..88
Tableau III.4 La vitesse, la position actuelle et la valeur de la fonction objectif de chaque
particule optimale pendant la simulation………………………………………………………...90
Tableau III.5 Valeurs numériques de différents critères de la puissance active statorique des deux
contrôleurs, PI et PI-PSO……………………………………………………………………...…91
Tableau IV.1 Détermination du secteur……………………………………………………..….114
Tableau IV.2 Les temps t1 et t2 en fonction de X, Y et Z……………………………………….116
Tableau IV.3 Assignement de signaux txon au registres Ta, Tb et Tc………………………….....117
Tableau IV.4 Echelons des puissances active et réactive appliqués à chaque type
de commande SMC du GADA…………………………………………………………………123

A
Notations et Symboles
 Notations et Symboles

Notations et Symboles

Notations & Acronymes:

AC Alternative Current

Current_position Position actuelle de la particule

CV Commande Vectorielle

DC Direct Current

DFIG Doubly Fed Induction Generator

DFIM Doubly Fed Induction Machine

FTBF Fonction de Transfert en Boucle Fermée

FTBO Fonction de Transfert en Boucle Ouverte

FOC Filed Oriented Control

GADA Générateur Asynchrone à Double Alimentation

IAE Integration Absolute Error

ISE Integrated of Squared Error

ITAE Integral Time Absolute Error

MADA Machine Asynchrone à Double Alimentation

Matlab Matrix Laboratory

MG Mode Glissant

MLI Modulation de Largeur d’Impulsion

MPPT Maximum Power Point Tracking

PI Proportionnel Intégral

PSO Particle Swarm Optimization

PWM Pulse Width Modulation

SMC Sliding Mode Control

SVM Space Vector Modulation

THD Total Harmonic Distortion

Velocity Vitesse de la particule

I
 Notations et Symboles

Symboles :

Turbine:

 Angle de l’orientation de pale

Cp Coefficient de puissance

C p _ max Coefficient de puissance maximal

C Couple de la turbine
t

C Couple du générateur
g

C em Couple électromagnétique

C em _ ref Couple électromagnétique

Cm Couple mécanique

 Densité d’air

G Gain du multiplicateur

Jt Inertie de la turbine

Jg Inertie du générateur

R Longueur de pales

Paer Puissance aérodynamique

Paer _ ref Puissance aérodynamique de référence

P Puissance du vent
v

 Ratio de vitesse

S Surface circulaire balayée par la turbine

optim Valeur optimale du ratio de vitesse

t Vitesse de rotation de la turbine

 mec Vitesse de rotation du générateur

 Vitesse du vent

II
 Notations et Symboles

 est Vitesse du vent estimée

 mec Vitesse mécanique du GADA

GADA:

s ,  r Angle du stator et du rotor

 Coefficient de dispersion

f Coefficient de frottement
g Coefficient de glissement
p Constante de Laplace

T , T Constante de temps statorique et rotorique

s r

Ce Couple électromagnétique

Cr Couple résistant

i ,i , i ,i Courants statoriques et rotoriques dans le repère (d q)

sd sq rd rq

 , , , Flux statoriques et rotoriques dans le repère (d q)

sd sq rd rq

Ki Gain intégral

Kp Gain proportionnel

M Inductance mutuelle

L , L Inductances propres du stator et du rotor

s r

P Matrice de transformation de Park

J Moment d’inertie

P Nombre de paires de pôle

Pr , Q r Puissance active et réactive rotorique

Ps , Q s Puissance active et réactive statorique

s ,  Pulsation du stator et du rotor

R , R Résistances du stator et du rotor

s r

UC Tension du bus continu

III
 Notations et Symboles

V ,V , V ,V Tensions statoriques et rotoriques dans le repère (d q)

sd sq rd rq

T
i i i  Vecteurs des courants rotoriques dans le repère (a b c)
 ar br cr 
T
i i i  Vecteurs des courants statoriques dans le repère (a b c)
 as bs cs 
T
    Vecteurs des flux rotoriques dans le repère (a b c)
 ar br cr 
T
    Vecteurs des flux statoriques dans le repère (a b c)
 as bs cs 
T
V V V  Vecteurs des tensions rotoriques dans le repère (a b c)
 ar br cr 
T
V V V  Vecteurs des tensions statoriques dans le repère (a b c)
 as bs cs 

 Vitesse mécanique

PSO:

w Coefficient d’inertie

w ,w Coefficient minimum et maximum d’inertie

min max

c ,c Coefficients d’accélération
1 2

G best Meilleure position atteinte par toutes les particules

k , k max Nombre d’itération et nombre maximum des itérations

r , r Nombres aléatoires tirés uniformément dans [0,1]

1 2

t Temps

P i best Vecteur de meilleure position des particules

Xi Vecteur de position des particules

Vi Vecteur de vitesse des particules

Mode Glissant:

 Coefficient positif

IV
 Notations et Symboles

u eq Commande équivalente (linéarisation exacte)

un Commutation de la commande (stabilisante)

 Constante positive

sat Fonction de saturation

sgn Fonction de signe

n Ordre de système

S ,  s (x , t ) Surface de glissement

x Vecteur d’état

xd Vecteur d’état désiré

u Vecteur de commande
e Erreur
T
. Vecteur transposé

Indices :

“*” Valeur de référence

“.” Valeur dérivée

V
Introduction Générale
 Introduction Générale

Introduction Générale

La consommation d’énergie, dans le courant du siècle dernier, a considérablement augmenté à

cause de l’industrialisation massive. Les prévisions des besoins en énergie pour les années à
venir ne font que le confirmer. Pour subvenir aux besoins en énergie de la société actuelle, il est
nécessaire de trouver des solutions adaptées et de les diversifier. Actuellement, il y a
principalement deux façons possibles d’agir. La première est de diminuer la consommation des
récepteurs d’énergie et d’augmenter la productivité des centrales énergétiques en améliorant
respectivement leur efficacité. Une deuxième méthode consiste à trouver et développer de
nouvelles sources d’énergie. Dans l’immédiat, nous disposons des ressources inépuisables en
énergies renouvelables, que nous sommes en mesure d’exploiter de plus en plus facilement et
proprement [Djo 12]. Parmi les énergies non polluantes, l’énergie éolienne a été identifiée
comme une des plus prometteuses des énergies renouvelables pour atteindre les objectifs de
réduction des émissions de gaz à effet de serre.
De nos jours, l’énergie éolienne est devenue une solution viable pour la production d’énergie, en
complément des autres sources d’énergie renouvelables. Alors que la majorité des éoliennes
installées sont à vitesse fixe, le nombre des éoliennes à vitesse variable ne cesse d’augmenter
[Belm 10].
Actuellement, le système éolien à vitesse variable basé sur la Machine Asynchrone à Double
Alimentation (MADA) en anglais « Doubly Fed Induction Machine (DFIM) » est le plus utilisé
dans les fermes éoliennes terrestres. Son principal avantage, et non des moindres, est d’avoir ses
convertisseurs statiques triphasés dimensionnés pour une partie de la puissance nominale de la
MADA, ce qui en fait un bénéfice économique important par rapport à d’autres solutions
possibles de conversion électromécanique (machine synchrone à aimants permanents par
exemple). En effet, la MADA permet un fonctionnement sur une plage de vitesse de ± 30 %
autour de la vitesse de synchronisme, garantissant ainsi dimensionnement réduit des
convertisseurs statiques car ceux-ci sont connectés entre le bobinage rotorique de la MADA et le
réseau électrique [Bou 12].
Les éoliennes utilisées pour la production d’électricité doivent permettre de produire un
maximum de puissance en exploitant au mieux l’énergie disponible dans le vent. C’est pour cela
que de nombreux systèmes de commande de l’éolienne, agissant au niveau de la partie
mécanique ou électrique, sont développés pour maximiser la conversion d’énergie [Boy 06_1].

1
 Introduction Générale

On parle alors de recherche du point de fonctionnement à puissance maximum (MPPT en anglais

Maximum Power Point Tracking). Il est possible de modifier l’angle de calage des pales, ou la
vitesse de rotation de l’hélice ou bien encore jouer sur la commande de la génératrice [Boy
06_1].
La recherche du maximum se fait en permanence et l’éolienne s’adapte donc à chaque variation
de vent pour être dans une configuration d’extraction maximale de puissance. De tels systèmes
incorporant aussi des sécurités qui permettent par exemple de limiter la puissance produite
lorsque le vent devient trop important et risque d’endommager l’éolienne [Boy 06_1].
La commande vectorielle par orientation du flux présente une solution attractive pour réaliser de
meilleures performances dans les applications à vitesse variable pour le cas de la machine
asynchrone double alimentée aussi bien en fonctionnement générateur que moteur.
Dans cette optique, nous avons proposé une loi de commande pour la MADA basée sur
l’orientation du flux statorique, utilisée pour la faire fonctionner en génératrice. Cette dernière
met en évidence les relations entre les grandeurs statoriques et rotoriques. Ces relations vont
permettre d’agir sur les signaux rotoriques en vue de contrôler l’échange de puissance active et
réactive entre le stator de la machine et le réseau.
Les coefficients des régulateurs classiques (PI) utilisés au sein de la commande vectorielle sont
directement calculés à partir des paramètres de la machine, lors des dérives de ces derniers
provoquent une altération de la commande de la machine. Afin d’obtenir de meilleurs
performances on a recours à l’optimisation de ces régulateurs.
Plus récemment, une méthode d’optimisation nommée «optimisation par essaim de particules»,
soit en anglais « Particle Swarm Optimization » (PSO), inspirée de l’intelligence d’essaim a
attiré les chercheurs et faite exploiter dans différents domaines d’optimisation.
Cette méthode est devenue de plus en plus populaire. Elle est caractérisée par une façon
décentralisée de travail qui imite le comportement des essaims d’insectes sociaux, les masses
d’oiseaux, ou les écoles de poisson. L’avantage de ces approches sur les techniques
traditionnelles est la robustesse et la flexibilité [Blum 08].
Pour obtenir des hautes performances et une meilleure performance du générateur asynchrone à
double alimentation, il faut concevoir des commandes robustes adéquates, qui rendent le système
insensible aux perturbations extérieures et aux variations paramétriques. Parmi elles, la
commande par mode glissant.
La commande par mode glissant a connu un grand succès ces dernières années. Cela est dû à la
simplicité de mise en œuvre et la robustesse par rapport aux incertitudes du système et des
perturbations externes entachant le processus.

2
 Introduction Générale

La commande par mode glissant consiste à ramener la trajectoire d’état vers la surface de
glissement et de le faire évoluer dessus avec une certaine dynamique jusqu’au point d’équilibre.
Elle utilise des algorithmes de réglages qui assurent la robustesse du comportement du processus
par rapport aux variations paramétriques et perturbations.
L’objectif principal de nos travaux de thèse est d’étudier la technique de commande robuste
susceptible d’optimiser la production d’une éolienne, en particulier celle utilisant un générateur
asynchrone à double alimentation (GADA). Pour ce faire, la thèse est organisée en cinq
chapitres.
Le premier chapitre est consacré à l’état de l’art de l’aérogénérateur particulièrement
l’aérogénérateur asynchrone à double alimentation où les technologies d’éoliennes ainsi que les
différents composants constituant l’aérogénérateur seront brièvement présenté.
Dans le deuxième chapitre, la modélisation et la commande du système de conversion éolienne
basé sur une MADA a été présenté où les différents éléments de ce système sont représentés en
schémas blocs et ses équivalents sous l’environnement Matlab/Simulink. C’est aussi dans ce
chapitre que le contrôle du système éolien sera présenté en utilisant deux stratégies de
commande différentes. La stratégie MPPT (Maximum Power Point Tracking) repose sur le
principe de l’extraction du maximum de puissance de l’éolienne et de son injection dans le
réseau. La commande vectorielle de la puissance active et réactive statorique permet un réglage
de celles-ci selon des consignes déterminées au préalable par le gestionnaire de réseau. Des
résultats de simulation seront présentés dans l’objectif de vérifier et valider les stratégies de
contrôle.
Le troisième chapitre exposera, brièvement, la technique d’essaim de particules (PSO), fondée
sur la notion de coopération entre particules qui peuvent être vus comme des « animaux » aux
capacités assez limitées (peu de mémoire et de facultés de raisonnement). L’échange
d’information entre eux fait que, globalement, ils arrivent néanmoins à résoudre des problèmes
difficiles. Un exemple d’optimisation sera traité par cette technique. Ensuit, l’implantation de la
technique PSO, dans le but d’optimiser les gains du régulateur PI, afin d’avoir une commande
robuste de la puissance active et réactive du générateur asynchrone à double alimentation.
Dans le quatrième chapitre, nous montrons comment la commande par mode glissant peut être
appliquée au contrôle de la puissance active et réactive produite par le GADA dans un système
de conversion d’énergie éolienne et la possibilité de l’amélioration de la qualité d’énergie
électrique fournie au réseau par la technique SVM (Space Vector Modulation).
Enfin, nous clôturons ce travail par une conclusion générale qui portera des perspectives pour la
continuité de ce travail dans le futur.

3
 Chapitre I
Etat de l’Art de
l’Aérogénérateur
Chapitre I Etat de l’Art de l’Aérogénérateur

I.1 Introduction :

L’énergie éolienne a été longtemps oubliée alors qu’elle était déjà exploitée depuis l’antiquité
avec l’utilisation des moulins à vent. Cependant, elle connaît depuis environ 40 ans un essor sans
précédent notamment après la crise pétrolière de 1973 qui a alerté les états producteurs d’énergie
fossile. En effet, après l’an 2000, le contexte fluctuant des énergies fossiles, l’explosion de la
demande mondiale en électricité et les prises de conscience environnementale, a accentué le
besoin de l’énergie propre et durable ou l’éolien occupe une place privilégiée. Fort de son
potentiel mondial, celui-ci a ainsi attiré différents acteurs du monde économique et surtout de
l’énergie. Ceci s’est traduit par une profonde réorganisation et mutation du marché de l’éolien
[Rap 10] pour lequel les aérogénérateurs ont atteint une certaine maturité technique. Ces
aérogénérateurs, généralement à axe horizontal, fonctionnent à vitesse variable permettant
l’augmentation de la puissance produite. Le développement des convertisseurs statiques et leur
commande a permis le contrôle des puissances produites par ces aérogénérateurs.
L’intérêt porté au générateur asynchrone à double alimentation (GADA) ne cesse de croître
surtout dans le domaine des énergies renouvelables. En effet, dans le domaine éolien, le GADA
présente bien des avantages: le convertisseur lié à l’armature rotorique est dimensionné au tiers
de la puissance nominale du rotor, les pertes dans les semi-conducteurs sont faibles, etc. [Kend
11].
Dans ce présent chapitre, les technologies d’éoliennes ainsi que les différents composants
constituant l’aérogénérateur seront brièvement présentés. Ensuite, les différentes associations
machine-convertisseur statique, utilisées pour la conversion éolienne basée sur une machine
asynchrone à double alimentation seront étudiées.

I.2 L’Aérogénérateur :

Un aérogénérateur, plus communément appelé éolienne, est un dispositif qui transforme une
partie de l’énergie cinétique du vent en énergie mécanique disponible sur un arbre de
transmission puis en énergie électrique par l’intermédiaire d’un générateur [Med 12] qui est dans
notre cas un générateur asynchrone à double alimentation (GADA), (Figure I.1).
Selon leur puissance nominale, les éoliennes sont divisées en trois catégories [Mul 08]:
 Eoliennes de petite puissance : inférieure à 40 kW.
 Eoliennes de moyenne puissance : de 40 à quelques centaines de kW.
 Eoliennes de forte puissance : supérieure à 1 MW.

4
Chapitre I Etat de l’Art de l’Aérogénérateur

Figure I.1 Conversion de l’énergie cinétique du vent

La figure I.2 Illustre la correspondance taille-puissance des éoliennes.

Figure I.2 Correspondance taille-puissance des éoliennes

I.2.1 Le Vent :

Le vent naît sous l’effet des différences de températures et de pression. Le grand responsable de
ce phénomène est le soleil (Figure I.3.a). Il chauffe les mers et les continents mais pas au même
rythme (Figure I.3.b). Une fois réchauffés, ces derniers chauffent à leur tour les masses d’air qui
les surplombent. L’air augmente de volume lorsqu’il est chauffé (Figure I.3.c), ce qui crée un
déplacement des particules de l’air (Figure I.3.d) et c’est en capturant leur énergie cinétique que
les éoliennes se mettent à fonctionner.

5
Chapitre I Etat de l’Art de l’Aérogénérateur

(a) (b)

(c) (d)

Figure I.3 La naissance du vent

I.3 Types d’Eoliennes :

Les solutions techniques permettant de recueillir l’énergie du vent sont très variées. En effet, les
turbines éoliennes sont classées selon la disposition géométrique de leur arbre sur lequel est
montée l’hélice, en deux types : les éoliennes à axe vertical et à axe horizontal [Mul 04], [Pal
05], [Rob 06].

I.3.1 Eoliennes à Axe Vertical :

Les éoliennes à axe vertical ont été les premières structures développées pour produire de
l’électricité paradoxalement en contradiction avec le traditionnel moulin à vent à axe horizontal.
Elles possèdent l’avantage d’avoir les organes de commande et le générateur au niveau du sol
donc facilement accessibles. De nombreuses variantes ont été testées depuis les années vingt,
dont beaucoup sans succès, mais deux structures sont parvenues au stade de l’industrialisation
[Poi 03] :
 Le rotor de Savonius (du nom de son inventeur, breveté en 1925) dont le fonctionnement
est basé sur le principe de "traînée différentielle" utilisé dans les anémomètres : les efforts
exercés par le vent sur chacune des faces d’un corps creux sont d’intensité différente, il
en résulte alors un couple moteur entraînant la rotation de l’ensemble. L’effet est ici
6
Chapitre I Etat de l’Art de l’Aérogénérateur

renforcé par la circulation d’air entre deux demi-cylindres qui augmente le couple moteur
(Figure I.4.a).

(a) (b)

(c)

Figure I.4 Principe du rotor de Savonius et de l’incidence variable (éolienne à axe vertical)

 Les éoliennes à variation cyclique d’incidence dont la structure la plus répandue sont
celle de Darrieus (ingénieur français qui déposa le brevet au début des années 30). Leur
fonctionnement est basé sur le fait qu’un profil placé dans un écoulement d’air selon
différents angles (Figure I.4.b) est soumis à des forces de direction et d’intensité
variables. La résultante de ces forces génère alors un couple moteur entraînant la rotation
du dispositif. Ces forces sont crées par la combinaison de la vitesse propre de
déplacement du profil et de la vitesse du vent. Cela signifie que la rotation du dispositif
ne peut pas s’amorcer d’elle-même. Lorsqu’elle est à l’arrêt, l’éolienne doit donc être
lancée par un dispositif annexe (montage d’une éolienne Savonius sur le même rotor ou
utilisation de la génératrice en moteur).

7
Chapitre I Etat de l’Art de l’Aérogénérateur

Même si quelques grands projets industriels ont été réalisés, les éoliennes à axe vertical restent
toute fois marginales et peu utilisées voire actuellement abandonnées. En effet la présence du
capteur d’énergie près du sol l’expose aux turbulences et au gradient de vent ce qui réduit son
efficacité. Elles sont de plus exposées à des problèmes d’aéroélasticité dus aux fortes contraintes
qu’elles subissent. Enfin la surface qu’elles occupent au sol est très importante pour les
puissances élevées [Poi 03].

I.3.2 Eoliennes à Axe Horizontal :

Les turbines à axe horizontal (Figure I.5) sont les plus utilisées actuellement comparées à celles à
axe vertical puisque elles présentent un coût moins important, en plus elles sont moins exposées
aux contraintes mécaniques [Poi 03]. Elles sont constituées de plusieurs pales pour générer un
couple moteur entraînant la rotation. Le nombre des pales varie entre 1 et 3, le rotor tripal est le
plus utilisé car il constitue un compromis entre le coefficient de puissance, le coût et la vitesse de
rotation du capteur éolien [Mir 05].
Les turbines à axe horizontal sont généralement placées face au vent par un mécanisme
d’asservissement de l’orientation ou par un phénomène d’équilibre dynamique naturel assuré par
un gouvernail dans le cas d’une turbine sous le vent.

Figure I.5 Aérogénérateur à axe horizontal

I.4 Régulation de la Puissance Mécanique d’une Eolienne [Men]:

Les objectifs de la régulation sont d’assurer la sécurité de l’éolienne par vents forts et de limiter
la puissance.
Une turbine éolienne est dimensionnée pour développer sur son arbre une puissance dénommée
puissance nominale Pn. La puissance Pn est obtenue à partir d’une vitesse du vent vn, dénommée

8
Chapitre I Etat de l’Art de l’Aérogénérateur

vitesse nominale. Lorsque la vitesse du vent est supérieure à vn la turbine éolienne doit modifier
ses paramètres afin d’éviter la destruction mécanique, de sorte que sa vitesse de rotation reste
pratiquement constante.
A côté de la vitesse nominale vn, on spécifie aussi :
 la vitesse de démarrage vD , à partir de laquelle l’éolienne commence à fournir de
l’énergie,
 la vitesse maximale du vent vM , pour laquelle la turbine ne convertit plus l’énergie
éolienne pour des raisons de sûreté de fonctionnement.
Les vitesses vn , vD et vM définissent quatre zones sur le diagramme de la puissance utile en
fonction de la vitesse du vent (Figure I.6) :

Figure I.6 Diagramme de la puissance utile sur l’arbre en fonction de la vitesse du vent

 La zone I, où P = 0 (la turbine ne fonctionne pas),

 La zone II, dans laquelle la puissance fournie sur l’arbre dépend de la vitesse du vent v,
 La zone III, où la vitesse de rotation est maintenue constante et où la puissance P fournie
reste égale à Pn,
 La zone IV, dans laquelle le système de sûreté de fonctionnement arrête le transfert de
l’énergie.

I.5 Evaluation de l’Energie Eolienne en Algérie :

Le potentiel éolien diverge selon la situation géographique. La carte des vents de l’Algérie,
estimée à 10 m du sol est présentée en figure I.7. Les vitesses moyennes annuelles obtenues
varient de 2 à 6.5 m/s. On remarque qu’à l’exception de la région côtière (moins Béjaia et Oran),
du Tassili et de Beni Abbés, la vitesse de vent moyenne est supérieure à 3 m/s, [Kas 01].
En fait, la région centrale de l’Algérie est caractérisée par des vitesses de vent variant de 3 à 4
m/s, et augmente au fur et à mesure que l’on descend vers le sud-ouest. Le maximum est obtenu
pour la région d’Adrar avec une valeur moyenne de 6.5 m/s. Cependant, nous pouvons observer

9
Chapitre I Etat de l’Art de l’Aérogénérateur

l’existence de plusieurs microclimats où la vitesse excède les 5 m/s comme dans les régions de
Tiaret, Tindouf et Oran [Kas 06].

Figure I.7 Atlas de la vitesse moyenne du vent (en m/s) de l’Algérie

estimée à 10 m du sol [Kas 06]

I.6 Principaux Composants d’une Eolienne à Axe Horizontal :

Il existe plusieurs configurations possibles d’aérogénérateurs qui peuvent avoir des différences
importantes. Néanmoins, une éolienne "classique" est généralement constituée de trois éléments
principaux :
 Le mât : généralement un tube d’acier ou éventuellement un treillis métallique, doit être
le plus haut possible pour éviter les perturbations près du sol. Toutefois, la quantité de
matière mise en œuvre représente un coût non négligeable et le poids doit être limité.
 La nacelle : regroupe tous les éléments mécaniques permettant de coupler le rotor
éolien au générateur électrique : arbres lent et rapide, roulements, multiplicateur. Le
frein à disque, différent du frein aérodynamique, qui permet d’arrêter le système en cas
de surcharge. Le générateur qui est généralement une machine synchrone ou asynchrone
et les systèmes hydrauliques ou électriques d’orientation des pales (frein aérodynamique)

10
Chapitre I Etat de l’Art de l’Aérogénérateur

et de la nacelle (nécessaire pour garder la surface balayée par l’aérogénérateur

perpendiculaire à la direction du vent).
 Le rotor : formé par les pales assemblées dans leur moyeu. Pour les éoliennes destinées
à la production d’électricité, le nombre de pales varie classiquement de 1 à 3, le rotor
tripale étant de loin le plus répandu car il représente un bon compromis entre le coût, le
comportement vibratoire, la pollution visuelle et le bruit.

La figure I.8 montre un exemple typique de chaîne de conversion à multiplicateur [Mul 03].

-1 : pales,
-2 : moyeu rotor,
-3 : nacelle,
-4 : cardan,
-5 : transmission,
- 6 : multiplicateur de vitesse,
-7 : frein à disque,
-8 : accouplement,
-9 : génératrice,
-10 : radiateur de refroidissement,
-11 : centrale de mesure du vent,
-12 : contrôle,
-13 : centrale hydraulique,
-14 : mécanisme d’orientation
des pales,
-15 : paliers du système
d’orientation équipés d’un frein à
disque,
-16 : capot,
-17 : mat.

Figure I.8 Les composantes d’une éolienne Nordex N60 (1300 kW)

I.7 Etat de l’Art sur la Conversion Electromécanique :

Il y a encore quelques années, pratiquement toutes les éoliennes fonctionnaient à vitesse fixe.
Elles contenaient pour la plupart un générateur asynchrone à cage d’écureuil.
C’est en grande partie les progrès technologiques réalisés sur les composants d’électronique de
puissance et la réduction des prix correspondant qui ont rendu leur utilisation dans les nouveaux
aérogénérateurs possible. L’introduction de convertisseurs de puissance entre le générateur et le
réseau donne lieu à un découplage entre la fréquence du réseau électrique et la vitesse de rotation
de la machine électrique. Comme on l’a indiqué sur la figure I.9, ceci entraîne une amélioration
du rendement énergétique du système. La vitesse variable permet également d’améliorer la
qualité de la puissance électrique produite, en introduisant de la souplesse dans la réaction du
système face aux fluctuations brusques de la vitesse du vent. L’inconvénient principal de ce

11
Chapitre I Etat de l’Art de l’Aérogénérateur

genre de système est le surcoût introduit par l’incorporation des convertisseurs de puissance. Ce
coût dépendant de la taille de ces convertisseurs, il devient relativement important pour les
éoliennes de grande taille. De plus les performances des composants électroniques utilisés par
ces convertisseurs tels que les transistors IGBT diminuent à partir d’une certaine puissance.
Avec l’utilisation des machines asynchrones à rotor bobiné, la plus grande partie de la puissance
est directement distribuée au réseau par le stator et moins de 25% de la puissance totale passe par
les convertisseurs de puissance à travers le rotor. Ceci donne l’occasion d’utiliser des
convertisseurs plus petits et donc moins coûteux. L’inconvénient de ce système est la présence
de balais au rotor, ce qui demande un travail de maintenance plus important.
Aujourd’hui, 80% des nouveaux aérogénérateurs contiennent des générateurs asynchrones
doublement alimenté (à rotor bobiné). C’est le type de machine choisi pour l’étude de recherche
menée dans cette thèse. Cette machine est également étudiée par exemple dans [Led 99].

Générateur à
vitesse fixe
Amélioration du
rendement et qualité

Vitesse variable :
Asynchrone à cage
Réduction du coût
des convertisseurs

Vitesse variable :
Asynchrone à
rotor bobiné

Figure I.9 Evolution de la configuration électrique

12
Chapitre I Etat de l’Art de l’Aérogénérateur

I.7.1 Les Eoliennes à Vitesse Fixe :

Dans le premier cas (Figure I.10), le générateur tourne à vitesse fixe ou varie très légèrement en
jouant sur le glissement de la machine asynchrone (seules les générateurs asynchrones sont
utilisés dans ce cas). Deux générateurs asynchrones sont souvent utilisés dans ce type
d’éoliennes. Un générateur dimensionné pour des faibles puissances correspondant à des vitesses
de vent faibles et un générateur dimensionné pour des fortes puissances correspondant à des
vitesses de vent plus élevés. Le problème majeur de cette solution est la complexité du montage
qui augmente la masse embarquée. Une autre solution consiste à utiliser un câblage du stator qui
peut être modifié afin de faire varier le nombre de pôles. Cette disposition permet également de
proposer deux régimes de rotation l’un rapide en journée et l’autre plus lent la nuit permettant de
diminuer le bruit [Belt 10].

Figure I.10 Eolienne à vitesse fixe basé sur la machine asynchrone à cage

I.7.2 Les Eoliennes à Vitesse Variable:

Dans le deuxième cas (Figure I.11), une interface de puissance adapte la fréquence des courants
du générateur à celle réseau et permet ainsi de fonctionner à vitesse variable. Autrement dit,
l’introduction de convertisseurs de puissance entre le générateur et le réseau donne lieu à un
découplage entre la fréquence du réseau électrique et la vitesse de rotation de la machine
électrique [Belt 10].

13
Chapitre I Etat de l’Art de l’Aérogénérateur

Figure I.11 Eolienne à vitesse variable basé sur la machine asynchrone à cage

L’ensemble des caractéristiques donnant la puissance disponible en fonction de la vitesse de

rotation du générateur pour différentes vitesses de vent est illustré sur la figure I.12. À partir de
ces caractéristiques, il apparaît clairement que si le générateur est entraîné à une vitesse fixe les
maxima théoriques des courbes de puissance ne seraient pas exploités. Pour cela, et afin de
pouvoir optimiser le point de fonctionnement en terme de puissance extraite, il y a lieu de
pouvoir ajuster la vitesse de rotation de l’arbre de la génératrice en fonction de la vitesse du vent.

Figure I.12 Puissance théorique disponible pour un type d’éolienne donnée

Au vu de ces caractéristiques, il apparaît clairement que si l’éolienne et par conséquent la

génératrice fonctionne à vitesse fixe (par exemple 1600 tr/min sur la figure I.11) les maxima
théoriques des courbes de puissance ne sont pas exploités. Pour pouvoir optimiser le transfert de
puissance et ainsi obtenir le maximum théorique pour chaque vitesse de vent, la machine devra
pouvoir fonctionner entre 1100 et 1900 tr/min pour cet exemple [Poi 03].

14
Chapitre I Etat de l’Art de l’Aérogénérateur

Le tableau I.1 illustre un comparatif simple entre les différents fonctionnements.

Tableau I.1. Comparatif vitesse fixe versus vitesse variable

Fonctionnement à vitesse fixe Fonctionnement à vitesse variable

 Simplicité du système électrique,  Augmentation du rendement

 Plus grande fiabilité, énergétique,
 Faible probabilité d’entrée en  Réduction des oscillations du couple
résonance des éléments de l’éolienne, dans le train de puissance,
 Moins cher,  Réduction des efforts subis par le train
 Fonctionnement à vitesse variable de puissance,
(±30% de la vitesse nominale).  Génération d’une puissance électrique

d’une meilleure qualité.

I.8 Eolienne à Vitesse Variable à base de la Machine Asynchrone à Double

Alimentation (MADA) :

Pour les éoliennes utilisant la MADA, le stator de celle-ci est directement couplé au réseau alors
que son rotor est connecté au réseau à travers une interface composée de deux convertisseurs
statiques (convertisseur coté MADA et convertisseur coté réseau), (figure I.13).

Figure I.13 Eolienne à vitesse variable basée sur une MADA

15
Chapitre I Etat de l’Art de l’Aérogénérateur

I.8.1 Description du Fonctionnement de la MADA :

I.8.1.1 Structure de la Machine :

Figure I.14 Structure du stator et des contacts rotoriques de la MADA

Connue depuis 1899, [Dri 05_2], [Dri 05_3], il ne s’agit pas d’une nouvelle structure mais d’un
nouveau mode d’alimentation. La MADA est une machine asynchrone triphasée à rotor bobiné
alimentée par ses deux armatures; la machine asynchrone à double alimentation, MADA,
présente un stator analogue à celui des machines triphasées classiques (asynchrone à cage ou
synchrone) constitué le plus souvent de tôles magnétiques empilées munies d’encoches dans
lesquelles viennent s’insérer les enroulements. L’originalité de cette machine provient du fait que
le rotor n’est plus une cage d’écureuil coulée dans les encoches d’un empilement de tôles mais il
est constitué de trois bobinages connectés en étoile dont les extrémités sont reliées à des bagues
conductrices sur lesquelles viennent frotter des balais lorsque la machine tourne [Bek 10_1]
(Figure I.14).
Dans cette machine, les enroulements statoriques sont alimentés par le réseau et les enroulements
rotoriques sont alimentés à travers un convertisseur de fréquence, ou bien les deux enroulements
sont alimentés par deux onduleurs autonomes en général.

I.8.1.2 Modes de Fonctionnement de la MADA :

Seul le mode de fonctionnement avec le stator directement connecté au réseau et le rotor

alimenté par un convertisseur nous concerne dans cette thèse.
Comme la machine asynchrone classique, la MADA permet de fonctionner en moteur ou en
générateur mais la grande différence réside dans le fait que pour la MADA, ce n’est plus la
vitesse de rotation qui impose le mode de fonctionnement moteur ou générateur [Boy 06_1].
Effectivement, une machine à cage doit tourner en dessous de sa vitesse de synchronisme pour
être en moteur et au dessus pour être en générateur. Ici, c’est la commande des tensions
rotoriques qui permet de gérer le champ magnétique à l’intérieur de la machine, offrant ainsi la
16
Chapitre I Etat de l’Art de l’Aérogénérateur

possibilité de fonctionner en hyper ou hypo synchronisme aussi bien en mode moteur qu’en
mode générateur [Bek 10_1].
La MADA est parfaitement commandable si toutefois le flux des puissances est bien contrôlé
dans les enroulements du rotor. Puisque la MADA peut fonctionner en moteur comme
générateur aux vitesses hypo-synchrones et hyper-synchrones, il y a à distinguer quatre modes
opérationnels caractéristiques de la machine.

I.[Link] Fonctionnement en Mode Moteur Hypo-Synchrone [Bek 10_1] :

La figure I.15 montre que la puissance est fournie par le réseau au stator et la puissance de
glissement transite par le rotor pour être réinjectée au réseau. On a donc un fonctionnement
moteur en dessous de la vitesse de synchronisme. La machine asynchrone à cage classique peut
fonctionner ainsi mais la puissance de glissement est alors dissipée en pertes Joule dans le rotor.

Puissance statorique

Réseau

 Convertisseur
AC/DC/AC
MADA
Puissance mécanique

Puissance rotorique

Figure I.15 Fonctionnement en mode moteur hypo-synchrone

I.[Link] Fonctionnement en Mode Moteur Hyper-Synchrone [Bek 10_1]:

La figure I.16 montre que la puissance est fournie par le réseau au stator et la puissance de
glissement est également fournie par le réseau au rotor. On a donc un fonctionnement moteur au
dessus de la vitesse de synchronisme. La machine asynchrone à cage classique ne peut pas avoir
ce fonctionnement.

17
Chapitre I Etat de l’Art de l’Aérogénérateur

Puissance statorique

Réseau

 Convertisseur
AC/DC/AC
MADA
Puissance mécanique

Puissance rotorique

Figure I.16 Fonctionnement en mode moteur hyper-synchrone

I.[Link] Fonctionnement en Mode Générateur Hypo-Synchrone [Bek 10_1]:

La figure I.17 montre que la puissance est fournie au réseau par le stator. La puissance de
glissement est alors absorbée par le rotor. On a donc un fonctionnement générateur en dessous de
la vitesse de synchronisme. La machine asynchrone à cage classique ne peut pas avoir ce mode
de fonctionnement.

Puissance statorique

Réseau

 Convertisseur
AC/DC/AC
MADA
Puissance mécanique

Puissance rotorique

Figure I.17 Fonctionnement en mode générateur hypo-synchrone

I.[Link] Fonctionnement en Mode Générateur Hyper-Synchrone [Bek 10_1]:

La figure I.18 montre que la puissance est alors fournie au réseau par le stator et la puissance de
glissement est récupérée via le rotor pour être réinjectée au réseau. On a donc un fonctionnement
générateur au dessus de la vitesse de synchronisme. La machine asynchrone à cage classique
peut avoir ce mode de fonctionnement mais dans ce cas la puissance de glissement est dissipée
en pertes Joule dans le rotor.

18
Chapitre I Etat de l’Art de l’Aérogénérateur

Puissance statorique

Réseau

 Convertisseur
AC/DC/AC
MADA
Puissance mécanique

Puissance rotorique

Figure I.18 Fonctionnement en mode générateur hyper-synchrone

On peut donc remarquer que la MADA a deux principaux avantages sur la machine à cage
classique : la production de puissance électrique quelle que soit sa vitesse de rotation (hypo ou
hyper synchronisme) et la récupération de la puissance de glissement [Bek 10_1].

I.9 Configurations de l’Association MADA/Convertisseur de Puissance :

La MADA offre plusieurs possibilités de configuration avec son association avec les
convertisseurs de puissance. Ces configurations dépendent essentiellement du domaine
d’application de la MADA.
L’intérêt porté à la MADA ne cesse de croître surtout dans le domaine des énergies
renouvelables. En effet, dans le domaine éolien, la MADA présente bien des avantages : le
convertisseur lié à l’armature rotorique est dimensionné au tiers de la puissance nominale du
rotor, les pertes dans les semi-conducteurs sont faibles, …etc.
Par ailleurs, la MADA et grâce à sa double alimentation offre plusieurs possibilités de
reconfiguration. Dans ce qui suit, nous présentons les travaux significatifs consacrés à la MADA.
Pour chacun d’entre eux, nous mentionnerons l’application visée de la MADA, la stratégie de
commande adoptée ainsi que le type de convertisseur utilisé et leur stratégie de commande. Dans
ce cas, nous nous intéresserons seulement aux travaux concernant la configuration avec un seul
convertisseur lié au rotor qui constitue le but de notre travail. Cet axe de recherche est très riche
aux travaux des chercheurs, vu l’intérêt porté aux énergies renouvelables et plus précisément
l’énergie éolienne.

D’après la littérature, on peut distinguer les configurations suivantes :

19
Chapitre I Etat de l’Art de l’Aérogénérateur

I.9.1 Fonctionnement en Moteur avec un Seul Convertisseur :

Dans ce type de fonctionnement, le stator est relié au réseau à fréquence et tension constantes,
tandis que le rotor est relié à son propre convertisseur qui peut être un cycloconvertisseur ou un
onduleur. Cette solution permet de réduire fortement la puissance du convertisseur. La figure
I.19 présente le schéma de principe de cette catégorie de MADA.

Puissance électrique fournie au stator

Réseau


Onduleur Redresseur
MADA
Puissance mécanique

Puissance électrique fournie au rotor

Figure I.19 Schéma d’un système utilisant une MADA en moteur alimenté par un seul
convertisseur

Machmoum [Mac 92], propose une étude des performances d’une MADA en régime permanent
dont le stator est connecté au réseau, alors que le rotor est alimenté par un cycloconvertisseur de
courant. Son étude vise des applications à vitesse variable, que le fonctionnement soit en moteur
ou en générateur. L’auteur choisit une stratégie de commande qui consiste à aligner l’axe "d" de
son repère tournant avec le courant rotorique dont le but de contrôler les courants rotoriques et
l’angle de charge (déphasage entre la tension statorique et le repère considéré). L’expression
analytique du couple est divisée en deux parties, une partie due au courant rotorique et l’autre
due à l’interaction entre l’alimentation du stator et celle du rotor. Cette étude est validée par des
résultats expérimentaux qui permettent de conclure que la stabilité du système est établie dans
une gamme limitée de la variation de l’angle de charge.
Batlle [Bat 07], propose une commande vectorielle par l’orientation de la tension statorique pour
le réglage de la puissance active et réactive au niveau du stator d’une machine asynchrone à rotor
bobiné alimentée par l’association redresseur/onduleur MLI au niveau du rotor, alors que le
stator est connecté directement au réseau. Cette méthode permet d’obtenir une commande
découplée de la puissance active et réactive par le réglage des composantes du courant

20
Chapitre I Etat de l’Art de l’Aérogénérateur

statorique, dont la stabilité globale du système MADA est assurée. Cette étude est validée par la
simulation et par l’expérimentation.
Dalal [Dal 06], propose une étude de simulation sur la commande de la vitesse par des
régulateurs PI du moteur asynchrone à rotor bobiné dont le stator est alimenté directement par le
réseau, alors que le rotor est alimenté par un convertisseur matriciel afin de réaliser une
commande avec un facteur de puissance unitaire. La technique de commande MLI vectorielle est
adoptée pour la commande du convertisseur matriciel. Cette étude est validée par simulation.
D’après les résultats de simulation, l’auteur constate que le réglage de la puissance de glissement
par un convertisseur matriciel apporte une amélioration significative au niveau de la qualité de
puissance du système considéré par rapport au cycloconvertisseur. Ceci est prouvé par un
courant quasiment sinusoïdal avec un facteur de puissance unitaire à l’entrée du convertisseur
matriciel, ainsi qu’une tension presque sinusoïdale à la sortie de celui-ci, qui permet d’avoir un
courant sinusoïdal dans le rotor, et ce qui conduit à une amélioration du rendement et une
réduction du taux d’harmoniques dans le système.
Shapoval [Sha 08], présente un algorithme de commande vectorielle indirecte du couple et de la
puissance réactive de la machine asynchrone à rotor bobiné alimentée par un convertisseur
matriciel au niveau du rotor, alors que le stator est alimenté directement par le réseau. Cette
méthode est basée sur l’orientation du référentiel suivant le vecteur de la tension statorique.
L’auteur a adopté la stratégie de commande par modulation vectorielle SVM (Space Vector
Modulation) pour le convertisseur matriciel. Il présente ensuite quelques résultats expérimentaux
pour les deux modes de fonctionnements de la MADA (moteur ou générateur). Il constate que
l’algorithme proposé assure une bonne poursuite du couple à sa référence et garantit un
fonctionnement avec un facteur de puissance unitaire. Les formes d’ondes des courants obtenues
à l’entrée du stator et à l’entrée du convertisseur matriciel sont satisfaisantes (proches de la
forme sinusoïdale).

I.9.2 Fonctionnement en Moteur avec Deux Convertisseurs :

Ce type d’alimentation peut prendre différentes formes :

 Deux onduleurs alimentés par leurs propres redresseurs conformément à la figure I.20;
 Deux onduleurs alimentés en parallèle par un redresseur commun;
 Deux cycloconvertisseurs.

21
Chapitre I Etat de l’Art de l’Aérogénérateur

Puissance électrique fournie au stator

Onduleur 1 Redresseur 1

Réseau


Onduleur 2 Redresseur 2
MADA
Puissance mécanique

Puissance électrique fournie au rotor

Figure I.20 Schéma d’un système utilisant une MADA en moteur

alimenté par deux convertisseurs

Dans [Vid 04], VIDAL reprend la commande vectorielle présentée par LECOCQ [Lec 95]. Il
essaie d’élaborer de nouvelles lois de commande linéaire et non linéaire à partir d’un modèle
d’état basé tout d’abord sur les courants puis sur les flux. L’alimentation de la MADA est
assurée par un onduleur à MLI. En analysant le comportement de la MADA en régime
permanent, il parvient à déterminer les couplages mis en jeu dans la modélisation choisie. Il
adopte une loi de répartition de puissance et impose une fréquence minimale de fonctionnement.
Pour la commande linéaire, il conclu que la modélisation par flux présente de meilleurs résultats.
Quant au cas non linéaire, il opte pour la commande par modes glissants. En conclusion, il
affirme que cette stratégie donne de très bons résultats vis-à-vis de la commande linéaire.
MASMOUDI dans son article [Mas 93], considère une MADA avec deux alimentations variables
et indépendantes : l’une au stator, l’autre au rotor. Il centre son intérêt aux échanges énergétiques
entre les enroulements rotoriques et statoriques dans l’entrefer. Il en fait un bilan pour les
fonctionnements en moteur, en générateur ou en frein. L’auteur propose enfin une étude de la
stabilité en analysant les valeurs propres de la matrice dynamique en fonction des variations des
paramètres électriques.
Dans [Dri 05_1], DRID présente une nouvelle approche pour contrôler une MADA alimentée par
deux onduleurs de tension au stator comme au rotor. Son approche est basée sur un contrôle à
double orientation du flux statorique et rotorique. L’orthogonalité entre les deux flux, qui doit
être impérativement observée, conduit à une commande linéaire et découplée de la machine avec
une optimisation du couple. Par la suite l’auteur présente les résultats de simulation de son étude.

22
Chapitre I Etat de l’Art de l’Aérogénérateur

RAMUZ dans sa thèse [Ram 00], propose d’utiliser une configuration de la MADA pour un
fonctionnement moteur dans des applications telles que "la traction où la première
transformation de l’acier". Les enroulements statoriques et rotoriques de la MADA sont
alimentés par deux onduleurs indépendants. Il utilise un contrôle vectoriel à orientation de flux.
Dans un premier temps, il présente des résultats expérimentaux avec un contrôle basé sur un
repère tournant lié au flux statorique; dans un deuxième temps, le contrôle est basé sur une
orientation du repère suivant le flux d’entrefer. Ces résultats expérimentaux ont été obtenus sur
une maquette dont le moteur a une puissance de 1.5 kW.

I.9.3 Fonctionnement en Générateur :

Cette configuration qui est l’objectif de notre travail, est largement répondue dans les
applications à vitesse variable. Elle consiste à connecter le stator de la MADA directement au
réseau, alors que le rotor est alimenté par un convertisseur AC/AC (figure I.21).
En plus, cette dernière offre la possibilité d’avoir une commande découplée de la puissance
active et réactive, de même qu’elle a un coût d’investissement réduit par rapport aux autres
configurations [Den 10]. Ces avantages expriment l’utilisation très vaste de cette configuration
de la MADA dans l’industrie et surtout dans les domaines des éoliennes à vitesse variable. La
configuration considérée utilise des différents types des convertisseurs de puissances qui seront
exposés par la suite [Leo 97], [Per 04], [Kho 06], [Sal 07].

Puissance statorique fournie au réseau

Réseau


Onduleur Redresseur
MADA
Puissance mécanique

Puissance rotorique fournie au rotor

Figure I.21 Schéma d’un système utilisant une MADA en générateur

alimenté par un seul convertisseur

Yamamoto et Motoyoshi [Yam 91] étudient le cas d’une MADA en fonctionnement générateur
dont le stator est couplé au réseau et le rotor alimenté par un cycloconvertisseur. Cette machine
est dédiée à des applications du type hydroélectricité et éolien. Son étude porte principalement
sur le contrôle de la puissance active et réactive statorique ainsi que sur les formes d’ondes des

23
Chapitre I Etat de l’Art de l’Aérogénérateur

courants de la machine. L’analyse spectrale des courants statoriques et rotoriques permet

d’affirmer que certaines harmoniques du courant rotorique sont transmises à l’enroulement
statorique ce qui change le spectre des fréquences des courants de ce dernier. Des résultats
expérimentaux sont présentés afin de valider l’étude proposée.
Dittrich [Dit 01] s’intéresse à la qualité de la puissance d’une MADA dédiée à une application
du type éolien. Pour cela, il propose d’améliorer la qualité des courants délivrés par la MADA en
compensant leurs harmoniques. Il associe la présence d’harmoniques dans les courants à deux
raisons : la distorsion de la tension réseau et la distribution non-sinusoïdale du flux dans la
machine. Il propose alors de réduire les harmoniques des courants par les méthodes de
compensation dues à des effets secondaires. Il présente des résultats expérimentaux pour les
courants avec et sans compensation pour des essais sur une machine de 4 kW et montre
l’amélioration des formes d’ondes des courants et des analyses spectrales de ces mêmes courants
témoignant de l’efficacité de la méthode proposée.
Concernant les stratégies de commande, la littérature permet de remarquer que la principale
stratégie utilisée est le contrôle vectoriel par orientation soit du flux statorique soit de la tension
statorique. Le principal objectif est de contrôler indépendamment la puissance active et la
puissance réactive, tant au stator qu’au rotor. On s’intéresse aussi aux performances de la
MADA ainsi qu’à sa stabilité et à la robustesse de la stratégie de commande face aux variations
paramétriques de la machine. Ces études proposent des contrôles avec ou sans capteur de
position et de vitesse en utilisant différentes méthodes d’estimation de la vitesse ou de la position
du rotor de la machine. Dans ce cadre on peut citer :
SOENS, [Soe 03], se base sur le modèle dynamique d’une MADA dédiée aux applications
éoliennes et dont la puissance est de 850 kW. Il étudie le courant et la tension rotorique en
fonction de la vitesse et de la puissance active et réactive. En conclusion, il tire que le courant est
un facteur limitant les puissances du stator mais n’a pas d’influence sur la variation de la vitesse
de la machine. De plus, il retient que la tension rotorique est un facteur limitant de la zone de
variation de la vitesse mais a peu d’influence sur les puissances au stator.
PENA dans [Pen 96_1] et [Pen 96_2], présente l’étude de la MADA en fonctionnant génératrice
associée à une éolienne. Les enroulements statoriques sont reliés à un réseau triphasé, une
association redresseur MLI - onduleur MLI au rotor. L’avantage d’une telle structure est qu’elle
permet le réglage indépendant des puissances fournies par l’alimentation et le fonctionnement
dans une grande plage de vitesse.

I.10 Avantages et Inconvénients de la MADA :

I.10.1 Avantages de la MADA :

24
Chapitre I Etat de l’Art de l’Aérogénérateur

Parmi ses nombreux avantages, nous citons [Sal 07]:

 La mesure des courants au stator et rotor, contrairement à la machine à cage, donnant
ainsi une plus grande flexibilité et précision au contrôle du flux et du couple
électromagnétique.
 La possibilité de fonctionner à couple constant au delà de la vitesse nominale.
 Electronique de puissance dimensionnée à 30% de la puissance nominale [Belt 10],
Par conséquent, les éoliennes à base de la MADA procurent ainsi plusieurs avantages :
 Les convertisseurs statiques utilisés sont moins volumineux, moins coûteux, nécessitant
ainsi un système de refroidissement moins lourd. Ils génèrent moins de perturbations
comparativement aux convertisseurs utilisés pour les éoliennes à base de machine
asynchrone à cage ou à aimant permanent [Poi 03],
 Les pertes liées aux convertisseurs statiques sont diminuées et le rendement du système
de génération est amélioré [Ghe 11],
 Le facteur de puissance peut être réglé car la génératrice peut être contrôlée pour
fonctionner de façon similaire à un alternateur synchrone [Tan 95]. En effet, les
puissances active et réactive peuvent être contrôlées de façon indépendante grâce au
convertisseur connecté au rotor de la MADA [Ela 03].

I.10.2 Inconvénients de la MADA [Sal 07]:

Tout d’abord, la MADA est une machine asynchrone; alors le premier inconvénient est que sa
structure est non linéaire, ce qui implique la complexité de sa commande. En plus de ça, on peut
citer les inconvénients suivants :
 Machine plus volumineuse que celle à cage, généralement elle est plus longue à causes
des balais.
 Le coût total de la machine asservie est plus important que celui de la machine à cage.
 Nous utilisons un nombre des convertisseurs (deux redresseurs et deux onduleurs ou un
redresseur et deux onduleurs) plus importants que la machine à cage (un redresseur et un
onduleur).

I.11 Dispositif de Fonctionnement :

I.11.1 Outils de Travail :

L’évolution de la technologie de l’énergie éolienne s’est fortement accélérée ces dernières

années. La simulation numérique comme outil de conception de nouveaux produits a

25
Chapitre I Etat de l’Art de l’Aérogénérateur

considérablement contribué à cette accélération [Mar 99]. Cet outil informatique permet
d’optimiser le fonctionnement et la conception de nouveaux produits ou services.
En effet, cette façon de faire évite les nombreux problèmes rencontrés lorsqu’on travaille avec un
système réel. Des essais sur le système réel sont évidemment nécessaires, mais ils sont beaucoup
moins longs si ce même système a été auparavant testé et optimisé à l’aide d’un simulateur
numérique. Ainsi, ce dernier permet de réduire le cycle de conception d’éléments innovants [Mar
99]. La difficulté réside dans la modélisation numérique du système que l’on veut modéliser.
Une fois cette tâche ardue réalisée, tout le reste devient beaucoup plus simple. Le simulateur
numérique élaboré ici sur Matlab/Simulink est modulaire, ce qui permet d’étudier les différentes
composantes de l’éolienne séparément.
Dans cette thèse le logiciel Matlab/Simulink a été utilisé pour faire des simulations numériques
concernées à un système éolien basé sur un générateur asynchrone à double alimentation
(GADA).

I.12 Conclusion :

Dans ce chapitre nous avons présenté un aperçu général sur l’énergie éolienne basé sur la
machine asynchrone à double alimentation (MADA) qui est la machine la plus utilisée dans le
domaine de conversion éolienne à savoir les principales théories qui régissent l’interaction entre
le vent et la turbine éolienne, ensuite différentes structures qui composent la chaîne de
conversion éolienne existante ainsi que les différentes configurations de l’association machine –
convertisseur.
De plus, dans ce chapitre, nous avons effectué une présentation des différents travaux réalisés sur
la MADA. Deux configurations sont proposées, une où la machine est alimentée par un
convertisseur au rotor alors que le stator est lié au réseau (fonctionnement en générateur pour une
application du type éolien) et l’autre où la machine est alimentée par deux convertisseurs, l’un au
stator et l’autre au rotor et dédiée à des applications industrielles telles le laminage ou le
pompage (fonctionnement moteur).
La première configuration présente plusieurs avantages qui la rendent attractive en particulier
celui d’avoir un convertisseur lié au rotor dimensionné au tiers (1/3) de la puissance nominale du
rotor. La seconde configuration présente l’avantage d’un fonctionnement à large plage de vitesse
à puissance constante. Notre choix se portera sur l’utilisation de la première configuration.
Le chapitre suivant sera consacré à la modélisation et à la commande du système de conversion
éolienne basé sur une MADA.

26
 Chapitre II
Modélisation et
Commande du Système
de Conversion Eolienne
basé sur une MADA
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

II.1 Introduction :

Dans ce chapitre, on s’intéresse essentiellement à la modélisation et à la commande du système

de conversion éolienne basé sur une machine asynchrone à double alimentation (MADA).
Dans un premier temps, on a modélisé chaque élément de ce système de conversion éolienne,
tels que la turbine éolienne et ses parties mécaniques et ensuite la machine asynchrone à double
alimentation en mode générateur. Ensuite, on a appliqué la commande vectorielle de la puissance
active et réactive statorique du générateur asynchrone à double alimentation (GADA) qui est
entraîné par une turbine éolienne commandée par la stratégie MPPT (Maximum Power Point
Tracking) pour extraire le maximum de la puissance produite par ce générateur. Tous les
modèles ont été développés en vue d’une exploitation par le logiciel Matlab/Simulink, qui
permet de mettre en place assez rapidement des modèles ainsi que les lois de commande
associées. Afin d’examiner la robustesse de cette commande à vitesse variable, on a soumis à la
turbine une vitesse du vent variable en échelons et une autre variable aléatoire.

II.2 Modélisation Globale de la Chaîne de Conversion de l’Eolienne basée sur

une MADA :

Dans cette partie, on modélise la chaîne de conversion éolienne directement connectée au réseau
de distribution à travers le stator, et alimentée par le rotor au moyen de convertisseur de
puissance fonctionnant en MLI (Modulation de Largeur d’Impulsion), (figure II.1).

Turbine
Ps
Réseau
Vent
Onduleur à
MLI
MADA

Pr
Redresseur

Figure II.1 La chaîne de conversion éolienne globale basée sur une MADA

28
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

II.2.1 Modélisation de la Turbine Eolienne :

L’éolienne capte l’énergie cinétique du vent et la convertit en un couple qui fait tourner les pales
du rotor. Trois facteurs déterminent le rapport entre l’énergie du vent et l’énergie mécanique
récupérée par le rotor: la densité de l’air, la surface balayée par le rotor et la vitesse du vent. La
densité de l’air et la vitesse du vent sont des paramètres climatologiques qui dépendent du site
[Kend 11].
Le dispositif, qui est étudié ici, est constitué d’une turbine éolienne comprenant des pales de
longueur R entraînant un générateur à travers un multiplicateur de vitesse de gain G , comme le
montre la figure II.2.

Figure II.2 Schéma de la turbine éolienne

II.2.1.1 Modélisation de la Turbine :

La puissance du vent ou la puissance éolienne est définie de la manière suivante [Sag 98] :

1
P  S w  3 (II.1)
v 2

Où :
 est la densité d’air (  = 1.22 kg/m3 ),
Sw est la surface circulaire balayée par la turbine, le rayon du cercle est déterminé par la

longueur de la pale R où Sw   R 2 .

 est la vitesse du vent.

29
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

La puissance aérodynamique, qui est convertie par une turbine du vent, Paer dépend du

coefficient de puissance C p . Elle est donnée par [Aou 09] :

1
Paer  C p ( ,  )  R 2 3 (II.2)
2
La turbine éolienne peut seulement convertir juste un certain pourcentage de la puissance
capturée du vent [Ela 03]. On représente ce pourcentage par C p ( ,  ) qui est en fonction de

ratio de vitesse  et l’angle de l’orientation de pale  .

Le coefficient de puissance C p représente le rendement aérodynamique de la turbine éolienne. Il

dépend de la caractéristique de la turbine [Ela 04]. Il peut être décrit comme suivant [Abd 00],
[Ela 04] :

 .( + 0.1)
C p (  ,  )  (0.5 - 0.0167.( - 2)).sin ( ) - 0.00184.( - 3).( -2) (II.3)
18.5 - 0.3.( - 2)

La figure II.3 représente la variation de ce coefficient ( C p ) en fonction du ratio de vitesse  et

de l’angle de l’orientation de pale  .

D’après la figure II.3, on trouve que la valeur maximal de C p est C p _ max = 0.5, qui correspond

à l’angle de l’orientation de pale  = 2° et la valeur optimale du ratio de vitesse optim = 9.2

[Bek 11], [Bek 13_3]. Pour extraire le maximum de la puissance générée, nous devons fixer le
ratio de vitesse optim et le coefficient de puissance maximal C p _ max .

X: 9.2
Y: 0.5
0.5
Beta = 2°

0.4
Beta = 3°
0.3
Cp

Beta = 4°
0.2

0.1

0 2 4 6 8 10 12 14 16 18
Lamda

Figure II.3 Coefficient de puissance C p en fonction du ratio de vitesse  et de l’angle de

l’orientation de pale 

30
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Le couple de la turbine est le rapport de la puissance aérodynamique à la vitesse de rotation de la

turbine t :
P
C  aer (II.4)
t t

Le ratio de vitesse  est défini comme le rapport entre la vitesse linéaire des pales (la vitesse de
rotation de la turbine) et la vitesse du vent [Ela 04]:

 .R
 t (II.5)


II.2.1.2 Modélisation du Multiplicateur :

La turbine est normalement couplée à l’axe du générateur par un multiplicateur dont le gain de
vitesse G est choisi afin de placer la vitesse d’axe du générateur dans une marge de vitesse
désirée. En négligeant les pertes de transmission, le couple et la vitesse de la turbine se sont
rapportés au côté du générateur par [Aou 09] :

C
C  t (II.6)
g G

mec
t  (II.7)
G

Où :
C est le couple du générateur,
g

 mec est la vitesse de rotation du générateur.

II.2.1.3 Modélisation de l’Arbre Mécanique :

L’arbre est composé d’une masse correspondant à l’inertie du rotor de la turbine supportant les
pales, le moyeu et une petite inertie représentant le rotor du générateur. Dans le modèle
mécanique proposé, l’inertie totale J est celle du générateur J g et l’inertie de la turbine J t

ramenée au rotor du générateur [Ghe 11], où :

J  J g  JtG 2 (II.8)

d
Cm  J (II.9)
dt

C m  C g  C em  Cvis (II.10)

31
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Le couple issu du frottement est modélisé par le coefficient de frottement visqueux f .

Cvis  f  mec (II.11)

En remplaçant (II.9) et (II.11) dans (II.10), nous aurons :

d  mec
C g  C em  J  f  mec (II.12)
dt

Où C em est le couple électromagnétique du GADA.

Le schéma bloc correspondant à la modélisation de la turbine éolienne se déduit aisément des

équations ci-dessus et est représenté par la figure II.4. Le modèle de la turbine éolienne sous le
logiciel Matlab/Simulink est représenté par la figure II.5.

Turbine Multiplicateur L’arbre

  R .t t 1  mec
v G
Cp

1 1 Ct 1 Cg C em 1  mec
v 2 3
C p  R  +
2 t G J.p  f
-

C em _ ref

Figure II.4 Schéma bloc du modèle de la turbine éolienne

Lamda

R*u(2)/u(1) Omega _t Omega _mec

1 /G

Cp C_ t C_g 1
f(u) 0.5*rho *pi *R^2*u(3)^3*u(2)/u(1) 1/G 1
J.s+f Omega _mec
Beta
Cp Ct Cem Transfer Fcn

1
Vent
Cem _ref

Turbine Multiplicateur L'arbre

Figure II.5 Modèle de la turbine éolienne sous Matlab/Simulink

II.2.2 Stratégie de Commande de la Turbine Eolienne :

II.2.2.1 Caractéristique Puissance -Vitesse d’Eoliennes de Grande Puissance :

32
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

La caractéristique Puissance-Vitesse d’une éolienne peut se décomposer en quatre zones [Ela

04], comme le montre la figure II.6.

Figure II.6 Caractéristique Puissance-Vitesse typique d’une éolienne

de grande puissance [Ela 04]

Les quatre zones principales de fonctionnement peuvent être distinguées [Ela 04] :

 Zone 1 : C’est la zone de démarrage de la machine, elle commence lorsque la vitesse

mécanique est supérieure à une certaine vitesse cut in .

 Zone 2 : Lorsque la vitesse du générateur atteinte une valeur seuil, un algorithme de

commande permettant l’extraction de la puissance maximale du vent est appliqué. Pour
extraire le maximum de la puissance, l’angle de la pale est maintenu constant à sa valeur
minimale, c’est à dire  =2°. Ce processus continue jusqu’à atteindre une certaine valeur
de la vitesse mécanique.
 Zone 3 : Au delà, l’éolienne fonctionne à vitesse constante. Dans cette zone, la
puissance du générateur atteint des valeurs plus importantes, jusqu’à 90% de la
puissance nominale Pnom .

 Zone 4 : Arrivée à la puissance nominale Pnom , une limitation de la puissance générée

est effectuée à l’aide d’un système d’orientation des pales : pitch control. Au delà de la
vitesse cut out , un dispositif d’urgence est actionné de manière à éviter une rupture

mécanique.

33
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

II.2.3 Modélisation de la Machine Asynchrone à Double Alimentation (MADA) :

La modélisation de la machine électrique est une phase primordiale de son développement. Les
progrès de l’informatique et du génie des logiciels permettent de réaliser des modélisations
performantes et d’envisager l’optimisation des machines électriques [Abd 97].
Afin d’établir la modélisation de la MADA, nous allons déterminer le modèle d’une machine
asynchrone à rotor bobiné. Ce modèle sera établi de la même manière que le modèle de la
machine à cage avec comme différence l’existence de tensions rotoriques non nulles [Bek 10_1],
[Boy 06_1]. La figure II.7 représente l’enroulement triphasé de la MADA.

Figure II.7 Représentation de l’enroulement triphasé de la MADA

Telle que :
as, bs, cs : correspondent aux trois phases du stator.
ar, br, cr : correspondent aux trois phases du rotor.
Les deux axes Od et Oq, sont perpendiculaires et serviront à transformer les équations de la
machine. Leurs positions peuvent être quelconques vue l’isotropie du stator et du rotor.
"Oas, Od = s ", "Oar, Od =  r ", "Oas, Oar = s   r   ".

L’angle  caractérise la position angulaire du rotor par rapport au stator, d’où la vitesse
angulaire :
d  d s d  r
   (II.13)
dt dt dt
Avec :   P .

34
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

 est la vitesse de rotation angulaire mécanique, et P c’est le nombre de paires de pôles.

II.2.3.1 Hypothèses et Conventions [Sal 07]:

Pour simplifier l’étude de la machine asynchrone idéalisée, on considère les hypothèses

simplificatrices suivantes :
 Nous supposons que la machine est constituée d’un stator et d’un rotor cylindrique et
coaxiaux dont les enroulements sont symétriques triphasés et répartis d’une façon
sinusoïdale dans les encoches. Les trois enroulements statoriques, respectivement
rotoriques, sont supposés identiques.
 Nous supposons que l’épaisseur de l’entrefer est uniforme ce qui conduit à une
perméance d’entrefer constante.
 Nous négligeons la saturation du circuit magnétique ainsi que son hystérésis, ce qui
permet de définir des inductances constantes.
 Nous supposons que l’induction dans l’entrefer est à répartition sinusoïdale.
 Nous supposons que la composante homopolaire du courant est nulle.
 Nous tenons compte des fondamentaux des grandeurs alternatives seulement.
 Nous ne tenons compte que des pertes Joules dans la machine. Nous négligeons les pertes
fer.

II.2.3.2 Equations de la MADA :

Soit une machine asynchrone triphasée au stator et au rotor représenté schématiquement par la
figure II.7 et dont les phases sont repères respectivement as, bs, cs et ar, br, cr et l’angle électrique
 variable en fonction du temps définit la position relative instantanée entre les axes
magnétiques des phases ar et as choisis comme axes de référence [Laa 08].

II.[Link] Equations Electriques :

La MADA est représentée par les équations des phases statoriques et rotoriques suivantes :

 V   R 0 0  i   
 as   s   as   as 
 V    0 R 0  . i   d   (II.14)
 bs   s   bs  dt  bs 
 V   0 0 R  i   
 cs   s   cs   cs 

35
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

 V   R 0 0  i   
 ar   r   ar  d  ar 
 V    0 R 0  . i      (II.15)
 br   r   br  dt  br 
 V   0 0 R  i   
 cr   r   cr   cr 
T T
 V V V  ,  V V V  : vecteurs des tensions statoriques et rotoriques,
 as bs cs   ar br cr 
T T
i i i  , i i i  : vecteurs des courants statoriques et rotoriques,
 as bs cs   ar br cr 
T T
    ,     : vecteurs des flux statoriques et rotoriques,
 as bs cs   ar br cr 
R , R : sont respectivement la résistance statorique et rotorique.
s r

II.[Link] Equations Magnétiques :

Les expressions des flux en fonction des courants statoriques et rotoriques sont données par :

   L M M  i  i 
 as   s s s   as   ar 
   M L  
M  . i   M . i  (II.16)
 bs   s s s   bs   sr   br 
  M M L  i  i 
 cs   s s s   cs   cr 

   L M M  i  i 
 ar   r r r   ar   as 
   M L M  . i    M  . i  (II.17)
 br   r r r   br   sr   bs 
  M M L  i  i 
 cr   r r r   cr   cs 
Avec :
L , L : Inductances propres statoriques et rotoriques,
s r
M : Inductance mutuelle entre phases statoriques,
s

M : Inductance mutuelle entre phases rotoriques.

r
La matrice des inductances mutuelles entre les phases du stator et du rotor dépend de la position
angulaire  entre l’axe du stator et celui du rotor [Bouh 06]:

 4π 2π 
 cos θ cos(θ  ) cos(θ  ) 
3 3
 
 M   M .  cos(θ  2π ) cos θ
4π 
cos(θ  ) (II.18)
0
 sr   3 3 
 
 cos(θ  4π ) cos(θ  2π ) cos θ 
 3 3 

36
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

M 0 : Maximum de l’inductance mutuelle entre une phase du stator et la phase correspondante du

rotor (leurs axes magnétiques sont, alors, alignés).

Il est clair que l’écriture de  V  et  V  en fonction des courants conduit a un système

 as   ar 
d’équations dont les coefficients sont variables dans le temps; d’où la complexité de leur
résolution. Pour résoudre ce problème, on a recourt à la transformation de Park qui s’impose
alors comme alternative dans le but d’obtenir un modèle équivalent plus simple à manipuler.

II.[Link] Application de la Transformation de Park à la MADA :

La transformation de Park consiste à appliquer aux courants, tensions et flux, un changement de

variable faisant intervenir l’angle entre l’axe des enroulements et les axes d et q. Ceci peut être
interprété comme la substitution, aux enroulements réels, d’enroulements fictifs ds, qs, dr, qr dont
les axes magnétiques sont liés aux axes (d-q) conformément à la figure II.8 [Bek 10_1].
On désire transformer les enroulements de la MADA triphasée en des enroulements biphasés
orthogonaux équivalents selon les axes (d-q) lié au champ tournant ainsi la composante
homopolaire pour équilibrer le système transformé, c’est à dire :
 Direct selon l’axe (d).
 Quadrature (transversal) selon l’axe (q).
 Homopolaire (o).
Dans le cas d’un système de courant, la transformation s’écrit :

 Idqo    P  Iabc  (II.19)

et
1
 Iabc    P   Idqo  (II.20)

Celle des tensions :

 Vdqo    P  Vabc  (II.21)

et
1
 Vabc    P   Vdqo  (II.22)

La transformation des flux :

   P 
dqo abc (II.23)

et
abc   P1 dqo  (II.24)

Où :

37
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

T
 Vdqo    Vd , Vq , Vo  (II.25)
T
 Idqo    Id , Iq , Io  (II.26)

    , , 
dqo d q o
T
(II.27)

q
isq

esq Vsq

irq

erq Vrq

d
o
ird isd
erd esd

Vrd Vsd

Figure II.8 Modèle de la machine après transformation de Park

Avec  P  la matrice de transformation de Park qui s’écrit par [Abd 97] :

 cos( ) cos(  2 / 3) cos(  4 / 3) 

 
 P   2 / 3  sin( )  sin(  2 / 3)  sin(  4 / 3)  (II.28)
 1/ 2 1/ 2 1/ 2 
 

et P  la matrice de transformation de Park inverse qui s’écrit par :

1

 cos( )  sin( )1/ 2 

 
 P 1  2 / 3 cos(  2 / 3)  sin(  2 / 3) 1/ 2  (II.29)
 
cos(  4 / 3)  sin(  4 / 3) 1/ 2 

II.2.2.3 Choix du Référentiel [Bek 10_1]:

Pour étudier la théorie des régimes transitoires de la machine asynchrone à double alimentation,
on peut utiliser trois systèmes d’axes de coordonnées du plan d’axes (d,q) [Abd 97].

38
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Dans la suite, les composantes homopolaires sont supposées nulles.

II.[Link] Référentiel Lié au Stator :

Dans ce référentiel, les axes (d,q) sont immobiles par rapport au stator ( ωcoor  0 ). Ce

référentiel est le mieux adapté pour travailler avec les grandeurs instantanées et dont l’avantage
ne nécessite pas une transformation vers le système réel. L’utilisation de ce système permet
d’étudier les régimes de démarrage et de freinage des machines à courant alternatif.

II.[Link] Référentiel Lié au Rotor :

Dans ce référentiel, les axes (d,q) sont immobiles par rapport au rotor tournant à une vitesse 
donc ( ωcoor    P . ). L’utilisation de ce référentiel permet d’étudier les régimes

transitoires dans les machines alternatives synchrones et asynchrones avec une connexion non
symétrique des circuits du rotor.

II.[Link] Référentiel Lié au Champ Tournant :

Dans ce référentiel, les axes (d,q) sont immobiles par rapport au champ électromagnétique créé
par les enroulements statoriques, d’où ( ωcoor  s ; r  s    ).

Ce référentiel est généralement utilisé dans le but de pouvoir appliquer une commande de
vitesse, de couple, etc. puisque les grandeurs dans ce référentiel sont de forme continue.

Figure II.9 Choix du référentiel [Dri 05_2]

39
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Dans notre travail, on utilise le référentiel lié au champ tournant ( ωcoor  s ) pour la

modélisation et la commande de la MADA.

Alors, le modèle électrique général de la machine asynchrone obtenue en utilisant la
transformation de Park est donné par les équations suivantes [Aou 09], [Bek 11], [Bek 13_3]:
Les tensions statoriques et rotoriques:

 d
V sd  R .i   s 
s sd dt sd sq

V d
 R .i    s 
 sq s sq dt sq sd
 (II.30)
V d
 R .i    (s   )
 rd r rd dt rd rq
 d
V  R .i    (s   )
 rq r rq dt rq rd

Les flux statoriques et rotoriques:

sd  L .i
s sd
 M .i
rd

sq  L .i  M .i
 s sq rq
 (II.31)
rd  L .i
r rd
 M .i
sd

rq  L .i
r rq
 M .i
sq

Les puissances actives et réactives statoriques et rotoriques sont définies comme suit :

P  V .i  V .i
 sd sd sd sq sq
 (II.32)
Q sd  V sq .i sd  V sd .i sq

P  V .i  V .i
 rd rd rd rq rq
 (II.33)
Q rd  V rq .i rd  V rd .i rq

Le couple électromagnétique est donné par :

M
Ce  P ( i  sq i ) (II.34)
Ls sd rq rd

La fréquence de la tension statorique étant imposée par le réseau électrique, la pulsation des
courants rotoriques est donnée par :

40
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

r  s  p  (II.35)

Où s représente la pulsation des courants statoriques en rad/s.

Les angles s et  r sont obtenus respectivement par intégration de s et r .

t

 s  s dt
 
 0
 t
(II.36)
   dt
 r  r
 0

Le schéma bloc du GADA sous Matlab/Simulink est représenté par la figure II.10.

t
Clock
To Workspace

Vsa Vra Ps Ps
Vrd
Vsd Vsd
Vsd
Vsb Vrb Goto 1
Goto 9 From 1

Vsc Vrc Qs Qs
Vrq Vsq
Tensions Statoriques Goto 2
teta elect Goto 10 Vsq Vsq
abc _dq From 2 Ird Ird
1
2*pi *50 Goto 3
s
Ws Integrator Vrd Vrd Irq Irq
From 3 Goto 4

Isd Isd
Vsa Vra
Vrd Vrd Vrq Vrq Goto 5
Vsb Vrb
Goto 11 From 4
Isq Isq
Vsc Vrc
Vrq Vrq Goto 6
Tensions Rotoriques teta elect Goto 12 Wmec Wmec wr Wr
abc _dq 2
Wmec Goto 7
1
Wr GADA
s
From Integrator 1

Figure II.10 Schéma bloc du GADA sous Matlab/Simulink

41
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Tensions
1
Vsd

2
Vsq

3
Vrd Courants
4
[I]
Vrq 5
K *u Isd
1 6
K* u Isq
s 3
A
4 Ird
K
K*u Irq

Vsd 1
K*u Ps
From 1
Isd
D
From 2
2*pi *50
Vsq
Ws Ps1
From 3
Isq
From 4

Vsq 2
From 5 Qs
5 p
Isd
Wmec
Gain From 6

7 Vsd Qs1
2*pi *50 wr From 7
Isq
Ws1
From 8 Puissances

Figure II.11 Le schéma bloc interne (Subsystem) du GADA sous Matlab/Simulink

Où les Matrices A, B, C, D et K sont :

A = [Rs 0 0 0;0 Rs 0 0;0 0 Rr 0;0 0 0 Rr];
B = [Ls 0 M 0; 0 Ls 0 M;M 0 Lr 0; 0 M 0 Lr];
K = inv(B); % (inv : inverse).
C = [0 -Ls 0 -M; Ls 0 M 0; 0 -M 0 -Lr; M 0 Lr 0];
D = [0 0 0 0; 0 0 0 0; 0 M 0 Lr; -M 0 -Lr 0];

II.3 Commande du Système Global :

Le système global étudié dans cette partie, où le stator GADA est connecté directement au réseau
tandis que le rotor est connecté à travers un onduleur de tension à deux niveaux, est représenté
sur la figure II.12. La tension de cet onduleur est contrôlée par la technique de Modulation de
Largeur d’Impulsion (MLI) qui permet le réglage simultané de la fréquence et de la tension de
sortie de l’onduleur.

42
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Turbine
Ps
Réseau
Vent
Onduleur à
MLI
GADA

Pr

FOC
 MPPT
Strategy 5000
8 m/s
P*s Q*s
4500

4000

3500
Mechani cal power (W)

7 m/s
3000

2500

2000
6 m/s
1500

1000
6 m/s
500

0
0 10 20 30 40 50 60
Turbine rotational speed (rpm)

Figure II.12 Structure du système global

II.3.1 Commande de la Turbine avec la Stratégie MPPT (Maximum Power Point Tracking):

Le système de contrôle le plus répandu des éoliennes traditionnelles directement connectées au

réseau électrique de distribution, est basé principalement sur la technique d’extraction du
maximum de puissance (MPPT) [Eft 06], [Tan 04], [Abo 06], et ce sans supervision centralisée.
Celles-ci doivent se déconnecter du réseau électrique lorsqu’un défaut survient sur ce dernier.
Par conséquent, elles n’offrent aucune capacité de réglage quant à leur production et ne peuvent
en aucun cas contribuer aux services système. Nous présenterons dans cette section la stratégie
de commande MPPT sans mesure de vitesse du vent.
Pour extraire la puissance maximum générée, nous devons fixer le ratio de vitesse optimal
optim et le coefficient de puissance maximum C p _ max , la mesure de la vitesse du vent est

difficile, une estimation de sa valeur pouvons être obtenus [Bek 11]:

R .t
 est  (II.37)
optim

La puissance aérodynamique de référence est donc donnée par :

43
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

1 3
Paer _ ref  C p _max . .Sw . est (II.38)
2

Où :

Sw   R 2
Le couple électromagnétique de référence peut s’exprimer comme suit :

Paer _ ref 1 R 5 2t
C em _ ref   C p _max . . . 3 (II.39)
t 2  optim

La figure II.13 résume le schéma bloc de la stratégie MPPT sans mesure de la vitesse du vent
[Bek 13_3].

Turbine Multiplicateur L’arbre

  R .t t 1  mec
v G
Cp

1 1 Ct 1 Cg C em 1  mec
v 2 3
C p  R  +
2 t G J.p  f
-

C em _ ref
1 3 1 1
C p _max  R 2 est
2 t G

v est R .t t 1
opt G

Stratégie de commande MPPT

Figure II.13 Schéma bloc de la stratégie MPPT sans mesure de la vitesse du vent

La figure II.14 représente le schéma l’équivalent de la figure II.13 sous Matlab/Simulink.

44
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Lamda

R*u(2)/u(1) Omega _mec

1 /G

Cp C_t C_g 1
f(u) 0.5* rho *pi *R^2*u(3)^3*u(2)/u(1) 1/G 1
J.s+f Omega _mec
Beta
Cp Ct Cem Transfer Fcn

Vent Cem _ref

Turbine Multiplicateur L'arbre

Cp_max
Cem _ref
0.5 Caer _estim
0.5*rho *pi *R^2* u(2)^3*u(1)/u(3) 1/G
Cp_max
Caer _estim

Vent _estim

Lamda 1 Omega _t

R*u(1)/u(2)
9.2

Lambda optim

Stratégie de commande MPPT

Figure II.14 Schéma bloc de la stratégie MPPT sans mesure de la vitesse du vent
sous Matlab/Simulink

II.3.2 Stratégie de la Commande Vectorielle du Générateur Asynchrone à Double

Alimentation (GADA) pour le Contrôle Indépendant des Puissances Active et Réactive :

En vue de la commande vectorielle de ce générateur, il convient de choisir un référentiel lié au

champ tournant, lequel serait relatif à la fréquence 50Hz. Le repère de Park serait, de ce fait,
synchronisé avec le flux statorique, dont l’axe d est aligné avec le vecteur de flux statorique,
comme le montre la figure II.15.

Figure II.15 Orientation du repère de Park

45
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

En adoptant l’hypothèse d’une résistance statorique R s négligeable et que le flux statorique est
constant et orienté selon l’axe d , on déduit :

sd  s  Ls i sd  Mi rd (II.40)

sq  0  Ls i sq  Mi rq (II.41)

V 0 (II.42)
sd

V  V  s  (II.43)
sq s s

Les puissances active et réactive statoriques peuvent être écrivent selon les courants rotoriques
comme suit:

M
Ps   V s i rq (II.44)
Ls

2
M
Qs  V s  V s i (II.45)
s Ls Ls rd

Si on considère l’inductance mutuelle M constante, on remarque que l’équation II.44 fait

apparaître que la puissance active statorique Ps est directement proportionnelle au courant

rotorique quadrature i rq . De plus, la puissance réactive statorique Q s est proportionnelle au

2
courant rotorique direct i rd , à une constante près V s [Boy 06_1].
s Ls
L’arrangement des équations donne les expressions des tensions rotoriques selon les courants
rotoriques [Bek 13_2]:

 di rd
V rd  R r .i rd   L r  gωs  L i
r rq
 dt
 (II.46)
di rq M
V  R i   L  g Vs  gωs  L i
 rq r rq r dt Ls r rd

Avec :

M2
  1 : coefficient de dispersion,
Ls L r

ωs  ω
g : coefficient de glissement.
ωs

46
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

A partir des équations que nous venons de mettre en place, nous pouvons établir les relations
entre les tensions appliquées au rotor de la machine et les puissances statoriques que cela
engendre. Il est donc possible maintenant de décrire le schéma bloc de la machine asynchrone à
double alimentation qui sera le bloc à réguler par la suite.
Le schéma bloc représentant le modèle mathématique ainsi simplifié de la MADA est illustré
dans la figure II.16.

MV s
g
Ls

- 1 i rq MV s Ps
+
V rq 
R  p L Ls
- r r

gωs  L
r

gωs  L 2
r V s
s Ls

+ 1 i rd MV s - Qs
+ +
V rd 
R  p L Ls
r r

Figure II.16 Schéma bloc du modèle simplifié de la MADA

Ce schéma fait apparaître des fonctions de transfert du premier ordre pour les deux axes liant les
tensions rotoriques aux puissances statoriques. Il montre également que nous pouvons mettre en
place une commande vectorielle étant donnée qu’à l’influence des couplages près, chaque axe
peut être commandé indépendamment, avec chacun son propre régulateur.
Les grandeurs de références pour ces régulateurs seront : la puissance active pour l’axe rotorique
q et la puissance réactive pour l’axe rotorique d . La consigne de puissance réactive sera
maintenue nulle pour assurer un facteur de puissance unitaire côté stator de façon à optimiser la
qualité de l’énergie renvoyée sur le réseau. La consigne de puissance active devra permettre de
garder le coefficient de puissance de l’éolienne optimal.
On remarque que les puissances et les tensions sont liées par une fonction de transfert du premier
ordre. De plus, du fait de la faible valeur du glissement g , il sera possible d’établir sans
difficulté une commande vectorielle car les influences des couplages resteront faibles et les axes
d et q pourront donc être commandés séparément avec leurs propres régulateurs [Boy 06_1].

47
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Ainsi, il apparaît deux solutions pour effectuer la commande en puissance de cette machine [Boy
06_2] :
 La première méthode consiste à négliger les termes de couplage et à mettre en place un
régulateur indépendant sur chaque axe pour contrôler indépendamment les puissances
active et réactive. Cette méthode sera appelée méthode directe car les régulateurs de
puissance contrôlent directement les tensions rotoriques de la machine.
 La deuxième méthode consiste à tenir compte des termes de couplage et à les compenser
en effectuant un système comportant deux boucles permettant de contrôler les puissances
et les courants rotoriques. Cette méthode appelée méthode indirecte.
D’après [Boy 06_1], il a trouvé que la méthode directe est que sa mise en œuvre est simple, par
contre la méthode indirecte a l’avantage de contrôler les courants rotoriques ce qui permettra de
faire une protection de la machine en limitant ces courants mais elle est plus complexe à mettre
en œuvre.
Dans la suite, on va appliquer au GADA les deux méthodes précédentes pour examiner
l’efficacité de ces commandes de ce générateur.

II.3.2.1 Commande Directe des Puissances Active et Réactive :

Dans cette méthode, nous présentons la régulation indépendante des puissances active et réactive
statoriques du GADA en utilisant deux régulateurs PI où la boucle de régulation de la puissance
active P s et la boucle de régulation de la puissance réactive Q s .

Pour réguler la machine, nous allons mettre en place une boucle de régulation sur chaque
puissance avec un régulateur indépendant tout en compensant les termes de perturbation qui sont
présents dans le schéma bloc de la figure II.16 [Xu 06], [Poi 03], [Boy 06_1].
Nous négligerons les termes de couplage entre les deux axes de contrôle du fait de la faible
valeur du glissement. Nous obtenons alors une commande vectorielle avec un seul régulateur par
axe, présentée sur la figure II.17, [Boy 06_1].
La figure II.18 représente le schéma bloc de la commande directe du GADA sous
Matlab/Simulink.

48
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

MV s
g
Ls
- + V rq Ps
Ps* +
+
PI

GADA
Qs *
+
V rd
+ Qs
PI
- -
2
V s
s Ls

Figure II.17 Schéma bloc de la commande directe de la puissance active et réactive du GADA

Udc Uc
Ird Ird
P Ps Vd Vrd P P
Ir

Irq Irq Ir
Vrd _ref Vd_ref
Q Q
Pref Ps_ref
Vrq Isd Isd

wr Wr Ird Ird Is

Isq Isq Is
Qref Qs_ref Vq
Wm w_turbine Irq Irq Subsystem1
Vrq _ref Vq_ref

Q Qs
Isd Isd
onduleur _MLI et dq - abc -dq Va Va
Vsd Vsd1
Commande Directe Vb Vb
Isq Isq
t Vc Vc
Clock To Workspace Vsq
Tensions statoriques Ws

Ws Vsq2 wr wr

GADA

Figure II.18 Schéma bloc de la commande directe du GADA sous Matlab/Simulink

II.[Link] Dimensionnement du Régulateur PI :

Pour s’assurer que les puissances active et réactive du GADA suivent leurs consignes, un
régulateur PI est indispensable. Le but d’utilisation du régulateur PI est d’assurer une meilleure
robustesse vis-à-vis des perturbations internes ou externes.

49
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Les boucles de régulation des puissances active Ps et réactive Q s peuvent se présenter par le

schéma bloc de la figure II.19 :

*
Ps* + K MV s V rq
Kp  i
Ls (R r  p  L )
Qs* - p r *
V rd

Figure II.19 Schéma de régulation des puissances Ps et Q s

On note que les gains des correcteurs PI sont identiques pour l’axe d et l’axe q .
Soit un régulateur PI de fonction de transfert :
K
PI ( p )  K p  i (II.47)
p
La fonction de transfert en boucle ouverte (FTBO) de la figure II.19 sera :

K  Kp  MV / L R
FTBO ( p )  i p  1 . s s r (II.48)
p  K  ( p T + 1 )
 i  r

Par compensation de pôle ce qui traduit par la condition :

Kp
 T r (II.49)
Ki

Où :
L
Tr  r
Rr
Alors la FTBO s’écrit maintenant :

K MV s
FTBO ( p )  i (II.50)
pLs R r

Afin d’avoir un comportement d’un système du premier ordre dont la fonction de transfert est de
la forme :

1
G (p)  (II.51)
1 p

50
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Donc la fonction de transfert en boucle fermée (FTBF) de la figure II.19 sera :

1
FTBF ( p )  (II.52)
L R
1 p s r
K i MV s

Par analogie l’expression (II.52) par l’expression (II.51), on trouve :

Ls R r
 (II.53)
K i MV s

De l’expression (II.49) et (II.53), on a :

  Ls L r
K p  K i T r 
 MV s

 (II.54)
 K  Ls R r
 i  MV s

La constante du temps électrique du système dans notre cas est  e  T r  0.0067 s , nous avons

choisi   0.001 s , pour avoir une dynamique du processus plus rapide.

Nous avons utilisé ici la méthode de compensation des pôles pour sa rapidité; il est évident
qu’elle n’est pas la seule méthode valable pour le dimensionnement du régulateur PI.

II.3.2.2 Commande Indirecte des Puissances Active et Réactive :

II.[Link] Commande Indirecte sans Boucles des Puissances :

Les courants rotoriques i rq et i rd , sont respectivement les images de la puissance active

statorique Ps et la puissance réactive statorique Q s , doivent poursuivre leurs courants de

références [Bek 11].

II.[Link].1 Découplage par Compensation :

De l’équation (II.46), on peut voir que les équations de tension incluent deux termes de couplage
entre l’axe d et l’axe q .
Nous devons présenter un système de découplage, en présentant les termes de compensation :

51
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

E rd  gωs  Lr i rq

 M (II.55)
E rq   g V s  gωs  L i
Ls r rd


Puis, on a définit deux nouvelles variables intermédiaires de découplage par deux expressions
qui sont :

V = V + E
 rd1 rd rd
 (II.56)
V rq1 = V
rq
+ E
rq

Le schéma bloc de la commande indirecte sans boucles des puissances du GADA et son
équivalent sous Matlab/Simulink sont représentés, respectivement, par les figures II.20 et II.21.
La figure II.20 consiste à contrôler ces puissances indirectement par le réglage des deux
composantes ; directe et en quadrature du courant rotorique par des régulateurs PI dont les
consignes sont directement déduites des valeurs des puissances que l’ont veut imposer au
GADA.

MV s
g
Ls

Ls + V rq
Ps*  +
PI + Ps
MV s
- +
i rq
g s L r 

2 i rd GADA
V s g s L r 
s Ls
Qs
* - - -
Qs + Ls V rd
 + +
PI
MV s

Figure II.20 Schéma bloc de la commande indirecte sans boucles des puissances du GADA

52
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Qs_ref
Goto 4 t
Clock
To Workspace

Qs _ref Qref
Ps
Vdr Vd_ref To Workspace4
Ps Qs
Iqr Iqr
Vd Vrd Ps_ref
From 2 Ps To Workspace5

Vq_ref Qs
Idr Idr
From 3 Vrq
Qs
Vqr
Is
Ps_ref Pref
Udc Is Qs_ref
Uc

Wm Wm Ir
Commande Indirecte en BO Vq
Ir

Ps_ref Wr Wr Va Va Idr Idr

Goto 5 Vsd Vsd Goto 1
Vb Vb
Onduleur _MLI dq - abc -dq
Iqr Iqr
Vc Vc Goto 2
Vsq Vsq
Tensions statoriques
Ws Wr Wr
Goto 3
Ws
GADA

Figure II.21 Schéma bloc de la commande indirecte sans boucles des puissances du GADA
sous Matlab/Simulink

II.[Link].2 Dimensionnement du Régulateur PI :

Les fonctions de transferts des courants rotoriques directe et quadrature sont obtenues à partir de
l’équation (II.46) et par l’annulation des termes de découplages par les termes de
compensations :

i 1 i 1
rd rq
 et  (II.57)
V R r   Lr p V R r   Lr p
rd rq

La boucle de régulation des courants i et i peut se présenter par le schéma bloc de la figure
rd rq

II.22 :

i *rd K 1 V rd1
+ ic
K pc  R r   Lr p
i *rq - p V rq1

Figure II.22 Schéma de régulation des courants i et i

rd rq

On note que les gains des correcteurs PI sont identiques pour l’axe d et l’axe q .
Soit un régulateur PI de fonction de transfert :

53
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

K
PI ( p )  K pc  ic (II.58)
p
La FTBO de la figure II.22 sera :

K K pc  1
FTBO ( p )   pic  1 . (II.59)
p  K   
 ic  R r  1  L r p 
 Rr 

Par compensation de pôle ce qui traduit par la condition, on trouve :

K pc
 T r (II.60)
K ic

Où :
L
Tr  r
Rr
Alors la FTBO s’écrit maintenant comme suit :

K
FTBO ( p )  ic (II.61)
R r .p

Donc la FTBF de la figure II.22 sera :

K
ic
R r .p 1
FTBF ( p )   (II.62)
K Rr
1  ic .p  1
R r . p K ic

Par analogie de l’expression (II.62) par l’expression (II.51), on trouve :

Rr
 (II.63)
K
ic

De l’expression (II.60) et (II.63) on a :

  Lr
K pc  K ic T r  
 (II.64)
K  R r
 ic 

54
 Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

II.[Link] Commande Indirecte avec Boucles des Puissances :

Afin d’améliorer la commande précédente, nous allons incorporer une boucle de régulation
supplémentaire au niveau des puissances afin d’éliminer l’erreur statique tout en préservant la
dynamique du système [Boy 06_1]. Nous aboutissons au schéma bloc présenté en figure II.23
sur lequel on distingue bien les deux boucles de régulation pour chaque axe, l’une contrôlant le
courant et l’autre la puissance.
La figure II.24 présente le schéma bloc de la commande indirecte avec boucles des puissances du
GADA sous Matlab/Simulink.

MV s
g
Ls

+
- Ls + V rq
Ps*  + + Ps
PI MV s PI
- +
i rq
g s L r 

2 i rd GADA
V s g s L r 
s Ls
Qs
- - -
*
Qs + Ls V rd
PI +  + +
PI
-
MV s

Figure II.23 Schéma bloc de la commande indirecte avec boucles des puissances du GADA

55
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Qs_ref Qref

Iqr Iqr
Vdr Vd_ref
From 1 Ps Ps
Vd Vrd Goto 6
Idr Idr
From 2 Qs Qs
Vq_ref
Goto 5
vrq
Ps Ps
Is
From 4
Is
Udc Uc
Qs Qs Vqr
Wm Wm Ir
From 5 Vq Ir

Ps _ref Pref Wr Wr Va Va Idr Idr

From 3 Vsd Vsd Goto 1
Commande Indirecte en BF Vb Vb
Onduleur _MLI dq - abc -dq Iqr Iqr
Vc Vc Goto 2
Vsq Vsq
Tensions statoriques
Ws Ws Wr Wr
t Goto 3
GADA
Clock
To Workspace
Ps

To Workspace 4
Ps
Ps_ref
Ps

Qs

To Workspace5

Qs
Qs_ref
Qs

Figure II.24 Schéma bloc de la commande indirecte avec boucles des puissances
du GADA sous Matlab/Simulink

II.3.3 Modélisation et Commande de l’Onduleur à MLI :

Pour modéliser l’onduleur de tension, figure II.25, on considère son alimentation comme une
source parfaite (bus continu), supposée d’être constituée de deux générateurs de f.é.m égale à
U dc / 2 connectés entre eux par un point noté n 0 [Bek 10_1].

Tx

Commande MLI

Figure II.25 Schéma de l’onduleur triphasé à deux niveaux

56
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

La machine a été modélisée à partir des tensions simples que nous notons V , V et V .
an bn cn

L’onduleur est commandé à partir des grandeurs logiques Si. On appelle Ti et Ti' les transistors
(supposés être des interrupteurs idéaux), on a :
 si Si = 1, alors Ti est passant et Ti' est ouvert,
 si Si = 0, alors Ti est ouvert et Ti' est passant.
Les tensions composées sont obtenues à partir des sorties de l’onduleur :
U ab  Van0  Vbn0

U bc  Vbn0  Vcn0 (II.65)

U ca  Vcn0  Van 0

Les tensions simples des phases de la charge issues des tensions composées ont une somme
nulle, donc :

Van = 1/3  U ab  U ca 

Vbn = 1/3  U bc  U ab  (II.66)

Vcn = 1/3  U ca  U bc 

Elles peuvent s’écrire à partir des tensions de sorties de l’onduleur en introduisant la tension du
neutre de la charge par rapport au point de référence n 0 .

Van + Vnn 0 = Van 0


Vbn + Vnn0 = Vbn0 (II.67)

Vcn + Vnn 0 = Vcn 0

Donc, on peut déduire que :

1
Vnn0   Van0  Vbn0  Vcn0  (II.68)
3

L’état des interrupteurs supposés parfaits  Si (i = a, b, c), on a :

U dc
Vin0  Si .U dc    Si  0.5 U dc (II.69)
2

On trouve donc :

Van 0   Sa  0.5  U dc

Vbn0   Sb  0.5  U dc (II.70)

Vcn 0   Sc  0.5  U dc

57
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

En remplaçant l’équation (II.68) dans l’équation (II.67), on obtient :

 2 1 1
Van  3 Van0  3 Vbn0  3 Vcn0

 1 2 1
Vbn   Van0  Vbn0  Vcn 0 (II.71)
 3 3 3
 1 1 2
Vcn   3 Van0  3 Vbn0  3 Vcn0


En remplaçant l’équation (II.70) dans l’équation (II.71), on trouve :

 Van   2  1  1  Sa 
  1   
 Vbn   3 .U dc  1 2  1 Sb  (II.72)
 Vcn   1  1 2  Sc 

Il suffit d’appliquer la transformation de Park pour passer d’un système triphasé au système
biphasé.

II.3.3.1 Commande par Modulation Sinus-Triangle :

La MLI (Modulation de Largeur d’Impulsion) sinus-triangle est réalisée par comparaison d’une
onde modulante basse fréquence (tension de référence) à une onde porteuse haute fréquence de
forme triangulaire. Les instants de commutation sont déterminés par les points d’intersection
entre la porteuse et la modulante. La fréquence de commutation des interrupteurs est fixée par la
porteuse [Bek 10_1].
Les tensions de références sinusoïdales sont exprimées par :

Vref a  Vm sin(2 ft )

 2
Vref b  Vm sin(2 ft  ) (II.73)
 3
 2
Vref c  Vm sin(2 ft  3 )

L’équation de la porteuse est donnée par :

Vpm  4(t / Tp )  1 si 0  t  Tp / 2
  
Vp (t)   (II.74)
Vpm  4(t / Tp )  3 si Tp / 2  t  Tp

1
Où : Tp 
fp

f : Fréquence de la tension de référence (en Hz),

Tp : Période de la porteuse (en seconde),

58
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Vm : Amplitude de la tension de référence (en V),

Vref : Tension de référence (en V),

Vpm : Valeur crête de l’onde de modulation (en V).

Cette technique est caractérisée par les deux paramètres suivants :

1. L’indice de modulation m égal au rapport de la fréquence de modulation ( f p ) sur la

fp
fréquence de référence ( f ), m  .
f
2. Le coefficient de réglage en tension r égal au rapport de l’amplitude de la tension de
Vm
référence ( Vm ) à la valeur crête de l’onde de modulation ( V pm ), r  .
V pm

f p : fréquence de la porteuse (en Hz).

Il existe différents types de modulation de largeur d’impulsion [Bek 10_1] :

 MLI naturelle, le calcul des instants de commutation se fait par l’intersection du signal de
référence avec un signal triangulaire.
 MLI avec contrôle d’amplitude, l’amplitude crête est constante et pour la valeur efficace
du fondamental, on agit sur la largeur des impulsions. Pour maintenir U/f = Cte, il faut
modifier la valeur des angles d’amorçage de la MLI pour chaque valeur de vitesse. Ceux-
ci sont donc précalculés et stockés dans une mémoire.
 MLI vectorielle : les instants de commutation sont calculés en ligne.
En ce qui nous consternons pour déterminer les instants de fermeture et d’ouverture (instants de
commutation) des interrupteurs, on utilise la technique MLI naturelle consistant à comparer le
signal de référence (onde modulante) de forme sinusoïdale à faible fréquence à un signal
triangulaire (onde porteuse) de fréquence élevée. Le signal modulé est au niveau haut lorsque la
modulante est supérieure à la porteuse et est au niveau bas lorsque la modulante est inférieure à
la porteuse. Les instants de commutation sont déterminés par les points d’intersection entre la
porteuse et la modulante, figure II.26.

59
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Figure II.26 Schéma de principe de la commande MLI

Le modèle de la commande de la technique MLI sous Matlab/Simulink est représenté par la

figure II.27.

Figure II.27 Schéma bloc de la commande MLI sous Matlab/Simulink

II.4 Résultats de Simulation :

On note ici, dans cette partie les résultats de simulation ont été obtenus où la MADA est
alimentée par un convertisseur coté rotor à partir d’une source continue.

60
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

II.4.1 Résultats de Simulation des Commandes Directe et Indirecte du GADA:

Pour examiner et visualiser le comportement de chaque type de commande, dans cette partie,
nous avons donc soumis ces commandes à des échelons des puissances, active et réactive,
statoriques.
Les paramètres de la machine asynchrone à double alimentation (MADA) en mode générateur
utilisée dans la simulation sont reportés en annexe.
On note ici que la vitesse mécanique qui entraîne le rotor du GADA est une vitesse fixe proche
de la vitesse de synchronisme qui est égale à 152 rad/s (1452 tr/mn). Les échelons des puissances
active et réactive, qui sont appliqués à chaque type de commande du GADA, sont représentés
dans le tableau II.1.

Tableau II.1 Echelons des puissances active et réactive appliqués

à chaque type de commande du GADA

Temps (s ) Ps* ( W ) Q s* ( V ar )

0 à 0.8 0 0

0.8 à 1.2 -1000 0

1.2 à 1.6 -1000 1000

1.6 à 2.5 -2000 -1000

2.5 à 3 -3000 -1000

II.4.1.1 Résultats de Simulation de la Commande Directe :

4000 4000
500
mesurée mesurée 1000
Puissance réactive statorique (VAR)

3000 référence 0 3000 référence

Puissance active statorique (W)

500
-500 0
2000 2000
-1000 -500
1000 1.2 1.3
1000 -1500
0.7 0.8 0.9 1
0 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0.5 1 1.5 2 2.5 3 0.5 1 1.5 2 2.5 3
Temps (s) Temps (s)

Figure II.28 Puissance active statorique Figure II.29 Puissance réactive statorique
de la commande directe de la commande directe

61
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

10 5 15

0
10

Courants statoriques (A)

5 -5

courants rotoriques (A)

1.58 1.6 1.62 1.64
5

0 0

-5
-5
-10

-10 -15
0.5 1 1.5 2 2.5 3 0.5 1 1.5 2 2.5 3
Temps (s) Temps (s)

Figure II.30 Courants statoriques Figure II.31 Courants rotoriques

de la commande directe de la commande directe

On peut remarquer que les échelons de la puissance active et réactive statorique sont bien suivis,
rapidement et sans dépassement par le générateur. Cependant les variations des échelons on
observe un bon découplage entre les deux axes de commande ( d et q ) avec des faibles
oscillations (figure II.28 et II.29).
Les figures II.30 et II.31 montrent que les courants obtenus au stator et au rotor sont de formes
sinusoïdales, ce qui implique une énergie propre sans harmoniques fournie ou absorbée par le
GADA.

II.4.1.2 Résultats de Simulation de la Commande Indirecte:

Pour la commande indirecte sans et avec boucles des puissances, on applique les mêmes
échelons de la puissance active et réactive statorique qui ont été utilisés dans la commande
directe.

II.[Link] Commande Indirecte sans Boucles des Puissances :

Les résultats obtenus montrent bien les grandes performances du contrôle indirect de la
puissance active et réactive sans boucles des puissances, ceci a été confirmé par le découplage
parfait et la bonne poursuite (figure II.32 et II.33) avec une réduction des ondulations au niveau
de la puissance active et réactive statorique, par conséquence une minimisation des harmoniques.
Les figures II.34 et II.35 montrent que les courants obtenus au stator et au rotor sont aussi de
formes sinusoïdales avec une amélioration de qualité par rapport à ceux obtenus par la
commande directe.

62
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

4000
mesurée 500 4000
mesurée 1000

Puissance réactive statorique (Var)

Puissance active statorique (W)

3000 référence 0 3000 référence 500

2000 -500 2000 0
-1000 -500
1000 1000 1.15 1.2 1.25
-1500
0 0.7 0.8 0.9 1 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0.5 1 1.5 2 2.5 3 0.5 1 1.5 2 2.5 3
Temps (s) Temps (s)

Figure II.32 Puissance active statorique Figure II.33 Puissance réactive statorique
de la commande indirecte de la commande indirecte
sans boucles des puissances sans boucles des puissances

10 5 15

0 10
Courants statoriques (A)

Courants rotoriques (A)

5
-5
1.6 1.65 5

0 0

-5
-5
-10

-10 -15
0.5 1 1.5 2 2.5 3 0.5 1 1.5 2 2.5 3
Temps (s) Temps (s)

Figure II.34 Courants statoriques Figure II.35 Courants rotoriques

de la commande indirecte de la commande indirecte
sans boucles des puissances sans boucles des puissances

II.[Link] Commande Indirecte avec Boucles des Puissances :

Cette commande est donc plus performante que la commande directe qui présentait plus de
perturbations entre les deux puissances [Boy 06_1].
La commande indirecte sans et avec boucles des puissances presque ont les mêmes
performances, mais la commande indirecte sans boucles des puissances plus rapide que celle
avec boucles des puissances parce que la commande indirecte avec boucles des puissances utilise
quatre (04) régulateurs (02 régulateurs de courant et 02 régulateurs de puissance), par contre la
commande indirecte sans boucles des puissances utilise seulement deux (02) régulateurs de
courant (figure II.36, II.37, II.38 et II.39).
63
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Nous allons donc retenir la commande indirecte sans boucles des puissances pour le reste de
notre étude. De plus, elle permet de pouvoir limiter simplement les courants rotoriques de la
machine en fixant une limite dans la boucle du courant rotorique.

4000 4000

Puissance réactive statorique (VAR)

500 mesurée 1000
mesurée
Puissance active statorique (W)

3000 3000 référence

référence 0 500
2000 2000 0
-500
1000 1000 -500
-1000 1.2 1.3
0 0
-1500
0.7 0.8 0.9
-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0.5 1 1.5 2 2.5 3 0.5 1 1.5 2 2.5 3
Temps (s) Temps (s)

Figure II.36 Puissance active Figure II.37 Puissance réactive

statorique de la commande indirecte statorique de la commande indirecte
avec boucles des puissances avec boucles des puissances

10 15
5

0
10
Courants statoriques (A)

5
Courants rotoriques (A)

-5
1.55 1.6 1.65
5

0 0

-5
-5
-10

-10 -15
0.5 1 1.5 2 2.5 3 0.5 1 1.5 2 2.5 3
Temps (s) Temps (s)

Figure II.38 Courants statoriques Figure II.39 Courants rotoriques

de la commande indirecte de la commande indirecte
avec boucles des puissances avec boucles des puissances

64
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

II.4.2 Résultats de Simulation de la Commande Indirecte sans Boucles des Puissances à

Vitesse Variable :

D’après [Boy 06_1] et la validation de nos résultats de simulation, nous avons trouvé que la
méthode directe est que sa mise en œuvre est simple, par contre la méthode indirecte sans
boucles des puissances a l’avantage de contrôler les courants rotoriques ce qui permettra de faire
une protection de la machine en limitant ces courants mais elle est plus complexe à mettre en
œuvre.
Dans la suite, nous allons appliquer au GADA la commande indirecte sans boucles des
puissances seulement pour des raisons citées précédentes.
Le fonctionnement de l’ensemble turbine-GADA est commandé vectoriellement en puissance
active et réactive où le courant d’axe d ( i *rd ) est déterminé à partir de la puissance réactive

tandis que le courant d’axe q ( i *rq ) est déterminé à partir de la puissance active issue de la

stratégie MPPT. Le schéma général de la commande est représenté par la figure II.12.

II.4.2.1 Profil du Vent en Echelons :

Afin d’évaluer la stratégie MPPT pour extraire le maximum de la puissance générée par le
générateur, un modèle du système globale est implanté sur Matlab/Simulink pour effectuer la
simulation. Nous avons proposé des échelons de vitesse du vent qui sont présentés sur la figure
II.40, la vitesse du vent est débute à 4m/s, elle a été changée soudainement à 5m/s à l’instant
2.5s. A l’instant 4s, la vitesse du vent est égale à 8m/s.
La figure II.41 présente la vitesse de la turbine, la figure II.42 présente la variation du coefficient
de puissance C p . La puissance active statorique est représentée par la figure II.43. La figure

II.44 montre la puissance réactive statorique. Les courants rotoriques et statoriques sont
représentés, respectivement, par les figures II.45 et II.46.
D’après les figures II.41 et II.42, nous constatons quand la vitesse du vent v est égale à 4m/s la
vitesse optimale de la turbine t est presque égale à 71 rad/s, et quand v est à 5m/s, t est

presque à 85 rad/s et quand v est à 8m/s, t est à 123 rad/s, donc la vitesse de la turbine

augmente si la vitesse du vent augmente, ces ajustements précédents ont été réalisés selon une
processus qui s’appelle la commande MPPT. D’après la figure II.43 la puissance active
statorique générée par le générateur aussi augmente si la vitesse du vent augmente mais par une
signe moins qui explique le fonctionnement de la MADA en mode générateur. La figure II.44
montre que la puissance réactive est maintenue à zéro pour garantir un facteur de puissance
unitaire sur le côté statorique.

65
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Les figures II.43 et II.44 montrent bien un bon découplage entre la puissance active et réactive
statorique. Il est clair que la puissance active statorique suive ses valeurs désirées pendant toutes
les variations de la vitesse du vent.
Le coefficient de puissance C p est gardé autour de sa valeur maximale ( C p _ max = 0.5) comme

le montre la figure II.42 sauf de petite diminution à l’instant 4s, ce qui montre l’efficacité de la
commande MPPT sur la turbine éolienne.
Les figures II.45 et II.46 montrent que les courants obtenus au stator et au rotor augmentent
quand la vitesse du vent augmente, de plus, ces courants ont des formes sinusoïdales mais à des
grandes oscillations dans le cas de courants statoriques qui implique la grande existence des
harmoniques dans ces courants statoriques générés par le GADA et injectés au réseau.

9
8
7
Vitesse de vent (m/s)

6
5
4
3
2
1
0
0 1 2 3 4 5 6
Temps (s)

Figure II.40 Profil du vent appliqué

140
0.5
Coefficient de puissance Cp
Vitesse de rotation (rad/s)

120

100 0.4

80 0.3
60
0.2
40
0.1
20

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps (s) Temps (s)

Figure II.41 Vitesse de la turbine Figure II.42 Variation du coefficient

selon le MPPT de puissance Cp

66
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

4000 4000

Puissance réactive statorique (Var)

référence référence
Puissance active statorique (W)
3000 3000 mesurée
mesurée
2000 2000

1000 1000

0 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps (s) Temps (s)

Figure II.43 Puissance active statorique Figure II.44 Puissance réactive statorique
injectée au réseau

15 8
6
C ourants rotoriques (A )

10
Courants rotoriques (A)

4
5
2
0 0
-2
-5
-4
-10
-6

-15 -8
0 1 2 3 4 5 6 3 3.02 3.04 3.06 3.08
Temps (s) Temps (s)

(a) (b)

Figure II.45 (a) Courants rotoriques avec (b) un zoom

15 4

3
Courants statoriques (A)

10
Courants statoriques (A)

2
5
1

0 0

-1
-5
-2
-10
-3
-15 -4
0 1 2 3 4 5 6 3 3.02 3.04 3.06 3.08
Temps (s) Temps (s)

(a) (b)

Figure II.46 (a) Courants statoriques avec (b) un zoom

67
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

II.4.2.2 Profil du Vent Aléatoire :

Dans ce cas, nous avons appliqué un profil du vent aléatoire afin d’examiner la robustesse de la
commande vectorielle avec la commande MPPT de la turbine où la figure II.47 présente ce profil
du vent appliqué.
D’après la figure II.48, nous constatons que l’augmentation de la vitesse du vent implique une
augmentation de la vitesse de la turbine, cependant cette augmentation le coefficient de
puissance C p maintient à sa valeur maximale ( C p _ max = 0.5) qui explique la robustesse de la

commande MPPT comme le montre la figure II.49.

Pour la puissance active et réactive statorique, aussi un bon découplage réalisé entre elles (figure
II.50 et II.51) où la puissance active statorique suive ses valeurs désirées pendant toutes les
variations de la vitesse du vent aléatoire (Figure II.50) ce qui montre bien la robustesse de la
commande vectorielle du GADA sous ces variations de la vitesse du vent.
Nous remarquons que la puissance active statorique (Figure II.50) est négative ce qui signifie
que la MADA produise de l’énergie et la fournie au réseau. Ainsi la puissance réactive est nulle,
ce qui nous permet d’avoir un facteur de puissance unitaire.
De plus, l’augmentation de la vitesse du vent engendre des augmentations au niveau des courants
statoriques et rotoriques (figure II.52 et II.53).

7
Vitesse de vent (m/s)

0
0 1 2 3 4 5 6
Temps (s)

Figure II.47 Profil du vent appliqué

68
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

120
0.5

Coefficient de puissance Cp
Vitesse de rotation (rad/s)
100
0.4
80
0.3
60

0.2
40

20 0.1

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps (s) Temps (s)

Figure II.48 Vitesse de la turbine Figure II.49 Variation du coefficient

selon le MPPT de puissance

4000 4000
référence Puissance réactive statorique (Var) référence
Puissance active statorique (W)

3000 3000
mesurée mesurée
2000 2000

1000 1000

0 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps (s) Temps (s)

Figure II.50 Puissance active statorique Figure II.51 Puissance réactive statorique
injectée au réseau

15 8

6
Courants rotoriques (A)

10
Courants rotoriques (A)

4
5
2

0 0
-2
-5
-4
-10 -6
-8
-15
0 1 2 3 4 5 6 4 4.02 4.04 4.06 4.08
Temps (s) Temps (s)

(a) (b)

Figure II.52 (a) Courants rotoriques avec (b) un zoom

69
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

15 5

C ou ran ts stato riqu es (A )

Courants statoriques (A)
4
10 3
2
5
1
0 0
-1
-5 -2
-3
-10
-4
-15 -5
0 1 2 3 4 5 6 4 4.02 4.04 4.06 4.08
Temps (s) Temps (s)

(a) (b)

Figure II.53 (a) Courants statoriques avec (b) un zoom

II.5 Conclusion :

Dans ce chapitre, nous avons exposé la modélisation et la commande du système de conversion

éolienne basé sur la machine asynchrone à double alimentation (MADA) en mode générateur
pour la régulation de la puissance active et réactive statorique avec la commande MPPT de la
turbine pour extraire le maximum de la puissance générée par le générateur.
Ainsi, on a représenté trois méthodes de contrôle du générateur asynchrone à double
alimentation (GADA) qui ont été implantées sous Matlab/Simulink afin de visualiser les résultats
de simulation. Une méthode directe dans laquelle les puissances active et réactive sont mesurées
et comparées à leurs références. Une autre indirecte sans boucles des puissances où les courants
rotoriques sont utilisés pour contrôler les puissances. Une troisième avec boucles des puissances
a pour rôle d’améliorer le suivi de consigne de la commande indirecte sans boucles des
puissances en y ajoutant deux boucles des puissances.
Le développement de différentes méthodes de commande a permis de mettre en évidence des
aspects intéressants pour la poursuite de l’étude du système éolien. Effectivement, nous avons pu
voir que la commande directe, la plus simple à mettre en œuvre, présentait des résultats
convenables avec une faible complexité de mise en œuvre.
En revanche, la méthode indirecte nous permet, en association avec le bouclage des puissances,
d’obtenir un système performant et robuste. Cette commande, certes plus complexe à mettre en
œuvre parce qu’elle comporte quatre (04) boucles, deux (02) de puissances et deux (02) de
courants rotoriques, donc nous retiendrons la commande indirecte sans boucles des puissances
pour la suite de nos travaux pour sa simplicité par rapport à la commande indirecte avec boucles
des puissances.

70
Chapitre II Modélisation et Commande du Système de Conversion Eolienne basé sur une MADA

Afin d’optimiser des gains, K p et K i , du régulateur PI qui est utilisé dans la commande

vectorielle classique du GADA pour but d’améliorer les performances de résultats de simulation,
nous allons appliquer dans le prochain chapitre une méthode métaheuristique qui s’appelle la
méthode “d’optimisation par essaim de particules”, soit en anglais « Particle Swarm
Optimization » (PSO).

71
 Chapitre III
Optimisation des Gains
de PI par la Technique
PSO
Chapitre III Optimisation des Gains de PI par la Technique PSO

III.1 Introduction :

Les coefficients des régulateurs classiques PI utilisés au sein de la commande vectorielle sont
directement calculés à partir des paramètres de la machine, lors des dérives de ces derniers
provoquent une altération de la commande de la machine. Afin d’obtenir de meilleurs
performances on a recours à l’optimisation de ces régulateurs.
Plus récemment, une méthode d’optimisation nommée « optimisation par essaim de particules »,
soit en anglais « Particle Swarm Optimization » (PSO), inspirée de l’intelligence d’essaim a
attiré les chercheurs et faite exploiter dans différents domaines d’optimisation. Cette méthode est
devenue de plus en plus populaire. Elle est caractérisée par une façon décentralisée de travail qui
imite le comportement des essaims d’insectes sociaux, les masses d’oiseaux ou les écoles de
poisson. L’avantage de ces approches sur les techniques traditionnelles est la robustesse et la
flexibilité [Blum 08].
Dans ce chapitre, nous présentons le principe de fonctionnement de la technique PSO, ainsi que
les PSO en mettant en évidence leurs similitudes et leurs différences avec l’application au
réglage indirecte de la puissance active et réactive à travers les gains du régulateur PI des
courants rotoriques du générateur asynchrone à double alimentation (GADA).

III.2 Définitions de Base :

En règle générale, on ne connaît pas toujours de méthode exacte pour trouver la solution d’un
problème d’optimisation en recherche opérationnelle. Dans ce cas on peut d’abord tenter de voir
si le problème que l’on étudie n’a pas de problème équivalent qui a déjà été résolu. Si l’on n’a
toujours pas trouvé de méthode de résolution alors on utilise ce que l’on appelle une heuristique,
c’est-à-dire un algorithme qui donne une solution approchée. Ces algorithmes sont assez intuitifs
ou simples. On les déduits grâce à des observations et en faisant preuve de bon sens. Leur
principe consiste souvent à explorer un certain nombre de solutions et de mémoriser la meilleure.
Ils peuvent faire intervenir le hasard: cela permet de balayer un plus grand nombre de solution
éventuelle, mais il faut les exécuter plusieurs fois pour tendre au mieux vers la solution optimale
[Rio 07].
Certaines heuristiques sont classées parmi les métaheuristiques. Ce sont des algorithmes dont le
principe peut être réutilisé pour traiter différents problèmes d’optimisation. Ce sont des principes
génériques que l’on adapte selon le besoin. La plus utilisé des heuristiques et la plus simple est la
descente stochastique. Voici son fonctionnement dans le cas d’un problème de minimisation : on
choisit une solution initiale, on sélectionne au hasard un de ses voisins :

72
Chapitre III Optimisation des Gains de PI par la Technique PSO

 Si la valeur de la fonction objectif pour cette nouvelle solution est plus petite alors
on prend ce nouveau point comme point de référence et on observe ses voisins.
 Sinon on recherche un autre voisin. On s’arrête quand on se rend compte que l’on ne
trouve plus de meilleure solution.

III.2.1 Définition de l’Optimisation :

Un problème d’optimisation se définit comme la recherche du minimum ou du maximum (de

l’optimum) d’une fonction donnée [Col 02]. On peut aussi trouver des problèmes d’optimisation
pour lesquelles les variables de la fonction à optimiser sont contraintes d’évoluer dans une
certaine partie de l’espace de recherche. Dans ce cas, on a une forme particulière de ce que l’on
appelle un problème d’optimisation sous contraintes [Bena 07].

III.2.2 Fonction Objectif :

C’est le nom donné à la fonction f (on l’appelle aussi fonction de coût, critère d’optimisation ou
fitness). C’est cette fonction que l’algorithme d’optimisation va devoir optimiser (trouver un
optimum) [Bena 07].

III.3 Optimisation par Essaim de Particules (PSO):

III.3.1 Origines :

L’optimisation par essaim de particules est une méthode née en 1995 aux Etats Unis sous le nom
de Particle Swarm Optimization (PSO). Initialement, ses deux concepteurs, Russel Eberhart et
James Kennedy, cherchaient à modéliser des interactions sociales entre des « agents » devant
atteindre un objectif donné dans un espace de recherche commun, chaque agent ayant une
certaine capacité de mémorisation et de traitement de l’information. La règle de base était qu’il
ne devait y avoir aucun chef d’orchestre, ni même aucune connaissance par les agents de
l’ensemble des informations, seulement des connaissances locales. Un modèle simple fut alors
élaboré [Ken 01].

III.3.2 Principe de la Technique PSO :

Cette méthode est inspirée du comportement social des animaux évoluant en essaim. L’exemple
le plus souvent utilisé est le comportement des nuées d’oiseaux et des bancs de poissons, (Figure
III.1).

73
Chapitre III Optimisation des Gains de PI par la Technique PSO

(a) (b)

Figure III.1 Groupe de : (a) oiseaux, (b) poissons

En effet, on peut observer chez ces animaux des dynamiques de déplacement relativement
complexes, alors qu’individuellement chaque individu a une intelligence limitée et une
connaissance seulement locale de sa situation dans l’essaim. Un individu de l’essaim n’a pour
connaissance que la position et la vitesse de ses plus proches voisins. Chaque individu utilise
donc, non seulement, sa propre mémoire, mais aussi l’information locale sur ses plus proches
voisins pour décider de son propre déplacement. Des règles simples, telles que “aller à la même
vitesse que les autres”, “se déplacer dans la même direction” ou encore “rester proche de ses
voisins” sont des exemples de comportements qui suffisent à maintenir la cohésion de l’essaim,
et qui permettent la mise en œuvre de comportements collectifs complexes et adaptatifs. L’
“intelligence globale” de l’essaim est donc la conséquence directe des interactions locales entre
les différentes particules de l’essaim. La performance du système entier est supérieure à la
somme des performances de ses parties. Kennedy et Eberhart se sont inspirés de ces
comportements socio-psychologiques pour créer le PSO. Un essaim de particules, qui sont des
solutions potentielles au problème d’optimisation, “survole” l’espace de recherche, en quête de
l’optimum global. Le déplacement d’une particule est influencé par les trois composantes
suivantes [Coo 08]:
 Une composante physique : la particule tend à suivre sa direction courante de
déplacement ;
 Une composante cognitive : la particule tend à se diriger vers le meilleur site par lequel
elle est déjà passée ;
 Une composante sociale : la particule tend à se fier à l’expérience de ses congénères et,
ainsi, à se diriger vers le meilleur site déjà atteint par ses voisins.

74
Chapitre III Optimisation des Gains de PI par la Technique PSO

Dans le cas d’un problème d’optimisation, la qualité d’un site de l’espace de recherche est
déterminée par la valeur de la fonction objectif en ce point. La figure III.2 illustre la stratégie de
déplacement d’une particule.

Figure III.2 Déplacement d’une particule

Il faut ensuite définir les voisinages et leur structure, il en existe de deux types :
 Les voisinages géographiques : les voisins d’une particule sont ses voisines les plus
proches. Ce type de voisinage impose l’utilisation d’une distance pour recalculer à
chaque itération (ou toutes les k itérations) les voisins de chaque particule. Ci-dessous, la
figure III.3 est un exemple où les voisins d’une particule sont les deux particules qui lui
sont le plus proche.

Figure III.3 Exemple de voisinage géographique

75
Chapitre III Optimisation des Gains de PI par la Technique PSO

 Les voisinages sociaux : les voisinages sont établis à l’initialisation et ne sont pas
modifiés ensuite. Il existe différentes structures de voisinages sociaux, nous allons vous
en présenter quelques uns (Figure III.4).

Figure III.4 Deux cas de voisinage social

III.3.3 Principe de l’Algorithme PSO :

On dispose une fonction objectif à optimiser dans un sens ou dans l’autre. Un essaim est un
ensemble de particules positionnées dans l’espace de recherche de la fonction objectif. Le
principe de l’algorithme consiste à déplacer ces particules dans l’espace de recherche afin de
trouver la solution optimale [Rio 07].
Au départ de l’algorithme, un essaim est réparti au hasard dans l’espace de recherche, chaque
particule ayant également une vitesse aléatoire. Ensuite, à chaque pas de temps :
 Chaque particule est capable d’évaluer la qualité de sa position et de garder en mémoire
sa meilleure performance, c’est-à-dire la meilleure position qu’elle a atteinte jusqu’ici
(qui peut en fait être parfois la position courante) et sa qualité (la valeur en cette position
de la fonction à optimiser).
 Chaque particule est capable d’interroger un certain nombre de ses congénères de son
voisinage et d’obtenir de chacune entre elles sa propre meilleure performance.
 A chaque pas de temps, chaque particule choisit la meilleure des meilleures performances
dont elle à connaissance modifie sa vitesse en fonction de cette information et de ses
propres données et se déplace en conséquence.
A partir des quelques informations dont elle dispose, une particule doit décider de son prochain
mouvement, c’est-à-dire décider de sa nouvelle vitesse.
Pour ce faire, elle combine trois informations :
 Sa vitesse actuelle.
 Sa meilleure position actuelle.
76
Chapitre III Optimisation des Gains de PI par la Technique PSO

 La meilleure performance (vitesse et position) de ses voisines.

Le hasard joue un rôle, grâce à une modification aléatoire limitée des coefficients de confiance,
ce qui favorise l’exploration de l’espace de recherche. Naturellement, pour pouvoir être
programmé, tout ceci est formalisé dans des équations de mouvement. Un point intéressant est
que, contrairement à bien d’autres heuristiques qui restent purement expérimentales, il existe une
analyse mathématique précisant les conditions de convergence et le choix des paramètres [Cle
02].

III.3.3.1 Formulation Mathématique de l’Algorithme PSO :

Dans un espace de recherche de dimension D , la particule i de l’essaim est modélisée par son
 
vecteur position X i  (x i 1 , x i 2 , x i 3 ,..., x iD ) et par son vecteur vitesse V i  (v i 1 ,v i 2 ,v i 3 ,...,v iD ) .
Cette particule garde en mémoire la meilleure position par laquelle elle est déjà passée, que l’on

note P i best  ( pi 1 best , pi 2 best , pi 3 best ,..., p iD best ) . La meilleure position atteinte par toutes

les particules de l’essaim est notée G best  ( g1 best , g 2 best , g 3 best ,..., g D best ) .

Au temps t , le vecteur vitesse est calculé à partir de l’équation III.1, [Coo 08].

v ij (t )  w .v ij (t  1)  c .r1.( pij best (t  1)  x ij (t  1))  c .r .( g j best  x ij (t  1)), j  1,..., D  (III.1)

1 2 2

La position au temps t de la particule i est alors définie par l’équation III.2 :

x ij (t )  x ij (t  1)  v ij (t ) , j  1,..., D  (III.2)

Où [Coo 08]:

 w est en général une constante appelée, coefficient d’inertie, c et c sont deux

1 2

constantes appelées coefficients d’accélération, r et r sont deux nombres aléatoires

1 2
tirés uniformément dans [0,1] à chaque itération et pour chaque dimension.

 w .v ij (t  1) correspond à la composante physique du déplacement. Le paramètre

w contrôle l’influence de la direction de déplacement sur le déplacement futur. Il est à

noter que, dans certaines applications, le paramètre w peut être variable.

 c .r1.( p ij best  x ij (t  1)) correspond à la composante cognitive du déplacement où c

1 1
contrôle le comportement cognitif de la particule.

77
Chapitre III Optimisation des Gains de PI par la Technique PSO

 c .r .( g j best  x ij (t  1)) correspond à la composante sociale du déplacement, où

2 2

c contrôle l’aptitude sociale de la particule.

2

Les gammes appropriées de valeur pour c et c sont de 1 à 2, mais 2 est le plus approprié dans
1 2

beaucoup de cas [Ebe 00].

Le coefficient d’inertie est donné par [Pad 10]:

w  w 
w  w   max min *k (III.3)
max  k max 
 

Où k max , k sont respectivement le nombre maximum des itérations et le nombre d’itération

courante. w et w sont respectivement les coefficients minimum et maximum d’inertie.

min max

Le coefficient d’inertie w joue un rôle important dans la procédure de recherche. Elle garantit
un équilibre entre la recherche locale et la recherche globale, un bon choix de cette fonction
augmente l’efficacité de la méthode pour avoir une solution globale. L’expérience a montré que
la diminution linéaire de la valeur de w de 0.9 à 0.4 [Ebe 00] au cours de la procédure de
recherche donne des meilleurs résultats.
Dans un algorithme de PSO, les particules volent autour un espace multidimensionnel de
recherche. Pendant le vol, chaque particule ajuste sa position selon sa propre expérience [Kas 02]
( p ij best ), et selon l’expérience d’une particule voisine ( g j best ), servie la meilleure position

produite par elle-même et son voisin [Pad 10], (Figure III.5).

Y x(t)
v(t)

v(t-1)
v gj best gj best
x(t-1)
v pij best pij best

Figure III.5 Schéma vectorielle du déplacement d’une particule

78
Chapitre III Optimisation des Gains de PI par la Technique PSO

A chaque itération de l’algorithme, chaque particule est déplacée suivant les équations (III.1) et
(III.2). Une fois le déplacement des particules effectué, les nouvelles positions sont évaluées. Les
 
P i best ainsi que G best sont alors mises à jour. Cette procédure est résumée par l’algorithme

III.1.
Le critère d’arrêt peut être différent suivant le problème posé. Si l’optimum global est connu a
priori, on peut définir une erreur acceptable "  " comme critère d’arrêt. Sinon, il est commun de
fixer un nombre maximum d’évaluations de la fonction objectif ou un nombre maximum
d’itérations comme critère d’arrêt. Cependant, au regard du problème posé et des exigences de
l’utilisateur, d’autres critères d’arrêt peuvent être utilisés [Coo 08].

Algorithme III.1 : Algorithme d’optimisation par l’essaim de particules

Initialisation aléatoire des positions et des vitesses de chaque particule

 
Pour chaque particule i , P i best  X i

Tant que le critère d’arrêt n’est pas atteint faire

Pour i = 1 à N faire
Déplacement de la particule à l’aide de l’équation III.1 et III.2
Évaluation des positions
 
Si f (X i )  f (P i best )
 
P i best  X i

Fin Si
 
Si f (P i best )  f (G best )
 
G best  P i best

Fin Pour
Fin Tant que

79
Chapitre III Optimisation des Gains de PI par la Technique PSO

La figure III.6 montre l’organigramme général de la méthode PSO, [Ken 95]:

Début

Génération d’état
initial de chaque
particule

Evaluation du point
de recherche de
chaque particule

Modification de
chaque point de
recherche par les
équations d’état

Itération Non
maximum

Oui

Arrêt

Figure III.6 Organigramme général de la méthode PSO

III.3.4 Exemple d’Application :

Pour voir l’efficacité et la robustesse de la méthode PSO, cette partie présente un exemple qui
montre comment trouver le minimum de la fonction de « Rastrigin » [Mat 07], qui est une
fonction employée pour examiner la méthode PSO.
Cette fonction a deux variables x et y où elle définie par [Mat 07] :

f (x , y )  20  x 2  y 2  10.(cos(2. .x )  cos(2. . y )) (III.4)

80
Chapitre III Optimisation des Gains de PI par la Technique PSO

Cette fonction, comme le montre la figure III.7, a plusieurs optimums locaux (figure III.7.a) et
n’admis qu’un seul optimum global (figure III.7.b) défini au point (0,0) tel que f (0, 0)  0 .

(a) (b)

Figure III.7 Fonction de « Rastrigin », (a) : avec plusieurs optimums locaux,

(b) : optimum global au point f (0, 0)  0

On prend les paramètres suivants de l’algorithme PSO :

Nombre de particules = 40 ;
Itération maximale = 80 ;
c1  c 2 =2 ;

w = 0.4, w = 0.9 ;
min max

Le domaine de recherche : x   0.1, 0.1 et y   0.1, 0.1 .

On a fait deux tests où leurs résultats sont présentés par les figures III.8 et III.9.

Test N° 1 :

Les résultats obtenus sont représentés dans le tableau III.1.

81
Chapitre III Optimisation des Gains de PI par la Technique PSO

Tableau III.1 Résultats du test N° 1

x - 1.4  10-3

y 5.7  10-4

f (x , y ) 4.5  10-4

Temps d’exécution 0.4399 s

La convergence de la fonction objectif « Rastrigin » vers l’optimum global, d’après les résultats
du test N° 1, est représentée sur la figure III.8.

0.16

0.14

0.12
fitness value

0.1

0.08

0.06

0.04

0.02 X: 80
Y: 0.0004499
0
0 20 40 60 80
iterations

Figure III.8 Convergence de la fonction objectif « Rastrigin » vers l’optimum global - Test N° 1

82
Chapitre III Optimisation des Gains de PI par la Technique PSO

Test N° 2 :

Les résultats obtenus sont représentés dans le tableau III.2.

Tableau III.2 Résultats du test N° 2

x - 6.1  10-5

y - 3.7  10-4

f (x , y ) 2.8  10-5

Temps d’exécution 0.2913 s

La convergence de la fonction objectif « Rastrigin » vers l’optimum global, d’après les résultats
du test N° 2, est représentée sur la figure III.9.

0.12

0.1

0.08
fitness value

0.06

0.04

0.02
X: 80
Y: 2.866e-005
0
0 20 40 60 80
iterations

Figure III.9 Convergence de la fonction objectif « Rastrigin » vers l’optimum global - Test N° 2

83
Chapitre III Optimisation des Gains de PI par la Technique PSO

D’après le test N° 1 et le test N° 2, on remarque bien que les résultats obtenus sont légèrement
différents, ce qui montre que la méthode PSO démarre aléatoirement. De plus, le test N° 2
présente le meilleur résultat où la solution globale telle que f (x , y ) = 2.8  10-5.

III.4 Optimisation du Régulateur PI en Utilisant la Méthode PSO pour la

Commande du GADA :

Cette partie est consacrée à l’optimisation, par la technique PSO, des gains du régulateur PI qui
utilisé dans le contrôle de la puissance active et réactive pour une commande vectorielle
appliquée au générateur asynchrone à double alimentation (GADA) couplé avec une turbine
éolienne où les équations de ce générateur sont citées au chapitre II.

III.4.1 Indices de Performance d’un Régulateur PI :

Le régulateur PI est un système linéaire du premier ordre à une entrée et une sortie, dont sa
fonction de transfert dans le domaine de Laplace est donnée par l’équation III.5.

Ki
C (p)  K p  (III.5)
p

Où :
K p : Constante de proportionnalité ou gain proportionnel,

K i : Constante d’intégration ou gain intégral.

Les indices couramment utilisés sont définis de la façon suivante [Bek 13_2], [All 09] :
L’intégral de la valeur absolue de l’erreur (IAE, Integration Absolute Error) est défini par :


IAE   e (t) .dt (III.6)
0

L’intégral du produit de l’erreur par le temps (ITAE, Integral Time Absolute Error) est donné par
:


ITA E   t . e (t) .dt (III.7)
0

L’intégral de l’erreur quadratique (ISE, Integrated of Squared Error) est défini par :

84
Chapitre III Optimisation des Gains de PI par la Technique PSO


ISE   e 2 (t).dt (III.8)
0

Où e (t) est l’erreur entre la consigne (valeur désirée) et la valeur mesurée.

Telle que :

e (t)  Ps*  Ps (III.9)

Où :

Ps* : Puissance active de référence statorique,

Ps : Puissance active mesurée statorique.

Le but de l’algorithme PSO est de réduire au minimum la fonction objectif, pour cela l’équation
(III.10) est choisie comme une fonction objectif qui définie par :

sum (ITAE ) (III.10)

Où :

sum : est l’opération de l’adition (instruction utilisée par le logiciel Matlab).

L’algorithme PSO est utilisé pour déterminer les paramètres du régulateur PI ( K p et K i ) (basé

sur l’erreur du courant rotorique quadrature i rq liée à la puissance active Ps et l’erreur du

courant rotorique direct i rd liée à la puissance réactive Q s ) où toutes les particules dans cet

algorithme sont décodées en deux dimensions pour K p et K i .

La figure III.10 présente le schéma bloc global d’implantation de l’algorithme PSO pour
l’ajustement des gains K p et K i du régulateur PI.

85
Chapitre III Optimisation des Gains de PI par la Technique PSO

Ps
Ps * +
- Algorithme
de PSO
K p , Ki
i rq
i rq *
Ps * Ls -
Udc
+ PI
MV s V rq
Park-1
+
Turbine Vent
*
FOC
*
Qs  0 + Ls i rd + V rd
PI
MV s r
- - i rd GADA Multi.
V s s i rd i rq Estimation
Ls Ps r

Réseau

MPPT
5000
8 m/s

Ps * r
4500

4000

3500

Mec hanical power (W)

7 m/s
3000

2500

2000
6 m/s
1500

1000
6 m/s
500

0
0 10 20 30 40 50 60
Turbine rotational s peed (rpm)

Figure III.10 Schéma bloc global d’implantation de l’algorithme PSO pour l’ajustement
des gains K p et K i du régulateur PI dans la commande indirecte du GADA
couplé à la turbine éolienne

Pour la mise en œuvre informatique de l’algorithme PSO, nous avons exploité les équations
(III.1) et (III.2) pour le développement d’un programme sous le logiciel Matlab qu’on peut le
schématiser sous l’organigramme présenté par la figure III.11.

86
Chapitre III Optimisation des Gains de PI par la Technique PSO

Début

Génération initiale
de position xij et de
vitesse vij

Affectation de
Kp = xij(1,:)
Ki = xij(2,:)

Exécuter la commande
vectorielle du système
complet

Calculer la fonction
objectif (fitness)

Calculer Pbest de chaque

particule et Gbest de
chaque population

Mise à jour de position

xij et de vitesse vij

Itération Non
maximum

Oui

Arrêt

Figure III.11 Organigramme de l’algorithme PSO pour l’ajustement des gains K p et K i du

régulateur PI dans le système complet

87
Chapitre III Optimisation des Gains de PI par la Technique PSO

III.5 Résultats de Simulation :

D’abord, on note que le profil de la vitesse du vent appliquée à la turbine éolienne dans ce
chapitre est presque identique à celui du chapitre II, où il est début à 5m/s et il a changé
soudainement à 6m/s à l’instant 3s. A l’instant 6s, il est égal à 7m/s.

Les paramètres de l’algorithme PSO sont montrés au tableau III.3.

Tableau III.3 Paramètres de l’algorithme PSO

La taille d’essaim 15

Le nombre maximal d’itération 20

c1 = c2 2

w 0.9
max

w 0.4
min

Le choix des paramètres de PSO était comme suit :

* Après plusieurs expériences, nous avons obtenu le suivant :

- L’augmentation de la taille d’essaim mène à compliquer le calcul avec
prolongation dans le temps de calcul.
- Dans notre cas la taille d’essaim égale 15 est un bon choix.
- Dans notre cas, le nombre d’itération maximum égale 20 est satisfaire pour
obtenir de bons résultats comme montré dans la figure III.12.
- Dans plusieurs journaux scientifiques (par exemple dans [Ebe 00]) les coefficients
c1 = c2 = 2, w = 0.9 et w = 0.4.
max min

88
Chapitre III Optimisation des Gains de PI par la Technique PSO

La vitesse, la position actuelle et la valeur de la fonction objectif de chaque particule optimale

pendant la simulation sont présentées dans le tableau III.4.
Les variations de la fonction objectif et les variations des gains optimaux Ki et Kp pendant la
simulation sont présentées respectivement par les figures III.12 et III.13.
D’après le tableau III.4, la meilleure valeur de la fonction objectif est 3.943e+005 apparus dans
l’itération numéro 9, et les gains optimaux sont Ki = 1914.8 et Kp = 1967.4, qui sont montrés
clairement dans les figues III.12 et III.13.
Où les limites de l’espace de recherche de PSO sont :
- Limite supérieure de l’espace de recherche égale à 1980;
- Limite inférieur de l’espace de recherche égale à 1900;
Afin d’évaluer la stratégie MPPT de la turbine, nous avons proposé un échelon variable de
vitesse du vent qui est simulé dans la figure III.14. La vitesse du vent commence à 5m/s, et à 3s,
elle a changé soudainement à 6m/s, et à 6s, elle est égale à 7m/s.
La figure III.15 présente la vitesse de la turbine. La figure III.16 présente le coefficient de
puissance C p . La figure III.17 présente la puissance active statorique sans et avec ajustement

de la technique PSO.
La figure III.18 montre la puissance réactive statorique sans et avec ajustement de la technique
PSO. La figure III.19 représente le courant statorique sans et avec PSO avec un zoom. La figure
III.20 présente une comparaison de deux contrôleurs PI sans et avec PSO pour le courant
statorique au démarrage. La figure III.21 et III.22 montre respectivement les spectres des
harmoniques du courant statorique par phase sans et avec ajustement de la technique PSO.
D’après les figures III.14 et III.15, la puissance active statorique est contrôlée selon la stratégie
MPPT, tandis que la puissance réactive statorique est maintenue à zéro pour garantir un facteur
de puissance unitaire au côté stator. Le coefficient de puissance Cp est gardé autour de sa valeur
optimale (Cp = 0.5), comme montre la figure III.16.
Une comparaison est faite ici entre le régulateur conventionnel PI et le PI optimisé par PSO où
ce dernier montre une minimisation d’ondulation au niveau de la puissance active et réactive
statorique par rapport au PI conventionnel comme montré dans les figures III.17 et III.18. En
outre, la puissance active au démarrage est réduite au cas de PI-PSO, comme montré dans la
figure III.17.b, comparé avec le cas de PI sans PSO, comme montré dans la figure III.17.a.
Le tableau III.5 donne les valeurs numériques de différents critères de la puissance active
statorique des deux contrôleurs, PI et PI-PSO. De ces valeurs obtenues, il est clair que la
grandeur d’erreur obtenue dans différents critères pour la méthode classique soit supérieure que
celle obtenue par la méthode proposée basée sur la technique PSO.

89
Chapitre III Optimisation des Gains de PI par la Technique PSO

De plus, le courant statorique au cas du contrôleur PI optimisé est lisse par rapport à celui de PI
conventionnel, où la surintensité est réduite au démarrage quand nous utilisons la technique PSO
comme montre la figure III.19.c. D’après les figures III.20.a et III.20.b, il est clair que le courant
statorique dans le PI conventionnel a un grand THD (THD = 17.67 %) par rapport au courant
statorique du cas PI-PSO (THD = 15.70 %).

Tableau III.4 La vitesse, la position actuelle et la valeur de la fonction objectif de chaque

particule optimale pendant la simulation

Itération N° Paramètres optimaux La fonction objectif (fitness)

Velocity(1,1) = 0.1904
Kp = Current_position(1,1) = 1975.5
1 3.948e+005
Velocity(2,1) = 0.0257
Ki = Current_position(2,1) = 1975.8

Velocity(1,1) = 22.1064
Current_position(1,1) = 1994.4 > upbnd
Kp = upbnd = 1980
5 3.945e+005
Velocity(2,1) = 26.5410
Ki = Current_position(2,1) = 1963.2

Velocity(1,1) = -42.0899
Kp = Current_position(1,1) = 1967.3910
9 3.943e+005
Velocity(2,1) = 6.3232
Ki = Current_position(2,1) = 1914.8493

Velocity(1,1) = -42.0899
Kp = Current_position(1,1) = 1967.3910
20 3.943e+005
Velocity(2,1) = 6.3232
Ki = Current_position(2,1) = 1914.8493

90
Chapitre III Optimisation des Gains de PI par la Technique PSO

Tableau III.5 Valeurs numériques de différents critères de la puissance active statorique des deux
contrôleurs, PI et PI-PSO

Régulateur PI ajustement manuel PI ajustement par PSO

Ki = 710.64 ; Ki = 1914.85 ;
Indice Kp = 2000 Kp = 1967.39
IAE 2933 2741
ITAE 1.047e+004 1.035e+004
ISE 3.139e+006 2.248e+006

5
x 10
3.948
X: 1
Y: 3.948e+005
Fonction objectif (fitness)

3.947

3.946

X: 5
3.945 Y: 3.945e+005

3.944 X: 9 X: 20
Y: 3.943e+005 Y: 3.943e+005

3.943
0 2 4 6 8 10 12 14 16 18 20
Itération

Figure III.12 Les variations de la fonction objectif

1980

1970

1960 Ki
Les gains Kp, Ki

Kp
1950

1940

1930

1920

1910

1900
0 5 10 15 20
Itération

Figure III.13 Les variations des gains optimaux K i et K p

91
Chapitre III Optimisation des Gains de PI par la Technique PSO

Vitesse de vent (m/s)

6

0
0 1 2 3 4 5 6 7 8 9
Temps (s)

Figure III.14 Profil du vent appliqué

120

100
Vitesse mécanique (rad/s)

80

60

40

20

0
0 1 2 3 4 5 6 7 8 9
Temps (s)

Figure III.15 Vitesse de rotation de la turbine

0.5
Coefficient de puissane Cp

0.4

0.3

0.2

0.1

0
0 1 2 3 4 5 6 7 8 9
Temps (s)

Figure III.16 Variation de coefficient de puissance C p

92
Chapitre III Optimisation des Gains de PI par la Technique PSO

PI PI- PSO
8000 8000
référence référence
mesurée mesurée
Puissance active du stator (W)

6000 6000

Puissance active du stator (W)

4000 4000

2000 2000

0 0

-2000 -2000

-4000 -4000
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
Temps (s) Temps (s)

(a) (b)

Figure III.17 Puissance active statorique injectée au réseau (a) sans et (b) avec PSO

PI PI-PSO
4000 4000
référence référence
Puissance réactive du stator (VAR)
Puissance réactive du stator (VAR)

3000 mesurée 3000 mesurée

2000 2000

1000 1000

0 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
Temps (s) Temps (s)

(a) (b)

Figure III.18 Puissance réactive statorique (a) sans et (b) avec PSO

PI PI-PSO
20 20
5 5
15 15
0 0
C o u ra n ts s ta to riq u e s (A )
C o u ran ts stato riq u es (A )

10 -5 10 -5
4 4.02 4.04 4.06 4 4.05
5 5

0 0

-5 -5

-10 -10

-15 -15
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
Temps (s) Temps (s)

(a) (b)

93
Chapitre III Optimisation des Gains de PI par la Technique PSO

20

15

Courant statorique (A)

10
PI
PI-PSO
5

-5

-10

-15
0 0.05 0.1 0.15 0.2
Temps (s)

(c)

Figure III.19 Courants statoriques (a) sans et (b) avec PSO avec (c) un zoom au démarrage

PI-PSO , THD = 15.70%

A m p litu d e (% d u F o n d a m e n ta le )

PI , THD = 17.67%
A m p litu d e (% d u F u n d a m e n ta le )

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 50 100 150 200 0 50 100 150 200
Rang de l'Harmonique Rang de l'Harmonique

(a) (b)

Figure III.20 Spectre d’harmonique du courant statorique : (a) cas de PI et (b) PI-PSO

III.6 Conclusion :

Dans ce chapitre, une étude paramétrique a été élaborée pour déterminer les paramètres de
l’algorithme PSO qui donnent des meilleurs résultats d’optimisation. Ainsi, chaque problème
d’optimisation peut avoir ses propres paramètres et ses propres choix. L’application de
l’optimisation par essaim de particules a rendu le système plus stable et cela pour un nombre de
population et d’itérations réduit.

94
Chapitre III Optimisation des Gains de PI par la Technique PSO

L’algorithme de PSO est alors employé pour trouver les gains optimaux du contrôleur PI pour la
commande da la puissance active et réactive afin de réduire au minimum leurs ondulations par
conséquence la réduction des harmoniques du courant statorique. On s’avère que l’index
d’exécution pour différents critères d’erreur pour le contrôleur proposé employant l’algorithme
de PSO est moins que le contrôleur ajusté manuellement. D’après les résultats, il est clair qu’il y
a une réduction d’ondulation au niveau de la puissance active et réactive et aussi au niveau du
courant statorique quand la méthode proposée de PSO est employée.
D’autre part, les résultats de simulation montrent que, la commande proposée présente une bonne
robustesse vis-à-vis la perturbation qui est la variation de la vitesse du vent.
Finalement, nous pouvons dire que la technique PSO est un outil d’optimisation très puissant où
les résultats que nous avons obtenu après son utilisation nous sont satisfaisants. Donc cet outil a
donné un sens à notre contribution.
Pour obtenir des hautes performances à la commande du générateur asynchrone à double
alimentation, le prochain chapitre traite l’application d’une commande robuste occupant une
importante place parmi les commandes robustes nommée commande par mode glissant.

95
 Chapitre IV
Commande Robuste
du GADA par
Mode Glissant
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.1 Introduction :

Les lois de commande classique du type PI donnent des bons résultats dans le cas des systèmes
linéaires à paramètres constants. Pour des systèmes non linéaires ayant des paramètres non
constants, ces lois de commande classique peuvent être insuffisantes car elles sont non robustes
surtout lorsque les exigences sur la précision et autres caractéristiques dynamiques du système
sont strictes. Pour cela on doit faire appel à des lois de commande insensibles aux perturbations
et aux cas non linéaires [Bouh 06].
Les lois de la commande dite à structure variable constituent une bonne solution à ces problèmes
liés à la commande classique. La commande à structure variable est par nature est une
commande non linéaire. La caractéristique principale de ces systèmes est que leur loi de
commande se modifie d’une manière discontinue.
Le mode glissant (en anglais : Sliding Mode, SMC), est un mode de fonctionnement particulier
des systèmes de réglage à structure variable [Büh 86]. La théorie de ces systèmes à été étudiée et
développée en union soviétique, tout d’abord par le professeur Emelyanov, puis par d’autres
collaborateurs comme Utkin à partir des résultats des études du mathématicien Filipov sur les
équations différentielles à second membre discontinu. En suite, les travaux ont été repris aux
Etats-Unis par Soltine, et au Japon par Young, Harashima et Hashimoto [Bek 10_1], [You 78],
[Har 85], [Has 86_1], [Has 88]. Ce n’est pas qu’à partir des années 80 que la commande par
mode glissant des systèmes à structure variable est devenue intéressante et attractive. Elle est
considérée l’une des approches les plus simples pour la commande des systèmes non linéaires et
les systèmes ayant un modèle imprécis [Nem 02].
Dans ce chapitre, nous montrons comment la commande par mode glissant peut être appliquée
au contrôle de la puissance active et réactive produite par le générateur asynchrone à double
alimentation (GADA) dans un système de conversion d’énergie éolienne et la possibilité de
l’amélioration de la qualité de l’énergie électrique fournie au réseau par la technique SVM
(Space Vector Modulation) avec une comparaison entre les deux techniques, la MLI et la SVM.

IV.2 Généralités sur la Théorie du Contrôle par Mode Glissant [Vid 04]:

Dans les systèmes à structure variable utilisant la commande par mode glissant, on peut trouver
trois configurations de base pour la synthèse des différentes commandes. La première correspond
à la structure la plus simple où la commutation a lieu au niveau de l’organe de commande lui
même. On l’appellera, structure par commutation au niveau de l’organe de commande. La
deuxième structure fait intervenir la commutation au niveau d’une contre-réaction d’état. Et

96
Chapitre IV Commande Robuste du GADA par Mode Glissant

enfin, la dernière structure est une structure par commutation au niveau de l’organe de
commande avec ajout de la ‘‘commande équivalente ’’.

IV.2.1 Structure par Commutation au Niveau de l’Organe de Commande :

Le schéma d’une structure par commutation au niveau de l’organe de commande est donné sur la
figure IV.1. Cette structure de commande est la plus classique et la plus usitée. Elle correspond
au fonctionnement tout ou rien des interrupteurs de puissance associés dans une grande majorité
d’application aux variateurs de vitesse. Elle a été utilisée pour la commande de moteurs pas à
pas.

Figure IV.1 Structure de régulation par commutation au niveau de l’organe de commande

IV.2.2 Structure par Commutation au Niveau d’une Contre Réaction d’Etat :

Nous pourrons consulter le schéma d’une telle structure sur la figure IV.2. D’après les études
menées précédemment, c’est la structure la moins exigeante au niveau de la sollicitation de la
commande. Elle a été mise en œuvre dans la commande de moteurs à courant continu et à
aimants permanents, ainsi que dans la commande de machines à induction. Un ouvrage a été
consacré à ce type de commande. Elle s’appuie sur la commande par contre réaction d’état
classique où le réglage de la dynamique du système est réalisé par les gains de réglage. La non
linéarité provient de la commutation entre les gains donc on crée une commutation au niveau de
la dynamique du système.

97
Chapitre IV Commande Robuste du GADA par Mode Glissant

Figure IV.2 Structure de régulation par commutation au niveau de la contre-réaction d’état

IV.2.3 Structure par Commutation au Niveau de l’Organe de Commande, avec Ajout de la

Commande Equivalente :

Une telle structure dont le principe est montrée sur la figure IV.3, présente un réel avantage. Elle
permet de prépositionner l’état futur du système grâce à la commande équivalente qui n’est rien
d’autre que la valeur désirée du système en régime permanent. L’organe de commande est
beaucoup moins sollicité, mais on est plus dépendant des variations paramétriques du fait de
l’expression de cette commande équivalente.

Figure IV.3 Structure de régulation par ajout de la commande équivalente

Avec :

Ueq : vecteur de commande équivalente.

ΔU : vecteur de commande discontinue.
X : vecteur de variables.
Si : vecteur surface de commutation.
98
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.3 Principe de la Commande par Mode Glissant :

Le contrôle par mode glissant consiste à amener la trajectoire d’état d’un système vers la surface
de glissement et de la faire commuter à l’aide d’une logique de commutation autour de celle-ci
jusqu’au point d’équilibre, d’où le phénomène de glissement.

Parmi les propriétés des modes glissants [Cri 04] :

 Le processus de glissement est d’ordre réduit en comparaison au système original.

 La dynamique du système en mode glissant est déterminée uniquement par le choix des
coefficients de la surface de glissement.
 La robustesse vis-à-vis de la variation de certains types de paramètres.

La trajectoire dans le plan de phase est constituée de trois parties distinctes, figure IV.4.

 Le mode de convergence : c’est le mode durant lequel la variable à régler se déplace à

partir de n’importe quel point initial dans le plan de phase, et tend vers la surface de
commutation s(x,y) = 0. Ce mode est caractérisé par la loi de commande et le critère de
convergence.
 Le mode de glissement : c’est le mode durant lequel la variable d’état a atteint la surface
de glissement et tend vers l’origine du plan de phases. La dynamique de ce mode est
caractérisée par le choix de la surface de glissement s(x,y) = 0.
 Le mode du régime permanent : ce mode est ajouté pour l’étude de la réponse du
système autour de son point d’équilibre (origine du plan de phase), il est caractérisé par la
qualité et les performances de la commande.

Figure IV.4 La trajectoire dans le plan de phase

99
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.4 Conception de l’Algorithme de Commande par Mode Glissant :

La conception de l’algorithme de commande par mode glissant prend en compte les problèmes
de stabilité et de bonnes performances de façon systématique dans son approche, qui s’effectue
principalement en trois étapes complémentaires définies par [Ami 08], [Nem 02] :
 Choix des surfaces de glissement;
 Définition des conditions d’existence et de convergence du régime glissant;
 Détermination de la loi de commande.

IV.4.1 Choix de la Surface de Glissement :

La conception du système de commande sera démontrée pour un système non linéaire suivant
[Bek 09], [Bek 10_2], [Bek 12] :

.
x  f (x, t)  B(x, t).u(x, t) (IV.1)

Où : x  n est le vecteur d’état, u   m est le vecteur de commande, f ( x, t )  n ,

B( x, t )  nm .
J. Slotine propose une forme d’équation générale pour déterminer la surface de glissement [Ben
98], [Has 86_2], [Nam 86], [Edw 90] qui assure la convergence d’une variable vers sa valeur
désirée [Bek 09], [Bek 10_2] :

n 1
d 
S(x)     s  e (IV.2)
 dt 

Avec:

 s : coefficient positif,

e  x d  x : écart (erreur) de la variable à régler,

x d : valeur désirée.

n : ordre du système, c’est le plus petit entier positif représentant le nombre de fois qu’il faut
dériver afin de faire apparaître la commande [Bek 10_1].
S(x) est une équation différentielle linéaire autonome dont la réponse ‘‘ e ’’ tend vers zéro pour
un choix correct du gain  s et c’est l’objectif de la commande [Bek 10_1].

100
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.4.2 Conditions d’Existence et de Convergence du Régime Glissant :

Les conditions d’existence et de convergence sont les critères qui permettent aux différentes
dynamiques du système de converger vers la surface de glissement et d’y rester indépendamment
de la perturbation [Bek 10_1]. On présente deux types de conditions qui sont :

IV.4.2.1 La Fonction Discrète de Commutation :

Cette approche est la plus ancienne, elle est proposée et étudiée par Emilyanov et Utkin. Elle est
donnée sous la forme [Bek 10_1] :
.
S(x).S(x)  0 (IV.3)

IV.4.2.2 La Fonction de Lyapunov :

La fonction de Lyapunov, C’est une fonction scalaire positive ; V(x)  0 , pour les variables
d’état du système. Elle est utilisée pour estimer les performances de la commande pour l’étude
de la robustesse, elle garantit la stabilité du système non linéaire et l’attraction de la variable à
contrôler vers sa valeur de référence; elle a la forme suivante [Nem 02] :

1 2
V(x)  S (x) (IV.4)
2

Sa dérivée est :
. .
V(x)  S(x).S(x) (IV.5)

.
La loi de la commande doit faire décroître cette fonction ( V(x)  0 ). L’idée est de choisir une
fonction scalaire S(x) pour garantir l’attraction de la variable à contrôler vers sa valeur de
référence, et concevoir une commande ‘‘ U ’’ tel que le carré de la surface correspond à une
fonction de Lyapunov.
Pour que la fonction V(x) puisse décroître, il suffit d’assurer que sa dérivée est négative. D’où
.
la condition de convergence exprimée par S(x).S(x)  0 [Bek 10_2].

IV.4.3 Détermination de la Loi de Commande :

La structure d’un contrôleur en mode glissant comporte deux parties : La première concerne la
linéarisation exacte ( U eq ) et la deuxième est stabilisante ( U n ) [Bek 10_1], [Bek 10_2]. Cette

101
Chapitre IV Commande Robuste du GADA par Mode Glissant

dernière est très importante dans le réglage par mode glissant. Elle permet d’éliminer les effets
d’imprécisions du modèle et de rejeter les perturbations extérieures [Büh 86], [Mad 98].

U = U eq  U n (IV.6)

U eq correspond à la commande proposée par Filipov. Elle sert à maintenir la variable à

contrôler sur la surface de glissement S(x)  0 . La commande équivalente est déduite, en

.
considérant que la dérivée de la surface est nulle S(x)  0 .

Elle peut être interprétée comme étant un retour d’état particulier jouant le rôle d’un signal de
commande appliqué sur le système à commander. Elle peut être aussi interprétée autrement
comme étant une valeur moyenne que prend la commande lors de la commutation rapide entre
les valeurs U max et U min (Figure IV.5).

La commande discrète U n est déterminée pour vérifier la condition de convergence en dépit de

l’imprécision sur les paramètres du modèle du système [Bek 10_1].

Figure IV.5 Interprétation de U eq

Afin de mettre en évidence le développement précédent, on considère le système d’état

(l’équation IV.1). On cherche à déterminer l’expression analogique de la commande U.
La dérivée de la surface S(x) est :

. S S x
S(x)   . (IV.7)
t x t

En remplaçant les expressions (IV.1) et (IV.6) dans l’expression (IV.7), on trouve :

. S S
S(x)  (f (x, t)  B(x, t).U eq (x, t))  .B(x, t).U n (IV.8)
x x
102
Chapitre IV Commande Robuste du GADA par Mode Glissant

Durant le mode glissant et le régime permanent, la surface est nulle, et par conséquent, sa dérivée
et la partie discontinue sont aussi nulles. D’ou nous déduisons l’expression de la commande
équivalente [Bek 10_1]:

1
S  S 
U eq   .f (x, t).  .B(x, t)  (IV.9)
x  x 

Pour que la commande équivalente puisse prendre une valeur finie, il faut que :

. S
S(x)  .B(x, t)  0 (IV.10)
x

Durant le mode de convergence, et en remplaçant la commande équivalente par son expression

(IV.9) dans l’expression (IV.8), nous trouvons la nouvelle expression de la dérivée de la surface :

. S
S(x)  .B(x, t).U n (IV.11)
x

.
Où la condition d’attractivité S(x).S(x)  0 devient [Ami 08] :

S
S(x). .B(x, t).U n  0 (IV.12)
x

S
Afin de satisfaire cette condition, le signe de U n doit être opposé a celui de S(x). .B(x, t) .
x
Généralement la commande discrète en mode glissant peut prendre la forme de type relais
donnée par l’expression suivante [Bek 10_1]:

U n  [Link](S(x, t)) (IV.13)

Où :
k : est un gain.
S
Le signe de k doit être différent de celui de .B(x, t) .
x
Pour une fonction définie  , l’expression de la fonction signe « sgn » est donnée par [Bek 09],
[Bek 10_2], [Bek 13_1], [Bek 13_3] :

 1, if   0

sgn( )   0, if   0 (IV.14)
1, if   0


103
Chapitre IV Commande Robuste du GADA par Mode Glissant

La figue IV.6 représente la fonction de la commande discrète de type relais :

sgn( )


-1

Figure IV.6 Fonction sgn (Commande de type relais)

Le principal inconvénient de la commande de type relais réside dans le phénomène bien connu
par le broutement soit en anglais "chattering". En régime permanent, ce dernier apparaît comme
une oscillation de haute fréquence autour du point d’équilibre, à cause de la nature très
discontinue de la fonction signe (sgn). Ce phénomène de chattering est un sérieux obstacle pour
les applications de commande par mode glissant, car les oscillations dues à ce phénomène
peuvent nuire le fonctionnement du circuit de puissance. Ce phénomène est presque toujours
problématique et des efforts de recherche significatifs ont été dirigés de sorte à éliminer ou au
moins réduire ses effets. L’une des solutions envisagées consiste à introduire une bande d’arrêt
autour de la surface de commutation. Pour ce faire, il suffit de substituer une fonction de
saturation (sat), (figure IV.7), par la fonction signe (sgn) dont les discontinuités au voisinage de
zéro sont moins brutales. Cette fonction de saturation peut être exprimée par [Bek 10_1], [Bek
13_1], [Bek 13_3]:

 1 si   

s at( )  1 si    (IV.15)
 
 si   
 

s at( )

  
-1

Figure IV.7 Fonction de saturation (commande adoucie)

104
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.5 Application de la Commande par Mode Glissant au Contrôle de la

Puissance Active et Réactive du GADA :

Après avoir présenté la théorie de la commande par mode glissant avec les différentes structures
de la commande non linéaire, nous allons analyser dans cette partie l’application de la
commande par mode glissant au générateur asynchrone à double alimentation (GADA) afin de
valider l’approche présentée par des résultats de simulation.
Alors, à partir du deuxième chapitre (partie de la commande vectorielle), on tire le système
d’équations d’état du GADA suivant [Bek 13_3]:

M
Ps   V s i rq (IV.16)
Ls

2
M
Qs  V s  V s i (IV.17)
s Ls Ls rd

. 1 1
i rd   i  g s i rq  V (IV.18)
T r rd  Lr rd

. 1 1 M2  1
i rq      i rq  g s i rd  V rq (IV.19)
  T r Ls .T s .Lr   L r

Avec:

M2 L   L
  1 ; Tr  r ; g  s ; Ts  s .
Ls .L r Rr s Rs

IV.5.1 Commande Directe par Mode Glissant du GADA :

IV.5.1.1 Surface de Régulation de la Puissance Active Statorique Ps :

L’erreur de la puissance active statorique est définie par [Bek 13_1]:

e  Ps *  Ps (IV.20)

Pour n  1 , la surface de la puissance active statorique peut être définie à partir de l’équation
(IV.2) comme suit :

S (Ps )  e  Ps *  Ps (IV.21)

105
Chapitre IV Commande Robuste du GADA par Mode Glissant

Sa dérivée :
. . .
S (Ps )  Ps *  Ps (IV.22)
.
En substituant l’expression de Ps de l’équation (IV.16) dans l’équation (IV.22), on trouve :

. . 
M . 
S (Ps )  Ps *    V s i rq  (IV.23)
 Ls 

.
En substituant l’expression de i rq de l’équation (IV.19) dans l’équation (IV.23), on trouve :

. .
M
S (Ps )  Ps * V s (V rq  R r i rq ) (IV.24)
Ls Lr .

On prend :

eq
V rq  V rq  V rqn (IV.25)

.
Pendant le mode glissant et dans le régime permanent, on a : S (Ps )  0, S (Ps )  0, V rqn  0 .

Donc, la commande équivalente est donnée par :

.
eq L L .
V rq  R r i rq  Ps * s r (IV.26)
Vs M

Par conséquent :

V rqn  kV sat (S (Ps )) (IV.27)

rq

kV : constante positive.
rq

IV.5.1.2 Surface de Régulation de la Puissance Réactive Statorique Q s :

L’erreur de la puissance réactive statorique est définie par [Bek 13_1]:

e  Q s *  Qs (IV.28)

Pour n  1 , la surface de la puissance réactive statorique peut être définie à partir de l’équation
(IV.2) comme suit :

106
Chapitre IV Commande Robuste du GADA par Mode Glissant

S (Q s )  e  Q s *  Q s (IV.29)

Sa dérivée :

. . .
S (Q s )  Q s *  Q s (IV.30)

.
En substituant l’expression de Q s de l’équation (IV.17) dans l’équation (IV.30), on trouve :

.  2
. *  V s M . 
S (Qs )  Q s  Vs i (IV.31)
 s Ls Ls rd 
 

.
En substituant l’expression de i rd de l’équation (IV.18) dans l’équation (IV.31), on trouve :

. .
M
S (Q s )  Q s * V s (V  R r i rd ) (IV.32)
Ls L r . rd

On prend:

eq
V rd  V rd  V rdn (IV.33)

.
Pendant le mode glissant et dans le régime permanent, on a : S (Q s )  0, S (Q s )  0, V rdn  0 .

Donc la commande équivalente est donnée par:

.
eq L L .
V rd  R r i rd  Qs * s r (IV.34)
Vs M

Par conséquent :

V rdn  kV sat (S (Q s )) (IV.35)

rd

kV : constante positive.
rd

Les figures IV.8 et IV.9 présentent, respectivement, le schéma fonctionnel de la commande

directe par mode glissant appliquée au GADA et son équivalent sous l’environnement
Matlab/Simulink.

107
Chapitre IV Commande Robuste du GADA par Mode Glissant

Ps
GADA Réseau

Pr Ond. Udc
MLI

SMC

P*s Q*s

Figure IV.8 Schéma fonctionnel de la commande directe par mode glissant

appliquée au GADA

t
Clock To Workspace Ps
Udc Uc Ps
Vrd Vrd
Ps Ps
Vrd_ref Vrd P
Qs
Vrd _ref Vd_ref Qs
Q
Vrq Vrq Ird
Ps_ref Ps_ref
Ird
wr Wr
Ird
Vrq_ref Irq
Vrq
Qs_ref Qs _ref
Wm Wmec Irq
Vq_ref
W_mec Irq
Isd
Vrq _ref
Onduleur _MLI _dq Isd
Vsa Vsa
Vsd Vs d Isd
Qs Qs
Isq
Vsb Vsb
Isq

Commande Directe par Vsc Vsc Isq

SMC
Vsq Vs q wr wr
Ws Ws

Tensions Statoriques
GADA

Figure IV.9 Schéma fonctionnel de la commande directe par mode glissant appliquée au GADA
sous l’environnement Matlab/Simulink

108
Chapitre IV Commande Robuste du GADA par Mode Glissant

1
Ps

2 In1 Out1 2
Ps_ref Vrqn Vrq _ref

Psref
Vrq_eq
Irq Irq
M/Ls
Vrq _eq

wr g
Ws

Vsq

Rr/(M*Ws)

3 In1 Out1 1
Qs_ref Vrd_ref
Vrdn

Qs
Qsref
4 Vrd_eq
Ird Ird

Vrd _eq

Figure IV.10 Schéma bloc de sous-système “Commande Directe par SMC”

IV.5.2 Commande Indirecte par Mode Glissant du GADA :

Les courants rotoriques i rq et i rd , sont respectivement les images des puissances statoriques

active Ps et réactive Q s , qui doivent poursuivre leurs courants de références [Bek 11].

IV.5.2.1 Surface de Régulation du Courant Rotorique Quadrature i rq :

L’erreur du courant rotorique quadrature i rq est définie par [Bek 11] :

e  i rq *  i rq (IV.36)

Pour n  1 , la surface du courant rotorique quadrature peut être définie à partir de l’équation
(IV.2) comme suit :

S (i rq )  e  i rq *  i rq (IV.37)

Sa dérivée :

109
Chapitre IV Commande Robuste du GADA par Mode Glissant

. . .
S (i rq )  i rq *  i rq (IV.38)

.
En substituant l’expression i rq de l’équation (IV.19) dans l’équation (IV.38), on obtient:

. 
. 1 1 M2  1 
S (i rq )  i rq*      i rq  g s i rd  V rq  (IV.39)
  T r Ls .Ts .Lr  Lr 
   

On prend :

eq
V rq  V rq  V rqn (IV.40)

.
Pendant le mode glissant et dans le régime permanent, on a : S (i rq )  0, S (i rq )  0, V rqn  0 .

Donc, la commande équivalente est donnée par:

 . 1 1 M2  
V rqeq   i rq*     i rq  g s i rd  Lr (IV.41)

   Tr Ls .Ts .Lr 



Par conséquent :

V rqn  kV sat (S (i rq )) (IV.42)

rq

kV : constante positive.
rq

IV.5.2.2 Surface de Régulation du Courant Rotorique Directe i rd :

L’erreur du courant rotorique directe i rd est définie par [Bek 11] :

e  i rd *  i rd (IV.44)

Pour n  1 , la surface du courant rotorique directe peut être définie à partir de l’équation (IV.2)
comme suit :

S (i rd )  e  i rd *  i rd (IV.45)

Sa dérivée :

. . .
S (i rd )  i rd *  i rd (IV.46)

110
Chapitre IV Commande Robuste du GADA par Mode Glissant

.
En substituant l’expression i rd de l’équation (IV.18) dans l’équation (IV.46), on obtient:

. .  
1 1
S (i rd )  i rd *    i rd  g s i rq  V rd  (IV.47)
 T r  Lr 

On prend :
eq
V rd  V rd  V rdn (IV.48)

.
Pendant le mode glissant et dans le régime permanent, on a : S (i rd )  0, S (i rd )  0, V rdn  0 .

Donc, la commande équivalente est donnée par :

eq  .* 1 
V rd   i rd  i rd  g s i rq   Lr (IV.49)
 T r 
 

Par conséquent :

V rdn  kV sat (S (i rd )) (IV.50)

rd

kV : constante positive.
rd

Les figures IV.11 et IV.12 présentent, respectivement, le schéma bloc de réglage des courants
rotoriques par mode glissant et son équivalent sous l’environnement Matlab/Simulink.

i rq Udc
*
Ps *  Ls i rq +
- V rq
dq
MV s Commande
par Mode
Qs* i rd * + Glissant V PMW
+  Ls rd abc
- MV s -
r
V s s i rd
i rd GADA
Ls abc
i rq dq

Réseau

Figure IV.11 Schéma fonctionnel de la commande indirecte par mode glissant

appliquée au GADA

111
Chapitre IV Commande Robuste du GADA par Mode Glissant

Vrd Vrd Ps
Ps_ref Ps_ref
From 4 Ps
Vrd _ref Vrd_ref

Qs_ref Qs_ref
Vrq Vrq Qs
Vrd Vrd
From 5 Qs
Vrq_ref
Iqr Iqr
Wm Wm Idr Idr
From 2
Vrq _ref

Idr Idr
Udc Uc Vsa Vsa
From 3
Vsd Vsd Iqr Iqr
Commande Indirecte Vrq Vrq Vsb Vsb
par SMC

Wr Wr Vsc Vsc
Vsq Vsq Wr Wr
Ws Ws
t Onduleur _MLI _dq
Tensions Statoriques
Clock To Workspace GADA

Figure IV.12 Schéma fonctionnel de la commande indirecte par mode glissant appliquée
au GADA sous l’environnement Matlab/Simulink

Wr
Ws
M/Ls

Vsq
Iqr ref

-Ls/M In1 Out1 2

1
Vrqn Vrq_ref
Ps_ref
irq ref

3 irq Vrq_eq
Iqr
Ird
Vrq_eq
Ws*(Lr-M^2/Ls)

Ws

Ws*(Lr-M^2/Ls)
4
1/Ls Idr

Idr ref

-Ls/M In1 Out1 1

2
Qs_ref Vrdn Vrd_ref

ird ref

ird Vrq_eq

Irq
Vrd_eq

Figure IV.13 Schéma bloc de sous-système “Commande Indirecte par SMC”

IV.6 Onduleur à MLI Vectorielle (SVM) :

Pour améliorer la qualité de l’énergie électrique injectée au réseau, nous proposons la technique
de la MLI vectorielle, en anglais Space Vector Modulation (SVM), qui permet de réduire au
minimum les harmoniques des courants statoriques. Le principe de cette technique repose sur la
sélection de la séquence et le calcul des temps de conduction ou d’extinction.

112
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.6.1 Principe de la SVM :

Dans cette modulation on représente par seul vecteur les trois tensions sinusoïdales de sortie que
l’on désire. On approxime au mieux ce vecteur pendant chaque intervalle de modulation en
agissant sur la commande des trois jeux d’interrupteur complémentaires. Cette MLI vectorielle
ne s’appuie pas sur des calcules séparés pour chaque bras de l’onduleur mais sur la détermination
d’un vecteur de contrôle global approximé sur une période de modulation T, [Can 00].

IV.6.2 Les Etapes de la Réalisation des Blocs de SVM :

Étape 1: Détermination des tensions de références V  , V  ,

Étape 2 : Détermination des secteurs,

Étape 3 : Calcul des variables X, Y et Z,
Étape 4 : Calcul de t1 et t2 pour chaque secteur,
Étape 5 : Génération des signaux modulants taon, tbon et tcon ,
Étape 6 : Génération des séries d’impulsions Ta, Tb et Tc .

IV.6.3 La Présentation des Blocs sous Simulink de la SVM [Raf 07]:

IV.6.3.1 Bloc Simulink de la SVM:

La simulation de cette technique se fait à travers le modèle de la figure IV.14:

Figure IV.14 Schéma bloc de la SVM sous l’environnement Matlab/Simulink

113
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.6.3.2 Détermination des V  , V  :

Ce bloc permet de projeter les tensions triphasés dans le référentiel (  ,  ) en effectuant la

transformation de Clarke sous Simulink, on obtient la figure IV.15:

Figure IV.15 Le bloc de la transformation de Clarke

IV.6.3.3 Méthode de Détermination des Secteurs :

Dans cette partie le secteur est déterminé par une méthode simple basée sur les tensions V  ,

V :

La détermination est faite comme dans le tableau IV.1, où A2 est le signe de V  et A1 est le

signe de V  . On note que A2 égale à 0 si V  est négatif sinon A2 égale à 1. A1 égale à 0 si V 

est négatif sinon A1 égale à 1. A0 égale à 1 si la valeur absolue du rapport (V  / V  ) est

supérieur ou égale à (tan 60° = 1.732) autrement A0 égale à 0. Cette méthode est employée par
Panigrahi [Pani 06] pour la détermination du secteur pour la DTC.

Tableau IV.1 Détermination du secteur

A2 A1 A0 Secteur
0 0 0 5
0 0 1 4
0 1 0 6
0 1 1 1
1 0 0 3
1 0 1 4
1 1 0 2
1 1 1 1

114
Chapitre IV Commande Robuste du GADA par Mode Glissant

Le bloc de détermination du secteur sous Matlab/Simulink est présenté par la figure IV.16 :

Figure IV.16 Le bloc de détermination du secteur

IV.6.3.4 Calcul des Variable X, Y et Z :

Les trois variables X, Y et Z sont données par les équations suivantes :

T
X  3 V (IV.52)
V dc 

3 T 3 T
Y  V  V (IV.53)
2 V dc 2 V dc

3 T 3 T
Z  V  V (IV.54)
2 V dc 2 V dc

Le bloc qui permet de calculer les variables X, Y et Z est présenté par la figure IV.17 :

Figure IV.17 Bloc de calcul de X, Y et Z

115
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.6.3.5 Calcul de t1 et t2 :

Dans cette étape, le bloc de calcul des temps t1 et t2 pour chaque secteur à partir des valeurs de
X, Y et Z est suivant le tableau IV.2:

Tableau IV.2 Les temps t1 et t2 en fonction de X, Y et Z

Secteur 1 2 3 4 5 6
t1 Z Y -Z -X X -Y
t2 Y -X X Z -Y -Z

IV.6.3.6 Détermination de taon, tbon et tcon :

Ce bloc génère les signaux modulants d’après les formules suivantes :

taon = (T - t1 - t2) / 2
tbon = taon + t1
tcon = tbon + t2
On adopte, sous Matlab/Simulink le modèle de la figure IV.18 pour chacun des six secteurs (ici,
le secteur 1).

Figure IV.18 Bloc de détermination de taon, tbon et tcon

IV.6.3.7 Détermination de Ta, Tb et Tc :

Ce bloc génère des séries d’impulsions qui serviront par la suite à réaliser les signaux de
commande entrant dans le modèle de l’onduleur, suite à la comparaison des signaux modulants
avec une porteuse triangulaire de haute fréquence. Sous Matlab/Simulink ce bloc se présente
sous l’aspect de la figure IV.19 :

116
Chapitre IV Commande Robuste du GADA par Mode Glissant

Figure IV.19 Bloc de détermination de Ta, Tb et Tc

Figure IV.20 Le subsystem out_1

Les signaux txon sont ordonnés d’une manière bien précise (tableau IV.3).

Tableau IV.3 Assignement de signaux txon au registres Ta, Tb et Tc

Secteur
1 2 3 4 5 6
Phase
Ta tbon taon taon tcon tbon tcon
Tb taon tcon tbon tbon tcon taon
Tc tcon tbon tcon taon taon tbon

IV.7 Modélisation et Stratégie de Commande de la Cascade Onduleur - Bus

Continu - Redresseur :

Dans le deuxième et le troisième chapitre, l’étude comprenait une alimentation parfaitement

constante de l’onduleur, et donc l’incidence du rotor sur le réseau n’était pas traitée.
Dans cette partie, nous allons traiter l’alimentation continue de l’onduleur de tension. Ceci
comprendra son maintien à la valeur désirée et la limitation des harmoniques injectées au réseau
par l’utilisation d’un redresseur commandé par la technique MLI.
L’ensemble composé du redresseur, du bus continu et de l’onduleur formera la cascade qui sera
la liaison entre le rotor et le réseau. Il est à noter que le redresseur ne peut être connecté
directement au réseau car la tension de ce dernier ne permet pas d’atteindre la tension de
fonctionnement du bus continu. Pour cette raison un transformateur sera utilisé. De plus un filtre

117
Chapitre IV Commande Robuste du GADA par Mode Glissant

fera la liaison entre le redresseur et le transformateur pour limiter les harmoniques d’ordre
supérieur et ainsi diminuer les pertes fer dans la MADA et le transformateur.
La figure IV.21 montre la topologie principale du circuit d’un système de conversion éolienne
basé sur le GADA avec un convertisseur bidirectionnel à MLI, qui se compose d’un
convertisseur côté stator (ou réseau) et d’un convertisseur côté rotor et un bus continu. Dans le
convertisseur bidirectionnel du GADA, la puissance est transférée entre le côté réseau et le côté
rotor du générateur.

Figure IV.21 Principe de la cascade basée sur une machine asynchrone à double Alimentation
d’un système de conversion éolienne

Les deux convertisseurs interposés entre le rotor et le réseau sont à deux niveaux. Commandés
par la MLI, ils sont bidirectionnels en puissance donc répondant aux exigences de ce type
d’application. Les signaux de commande du convertisseur coté stator seront déterminés en
faisant un asservissement de la tension du bus continu.
Après avoir repoussé les harmoniques générées par le redresseur vers un rang supérieur grâce à
la technique MLI, celles-ci doivent être atténuées grâce à un filtre liant le réseau au redresseur.
Ce filtre étant passe bas, la qualité du réseau sera améliorée en y atténuant les harmoniques
supérieurs.

IV.7.1 Convertisseur Coté Stator (CCS) avec Régulation de la Tension de Bus Continu [Bek
13_4]:

La figure IV.22 présente la configuration du convertisseur côté stator qui fonctionne comme un
redresseur. Son rôle est de fournir une tension continue à partir une tension alternative du réseau.
La commande par MLI à hystérésis contrôle les courants injectés par ce convertisseur au réseau.

118
Chapitre IV Commande Robuste du GADA par Mode Glissant

Figure IV.22 Configurations de convertisseur côté stator

D’après la figure IV.22, nous avons les relations de l’équation (IV.55) :

v 1 v 1n  v 2n v 2  0
 (IV.55)
 v 1 v 1n  v 3n v 3  0

En ajoutant les relations de l’équation (IV.55) terme par terme, nous obtenons:

2.v  2.v v v  v v  0 (IV.56)

1 1n 2n 3n 2 3

Pour un réseau triphasé équilibré, nous pouvons écrire l’équation (IV.57):

v v v 0 (IV.57)
1n 2n 3n

Dans l’équation (IV.56), nous pouvons remplacer v v par v , donc on peut écrire:
2n 3n 1n

v = 1 (2.v v v )
 1n 3 1 2 3
 1
 v 2n = 3 ( v 1  2.v 2  v 3 ) (IV.58)

v = 1 ( v v  2.v )
 3n 3 1 2 3

Selon la fermeture ou l’ouverture des commutateurs K les tensions de la branche v peuvent

ij i

être égales à U ou “0”. Nous présentons d’autres variables qui sont S , S et S , et qui
c 11 12 13

prennent “1” si le commutateur K est fermé ou “0” s’il est bloqué. L’équation (IV.58) peut être
ij

récrite comme suit :

119
Chapitre IV Commande Robuste du GADA par Mode Glissant

v 1n  2 1 1  S11 
 
v  U c   
2n  1 2 1 S 21  (IV.59)
  3 
v   1 1 2  S 31 
 3n  

Le courant redressé peut être écrit comme suit :

i  S11 i  S 21 i  S 31 i (IV.60)
rec a b c

Les S présentent les signaux logiques déduits de l’application de la technique de commande

i1
MLI. Dans ce cas, les moments de la commutation sont déterminés par une comparaison avec
l’hystérésis entre les courants du réseau i et les courants de référence i .
abc abc_ref

Les états des commutateurs dans ce cas sont déduits selon des règles suivantes:

 Si i  i  i alors S  0 et si i  i  i alors S 1

a_ref a 11 a_ref a 11

 Si i  i  i alors S  0 et si i  i  i alors S 1

b_ref b 21 b_ref b 21

 Si i  i  i alors S  0 et si i  i  i alors S 1

c_ref c 31 c_ref c 31

La tension terminale du condensateur C est calculée par :

f

dU c
C  i  i  i  S11 i  S 21 i  S 31 i  i (IV.61)
f dt c rec f a b c f

Où :
ic : est le courant du condensateur,

i f : est le courant filtré.

La figure IV.23 montre le schéma fonctionnel de la commande du convertisseur côté stator

(réseau). Il est habituellement commandé par la stratégie de commande vectorielle avec
l’orientation de la tension du réseau [Yao 08]. Cette tension est correspond aux axes d-q, elle est
permet a découplé les expressions des puissances active et réactive échangées entre le réseau et
le coté rotor du générateur. Nous réalisons la commande de la puissance active et par conséquent
la commande de tension du bus continu par l’intermédiaire du courant direct de référence
i et la puissance réactive par l’intermédiaire du courant quadrature de référence i .
d _ref q_ref

120
Chapitre IV Commande Robuste du GADA par Mode Glissant

Pour garantir un facteur de puissance unitaire au côté réseau, le courant quadrature de référence
i est maintenu à zéro.
q_ref

La figure IV.24 présente le schéma équivalent de la figure IV.23 sous Matlab/Simulink.

Figure IV.23 Schéma fonctionnel de la commande du convertisseur côté stator (réseau)

Vsa In1 Out1 S1

Vsb In2 Out2 S2

Vsc In3 Out3 S3 Udc 1

Vdc
Réseau Filtre RL
iabc

1 if = ich
if = ich
Redresseur / Onduleur MLI

dq to abc
id _ref
a d PI

b q 0
iq _ref 2
c w 2*pi *50 Vdc ref
ws

Figure IV.24 Schéma fonctionnel de la commande du convertisseur côté stator sous

Matlab/Simulink

121
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.7.2 Commande du Convertisseur Coté Rotor (CCR) :

Le convertisseur côté rotor est utilisé comme un onduleur. Les signaux de ce convertisseur sont
produits de la commande des puissances active et réactive statoriques du générateur. Dans ce
chapitre la commande utilisée c’est la commande par mode glissant.
Toujours par soucis de simplification, l’onduleur utilisé est à deux niveaux qui est décrit
précédemment et en détail dans le deuxième chapitre (Section II.3.3).
L’atteinte de meilleures performances fera le but de l’utilisation d’un convertisseur à MLI
vectorielle (SVM). Ceux-ci amélioreront la qualité des tensions ondulées par la diminution des
harmoniques.
Le schéma fonctionnel complet de la chaîne globale, utilisant un convertisseur bidirectionnel
avec un contrôleur par mode glissant pour la commande des puissances active et réactive
statoriques avec la régulation de la tension du bus continu, est montré dans la figure IV.25. Où le
bloc MPPT représente la stratégie de l’extraire maximal de la puissance générée. Le bloc ‘SMC’
représente la commande par mode glissant. Le bloc CCR-SVM représente le convertisseur coté
rotor commandé par la technique MLI vectorielle (SVM) et le bloc CCS représente le
convertisseur coté stator commandé par la technique MLI.

Figure IV.25 Schéma de la chaîne globale avec la commande par mode glissant appliquée au
GADA alimenté par un convertisseur bidirectionnel

122
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.8 Résultats de Simulation :

IV.8.1. Résultats de Simulation à Vitesse Constante :

Pour visualiser le comportement de la commande par mode glissant directe et indirecte, dans
cette partie, nous avons soumis ces deux commandes à des échelons des puissances active et
réactive.
Comme nous avons noté précédemment dans le deuxième chapitre, la vitesse mécanique qui
entraîne le rotor du GADA est une vitesse fixe proche de la vitesse de synchronisme qui est égale
à 152 rad/s (1452 tr/mn). Les échelons des puissances active et réactive appliqués à chaque type
de commande du GADA, sont représentés dans le tableau IV.4.

Tableau IV.4 Echelons des puissances active et réactive appliqués à chaque type
de commande SMC du GADA

Temps (s ) Ps* ( W ) Q s* ( V ar )

0 à 0.5 -1000 0

0.5 à 0.7 -3000 0

0.7 à 1.2 -3000 -1000

1.2 à 1.4 -3000 0

1.4 à 1.6 -1000 0

1.6 à 2 -1000 1000

IV.8.1.1 Commande Directe par SMC :

Les mêmes remarques qui nous avons dit précédemment dans le deuxième chapitre, les échelons
des puissances active et réactive statoriques sont bien suivis, rapidement et sans dépassement par
le générateur. Cependant les variations des échelons, on constate un bon découplage entre les
deux axes de commande ( d et q ) avec des faibles oscillations (figure IV.26 et IV.27).
Les figures IV.28 et IV.29 montrent que les courants obtenus au stator et au rotor sont de formes
sinusoïdales, ce qui implique une énergie propre sans harmoniques fournie ou absorbée par le
GADA.

123
Chapitre IV Commande Robuste du GADA par Mode Glissant

4000 4000

P uissance réactive statorique (Var)

Puissance active statorique (W)
-1000 référence 1000 référence
3000 mesurée 3000
0 mesurée
-2000
2000 2000
-1000
-3000 1.58 1.6 1.62
1000 1000
1.38 1.39 1.4 1.41 1.42
0 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)

Figure IV.26 Puissance active statorique Figure IV.27 Puissance réactive statorique
de la commande directe par SMC de la commande directe par SMC

15 15
5
0
10 -5 10
C ourants statoriques (A)

0.48 0.5 0.52

Courants rotoriques (A)

5 5

0 0

-5 -5

-10 -10

-15 -15
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)

Figure IV.28 Courants statoriques Figure IV.29 Courants rotoriques

de la commande directe par SMC de la commande directe par SMC

IV.8.1.2 Commande Indirecte par SMC :

Pour la commande indirecte, on applique les mêmes échelons des puissances active et réactive
statoriques qui ont été utilisés dans la commande directe par SMC.
Les résultats obtenus montrent bien les grandes performances du contrôle indirect de la
puissance active et réactive, ceci a été confirmé par le découplage parfait et la bonne poursuite
(figure IV.30 et IV.31).
Les figures IV.32 et IV.33 montrent que les courants obtenus au stator et au rotor sont aussi de
formes sinusoïdales.

124
Chapitre IV Commande Robuste du GADA par Mode Glissant

4000 4000
mesurée

Puissance réactive statorique (Var)

-1000 1000 mesurée
Puissance active statorique (W)
3000 référence 3000 référence
2000 -2000 2000 0

1000 -3000 1000 -1000

1.58 1.6 1.62
0 1.38 1.4 1.42 1.44 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)

Figure IV.30 Puissance active statorique Figure IV.31 Puissance réactive statorique
de la commande indirecte par SMC de la commande indirecte par SMC

15 15
5
0
10 -5 10
Courants statoriques (A)

Courants rotoriques (A)

0.48 0.5 0.52

5 5

0 0

-5 -5

-10 -10

-15 -15
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)

Figure IV.32 Courants statoriques Figure IV.33 Courants rotoriques

de la commande indirecte par SMC de la commande indirecte par SMC

IV.8.2 Résultats de Simulation à Vitesse Variable avec une Comparaison entre la MLI et la
SVM :

La figure IV.34 présente le schéma bloc de la chaîne globale de la commande indirecte par mode
glissant du GADA avec un convertisseur à SVM.

125
Chapitre IV Commande Robuste du GADA par Mode Glissant

Figure IV.34 Schéma bloc de la chaîne globale de la commande indirecte par mode glissant

du GADA avec un convertisseur à SVM

IV.8.2.1 Profil du Vent en Echelons :

La figure IV.35 montre le profil du vent en échelons. La figure IV.36 présente la vitesse de
rotation de la turbine selon la stratégie MPPT. La figure IV.37 montre la variation du coefficient
de puissance C p , il est gardée autour de sa valeur maximum (0.5).

La figure IV.38 présente la puissance active statorique et son profil de référence injecté au réseau
en utilisant la MLI et la SVM, tandis que la puissance réactive statorique et son profil de
référence sont présentés dans la figure IV.39 par l’utilisation de deux techniques, la MLI et la
SVM.
D’après les figures IV.38 et IV.39 un très bon découplage entre la puissance active et réactive
statorique est obtenu. Il est clair que la puissance active suive ses valeurs désirées en utilisant la
commande proposée. Pour assurer un facteur de puissance unitaire au côté du réseau, la
puissance réactive est maintenue à zéro. De plus, l’augmentation de la vitesse du vent conduite à
une augmentation de la puissance statorique qui explique l’efficacité de la stratégie MPPT
appliquée à la commande de la turbine. D’autre part, il est clair que les ondulations des
puissances active et réactive sont réduites dans le cas de la SVM par rapport à la MLI.

126
Chapitre IV Commande Robuste du GADA par Mode Glissant

Les figures IV.40 et IV.41 présentent les courants statoriques du GADA respectivement dans les
deux cas, la MLI et la SVM. Les figures IV.42 et IV.43 présentent les courants rotoriques du
GADA respectivement dans les deux cas, la MLI et la SVM.
D’après les figures IV.40, IV.41, IV.42 et IV.43, nous constatons que dès que la vitesse du vent
augmente, les amplitudes de ces courants aussi augmentent.
D’après les figures IV.44 et IV.45, qui montrent respectivement les spectres d’harmoniques
d’une phase du courant statorique et du courant rotorique dans les deux cas, la MLI et la SVM,
on constate que ces courants ont un bon THD dans le cas de la SVM (où THD = 2.54% pour le
courant statorique et THD = 0.96% pour le courant rotorique) comparé au cas de la MLI (où
THD = 6.62% pour le courant statorique et THD = 2.49% pour le courant rotorique) qui explique
l’amélioration de la qualité des courants injectés au réseau par la diminution des harmoniques.

9
140
8
120
7
Vitesse de rotation (rad/s)
Vitesse de vent (m/s)

6 100

5 80

4
60
3
40
2

1 20

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps (s) Temps (s)

Figure IV.35 Profil du vent appliqué Figure IV.36 Vitesse de la turbine

selon la MPPT

0.5
Coefficient de puissance Cp

0.4

0.3

0.2

0.1

0
0 1 2 3 4 5 6
Temps (s)

Figure IV.37 Variation du coefficient de puissance C p

127
Chapitre IV Commande Robuste du GADA par Mode Glissant

500
500
référence référence
0
Puissance active statorique (W)
0

Puissance active statorique (W)

simulation simulation
-500 -500

-1000 -1000

-1500 -1500

-2000 -2000

-2500 -2500

-3000 -3000

-3500 -3500
-4000 -4000
1 2 3 4 5 6 1 2 3 4 5 6
Temps (s) Temps (s)

(a) (b)

Figure IV.38 Puissance active statorique injectée au réseau en utilisant : (a) la MLI et (b) la SVM

5000 4000
Puissance réactive statorique (Var)

référence
Puissance réactive statorique (Var)

référence
4000 3000 simulation
simulation
3000 2000

2000 1000

1000 0

0 -1000

-1000 -2000

-2000 -3000

-3000 -4000
0 1 2 3 4 5 6 1 2 3 4 5 6
Temps (s) Temps (s)

(a) (b)

Figure IV.39 Puissance réactive statorique en utilisant: (a) la MLI et (b) la SVM

10
3
8

6 2
C o u ra n ts s ta to riq u e s (A )
Courants statoriques (A)

4
1
2

0 0
-2

-4 -1

-6
-2
-8

-10 -3
1 2 3 4 5 6 3.96 3.97 3.98 3.99 4
Temps (s) Temps (s)

(a) (b)

Figure IV.40 (a) Courants statoriques avec (b) un zoom en utilisant la MLI

128
Chapitre IV Commande Robuste du GADA par Mode Glissant

10
3
8

6 2
Courants statoriques (A)

Courants statoriques (A)

4
1
2

0 0
-2

-4 -1

-6
-2
-8

-10 -3
1 2 3 4 5 6 3.96 3.97 3.98 3.99 4
Temps (s) Temps (s)

(a) (b)

Figure IV.41 (a) Courants statoriques avec (b) un zoom en utilisant la SVM

15 8

6
10
Courants rotoriques (A)
Courants rotoriques (A)

4
5
2

0 0

-2
-5
-4
-10
-6

-15 -8
1 2 3 4 5 6 3.92 3.94 3.96 3.98 4
Temps (s) Temps (s)

(a) (b)

Figure IV.42 (a) Courants rotoriques avec (b) un zoom en utilisant la MLI

15
8
10 6
Courants rotoriques (A)
Courants rotoriques (A)

4
5
2
0 0

-5
-2

-4
-10
-6

-15 -8
1 2 3 4 5 6 3.92 3.94 3.96 3.98 4
Temps (s) Temps (s)

(a) (b)

Figure IV.43 (a) Courants rotoriques avec (b) un zoom en utilisant la SVM

129
Chapitre IV Commande Robuste du GADA par Mode Glissant

THD = 6.62% THD = 2.54%

0.1

(% du Fondamentale)
0.1
Amplitude (% du Fondamentale)
0.09 0.09

Magnitude (% of Fondamental)
Magnitude (% of Fondamental)

0.08 0.08

0.07 0.07

0.06 0.06

0.05 0.05

0.04 0.04

Amplitude
0.03 0.03

0.02 0.02
0.01 0.01

0 20 40 60 80 100 120 0 20 40 60 80 100 120

Order of Harmonic Order of Harmonic
Rang de l’Harmonique Rang de l’Harmonique

(a) (b)

Figure IV.44 Spectre d’harmoniques d’une phase du courant statorique

en utilisant (a) la MLI et (b) la SVM

THD = 2.49% THD = 0.96%
0.1 0.1
Amplitude (% du Fondamentale)
Amplitude (% du Fondamentale)

0.09 0.09
Magnitude (% of Fondamental)

Magnitude (% of Fondamental)

0.08 0.08
0.07 0.07
0.06 0.06
0.05 0.05
0.04 0.04
0.03 0.03
0.02 0.02
0.01 0.01

0 20 40 60 80 100 120 0 20 40 60 80 100 120

Order of Harmonic Order of Harmonic
Rang de l’Harmonique Rang de l’Harmonique

(a) (b)

Figure IV.45 Spectre d’harmoniques d’une phase du courant rotorique

en utilisant (a) la MLI et (b) la SVM

IV.8.2.2 Profil du Vent Aléatoire avec Régulation de la Tension du Bus Continu :

Dans cette partie, nous avons appliqué à la turbine éolienne un profil du vent aléatoire pour
valider la robustesse de la commande par mode glissant vis-à-vis la variation de vitesse du vent,
pour cela la figure IV.46 présente la variation du profil du vent appliqué. La figure IV.47 montre
la vitesse de rotation de la turbine selon la MPPT. La figure IV.48 montre la variation du
coefficient de puissance C p .

130
Chapitre IV Commande Robuste du GADA par Mode Glissant

La figure IV.49 présente la puissance active statorique et son profil de référence injecté au réseau
en utilisant la MLI et la SVM, tandis que la puissance réactive statorique et son profil de
référence sont présentés dans la figure IV.50 pour la MLI et la SVM.
Les figures IV.51 et IV.52 présentent les courants statoriques du GADA respectivement dans les
deux cas, la MLI et la SVM. Les figures IV.53 et IV.54 présentent les courants rotoriques du
GADA respectivement dans les deux cas, la MLI et la SVM.
Les figures IV.55 et IV.56 montrent les spectres d’une phase du courant statorique
respectivement dans les deux cas, la MLI et la SVM.
D’après les résultats de simulation obtenus, nous avons les points suivants :
- De part de la turbine :
 Un coefficient de puissance C p gardée autour de sa valeur maximum (0.5) qui

assure une puissance mécanique maximale.

- De part du GADA :
 Un très bon découplage entre la puissance active et réactive du stator est obtenu.
 Un facteur de puissance unitaire coté réseau cos   1 (car Q s  0 ), par conséquent
une minimisation de pertes fer.
 Des courants statoriques et rotoriques de formes sinusoïdaux, par conséquent une
minimisation d’harmoniques.
 Une amélioration de la qualité des courants statoriques dans le cas de l’utilisation
de la SVM, où le THD = 4.69%, par conséquent une puissance produite propre
comparé au cas de la MLI, où le THD = 6.41%.

La figure IV.57 représente l’évolution de la tension du bus continu ainsi que son zoom, qui fait
montrer que :
a) La tension du bus continu atteint sa consigne qui est 470V à un temps de réponse
plus petit, sans dépassement et ni erreur statique.
b) La forme de la tension du bus continu est plus douce, qui présente une supériorité
lors des variations de la vitesse du vent.
De plus les ondulations de cette tension sont très petites, où son spectre d’harmoniques
représente un THD très réduit qui égale à 0.02%, comme le montre la figure IV.58. De plus,
pendant tout la plage de la variation du profil du vent, cette tension continue reste stable par
conséquent un transite continu de puissance est assuré entre le rotor du générateur et le réseau.

131
Chapitre IV Commande Robuste du GADA par Mode Glissant

8 140

120

Vitesse mécanique (rad/s)

Vitesse du vent (m/s)

6
100

80
4
60

2 40

20

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps(s) Temps (s)

Figure IV.46 Profil du vent appliqué Figure IV.47 Vitesse de rotation de la turbine

0.5
Coefficient de puissance Cp

0.4

0.3

0.2

0.1

0
0 1 2 3 4 5 6
Temps (s)

Figure IV.48 Variation du coefficient de puissance C p

500 500
référence référence
Puissance active statorique (W)

Puissance active statorique (W)

0 0
simulation simulation
-500 -500
-1000 -1000
-1500 -1500
-2000 -2000
-2500 -2500
-3000 -3000
-3500 -3500
-4000 -4000
1 2 3 4 5 6 1 2 3 4 5 6
Temps (s) Temps (s)

(a) (b)

Figure IV.49 Puissance active statorique injectée au réseau en utilisant (a) la MLI et (b) la SVM

132
Chapitre IV Commande Robuste du GADA par Mode Glissant

4000 4000

Puissance réactive statorique (VAR)

Puissance réactive statorique (Var)
référence référence
3000 3000
simulation simulation
2000 2000

1000 1000

0 0

-1000 -1000

-2000 -2000

-3000 -3000

-4000 -4000
1 2 3 4 5 6 1 2 3 4 5 6
Temps (s) Temps (s)

(a) (b)

Figure IV.50 Puissance réactive statorique en utilisant (a) la MLI et (b) la SVM

4
10 C ourants statoriques (A )
Courants statoriques (A)

5 2

0 0

-5 -2

-10 -4
1 2 3 4 5 6 3.96 3.965 3.97 3.975 3.98 3.985 3.99 3.995 4
Temps (s) Temps (s)

(a) (b)

Figure IV.51 (a) Courants statoriques avec (b) un zoom en utilisant la MLI

10 4
Courants Statoriques (A)

Courants Statoriques (A)

5 2

0 0

-5 -2

-10 -4
1 2 3 4 5 6 3.96 3.97 3.98 3.99 4
Temps (s) Temps (s)

(a) (b)

Figure IV.52 (a) Courants statoriques avec (b) un zoom en utilisant la SVM

133
Chapitre IV Commande Robuste du GADA par Mode Glissant

C o u ran ts ro to riq u es (A )
8
10
6

Courants rotoriques (A)

5 4

2
0
0

-5 -2

-4
-10 -6

1 2 3 4 5 6 -8
3.9 3.92 3.94 3.96 3.98 4
Temps (s) Temps (s)

Figure IV.53 Courants rotoriques et son zoom en utilisant la MLI

C ourants ro toriques (A)

8
10
Courants rotoriques (A)
6

5 4
2
0 0
-2
-5
-4
-10 -6

1 2 3 4 5 6 -8
3.9 3.92 3.94 3.96 3.98 4
Temps (s) Temps (s)

(a) (b)

Figure IV.54 (a) Courants rotoriques avec (b) un zoom en utilisant la SVM

Courant Statorique < THD = 6.41 % >

0.9
Amplitude (% du Fondamentale)

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0 20 40 60 80 100 120
Rang de l'Harmonique

Figure IV.55 Spectre d’harmoniques d’une phase du courant statorique en utilisant la MLI

134
Chapitre IV Commande Robuste du GADA par Mode Glissant

Courant Statorique < THD = 4.69 % >

Amplitude (% du Fondamentale)
0.8

0.6

0.4

0.2

0
0 10 20 30 40 50 60 70 80 90 100
Rang de l'Harmonique

Figure IV.56 Spectre d’harmoniques d’une phase du courant statorique en utilisant la SVM

500 500
Tension du bus continu (V)

400 Tension du bus continu (V)

Uc 400
Uc
Uc ref Uc ref
300 300
471
200 200
470
100 100

0 469
0 2 4 6 0

-100 -100
0 1 2 3 4 5 6 0 0.02 0.04 0.06 0.08 0.1
Temps (s) Temps (s)

(a) (b)

Figure IV.57 (a) Tension du bus continu, avec (b) un zoom au démarrage

Tension Continue < THD = 0.02 % >

1
Amplitude (% du Fondamentale)

0.8

0.6

0.4

0.2

0
0 20 40 60 80 100
Rang de l'Harmonique

Figure IV.58 Spectre d’harmoniques de la tension du bus continu

135
Chapitre IV Commande Robuste du GADA par Mode Glissant

IV.8.2.3 Tests de Robustesse :

Afin de tester la robustesse de la commande par mode glissant vis-à-vis les variations
paramétriques du générateur utilisé, deux tests sont effectués. Le premier est celui de la variation
de la résistance rotorique et le deuxième est la variation de l’inductance rotorique.

IV.[Link] Robustesse vis-à-vis la Variation de la Résistance Rotorique :

Dans ce test, on a fait augmenter la résistance rotorique R de +50% de sa valeur nominale. La

figure IV.59 illustre la réponse de la puissance active et réactive statorique. D’après ces résultats,
on remarque de façon claire qu’aucune influence n’apparaît pendant la variation de la résistance
rotorique où le découplage entre ces deux puissances reste réaliser, ce qui montre la robustesse
de la commande par mode glissant face à cette variation.

4000
référence référence
Puissance réactive statorique (Var)

-500
Puissance active statorique (W)

mesurée 3000 mesurée

-1000
2000
-1500 1000

-2000 0

-2500 -1000

-3000 -2000

-3500 -3000

-4000 -4000
1 2 3 4 5 6 1 2 3 4 5 6
Temps (s) Temps (s)

Figure IV.59 Puissance active et réactive statorique avec une variation de la résistance rotorique
de +50% de sa valeur nominale

IV.[Link] Robustesse vis-à-vis la Variation de l’Inductance Rotorique :

La figure IV.60 représente la réponse de la puissance active et réactive statorique du GADA pour
la commande par mode glissant pour une variation de +50% de la valeur nominale de
l’inductance rotorique. D’après cette figure, on peut constater que la variation de l’inductance
rotorique ne provoque aucun effet indésirable au niveau de toutes les réponses des puissances,
active et réactive, statoriques, et ceci montre la robustesse de la commande par mode glissant
face à la variation de l’inductance rotorique. De plus, le découplage n’est pas affecté par cette
variation.

136
Chapitre IV Commande Robuste du GADA par Mode Glissant

-500 4000
référence référence

Puissance réactive statorique (Var)

3000
Puissance active statorique (W)

-1000 mesurée mesurée

2000
-1500
1000
-2000
0
-2500
-1000
-3000
-2000

-3500 -3000

-4000 -4000
1 2 3 4 5 6 1 2 3 4 5 6
Temps (s) Temps (s)

Figure IV.60 Puissance active et réactive statorique avec une variation de l’inductance rotorique
de +50% de sa valeur nominale

IV.9 Conclusion :

La théorie de la commande par mode glissant et son application au générateur asynchrone à

double alimentation (GADA) pour le contrôle robuste des puissances active et réactive
statoriques ont été présentées dans ce chapitre, où cette commande à une forme différente
comparée à la commande vectorielle classique.
Les résultats de simulation montrent la fiabilité et la robustesse de cette commande qui est
donnée un bon poursuivre de puissance active statorique sa référence, qui varie selon le profil du
vent, rapidement et sans dépassement avec une erreur près que négligeable.
L’utilisation de la technique MLI vectorielle (SVM) avec la comparaison de résultats par la
technique classique MLI conduite à une amélioration de la qualité d’énergie injectée au réseau
où nous avons utilisé la technique MLI vectorielle (SVM).

137
 Chapitre V
Conclusion Générale
et Perspectives
Chapitre V Conclusion Générale et Perspectives

V.1 Conclusion Générale :

L’objectif principal de cette thèse est d’étudier et de réaliser par la simulation numérique une
commande robuste pour la régulation de la puissance active et réactive du générateur asynchrone
à double alimentation (GADA) à travers l’exploitation de l’énergie éolienne. Cette commande
robuste susceptible d’optimiser la production d’une éolienne, par conséquent, nous entendons
améliorer la qualité de l’énergie produite et le rendement énergétique.
Dans notre travail, la configuration de la MADA utilisée est le stator de celle-ci couplé
directement au réseau alors que son rotor est connecté au réseau à travers un convertisseur
statique parce que cette configuration est largement répondue dans les applications à vitesse
variable. De plus, le convertisseur de puissance dans cette configuration ne traite seulement
qu’une fraction de 20 à 30% de toute la puissance du système et ce qui permet de réduire aussi
bien les pertes que le coût de celui-ci.
Nous avons établi un modèle de la chaîne de conversion d’éolienne (turbine + générateur) et son
schéma bloc sous l’environnement Matlab/Simulink pour visualiser son comportement.
La commande vectorielle classique, en utilisant des régulateurs PI, a été appliquée au GADA
pour découpler des puissances active et réactive où elle est entraînée par une turbine éolienne
commandée par la stratégie MPPT (Maximum Power Point Tracking) pour extraire le maximum
de la puissance générée.
Pour améliorer la commande vectorielle classique, nous avons appliqué la méthode
“d’optimisation par essaim de particules, PSO” afin d’optimiser les gains du régulateur PI pour
but de minimiser l’erreur entre la valeur de référence et la valeur mesurée où les résultats de
simulation présentent de bonne amélioration au niveau des courants statoriques du GADA par
conséquent une amélioration au niveau de la puissance active injectée au réseau.
Dans la dernière partie de ce travail, notre objectif s’est orienté vers l’analyse et la synthèse
d’une commande robuste des grandeurs du GADA: puissances active et réactive statoriques qui
est la commande à structure variable particulièrement la commande par mode glissant. Cette
commande à une forme différente comparée à la commande vectorielle classique. Les résultats
de simulation montre la fiabilité et la robustesse de cette commande qui est présentée par le bon
poursuivre de puissance active statorique sa référence, qui varie selon le profil du vent,
rapidement et sans dépassement avec une erreur près que négligeable. De plus, dans cette partie,
le stator du générateur est directement connecté au réseau et le rotor relié au réseau par
l’intermédiaire des convertisseurs électroniques bidirectionnels (convertisseur côté rotor CCR et
convertisseur côté stator CCS) séparés par un bus continu où sa tension continue contrôlée par un

138
Chapitre V Conclusion Générale et Perspectives

régulateur de type PI pour assurer la transmission de la puissance entre le rotor du générateur et

le réseau.
L’utilisation de la technique MLI vectorielle (SVM) pour contrôler l’onduleur qui alimente le
GADA, vu ses avantages plus meilleurs que ceux de la commande classique MLI, a permis
d’obtenir des courants sinusoïdaux par conséquence des puissances produites sans pollution.
Finalement, cette thèse présente une contribution dans le domaine de la conversion
électromécanique basée sur l’énergie éolienne avec un générateur asynchrone à double
alimentation contrôlé par une commande avancée et robuste qui est le mode glissant avec une
amélioration au niveau de la qualité d’énergie produite.

V.2 Perspectives :

D’après les résultats obtenus et des observations enregistrées, des perspectives de recherche et de
réalisations pratiques intéressantes pouvant contribuées à mieux exploiter l’aérogénérateur
asynchrone à double alimentation sont envisageables :
 Application d’autres techniques de commande robuste, telles que : la commande floue en
mode glissant pour plus minimiser le phénomène du chattering au niveau de la puissance
active produite.
 L’utilisation de l’intelligence artificielle comme les réseaux de neurones pour une autre
commande robuste du GADA vis-à-vis les variations paramétriques.
 Application d’autres méthodes pour faire une meilleure optimisation que la méthode PSO
tel que l’hybridation entre les algorithmes génétiques et le PSO.
 Conception d’un contrôle du GADA pour compenser la puissance réactive dans les
réseaux de petites puissances.
 L’implantation des commandes proposées sur sites réels.

139
Annexe
 Annexe

Annexe

Données de la machine asynchrone à double alimentation (MADA) [Dri 05_2].

Valeurs nominales :

4 kW ; 220/380 V-50 Hz ; 15/8.6 A, 1440 tr/min.

Paramètres :

Rs = 1.2 Ω
Rr = 1.8 Ω
Ls = 0.1554 H
Lr = 0.1568 H
M = 0.15 H
P=2

Constantes mécaniques :

J = 0.2 kg.m2
f = 0.00 kg.m2.s-1

Données de la turbine éolienne:

R = 3 m, G = 5.4, Nombre de pales = 3

Valeur de la densité d’air:

 = 1.22 kg/m3

Programme de la technique PSO en Matlab pour l’exemple d’application du chapitre III

(L’idée générale de ce programme est de [Kora 08] avec quelques modifications):

%%%%% Initialization %%%%%

clear all,clc
tic % Start a stopwatch timer
n = 40; % Size of the swarm "no of birds"
bird_setp = 80; % Maximum number of "birds steps"
dim = 2; % Dimension of the problem

c2 = 2; %1.2; % PSO parameter C1

c1 = 2;%0.12; % PSO parameter C2
w_ =0.9; % PSO momentum or inertia
w_max=0.9;
w_min=0.4;
%-----------------------------%
% Initialize the parameter %
%-----------------------------%

140
 Annexe

%------------------------------------------------%
% Initializing Swarm and Velocities and Position %
%------------------------------------------------%
upbnd = 0.1; % Upper bound for init. of the swarm
lwbnd = -0.1; % Lower bound for init. of the swarm
current_position = rand(dim, n)*(upbnd-lwbnd) + lwbnd;
velocity = rand(dim,n);
local_best_position = current_position ;

%-------------------------------------------%
% Evaluate initial population %
%-------------------------------------------%

for i = 1:n

%------- Fitness function F = -------%

F= 20+current_position(1,i)^2 + current_position(2,i)^2 -
10*(cos(2*pi*current_position(1,i)) + cos(2*pi*current_position(2,i)))

local_best_fitness(i)=F;

end
%-------------------------------------%

[global_best_fitness,g] = min(local_best_fitness)

if g~=1
%**************************%

x_min=current_position(1,g)
Y_min=current_position(2,g)

end
%**************************%

for i=1:n
globl_best_position(:,i) = local_best_position(:,g) ;
end
%-------------------%
% Velocity Update %
%-------------------%

velocity = w_ *velocity + c1*(rand(dim,n).*(local_best_position -

current_position)) + c2*(rand(dim, n).*(globl_best_position -
current_position));

%------------------%
% Swarm Update %
%------------------%

current_position = current_position + velocity ;

%------------------------%
% Evaluate a New Swarm %
%------------------------%

vv=min(local_best_fitness);

%------------- Main Loop -------------%

iter = 0 ; % Iterations’counter

141
 Annexe

while iter < bird_setp

iter = iter + 1;

%************* Verification of max min *************%

for i=1:n
if current_position(1,i)>upbnd
current_position(1,i)=upbnd;
end
if current_position(2,i)>upbnd %---- if superior of max
current_position(2,i)=upbnd;
end
if current_position(1,i)<lwbnd
current_position(1,i)=lwbnd;
end
if current_position(2,i)<lwbnd %---- if inferior of min
current_position(2,i)=lwbnd;
end
end
%************************************************%

for i = 1:n
%------------------------------------------------------%
%------- Compute Function Value -------%

%----- Fitness function -----%

F= 20+current_position(1,i)^2 + current_position(2,i)^2 -
10*(cos(2*pi*current_position(1,i))+cos(2*pi*current_position(2,i)))

current_fitness(i) = F;
end

for i = 1 : n

if current_fitness(i) < local_best_fitness(i)

local_best_fitness(i) = current_fitness(i);
local_best_position(i) = current_position(i);

end

end

[current_global_best_fitness,g] = min(local_best_fitness);

if current_global_best_fitness < global_best_fitness

global_best_fitness = current_global_best_fitness
vv(iter)= min(global_best_fitness);

%--------------------------
X_min=current_position(1,g)
Y_min=current_position(2,g)
%-------------------------
else

vv(iter)= min(global_best_fitness);
for i=1:n
globl_best_position(i) = local_best_position(g);
end
end

w_ = w_max - (w_max - w_min)*iter/(bird_setp);

142
 Annexe

velocity = w_*velocity + c1*(rand(dim, n).*(local_best_position-

current_position)) + c2*(rand(dim, n).*(globl_best_position-
current_position));
current_position = current_position + velocity;

%************************************************%

end %- end of while loop its mean the end of all step that the birds move it

fprintf(' ************* Final solution *************\n\n ');

fprintf('The best fitness is: ========> %8.4d\n ', min(vv) );
fprintf('X_min ======================> %8.4d\n ', X_min );
fprintf('Y_min ======================> %8.4d\n ', Y_min );
fprintf('Time of running (sec) ===> %8.4f\n ', toc);%Read the stopwatch timer
fprintf('**********************************************\n ');
figure(1), plot(vv,'*-');ylabel('fitness value'), xlabel('iterations'),

143
Références
 Références

Références

-A-

[Abd 97] R. Abdessamed, M. Kadjoudj, “Modélisation des machines électriques,” Presses de

l’Université de Batna, 1997.
[Abd 00] E. S. Abdin, W. Xu, “Control design and dynamic performance analysis of wind
turbine-induction generator unit,” IEEE Trans. on Energy Convers., Vol. 15, No. 1,
pp. 91-96, 2000.
[Abo 06] A. G. Abo-Khalil, D.C. Lee, “MPPT control of wind generation systems based on
estimated wind speed using SVR,” IEEE Transaction on industrial electronics, Vol.
55, No. 3, Mars 2008.
[All 09] B. Allaoua, B. Gasbaoui, B. Mebarki, , “Setting up PID DC motor speed control
alteration parameters using particle swarm optimization strategy,” Leonardo
Electronic Journal of Practices and Technologies, ISSN 1583-1078, Issue 14,
January-June 2009, pp. 19-32.
[Ami 08] H. Amimeur, ‘‘Contribution à la commande d’une machine asynchrone double étoile
par mode de glissement,’’ Thèse de Magister de l’Université de Batna, 2008.
[Aou 09] D. Aouzellag, K. Ghedamsi, E.M. Berkouk, “Network power flux control of a wind
generator,” Renewable Energy, Vol. 34, pp. 615-622, 2009.

-B-

[Bat 07] C. Batlle, A. D. Cerezo et R. Ortega, “A stator voltage oriented PI controller for the
doubly-fed induction machine,” Proc. of American Control Conference, pp. 5438-
5443, New York, USA, Jul 2007.
[Bek 09] Y. Bekakra, D. Ben attous, “A sliding mode speed and flux control of a doubly fed
induction machine,” Electrical and Electronics Engineering, IEEE Conference, pp. I-
174 - I-178, 2009.
[Bek 10_1] Y. Bekakra, “Etude et commande du moteur asynchrone à double alimentation
(MADA) par différentes techniques avancées,” Mémoire de Magister, Centre
Universitaire d’El-Oued, 2010.

144
 Références

[Bek 10_2] Y. Bekakra, D. Ben attous, “Speed and flux control for DFOC of doubly fed
induction machine using sliding mode controller,” Acta Electrotechnica et
Informatica, Vol. 10, No. 4, pp. 75-81, 2010.
[Bek 11] Y. Bekakra D. Ben Attous, “Sliding mode controls of active and reactive power of a
DFIG with MPPT for variable speed wind energy conversion,” Australian Journal of
Basic and Applied Sciences, Vol. 5, No. 12, pp. 2274-2286, 2011.
[Bek 12] Y. Bekakra, D. Ben attous, “Comparison study between SVM and PWM inverter in
sliding mode control of active and reactive power control of a DFIG for variable
speed wind energy,” International Journal of Renewable Energy Research, Vol. 2,
No. 3, pp. 471-476, 2012.
[Bek 13_1] Y. Bekakra, D. Ben attous, “Direct control of doubly fed induction generator fed by
PWM converter with a variable structure control based on a sliding mode control,”
International Journal of System Assurance Engineering and Management, Springer,
Volume 5, Issue 3, pp. 213-218, September 2014.
[Bek 13_2] Y. Bekakra, D. Ben attous, “Optimal tuning of PI controller using PSO optimization
for indirect power control for DFIG based wind turbine with MPPT,” International
Journal of System Assurance Engineering and Management, Springer, Volume 5,
Issue 3, pp. 219-229, September 2014.
[Bek 13_3] Y. Bekakra, D. Ben attous, “DFIG sliding mode control driven by wind turbine with
using a SVM inverter for improve the quality of energy injected into the electrical
grid,” ECTI Transactions on Electrical Eng., Electronics, and Communications, Vol.
11, No. 1, pp. 63-75, February 2013.
[Bek 13_4] Y. Bekakra, D. Ben attous, “DFIG sliding mode control fed by back-to-back PWM
converter with DC-Link voltage control for variable speed wind turbine,” Frontiers
in Energy, Springer, Volume 8, Issue 3, pp. 345-354, September 2014.
[Belm 10] K. Belmokhtar, M. L. Doumbia, K. Agbossou, “Modélisation et commande d’un
système éolien à base de machine asynchrone à double alimentation pour la
fourniture de puissances au réseau électrique,” Quatrième Conférence Internationale
sur le Génie Electrique CIGE’10, 03-04 Novembre 2010, Université de Bechar,
Algérie (Journal of Scientific Research, No. 0, Vol. 2, pp. 54-62, 2010).
[Belt 10] B. Beltran, “Contribution à la commande robuste des éoliennes à base de génératrices
asynchrones double alimentation : du mode glissant classique au mode glissant
d’ordre supérieur,” Thèse de Doctorat de l’Université de Bretagne Occidentale,
Juillet 2010.

145
 Références

[Ben 98] D. Ben attous, [Link], R. Abdessemed, “Commande à structure variable par mode
glissant pour la commande vectorielle d’un moteur asynchrone,” ICEL98, 5-7
Octobre 1998, USTOran, Algérie.
[Bena 07] R. Benabid, “Optimisation multiobjectif de la synthèse des FACTS par les particules
en essaim pour le contrôle de la stabilité de tension des réseaux électriques,”
Mémoire de Magister en Electrotechnique de l’Université Amar Telidji, Laghouat,
2007.
[Blum 08] C. Blum, D. Merkle, “Swarm intelligence, introduction and applications,” Springer-
Verlag Berlin Heidelberg, 2008.
[Bou 12] M. Bouaraki, “Etude d’un entrainement à double alimentation pour turbine éolienne à
vitesse variable : Application sur un site à TINDOUF, ” Mémoire de Magister,
Université M’HAMED BOUGARA-Boumerdès, 2012.
[Bouh 06] M. Bouharkat, “Etude de l’évolution des courants rotoriques d’une machine
asynchrone à cage en régime dynamique,” Thèse de doctorat de l’université de
Batna, 2006.
[Boy 06_1] A. Boyette, “Contrôle-commande d’un générateur asynchrone à double alimentation
avec système de stockage pour la production éolienne,” Thèse de doctorat de
l’université de Henri Poincaré, Nancy I, Décembre 2006.
[Boy 06_2] A. Boyette, Ph. Poure and Sh. Saadate, “Direct and indirect control or a doubly fed
induction generator wind turbine including a storage unit,” IECO’06, November
2006, Paris (CD Rom).
[Büh 86] H. Bühler, “Réglage par mode de glissement,” Presses Polytechniques Romandes,
Lausanne, Suisse, 1986.

-C-

[Can 00] C. Canudas “Commande des moteurs asynchrones,”–Volume 1 : Modélisation,

contrôle vectoriel et DTC’’. HERMES Science Europe Ltd, pp. 183-213, 2000.
[Cle 02] M. Clerc, M. and J. Kennedy, “The particle swarm: explosion, stability, and
convergence in a multi-dimensional complex space,” In Proceedings of the IEEE
Transactions on Evolutionary Computation, 2002.
[Col 02] Y. Colletto, P. Siarry, “Optimisation multi-objectif,” EYROLLES, Nov. 2002.
[Coo 08] Y. Cooren, “Perfectionnement d’un algorithme adaptatif d’optimisation par essaim
particulaire - applications en génie médical et en électronique,” Thèse de Doctorat de
l’Université Paris 12, Val de Marne, 2008.

146
 Références

[Cri 04] Ph. Cristian lascu, “Direct control of sensorless induction (motor drivers): a sliding-
mode approach,” IEEE Transactions on Industry Applications, Vol. 40, April 2004.

-D-

[Dal 06] A. K. Dalal, P. Syam, A. K. Chattopadhyay, “Use of matrix converter as slip power
regulator in doubly-fed induction motor drive for improvement of power quality,”
IEEE Proc. Power India Conference, New Delhi, 2006.
[Den 10] A. Dendouga, “Contrôle des puissances active et réactive de la machine à double
alimentation (DFIM),” Thèse de Doctorat, Université de Batna, 2010.
[Djo 12] A. Djoudi, H. Chekireb, D. Saheb – Koussa et E.M. Berkouk, “Exploitation robuste
d’une éolienne à base d’une machine asynchrone à double alimentation,” Revue des
Energies Renouvelables, Vol. 15 No. 4, pp. 629-637, 2012.
[Dri 05_1] S. Drid, M.S. Nait-Said, M. Tadjine, “Double flux oriented control for the doubly fed
induction motor electric power components and systems,” Taylor & Francis Inc.,
Vol. 33, pp. 1081-1095, 2005.
[Dri 05_2] S. Drid, “Contribution à la modélisation et à la commande robuste d’une machine à
induction double alimentée à flux orienté avec optimisation de la structure
d’alimentation : théorie & expérimentation,” Thèse de Doctorat de l’Université de
Batna, Novembre 2005.
[Dri 05_3] S. Drid, M.S. Nait-Said and M. Tadjine, “Vector control of doubly fed induction
motor based on the feedback linearization approach,” First International Conference
on Electrical Systems PCSE’05, May 9-11 2005, Electrical Engineering Institute,
Oum El Bouaghi University, Algeria.

-E-

[Ebe 00] R. Eberhart, Y. Shi, “Comparing inertial weights and constriction factor in particle
swarm optimization,” Proceeding of the International Congress on Evaluationing
Computation, San Diego, California, IEEE Service Center, Piscataway, NJ, pp. 84-
88, 2000.
[Edw 90] Y. Ho Edwardy, Pareshc. Sen, “A microcontroller based induction motor drive system
using variable structure strategy with decoupling,” IEEE Trans. On Ind. Elect., Vol.
37, No. 3, pp. 227-235, June 1990.

147
 Références

[Eft 06] K. Eftichios, K. Kostas, “Design of a maximum power tracking system for wind
energy conversion applications,” IEEE Transaction on Industrial Electronics, Vol.
53, No. 2, April 2006.
[Ela 03] S. El Aimani, “Modelling and simulation of doubly fed induction generator for
variable speed wind turbines integrated in a distribution network”, In: 10th European
Conference on Power Electronics and Application, Toulouse, France, 2003.
[Ela 04] S. El Aimani, “Modélisation de différentes technologies d’éoliennes intégrées dans un
réseau de moyenne tension,” Thèse de Doctorat, Ecole Centrale de Lille, Université
des Sciences et Technologies de Lille, 2004.

-G-

[Ghe 11] T. Ghennam, “Supervision d’une ferme éolienne pour son intégration dans la gestion
d’un réseau électrique, Apports des convertisseurs multi niveaux au réglage des
éoliennes à base de machine asynchrone à double alimentation,” Thèse de Doctorat,
l’Ecole Centrale de Lille et l’Ecole Militaire Polytechnique d’Alger, 2011.

-H-

[Har 85] F. Harashima, H. Hashimoto, S. Kondo, “MOSFET converter fed position servo
system with sliding mode control,” IEEE Trans. Idust. Applic. Vol. 32, No. 3, pp.
238-244, 1985.
[Has 86_1] H. Hashimoto, K. Mayurama, “Practical realization of VSS controller for robotic
arm,” IEEE, IECONF, pp. 34-40, 1986.
[Has 86_2] H. Hashimoto, H. Yamamoto, D. Yanagisawa, F. Harachima, “Brushless servomotor
control using VSS approach,” IEEE TAS Annuel Meeting, pp. 72-79, 1986.
[Has 88] H. Hashimoto, H. Yamamoto, S. Yanagisawa, F. Harashima, “Brushless servo motor
control using variable structure approach,” IEEE, Trans. Idust. Applic Vol. 24, No. 1,
pp. 160-170, 1988.

-K-

[Kas 01] N. Kasbadji Merzouk et H. Daaou., “Cartes saisonnières du vent en Algérie,” Journée
d’Etudes : Météorologie et Climatologie entre Sciences et Prise de Décision,
ONM/Alger, 2001.

148
 Références

[Kas 02] I. N. Kassabalidis, “Dynamic security border identification using enhanced particle
swarm optimization,” IEEE Transactions on Power System, Vol. 17, No. 3, August
2002.
[Kas 06] N. Kasbadji Merzouk, “Evaluation du gisement énergétique éolien contribution à la
détermination du profil vertical de la vitesse du vent en Algérie,” Thèse de Doctorat
de l’Université de Tlemcen, 2006.
[Ken 95] J. Kennedy, R. Eberhart, “Particle swarm optimization,” Proc. of IEEE International
Conf. on Neural Networks, pp. 1942-1948, 1995.
[Ken 01] J. Kennedy, R. Eberhart, Y. Shi, “Swarm intelligence,” San Francisco, Morgan
Kaufmann, 2001.
[Kend 11] F. Kendouli, K. Nabti, K. Abed et H. Benalla, “Modélisation, simulation et contrôle
d’une turbine éolienne à vitesse variable basée sur la génératrice asynchrone à double
alimentation,” Revue des Energies Renouvelables, Vol. 14, No. 1, pp. 109-120,
2011.
[Kho 06] S. Khoujet El Khil, “Commande vectorielle d’une machine asynchrone doublement
alimentée (MADA),” Thèse de Doctorat, I.N.P de Toulouse, France, 2006.

[Kora 08] W. Korani “Tunning of PID controller using Particle Swarm Optimization” The
MathWorks, 2008.

-L-

[Laa 08] M. Laamayad Tahar, “Commande optimale d’une machine asynchrone apport de la
logique floue,” Mémoire de Magister de l’Université de Batna, 2008.
[Lec 95] D. Lecocq, P. H. Lataire, “The indirect controlled double fed asynchronous motor for
variable speed drives,” EPE Conference, Vol. 3, pp. 405-410, Sevilla, 19-21
September 1995.
[Led 99] P. Ledesma, J. Usaola, J. L. Rodríguez, J. C. Burgos, “Comparison between control
systems in a doubly fed induction generator connected to an electric grid,” European
Wind Energy Conference Proceedings, Nice, pp. 869-872, 1999.
[Leo 97] W. Leonhard, “Control of electrical drives,” 2nd Edition, Springer, New York, 1997.

-M-

149
 Références

[Mac 92] M. Machmoum, R. L. Doeuff, F. M. Sargos, M. Cherkaoui, “Steady-state analysis of

a doubly fed asynchronous machine supplied by a current-controlled cycloconvertor
in the rotor,” IEE Proc-B., Vol. 139, No. 2, pp. 114-122, Mar. 1992.

[Mad 98] N. Madni, M. F. Benkhoris, “Sliding mode control of asynchronous motor drive,”
Power Electronics and Variable Speed Drives Conference, 21-23 September 1998,
Publication No. 456, IEEE 1998.
[Mar 99] A. Martinez, P. Prats, “Wind technology,” Renewable Energy, Vol. 16, pp. 835-839,
1999.
[Mas 93] A. Masmoudi, A. Toumi, M. Kamoun, “Power on analysis and efficiency optimization
of a doubly fed synchronous machine,” Proceedings of Electric Machines and Power
Systems, Vol. 21, pp. 473-491, 1993.
[Mat 07] Matlab 7.4.0 (R2007), “Genetic algorithm and direct search toolbox  getting started
with the genetic algorithm  Example: Rastrigin’s function,” The MathWorks, Inc.,
2007.
[Med 12] A. Medjber, A. Mouldia, A. Mellit, M.A. Guessoum, “Commande vectorielle indirecte
d’un générateur asynchrone double alimenté appliqué dans un système de conversion
éolien,” Acta Electrotehnica, Vol. 53, No. 4, pp. 316-322, 2012.
[Men] I. Meny, “Modélisation et réalisation d’une chaîne de conversion éolienne petite
puissance,” Laboratoire d’Electrotechnique de Montpellier (LEM).
[Mir 05] A. Mirecki, “Etude comparative de chaînes de conversion d’énergie dédiées à une
éolienne de petite puissance,” Thèse de Doctorat, Institut Nationale Polytechnique de
Toulouse, 2005.
[Mul 03] B. Multon, G. Robin, O. Gergaud, H. Ben Ahmed, “Le génie électrique dans le vent :
état de l’art et recherches dans le domaine de la génération éolienne,” JCGE’03,
Saint-Nazaire, 5 et 6 Juin 2003.
[Mul 04] B. Multon, X. Roboam, B. Dakyo, C. Nichita, O. Gergaud, H. Ben Ahmed,
“Aérogénérateurs électriques,” Techniques de l’Ingénieur, D3960, 2004.
[Mul 08] B. Multon, “Energie électrique : les enjeux,” Ecole Normale Supérieure de Cachan,
2008.

-N-

[Nam 86] C. Namuduri, P.C. Sen, “A servo control system using a self controlled synchronous
motor (SCSM) with sliding mode controller,” IEEE IAS Annuel Meeting, pp. 56-65,
1986.
150
 Références

[Nem 02] A. L. Nemmour; “Contribution à la commande vectorielle de la machine asynchrone

à double alimentation,” Mémoire de Magister de l’Université de Batna, 2002.

-P-

[Pad 10] M. Padma Lalitha, V. C. Veera Reddy, V. Usha, “Optimal DG placement for
minimum real power loss in radial distribution systems using PSO,” Journal of
Theoretical and Applied Information Technology, pp. 107- 116, 2010.
[Pal 05] B. Paluch, “Introduction à l’énergie éolienne,” Revue REE, No. 5, pp. 35-50, Mai
2005.
[Pani 06] B. P. Panigrahi, D. Prasad, S. SenGuptu, “A simple hardware realization of switching
table based direct torque control of induction motor,” Electric Power Systems
Research, Vol. 77, pp. 181-190, April 2006.
[Pen 96_1] R. S. Pena, J. C. Clare, G. M. Asher, “Doubly fed induction generator using back-to-
back PWM converters and its applications to variable-speed wind-energy
generation,” IEE Proceedings, Electrical Power Applications, Vol. 143, No. 3, pp.
231-241, May 1996.
[Pen 96_2] R. S. Pena, J. C. Clare, G. M. Asher, “Vector control of a variable speed doubly-fed
induction machine for wind generation systems,” EPE Journal, Vol. 6, No. 3-4, pp.
60-67, December 1996.
[Per 04] S. Peresada, A. Tilli, A. Tonielli, “Power control of a doubly fed induction machine
via output feedback,” Control Engineering Practice, Elsevier, Vol. 12, No. 1, pp. 41-
57, 2004.
[Poi 03] F. Poitiers, “Etude et commande de génératrice asynchrones pour l’utilisation de
l’énergie éolienne - machine asynchrone à cage autonome - machine asynchrone à
double alimentation reliée au réseau,” Thèse de Doctorat, Ecole Polytechnique de
l’Université de Nantes, 2003.

-R-

[Raf 07] S. Raf, H. Zeroug, L. Hocine, K. Boudjit, “Simulation sur Matlab/Simulink et

implantation sur DSP/FPGA de la commande vectorielle de la machine synchrone à
aimants permanents (PMSM) alimentée par un onduleur de tension à modulation
vectorielle (SVM),” CIP’07, Laboratoire des Systèmes Electriques industriels,

151
 Références

Faculté d’Electronique et d’Informatique, Université des Sciences et de la

Technologie, Houari Boumedienne, Alger, Algérie.
[Ram 00] D. Ramuz, “Machine généralisée alimentée par deux convertisseurs,” Thèse de
Doctorat, Institut de Génie Energétique de Belfort, UFR des Sciences Techniques et
Gestion de l’Industrie de l’Université de France, Mai 2000.
[Rap 10] M. Rapin, J. M. Noël, “Energie éolienne, principe - Etude de cas,” Dunod, ISBN :
978-2-10-050801-3, 2010.
[Rio 07] A. Rioland, A. Eudes, “Optimisation par essaim particulaire pour un problème
d’ordonnancement et d’affectation de ressources,” Rapport de Projet 3ème année
Modélisation et Calcul Scientifique, Institut Supérieur d’Informatique de
Modélisation et de Leurs Applications Complexe des Cezeaux, AUBIERE CEDEX,
2007.
[Rob 06] B. Robyns, A. Davigny, C. Saudemont, A. Ansel, V. Courtecuisse, B. François, S.
Plumel, J. Deuse, “Impact de l’éolien sur le réseau de transport et la qualité de
l’énergie,” Revue J3Ea, Vol. 5, Hors Série 1, EDP Science, 2006.

-S-

[Sag 98] C. Saget, “La variation électronique de vitesse au service de la production d’énergie
électrique par éolienne,” REE, No. 7, pp. 42-48, Juillet 1998.
[Sal 07] G. Salloum, “Contribution à la commande robuste de la machine asynchrone à double
alimentation,” Thèse de Doctorat, I.N.P de Toulouse, France, 2007.
[Sha 08] I. Shapoval, S. Peresada, J. Clare, “Torque and reactive power control of doubly fed
induction machine with matrix converter,” IEEE, pp. 2469-2474, 2008.
[Soe 03] J. Soens, K. DE Brabandere, J. Drissen, R. Belmans, “Doubly fed induction machine:
operating regions and dynamic simulation,” EPE 2003 Conference, Toulouse,
France, September 2003.

-T-

[Tan 95] Y. Tang, L. Xu, “A flexible active and reactive power control strategy for a variable
speed constant frequency generating system,” IEEE Transaction on Power
Electronics, Vol. 10, No. 4, pp. 472-478, July 1995.
[Tan 04] K. Tan, S. Islam, “Optimum control strategies in energy conversion of PMSG wind
turbine system without mechanical sensors,” IEEE Transaction on Energy
Conversion, Vol. 19, No. 2, pp. 392-399, June 2004.

152
 Références

-V-

[Vid 04] P. E. Vidal, “Commande non-linéaire d’une machine asynchrone à double

alimentation,” Thèse de Doctorat, Polytechnique de Toulouse, 2004.

-Y-

[Yam 91] M. Yamamoto, O. Motoyoshi, “Active and reactive power control for doubly fed
wound rotor induction generator,” IEEE Transactions on Power Electronics, Vol. 6,
No. 4, October 1991.
[Yao 08] J. Yao, H. Li, Y. Liao, Z. Chen, “An improved control strategy of limiting the DC-
Link voltage fluctuation for a doubly fed induction wind generator,” IEEE
Transactions on Power Electronics, Vol. 23, No. 3, May 2008.
[You 78] K. K. Young, “Controller design a manipulator using theory of variable structure
systems,” IEEE Trans. Syst. Man. Cybe. Vol. SMC-8, No. 2, 1978.

153

View publication stats