See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/376717281

Modélisation et commande d'un système de conversion d’énergie

renouvelable en utilisant l'optimisation bio-inspirée

Thesis · December 2023

DOI: 10.13140/RG.2.2.32845.41441

CITATIONS READS

0 121

1 author:

Aissani Siham
Université 8 mai 1945 - Guelma
29 PUBLICATIONS 7 CITATIONS

SEE PROFILE

All content following this page was uploaded by Aissani Siham on 21 December 2023.

The user has requested enhancement of the downloaded file.

 République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Université 8 Mai 1945 Guelma

Faculté des Sciences et de la Technologie (ST)

Département D’Électronique et Télécommunication
Laboratoire de Télécommunication (LT)

THÈSE
EN VUE DE L’OBTENTION DU DIPLOME DE
DOCTORAT EN 3ème CYCLE

Domaine : Science et Technologie. Filière : Télécommunications

Spécialité : Télécommunications

Présentée par

AISSANI Siham

Intitulée

Modélisation et commande d'un système de conversion

d’énergie renouvelable en utilisant l'optimisation bio-inspirée

Soutenue le : 06/12/20 Devant le Jury composé de :

Nom et Prénom Grade

Mr Lemzadmi Ahcene Prof Univ. de 8 Mai 1945 Guelma Président

Mr Bechouat Mohcene Docteur (MCA) Univ. de Ghardaïa Encadreur
Mr Sedraoui Moussa Prof Univ. de 8 Mai 1945 Guelma Co-encadreur
Mr Mendaci Sofiane Prof Univ. de 8 Mai 1945 Guelma Examinateur
Mr Lachouri Abderrazek Prof Univ. de 20 Aout 1955 Skikda Examinateur

Année Universitaire : 2022/2023

 Dédicace

Dédicace

Une offre spécifique de cette thèse à l’âme de ma

défunte inoubliable mère Mama Houcini qu’ALLAH la
bénisse et lui réserve une haute place au paradis.

A mon très cher père Djamel Aissani qu'ALLAH le

garde et le protège et que je lui souhaite une longue vie
pleine de joie.

A mes chers frères Soufiane Nadir et Amin, que

Dieu vous protège et perpétue sa grâce sur vous.
 Remerciements
Le travail que je présente dans cette thèse a été réalisé au Laboratoire de
Télécommunications Avancées (LT) de l’Université 8 Mai 1945- Guelma de Guelma, Algérie.

Je voudrais exprimer toute ma reconnaissance à mes deux directeurs de thèse :

- Monsieur Sedraoui Moussa professeur à l’Université de 8 Mai 1945-Guelma, pour son

encadrement, son dévouement, son soutien permanent, disponible, optimiste, En toute fidélité un
précieux remerciement à celui qui a semé l’âme d’optimisme dans ma vie scientifique, je ne
pouvais envisager meilleure encadrement, meilleure complémentarité. Merci.

- Monsieur Bechouat Mohcene Docteur (MCA) à l’Université de Ghardaïa, pour son

encadrement, son suivi permanent, pour tous ses encouragements et discussions tout au long de ces
années et ses précieux conseil, Tous merci et appréciation à vous.

Je tiens à remercier les membres de jury pour avoir accepté d’évaluer ce travail :

Mes collègues du laboratoire LT (ALQUDAMI Dheya Alhaq, Driouche Youcef) pour leur
aide moi Merci beaucoup.

Je veux bien réserver dans cette petite intervention mes salutations les plus distingues à ma
fidèle Khawla Zerdoudi , Leila Gribi, Roufaida zerdoudi , Rim et Soumia zerdoudi

Enfin, on ne peut clore cette page de remerciements, sans exprimer ma profonde

reconnaissance à l’ensemble du personnel du département d’électronique et télécommunications :
Enseignants, Ingénieures Secrétaires, et tout agent du département, ceux qui ont déployé des efforts
pour me faciliter la tâche.

Merci à toutes et à tous

 Résumé, Abstract, ‫ملخص‬

Résumé

Résumé-Ce document propose une modélisation détaillée basée sur le principe des faibles
signaux, qui est dérivée de l'interface graphique de Matlab®/ Simulink. Cette modélisation est
appliquée pour décrire le comportement réel d'un système solaire comprenant un panneau
photovoltaïque alimentant une charge résistive à travers un convertisseur DC-DC. L'objectif est de
concevoir, à travers ce modèle, un contrôleur PID qui doit garantir, à la fois, un bon facteur de
rendement (EF) et un bon respect des performances exigées préalablement par un cahier des
charges. Ces objectifs sont atteints en faisant fonctionner le panneau PV à sa puissance maximale
tout en minimisant les effets d'ondulation qui se produisent à la sortie du convertisseur DC-DC
boost. Avec toutes ces considérations à l'esprit, un nouveau schéma de suivi du point de puissance
maximale (MPPT) comportant un suivi non oscillant du point de puissance maximale (MPP) est
employé, ce qui réduit considérablement les effets de ces ondulations, entraînant ainsi une réponse
en proposé permanent lisse et stable du système solaire. De nombreux tests de simulation sont
effectués pour évaluer et comparer la performance et la robustesse du nouveau schéma MPPT,
produit par la combinaison de l'algorithme Perturb and Observe (P&O) avec le contrôleur PID, qui
est préalablement synthétisé par l'approche d'identification fréquentielle fondée sur la méthode de
𝐿𝑜𝑜𝑝 − 𝑆ℎ𝑎𝑝𝑖𝑛𝑔. La bibliothèque Simpower est utilisée pour évaluer le système solaire dans
différentes conditions métrologiques. Les résultats de la simulation et ceux de la comparaison
prouvent que la nouvelle stratégie proposée fournit des résultats intéressants en termes de
performance nominale et de stabilité robuste, car elle a une meilleure précision de suivi et un
meilleur temps de réponse pour identifier et suivre la MPP avec le moins d'oscillation en régime
permanent.

Abstract- This manuscript proposes a detailed modeling based on the small signal principle,
which is derived from the graphical interface of Matlab®/ Simulink. This modeling is applied to
describe the real behavior of a solar system including a solar panel feeding a resistive load through
a DC-DC converter. The aim is to design, through the proposed model, a PID controller that must
guarantee, at the same time, a good efficiency factor (EF) and a good respect of the performances
already imposed by a technical requirement. These objectives are achieved by operating the PV
panel at its maximum power while minimizing the ripple effects that occur at the output of the DC-
DC boost converter. With all of these considerations in mind, a new Maximum Power Point
Tracking (MPPT) scheme with non-oscillating Maximum Power Point Tracking (MPP) is
proposed, which significantly reduces the effects of these ripples, resulting in a smooth and stable

I
 ‫ملخص ‪Résumé, Abstract,‬‬

‫‪steady-state response from the solar system. Numerous simulation tests are performed to evaluate‬‬
‫‪and compare the performance and robustness of the new MPPT scheme, produced via the‬‬
‫‪combination of the Perturb and Observe (P&O) algorithm with the PID controller, which is‬‬
‫‪previously synthesized through the frequency identification approach based on the loop shaping‬‬
‫‪method. Simpower's library of systems is used to evaluate the solar system under different‬‬
‫‪metrological conditions. The simulation and the comparison findings prove that the new proposed‬‬
‫‪strategy provides interesting results in terms of nominal performance and robust stability, as it has‬‬
‫‪a better tracking accuracy and a better response time to identify and track MPP with the least‬‬
‫‪oscillation in steady state.‬‬

‫خالصة‪ -‬يقترح هذا العمل البحثي نمذجة مفصلة بنا ًء على مبدأ اإلشارة الصغيرة‪ ،‬المستمد من الواجهة الرسومية لـ‬
‫‪𝑀𝑎𝑡𝑙𝑎𝑏 ® 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘.‬يتم تطبيق هذه النمذجة لوصف السلوك الحقيقي للنظام الشمسي بما في ذلك األلواح الشمسية التي‬
‫تغذي مقاو ًما من خالل محول 𝐶𝐷 ‪. 𝐷𝐶 −‬الهدف هو تصميم وحدة تحكم 𝐷𝐼𝑃 ‪ ،‬من خالل النموذج المقترح‪ ،‬والتي يجب أن‬
‫تضمن‪ ،‬في نفس الوقت‪ ،‬عامل كفاءة جيد )𝐹𝐸( واحترا ًما جيدًا لألداء الذي فرضته المتطلبات التقنية‪ .‬يتم تحقيق هذه األهداف من‬
‫خالل تشغيل اللوحة الكهروضوئية بأقصى طاقتها مع تقليل تأثيرات التموج التي تحدث عند إخراج محول التعزيز ‪DC- 𝐷𝐶.‬‬
‫مع وضع كل هذه األهميات في االعتبار‪ ،‬يتم استخدام مخطط جديد لتتبع الحد األقصى لنقطة الطاقة )‪ (MPPT‬مع تتبع نقطة‬
‫الطاقة )𝑃𝑃𝑀( غير المتذبذب‪ ،‬مما يقلل بشكل كبير من تأثيرات هذه التموجات‪ ،‬ويؤدي إلى استجابة مستقرة وسلسة من النظام‬
‫الشمسي‪ .‬يتم إجراء العديد من اختبارات المحاكاة لتقييم ومقارنة أداء وقوة مخطط 𝑇𝑃𝑃𝑀 الجديد‪ ،‬الذي تم إنتاجه عبر مزج‬
‫خوارزمية 𝑒𝑣𝑟𝑒𝑠𝑏𝑂 & 𝑏𝑟𝑢𝑡𝑟𝑒𝑃 مع وحدة التحكم 𝐷𝐼𝑃 ‪ ،‬والتي تم تحضيره مسبقًا من خالل النموذج الخطي المقترح‬
‫وتطبيق التحكم القوي المبني على مبدأ 𝑔𝑛𝑖𝑝𝑎‪ . 𝐿𝑜𝑜𝑝 − 𝑆ℎ‬تُستخدم مكتبة أنظمة 𝑟𝑒𝑤𝑜𝑝𝑚𝑖𝑆 لتقييم النظام الشمسي في‬
‫ظل ظروف مترولوجية مختلفة‪ .‬تثبت نتائج المحاكاة والمقارنة أن االستراتيجية المقترحة الجديدة توفر نتائج مثيرة لالهتمام من‬
‫حيث األداء واالستقرار القوي‪ ،‬حيث تتمتع بدقة تتبع أفضل ووقت استجابة أفضل لتحديد وتتبع 𝑃𝑃𝑀 بأقل تذبذب‬

‫‪Mots- clés :‬‬

‫‪Panneau GPV, Modèle faible signal, Stratégie de contrôle P&O-MPPT, Régulateur PID de tension.‬‬

‫‪II‬‬
LISTE DES SYMBOLES ET
DES ACRONYMES
Liste des symboles et des acronymes

Liste des Symboles :

Les caractéristiques non linéaires curant-tension du

𝐼−𝑉
panneau photovoltaïque

Nc Le nombre de cellules

Ipv Le courant de sortie de panneau photovoltaïque

Vpv La tension de sortie de panneau photovoltaïque

Rp La résistance de shunt

Ish Le courant traversant la résistance de shunt

Iph Le photo-courant généré par la cellule photovoltaïque

Rs La résistance séries

Vm La tension au point MPP

A Le facteur d'idéalité des diodes

I0 Le courant inverse de saturation de la diode

Vt
La tension de la potentielle thermodynamique

K La constante de Boltzmann

Eg L’énergie du gap

T La température de la jonction des cellules PV

Tn La température nominale

Le courant de court-circuit, qui est fourni à la

Isc,n
température nominale

IV
Liste des symboles et des acronymes

La tension du circuit ouvert à la température

Voc,n
nominale

KI Coefficient de température de Isc,n

KV Coefficient de température de Voc

iout Courant de sortie

Gn L’éclairement solaire nominal

Caractéristique puissance-tension du panneau

𝑃−𝑉
photovoltaïque

g
Vpv La tension globale

Vpvi La tensions élémentaires

g
Ipv Le courant global

Pmax Puissance maximale

FF Le facteur de remplissage

eff % Pourcentage d’efficacité

ness Taille de l'essaim

Np Nombre des cellules en parallèle

Ns Nombre des cellules en série

ℓmax Nombre maximum d'itérations

w Facteur d'inertie

c1 Taux d'apprentissage cognitif

V
Liste des symboles et des acronymes

c2 Taux d'apprentissage social

Im Le courant au point MPP

w1 (s) Spécification sur les performances nominales

R0 La résistance de sortie

D Le rapport cyclique

Vs La tension d'entrée

∆iL Le courant d'ondulation de l'inductance

f La fréquence de commutation

γIL Facteur d'ondulation du courant d'inductance

IL Courant d'inductance

C1 La capacité d'entrée

C2 La capacité de sortie

γV0 Le facteur d'ondulation de la tension de sortie

KpKiKd Facteurs de gain proportionnel, intégral et dérivé

vout Tension de sortie

δx(t) La valeur de perturbation

X(t) Variable d'état

XMPP Valeur constante en régime permanent

VI
Liste des symboles et des acronymes

δd(s) La variation de contrôle

δvpv La variation de la tension photoélectrique

δD(s) La variation du rapport cyclique

Vref La tension de référence

Dopt Le rapport cyclique

PPV Erreur enregistrée par les trois courants d'entrée de la

référence

R La charge résistive

GN (s) L’erreur entre le processus réel et son modèle nominal

Gp (s) La matrice de transfert

∆x (s) Un transfert décrivant les incertitudes de modélisation.

M∆ (s) La matrice de transfert du système entre l’entrée et la sortie

U Le signal de commande fournie par le contrôleur

Y Le signal de sortie

ηy Représente le signal de bruit sur la sortie 𝑦

dy Représente le bruit de mesure

𝑒 Le vecteur des erreurs de poursuite entre les sorties

mesurées 𝑦 et les références 𝑟.

R Le signal de référence

VII
Liste des symboles et des acronymes

Sy (s) Sensibilité directe en sortie

Su (s) Sensibilité directe en entrée

Ty (s) Sensibilité complémentaire en sortie

𝑃𝑅 Performance robust

w3 (s) Spécification sur la stabilité

𝐴, 𝐵, 𝑠 Sont des coefficients qui permet de déterminer la

pondération W3

VIII
Liste des symboles et des acronymes

Liste des Acronymes :

PSO Particle Swarm Optimization.

PV Panneau photovoltaïque
STC Conditions de Tests Standard
MPPT Maximum Power Point Tracking

MSE Mean Square Error

𝐷𝐶 Direct Current
MPP Maximum Power Point
GPV Générateur photovoltaïque
PWM
Pulse Width Modulation
PID Proportionnel Intégral Dérivé

𝐹𝑂𝐶𝑉 Fractional Open Circuit Voltage technique

𝐹𝑆𝐶𝐶 Fractional Short-Circuits current

𝑃&𝑂 Perturbation et d'Observation

𝐹𝐿𝐶 Fuzzy Logic Control

𝐼𝑛𝐶𝑜𝑛𝑑 Conductance incrémentale

𝐼𝐴 Intelligence Artificielle

ANN Artificial Neural Network

GA Genetic Algorithm

GPV Générateur Photovoltaïque

SR Stabilité Nominale

𝐵𝐼𝐵𝑂 𝐵𝑜𝑢𝑛𝑑𝑒𝑑 𝐼𝑛𝑝𝑢𝑡 𝐵𝑜𝑢𝑛𝑑𝑒𝑑 𝑂𝑢𝑡𝑝𝑢𝑡

𝑃N Performance Nominale

IX
TABLE DES MATIÈRES
 Table des matières

Table des matières

Dédicace ....................................................................................................................................................... II
Remerciements.........................................................................................................................................III
Résumé .......................................................................................................................................................... I
LISTE DES SYMBOLES ET DES ACRONYMES ...................................................................................III
Liste des Symboles : .............................................................................................................................. IV
Liste des Acronymes : ........................................................................................................................... IX
TABLE DES MATIÈRES ........................................................................................................................... X
LISTE DES FIGURES ET DES TABLES .......................................................................................... XIV
Liste des tables.................................................................................................................................... XIX
1. Introduction ..........................................................................................................................................1
1.1. Énergies renouvelables ....................................................................................................................2
1.2. Énergie solaire ..................................................................................................................................3
1.3. Cellule photovoltaïque (𝑷𝑽 − 𝒄𝒆𝒍𝒍) ..............................................................................................3
1.3.1. Modélisation de la cellule photovoltaïque : ............................................................................4
1.3.1.1. Connexion des modules PV en série (𝑆𝑒𝑟𝑖𝑒𝑠 − 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒𝑑 𝑚𝑜𝑑𝑢𝑙𝑒𝑠 𝑝𝑒𝑟 𝑠𝑡𝑟𝑖𝑛𝑔) : ...8
1.3.1.2. Connexion des modules PV en parallèle (𝑃𝑎𝑟𝑎𝑙𝑙𝑒𝑙 𝑠𝑡𝑟𝑖𝑛𝑔𝑠) :......................................9
1.3.1.3. Connexion mixte des modules PV : ................................................................................9
1.4. Caractéristiques (𝑰 − 𝑽) et (𝑷 − 𝑽) d’une configuration photovoltaïque : ..............................10
1.4.1. Paramètres clés caractérisant les deux caractéristiques (𝑰 − 𝑽) et (𝑷 − 𝑽) : ....................11
1.4.1.1. Tension du circuit ouvert 𝑽𝒐𝒄 : ....................................................................................11
1.4.1.2. Courant de court-circuit 𝑰𝒔𝒄 :.......................................................................................11
1.4.1.3. Point de puissance maximale 𝑷𝒎𝒂𝒙 : ..........................................................................11
1.4.1.4. Facteur de remplissage 𝑭𝑭 : ..........................................................................................12
1.4.1.5. Pourcentage d’efficacité 𝒆𝒇𝒇 % : .................................................................................12
1.4.2. Simulation utilisant le module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 : .........................................................................12
1.4.3. Effets des conditions climatiques sur (𝑰 − 𝑽) et (𝑷 − 𝑽) du module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 ...............15
1.4.3.1. Effets de l’éclairement solaire :.....................................................................................15
1.4.3.2. Effet de la température absolue sur le module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 : ...........................................16
1.5. Conception du modèle PV à partir des données expérimentales : .............................................17
1.5.1. Méthode analytique basée sur la fonction 𝑳𝒂𝒎𝒃𝒆𝒓𝒕 𝑾 : ...................................................17
1.5.2. Identification des paramètres du modèle PV souhaité par l’algorithme 𝑷𝑺𝑶 : ...............19
1.5.3. Résultats expérimentaux issus de la modélisation du panneau 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 réel ...............20
1.6. Linéarisation de la caractéristique 𝑰 − 𝑽 du module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 résultant ...............................24
1.7. Conclusion : ....................................................................................................................................27
.....................................................................................................................................................................28
2. Introduction : .....................................................................................................................................28
2.1. Les Convertisseurs 𝑫𝑪 − 𝑫𝑪: ............................................................................................................29
2.2. Principe de fonctionnement du convertisseur 𝑫𝑪 − 𝑫𝑪: ................................................................30
2.3. Classification des convertisseurs 𝑫𝑪 − 𝑫𝑪 .......................................................................................30

XI
 Table des matières
2.3.1. Le régulateur de tension shunt simple : .....................................................................................31
2.3.3. Quelques topologies des convertisseurs 𝑫𝑪 − 𝑫𝑪 :...................................................................32
2.3.3.1 Convertisseurs abaisseur (Buck) ..........................................................................................32
2.7 Conception du modèle de faible signal linéaire .................................................................................46
2.7.1 Procédure analytique pour concevoir le modèle linéaire faible signal :...................................47
2.8. Proposition de linéarisation du modèle global à l'aide du logiciel 𝐌𝐚𝐭𝐥𝐚𝐛®/𝐒𝐢𝐦𝐮𝐥𝐢𝐧𝐤 ...............49
2.9. Simulation du système composé du GPV connecté au convertisseur Boost et une charge par
𝒔𝒊𝒎𝒖𝒍𝒊𝒏𝒌/𝑴𝒂𝒕𝒍𝒂𝒃®.................................................................................................................................51
2.10. Discussion des résultats obtenus à l'aide de simulations dans 𝑴𝒂𝒕𝒍𝒂𝒃® ....................................54
2.11. Conclusion : .......................................................................................................................................55
.3 Introduction : .....................................................................................................................................55
3.1. Contrôleur 𝑴𝑷𝑷𝑻:.........................................................................................................................56
3.2. Algorithme 𝐌𝐏𝐏𝐓 basé sur l'approche du Pertub & Observe 𝑷&𝑶: ............................................57
3.3. Modélisation affine à la commande en courant du système 𝑴𝑷𝑷𝑻 en utilisant la méthode à
faibles signaux ............................................................................................................................................59
3.4. Modélisation affine à la commande en tension du système 𝑴𝑷𝑷𝑻 en utilisant la méthode à
faibles signaux ............................................................................................................................................59
3.5. Les méthodes MPPT ...........................................................................................................................59
3.5.1. La méthode directe basé sur l'approche du Pertub & Observe 𝑷&𝑶 : ..................................59
3.5.2. La méthode indirecte basé sur l'approche du Pertub & Observe 𝑷&𝑶 − 𝑷𝑰𝑫 : ......................60
3.6. Validation de la stratégie contrôle direct 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 par l'environnement Simulink
/Matlab® .....................................................................................................................................................61
3.7. Validation du contrôle 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 indirect par l'environnement 𝑺𝒊𝒎𝒖𝒍𝒊𝒏𝒌/𝑴𝒂𝒕𝒍𝒂𝒃® ......68
3.8. Une étude comparative entre la stratégie 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 directe et indirecte ...............................75
3.9. Conclusion : .........................................................................................................................................78
4. Introduction : .....................................................................................................................................79
4.1. Les incertitudes de modélisation : .....................................................................................................79
4.1.1. Incertitudes paramétrique (structurées) : .....................................................................................80
4.1.2. Incertitudes non structurées : .........................................................................................................80
4.1.2.1. L’incertitude additive ...................................................................................................................81
4.1.2.1.1. L’incertitude additive directe ...................................................................................................81
4.1.2.1.2. L’incertitude additive inverse ...................................................................................................81
4.1.2.2. Incertitude multiplicative .............................................................................................................82
4.2. Définition de la robustesse..................................................................................................................83
4.2.1. Stabilité Nominale (𝑁𝑆) ...............................................................................................................84
4.2.1.1. La stabilité interne ................................................................................................................84
4.2.1.2. La stabilité externe ................................................................................................................84
4.2.2. La stabilité robuste (RS) ..............................................................................................................84
4.2.2.1. Théorème du faible gain .......................................................................................................85
4.2.2. Performance Nominale (𝑁𝑃) .......................................................................................................86
4.2.2.1. Sensibilité directe en sortie 𝑺𝒚(𝒔) ........................................................................................87
4.2.2.2. Sensibilité directe en entrée 𝑺𝒖(𝒔).......................................................................................87

XII
 Table des matières
4.2.2.3. Sensibilité complémentaire en sortie 𝑻𝒚(𝒔) ........................................................................87
4.2.3. Performance robust (𝑅𝑃).............................................................................................................87
4.3. Détermination des spécifications sur la robustesse ..........................................................................87
4.3.2. Spécification sur la stabilité 𝒘𝟑(𝒔) : .........................................................................................88
4.4. Calcul des paramètres de contrôleur 𝑷𝑰𝑫 en utilisant L’identification fréquentielle basé sur la
méthode de Loop Shaping .........................................................................................................................88
4.4.1. La méthode de Loop Shaping : ...................................................................................................88
4.4.2. Analyse de la valeur singulière ...................................................................................................89
4.5. Résultats de la simulation et discussion ............................................................................................91
4.6. Validation du contrôle 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 amélioré par l'environnement Matlab®/Simulink ...........92
4.7. Validation du contrôle 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 amélioré par les bibliothèques système Simpower® ........94
4.8. Conclusion ...........................................................................................................................................97
Conclusion générale et perspectives .........................................................................................................99
Références Bibliographiques...................................................................................................................103

XIII
LISTE DES FIGURES
ET
DES TABLES
 Liste des figures et des tables

Liste des figures

CHAPITRE I

Fig.I. 1. Configuration 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏 comportant le panneau 𝐾𝐶200𝐺𝑇 ............................... 3

Fig.I. 2. Circuit électrique équivalent modélisant le comportement réel d’un panneau
photovoltaïque ................................................................................................................................. 4
Fig.I. 3. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant Ish. ....................... 5
Fig.I. 4. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant I0. ........................ 6
Fig.I. 5. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant I0 . ....................... 6
Fig.I. 6. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant Id ......................... 7
Fig.I. 7. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant Iph. ...................... 7
Fig.I. 8. Modélisation d’un seul module PV ayant Nc cellules en séries. ..................................... 8
Fig.I. 9. Modules PV connectés entres eux en série........................................................................ 9
Fig.I. 10. Modules PV connectés entres eux en parallèle ............................................................... 9
Fig.I. 11. Modélisation d’un module PV à configuration mixte parallèle-série ........................... 10
Fig.I. 12. Caractéristiques (I-V) et (P-V) d’une configuration mixte parallèle-série.................... 11
Fig.I. 13.a. Tensions Vpv fournies dans STC par le module KC200GT construit suivant le choix
de Ns et Np ...................................................................................................................................... 13
Fig.I. 14. a. Courants Ipv fournis en STC par le module KC200GT obtenu par différentes valeurs
de Np. ............................................................................................................................................. 14
Fig.I. 15. Caractéristiques (I-V) et (P-V) pour G variable et Tn=25°C ........................................ 16
Fig.I. 16. Caractéristiques (I-V) et (P-V) pour T variable et Gn=1000W .m-2 ............................. 16
Fig.I. 17. Courants réels du module KC200GT qui ont été préenregistrées en STC. .................... 21
Fig.I. 18. Tensions réelles du module KC200GT qui ont été préenregistrées en STC .................. 21
Fig.I. 19. Processus d’optimisation de la fonction fitness par l’algorithme PSO .......................... 22
Fig.I. 20. Comparaison des deux courants PV réel et modèle ...................................................... 23
Fig.I. 21. Comparaison des deux caractéristiques (I -V ) réelle et estimée ................................... 23
Fig.I. 22. Comparaison des deux caractéristiques (P -V ) réelle et estimée ................................. 23
Fig.I. 23. Caractéristiques non linéaires des panneaux photovoltaïques....................................... 24
Fig.I. 24. Schéma équivalent décrivant la caractéristique (I -V ) en STC .................................... 25

CHAPITRE II

Fig.II. 1. Etage d'adaptation entre le 𝐺𝑃𝑉 et la charge ................................................................. 29

Fig.II. 2. Classification des convertisseurs 𝐷𝐶 − 𝐷𝐶 .................................................................. 31
Fig.II. 3. Régulateur de tension shunt simple ............................................................................... 32
Fig.II. 4. Régulateur de tension série simple ................................................................................ 32
Fig.II. 5. Convertisseur Buck ........................................................................................................ 33
Fig.II. 6. Convertisseur Boost ....................................................................................................... 35

Fig.II. 7. Modèle linéaire faible signal du convertisseur Buck implémenté sous

logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘. ........................................................................................................ 40
Fig.II. 8. Diagramme de Bode de convertisseur Buck .................................................................. 41
Fig.II. 9. Montre le modèle de validation du convertisseur Buck en utilisant logiciel

XV
 Liste des figures et des tables

𝑀𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 ........................................................................................................................ 42
Fig.II. 10. La tension de sortie du convertisseur abaisseur (Buck)............................................... 43
Fig.II. 11. Modèle linéaire faible signal du convertisseur Boost implémenté sous
logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘. ........................................................................................................ 44
Fig.II. 12. Diagramme de Bode de convertisseur élévateur (Boost) ............................................. 44
Fig.II. 13. Montre le modèle de validation du convertisseur Boost en utilisant logiciel
𝑀𝐴𝑇𝐿𝐴𝐵®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 ................................................................................................................... 45
Fig.II. 14. La tension de sortie du convertisseur Boost ................................................................. 46
Fig.II. 15. Système d'interconnexion comprenant le 𝑃𝑉, le boost 𝐷𝐶 − 𝐷𝐶 et la charge résistive
....................................................................................................................................................... 47
Fig.II. 16. Réalisation des trois équations d'état du modèle linéaire faible signal ........................ 49
Fig.II. 17. Modèle linéaire faible signal établi par les blocs 𝑀𝐴𝑇𝐿𝐴𝐵®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 .................... 50
Fig.II. 18. Diagramme de Bode de la fonction de transfert du système photovoltaïque .............. 51
Fig.II. 19. Montre la réalisation du système photovoltaïque (𝐺𝑃𝑉 connecté au convertisseur
Boost 𝐷𝐶 − 𝐷𝐶 et charge) sous logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/Simulink. ...................................................... 52
Fig.II. 20. La tension photovoltaïque VPV fournie à différentes valeurs de rayonnements et
températures pour 𝐷 = 0.7 ............................................................................................................ 52
Fig.II. 21. courant photovoltaïque 𝐼𝑃𝑉 fournie à différentes valeurs de rayonnements et
températures pour 𝐷 = 0.7 ............................................................................................................ 53
Fig.II. 22. Puissance photovoltaïque 𝑃𝑃𝑉 fournie à différentes valeurs de rayonnements et
températures pour 𝐷 = 0.7 ............................................................................................................ 53

CHAPITRE III

Fig.III. 1. Les stratégies 𝑀𝑃𝑃𝑇 ................................................................................................... 56

Fig.III. 2. Système photovoltaïque avec contrôleur 𝑀𝑃𝑃𝑇. ......................................................... 57
Fig.III. 3. Organigramme de l'algorithme 𝑃&𝑂 ............................................................................ 58
Fig.III. 4. Schéma fonctionnel du système 𝑃𝑉 basé sur La stratégie de contrôle direct 𝑃&𝑂 −
𝑀𝑃𝑃𝑇 ............................................................................................................................................ 60
Fig.III. 5. Système en boucle fermée de la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 améliorée ........ 61
Fig.III. 6. Régulation de tension basée sur la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 utilisant le bloc
𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝐴𝑇𝐿𝐴𝐵® .................................................................................................................. 62
Fig.III. 7. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇
dans différentes conditions climatiques et à une valeur de résistance de 𝑅 = 300 𝛺. ................ 63
Fig.III. 8. Rapport cyclique fourni par la stratégie de contrôle P&O-MPPT dans différentes
conditions climatiques et à une valeur de résistance de 𝑅 = 300 𝛺 ........................................... 64
Fig.III. 9. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇
dans différentes conditions climatiques et à une valeur de résistance de 𝑅 = 400 𝛺. ................ 65
Fig.III. 10. Rapport cyclique fourni par la stratégie de contrôle P&O-MPPT dans différentes
conditions climatiques et à une valeur de résistance de 𝑅 = 400 𝛺. .......................................... 66
Fig.III. 11. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 −
𝑀𝑃𝑃𝑇 dans différentes conditions climatiques et différentes valeurs de résistance ..................... 67
Fig.III. 12. Rapport cyclique fourni par la stratégie de contrôle P&O-MPPT dans différentes
conditions climatiques et différentes valeurs de résistance ........................................................... 68
Fig.III. 13. Régulation de tension basée sur la stratégie de contrôle 𝑃&𝑂 − 𝑃𝐼𝐷 utilisant le bloc

XVI
 Liste des figures et des tables

𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® ..................................................................................................................... 69
Fig.III. 14. La puissance de sortie électrique est fournie par la stratégie de contrôle indirect
𝑃&𝑂 − 𝑃𝐼𝐷 dans différentes conditions climatiques et à une valeur de résistance de 𝑅 = 350 𝛺.
....................................................................................................................................................... 70
Fig.III. 15. Rapport cyclique fourni par la stratégie de contrôle P&O-PID dans différentes
conditions climatiques et à une valeur de résistance de 𝑅 = 350 𝛺. .......................................... 71
Fig.III. 16. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑃𝐼𝐷
dans différentes conditions climatiques et à une valeur de résistance de 𝑅 = 250 𝛺. ................ 72
Fig.III. 17. Rapport cyclique fourni par la stratégie de contrôle P&O-PID dans différentes
conditions climatiques et à une valeur de résistance de 𝑅 = 250 𝛺. .......................................... 73
Fig.III. 18. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 −
𝑃𝐼𝐷 dans différentes conditions climatiques et différentes valeurs de résistance ......................... 74
Fig.III. 19. Rapport cyclique fourni par la stratégie de contrôle P&O-PID dans différentes
conditions climatiques et différentes valeurs de résistance ........................................................... 75
Fig.III. 20. Comparaison de la puissance fournie par le mode direct et indirect de la stratégie
𝑃&𝑂 − 𝑀𝑃𝑃𝑇 ............................................................................................................................... 76
Fig.III. 21. Comparaison du rapport cyclique fournie par le mode direct et indirect de la stratégie
𝑃&𝑂 − 𝑀𝑃𝑃𝑇 ............................................................................................................................... 77

CHAPITRE IV

Fig.IV. 1. Incertitude additive directe ........................................................................................... 81

Fig.IV. 2. Incertitude additive inverses ......................................................................................... 82
Fig.IV. 3. Incertitudes multiplicatives........................................................................................... 83
Fig.IV. 4. Structure d’un système bouclé pour l’analyse de la robustesse de stabilité ................. 84
Fig.IV. 5. Structure générale d’étude de la robustesse de stabilité ............................................... 85
Fig.IV. 6. Structure d’un système bouclé pour l’analyse de robustesse. ...................................... 86
Fig.IV. 7. Courbe de valeur singulières du système en boucle ouverte donné sans aucune
compensation du contrôleur........................................................................................................... 89
Fig.IV. 8. Courbe de valeur singulière du système en boucle ouverte donnée après compensation
du contrôleur. ................................................................................................................................. 91
Fig.IV. 9. Régulation de tension basée sur la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 proposée à
l'aide de blocs 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 ............................................................................................. 92
Fig.IV. 10. Puissance électrique de sortie fournie par les stratégies de contrôle 𝑃&𝑂 −
𝑀𝑃𝑃𝑇 standard et améliorées ........................................................................................................ 94
Fig.IV. 11. Commande et incrément correspondant fournis par le régulateur PID proposé ........ 94
Fig.IV. 12. Proposition de commande P&O − MPPT réalisée sous bibliothèques du système
Simpower® .................................................................................................................................... 95
Fig.IV. 13. Puissances électriques de sortie du GPV données à l'aide des bibliothèques du
système Simpower® ...................................................................................................................... 95
Fig.IV. 14. Contrôle et contrôle optimal correspondant fournis dans les bibliothèques du système
Simpower® .................................................................................................................................... 96

XVII
Liste des figures et des tables

XVIII
 Liste des figures et des tables

Liste des tables

CHAPITRE I

Tabl.I. 1. Données du constructeur pour construire le module KC200GT. .................................. 12

CHAPITRE II

Tabl.II. 1. Les paramètres du convertisseur 𝐷𝐶 − 𝐷𝐶. ................................................................ 38

CHAPITRE IV

Tab.IV. 1. Facteur de remplissage pour les méthodes de contrôle du remorquage ...................... 96

PITRE IV

XIX
INTRODUCTION GÉNÉRAL
Introduction générale :

Introduction générale
Les énergies fossiles et leurs dérivées sont les principales sources d'énergie de nature
transitoire et temporaire où leur demande a considérablement augmenté au cours des décennies
récentes [1]. Cette augmentation est due à des plusieurs facteurs, comme par exemple, le taux
de croissance de la population mondiale, ainsi que les besoins en énergie électrique dans les
secteurs économique, industriel, ..., etc. A cet égard, la sensibilisation accrue des effets nocifs,
émis par ces sources au niveau de la santé de la publique humaine, des animaux et de
l'environnement, de même que la hausse des prix des combustibles fossiles ont orienté l'opinion
mondiale à exploiter et à privilégier les systèmes énergétiques, fonctionnant avec les sources
d'énergie renouvelable, disponibles en abondance dans la nature [1], [2]. Cela a incité de
nombreux chercheurs à trouver d'autres types d'énergies propres et renouvelables, notamment
la biomasse, l'énergie éolienne, l'énergie solaire, l'énergie hydraulique et géothermique, ..., etc.
Les énergies renouvelables sont réparties partout dans le monde sur de vastes zones
géographiques, contrairement à d’autres sources d’énergie qui sont concentrées dans un nombre
limité de pays. Le déploiement rapide des énergies renouvelables assure la sécurité énergétique
des pays et fait progresser l’économie nationale et mondiale.
Généralement en Algérie, l'énergie solaire est la plus répandue parmi celles qui utilisent le
vent ou d'autres formes d'énergie renouvelable [1], [3]. Elle est l'une des sources d'énergie les
plus sûres et les plus respectueuses de l'environnement. Son entretien et sa maintenance sont
aisés, ses coûts sont économiques à long terme et ses effets sur l'environnement sont beaucoup
plus faibles que ceux des déchets de combustibles fossiles et de leurs dérivés. Comptant sur des
ressources nationales inépuisables, Cette source est donc destinée à accroître la sécurité
énergétique des pays [2].
Parmi toutes les sources d'énergie existantes en Algérie, le solaire est l'une des sources
d'énergie les plus permanentes, car elle est disponible tout au long de l'année. De ce fait, le
soleil émet une énorme quantité d'énergie rayonnante dans un espace qui atteint la terre chaque
jour. Il convient de noter qu'une quantité suffisante d'énergie solaire a le potentiel de couvrir
nos besoins énergétiques, sachant qu'un rayonnement solaire pouvant être converti en électricité
d'environ 35 mégawatts d'énergie, et cela à partir d'une surface d'un kilomètre carré. Ce qui
revient à dire que cette énergie a la capacité de couvrir tous les besoins énergétiques du monde
[3]. En général, le rayonnement solaire est souvent exploité à l'aide d'un système photovoltaïque
qui se compose d'un panneau photovoltaïque, lequel alimente une charge variable grâce à un
contrôle adéquat du commutateur d'un convertisseur DC-DC. Un tel panneau solaire se
compose d'un assemblage de cellules, dont chacune est fabriquée à partir de semi-conducteurs
à base de silicium. La conversion de l'énergie photonique en énergie électrique se fait par effet

XXI
Introduction générale :

photoélectrique, par lequel les cellules photovoltaïques peuvent absorber des photons lumineux
et arracher des électrons afin de les stocker dans des batteries spécifiques [5]. Ces cellules
photovoltaïques ont souvent des caractéristiques non linéaires, généralement notées par
l'acronyme: 𝐼 − 𝑉 . Ces caractéristiques dépendent des évolutions de deux conditions
atmosphériques : celle de la radiation solaire et celle de la température absolue de
l'environnement.
Par conséquent, le point de fonctionnement d'un tel système solaire garantissant une
extraction maximale d'énergie électrique dépend donc de la valeur de chacune des conditions
climatiques susmentionnées. Ce qui signifie que la variation non linéaire de la tension et du
courant produits à la sortie de ce précédent système solaire, représente l'une des principales
causes fournissant la bonne qualité du rendement énergétique dans la plupart des systèmes
photovoltaïques. Pour cette raison, la bonne connaissance du comportement de ces cellules
solaires ainsi que celle de l'influence des conditions climatiques sur ces dernières nécessitent
de concevoir un modèle mathématique qui doit décrire, aussi précisément que possible, leurs
comportements réels, en fonction des conditions climatiques existantes. Ceci peut nécessite une
identification adéquate des paramètres de ce modèle en faisant un appel à la modélisation par
circuits électriques équivalents.
L'équipement de puissance, qui correspond au convertisseur DC-DC, représente le
composant clé du système solaire. Néanmoins, une des premières contraintes découlant de
l'utilisation de la chaîne de conversion photovoltaïque est liée au problème de couplage existant
entre le générateur photovoltaïque et la charge variable à alimenter, sachant que ce problème
de couplage est un défi primordial pour la plupart des thématiques de recherche s'intéressant à
la conversion de l'énergie électrique via les systèmes solaires [26]. Lorsqu'un panneau
photovoltaïque est directement connecté à une charge résistive, l'extraction de la puissance
maximale ne peut être assurée que par l'intermédiaire d'un convertisseur DC-DC dont le circuit
de commutation doit être contrôlé par l'application d'une stratégie de contrôle MPPT.
En conséquence, l'extraction maximale d'énergie électrique se perd souvent en raison du
couplage inadéquat entre le panneau photovoltaïque et cette charge résistive. Pour améliorer les
performances de la conversion d'énergie par le panneau PV face aux changements climatiques
existants, le systéme solaire doit etre forcé à fonctionner autour de son point MPP, pour lequel
la puissance mesurée en sortie du panneau est maximale. le point de puissance maximale (MPP)
est atteint lorsque la tension et le courant générés par un dispositif électrique sont égaux et
correspondent à la puissance maximale que ce dispositif peut fournir dans des conditions
spécifiques. [27]. Il faut donc rechercher ici un rapport cyclique optimal, qui doit être converti
en commande réelle à l'aide du générateur PWM (Pulse Width Modulation). L'ajout d'un

XXII
Introduction générale :

convertisseur DC-DC dans un système permet d'optimiser la fourniture de la puissance

nécessaire à tout moment pour alimenter une charge spécifique. En utilisant un tel convertisseur,
la puissance maximale requise par la charge peut être fournie de manière efficace et précise à
chaque instant d'échantillonnage, malgré l'existence de changements dans les conditions
météorologiques [28]. Dans ce cas, la difficulté réside dans le fait de maintenir cette puissance
maximale indépendamment de la variation du rayonnement solaire et de la température absolue
[46] [47].
Il faut souligner ici, que la position du MPP se modifie tout au long de la journée en raison
de la variation de ces deux facteurs climatiques précédents, qui affectent les quantités
électriques à produire par le système PV. Par conséquent, il est clair que le contrôle du
déplacement du MPP constitue l'objectif principal de la plupart des stratégies MPPT, en
particulier celle qui utilise l'algorithme Perturb & Observe (P&O), celle qui utilise l'algorithme
de Conductance Incrémentale (INC), et celles qui utilisent la Pondération à Trois Points
(TPWC), celle basée sur les Mesures Réelles (AM), les Mesures Non Variables (UM), la
Rétroaction de Tension (VF), le Ratio d'Or (GR), et la Recherche Binaire (BS). Selon plusieurs
travaux antérieurs existant dans la littérature, cette stratégie de contrôle reposant sur
l'implémentation directe de l'algorithme P&O dans les boucles de contrôle était la plus
largement utilisée pour le suivi du MPP. Ceci grâce à sa simplicité de mise en œuvre et à sa
capacité à fournir un rapport cyclique optimal. En raison de ces mérites, de nombreux
chercheurs ont porté leur intérêt sur ce type de contrôle dont l'amélioration des performances a
été abordée par différents chercheurs [59],Parmi eux, Femia et al, (2005) ont amélioré
l'algorithme P&O par le biais de l'implémentation directe de l’ algorithme précédent. Dans leur
étude, l'extraction de la puissance maximale a été opérée dans des conditions météorologiques
changeantes où plusieurs inconvénients ont été surmontés avec succès [63]. Dans le même
contexte, Ngan & Tan (avril 2011) ont traité le sujet de la stratégie de contrôle MPPT pour le
contrôle autonome du PV. Ils ont mis l'accent sur l'implémentation directe de l'algorithme
précédent qui nécessite la connaissance préalable des deux quantités électriques : la puissance
générée et la tension correspondante. Ces deux dernières ont été employées pour le calcul du
rapport cyclique optimal en boucle ouverte en vue d'alimenter de manière optimale le
convertisseur DC-DC [62]. De plus, Kollimalla & Mishra, (2014) ont amélioré les performances
dynamiques des systèmes PV en termes de dynamique de suivi MPP dont la mise à jour du
signal de contrôle était assurée par une taille de pas variable, qui doit être sélectionnée au
préalable dans l'algorithme P&O [48].
Conformément à plusieurs autres chercheurs qui se sont intéressés à l'implémentation
directe du P&O dans la stratégie MPPT, cette méthode a démontré avec succès, sa capacité à

XXIII
Introduction générale :

fournir une bonne dynamique de suivi MPP, dans des conditions météorologiques variables.
Néanmoins, elle peut malheureusement, générer des ondulations indésirables, et plus
spécialement dans le courant de sortie du convertisseur DC-DC, ce qui conduit à un
fonctionnement déséquilibré de la charge résistive. Par conséquent, la régulation de la tension
doit fournir un rapport cyclique optimal garantissant l'atténuation appropriée de l'erreur de suivi
qui est principalement causée par la différence entre la tension de référence, fournie par
l'implémentation directe de l'algorithme P&O et celle générée par le panneau PV. Dans le but
d'obtenir un suivi dynamique meilleur que celui obtenu par la stratégie MPPT conventionnelle
qui utilise l'implémentation directe de l'algorithme P&O, la boucle de contrôle doit être équipée
d'un contrôleur PID Proportionnel-Intégral-Dérivé dont la mise à jour du signal de contrôle doit
être garantie par leur pas optimal [56]. Les bonnes performances sont donc liées à la qualité de
commande de ce contrôleur dont la bonne synthèse est conditionnée par le modèle de
conception linéaire, souvent développé grâce au principe de la méthode à faibles signaux.
Récemment, plusieurs méthodes de conception utilisant ce principe, ont été proposées par
de nombreux chercheurs. Parmi eux, Villalva et al, (2010) qui ont conçu un modèle à faibles
signaux pour contrôler un système solaire qui se compose d'un panneau PV alimentant une
charge à travers un convertisseur Buck. La fonction de transfert du modèle correspondant, a
d'abord été élaborée et le contrôleur PID correspondant a ensuite été synthétisé à l'aide d'une
analyse fréquentielle et d'autres analyses temporelles de différentes spécifications,
préalablement imposées par un tel cahier des charges [49]. Malheureusement, ce contrôle ne
reste valable que si la puissance requise pour alimenter la charge se rapproche de celle fournie
par le système solaire. Cependant, dans la plupart des applications réelles, de sérieux problèmes
se posent principalement si la source de puissance est moindre que celle qui alimente la charge,
ce qui nécessite le remplacement du convertisseur Buck précédent, par le convertisseur
élévateur Boost DC-DC. C'est précisément le même cas qui doit être résolu dans ce travail où
la proposition d'une nouvelle conception de modèle basée sur le principe de la méthode des
faibles signaux ainsi que la proposition de la nouvelle synthèse PID, basée sur le principe de
Loop-Shaping de la méthode robuste, permettant ainsi de résoudre le problème survenant dans
l'application de la stratégie conventionnelle P&O-MPPT. Sachant que ces deux propositions
précédentes n'ont jamais été suggérées auparavant dans la littérature, et pour cette raison, ces
deux propositions représentent le défi le plus important à relever dans ce travail.
Il est à noter ici que l’amélioration des performances, fournies par la stratégie P&O-MPPT
conventionnelle résidera dans l’augmentation de la marge de sécurité du compromis entre la
performance nominale (NP) et la stabilité robuste (SR) du système bouclé par le contrôleur PID
robuste à synthétiser. Cet objectif sera atteint par l'amélioration de l'étape de modélisation du

XXIV
Introduction générale :

comportement réel du système solaire précédent dont la conception du modèle, sera assurée au
moyen de l'interface graphique de l'environnement Matlab/Simulink. Ceci permettra de ressortir
le modèle linéaire de synthèse. En outre, l'amélioration sera également apportée dans l'étape de
synthèse du contrôleur MPPT ayant la structure de PID dont les paramètres seront optimisés
par l'algorithme des essaims de particules (PSO). Ce dernier algorithme sera employé pour
minimiser la fonction de fitness, préalablement formulée sur la base du principe de Loop-
Shaping, qui fait partie de la théorie de la commande robuste, en présence d'incertitudes de
modélisation non structurées.
La présentation de ce présent travail s’articulera donc autour de quatre chapitres survenant
dans l'ordre suivant :
Après avoir exposé clairement la problématique de la stratégie MPPT conventionnelle,
employant l'implémentation directe de l'algorithme P&O, le premier chapitre portera sur la
modélisation du comportement non linéaire du panneau PV, en présence de différents
changements soudains, liés aux conditions climatiques, à savoir la température absolue et
l'irradiation solaire. La suite de ce chapitre sera consacrée à la linéarisation de la caractéristique
courant-tension du panneau PV, ce qui permettra de mettre en évidence l’obtention d’une
relation de linéarisation assez importante, ultérieurement utilisée dans le deuxième chapitre. La
validation des résultats issus de cette modélisation, en particulier pour le cas du panneau
KC200GT sera détaillée à la fin de ce chapitre.
Dans le deuxième chapitre, la modélisation de différents types de convertisseurs DC-DC et
d’autres convertisseurs en présence d'une charge résistive, sera discutée où le développement
du modèle souhaité sera effectué analytiquement, en utilisant le principe de la méthode des
faibles signaux. Ce chapitre abordera également, les détails de la modélisation graphique dont
le fonctionnement interne du système solaire est assuré en STC. Enfin, ce chapitre sera complété
par la simulation à l'aide de l'environnement Matlab-Simulink, dans lequel le modèle sera testé
via le réglage manuel du commutateur du convertisseur DC-DC.
Dans le troisième chapitre, le contrôle MPPT, utilisant l'implémentation directe de
l'algorithme P&O, sera d’abord détaillé puis l’amélioration des performances de celle-ci sera
donnée dans la version améliorée. Sachant que cette nouvelle version de commande utilisera la
mise à jour du signal de contrôle à partir du contrôleur PID. Les paramètres de celui-ci, seront
donc identifiés à partir de la satisfaction de certaines règles, préalablement disponibles dans la
bibliothèque Matlab/Control. Les performances résultant de l’application de ces deux stratégies
conventionnelles et améliorées, seront évaluées à la fin de ce chapitre, dans lequel on pourra
confirmer l’effet négatif des incertitudes sur la conception du contrôleur PID à synthétiser, ce
qui exigera la synthèse utilisant la théorie de la commande robuste.

XXV
Introduction générale :

Le quatrième chapitre portera la proposition d’une nouvelle approche de synthèse

combinant la réalisation du principe Loop-Shaping avec l'approche d'identification
fréquentielle. Dans ce cas, les paramètres du contrôleur PID à synthétiser sera optimisés par
l’algorithme de PSO dont la fonction fitness sera formulée à partir d'une comparaison d'une
forme idéale de la boucle ouverte désirée, avec celle de la boucle ouverte existante. La
comparaison des performances des deux stratégies P&O-MPPTs améliorées telles que celle
basée sur l’addition du contrôleur PID standard et celle basée sur le contrôleur PID robuste,
sera présentée à la fin de ce chapitre. Enfin, ce travail sera complété par une conclusion générale
et proposition de quelques perspectives pour les futurs candidats intéressés par les systèmes de
conversion d’énergie renouvelable.

XXVI
 CHAPITRE I :
Modélisation des Panneau
KC200GT
 Chapitre I : Modélisation des Panneau KC200GT

1. Introduction
La demande de la production d'électricité a augmenté rapidement, plus particulièrement au
cours de ces dernières décennies. Cependant les sources d'énergie conventionnelles, telles que
le charbon et le pétrole, se disparaissent considérablement, ce qui pose de sérieux problèmes,
notamment pour répondre aux besoins futurs de la population en matière d'électricité. De plus,
la production d'énergie à partir de ressources traditionnelles a des effets négatifs et nocifs sur
l'environnement et sur la santé humaine et animale. Pour ces raisons, les sources d'énergie
alternatives deviennent de plus en plus attrayantes . Pour cela, l'énergie solaire est l'une des
sources d'énergie alternatives les plus importantes et est considérée comme l'une des sources
d'énergie les plus permanentes. Elle peut répondre à une grande partie des besoins énergétiques
mondiaux et est disponible pour de nombreuses applications. Elle est donc gratuite, sûre, propre
et disponible sur terre toute l'année [1].

Dans l’ingénierie des énergies renouvelables, l'énergie solaire est convertie en énergie
électrique par le biais du système photovoltaïque dont les caractéristiques dépendent des
conditions environnementales. C'est-à-dire que chaque fois que la température et le
rayonnement solaire changent, les caractéristiques, par conséquence, de photovoltaïques (I-V)
changent. Ce qui rend la conception de systèmes photovoltaïques assez difficile, car ces
changements affectent, négativement, les investissements dans le domaine de l’énergie [2].
Pour surmonter ce problème, les chercheurs ont conçu et ont développé divers modèles
mathématiques pour comprendre l'impact des conditions climatiques sur les systèmes
photovoltaïques. En automatique et contrôle des système de conversion d’énergie renouvelable,
la conception d'un modèle mathématique de synthèse ( à développer) qui réalise la prédiction
correcte du comportement photoélectrique, nécessite l'utilisation d'une modélisation fondée sur
un circuit électrique équivalent, ayant souvent une seule diode et d’autres composants
électroniques dont le vecteur du courant prédit doit assurer une précision adéquate, en utilisant
la méthode de résolution analytique fondée sur la fonction 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊. Par conséquent, le
vecteur de la solution obtenue, qui comporte les valeurs optimales des composants de ce circuit,
doit être optimisé, en utilisant l’algorithme d’essaim particulaire 𝑃𝑆𝑂 [3].

Ce chapitre, consacré d’abord à donner un rappel sur l'énergie solaire, sur la modélisation de
la cellule photovoltaïque et sur les propriétés électriques correspondantes et celles en cas de
présence des rayonnements solaires et des températures absolues où ses variations imprévisibles
doivent être prises en considérations. Ensuite, une autre partie sera consacrée à la détermination
des paramètres du circuit électrique équivalent, qui modélise le comportement réel de la cellule
photovoltaïque, en utilisant les données du fabricant et l'algorithme d'optimisation sous

1
 Chapitre I : Modélisation des Panneau KC200GT

contraintes. Enfin, la linéarité des propriétés photovoltaïques, sera abordée et une partie de
simulation sera introduite pour visualiser les différentes grandeurs électriques fournies,
notamment par un panneau solaire de type 𝐾𝐶200𝐺𝑇 [5].
1.1. Énergies renouvelables
Les énergies renouvelables sont des sources énergétiques propres, qui sont disponibles de
façon permanente dans la nature. Elles représentent une source alternative idéale pour couvrir
les besoins énergétiques mondiaux face à plusieurs facteurs tels que la diminution des énergies
fossiles, l'augmentation de son prix et son impact négatif sur l'environnement et la santé des
êtres vivants. Il convient de noter ici que l'utilisation des énergies à caractère renouvelable,
notamment leur conversion en électricité, leur transfert vers des endroits qui en ont besoin, etc.
devient moins coûteuse que celle des énergies non renouvelables. De ce fait, les énergies
renouvelables ont contribué à 29% de notre consommation d'énergie et à 32% de notre
production d'électricité en 2020 et 2021, respectivement, ces pourcentages ne cessent de
s'accroître au fil du temps, et ce grâce à la tendance lourde du monde vers la valorisation des
énergies renouvelables [1].

Généralement, les sources d'énergie renouvelables ont la capacité de satisfaire des besoins
énergétiques multiples à travers le monde. Les sources d'énergie renouvelables, telles que la
biomasse, l'énergie éolienne, l'énergie solaire, l'énergie hydraulique et l'énergie géothermique
peuvent fournir des prestations énergétiques durables, reposant sur l'utilisation de ressources
propres, généralement disponibles dans la nature. En outre, l’utilisation de systèmes énergétiques
à base d'énergies renouvelables est en progression, car leurs coûts ontdiminué et continuent de
baisser ces dernières années, tandis que le prix du pétrole et du gaz ne cesse pas de fluctuer.
L'objectif de l'utilisation des énergies renouvelables consiste à fournir une énergie propre et
saine. Elles sont donc utilisées pour réduire les nuisances engendrées par les sources d'énergie
à caractère non renouvelable, comme par exemple le charbon, le gaz naturel, ..., etc. Elles sont
également utilisées en raison de leurs coûts de production et de leurs charges d'entretien à long
terme. Aussi, l'utilisation de ces sources d'énergie vise à protéger l'environnement des déchets
dangereux, souvent générés par l'utilisation des combustibles fossiles et ses dérivés. Ce travail
s’intéressera par les systèmes deconversion d’énergie renouvelable, en particulier la conversion
d’énergie solaire en énergie électrique, en utilisant les panneaux solaires de type 𝐾𝐶200𝐺𝑇 [4].

2
 Chapitre I : Modélisation des Panneau KC200GT

1.2. Énergie solaire

L'énergie solaire est employée pour générer de l'électricité grâce à des panneaux
photovoltaïques. En effet, le soleil représente une source naturelle, constante et permanente de
température et de rayonnement, qui peut être convertie en électricité. On estime qu’une surface
d’un (01) kilomètre carré peut générer environ 35 mégawatts d'électricité. En général, un panneau
solaire est composé d’un nombre 𝑁c de cellules photovoltaïques identiques, qui sont souvent
montées entres elles en séries. Ce nombre de cellules se diffère d’un panneau à un autre. Pour le
cas du panneau 𝐾𝐶200𝐺𝑇, il est composé de 𝑁𝑐 = 52, ce qui peut générer une puissance
photovoltaïque égale à 𝑃𝑝𝑣 = 200.143 watts. La Fig.I.1 illustre panneau 𝐾𝐶200𝐺𝑇, qui est
disponible dans la bibliothèque du 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 ∕ 𝑀𝑎𝑡𝑙𝑎𝑏 ® 2021𝐵. Ce dernier est utilisé pour la
recharge d’une batterie

Fig.I. 1 illustre panneau 𝐾𝐶200𝐺𝑇 utilisé pour la recharge d’une batteries

Il est clair que la modélisation d’un panneau photovoltaïque, nécessitant à priori, de modéliser
une cellule PV parmi les 𝑁𝑐 de cellules existant dans le panneau. Cette étape sera détaillée dans
la partie suivante de ce chapitre.
1.3. Cellule photovoltaïque (𝑷𝑽 − 𝒄𝒆𝒍𝒍)
En général, les cellules photovoltaïques convertissent directement l'énergie lumineuse du soleil

3
 Chapitre I : Modélisation des Panneau KC200GT

en énergie électrique. Une cellule photovoltaïque, qui est principalement composée de silicium,
consiste en une mince feuille de matériau sensible à la lumière. Elle a une durée de vie de 20 à 30
ans. La taille d'une seule cellule PV varie entre environ 01 cm et 10 𝑐𝑚 de diamètre. Une telle
cellule ne peut fournir qu'entre un et deux watts, ce qui est insuffisant pour la plupart des
applications industrielles. Pour cela, pour augmenter sa puissance de sortie, les cellules PV
doivent être connectées entres-elles dans un module photovoltaïque. Les modules sont
généralement connectés entre eux pour construire un arrangement (𝑎𝑟𝑟𝑎𝑦) photovoltaïque. Le
terme anglais « 𝑎𝑟𝑟𝑎𝑦 » fait référence à l'ensemble de la centrale, qu'elle soit constituée d'un ou
de plusieurs milliers de modules. La performance d'un générateur photovoltaïque dépend de la
disponibilité de l'éclairement solaire ainsi que de la température absolue de l'environnement. Le
conditionnement climatique (par exemple, nuages, brouillard) influe considérablement sur la
quantité d'énergie solaire qui est reçue par le générateur photovoltaïque et, par conséquent, sur
ses performances. Certains défauts locaux, tels qu'une longueur de diffusion locale réduite, une
résistance shunt locale, élevée ou une résistance série locale élevée, ont une influence négative
sur les propriétés générales de la cellule.

1.3.1. Modélisation de la cellule photovoltaïque :

L'analyse et l'évaluation des performances du panneau solaire, nécessitent a priori la

modélisation de son comportement réel en présence de l'irradiation solaire et de la température
absolue de l'environnement. Généralement, le circuit électrique, comme le montre la figure 1, est
le plus utilisé pour obtenir le modèle mathématique adéquat avec lequel le courant réel du panneau
solaire peut être prédit en cas de changements climatiques soudains. Dans la plupart des cas, ce
courant est associé à la tension correspondante par une caractéristique non linéaire dont la
linéarisation autour des conditions climatiques standard 𝑆𝑇𝐶 sera l'objectif principal de la
synthèse 𝑀𝑃𝑃𝑇.

𝑁𝑝

𝑁𝑝

Fig.I. 2. Circuit électrique équivalent modélisant le comportement réel d’un panneau photovoltaïque

4
 Chapitre I : Modélisation des Panneau KC200GT

Il est clair qu’à partir de la Fig.I.2 que le courant prédit de sortie 𝐼𝑝𝑣 s'exprime par l'équation
suivante :
𝐼𝑝𝑣 = 𝐼𝑝ℎ − 𝐼𝑑 − 𝐼𝑠ℎ (I.1)
Où, 𝐼𝑝𝑣 représente le courant de sortie, qui est fourni par la module 𝑃𝑉, 𝐼𝑠ℎ est le courant traversant
la résistance de shunt équivalente 𝑅𝑝 . De plus, 𝐼𝑝ℎ est le photo-courant généré par le module
𝑃𝑉 lorsqu'elle est exposée à la lumière du soleil. De plus le courant de shunt 𝐼𝑠ℎ est donné par
l’expression ci-dessous :
𝑉𝑝𝑣 +𝑅𝑠 ∙𝐼𝑝𝑣
𝐼𝑠ℎ = 𝑅𝑝
(I.2)

Ici, 𝑅𝑠 est la résistance série équivalente, 𝑉𝑝𝑣 est la tension de sortie du modèle 𝑃𝑉. Par conséquent,
le schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘\𝑀𝑎𝑡𝑙𝑎𝑏 ® qui assure la détermination de ce courant est donné par la Fig.I.3
comme suit :

Fig.I. 3. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant Ish.

Or, le courant 𝐼𝑑 , qui est parcouru dans la diode équivalente, est défini par :
𝑉𝑝𝑣 +𝑅𝑠 ∙𝐼𝑝𝑣
𝐼𝑑 = 𝐼0 [−1 + 𝑒𝑥𝑝 ( )] (I.3)
𝐴∙𝑉𝑡

Avec, 𝐴 est le facteur d'idéalité des diodes, 𝐼0 est le courant inverse de saturation de la diode, 𝑉𝑡
est la tension de la potentielle thermodynamique. En général, ces deux dernières grandeurs
électriques sont définies, respectivement, par :
𝐾∙𝑇
𝑉𝑡 = 𝑁𝑐 ( ) (I.4)
𝑞
3
𝑇 𝐴 𝑞∙𝐸𝑔 1 1
𝐼0 = 𝐼𝑠𝑟 ∙ (𝑇 ) ∙ exp ({ 𝐴∙𝐾 (𝑇 − 𝑇)}) (I.5)
𝑛 𝑛

Avec, 𝑁𝑐 est le nombre de cellules montées entres-elles en série par un seul (01) module PV, 𝑞 est
la charge élémentaire, 𝐾 est la constante de Boltzmann, 𝐸𝑔 est l’énergie du gap, 𝑇 est la température
de la jonction des cellules 𝑃𝑉, 𝑇𝑛 est la température nominale, qui est fournie en 𝑆𝑇𝐶, i.e., 𝑇𝑛 =

5
 Chapitre I : Modélisation des Panneau KC200GT

25 °𝐶. Par conséquent, à partir de l'Eq.I.5, le schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘\𝑀𝑎𝑡𝑙𝑎𝑏 ® qui assure la

détermination de 𝐼0 est donné par la Fig.I.4 comme suit :

Fig.I. 4. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant I0.

Il est clair que la détermination du courant 𝐼0 nécessite a priori la détermination de 𝐼𝑠𝑟 , qui est en
général donné par :
𝑉𝑜𝑐,𝑛
𝐼𝑠𝑐,𝑛 −
𝑅𝑃
𝐼𝑠𝑟 = 𝑞∙𝑉𝑜𝑐,𝑛 (I.6)
−1+exp( )
𝐴∙𝑁𝑐 ∙𝐾∙𝑇

Avec, 𝐼𝑠𝑐,𝑛 est le courant de court-circuit, qui est fourni à la température nominale 𝑇𝑛 et 𝑉𝑜𝑐,𝑛 est la
tension du circuit ouvert, qui est fourni à la température nominale 𝑇𝑛 . Par conséquent, à partir de
l'Eq.I.6, le schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘\𝑀𝑎𝑡𝑙𝑎𝑏 ® qui assure la détermination du courant 𝐼𝑠𝑟 est donné par
la Fig.I.5 comme suit

Fig.I. 5. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant I0 .

6
 Chapitre I : Modélisation des Panneau KC200GT

Il convient à noter ici, qu’il existe une autre expression qui permet de calculer le courant 𝐼𝑠𝑟 en
fonction de la variation de la température absolue de l’environnement. Cette expression est donnée
𝐼𝑠𝑐,𝑛 +𝐾𝐼 (𝑇−𝑇𝑛 )
par 𝐼𝑠𝑟 = 𝑞∙[𝑉𝑜𝑐 +𝐾𝑉 (𝑇−𝑇𝑛 )]
, avec 𝐾𝐼 et 𝐾𝑉 représentant les coefficients de température de 𝐼𝑠𝑐,𝑛
−1+exp( )
𝐴∙𝑁𝑐 ∙𝐾∙𝑇

et 𝑉𝑜𝑐 respectivement. Ici, le coefficient 𝐾𝑉 est supposé nul dans la suite de ce travail. Ensuite, le
schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘\𝑀𝑎𝑡𝑙𝑎𝑏 ® qui assure la détermination du courant 𝐼𝑑 est obtenu à partir des
deux figures Fig.I.4 et Fig.I.5 et l’utilisation de l'Eq.I.3. Ce qui donne la Fig.I.6 ci-dessous :

Fig.I. 6. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant Id

Sachant que le photo-courant 𝐼𝑝ℎ est en général s'exprime par :

𝐺
𝐼𝑝ℎ = 𝐺 (𝐼𝑠𝑐,𝑛 + 𝐾𝐼 ∙ (𝑇 − 𝑇𝑛 )) (I.7)
𝑛

Avec, 𝐺 est l’éclairement solaire, 𝐺𝑛 est l’éclairement solaire nominal, qui est mesuré en 𝑆𝑇𝐶, ce
qui donné par 𝐺𝑛 = 1000 𝑊𝑚−2 . D’où, à partir de l'Eq.I.7, le schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘\𝑀𝑎𝑡𝑙𝑎𝑏 ®
assurant la détermination du photo-courant 𝐼𝑝ℎ est donné par Fig.I.7

Fig.I. 7. Schéma de 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® assurant la détermination du courant Iph.

7
 Chapitre I : Modélisation des Panneau KC200GT

Pour la simplicité de la représentation des équations du modèle 𝑃𝑉, souhaité, les deux
paramètres 𝐼𝑠𝑐,𝑛 et 𝑉𝑜𝑐,𝑛 seront notés par 𝐼𝑠𝑐 et 𝑉𝑜𝑐 respectivement. Finalement, à partir de Fig.I.3,
Fig.I.6 et Fig.I.7 et par l’utilisation de l'Eq.I.1, on peut construire le schéma de 𝑢𝑙𝑖𝑛𝑘\𝑀𝑎𝑡𝑙𝑎𝑏 ® ,
qui modélise le comportement d’un seul module 𝑃𝑉 ayant 𝑁𝑐 cellules montées entres-elles en série.
Ce dernier est illustré par la Fig.I.8 comme suit :

Fig.I. 8. Modélisation d’un seul module PV ayant Nc cellules en séries.

Dans ce cas, la tension 𝑉𝑝𝑣 est associée avec le courant de sortie prédit 𝐼𝑝𝑣 via la relation non
linéaire, qui est donnée par
𝑉𝑝𝑣 +𝑅𝑠 ∙𝐼𝑝𝑣 𝑉𝑝𝑣 +𝑅𝑠 ∙𝐼𝑝𝑣
𝐼𝑝𝑣 = 𝐼𝑝ℎ − 𝐼0 [−1 + 𝑒𝑥𝑝 ( )] − (I.8)
𝐴∙𝑉𝑡 𝑅𝑝

Cette dernière expression permet de tracer les deux caractéristiques, à savoir (𝐼 − 𝑉) et

(𝑃 − 𝑉) dans le cas d’un seul module PV comportant 𝑁𝑐 cellules solaires en séries. Par ailleurs,
il existe d’autres configurations des modules PV dont l'élément fondamental est basé sur la cellule
solaire. Il convient de noter ici, que la plupart des modules photovoltaïques commerciaux
atteignent un rendement d'environ 10% à 15% pour convertir la lumière du soleil en énergie
électrique. Cependant, ce rendement est souvent insuffisant pour répondre aux besoins des
secteurs domestique et industriel. Pour ces raisons, des recherches intensives ont été menées pour
accroître le rendement de conversion, sachant qu'il est désormais possible d'expérimenter d'autres
cellules photovoltaïques dont le rendement de conversion est supérieur à 30%. Pour obtenir
l'augmentation d'énergie souhaitée, il existe trois types de raccordement des modules
photovoltaïques, à savoir, un raccordement des modules en série (string), un raccordement en
parallèle et un raccordement en série-parallèle où parallèle-série.
1.3.1.1. Connexion des modules PV en série (𝑆𝑒𝑟𝑖𝑒𝑠 − 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒𝑑 𝑚𝑜𝑑𝑢𝑙𝑒𝑠 𝑝𝑒𝑟 𝑠𝑡𝑟𝑖𝑛𝑔) :
𝑔
Dans cette configuration, le même courant 𝐼𝑝𝑣𝑖 = 𝐼𝑝𝑣 traverse les 𝑁𝑐 cellules série d’un seul
module individuel. Entretemps, il se traverse également un nombre 𝑁𝑠 des modules 𝑃𝑉 qui sont

8
 Chapitre I : Modélisation des Panneau KC200GT
𝑔
connectés entres eux en série. Par conséquent, la tension globale 𝑉𝑝𝑣 résultante devient égale à la
somme des tensions élémentaires 𝑉𝑝𝑣𝑖 dont chacune est délivrée par le module individuel
correspondant. Si toutes ces tensions élémentaires sont identiques et sont égales à 𝑉𝑝𝑣 , on aura
𝑔
donc 𝑉𝑝𝑣 = 𝑁𝑠 ∙ 𝑉𝑝𝑣 (voir la Fig.I.9 ci-dessous).

𝒈
𝑽𝒑𝒗
𝑽𝒑𝒗𝒏
𝑽𝒑𝒗𝟏 𝑽𝒑𝒗𝟐

1 2 𝑛 𝒈
𝑰𝒑𝒗𝟏 𝑰𝒑𝒗𝟐 𝑰𝒑𝒗𝟑 𝑰𝒑𝒗𝒏 𝑰𝒑𝒗
𝒈 𝒈
𝑰𝒑𝒗 = 𝑰𝒑𝒗𝟏 = 𝑰𝒑𝒗𝟐 = ⋯ = 𝑰𝒑𝒗𝒏 𝑽𝒑𝒗 = 𝑽𝒑𝒗𝟏 + 𝑽𝒑𝒗𝟐 + ⋯ + 𝑽𝒑𝒗𝒏
.
Fig.I. 9. Modules PV connectés entres eux en série.

1.3.1.2. Connexion des modules PV en parallèle (𝑃𝑎𝑟𝑎𝑙𝑙𝑒𝑙 𝑠𝑡𝑟𝑖𝑛𝑔𝑠) :

𝑔
Cette connexion augmente le courant global 𝐼𝑝𝑣 pour une tension identique mesurée aux bornes
de chaque module individuel. Pour 𝑁𝑝 modules connectés entre eux en parallèle, il en résulte que
𝑔
𝐼𝑝𝑣 représente la somme des courants élémentaires 𝐼𝑝𝑣𝑖 dont chacun est délivré par un seul module
individuel correspondant. Si tous ces courant élémentaires sont identiques et sont égaux à 𝐼𝑝𝑣 , on
𝑔
aura donc le courant global 𝐼𝑝𝑣 = 𝑁𝑝 ∙ 𝐼𝑝𝑣 (voir la Fig.I.10 ci-dessous).
.
𝑰𝒑𝒗

𝑰𝒑𝒗𝟏 𝑰𝒑𝒗𝟐 𝑰𝒑𝒗𝒏

𝑽𝒑𝒗
𝑽𝒑𝒗𝟏 𝑽𝒑𝒗𝟐 𝑽𝒑𝒗𝒏
𝟏 2 𝒏

𝒈 𝒈
𝑰𝒑𝒗 = 𝑰𝒑𝒗𝟏 + 𝑰𝒑𝒗𝟐 + ⋯ + 𝑰𝒑𝒗𝒏 𝑽𝒑𝒗 = 𝑽𝒑𝒗𝟏 = 𝑽𝒑𝒗𝟐 = ⋯ = 𝑽𝒑𝒗𝒏

Fig.I. 10. Modules PV connectés entres eux en parallèle

1.3.1.3. Connexion mixte des modules PV :

Cette connexion augmente simultanément le courant 𝐼𝑝𝑣 et la tension 𝑉𝑝𝑣 d’un module PV
individuel. Pour 𝑁𝑠 modules connectés entre eux en série et 𝑁𝑝 strings connectés entre eux en
𝑔
parallèle, il en résulte que 𝐼𝑝𝑣 = 𝑁𝑝 ∙ 𝐼𝑝𝑣 et 𝑉𝑝𝑣𝑔 = 𝑁𝑠 ∙ 𝑉𝑝𝑣 . Dans ce cas, le courant de sortie prédit
𝑔
𝐼𝑝𝑣 est obtenu à partir de l'Eq.I.8 comme suit :

9
 Chapitre I : Modélisation des Panneau KC200GT

𝑔
𝑉𝑝𝑣 𝑅 𝑔
+ 𝑠𝐼
𝑔 𝑁𝑠 𝑁𝑝 𝑝𝑣 𝑁𝑔 𝑔 𝑅
𝐼𝑝𝑣 = 𝑁𝑝 ∙ 𝐼𝑝ℎ − 𝑁𝑝 ∙ 𝐼0 [−1 + 𝑒𝑥𝑝 ( )] − ( 𝑝 ∙ 𝑉𝑝𝑣 + 𝑅 𝑠 ∙ 𝐼𝑝𝑣 ) (I.9)
𝐴∙𝑉𝑡 ⏟𝑠 𝑝
𝑁 ∙𝑅 𝑝
⏟ 𝑁𝑝 ∙𝐼𝑠ℎ
( 𝑁𝑝 ∙𝐼𝑑 )
D’où, par la Fig.I.11 représente le schéma de 𝑢𝑙𝑖𝑛𝑘\𝑀𝑎𝑡𝑙𝑎𝑏 ® , qui modélise le comportement
d’un module global, lequel comporte 𝑁𝑠 modules connectés entre eux en série et qui comporte
également 𝑁𝑝 strings connectés entre eux en parallèle, sachant que chaque panneau utilisé pour
cette connexion doit comporter 𝑁𝑐 cellules montées entre-elles en série. On obtient :

Fig.I. 11. Modélisation d’un module PV à configuration mixte parallèle-série

Dans la suite de ce travail, les trois grandeurs électriques à savoir : 𝐼𝑝𝑣 , 𝑉𝑝𝑣 et 𝑃𝑝𝑣 seront
attribuées, respectivement, au courant, à la tension et la puissance d’une configuration
photovoltaïque comportant 𝑁𝑠 modules connectés entre eux en série, 𝑁𝑝 strings connectés entre
eux en parallèle dont chaque module 𝑃𝑉 ayant 𝑁𝑐 cellules associées entre-elles en série.

1.4. Caractéristiques (𝑰 − 𝑽) et (𝑷 − 𝑽) d’une configuration photovoltaïque :

A partir de l'Eq.I.9, il est facile de tirer les deux caractéristiques telles que (𝐼 − 𝑉) et (𝑃 − 𝑉)
d’une configuration photovoltaïque, qui sont souvent dépendent du courant, de la tension et de la
puissance. Elles dépendent également des deux variations climatiques à savoir de l’éclairement
solaire et de la température absolue de l’environnement. De ce fait, la Fig.I.12 montre, clairement,
le tracé général des deux caractéristiques précédentes dont chacune a été obtenue lorsque cette
configuration a été opérée en 𝑆𝑇𝐶, i.e., 𝑇𝑛 = 25°𝐶 et 𝐺𝑛 = 1000 𝑊/𝑚2 .

10
 Chapitre I : Modélisation des Panneau KC200GT

𝑰𝒑𝒗 𝑽𝒑𝒗 , 𝑷𝒑𝒗 𝑽𝒑𝒗 𝑽

𝑷𝒐𝒊𝒏𝒕 𝑴𝑷𝑷 ( 𝑴𝑷𝑷 )
𝑷𝒎𝒂𝒙
𝑷𝒎𝒂𝒙
𝑽
𝑷𝒐𝒊𝒏𝒕 𝑴𝑷𝑷 ( 𝑴𝑷𝑷 )
𝑰𝒔𝒄 Courbe de (𝑰 − 𝑽) 𝑰𝑴𝑷𝑷
𝑰𝑴𝑷𝑷

Courbe de (𝑷 − 𝑽)

𝑽𝒑𝒗
𝟎 𝑽𝑴𝑷𝑷 𝑽𝒐𝒄

Fig.I. 12. Caractéristiques (I-V) et (P-V) d’une configuration mixte parallèle-série

A partir de la Fig.I.12, il est clair que ces deux caractéristiques comportent des paramètres clés
dont chacune sera détaillée dans le paragraphe ci-dessous.

1.4.1. Paramètres clés caractérisant les deux caractéristiques (𝑰 − 𝑽) et (𝑷 − 𝑽) :

En général, un panneau solaire est souvent caractérisé par des paramètres dits paramètres-clés
qui sont, souvent, donnés par le fabricant du panneau solaire. Ces paramètres sont utilisés pour
calculer les valeurs optimales des composants qui constituent le circuit électrique équivalent du
modèle de synthèse. Ces paramètres-clés sont les suivants :

1.4.1.1. Tension du circuit ouvert 𝑽𝒐𝒄 :

Cette tension est obtenue lorsque les deux courbes (𝐼 − 𝑉) et (𝑃 − 𝑉) coupent l'axe des abscisses
de la tension 𝑉𝑝𝑣 . Dans ce cas, les valeurs du courant 𝐼𝑝𝑣 et de la puissance 𝑃𝑝𝑣 devenant égales à
zéro.

1.4.1.2. Courant de court-circuit 𝑰𝒔𝒄 :

Ce courant est obtenu lorsque les deux courbes (𝐼 − 𝑉) et (𝑃 − 𝑉) coupent l'axe des ordonnées
des deux grandeurs électriques, tels que la puissance 𝑃𝑝𝑣 et le courant 𝐼𝑝𝑣 . Dans ce cas, la valeur
de la tension 𝑉𝑝𝑣 devenant égale à zéro.

1.4.1.3. Point de puissance maximale 𝑷𝒎𝒂𝒙 :

Il s'agit d’une puissance maximale dont la valeur est obtenue par 𝑃𝑚𝑎𝑥 = 𝐼𝑀𝑃𝑃 ∙ 𝑉𝑀𝑃𝑃 . Nous
verrons, dans la suite de ce travail, que l’objectif de la commande réside dans le suivi de ce point
mobil qui se déplace suivant les deux variations de l’éclairement solaire 𝐺 et la température de
l’environnement 𝑇.

11
 Chapitre I : Modélisation des Panneau KC200GT

1.4.1.4. Facteur de remplissage 𝑭𝑭 :

Le facteur de remplissage, représente la relation entre la puissance maximale 𝑃𝑚𝑎𝑥 que le réseau
peut réellement fournir dans des conditions de fonctionnement normales et le produit de la tension
en circuit ouvert multipliée par le courant de court-circuit, (𝑉𝑜𝑐 ∙ 𝐼𝑠𝑐 ). Ce facteur de remplissage
donne une idée sur la qualité du générateur photovoltaïque en termes de puissance, tel que le facteur
de remplissage est proche de 1 (unité),le générateur 𝑃𝑉 peut fournir plus de puissance. En général,
les valeurs typiques de ce facteur sont comprises entre 0.7 et 0.8.

1.4.1.5. Pourcentage d’efficacité 𝒆𝒇𝒇 % :

En général, l'efficacité d'un générateur 𝑃𝑉 représente le rapport entre la maximale 𝑃𝑚𝑎𝑥 que le
générateur peut produire et la quantité d'irradiance solaire absorbée par ce générateur. Les valeurs
typiques de ce paramètre sont variées entre 10% à 12%, et celles selon le type de semiconducteurs
qui construisent les cellules solaires du générateur 𝑃𝑉 à savoir, le monocristallin, polycristallin,
amorphe à couche mince.

1.4.2. Simulation utilisant le module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 :

Dans cette partie, nous allons visualiser les différents signaux, issus du module 𝐾𝐶200𝐺𝑇 dont
le modèle mathématique décrivant son comportement réel, a déjà existé dans le logiciel du
𝑆𝑖𝑚𝑝𝑜𝑤𝑒𝑟\𝑀𝑎𝑡𝑙𝑎𝑏 ® . Les paramètres fournis par le constructeur de ce module sont récapitulés
dans le tableau ci-dessous :
Tabl.I. 1. Données du constructeur pour le module KC200GT.

Paramètre Unité Valeur

𝑬𝒈 𝑒𝑉 𝟏. 𝟏𝟐
𝒒 𝐶 𝟏. 𝟔𝟎 × 𝟏𝟎–𝟏𝟗
𝑲 𝐽/𝐾 𝟏. 𝟑𝟖 × 𝟏𝟎–𝟐𝟑
𝑲𝒊 𝐴/°𝐾 𝟎. 𝟎𝟎𝟑𝟐
𝑰𝒐 𝐴 𝟐. 𝟑𝟐 × 𝟏𝟎−𝟏𝟎
𝑲𝒊 𝐴/°𝐾 𝟎. 𝟎𝟎𝟑𝟐
𝑽𝒐𝒄 𝑉 𝟑𝟐. 𝟗𝟎
𝑰𝒔𝒄 𝐴 𝟖. 𝟐𝟏𝟒
𝑰𝑴𝑷𝑷 𝐴 𝟕. 𝟔𝟏
𝑽𝑴𝑷𝑷 𝑉 𝟐𝟔. 𝟑
𝑷𝒎𝒂𝒙 W 𝟐𝟎𝟎. 𝟒𝟑
𝑹𝒔 Ω 𝟎. 𝟑𝟒𝟒𝟖
𝑹𝒑 Ω 𝟏𝟓𝟎. 𝟔𝟗𝟐
𝑵𝒄 𝟓𝟒
𝑨 𝟎. 𝟗𝟕𝟕𝟑𝟔

12
 Chapitre I : Modélisation des Panneau KC200GT

Tout d'abord, on souhaite visualiser les signaux de tension 𝑉𝑝𝑣 fournis en 𝑆𝑇𝐶 pour différentes
configurations, dépendant du choix des deux paramètres 𝑁𝑠 et 𝑁𝑝 mentionnés ci-dessus. A cet effet,
la batterie qui a été représentée dans la Fig.I.1 doit être débranchée pour permettre le branchement
à vide de ce module. Ceci permet la génération des réponses rapides qui convergent vers ses
tensions en circuit ouvert en régime stationnaire, i.e. 𝑉𝑝𝑣 ≅ 𝑁𝑠 ∙ 𝑉𝑜𝑐 . Par conséquent, les courants
photovoltaïques 𝐼𝑝𝑣 correspondants deviennent nuls, i.e., 𝐼𝑝𝑣 ≅ 0. Pour confirmer ces résultats, le
premier paramètre 𝑁𝑠 est choisi tel que 𝑁𝑠 = 1, 𝑁𝑠 = 3 et 𝑁𝑠 = 5, cependant, le second 𝑁𝑝 est fixé
à l’unité, i.e., 𝑁𝑝 = 1. La Fig.I.13.a montre les trois tensions photovoltaïques qui correspondent à
l'ordre sélectionné de 𝑁𝑠 suscité. Cependant, la Fig.I.13.b montre les trois caractéristique tensions
photovoltaïques (𝐼 − 𝑉) et (𝑃 − 𝑉) fournissent pour ces différentes configurations précédentes.

Fig.I. 13.a. Tensions Vpv fournies dans STC par le module KC200GT construit suivant le choix de Ns et Np

Fig.I.13.b. Tensions Vpv fournies dans STC par le module KC200GT construit suivant le choix de Ns et Np

13
 Chapitre I : Modélisation des Panneau KC200GT

A partir des deux figures Fig.I.13.a et Fig.I.13.b il est clair que l’augmentation souhaitée de la
tension photovoltaïque est assurée par l’augmentation du paramètre 𝑁𝑠 . Par exemple, pour le
choix de 𝑁𝑠 = 5, sachant que la tension en circuit ouvert 𝑉𝑜𝑐 = 32.9 volts, ce qui conduit à générer
la tension 𝑉𝑝𝑣 ≅ 5 × 32.9 = 164.5 volts.

On désire, maintenant, visualiser les signaux de courant 𝐼𝑝𝑣 dans 𝑆𝑇𝐶 à travers différentes
configurations dépendant du choix des deux paramètres, cités précédemment. Pour ce faire, on
replace la batterie survenant dans la Fig.I.1 par la charge résistive 𝑅 ayant une valeur très proche
de zéro, soit 𝑅 = 0.01Ω. Il est à noter ici que le courant traversant cette faible résistance conduit à
générer des tensions photovoltaïques presque nulles, i.e., 𝑉𝑝𝑣 ≅ 0 , ce qui permet d’avoir des
courants très proches de ce courant de court-circuit, i.e., 𝐼𝑝𝑣 ≅ 𝑁𝑝 ∙ 𝐼𝑠ℎ . Pour confirmer ce résultat,
le premier paramètre 𝑁𝑠 est fixé à l’unité, i.e., 𝑁𝑠 = 1., tandis que le second paramètre 𝑁𝑝 est varié
tel que 𝑁𝑝 = 1, 𝑁𝑝 = 3 et 𝑁𝑝 = 5 .

Par conséquent, Fig.I.14.a représente les trois courants photovoltaïques correspondant l’ordre
du choix de 𝑁𝑝 suscité. Cependant, la Fig.I.14.b montre les trois caractéristique tensions
photovoltaïques (𝐼 − 𝑉) et (𝑃 − 𝑉) fournissent pour ces différentes configurations précédentes

Fig.I. 14. a. Courants Ipv fournis en STC par le module KC200GT obtenu par différentes valeurs de Np.

14
 Chapitre I : Modélisation des Panneau KC200GT

Fig.I.14.b. Courants Ipv fournis en STC par le module KC200GT obtenu par différentes valeurs de Np .

A partir des deux figures Fig.I.14.a et Fig.I.14.b, il est clair que l’augmentation souhaitée du
courant photovoltaïque est assurée par l’augmentation du paramètre 𝑁𝑝 . Par exemple, pour le
choix de 𝑁𝑠 = 5, sachant que le courant de court-circuit 𝐼𝑠𝑐 = 8.214 Ampères, ce qui permet de
générer le courant 𝐼𝑝𝑣 ≅ 5 × 8.214 = 41.07 Ampères.

Il ressort des deux figures Fig.I.13.b et Fig.I.14.b que le 𝑀𝑃𝑃, correspondant au point
(26.3 7.61)𝑇 , dépend fortement de la valeur de l'irradiance nominale ainsi que de la température
absolue nominale. De plus, en raison de la variation de l'une de ces deux conditions climatiques,
ce point se déplace soit à gauche, soit à droite de sa position initiale. Ceci est dû soit à un décalage
de la tension en circuit ouvert 𝑉𝑜𝑐 , soit à un décalage du courant de court-circuit 𝐼𝑠𝑐 , ou bien
encore à un décalage simultané de ces deux grandeurs électriques. Le paragraphe suivant montre
l'effet de chaque condition climatique sur la position du 𝑀𝑃𝑃 et nous verrons que la poursuite de
ce point, nécessite la synthèse d’un contrôleur 𝑀𝑃𝑃 adéquat, qui doit garantir la bonne extraction
de la puissance maximale, et ce, indépendamment de la variation des conditions climatiques.

1.4.3. Effets des conditions climatiques sur (𝑰 − 𝑽) et (𝑷 − 𝑽) du module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻

1.4.3.1. Effets de l’éclairement solaire :

Dans ce cas, une augmentation du taux de l’éclairement solaire entraîne une augmentation du
courant de court-circuit 𝐼𝑠𝑐 , ce qui entraine le déplacement de la courbe de puissance vers le haut.
Dans ce cas, le taux de l’éclairement solaire principalement 𝐼𝑠𝑐 et de faible influence sur la tension
de circuit ouvert 𝑉𝑜𝑐 . Par conséquent, une augmentation du taux de l’éclairement solaire entraîne

15
 Chapitre I : Modélisation des Panneau KC200GT

une augmentation positive du courant prédit et donc une augmentation de la puissance maximale
à extraire (voir la Fig.I.15).

1.4.3.2. Effet de la température absolue sur le module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 :

Lorsque la température absolue de l’environnement s’accroît, la tension du circuit ouvert 𝑉𝑜𝑐

s’accroit, aussi et aura une faible influence sur le courant de court-circuit 𝐼𝑠𝑐 . Par conséquent, la
valeur de la température absolue affecte, principalement, la tension du circuit ouvert 𝑉𝑜𝑐 , ce qui
entraine une diminution de la puissance maximale à extraire (voir la Fig.I.16).

Fig.I. 15. Caractéristiques (I-V) et (P-V) pour G variable et Tn=25°C

Fig.I. 16. Caractéristiques (I-V) et (P-V) pour T variable et Gn=1000W .m-2

16
 Chapitre I : Modélisation des Panneau KC200GT

1.5. Conception du modèle PV à partir des données expérimentales :

Le développement du modèle 𝐏𝐕 sera basé sur la résolution de l'Eq.I.9 en utilisant la solution

analytique basée sur la fonction 𝑳𝒂𝒎𝒃𝒆𝒓𝒕𝑾. Cette dernière permet de fournir la solution exacte
avec laquelle on peut générer le vecteur du courant estimé 𝑰̂𝒑𝒗 [19]. Ce dernier doit être comparé,
à chaque mesure, par le vecteur du courant réel 𝑰𝒓𝒑𝒗 , ce qui conduit à fournir un vecteur d’écarts.
La fonction fitness est formulée à partir de de la somme des écarts quadratiques moyennes
précédents dont la minimisation est assurée par l’application de l’algorithme 𝑷𝑺𝑶. La solution
optimale issue de cet algorithme permet de fournir les paramètres optimaux du modèle 𝑷𝑽
souhaité.

1.5.1. Méthode analytique basée sur la fonction 𝑳𝒂𝒎𝒃𝒆𝒓𝒕 𝑾 :

L’idée de cette méthode repose sur la formulation de Eq.I.9 sous la forme générale suivante :

𝑍 = 𝑊(𝑋)𝑒 𝑊(𝑋) (I.10)

Ici, 𝑍 est l’argument de la fonction 𝑊 et 𝑒 𝑊(𝑋) est la fonction exponentielle comportant vecteur
complexe ou réel 𝑋 sachant que ce dernier représente la solution de l'Eq.I.10, qui est donnée sous
la forme générale 𝑋 = 𝑙𝑎𝑚𝑏𝑒𝑟𝑡𝑊(𝑍) dont le vecteur du courant estime 𝐼̂𝑝𝑣 est obtenu à partir de
cette dernière solution. Le but de ce présent paragraphe est donc plus précis. Il convient en effet de
commencer par l'Eq.I.9 pour la rendre sous la forme générale, qui est donnée par l'Eq.I.10. Pour ce
faire, nous avons la simplification de l'Eq.I.9 ci-dessous :
𝑉𝑝𝑣 𝑅𝑠
+ 𝐼
𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑁𝑝
𝑅𝑝 ∙ 𝐼𝑝𝑣 = 𝑁𝑝 ∙ 𝑅𝑝 ∙ 𝐼𝑝ℎ − 𝑁𝑝 ∙ 𝑅𝑝 ∙ 𝐼0 (−1 + 𝑒 𝐴∙𝑉𝑡 )− ∙ 𝑉𝑝𝑣 − 𝑅𝑠 ∙ 𝐼𝑝𝑣 (I.11)
𝑁𝑠

Cette dernière équation est encore simplifiée comme suit :

𝑉𝑝𝑣 𝑅𝑠
+ 𝐼
𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑁𝑝
𝑅𝑝 ∙ 𝐼𝑝𝑣 = 𝑁𝑝 ∙ 𝑅𝑝 𝐼𝑝ℎ + 𝐼0 − 𝑁𝑝 ∙ 𝑅𝑝 ∙ 𝐼0 ∙ 𝑒 𝐴∙𝑉𝑡 − 𝑁 ∙ 𝑉𝑝𝑣 − 𝑅𝑠 ∙ 𝐼𝑝𝑣 (I.12)
𝑠

𝑉𝑝𝑣 𝑅𝑠
+ 𝐼
𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑁𝑝
𝑅𝑝 + 𝑅𝑠 𝐼𝑝𝑣 = 𝑁𝑝 ∙ 𝑅𝑝 𝐼𝑘 − 𝑁𝑝 ∙ 𝑅𝑝 ∙ 𝐼0 . 𝑒 𝐴∙𝑉𝑡 − 𝑁 ∙ 𝑉𝑝𝑣 (I.13)
𝑠

Sachant que le courant 𝐼𝑘 est supposé par 𝐼𝑘 = 𝐼𝑝ℎ + 𝐼0 . Ensuite, en multipliant les deux membres
𝑅𝑠
de l’Eq. I.13 par le terme . D’où :
𝑁𝑝 𝑅𝑝 +𝑅𝑠

𝑉𝑝𝑣 𝑅𝑠
+ 𝐼
𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑅𝑠 𝑅𝑠 1
∙ 𝐼𝑝𝑣 = 𝑅 (𝑅𝑝 ∙ 𝐼𝑘 − 𝑅𝑝 ∙ 𝐼0 . 𝑒 𝐴∙𝑉𝑡 − 𝑁 ∙ 𝑉𝑝𝑣 ) (I.14)
𝑁𝑝 𝑝 +𝑅𝑠 𝑠

17
 Chapitre I : Modélisation des Panneau KC200GT
1
Après, le terme ( 𝑁 ∙ 𝑉𝑝𝑣 ) est ajouté dans les deux membres de l’Eq. I.14. On obtient :
𝑠

𝑉𝑝𝑣 𝑅𝑠
+ 𝐼
𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑅𝑠 1 𝑅𝑠 1 1
∙ 𝐼𝑝𝑣 + ∙ 𝑉𝑝𝑣 = 𝑅 (𝑅𝑝 ∙ 𝐼𝑘 − 𝑅𝑝 ∙ 𝐼0 . 𝑒 𝐴∙𝑉𝑡 − 𝑁 ∙ 𝑉𝑝𝑣 ) + ∙ 𝑉𝑝𝑣 (I.15)
𝑁𝑝 𝑁𝑠 𝑝 +𝑅𝑠 𝑠 𝑁𝑠

Cette dernière équation est encore simplifiée comme suit :

𝑉𝑝𝑣 𝑅𝑠
+ 𝐼
𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑅𝑠 1 𝑅𝑠 𝑅𝑝
∙ 𝐼𝑝𝑣 + ∙ 𝑉𝑝𝑣 = 𝑅 (𝑅𝑝 ∙ 𝐼𝑘 − 𝑅𝑝 ∙ 𝐼0 . 𝑒 𝐴∙𝑉𝑡 + 𝑁 ∙𝑅 ∙ 𝑉𝑝𝑣 ) (I.16)
𝑁𝑝 𝑁𝑠 𝑝 +𝑅𝑠 𝑠 𝑠

L’équation qui en résulte est ensuite divisée par le terme (𝐴 ∙ 𝑉𝑡 ). On obtient :

𝑉𝑝𝑣 𝑅𝑠
𝑅𝑠 1 + 𝐼
∙𝐼 + ∙ 𝑉 𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑁𝑝 𝑝𝑣 𝑁𝑠 𝑝𝑣 𝑅𝑠 𝑅𝑝
= (𝑅𝑝 ∙ 𝐼𝑘 − 𝑅𝑝 ∙ 𝐼0 . 𝑒 𝐴∙𝑉𝑡 + 𝑁 ∙𝑅 ∙ 𝑉𝑝𝑣 ) (I.17)
𝐴∙𝑉𝑡 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡 𝑠 𝑠

La simplification de l’Eq. I.17 conduit à fournir l’Eq. I.18 ci-dessous :

𝑉𝑝𝑣 𝑅𝑠
𝑅𝑠 1 + 𝐼
∙𝐼 + ∙ 𝑉 𝑁𝑠 𝑁𝑝 𝑝𝑣 𝑅𝑠 ∙𝑅𝑝 (𝐼𝑘 +
1
∙𝑉 )
𝑁𝑝 𝑝𝑣 𝑁𝑠 𝑝𝑣 𝑅𝑝 ∙𝑅𝑠 ∙𝐼0 𝑁𝑠 ∙𝑅𝑠 𝑝𝑣
+ .𝑒 𝐴∙𝑉𝑡 = (I.18)
𝐴∙𝑉𝑡 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡

𝑅𝑠 𝑅𝑝 𝐼0
La fonction exponentielle des deux membres de l’Eq.I.18 est effectuée et le terme est
𝐴.𝑉𝑡 𝑅𝑝 +𝑅𝑠

multiplié dans les deux termes de l’équation résultante. On obtient :

𝑊(𝑋)
⏞ 𝑉𝑝𝑣 𝑅𝑠 ∙𝐼𝑝𝑣
𝑅𝑠 ∙𝐼𝑝𝑣 𝑉𝑝𝑣 + 𝑉𝑝𝑣
𝑁𝑠 𝑁𝑝
+ 𝑅𝑝 ∙𝑅𝑠 ∙𝐼0 𝑅𝑝 ∙𝑅𝑠 (𝐼𝑘 + )
𝑁𝑝 𝑁𝑠 𝐴∙𝑉𝑡 𝑁𝑠 ∙𝑅𝑠
𝑅𝑝 ∙𝑅𝑠 ∙𝐼0 𝑒 𝑅𝑝 ∙𝑅𝑠 ∙𝐼0
𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡
𝑒 𝐴∙𝑉𝑡 ∙𝑒 = 𝑒 (I.19)
⏟
𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡 ⏟
𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡
𝑊(𝑋) 𝑍

Sachant que cette dernière expression est donnée sous la forme générale précitée dans l’Eq.I.14,
D’où, la solution correspondante est donnée par :
𝑅𝑠 ∙𝐼𝑝𝑣 𝑉𝑝𝑣 𝑉𝑝𝑣
+ 𝑅𝑝 ∙𝑅𝑠 (𝐼𝑝ℎ +𝐼0 + )
𝑁𝑝 𝑁𝑠 𝑁𝑠 ∙𝑅𝑠
𝑅𝑝 ∙𝑅𝑠 ∙𝐼0 𝑅𝑝 ∙𝑅𝑠 ∙𝐼0 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡
𝑒 𝐴∙𝑉𝑡 = 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊 (𝐴∙𝑉 𝑒 ) (I.20)
⏟ 𝑡 𝑅𝑝+𝑅𝑠
𝐴∙𝑉 ⏟𝑡 𝑅𝑝 +𝑅𝑠
𝑊(𝑋) 𝑍(𝑥)

L’Eq. I.20 est à nouveau simplifiée pour fournir l’Eq.I.21 ci-dessous :

𝑅𝑠 ∙𝐼𝑝𝑣 𝑉𝑝𝑣 𝑉𝑝𝑣

+ 𝑅𝑝 ∙𝑅𝑠 (𝐼𝑝ℎ +𝐼0 + )
𝑁𝑝 𝑁𝑠 𝑁𝑠 ∙𝑅𝑠
𝐴∙𝑉𝑡 𝑅𝑝 +𝑅𝑠 𝑅𝑝 ∙𝑅𝑠 ∙𝐼0 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡
𝑅𝑝 ∙ 𝐼0 ∙ 𝑒 𝐴∙𝑉𝑡 =( ) 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊 (𝐴∙𝑉 𝑒 ) (I.21)
𝑅𝑠 𝑡 𝑅𝑝 +𝑅𝑠

( )

De l’Eq.I.13, on a :

18
 Chapitre I : Modélisation des Panneau KC200GT
𝑉𝑝𝑣 𝑅𝑠
+ 𝐼
𝑁𝑠 𝑁𝑝 𝑝𝑣
𝑅𝑝 +𝑅𝑠 𝑉𝑝𝑣
𝑅𝑝 ∙ 𝐼0 . 𝑒 𝐴∙𝑉𝑡 = 𝑅𝑝 ∙ 𝐼𝑘 − ( ) 𝐼𝑝𝑣 − (I.22)
𝑁𝑝 𝑁𝑠

Sachant que 𝐼𝑘 = 𝐼𝑝ℎ + 𝐼0 , à partir des deux équations Eq.I.21 et Eq.I.22, le vecteur du courant
estimé est donc obtenu par :

𝑉𝑝𝑣
𝑉𝑝𝑣 𝑅𝑝 ∙𝑅𝑠 (𝐼𝑝ℎ +𝐼0 + )
𝑅𝑝 ∙ 𝐼𝑝ℎ +𝐼0 − 𝑁𝑠 ∙𝑅𝑠
𝐴∙𝑉 𝑅𝑝 ∙𝑅𝑠 ∙𝐼0
𝐼̂𝑝𝑣 = 𝑁𝑝 𝑁𝑠
− ( 𝑅 𝑡 ) ∙ 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊 ( 𝑒 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡
) (I.23)
𝑅𝑝 +𝑅𝑠 𝑠 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡

( )

Il est à noter ici que le calcul de 𝐼̂𝑝𝑣 nécessite d’imposer que le vecteur 𝑉𝑝𝑣 soit égal au vecteur
𝑟
des tensions photovoltaïques réelles 𝑉𝑝𝑣 . Dans ce cas, la 𝑗 é𝑚𝑒 composant du vecteur du courant
𝑇
estimé 𝐼̂𝑝𝑣 , avec 𝐼̂𝑝𝑣 = [𝐼̂𝑝𝑣 {1} … 𝐼̂𝑝𝑣 {𝑁}] est obtenu par :

𝑉𝑟𝑝𝑣 {𝑗}
𝑉𝑟
𝑝𝑣{𝑗}
𝑅𝑝 ∙𝑅𝑠 (𝐼𝑝ℎ +𝐼0 +
𝑁𝑠 ∙𝑅𝑠
)
𝑅𝑝 ∙ 𝐼𝑝ℎ +𝐼0 − 𝐴∙𝑉 𝑅𝑝 ∙𝑅𝑠 ∙𝐼0
𝐼̂𝑝𝑣 {𝑗} = 𝑁𝑝 𝑁𝑠
− ( 𝑅 𝑡) ∙ 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊 ( 𝑒 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡
) (I.24)
𝑅𝑝 +𝑅𝑠 𝑠 𝑅𝑝 +𝑅𝑠 𝐴∙𝑉𝑡

( )

Il est à noter ici que le calcul du vecteur 𝐼̂𝑝𝑣 nécessitant d’attribuer a priori des valeurs au
vecteur 𝑥 = (𝑅𝑠 𝑅𝑝 𝐴 𝐼𝑝ℎ )𝑇 , qui regroupent les paramètres du modèle PV souhaité. Dans ce
∗ 𝑇
cas, l’objectif est de trouver du vecteur optimal 𝑥 ∗ = (𝑅𝑠∗ 𝑅𝑝∗ 𝐴∗ 𝐼𝑝ℎ ) assurant un courant
estimé optimal dont les composants doivent être très proches à ceux du vecteur de courant réel
𝑟
𝐼𝑝𝑣 . Cet objectif peut être reformulé par un problème d’optimisation sous contraintes dont la
fonction de fitness est choisie par la somme des erreurs quadratiques moyennes 𝑀𝑆𝐸
(𝑀𝑒𝑎𝑛 𝑆𝑞𝑢𝑎𝑟𝑒 𝐸𝑟𝑟𝑜𝑟) où chaque composant de cette erreur représente la distance entre 𝐼̂𝑝𝑣 {𝑗} et
𝑟 {𝑗}
𝐼𝑝𝑣 , pour {𝑗 = 1,2, ⋯ , 𝑁}.

1.5.2. Identification des paramètres du modèle PV souhaité par l’algorithme 𝑷𝑺𝑶 :

Dans cette section, le problème de recherche du vecteur optimal 𝑥 ∗ , qui est nécessaire pour
déterminer, de manière optimale, le vecteur du courant estimé 𝐼̂𝑝𝑣 en utilisant la solution analytique
basée sur la fonction 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊, peut être exprimé sous la forme générale du problème
d'optimisation sous contrainte, donné ci-dessous :

min 𝑓(𝑥)
𝑥 (I.25)
𝑠𝑢𝑗𝑒𝑡 à: 𝑥𝑚𝑖𝑛 ≤ 𝑥 ≤ 𝑥𝑚𝑎𝑥

19
 Chapitre I : Modélisation des Panneau KC200GT
1 𝑗=𝑁 2
Où, 𝑓(𝑥) = 𝑁 ∑𝑗=1 𝐼𝑟𝑝𝑣 {𝑗} − 𝐼̂𝑝𝑣 {𝑗} représente la fonction de fitness à minimiser et

𝑥 = (𝑅𝑠 𝑅𝑝 𝐴 𝐼𝑝ℎ )𝑇 représente le vecteur à optimiser dont chaque composant 𝑥𝑖 doit être
préalablement limité par les deux bornes 𝑥𝑖𝑚𝑖𝑛 et 𝑥𝑖𝑚𝑎𝑥 sachant que 𝑥𝑖𝑚𝑖𝑛 ≤ 𝑥𝑖 ≤ 𝑥𝑖𝑚𝑎𝑥 .
Il convient de noter ici que grâce à l'utilisation de l’Eq.I.7 dans le modèle PV souhaité, le
problème d'optimisation précédent sera réduit de quatre variables à optimiser à uniquement trois
variables. Cela peut améliorer considérablement la convergence de l'algorithme d'optimisation qui
sera employé. Dans ce cas, le nouveau problème d'optimisation est donné par :
1 𝑗=𝑁 𝑟 2
min 𝑓(𝑥) = min {𝑁 ∑𝑗=1 𝐼𝑝𝑣 {𝑗} − 𝐼̂𝑝𝑣 {𝑗} } (I.26)
𝑥 𝑥

𝑅𝑠𝑚𝑖𝑛 𝑅𝑠 𝑅𝑠𝑚𝑎𝑥
Sujet à (𝑅𝑝𝑚𝑖𝑛 ) ≤ (𝑅𝑝 ) ≤ (𝑅𝑝𝑚𝑎𝑥 )
⏟𝐴𝑚𝑖𝑛 ⏟𝐴 ⏟𝐴𝑚𝑎𝑥
𝑥𝑚𝑖𝑛 𝑥 𝑥𝑚𝑎𝑥

(I.27)

Dans l’algorithme 𝑃𝑆𝑂, les solutions potentielles du problème (I.26), appelées particules, volent
à travers l'espace de recherche ;En effet, cet algorithme a utilisé (𝑛𝑒𝑠𝑠 ) agents coopératifs
(particules) où chaque agent a partagé les informations avec les autres agents au cours du processus
de recherche. De plus, l’initialisation des variables à (ℓ = 0) doit être effectuée de manière
aléatoire, tout en respectant les limites supérieures et inférieures de l’espace de recherche (I.27).
De plus, chaque particule ayant sa propre position et sa propre vitesse de déplacement dans l'espace
de recherche. A partir de ce dernier, la fonction de fitness doit être évaluée dans chaque particule
afin d’enregistrer sa propre meilleure position 𝑝ℓ𝑖 à l’itération (ℓ) et sa propre meilleure position
𝑔
𝑝ℓ de l’itération initiale (ℓ = 0) jusqu’à l’itération (ℓ). La mise à jour de la position de chaque
particule 𝑥𝑘𝑖 et celle de la vitesse correspondante 𝑣ℓ𝑖 , avec 1,2, ⋯ 𝑛𝑒𝑠𝑠 , sont effectuées,
respectivement, selon les deux lois ci-dessous :
𝑖
𝑥ℓ+1 𝑥ℓ𝑖 + 𝑣ℓ+1
𝑖
(I.28)
𝑖 𝑔
𝑣ℓ+1 = 𝑤 ∙ 𝑣ℓ𝑖 + 𝑐1 ∙ 𝑟1 𝑝ℓ𝑖 − 𝑥ℓ𝑖 + 𝑐2 ∙ 𝑟2 𝑝ℓ − 𝑥ℓ𝑖 (I.29)

Avec, 𝑐1 et 𝑐2 sont les paramètres d'apprentissage qui pondèrent les deux distances 𝑝ℓ𝑖 − 𝑥ℓ𝑖 et
𝑔
𝑝ℓ − 𝑥ℓ𝑖 respectivement. Ces deux derniers sont paramétrisés par les deux valeurs aléatoires 𝑟1 et
𝑟2 respectivement, sachant que 0 < 𝑟1 , 𝑟2 < 1. De plus, le paramètre 𝑤 est l’inertie qui pondère
la vitesse de particule jusqu’à l’itération (ℓ).

1.5.3. Résultats expérimentaux issus de la modélisation du panneau 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 réel

Le modèle 𝑃𝑉 inconnu que nous allons synthétiser dans cette partie sera basée sur les mesures
20
 Chapitre I : Modélisation des Panneau KC200GT

de courants et de tensions photovoltaïques existants, qui ont été préenregistrés à partir du module
𝐾𝐶200𝐺𝑇 en utilisant les mêmes données, citées précédemment dans le tableau 1. L’objectif est
d’utiliser ces mesures pour optimiser les paramètres du modèle 𝑃𝑉 en utilisant l'algorithme 𝑃𝑆𝑂
sachant que les 𝑁 = 513 mesures de courants et de tensions sont illustrées dans les figures Fig.I.17
et Fig.I.18 respectivement. On obtient :

Fig.I. 17. Courants réels du module KC200GT qui ont été préenregistrées en STC.

Fig.I. 18. Tensions réelles du module KC200GT qui ont été préenregistrées en STC

Tout au long du processus d’optimisation, les contraintes qui se limitent l’espace de recherche
sont choisies comme suit :
0 𝑅𝑠 1
(350) ≤ (𝑅𝑝 ) ≤ (450) (I.30)
1 𝐴 2
Cependant, les paramètres de réglage de l’algorithme 𝑃𝑆𝑂 sont choisis par :

▪ Taille de l'essaim : 𝑛𝑒𝑠𝑠 = 30

▪ Nombre maximum d'itérations : ℓ𝑚𝑎𝑥 = 30
▪ Facteur d'inertie : 𝑤 = 0.90
▪ Taux d'apprentissage cognitif : 𝑐1 = 0.25

21
 Chapitre I : Modélisation des Panneau KC200GT

▪ Taux d'apprentissage social : 𝑐2 = 1.25

A noter que pour l’algorithme 𝑃𝑆𝑂 a été exécuté plusieurs fois. Ces expériences ont été répétées
avec d’autres paramètres de réglage ainsi que d’autres intervalles de recherche. Par conséquent, à
chaque fois on obtient de la même solution optimale. La Fig.I.19 présente le processus de
minimisation de la fonction fitness, ce qui conduit à fournir la bonne minimisation 𝑓𝑚𝑖𝑛 =
6.86 × 10−5 , ce qui conduit à fournir les paramètres optimaux 𝑅𝑠∗ = 0.221, 𝑅𝑝∗ = 415.405 et 𝐴∗ =
1.3001.

Fig.I. 19. Processus d’optimisation de la fonction fitness par l’algorithme PSO

La validation du modèle 𝑃𝑉 résultant est effectuée en comparant le vecteur du courant estimé,

qui est fourni par la solution analytique utilisant la fonction 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊, et le vecteur du courant
réel qui a été pré-enregistré à partir du module 𝐾𝐶200𝐺𝑇 réel. En outre, les deux caractéristiques
précédentes qui sont fournies à l'aide de données réelles de courant et de tension sont également
comparées à celles fournies par celles du modèle 𝑃𝑉 résultant. Par conséquent, la Fig.I.20 compare
les deux courants 𝑃𝑉 réel et prédit par le modèle résultant. La Fig.I.21 compare les deux
caractéristiques (𝐼 − 𝑉) réelle et estimée et finalement, La Fig.I.22 compare les deux
caractéristiques (𝑃 − 𝑉) réelle et estimée. On obtient :

22
 Chapitre I : Modélisation des Panneau KC200GT

Fig.I. 20. Comparaison des deux courants PV réel et estimée

Fig.I. 21. Comparaison des deux caractéristiques (I -V ) réelle et estimée

Fig.I. 22. Comparaison des deux caractéristiques (P -V ) réelle et estimée

A partir de ces trois dernières figures ci-dessus, on peut voir que le résultat de la combinaison
de la méthode utilisant la fonction 𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑤 avec l'optimisation par l'algorithme 𝑃𝑆𝑂 fait
apparaître une nouvelle méthode de modélisation qui assure le modèle PV souhaité dont le
comportement est presque identique à celui fourni par le module 𝐾𝐶200 𝐺𝑇 réel. Ce modèle sera

23
 Chapitre I : Modélisation des Panneau KC200GT

ensuite utilisé dans la synthèse des contrôles MPPT que nous aborderons en détail dans le prochain
chapitre.

1.6. Linéarisation de la caractéristique (𝑰 − 𝑽) du module 𝑲𝑪𝟐𝟎𝟎𝑮𝑻 résultant

La position du 𝑀𝑃𝑃 durant la journée peut être changée en fonction de la variation du

rayonnement solaire et celle de la température absolue de l’environnement. Cela conduit à un
changement non linéaire de la caractéristique (𝐼 − 𝑉) fournie par le module 𝐾𝐶200𝐺𝑇. A cet effet,
les performances du panneau photovoltaïque devenant idéales en 𝑀𝑃𝑃, ce qui exige une
linéarisation de cette caractéristique 𝑀𝑃𝑃. Ainsi, le module précédent doit être exploité autour de
ce point de fonctionnement.

Par conséquent, la Fig.I.23 montre comment linéariser cette caractéristique, en mettant en

évidence une relation linéaire entre les deux grandeurs du courant et de tension du
module 𝐾𝐶200𝐺𝑇

Fig.I. 23. Caractéristiques non linéaires des panneaux photovoltaïques

A partir de cette dernière figure, il est clair d'observer l'existence de trois paramètres-clés, jouant
un rôle important dans la linéarisation de la caractéristique autour du fonctionnement nominal du
module 𝐾𝐶200𝐺𝑇, c'est-à-dire autour du 𝑀𝑃𝑃 donné en 𝑆𝑇𝐶. Ces trois paramètres sont : le point
de court-circuit (𝐼𝑠𝑐 , 0), le 𝑀𝑃𝑃 (𝐼𝑀𝑃𝑃 , 𝑉𝑀𝑃𝑃 ) et le point de circuit ouvert (0, 𝑉𝑜𝑐 ). Il semble que la
linéarisation requise dans l'étape de synthèse du régulateur 𝑀𝑃𝑃𝑇 souhaité, doit être effectuée
notamment dans le fonctionnement nominal du module 𝐾𝐶200𝐺𝑇, dans lequel l'extraction de
puissance est maximale.

en conséquence, la forme parabolique de la caractéristique non linéaire (𝐼 − 𝑉) peut être

∗ ∗
convertie en 𝑀𝑃𝑃 par une ligne droite ayant l'équation 𝐼𝑝𝑣 = 𝛼. 𝑉𝑝𝑣 + 𝛽, ou l'astérisque (∗)

24
 Chapitre I : Modélisation des Panneau KC200GT

apparaissant sur l'exposant de chaque variable précédente, signifie la valeur stationnaire atteinte en
𝑀𝑃𝑃. Nous observons au 𝑀𝑃𝑃 que la caractéristique (𝐼 − 𝑉) est linéaire. Pour déterminer cette
𝑝𝑣 𝜕𝐼
linéarité, en utilisant la dérivée (𝜕𝑉 ) dans l’Eq.I.9 comme suit :
𝑝𝑣

1 𝑉𝑝𝑣 𝑅𝑠 𝑖𝑝𝑣 𝑁𝑝
𝜕𝐼𝑝𝑣 + 𝑉𝑝 +𝑅𝑠 𝑖𝑝𝑣
𝑁𝑠 𝑁𝑠 𝑁𝑝
= 0 − 𝑁𝑝 𝐼0 ( 𝑎.𝑉 + 𝑒𝑥𝑝 ( )) − ( 𝑁𝑠 ) (I.31)
𝜕𝑉𝑝𝑣 𝑡 𝑎.𝑉𝑡 𝑅𝑝

A partir de cette dernière expression, on remplace les deux grandeurs 𝐼𝑝𝑣 et 𝑉𝑝𝑣 par les deux valeurs
𝐼𝑀𝑃𝑃 et 𝑉𝑀𝑃𝑃 respectivement. Cela permet de déterminer la pente de la droite précédente. On
obtient :

𝜕𝐼𝑝𝑣 𝑁𝑝 𝐼0 𝑉 𝑅𝑠 𝐼𝑀𝑃𝑃 𝑁𝑝
( ) = − 𝑁 𝑎𝑉 𝑒𝑥𝑝 (𝑁𝑀𝑃𝑃 + )− = 𝑔(𝑉𝑀𝑃𝑃 , 𝐼𝑀𝑃𝑃 ) (I.32)
𝜕𝑉𝑝𝑣 𝐼𝑝𝑣 =𝐼𝑀𝑃𝑃 𝑎𝑉
𝑠 𝑡 𝑠 𝑡 𝑁𝑝 𝑎𝑉𝑡 𝑁𝑠 𝑅𝑝
𝑉𝑝𝑣 =𝑉𝑀𝑃𝑃

Or, la nouvelle expression de cette droite devient égale à :

∗ 𝑝 0𝑁 𝐼 𝑉 𝑅𝑠 𝐼𝑀𝑃𝑃 𝑁𝑝 ∗
𝐼𝑝𝑣 = (− 𝑁 𝑎𝑉 𝑒𝑥𝑝 (𝑁𝑀𝑃𝑃 + )− ) ∙ 𝑉𝑝𝑣 +𝛽 (I.33)
𝑠 𝑡𝑎𝑉 𝑠 𝑡 𝑁𝑝 𝑎𝑉𝑡 𝑁𝑠 𝑅𝑝

De plus, la valeur de 𝛽 est obtenue par :

𝛽 = 𝐼𝑀𝑃𝑃 − 𝑔(𝑉𝑀𝑃𝑃 , 𝐼𝑀𝑃𝑃 ) ∙ 𝑉𝑀𝑃𝑃 (I.34)

D’où, l’expression de la droite en STC est donnée par :

∗ ∗
𝐼𝑝𝑣 = 𝑔 ∙ 𝑉𝑝𝑣 + (𝐼𝑀𝑃𝑃 − 𝑔𝑉𝑀𝑃𝑃 ) (I.35)

De l’Eq.I.35, il est clair que le schéma du circuit électrique équivalent, donné par la Fig.I.2, peut
être transformé, au voisinage du point (𝑉𝑀𝑃𝑃 , 𝐼𝑀𝑃𝑃 ), en circuit équivalent, qui est donné par la
Fig.I.24 ci-dessous :

Fig.I. 24. Schéma équivalent décrivant la caractéristique (I -V ) en STC

25
 Chapitre I : Modélisation des Panneau KC200GT

A partir de la Fig.I.24, on obtient l’expression suivante :

1
𝐼𝑝𝑣 = 𝑅 (𝑉𝑒𝑞 − 𝑉𝑝𝑣 ) (I.36)
𝑒𝑞

De l’Eq.I.35 et l’Eq.I.36, on peut déterminer les deux grandeurs 𝑅𝑒𝑞 et 𝑉𝑒𝑞 en fonction des
paramètres du module 𝐾𝐶200𝐺𝑇 comme suit :
1
𝑅𝑒𝑞 = − 𝑔 , 𝑉𝑒𝑞 = 𝑉𝑀𝑃𝑃 + 𝑅𝑒𝑞 𝐼𝑀𝑃𝑃 (I.37)

Nous verrons, dans les parties restantes de ce travail, que la synthèse du contrôleur 𝑀𝑃𝑃𝑇 au
voisinage du 𝑀𝑃𝑃, nécessite toujours d’utiliser cette étape de linéarisation pour l’extraction
maximale de la puissance du module 𝐾𝐶200𝐺𝑇 dans des conditions climatiques variables.

26
 Chapitre I : Modélisation des Panneau KC200GT

1.7. Conclusion :

Nous avons traité dans ce chapitre, d'un point de vue général, la modélisation du comportement
du module 𝐾𝐶200𝐺𝑇, ainsi que les différents effets affectant son fonctionnement, tels que ceux
provoqués par les variations des conditions climatiques, comme les rayonnements solaires et les
températures absolues. Nous avons également décrit comment il est possible d'augmenter la
puissance maximale fournie par ce module en choisissant une configuration adéquate résultant
d'une association en série et en parallèle d'un ensemble de modules 𝐾𝐶200𝐺𝑇, disponibles
auparavant dans le package 𝑃𝑜𝑤𝑒𝑟𝑆𝑖𝑚 du logiciel 𝑀𝑎𝑡𝑙𝑎𝑏 ® .

Ensuite, nous avons proposé une nouvelle méthodologie avancée assurant le développement du
modèle 𝑃𝑉 souhaité pour un autre module 𝐾𝐶200𝐺𝑇, en utilisant seulement, ses données
expérimentales de courants et de tensions photovoltaïques. Cette méthodologie a été basée sur la
combinaison de deux méthodes de base dont la première, a été utilisée pour calculer, de façon
analytique et optimale, le vecteur du courant estimé, en utilisant la résolution basée sur la fonction
𝐿𝑎𝑚𝑏𝑒𝑟𝑡𝑊. La deuxième méthode a été utilisée pour la recherche, de façon optimale des
paramètres du modèle 𝑃𝑉, de tel sorte que le vecteur du courant estimé précédent, soit identique à
celui du courant réel, en utilisant l’algorithme 𝑃𝑆𝑂.

Enfin, en linéreisant le nouveau modèle 𝑃𝑉, qui a été issu de cette nouvelle méthodologie de
modélisation, nous faisons ressortir un circuit électrique équivalent, composé d'une résistance
équivalente et une source de tension équivalente. Ce simple circuit a la capacité de décrire avec
précision le comportement du module 𝐾𝐶200𝐺𝑇 dans 𝑆𝑇𝐶. Il a donc présenté l'avantage de
faciliter le calcul du modèle global du système solaire avec lequel on pourra facilement, synthétiser
le contrôleur 𝑀𝑃𝑃𝑇 souhaité. Nous verrons, dans le chapitre suivant, que ce système solaire global
sera composé du module 𝐾𝐶200𝐺𝑇, alimentant une charge résistive via un convertisseur boost
𝐷𝐶 − 𝐷𝐶. L'alimentation stationnaire et stable de cette charge demandera une synthèse du
contrôleur 𝑀𝑃𝑃𝑇, dans laquelle le modèle linéaire en 𝑀𝑃𝑃 décrivant ce système solaire, deviendra
indispensable.

27
 Chapitre II :
Modélisation des convertisseurs DC-DC
 Chapitre II Modélisation des convertisseurs DC-DC
:
2. Introduction :

Avec le développement rapide des applications énergétiques modernes telles que les énergies
renouvelables, les systèmes photovoltaïques, les véhicules électriques et les réseaux intelligents,
les convertisseurs 𝐷𝐶 − 𝐷𝐶 sont devenus le composant clé pour répondre aux exigences
industrielles strictes, La puissance de sortie d'un GPV varie en raison de plusieurs facteurs,
notamment : les conditions météorologiques (rayonnement solaire ; température) et changement
soudain du comportement de charge dû à la consommation variable utilisée[26].

L'une des premières difficultés découlant de l'utilisation de la conversion photovoltaïque série

porte sur le problème de couplage entre le générateur photovoltaïque et la charge continue. En
raison de la multiplicité des applications, le problème de couplage reste un sujet de recherche
passionnant.

Lorsqu'un module 𝑃𝑉 est connecté directement à une charge résistive, il est peu probable qu'il
fonctionne à la puissance maximale que le panneau peut générer. En conséquence, une énergie
électrique importante est perdue en raison d'un mauvais couplage entre la source et la charge. Pour
améliorer les performances du module 𝑃𝑉 contre les changements climatiques, il n'y a qu'un seul
point de fonctionnement 𝑃𝑚 où se trouve la puissance de sortie maximale 𝑀𝑃𝑃. Ce point est obtenu
pour un niveau de tension égal à 𝑉𝑚 et le courant généré égal à 𝐼𝑚 . Pour cette raison, une phase
d'adaptation doit être introduite pour effectuer une conduite appropriée Comme le montre la
Fig.I.1.

Pour améliorer les performances du système de conversion photovoltaïque et pallier les

inconvénients de la connexion directe et extraire le rapport cyclique optimal 𝐷 pour la génération
du 𝑀𝐿𝐼 souhaité, un convertisseur électronique est nécessaire pour adapter le niveau de tension à
l'utilisation envisagée. Avec le développement des dispositifs électroniques de puissance destinés
aux applications photovoltaïques, de nombreux systèmes de conversion électrique ont été conçus.
En fait, ces systèmes sont utilisés pour convertir l'énergie électrique continue en une autre nouvelle
forme continue, en fonction de la valeur de la tension de la batterie à fournir[27].

L'ajout de convertisseurs permet à chaque unité de fournir sa puissance maximale à la charge

malgré toutes les conditions météorologiques changeantes (rayonnement solaire, température).

Etant donné l'importance de ces convertisseurs 𝐷𝐶 − 𝐷𝐶 dans les systèmes photovoltaïques,

Dans ce chapitre, nous allons présenter quelques notions générales sur les convertisseurs et le
dimensionnement en utilisant certaines lois. Ensuite, nous avons introduit deux types de

28
 Chapitre II Modélisation des convertisseurs DC-DC
:
convertisseurs DC-DC : tout d'abord, le convertisseur abaisseur (Buck), puis le convertisseur
élévateur (Boost). Les caractéristiques de chaque type ont été examinées. Nous avons ensuite
procédé à la conception des deux convertisseurs, les avons modélisés par utilisé une nouvelle
méthode dans le logiciel Simulink/Matlab® et validés à l'aide d'un contrôleur PID dont les
coefficients ont été déduits de la fonction de transfert, pour tenir compte de l'ajout d'un
condensateur supplémentaire au panneau photovoltaïque lors de la conception du système complet.
Ce système complet est composé du panneau solaire KC200GT, du convertisseur de colonne
montante et de la charge. Ensuite, nous avons simulé ce système à l'aide du logiciel
Simulink/Matlab®."

Fig.II. 1. Etage d'adaptation entre le 𝐺𝑃𝑉 et la charge

2.1. Les Convertisseurs 𝑫𝑪 − 𝑫𝑪:

Un convertisseur est un dispositif qui convertit en continu l'énergie d'une forme à une autre. Il
existe de nombreux types de ces appareils qui diffèrent en termes de complexité, de fiabilité et de
performances. De plus, les mécanismes de conversion d'énergie se présentent sous de nombreuses
formes, y compris les processus mécaniques, chimiques et électriques. Pour les systèmes
d'alimentation électroniques, il est préférable d'utiliser des convertisseurs qui convertissent
dynamiquement l'énergie lors de l'utilisation de processus électriques [29]. Les composants utilisés
dans ce processus sont : Commutateurs avec des composants passifs tels que des inductances, des
condensateurs et des convertisseurs. Pour réduire au maximum les pertes d'énergie potentielles,
l'utilisation de résistances est évitée ; pour chaque méthode de conversion de puissance une
méthode de liaison spécifique pour les composants, où les convertisseurs 𝐷𝐶 − 𝐷𝐶 convertissent
une tension continue d'un niveau à un autre, une tension électrique doit être fournie pour chaque
appareil car la tension de fonctionnement de ces appareils électroniques diffère de d'un appareil à
l'autre, y compris : les circuits intégrés et les 𝑀𝑂𝑆𝐹𝐸𝑇. Avec l'application de convertisseurs 𝐷𝐶 −
𝐷𝐶, la réponse transitoire, l'ondulation et la charge du circuit peuvent être modifiées. Les pièces et

29
 Chapitre II Modélisation des convertisseurs DC-DC
:
composants externes optimaux sont liés aux conditions de fonctionnement, y compris les
spécifications d'entrée et de sortie. Les circuits standard diffèrent d'un produit à l'autre. Par
conséquent, lors de la conception de ces produits, les circuits standard doivent être changés ou
modifiés pour répondre aux exigences et spécifications individuelles de chaque produit. Concevoir
des circuits répondant à toutes les spécifications et exigences nécessite une grande expertise et
expérience dans ce domaine [30]. La forme la plus simple de conversion de puissance est la
conversion d'une tension alternative polyphasée d'une phase et d'une fréquence à une autre par
amplitude, phase et fréquence. Un convertisseur 𝐷𝐶 − 𝐷𝐶 est un circuit électronique qui convertit
le courant continu d'un niveau de tension à un autre selon les besoins. Ce convertisseur d'énergie
électrique fonctionne à des niveaux d'énergie qui peuvent être très faibles comme dans le cas des
batteries et peuvent être à des niveaux d'énergie très élevés comme dans le cas des systèmes de
transmission de puissance. Un convertisseur 𝐷𝐶 − 𝐷𝐶 peut produire très efficacement une tension
régulée à partir d'une source qui peut ou non être contrôlée avec une charge fixe ou variable,
assurant ainsi la régulation du système ainsi que la modification du niveau de tension requis.

2.2. Principe de fonctionnement du convertisseur 𝑫𝑪 − 𝑫𝑪:

Le convertisseur 𝐷𝐶 − 𝐷𝐶 fonctionne très simplement. La résistance d'entrée contient

l'inducteur, ce dernier ayant un changement imprévisible du courant d'entrée, où il y a deux états :

Le premier cas : Si l'interrupteur est fermé c'est-à-dire : en fonctionnement (𝑂𝑁), l'inductance

alimente l'énergie de l'entrée et stocke l'énergie sous forme d'énergie magnétique.

Le deuxième cas : Si l'interrupteur est ouvert, c'est-à-dire éteint (𝑂𝐹𝐹), il décharge

l'alimentation. Ici, la sortie du condensateur est supposée être élevée, ce qui est suffisant pour la
constante de temps du circuit RC côté sortie. L'énorme constante de temps est comparée à la période
de commutation et garantit que l'état stable est une tension de sortie stable. Il doit être 𝑉0 (𝑡) =
𝑉0 (𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡) et présent à la borne de recharge [32].

2.3. Classification des convertisseurs 𝑫𝑪 − 𝑫𝑪

Il existe de nombreux types de convertisseurs 𝐷𝐶 − 𝐷𝐶, y compris le convertisseur linéaire,

connu sous le nom de convertisseur 𝐷𝐶 − 𝐷𝐶 à régulateur de tension linéaire, ce dernier est
considéré comme le type le plus simple de convertisseur 𝐷𝐶 − 𝐷𝐶, Un régulateur de tension
linéaire ne peut fonctionner que comme un convertisseur 𝐷𝐶 − 𝐷𝐶 abaisseur, ce qui signifie qu'il
ne fera qu'abaisser un niveau de tension plus élevé. En tant que régulateur, il garantit également
que la tension de sortie est maintenue à une valeur spécifique, même si la charge de sortie est
variable un type plus efficace de convertisseurs 𝐷𝐶 − 𝐷𝐶 est le convertisseur 𝐷𝐶 − 𝐷𝐶 à

30
 Chapitre II Modélisation des convertisseurs DC-DC
:
découpage. Il existe de nombreuses topologies de conversion 𝐷𝐶 − 𝐷𝐶, Les topologies les plus
couramment utilisées sont présentées dans Fig.II.2 ci-dessous. Avant les convertisseurs 𝐷𝐶 − 𝐷𝐶
à commutation, les convertisseurs linéaires étaient couramment utilisés. Le régulateur de tension
linéaire (convertisseur 𝐷𝐶 − 𝐷𝐶) se décline en deux topologies principales : le régulateur de
tension shunt et le régulateur de tension série. [30] Dans ce type de régulateurs de tension, les
transistors fonctionnent dans la région active en tant que sources de courant dépendantes avec des
chutes de tension relativement élevées à des courants élevés, dissipant une grande quantité
d'énergie. En raison de la dissipation de puissance élevée, l'efficacité d'un régulateur de tension
linéaire est généralement faible. Les régulateurs linéaires ont tendance à être lourds et volumineux,
mais ont l'avantage d'un faible niveau de bruit et conviennent aux applications audio [33].

Fig.II. 2. Classification des convertisseurs 𝐷𝐶 − 𝐷𝐶

2.3.1. Le régulateur de tension shunt simple :

Simplement appelé régulateur shunt, est un type de régulateur de tension où le composant de

régulation dérive le courant vers la terre. Le régulateur shunt fonctionne en maintenant une tension
constante entre ses bornes et il absorbe le courant supplémentaire pour maintenir la tension aux
bornes de la charge électrique. le régulateur de tension shunt simple illustré à la Fig.II.3 [33]:

31
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 3. Régulateur de tension shunt simple

2.3.2. Le régulateur de tension en série simple :

Également appelé régulateur de passage en série, il est le plus souvent utilisé pour fournir une régulation
de tension finale dans une alimentation régulée linéaire. Le régulateur linéaire en série assure d'excellentes
performances de tension de sortie avec une faible ondulation et un faible bruit, le régulateur de tension en
série simple illustré à la Fig.II.4 :

Fig.II. 4. Régulateur de tension série simple

2.3.3. Quelques topologies des convertisseurs 𝑫𝑪 − 𝑫𝑪 :

Il existe plusieurs topologies de convertisseurs 𝐷𝐶 − 𝐷𝐶 dont les plus importantes sont :

2.3.3.1 Convertisseurs abaisseur (Buck)

C'est un convertisseur qui convertit la tension d'entrée en une tension de sortie de valeur
inférieure (une tension d'entrée supérieure à sa tension de sortie), c'est-à-dire l'inverse du travail du
convertisseur 𝐵𝑜𝑜𝑠𝑡 . Il est utilisé comme convertisseur de source de charge. Le schéma de

32
 Chapitre II Modélisation des convertisseurs DC-DC
:
principe de base est montré dans la Fig.II.5 [32] :

Fig.II. 5. Convertisseur Buck

• Le principe de fonctionnement du convertisseur Buck est le suivant :

Le convertisseur 𝐵𝑢𝑐𝑘 fonctionne dans deux cas, Cas 1 : L'interrupteur 𝑆 est fermé et Cas 2 :
L'interrupteur 𝑆 est ouvert.

Cas 1 : L'interrupteur 𝑆 est fermé, le courant passe de la tension d'alimentation 𝑉𝑖 à travers

l'inductance et dans la charge, chargeant l'inductance à travers elle et augmentant son champ
magnétique et augmentant 𝑉0. La diode 𝐷 sera polarisée en inverse, donc Bloquer le chemin actuel.

L'inductance réduit l'ondulation du courant qui la traverse et la tension de sortie contiendra moins
d'ondulation puisque le courant circulant dans la résistance de charge est le même que dans outil
d'induction. Dans le même temps, le courant à travers l'inductance augmente et l'énergie stockée
augmente. La Fig.II.5.a illustre ce cas :

Fig.II.5. a. Topologies du Convertisseur Buck (𝑆 = 1)

33
 Chapitre II Modélisation des convertisseurs DC-DC
:
Cas 2 : Lorsque 𝑉0 atteint la valeur désirée, l'interrupteur 𝑆 est ouvert et la diode 𝐷 est allumée. La
Fig.II.5.b illustre ce cas :

Fig.II.5. b. Topologies du Convertisseur Buck (𝑆 = 0)

En appliquant les lois de Kirchhoff aux deux cas : Cas1 : (Interrupteur fermée) et Cas 2
(Interrupteur ouverte), Les équations du convertisseur sont obtenues :

a) L’interrupteur est fermé (𝑆 = 1) et en appliquant les lois Kirchhoff au circuit on obtient les
équations suivantes :
𝑑𝑖
𝐿 𝑑𝑡 = 𝑉0 − 𝑉𝑖 (II.1)
𝑑𝑉0 𝑉0
𝐶 = 𝑖𝐿 − (II.2)
𝑑𝑡 𝑅

b) l'interrupteur est ouvert (𝑆 = 0), on trouve les modificateurs suivants :

𝑑𝑖
𝐿 𝑑𝑡 = −𝑉0 (II.3)

𝑑𝑉0 𝑉0
𝐶 = 𝑖𝐿 − (II.4)
𝑑𝑡 𝑅

En combinant les deux situations, on peut obtenir un seul modèle unifié qui est :
𝑑𝑖 1 𝑉𝑖
= − 𝐿 𝑉0 + 𝑆 (II.5)
𝑑𝑡 𝐿

𝑑𝑉0 1 1
= 𝐶 𝑖𝐿 − 𝑅𝐶 𝑉𝑜 (II.6)
𝑑𝑡

2.3.3.2. Convertisseur élévateur (Boost) :

Le convertisseur Boost est utilisé lorsque l'on veut augmenter la tension fournie par la source, il
convertit la tension d'entrée en une tension plus élevée en sortie (une tension de sortie supérieure
à sa tension d'entrée) Il s'agit d'une classe d'alimentation à découpage contenant au moins deux
interrupteurs à semi-conducteurs (une diode et un transistor) et au moins un élément de stockage
d'énergie. Des filtres constitués de condensateurs (parfois en combinaison avec des inductances)

34
 Chapitre II Modélisation des convertisseurs DC-DC
:
sont normalement ajoutés à la sortie du convertisseur pour réduire l'ondulation de la tension de
sortie le schéma de principe de base est indiqué dans la Fig.II.6 [40].

Fig.II.6. Convertisseur Boost

• Le principe de fonctionnement du convertisseur 𝑩𝒐𝒐𝒔𝒕 est le suivant :

Cas 1 : Si l'interrupteur 𝑆 = 1 est fermé, le courant circule dans l'inductance L et l'interrupteur 𝑆
revient à la source, l'énergie est stockée sous forme de champ magnétique. Le signe des bornes
𝐿 est +𝑉𝑖 à gauche et −𝑉𝑖 à droite. La Fig.II.6.a illustre ce cas.

Fig.II.6. a. Topologies du Convertisseur Boost. (𝑆 = 1)

Cas 2 : Si l'interrupteur 𝑆 = 0 est ouvert, le signal aux bornes 𝐿 est réfléchi à travers l'inductance.
Le côté droit devient +𝑉𝑖 et le côté gauche devient −𝑉𝑖. Le courant traverse L, la diode et le
condensateur, c'est-à-dire que le courant circule vers le condensateur depuis : la source et 𝐿 , donc
la valeur de la tension de sortie est supérieure à la tension d'entrée Par conséquent, il est chargé
avec une tension accrue. Où l'énergie stockée dans 𝐿 est transférée au condensateur 𝐶.

• Pendant la période où l'interrupteur 𝑆 est fermé et le côté droit du circuit est court-circuité, le
condensateur est déchargé dans la charge, c'est-à-dire un transfert d'énergie du condensateur vers

35
 Chapitre II Modélisation des convertisseurs DC-DC
:
la charge. La Fig.II.6.b illustre ce cas [40] .

Fig.II.6. b. Topologies du Convertisseur Boost (𝑆 = 0)

a) L’interrupteur est fermé (𝑆 = 1) et en appliquant les lois Kirchhoff au circuit on obtient les
équations suivantes :
𝑑𝑖
𝐿 𝑑𝑡 = 𝑉𝑖 (II.7)
𝑑 𝑉𝑜𝑢𝑡
𝐶 𝑉 (𝑡) =− (II.8)
𝑑𝑡 𝑜𝑢𝑡 𝑅

b) l'interrupteur est ouvert (𝑆 = 0), on trouve les modificateurs suivants :

𝑑𝑖
𝐿 𝑑𝑡 = 𝑉𝑖 − 𝑉𝑜𝑢𝑡 (II.9)
𝑑 𝑉𝑜𝑢𝑡
𝐶 𝑑𝑡 𝑉𝑜𝑢𝑡 (𝑡) = 𝑖 − (II.10)
𝑅

En comparant le cas 𝑆 = 0 et le cas 𝑆 = 1, nous pouvons obtenir un modèle unifié :

𝑑𝑖 1 (1−𝑑)
= 𝐿 𝑉𝑖 − 𝑉𝑜𝑢𝑡 (II.11)
𝑑𝑡 𝐿
𝑑 1−𝑑 1
𝑉𝑜𝑢𝑡 (𝑡) = 𝑖𝐿 − 𝑉 (II.12)
𝑑𝑡 𝐶 𝑅𝐶 𝑜𝑢𝑡

2.4. Dimensionnement du convertisseur 𝑫𝑪 − 𝑫𝑪

La résistance au point de puissance maximale 𝑅𝑚𝑝𝑝 est calculée en fonction de la tension au point
de puissance maximale 𝑉𝑚𝑝𝑝 et du point de puissance maximal courant 𝐼𝑚𝑝𝑝 comme indiqué dans
l'équation suivante :

𝑉𝑚𝑝𝑝
𝑅𝑚𝑝𝑝 = (II.13)
𝐼𝑚𝑝𝑝

2.4.1. Résistance de sortie

Supposons que le système est idéal et que la puissance d'entrée est égale à la puissance de sortie
comme indiqué dans l'équation suivante :

36
 Chapitre II Modélisation des convertisseurs DC-DC
:
𝑉𝑚𝑝𝑝 2
2
𝑉𝑚𝑝𝑝 𝑉02 [ (1−𝐷) ]
= = (II.14)
𝑅𝑚𝑝𝑝 𝑅0 𝑅0

Où : 𝑉0 est la tension de sortie Il est donné comme suit :

𝑅0
𝑉0 = 𝑉𝑚𝑝𝑝 √𝑅 (II.15)
𝑚𝑝𝑝

Où 𝑉𝑚𝑝𝑝 est la tension au point de puissance maximale, 𝑅𝑚𝑝𝑝 est la résistance au point de puissance
maximale 𝑉0 est la tension de sortie, 𝑅0 est la résistance de sortie et 𝐷 est le rapport cyclique.

A partir l'Eq.II.14 l'équation est simplifiée et la relation entre 𝑅0 , 𝑅𝑚𝑝𝑝 et 𝐷 sont obtenus, cette
relation est représentée par l'Eq.II.16 ou l'Eq.II.17

𝑅𝑚𝑝𝑝
𝑅0 = (1−𝐷)2 (II.16)

𝑅𝑚𝑝𝑝
𝐷 =1−√ (II.17)
𝑅0

Une résistance 𝑅0 spécifique est nécessaire pour permettre le bon fonctionnement du MPP. La
plage de 𝑅0 est calculée à l'aide de l'Eq.II.16 avec différents 𝐷 et 𝑅𝑚𝑝𝑝 .

2.4.2. Inductance
L'inductance du convertisseur Boost L est calculée à l'aide de l'Eq.II.18
𝑉 .𝐷
𝐿 = ∆𝑖𝑠 (II.18)
𝐿𝑓

Où : 𝑉𝑠 est la tension d'entrée, ∆𝑖𝐿 est le courant d'ondulation de l'inductance et 𝑓 est la fréquence
de commutation, 𝑉𝑠 est égal à 𝑉𝑚𝑝𝑝 et ∆𝑖𝐿 est le produit du courant d'inductance moyen 𝐼𝐿 et du
facteur d'ondulation du courant d'inductance 𝛾𝐼𝐿 , 𝐼𝐿 est égal à 𝐼𝑚𝑝𝑝 puisque le courant moyen du
condensateur d'entrée ici est égal à zéro, 𝐿 pour l'application 𝑀𝑃𝑃 est illustré en l'Eq.II.19.

𝑉𝑚𝑝𝑝 .𝐷
𝐿= (II.19)
𝐼𝑚𝑝𝑝 .𝛾𝐼𝐿 .𝑓

2.4.3. Capacité d'entrée

Le changement de charge dans 𝐶1 , ∆𝑄 et l'ondulation du courant d'inductance ∆𝑖𝐿 sont calculés à
l'aide de l'Eq.II.20 et l'Eq.II.21 respectivement :

1 T ∆iL ∆iL
∆Q = 2 . (2) . ( )= (II.20)
2 8f
Vmpp .D
∆iL = (II.21)
L.f

Où : T est la période.

D'après la définition de la capacité, la relation entre l’ondulation de tension au point de

37
 Chapitre II Modélisation des convertisseurs DC-DC
:
puissance ∆Vmpp et ∆Q est indiquée en l’Eq.II.22

∆𝑄
∆𝑉𝑚𝑝𝑝 = 𝑉𝑚𝑝𝑝 . 𝛾𝑉𝑚𝑝𝑝 = (II.22)
𝐶𝑖

Où : 𝐶1 est la capacité d'entrée et 𝛾𝑉𝑚𝑝𝑝 est le facteur d'ondulation de tension de point de puissance
maximum. En substituant l'Eq.II.13, l'Eq.II.20 et l'Eq.II.21 dans l'Eq.II.22 𝐶1 est déterminé comme
indiqué en l'Eq.II.23. Un petit changement de 𝑉𝑚𝑝𝑝 entraîne un grand changement de 𝐼𝑚𝑝𝑝 . Pour
s'assurer que le fonctionnement est maintenu près du point de puissance maximum, 𝛾𝑉𝑚𝑝𝑝 a besoin
être petit.

𝐷
𝐶1 = 8𝐿𝛾 2
(II.23)
𝑉𝑚𝑝𝑝 𝑓

2.4.4. Capacité de sortie

La capacité de sortie 𝐶2 d'un convertisseur Boost est calculée en utilisant l'Eq.II.24
𝐷
𝐶2 = 𝑅 (II.24)
0 .𝛾𝑉0 .𝑓

Où : 𝛾𝑉0 est le facteur d'ondulation de la tension de sortie en remplaçant l'Eq.II.23 dans

l'Eq.II.24, 𝐶2 pour le convertisseur Boost au le 𝑀𝑃𝑃 est calculé en utilisant l'Eq.II.25

𝐷(1−𝐷)2
𝐶2 = 𝑅 (II.25)
𝑚𝑝𝑝 .𝛾𝑉0 .𝑓

Pour indiquer que le dimensionnement du convertisseur 𝐵𝑢𝑐𝑘 est le même que le dimensionnement
du convertisseur Boost, la seule différence est dans le condensateur d entré dans le convertisseur
Boost est 𝐶1 et dans le convertisseur Buck 𝐶2 et vice versa dans la sortie.

Le tableau suivant présente les dimensionnements du convertisseur 𝐷𝐶 − 𝐷𝐶, qui sont calculés à
l'aide des formules ci-dessus :

Le tableau suivant présente les dimensionnements du convertisseur 𝐷𝐶 − 𝐷𝐶, qui sont calculés à
l'aide des formules ci-dessus :

38
 Chapitre II Modélisation des convertisseurs DC-DC
:

Tabl.II. 1. Les paramètres du convertisseur 𝐷𝐶 − 𝐷𝐶.

Paramètre Value Unit

𝑓 5 𝑘ℎ𝑧
Les paramètres ∆𝑖𝐿 0.012056 𝐴
utilisés dans les
calcules ∆𝑄 0.00030 A

∆𝑉𝑚𝑝 0.064 𝑉

𝐶1 4700 𝜇𝐹
Paramètres du
convertisseur 𝐶2 1200 𝜇𝐹
Boost calculés
𝐿 0.4 𝑚𝐻

Charge 𝑅
500 Ω
resistive

2.5. Proposition d'un modèle de Convertisseur Buck linéaire à l'aide du logiciel

𝑴𝒂𝒕𝒍𝒂𝒃®/𝑺𝒊𝒎𝒖𝒍𝒊𝒏𝒌
Le modèle linéaire du convertisseur Buck est construit à l'aide des packages
𝑀𝐴𝑇𝐿𝐴𝐵®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 , ce but est atteint en établissant l'Eq.II.5 et l'Eq.II.6 graphiquement, Par
conséquent, la Fig.II.7 montre un bloc de convertisseur 𝐵𝑢𝑐𝑘 dans logiciel Matlab®/Simulink. Il
représente également l'entrée et la sortie du modèle faible signal linéaire requis. (Dans notre system
on a utilisé les paramètres cités dans tableau II.1).

39
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 7. Modèle linéaire faible signal du convertisseur Buck implémenté eu logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘.

❖ Les étapes du calcule le modèle de faible signal linéaire graphiquement :

Le calcul graphique du modèle de faible signal linéaire souhaité nécessitant la procédure
suivante :

• Spécification les points d'entrée et de sortie du modèle linéaire faible signal à concevoir. Dans le
présent contexte, le rapport cyclique ainsi que la tension 𝑉𝑜 .

• Dans l'interface graphique de logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘, on clique sur les boutons : analysis,
control design and then linear analysis.

• Dans linear analysis tool window, on crée un nouveau point de fonctionnement à l'aide de 'Trim
model'. Ensuite, on sélectionne la spécification du point de fonctionnement en tant qu'état stable et
on commence à ajuster. Ce dernier génère le point de fonctionnement stationnaire.

• Maintenant, dans le bouton de linear analysis tool, la variable de point de fonctionnement

nouvellement créée est sélectionnée à la place du point de fonctionnement.

• Le diagramme de Bode est déterminé pour l'analyse de fréquence du modèle linéaire du petit
signal de sortie, le diagramme de Bode est illustré à la Fig.II.8 :

40
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 8. Diagramme de Bode de convertisseur Buck

• Le modèle sélectionné est envoyé dans Workspace du 𝑙𝑜𝑔𝑖𝑐𝑖𝑒𝑙 𝑀𝑎𝑡𝑙𝑎𝑏® pour extraire l'espace
d'état du convertisseur Buck comme suit :

0 −2500
𝐴=[ ]
833.3 −1.667
6.575𝑒4
𝐵=[ ] (II.20)
0
𝐶 = [0 1]
{𝐷 = 0

En utilisant l'espace d'état précédent et à l'aide de logiciel 𝑀𝑎𝑡𝑙𝑎𝑏® , nous obtenons la fonction de
transfère 𝐺1 (𝑠) de convertisseur Buck suivante :

5.479×107
𝐺1 (𝑠) = 𝑆2 +1.667×𝑆+2.083×106 (II.21)

En utilisant la fonction de transfère et la commande sous logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®𝑝𝑖𝑑𝑡𝑜𝑜𝑙 nous trouvons

les paramètres du régulateur 𝑃𝐼𝐷 comme suit :

𝐾𝑝 = 0.4487
{𝐾𝑖 = 272 (II.22)
𝐾𝑑 = 0.000185

2.5.1 Validation du convertisseur (𝑩𝒖𝒄𝒌) :

En utilisant les mêmes données, citées précédemment dans le tableau II.1 et utilisant le modèle
linéaire précédent, comme indique dans la Fig.II.9 ; le modèle linéaire obtenu est vérifié à l'aide
régulateur 𝑃𝐼𝐷; la Fig.II.10 montre la tension de sortie du convertisseur 𝐵𝑢𝑐𝑘 𝐷𝐶 − 𝐷𝐶

41
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 9. Montre le modèle de validation du convertisseur Buck en utilisant logiciel 𝑀𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘

• La tension désirée est fixée a 𝑉 = 26.3𝑉

• La tension entrée est fixée a 𝑉 = 326.34𝑉

Une tension de 316.34𝑉 est introduite en entrée du convertisseur DC-DC Buck, après
simulation une tension égale à 26.3𝑉 est obtenue en sortie égale à la tension désirée comme le
montre la Fig.II.10, c'est le principe de fonctionnement du convertisseur Buck, qui convertit la
tension d'entrée en une tension de sortie inférieure.

Ainsi, le modèle obtenu à partir du processus de modélisation graphiquement sur la base du

principe de faible signal étudié est validé.

42
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 10. La tension de sortie du convertisseur abaisseur (Buck)

2.6. Proposition d'un modèle de Convertisseur Boost linéaire à l'aide du logiciel

𝐌𝐚𝐭𝐥𝐚𝐛®/𝐒𝐢𝐦𝐮𝐥𝐢𝐧𝐤

Le modèle linéaire du convertisseur Boost est conçu graphiquement à l'aide des packages
𝑀𝑎𝑡𝑙𝑎𝑏® /𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘, en suivant les mêmes étapes citées dans paragraphe 2.4.3.1.1, Cet objectif
est atteint en créant l'Eq.II.11 et l'Eq.II.12, La Fig.II.11 montre un bloc du convertisseur 𝐵𝑜𝑜𝑠𝑡
dans logiciel 𝑀𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘.Il représente également l'entrée et la sortie du modèle faible signal
linéaire requis (Dans notre system on a utilisé les paramètres cités dans tableau II.1).

43
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 6. Modèle linéaire faible signal du convertisseur Boost implémenté sous logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘.

Nous suivons les mêmes étapes précédentes dans paragraphe 2.4.3.1.1 pour extraire le
diagramme de Bode indiqué dans la Fig.II.12 et l'espace d'état et la fonction de transfère du
convertisseur 𝐵𝑜𝑜𝑠𝑡

Fig.II. 7. Diagramme de Bode de convertisseur élévateur (Boost)

44
 Chapitre II Modélisation des convertisseurs DC-DC
:

• Le modèle sélectionné est envoyé dans Workspace du logiciel Matlab® pour extraire l'espace
d'état du convertisseur Boost comme suit :

0 −207.8
𝐴=[ ]
69.28 −1.667
−7.908𝑒5
𝐵=[ ] (II.29)
6342
𝐶 = [0 1]
{ 𝐷=0
En utilisant l'espace d'état précédent et à l'aide de logiciel 𝑀𝑎𝑡𝑙𝑎𝑏® , nous obtenons la fonction de
transfère 𝐺2 (𝑠) de convertisseur Boost suivante :

6342×𝑆−5.479×107
𝐺2 (𝑠) = 𝑆2 +1.667×𝑆+1.44×104 (II.31)

En utilisant la fonction de transfère et la commande de logiciel 𝑚𝑎𝑡𝑙𝑎𝑏 𝑝𝑖𝑑𝑡𝑜𝑜𝑙 nous trouvons les
paramètres du régulateur 𝑃𝐼𝐷 comme suit :

𝐾𝑝 = 0.004129
{𝐾𝑖 = 0.2351 (II.32)
𝐾𝑑 = −1.813𝑥10−5

2.6.1 Validation du convertisseur Boost :

En utilisant les mêmes données, citées précédemment dans le tableau II.1 et utilisant le modèle
linéaire précédent, comme indique dans la Fig.II.13, le modèle linéaire obtenu est vérifié à l'aide
régulateur 𝑃𝐼𝐷; la Fig.II.14 montre la tension de sortie du convertisseur 𝐵𝑜𝑜𝑠𝑡 𝐷𝐶 − 𝐷𝐶

Fig.II. 8. Montre le modèle de validation du convertisseur Boost en utilisant logiciel 𝑀𝐴𝑇𝐿𝐴𝐵®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘

45
 Chapitre II Modélisation des convertisseurs DC-DC
:

• La tension désirée est fixée a 𝑉 = 316.34𝑉

• La tension entrée est fixée a 𝑉 = 26.3𝑉

Une tension de 26.3V est introduite en entrée du convertisseur 𝐵𝑜𝑜𝑠𝑡 𝐷𝐶 − 𝐷𝐶, après
simulation une tension égale à 316.34V est obtenue en sortie égale à la tension désirée comme le
montre la Fig.II.14, C’est le principe de fonctionnement du convertisseur 𝐵𝑜𝑜𝑠𝑡 , qui convertit la
tension d'entrée en une plus grande tension à la sortie.

Ainsi, le modèle obtenu à partir du processus de modélisation graphiquement sur la base du

principe de faible signal étudié est validé.

Fig.II. 9. La tension de sortie du convertisseur Boost

2.7 Conception du modèle de faible signal linéaire

Pour régulation de tension doit être une conception préalable du modèle global faible signal. En
général la représentation de l'espace d'états correspondant est exprimée analytiquement à partir du
système d'interconnexion donné à la Fig.II.15.

46
 Chapitre II Modélisation des convertisseurs DC-DC
:
𝑳
𝒊𝒑𝒗 𝒊𝑳 𝑫𝒊𝒐𝒅𝒆 𝒊𝒐𝒖𝒕

𝒗𝒑𝒗 𝑪𝟏 Duty cycle 𝒗𝒐𝒖𝒕 𝑹

𝒅 𝑪𝟐

Fig.II. 10. Système d'interconnexion comprenant le 𝑃𝑉, le boost 𝐷𝐶 − 𝐷𝐶 et la charge résistive

Selon la Fig.II.15, il est facile de déterminer la représentation non linéaire de l'espace d'état du
schéma 𝑀𝑃𝑃 global comme ci-dessous :
𝑑 1 1
𝑣 (𝑡) = 𝐶 𝑖𝑝𝑣 (𝑡) − 𝐶 𝑖𝐿 (𝑡)
𝑑𝑡 𝑝𝑣 1 1
𝑑 1 1−𝑑
𝑖 (𝑡) = 𝑣𝑝𝑣 (𝑡) − 𝑣𝑜𝑢𝑡 (𝑡) (II.33)
𝑑𝑡 𝐿 𝐿 𝐿
𝑑 1−𝑑 1
𝑣 (𝑡) = 𝑖𝐿 (𝑡) − 𝑅𝐶 𝑣𝑜𝑢𝑡 (𝑡)
𝑑𝑡 𝑜𝑢𝑡 𝐶2 2

Où : 𝑑 est une commande de rapport cyclique à délivrer,𝐶1 et 𝐶2 sont respectivement les

condensateurs d'entrée et de sortie du convertisseur Boost 𝐷𝐶 − 𝐷𝐶 ,𝑖𝑜𝑢𝑡 et 𝑣𝑜𝑢𝑡 sont
respectivement son courant de sortie et sa tension de sortie, 𝑖𝐿 est le courant qui traverse
l'inductance 𝐿 et 𝑅 est la charge résistive.
2.7.1 Procédure analytique pour concevoir le modèle linéaire faible signal :
Lors du calcul du modèle à faible signal à partir d'une représentation d'état à état, donnée par
l'Eq.II.33 même si les harmoniques de commutation du convertisseur Boost 𝐷𝐶 − 𝐷𝐶 sont
supprimés, le résultat modèle moyenné est toujours non linéaire. Il faut donc appliquer le principe
des faibles signaux selon les étapes suivantes :
• Le vecteur d'état et les entrées variables sont définis pour le modèle global.
• le point de fonctionnement autour duquel la linéarisation doit être effectuée sont définis c'est-à-
dire le MPP fourni à 𝑆𝑇𝐶.
•Des perturbations, c'est-à-dire de petites variations, sont introduites dans toutes les entrées du
modèle, ce qui entraîne des perturbations dans toutes les variables d'état du modèle global.
• Les termes haute fréquence, les termes continus et non linéaires sont supprimés et ne conserver
que les composantes perturbées. En conséquence, la représentation moyenne de l'espace d'état du
modèle global est donnée en ne considérant que ces composants perturbés [34].
Il est important de mentionner que la perturbation appliquée à chaque variable d'état est donnée
comme suit :

47
 Chapitre II Modélisation des convertisseurs DC-DC
:
𝑉𝑝𝑣 (𝑡) = V𝑝𝑣𝑀𝑃𝑃 + 𝛿𝑉𝑝𝑣 (𝑡)
𝑖𝐿 (𝑡) = 𝐼𝐿𝑀𝑃𝑃 + 𝛿𝑖𝐿 (𝑡)
𝑉𝑜𝑢𝑡 (𝑡) = V𝑜𝑢𝑡𝑀𝑃𝑃 + 𝛿𝑉𝑜𝑢𝑡 (𝑡) (II.34)
𝑑(𝑡) = 𝐷𝑀𝑃𝑃 − 𝛿𝑑(𝑡)
𝑖𝑝𝑣 (𝑡) = I𝑀𝑃𝑃 + 𝛿𝑖𝑝𝑣 (𝑡)
Où la variable sigma, c'est-à-dire 𝛿𝑥(𝑡) est la valeur de perturbation ajoutée à la valeur constante
en régime permanent 𝑋𝑀𝑃𝑃 de la variable d'état 𝑋(𝑡)
𝑑 1 1
𝑉𝑀𝑃𝑃 + 𝛿𝑉𝑝𝑣 = 𝐶 𝐼𝑀𝑃𝑃 + 𝛿𝑖𝑝𝑣 − 𝐶 (𝐼𝐿𝑀𝑃𝑃 + 𝛿𝑖𝐿 )
𝑑𝑡 1 1
𝑑 1 1−(𝐷𝑀𝑃𝑃 +𝛿𝑑)
(𝐼𝐿𝑀𝑃𝑃 + 𝛿𝑖𝐿 ) = 𝐿 𝑉𝑀𝑃𝑃 + 𝛿𝑉𝑝𝑣 − (𝑉𝑜𝑢𝑡𝑀𝑃𝑃 + 𝛿𝑉𝑜𝑢𝑡 ) (II.35)
𝑑𝑡 𝐿
𝑑 1−(𝐷𝑀𝑃𝑃 +𝛿𝑑) 1
(𝑉𝑜𝑢𝑡𝑀𝑃𝑃 + 𝛿𝑉𝑜𝑢𝑡 ) = (𝐼𝐿𝑀𝑃𝑃 + 𝛿𝑖𝐿 ) − 𝑅.𝐶 (𝑉𝑜𝑢𝑡𝑀𝑃𝑃 + 𝛿𝑣𝑜𝑢𝑡 )
𝑑𝑡 𝐶2 2

A partir de l'Eq.II.35 le problème principal est de trouver la relation entre 𝑖𝑝𝑣 et 𝑣𝑝𝑣 au point (𝐼𝑀𝑃𝑃 ,
𝑉𝑀𝑃𝑃 ). Ce problème est résolu en étudiant la linéarité des caractéristiques 𝐼 − 𝑉 dans le premier
chapitre et l'Eq.II.36 est obtenue, ce qui confirme que le courant de sortie attendu au point 𝑀𝑃𝑃
est dérivé d'un circuit électrique simplifié contenant uniquement la source de tension équivalente
et résistance l'équivalent.
1
𝐼𝑀𝑃𝑃 + 𝛿𝑖𝑝𝑣 (𝑡) = 𝑅 [𝑉𝑒𝑞 − (𝑉𝑀𝑃𝑃 + 𝛿𝑣𝑝𝑣 (𝑡))] (II.36)
𝑒𝑞

En remplaçant l'Eq.II.36 dans l'Eq.II.35, la représentation de l'espace d'état du modèle linéaire à

faible signal peut être calculée à partir de l'Eq.II.37, donnée par :
𝑑 1 1
𝑉𝑀𝑃𝑃 + 𝛿𝑉𝑝𝑣 −𝐶 0
𝑅𝑒𝑞 𝐶1
𝑑𝑡 1 𝑉𝑒𝑞 − 𝑉𝑀𝑃𝑃 + 𝛿𝑉𝑝𝑣
𝑑 1 1−(𝐷𝑀𝑃𝑃 −𝛿𝑑)
(𝐼𝐿𝑀𝑃𝑃 + 𝛿𝑖𝐿 ) = 0 [ 𝐼𝐿𝑀𝑃𝑃 + 𝛿𝑖𝐿 ] (II.37)
𝑑𝑡 𝐿 𝐿
𝑑 1−(𝐷𝑀𝑃𝑃 −𝛿𝑑) 1 𝑉𝑜𝑢𝑡𝑀𝑃𝑃 + 𝛿𝑉𝑜𝑢𝑡
[𝑑𝑡 (𝑉𝑜𝑢𝑡𝑀𝑃𝑃 + 𝛿𝑉𝑜𝑢𝑡 )] [ 0 𝐶2
− 𝑅𝐶
2 ]
La représentation de l'espace d'état du modèle linéaire à faible signal est donnée en supprimant
tous les paramètres d'état stable et toutes les variations de second ordre de chaque paramètre cela
conduit aux équations d'état et à l'équation de sortie représentant le modèle linéaire à faible signal
ceux-ci sont donnés par :
𝑑 1 1
𝛿𝑣𝑝𝑣 (𝑡) −𝑅 −𝐶 0 0
𝑑𝑡 𝑒𝑞 𝐶1 1 𝛿𝑉𝑝𝑣 (𝑡) 𝑉𝑜𝑢𝑡𝑀𝑃𝑃
𝑑 1 1−𝐷𝑀𝑃𝑃 − 𝐿
𝛿𝑖𝐿 (𝑡) = 0 [ 𝛿𝑖𝐿 (𝑡) ] + 𝛿𝑑(𝑡) (II.38)
𝑑𝑡 𝐿 𝐿 𝐼𝐿𝑀𝑃𝑃
𝑑 1−𝐷𝑀𝑃𝑃 1 𝛿𝑉𝑜𝑢𝑡 (𝑡)
[𝑑𝑡 𝛿𝑣𝑜𝑢𝑡 (𝑡)] [ 0 𝐶2
− 𝑅𝐶2] [ 𝐶2 ]

Où l'Eq.II.38 permet le calcul de la fonction de transfert 𝐺(𝑠) qui associe la variation de contrôle
𝛿𝑑(𝑠) à la sortie 𝛿𝑉𝑝𝑣 (𝑠) du modèle où l'acronyme général de la fonction de domaine fréquentiel
𝛿𝑋(𝑠) est la transformée de Laplace de la fonction de domaine temporel 𝛿𝑥(𝑡)

48
 Chapitre II Modélisation des convertisseurs DC-DC
:
2.8. Proposition de linéarisation du modèle global à l'aide du logiciel
𝐌𝐚𝐭𝐥𝐚𝐛®/𝐒𝐢𝐦𝐮𝐥𝐢𝐧𝐤
Cette partie se concentre sur la conception du modèle linéaire faible signal composant des trois
dispositifs, qui sont le 𝐺𝑃𝑉, le convertisseur Boost 𝐷𝐶 − 𝐷𝐶 et la charge résistive à l'aide des
packages du logiciel 𝑀𝑎𝑡𝑙𝑎®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘,cet objectif est atteint en construisant graphiquement le
système d'équations donné par l'Eq.II.38. Par conséquent, la Fig.II.16 montre la réalisation de
chaque équation d'état mentionnée ci-dessus. Cependant, la Fig.II.17 fournit le bloc global du
modèle par logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 incluant les trois équations d'état. Il représente également
l'entrée et la sortie du modèle de petit signal linéaire souhaité [34].

Fig.II. 11. Réalisation des trois équations d'état du modèle linéaire faible signal

49
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 12. Modèle linéaire faible signal établi par les blocs 𝑀𝐴𝑇𝐿𝐴𝐵®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘

Le calcul graphique du modèle linéaire faible signal requis nécessite l'application des mêmes
procédures que dans le paragraphe 2.4.3.1.1. Il convient de noter ici que les points d'entrée et de
sortie pour le modèle linéaire faible signal à être conçus sont : la variation du rapport cyclique 𝛿𝑑
en plus de la variation de la tension photoélectrique 𝛿𝑣𝑝𝑣 , respectivement, les points d'entrée et de
sortie prédéterminés par le concepteur.

Par conséquent, l'utilisation des données précédentes et les données de tableau II.1 permet
d'obtenir la fonction de transfert du modèle linéaire à fiable signal qui associe l'entrée de la
variation du rapport cyclique 𝛿𝑑(𝑠) à la sortie de la variation de tension 𝛿𝑣𝑝𝑣 (𝑠). Il est donné
comme ci-dessous :
168.27×106 (𝑠+3.333)
𝐺(𝑠) = (𝑠+3.3104)(𝑠+31.181−738.41 𝑖)(𝑠+31.181+738) (II.34)

La Fig.II.18. Montre le diagramme de Bode du système photovoltaïque composé de.𝐺𝑃𝑉, 𝐵𝑜𝑜𝑠𝑡

et la charge résistive [34].

50
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 13. Diagramme de Bode de la fonction de transfert du système photovoltaïque

2.9. Simulation du système composé du GPV connecté au convertisseur Boost et

une charge par 𝒔𝒊𝒎𝒖𝒍𝒊𝒏𝒌/𝑴𝒂𝒕𝒍𝒂𝒃®
Le système photovoltaïque composé d'un 𝐺𝑃𝑉 , d'un convertisseur 𝐵𝑜𝑜𝑠𝑡 𝐷𝐶 − 𝐷𝐶 et d'une
charge est simulé comme indiqué dans la Fig.II.19, nous prenons un rapport cyclique aléatoire 𝑑 =
0.7 dans différentes valeurs de rayonnement solaire et de température. Nous obtenons la tension,
le courant et la puissance de sortie du système photovoltaïque, comme le montrent la Fig.II.20,
Fig.II.21 et Fig.II.22.

51
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 14. Montre la réalisation du système photovoltaïque (𝐺𝑃𝑉 connecté au convertisseur Boost 𝐷𝐶 − 𝐷𝐶 et
charge) sous logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/Simulink.

La Fig.II.20 montre la tension de sortie du système 𝑉𝑃𝑉 = 32.5V pour 𝑑= 0,7 et en 𝑆𝑇𝐶, puis à T=
2 𝑠 et au rayonnement solaire 𝐺 = 800 𝑊/𝑚2et température 𝑇 = 15𝐶° la tension augmente
légèrement jusqu'à 𝑉𝑃𝑉 = 32.9V et reste constante le reste du temps.

Fig.II. 15. La tension photovoltaïque VPV fournie à différentes valeurs de rayonnements et températures pour 𝑑 =
0.7

La Fig.II.21 montre le courant de sortie du système environ 𝐼𝑃𝑉 = 8 𝐴 diminuant à 0.9𝐴 pour d=
0.7 en STC, à 𝑇 = 2𝑠 et au rayonnement solaire G=800 w/m 2 et température 𝑇 = 15𝐶° Le courant
augmente légèrement jusqu'à 𝐼𝑃𝑉 = 2 𝐴, puis redescend pour revenir à une valeur de 𝐼𝑃𝑉 = 0.9 𝐴
et reste constant le reste du temps.

52
 Chapitre II Modélisation des convertisseurs DC-DC
:

Fig.II. 16. courant photovoltaïque 𝐼𝑃𝑉 fournie à différentes valeurs de rayonnements et températures pour 𝑑 = 0.7

La Fig.II.22 montre la puissance de sortie du système autour de 𝑃𝑃𝑉 = 200 𝑊 diminuant à 22 𝑊

pour 𝑑 = 0.7 en 𝑆𝑇𝐶 , à 𝑇 = 2𝑠 et au rayonnement solaire 𝐺 = 800 𝑤/𝑚2et température 𝑇 =
15𝐶° la puissance augmente légèrement pour atteindre 𝑃𝑃𝑉 = 70 𝑊, puis redescend pour revenir
à une valeur de 𝑃𝑃𝑉 = 25𝑊 et reste constant le reste du temps.

Fig.II. 17. Puissance photovoltaïque 𝑃𝑃𝑉 fournie à différentes valeurs de rayonnements et températures pour 𝑑 = 0.7

53
 Chapitre II Modélisation des convertisseurs DC-DC
:
2.10. Discussion des résultats obtenus à l'aide de simulations dans 𝑴𝒂𝒕𝒍𝒂𝒃®

Dans la simulation du système composé d'un 𝐺𝑃𝑉, d'un convertisseur Boost 𝐷𝐶 − 𝐷𝐶 et d'une
charge, une valeur aléatoire du rapport cyclique 𝑑 = 0.7 a été prise à différentes valeurs de
rayonnement solaire et de température. Nous avons trouvé que la puissance obtenue est d'environ
𝑃 = 25𝑊 très loin du point de puissance maximale 𝑃𝑀𝑃𝑃 = 200.143 𝑊 du panneau
𝑃𝑉 𝐾𝐶200𝐺𝑇 illustré aux la Fig.II.15 et la Fig.II.16 du premier chapitre, ce qui signifie que les
performances du panneau sont très mauvaises, ce qui signifie une grande perte d'énergie, Par
conséquent, il faut atteindre un rapport cyclique idéal qui nous permette d'extraire le maximum
puissance du système.

54
 Chapitre II Modélisation des convertisseurs DC-DC
:
2.11. Conclusion :
Dans ce chapitre, des généralités sur les convertisseurs sont données, puis les
dimensionnements du convertisseur 𝐷𝐶 − 𝐷𝐶 ont été déterminés à l'aide d'un ensemble de lois,
puis nous mettons en évidence un certain nombre de topologies de convertisseurs 𝐷𝐶 − 𝐷𝐶 les
plus couramment utilisées (𝐵𝑢𝑐𝑘, 𝐵𝑜𝑜𝑠𝑡) ; Le diagramme de Bode, l'espace d'état et la fonction
de transfère de deux convertisseurs 𝐵𝑢𝑐𝑘 et 𝐵𝑜𝑜𝑠𝑡 ont été extraits à l'aide d'une nouvelle méthode
et valider les deux en utilisant logiciel 𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘. Le type de convertisseur est choisi en
fonction de l'étude et du type de système à étudier, chaque type de ces convertisseurs présente des
avantages et des inconvénients, il faut donc choisir précisément le convertisseur qui correspond
aux exigences de l'étude. Dans ce travail, le convertisseur Boost sera sélectionné en raison de son
gain élevé, de sa capacité élevée, de la simplicité du circuit pour générer les tensions et courants
requis, et de sa capacité à adapter les panneaux solaires aux différentes charges PV, et parce que
nous avons besoin d'une tension de sortie plus élevée, cela convient à notre étude. Enfin, le système
composé d'un 𝐺𝑃𝑉, d'un convertisseur 𝐵𝑜𝑜𝑠𝑡 et d'une charge résistive a été simulé à différentes
valeurs de rayonnement solaire et de température, et une valeur de rapport cyclique aléatoire a été
prise ,selon les résultats obtenus à partir de la simulation le système est affecté par le rayonnement
solaire et la température, la valeur du rapport cyclique qui a été choisie 𝑑 = 0.7 n'était pas idéale,
car la puissance a été obtenue par environ 𝑃 = 25 𝑊, ce qui est une valeur éloignée de la puissance
maximale, qui est égale à 𝑃 = 200.143 𝑊.

Le système photovoltaïque fonctionne parfaitement au point 𝑀𝑃𝑃 , qui change avec le changement de
rayonnement solaire et de température, et cela affecte la tension et le courant de sortie du système et donc
affecte sur la puissance du système, par conséquent, il est très important d'utiliser un système robuste basé
sur suive de ce point, à travers lequel un rapport cyclique idéal pour le système qui garantit une extraction
puissance maximale est obtenu, et cela fera l'objet d'étude dans le chapitre suivent .

55
 Chapitre III :
Commande en mode direct et indirect en
tension du system panneau
photovoltaïque
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

3. Introduction :

Aujourd'hui, les systèmes photovoltaïques occupent l'avant-garde dans le monde des systèmes
de conversion d'énergie renouvelable en raison des grandes quantités d'énergie qu'ils fournissent
par conversion directe de l'énergie solaire.

Le système photovoltaïque fonctionne parfaitement au point 𝑀𝑃𝑃, le but de la plupart des

ingénieurs est d'extraire le maximum de puissance de ces systèmes ; la difficulté réside dans le
maintien de cette puissance maximale 𝑀𝑃𝑃 car sa localisation varie avec le rayonnement solaire
et la température ambiante, qui affecte sur le courant et la tension, et donc affecte sur la puissance
du système, c'est-à-dire qu'il affecte sur l'efficacité du système photovoltaïque entier, par
conséquent, il est très important de contrôler la position de 𝑀𝑃𝑃, qui est l'objectif principal de
notre étude, ce dernier est assuré grâce à l'utilisation d'algorithmes 𝑀𝑃𝑃𝑇 [46] . Il existe de
nombreuses stratégies 𝑀𝑃𝑃𝑇 et sont classées en trois familles : 1 les techniques hors ligne telles
que les techniques de tension en circuit ouvert fractionnaire (𝐹𝑂𝐶𝑉) et de courant de court-circuit
fractionnaire (𝐹𝑆𝐶𝐶) ; 2 des techniques en ligne ou d'escalade (𝐻𝐶) telles que les techniques de
perturbation et d'observation (𝑃&𝑂) et de conductance incrémentale (𝐼𝑛𝐶𝑜𝑛𝑑) ; 3 techniques
d'intelligence artificielle (𝐼𝐴), y compris la technique de contrôle de logique floue (𝐹𝐿𝐶), la
technique de réseau de neurones artificiels (𝐴𝑁𝑁), la technique d'optimisation des essaims de
particules (𝑃𝑆𝑂) et l'algorithme génétique (GA). La Fig.III.1 illustre ces stratégies.dans cette
mémoire nous intéressé par la stratégie 𝑃&𝑂 est l'un des les stratégie𝑠 𝑀𝑃𝑃𝑇 les plus utilisés en
raison de les bons résultats obtenus par cette stratégie et sa simplicité de mise en œuvre dans les
boucles de contrôle pour extraire la puissance maximum des systèmes photovoltaïques dans
différentes conditions climatiques, Cela peut être fait en pilotant et en contrôlant un convertisseur
𝐷𝐶 − 𝐷𝐶 connecté à une charge résistive, son idée principale est de régler le point de
fonctionnement du panneau 𝑃𝑉 pour assurer un bon comportement de suivi au point de puissance
maximal requis 𝑀𝑃𝑃.l'algorithme 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 prend la tension et le courant de 𝑃𝑉 comme
entrées pour générer le rapport cyclique requis 𝐷 pour contrôler les portes de commutation utilisées
dans le convertisseur dans différentes conditions météorologiques pour assurer une bonne suivi
𝑀𝑃𝑃 et extraire la puissance maximale du système 𝑃𝑉[47].

Pour obtenir une meilleure dynamique de suivi et plus précise que celle obtenue par l'utilisation
directe de l'algorithme 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 la méthode indirecte est utilisée où le régulateur
Proportionnel Intégral Dérivé est ajouté pour obtenir un bonne rapport cyclique, Le principe de
cette méthode est : L'algorithme 𝑃&𝑂 est d'abord mis en œuvre en mode direct pour générer une

55
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

tension de référence idéale ,cette génération dépend du rayonnement solaire et la température

absolue actuelle ,ensuite la tension de référence résultante est comparée à la tension fournie par le
modèle à faible signal linéaire, un tel comparaison génère un écart de tension et sa réduction est la
tâche principale du régulateur 𝑃𝐼𝐷. Pour un système en boucle fermée robuste, on utilise le modèle
linéaire obtenu au chapitre 2 qui se compose d'un générateur photovoltaïque , d'un convertisseur
Boost 𝐷𝐶 − 𝐷𝐶 et d'une charge résistive utilisant le progiciel 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏®, et ajouter le
contrôleur 𝑃𝐼𝐷[69].

Ce chapitre a introduit l'algorithme MPPT, suivi par la présentation de l'algorithme MPPT qui
repose sur l'approche de Perturbation & Observation (P&O). Deux méthodes de modélisation, l'une
basée sur la tension et l'autre sur le courant, ont ensuite été examinées. Le système implémentant
l'algorithme P&O-MPPT, à la fois de manière directe et indirecte, a été exposé, avec une étude
approfondie de ces deux systèmes sous différentes conditions de rayonnement solaire, de
température et de résistance. Pour conclure, les deux systèmes basés sur l'algorithme P&O-MPPT,
direct et indirect, ont été simulés à l'aide du logiciel Matlab®, et leurs résultats ont été comparés.

Fig.III. 1. Les stratégies 𝑀𝑃𝑃𝑇

3.1. Contrôleur 𝑴𝑷𝑷𝑻:

À partir de 1954, le suivi du point de puissance maximale (MPPT) est devenu un objectif des
chercheurs pour améliorer l'efficacité et améliorer les performances des systèmes PV.

Les stratégies MPP sont divisées en deux types : la stratégie de suivi mécanique à un ou deux
axes et la stratégie de suivi électrique. Stratégie de suivi mécanique Le "suivi solaire" est un moyen
de guider le module photovoltaïque pour suivre le soleil. Cependant, ce type est complexe, coûteux

56
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

à mettre en œuvre et peu efficace. Par conséquent, toutes les tentatives des scientifiques étaient
dirigées vers le suivi électrique.

MPPT est un algorithme intégré dans les contrôleurs utilisés pour extraire la puissance maximale
disponible du module photovoltaïque dans certaines conditions et ceci est réalisé en fournissant au
convertisseur 𝐷𝐶 − 𝐷𝐶 l'impulsion requise à l'aide de cet algorithme et prend la tension et le courant
𝑃𝑉 comme entrées. La puissance maximale varie en fonction du rayonnement solaire et de la
température ambiante, 𝑀𝑃𝑃𝑇 est utilisé pour trouver automatiquement la tension 𝑉𝑀𝑃𝑃 ou le
courant 𝐼𝑀𝑃𝑃 auquel le système 𝑃𝑉 doit fonctionner pour obtenir la puissance de sortie maximale
𝑃𝑀𝑃𝑃 sous une température donnée et radiation. Le schéma fonctionnel du système photovoltaïque
basé sur 𝑀𝑃𝑃𝑇 est illustré à la Fig. III.2. Dans cette mémoire nous intéressé par la stratégie 𝑃&𝑂
pour ses nombreux avantages [56].

Fig.III. 2. Système photovoltaïque avec contrôleur 𝑀𝑃𝑃𝑇.

3.2. Algorithme 𝐌𝐏𝐏𝐓 basé sur l'approche du Pertub & Observe 𝑷&𝑶:

L'algorithme de perturbation et d'observation (𝑃&𝑂) est généralement le plus couramment

appliqué dans le contrôle de l'algorithme 𝑀𝑃𝑃𝑇 pour le générateur 𝑃𝑉. Il a une structure simple,
un faible coût, facile à mettre en œuvre, un nombre réduit de paramètres, la possibilité d'introduire
des améliorations et peut entraîner une efficacité de haut niveau [59] . Cet algorithme dépend de
l'étude de la relation entre la puissance de sortie du module 𝑃𝑉 et sa tension. Le comportement du
panneau solaire indiquant le 𝑀𝑃𝑃 et le principe de fonctionnement est illustré à la Fig.I.12 qui
indique que le changement résultant de la puissance 𝑃𝑉 est observé comme suit : lorsque le point

57
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque
∆𝑃
de fonctionnement du module PV se trouve sur le côté gauche de la courbe (∆𝑉 est positif), ce qui

signifie que la puissance de sortie du module PV augmente, la perturbation de la tension du module

𝑃𝑉 doit être augmentée vers le 𝑀𝑃𝑃. Si le point de fonctionnement du module était sur le côté
∆𝑃
droit de la courbe (∆𝑉 est négatif), alors la perturbation de la tension du module 𝑃𝑉 devrait être

diminuée vers le 𝑀𝑃𝑃.

La Fig. III.3 illustre l'organigramme de mise en œuvre de l'algorithme 𝑃&𝑂 ; Tout d'abord, la
tension et le courant pratiques du générateur photovoltaïque sont mesurés. Après cela, le produit
de la tension et du courant donne la puissance réelle du module 𝑃𝑉 . Ensuite, il vérifiera l'état, que
𝛥𝑃 = 0 ou non. Si cet état est satisfait, alors le point de fonctionnement est au MPP. S'il n'est pas
satisfaisant, alors il vérifiera un autre état que ∆𝑃 > 0 . Si cet état est satisfait, alors il vérifiera que
∆𝑉 > 0. S'il est satisfait, alors il indique que le point de fonctionnement est sur le côté gauche de
le MPP. Si l'état ∆𝑉 > 0 n'est pas satisfait, cela indique que le point de fonctionnement se trouve
du côté droit du MPP. Ce processus est répété en continu jusqu'à ce qu'il atteigne le 𝑀𝑃𝑃. Ainsi, à
tout moment, il existe un compromis entre les incréments et le taux d'échantillonnage dans
l'algorithme 𝑃&𝑂 [52].

Fig.III. 3. Organigramme de l'algorithme 𝑃&𝑂

58
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

3.3. Modélisation affine à la commande en courant du système 𝑴𝑷𝑷𝑻 en

utilisant la méthode à faibles signaux

Selon la Fig.II.15, il est facile de déterminer la représentation non linéaire de l'espace d'état est
exprimée comme suit :

𝑑 1 1−𝑑
𝑖 (𝑡) = 𝐿 𝑣𝑝𝑣 (𝑡) − 𝐿 𝑣𝑜𝑢𝑡 (𝑡)
𝑑𝑡 𝐿
𝑑 1−𝑑 1
(III.1)
𝑣 𝑜𝑢𝑡 (𝑡) = 𝑖 𝐿 (𝑡) − 𝑣 (𝑡)
𝑑𝑡 𝐶2 𝑅𝐶2 𝑜𝑢𝑡

Où 𝑑 est une commande de rapport cyclique à délivrer, 𝐶1 et 𝐶2 sont respectivement les

condensateurs d'entrée et de sortie du convertisseur élévateur 𝐷𝐶 − 𝐷𝐶 où 𝑖𝑜𝑢𝑡 et 𝑣𝑜𝑢𝑡 sont
respectivement son courant de sortie et sa tension de sortie, 𝑖𝐿 est le courant qui traverse
l'inductance 𝐿 et 𝑅 est la charge résistive.
En utilisant la méthode du faible signal pour convertir un espace d'états non linéaire en un espace
d'états linéaire qui a été présentée au chapitre 2 dans la section 2.5, nous trouvons la représentation
linéaire souhaitée de l'espace d'état. Il est donné par l’équation l'Eq.III.2

𝑑 1 1−𝐷𝑀𝑃𝑃 𝑉𝑜𝑢𝑡𝑀𝑃𝑃
𝛿𝑖𝑝𝑣 (𝑡) 0 𝛿𝑖𝑝𝑣 (𝑡) −
[ 𝑑𝑑𝑡 ]=[ 𝐿
1−𝐷𝑀𝑃𝑃
𝐿
1 ][ ]+[ 𝐿
𝐼𝑀𝑃𝑃 ] 𝛿𝑑(𝑡) (III. 2)
𝛿𝑣𝑜𝑢𝑡 (𝑡) 0 − 𝑅𝐶 𝛿𝑣𝑜𝑢𝑡 (𝑡)
𝑑𝑡 𝐶 𝐶

3.4. Modélisation affine à la commande en tension du système 𝑴𝑷𝑷𝑻 en

utilisant la méthode à faibles signaux
La modélisation affine à la commande en tension du système 𝑀𝑃𝑃𝑇 en utilisant la méthode à
faibles signaux est étudiée et introduite en détail dans la section 2.5 du chapitre 2.
La fonction de transfert 𝐺(𝑠) qui associe la variation du rapport cyclique 𝛿𝑑(𝑠) à la sortie de la
variation de tension 𝛿𝑉𝑝𝑣 (𝑠) du modèle donné par l’Eq.II.34 où l'acronyme général de la fonction
de domaine fréquentiel 𝛿𝑋(𝑠) est la transformée de Laplace de la fonction de domaine temporel
𝛿𝑥(𝑡).

3.5. Les méthodes MPPT

Les méthodes MPPT peuvent être classées en deux méthodes directe et indirecte :
3.5.1. La méthode directe basé sur l'approche du Pertub & Observe 𝑷&𝑶 :
Dans la méthode directe basée sur l'approche Pertub & Observe, la tension 𝑉𝑝𝑣 et la puissance

59
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

𝑃𝑝𝑣 de sortie du système photovoltaïque sont utilisées comme entrées pour générer le rapport
cyclique approprié 𝑑. Cette méthode est illustrée à la Fig.III.4 :

Fig.III. 4. Schéma fonctionnel du système 𝑃𝑉 basé sur La stratégie de contrôle direct 𝑃&𝑂 − 𝑀𝑃𝑃𝑇

3.5.2. La méthode indirecte basé sur l'approche du Pertub & Observe 𝑷&𝑶 − 𝑷𝑰𝑫 :
Sont basées sur l'utilisation d'une base de données de paramètres qui incluent des données de
courbes 𝑃 − 𝑉 typiques de systèmes 𝑃𝑉 pour différentes valeurs de rayonnement solaire et
températures, ou sur l'utilisation de fonctions mathématiques obtenues à partir de données
empiriques pour estimer le 𝑀𝑃𝑃. [56] Dans la plupart des cas, une évaluation préalable du
générateur 𝐺𝑃𝑉 basée sur la relation mathématique obtenue à partir de données empiriques est
requise.
Rappelons ici que la régulation de tension à effectuer est établie selon le concept suivant :
L'algorithme 𝑃&𝑂 est d'abord implémenté en mode direct pour générer une tension de référence
optimale dont la génération dépend de l'ensoleillement existant ainsi que de la température absolue
actuelle. Ensuite, la tension de référence résultante est comparée à celle fournie par le modèle de
faible signal linéaire. Une telle comparaison génère un écart de tension et sa minimisation est la
tâche principale du régulateur 𝑃𝐼𝐷 de tension. Le réglage correct des paramètres 𝑃𝐼𝐷 permet de
fournir la variation de rapport cyclique souhaitée [50] [69]. Ce dernier devrait réduire les
oscillations existantes survenues lors du suivi du 𝑃𝑃 . En conséquence, la boucle de contrôle de
tension basée sur le modèle linéaire à faible signal proposé est illustrée à la Fig.III.5.

60
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

+
𝐷𝑀𝑃𝑃 𝐷𝑜𝑝𝑡 Vers le convertisseur
DC-DC
-
Contrôleur PID modèle linéaire a faible signal
&𝑉𝑝𝑣
𝑉𝑝𝑣 𝑉𝑟𝑒𝑓 + 𝐸𝑣 &𝐷
Algorithme P&O 𝐾(𝑠) 𝐺(𝑠)
𝑃𝑝𝑣 -
&𝐼𝑝𝑣 +
+ 𝑉𝑀𝑃𝑃
Première étape Deuxième étape Produit
++ 𝐼𝑀𝑃𝑃
+ -
∆𝑃𝑝𝑣 = 0 𝐼𝑝𝑣
Suivi de puissance

Fig.III. 5. Système en boucle fermée de la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 améliorée

Selon la Fig.III.5 la puissance électrique de sortie est assurée par les deux étages suivants : Le
premier vise à générer la tension de référence en utilisant la stratégie de contrôle standard 𝑃&𝑂 −
𝑀𝑃𝑃𝑇 où les étapes correspondantes sont détaillées par l'organigramme donné par la Fig.III.3,
D'autre part, la deuxième étape permet de minimiser l'écart de tension 𝐸𝑉 = 𝑉𝑟𝑒𝑓 − 𝑉𝑝𝑣 à l'aide du
régulateur 𝑃𝐼𝐷 de tension, qui fournit la variation optimale du rapport cyclique 𝛿𝑑. De plus, il
convient de mentionner ici que le scénario habituel résultant de l'implémentation directe du 𝑃&𝑂
standard dans le schéma 𝑀𝑃𝑃𝑇 permet d'obtenir directement les variations optimales du rapport
cyclique en boucle ouverte, la commande réelle envoyée au convertisseur 𝐵𝑜𝑜𝑠𝑡 DC −
DC devenant donc égal à 𝐷𝑜𝑝𝑡 = 𝐷𝑀𝑃𝑃− 𝛿𝐷. Alternativement, dans le cas de l'algorithme 𝑃&𝑂
amélioré, l'algorithme 𝑃&𝑂 standard doit trouver dans un premier temps la tension de référence
optimale 𝑉𝑟𝑒𝑓 et le contrôleur 𝑃𝐼𝐷 souhaité doit alors fournir la variation optimale du rapport
cyclique, par laquelle la commande réelle devient égale à 𝐷𝑜𝑝𝑡 = 𝐷𝑀𝑃𝑃− 𝛿𝐷 (voir La Fig.III.5).

3.6. Validation de la stratégie contrôle direct 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 par

l'environnement Simulink /Matlab®

La validation de la stratégie de contrôle direct 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 est effectuée à l'aide de blocs
Simulink /Matlab® Comme le montre la Fig.III.6, la puissance électrique du panneau solaire
𝐾𝐶200𝐺𝑇 est extraite par l'algorithme 𝑃&𝑂 en utilisant la tension 𝑉𝑝𝑣 et la puissance 𝑃𝑝𝑣 de sortie
du système afin que cet algorithme fournisse le rapport cyclique requis 𝐷 dans différentes
conditions météorologiques (rayonnement solaire et de la température).

61
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 6. Régulation de tension basée sur la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 utilisant le bloc
𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝐴𝑇𝐿𝐴𝐵®

Dans ce cas, la dynamique de suivi du 𝑀𝑃𝑃 est vérifiée dans les changements de conditions
climatiques ainsi que dans les variations de la charge résistive, donnés comme les cas suivants :

Pour ;

• La température absolue est démarrée avec 𝑇 = 20 𝐶° pendant les cinq premières secondes,
puis diminuée jusqu'à 𝑇 = 5 𝐶° pendant les cinq secondes restantes.
• L'irradiation solaire est initialement fixée à 𝐺 = 1000 𝑤/𝑚2 pendant les cinq premières
secondes, puis réduite à 𝐺 = 400 𝑤/𝑚2 pendant les cinq secondes restantes.
• La charge résistive est maintenue à 𝑅 = 300 𝛺 pendant la durée des dix secondes.

La Fig.III.7 montre la puissance de sortie fournie par la stratégie de contrôle direct basée sur
𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire de 1000 𝑤/𝑚2,et la température est de 20 𝐶° la
valeur puissance est de 200 𝑊 et lorsque le rayonnement diminue à 400 𝑤/𝑚2 et la température
chute à 5 𝐶°la valeur puissance diminue à 50 𝑊 puis augmente à environ 80 𝑊 dans valeur de
résistance égale 300 𝛺 .

D'autre part, la Fig.III.8 montre le rapport cyclique fourni par la mise en œuvre directe de la
stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de1000 𝑤/𝑚2 ,et la température est de
20 𝐶° la valeur de rapport cyclique est de 0.87 et lorsque le rayonnement diminue à 400 𝑤/𝑚2 et
la température chute à 5𝐶° la valeur de rapport cyclique est de 0.57 dans valeur de résistance égale
300 𝛺 .

62
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

selon la Fig.III.7, il est évident que la stratégie de contrôle directe 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit une
dynamique de suivi 𝑀𝑃𝑃 associée au problème des oscillations de puissance conduisant à de
grandes pertes de puissance et ceci à différentes valeurs de température, de rayonnement solaire et
dans valeur de résistance égale 300 𝛺 ; Lorsque le rayonnement solaire et la température sont
élevés, la puissance est de 200 𝑊, lorsque le rayonnement solaire et la température diminuent la
puissance diminue à environ 80 𝑊 .

La Fig.III.8 montre que stratégie directe 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit un rapport cyclique qui contient
également une quantité d'oscillations, lorsque le rayonnement solaire et la température sont élevés
la valeur de rapport cyclique est de 0.87, lorsque le rayonnement et la température diminuent la
valeur de rapport cyclique diminue à 0.57.

D'après la Fig.III.7 et la Fig.III.8, nous concluons que le système photovoltaïque est affecté par
différentes conditions météorologiques et la dynamique de suivi fournie par l'utilisation direct de
la stratégie𝑃&𝑂 − 𝑀𝑃𝑃𝑇 n'est pas bon et il y a une grande perte de puissance en raison des
oscillations et des conditions météorologiques différentes.

Fig.III. 7. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 dans différentes
conditions climatiques et à une valeur de résistance de 𝑅 = 300 𝛺.

63
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 8. Rapport cyclique fourni par la stratégie de contrôle P&O-MPPT dans différentes conditions climatiques et
à une valeur de résistance de 𝑅 = 300 𝛺

Pour :

• La température absolue est démarrée avec 𝑇 = 22 𝐶° pendant les cinq premières

secondes, puis diminuée jusqu'à 𝑇 = 17 𝐶° pendant les cinq secondes restantes.
• L'irradiation solaire est initialement fixée à 𝐺 = 1000 𝑤/𝑚2 pendant les cinq
premières secondes, puis réduite à 𝐺 = 500 𝑤/𝑚2 pendant les cinq secondes restantes.
• La charge résistive est maintenue à 𝑅 = 400 𝛺 pendant la durée des dix
secondes.

La Fig.III.9 montre la puissance de sortie fournie par la stratégie de contrôle direct basée sur
𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 1000 𝑤/𝑚2et la température est de 22 𝐶° la
valeur puissance est de 200 𝑊 , lorsque le rayonnement diminue à 500 𝑤/𝑚2 et la température
chute à 17 𝐶°la valeur puissance diminue à 80 𝑊 puis augmente à environ 100 𝑊 dans valeur de
résistance égale 400 𝛺 .

D'autre part, la Fig.III.10 montre le rapport cyclique fourni par la mise en œuvre directe de la
stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de1000 𝑤/𝑚2 et la température est de
22 𝐶° la valeur de rapport cyclique est de 0.87 , lorsque le rayonnement diminue à 500 𝑤/𝑚2 et la
température chute à 17 𝐶° la valeur de rapport cyclique est de 0.67 dans valeur de résistance égale
400 𝛺 .

selon la Fig.III.9, il est évident que la stratégie de contrôle directe 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit une
dynamique de suivi 𝑀𝑃𝑃 associée au problème des grandes oscillations de puissance conduisant à

64
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

de grandes pertes de puissance et ceci à différentes valeurs de température, de rayonnement solaire

et dans valeur de résistance égale 400 𝛺 ; Lorsque le rayonnement solaire et la température sont
élevés la puissance est de 200 𝑊, lorsque le rayonnement solaire et la température diminuent la
puissance diminue à environ 100 𝑊 .

La Fig.III.10 montre que la stratégie directe 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit un rapport cyclique qui
contient également une grande quantité d'oscillations, lorsque le rayonnement solaire et la
température sont élevés la valeur de rapport cyclique est de 0.87, lorsque le rayonnement solaire
et la température diminuent la valeur de rapport cyclique diminue à 0.67.

D'après la Fig.III.9 et la Fig.III.10, nous concluons que le système photovoltaïque est affecté
par différentes conditions météorologiques et la dynamique de suivi fournie par l'utilisation direct
de stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 n'est pas bon et il y a une grande perte de puissance en raison des
oscillations et des conditions météorologiques différentes.

Fig.III. 9. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 dans différentes
conditions climatiques et à une valeur de résistance de 𝑅 = 400 𝛺.

65
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 10. Rapport cyclique fourni par la stratégie de contrôle P&O-MPPT dans différentes conditions climatiques
et à une valeur de résistance de 𝑅 = 400 𝛺.

Pour :

• La température absolue est démarrée avec 𝑇 = 25 𝐶° pendant les cinq premières secondes,
puis diminuée jusqu'à 𝑇 = 15 𝐶° pendant les cinq secondes restantes.
• Le rayonnement solaire est initialement fixé à 𝐺 = 1000 𝑤/𝑚2 pendant les cinq premières
secondes, puis réduite à 𝐺 = 800 𝑤/𝑚2 pendant les cinq secondes restantes.
• La charge de charge résistive est maintenue à 𝑅 = 500 Ω pendant les cinq premières
secondes ,puis diminuée à 𝑅 = 250 Ω pendant les cinq secondes restantes.

La Fig.III.11 montre la puissance de sortie fournie par la stratégie de contrôle direct basée sur
𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 1000 𝑤/𝑚2 et la température est de 25 𝐶°
et la valeur de résistance 500 Ω la valeur puissance est de 200 𝑊 et lorsque le rayonnement
diminue à 800 𝑤/𝑚2 et la température chute à 15 𝐶° et la valeur de résistance diminue à 250 Ω la
valeur puissance diminue à 170 𝑊 .

D'autre part, la Fig.III.12 montre le rapport cyclique fourni par la mise en œuvre directe de
stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de1000 𝑤/𝑚2 et la température est de
25 𝐶° et la valeur de résistance 500 Ω la valeur de rapport cyclique est de 0.90 et lorsque le
rayonnement diminue à 800 𝑤/𝑚2 et la température chute à 15 𝐶° et la valeur de résistance
diminue à 250 Ω la valeur de rapport cyclique est de 0.87 .

selon la Fig.III.11, il est évident que la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit une

66
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

dynamique de suivi 𝑀𝑃𝑃 associée au problème des grandes oscillations de puissance conduisant à
de grandes pertes de puissance et ceci à différentes valeurs de température, de rayonnement solaire
et de résistance; Lorsque le rayonnement solaire et la température sont élevés la puissance est de
200 𝑊, lorsque le rayonnement solaire et la température et la résistance diminuent, la puissance
diminue à environ 170 𝑊 .

La Fig.III.12 montre que stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit un rapport cyclique qui contient
également une grande quantité d'oscillations, lorsque le rayonnement solaire et la température sont
élevés la valeur de rapport cyclique est de 0.90 et lorsque le rayonnement et la température
diminuent la valeur de rapport cyclique diminue à 0.87.

D'après la Fig.III.11 et la Fig.III.12, nous concluons que le système photovoltaïque est affecté
par différentes conditions météorologiques et différentes valeurs de résistance, la dynamique de
suivi fournie par l'utilisation direct de stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 n'est pas bon et il y a une grande
perte de puissance en raison des oscillations et des conditions météorologiques et des résistances
différentes.

Fig.III. 11. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 dans différentes
conditions climatiques et différentes valeurs de résistance

67
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 12. Rapport cyclique fourni par la stratégie de contrôle P&O-MPPT dans différentes conditions climatiques
et différentes valeurs de résistance

3.7. Validation du contrôle 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 indirect par l'environnement

𝑺𝒊𝒎𝒖𝒍𝒊𝒏𝒌/𝑴𝒂𝒕𝒍𝒂𝒃®

La validation de la stratégie de contrôle indirect 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 est effectuée à l'aide de blocs
𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏® Comme le montre la Fig.III.13, la puissance électrique du panneau solaire
𝐾𝐶200𝐺𝑇 est extraite par l'algorithme 𝑃&𝑂 indirect en utilisant la tension 𝑉𝑃𝑉 et la puissance
𝑃𝑃𝑉 de sortie du système afin que cet algorithme fournisse 𝑉𝑟𝑒𝑓 , pour fournisse le cycle de service
𝑑 requis en fonctin du rayonnement solaire actuel et de la température absolue.

68
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 13. Régulation de tension basée sur la stratégie de contrôle 𝑃&𝑂 − 𝑃𝐼𝐷 utilisant le bloc
𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏®

Dans ce cas, la dynamique de suivi du 𝑀𝑃𝑃 est vérifiée dans les changements de conditions
climatiques ainsi que dans les variations de la charge résistive, donnés comme les cas suivants :

Pour :

• La température absolue est démarrée avec 𝑇 = 20 𝐶° pendant les cinq premières secondes,
puis diminuée jusqu'à 𝑇 = 7 𝐶° pendant les cinq secondes restantes.
• L'irradiation solaire est initialement fixée à 𝐺 = 600 𝑤/𝑚2 pendant les cinq premières
secondes, puis réduite à 𝐺 = 200 𝑤/𝑚2 pendant les cinq secondes restantes.
• La charge résistive est maintenue à 𝑅 = 350 𝛺 pendant la durée des dix secondes.

La Fig.III.14 montre la puissance de sortie fournie par la stratégie de contrôle indirect basée sur
𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 600 𝑤/𝑚2 et la température est de 20 𝐶° la
valeur puissance est de 120 𝑊 et lorsque le rayonnement diminue à 200 𝑤/𝑚2 et la température
chute à 7 𝐶°la valeur puissance diminue à 49 𝑊 dans valeur de résistance égale 350 𝛺 .

D'autre part, la Fig.III.15 montre le rapport cyclique fourni par la mise en œuvre indirecte de la
stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 600 𝑤/𝑚2 et la température est de
20 𝐶° la valeur de rapport cyclique est de 0.75 et lorsque le rayonnement diminue à 200 𝑤/𝑚2 et
la température chute à 7 𝐶°la valeur de rapport cyclique est de 0.45 dans valeur de résistance égale
350 𝛺 .

69
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Selon la Fig.III.14, il est évident que la stratégie de contrôle indirecte 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit
une bonne dynamique de suivi 𝑀𝑃𝑃 ceci à différentes valeurs de température, de rayonnement
solaire et dans valeur de résistance égale 350 𝛺 ; Lorsque le rayonnement solaire et la température
sont élevés la puissance est de 120 𝑊, lorsque le rayonnement solaire et la température diminuent
la puissance diminue à environ 49 𝑊 .

La Fig.III.15 montre que la stratégie indirecte 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit un rapport cyclique qui
contient également une grande quantité d'oscillations, lorsque le rayonnement solaire et la
température sont élevés la valeur de rapport cyclique est de 0.75 , lorsque le rayonnement solaire
et la température diminuent la valeur de rapport cyclique diminue à 0.45.

D'après la Fig.III.14 et la Fig.III.15 nous concluons que le système photovoltaïque est affecté
par différentes conditions météorologiques et la dynamique de suivi fournie par l'utilisation indirect
de stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 est bonne dans conditions météorologiques différentes avec quelques
oscillations.

Fig.III. 14. La puissance de sortie électrique est fournie par la stratégie de contrôle indirect 𝑃&𝑂 − 𝑃𝐼𝐷 dans
différentes conditions climatiques et à une valeur de résistance de 𝑅 = 350 𝛺.

70
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 15. Rapport cyclique fourni par la stratégie de contrôle P&O-PID dans différentes conditions climatiques et
à une valeur de résistance de 𝑅 = 350 𝛺.

Pour :

• La température absolue est démarrée avec 𝑇 = 10 𝐶° pendant les cinq premières secondes,
puis diminuée jusqu'à 𝑇 = 5 𝐶° pendant les cinq secondes restantes.
• L'irradiation solaire est initialement fixée à 𝐺 = 900 𝑤/𝑚2 pendant les cinq premières
secondes, puis réduite à 𝐺 = 300 𝑤/𝑚2 pendant les cinq secondes restantes.
• La charge résistive est maintenue à 𝑅 = 250 𝛺 pendant la durée des dix secondes.

La Fig.III.16 montre la puissance de sortie fournie par la stratégie de contrôle indirect basée sur
𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 900 𝑤/𝑚2 et la température est de 10 𝐶° la
valeur puissance est de 190 𝑊 et lorsque le rayonnement diminue à 300 𝑤/𝑚2 et la température
chute à 5 𝐶°la valeur puissance diminue à 52 𝑊 dans valeur de résistance égale 250 𝛺 .

D'autre part, la Fig.III.17 montre le rapport cyclique fourni par la mise en œuvre indirecte de la
stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 900 𝑤/𝑚2 et la température est de
10 𝐶° la valeur de rapport cyclique est de 0.89 et lorsque le rayonnement diminue à 300 𝑤/𝑚2 et
la température chute à 5 𝐶°la valeur de rapport cyclique est de 0.52 dans valeur de résistance égale
250 𝛺 .

Selon la Fig.III.16, il est évident que la stratégie de contrôle indirecte 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit
une bonne dynamique de suivi 𝑀𝑃𝑃 ceci à différentes valeurs de température, de rayonnement
solaire et dans valeur de résistance égale 250 𝛺 ; Lorsque le rayonnement solaire et la température
sont élevés la puissance est de 190 𝑊, lorsque le rayonnement solaire et la température diminuent

71
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

la puissance diminue à environ 52 𝑊 .

La Fig.III.17 montre que la stratégie indirecte 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit un rapport cyclique qui
contient également une grande quantité d'oscillations, lorsque le rayonnement solaire et la
température sont élevés la valeur de rapport cyclique est de 0.89 , et lorsque le rayonnement solaire
et la température diminuent la valeur de rapport cyclique diminue à 0.52.

D'après la Fig.III.16 et la Fig.III.17 nous concluons que le système photovoltaïque est affecté
par différentes conditions météorologiques et la dynamique de suivi fournie par l'utilisation indirect
de stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 est bonne dans conditions météorologiques différentes avec quelques
oscillations.

Fig.III. 16. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑃𝐼𝐷 dans différentes
conditions climatiques et à une valeur de résistance de 𝑅 = 250 𝛺.

72
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 17. Rapport cyclique fourni par la stratégie de contrôle P&O-PID dans différentes conditions climatiques et
à une valeur de résistance de 𝑅 = 250 𝛺.

Pour :

• La température absolue est démarrée avec 𝑇 = 25 𝐶° pendant les cinq premières secondes,
puis diminuée jusqu'à 𝑇 = 15 𝐶° pendant les cinq secondes restantes.
• L'irradiation solaire est initialement fixée à 𝐺 = 1000 𝑤/𝑚2 pendant les cinq premières
secondes, puis réduite à 𝐺 = 800 𝑤/𝑚2 pendant les cinq secondes restantes.
• La charge de charge résistive est maintenue à 𝑅 = 500 Ω pendant les cinq premières
secondes puis diminuée à 𝑅 = 250 Ω pendant les cinq secondes restantes.

La Fig.III.18 montre la puissance de sortie fournie par la stratégie de contrôle indirect basée sur
𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 1000 𝑤/𝑚2 et la température est de 25 𝐶°
et la valeur de résistance 500 Ω la valeur puissance est de 200 𝑊 et lorsque le rayonnement
diminue à 800 𝑤/𝑚2 et la température chute à 15 𝐶° et la valeur de résistance diminue à 250 Ω la
valeur puissance diminue à 170 𝑊 .

D'autre part, la Fig.III.19 montre le rapport cyclique fourni par la mise en œuvre indirecte de la
stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇, lorsque le rayonnement solaire est de 1000 𝑤/𝑚2 et la température est
de 25 𝐶° la valeur de résistance 500 Ω la valeur de rapport cyclique est de 0.90 , lorsque le
rayonnement diminue à 800 𝑤/𝑚2 et la température chute à 15 𝐶° et la valeur de résistance
diminue à 250 Ω la valeur de rapport cyclique est de 0.88 .

Selon la Fig.III.18, il est évident que la stratégie de contrôle indirecte 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit
une bonne dynamique de suivi 𝑀𝑃𝑃 ceci à différentes valeurs de température, de rayonnement
solaire et de résistance; Lorsque le rayonnement solaire et la température et la valeur de résistance

73
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

sont élevés la puissance est de 200 𝑊, et lorsque le rayonnement solaire et la température et la

valeur de résistance diminuent la puissance diminue à environ 170 𝑊 .

La Fig.III.15 montre que la stratégie indirecte 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit un rapport cyclique qui
contient également une grande quantité d'oscillations, lorsque le rayonnement solaire et la
température et la valeur de résistance sont élevés la valeur de rapport cyclique est de 0.90 , lorsque
le rayonnement solaire et la température et la valeur de résistance diminuent la valeur de rapport
cyclique diminue à 0.88.

D'après la Fig.III.18 et la Fig.III.19 nous concluons que le système photovoltaïque est affecté
par différentes conditions météorologiques et différentes valeurs de résistance, la dynamique de
suivi fournie par l'utilisation indirect de stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 est bonne dans conditions
météorologiques et des résistances différentes avec de petites oscillations.

Fig.III. 18. La puissance de sortie électrique est fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑃𝐼𝐷 dans différentes
conditions climatiques et différentes valeurs de résistance

74
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 19. Rapport cyclique fourni par la stratégie de contrôle P&O-PID dans différentes conditions climatiques et
différentes valeurs de résistance

3.8. Une étude comparative entre la stratégie 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 directe et indirecte

La comparaison entre la stratégie de contrôle direct et indirect 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 est effectuée à
l'aide de blocs 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘/𝑀𝑎𝑡𝑙𝑎𝑏®, La puissance du system photovoltaïque est extraite par un
algorithme 𝑃&𝑂 direct et indirect selon différentes valeurs de rayonnement solaire et la
température absolue.

Dans ce cas, la dynamique de suivi du 𝑀𝑃𝑃 pour mode direct et indirect est vérifiée dans les
changements de conditions climatiques ainsi que dans les variations de la charge résistive, donnés
comme les trois cas suivants :

• La température absolue est démarrée avec 𝑇 = 25 𝐶° pendant les cinq premières secondes,
puis diminuée jusqu'à 𝑇 = 15 𝐶° pendant les cinq secondes restantes.
• L'irradiation solaire est initialement fixée à 𝐺 = 1000 𝑤/𝑚2 pendant les cinq premières
secondes, puis réduite à 𝐺 = 800 𝑤/𝑚2 pendant les cinq secondes restantes.
• La charge de charge résistive est maintenue à 𝑅 = 500 Ω pendant les cinq premières
secondes, puis diminuée à 𝑅 = 250 Ω pendant les cinq secondes restantes.

La Fig.III.20 montre la puissance de sortie fournie par la stratégie de contrôle direct et indirect
basée sur 𝑃&𝑂 − 𝑀𝑃𝑃𝑇, Lorsque le rayonnement solaire est de 1000 𝑤/𝑚2 et la température est
de 25 𝐶° et la valeur de résistance est de 500 Ω la valeur de puissance fournie par la stratégie
indirecte est de 200 𝑊 et la valeur de puissance fournie par la stratégie directe est de 200 𝑊 avec
beaucoup de fluctuations et après un certain temps, et quand il diminue Le rayonnement est réduit

75
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

à 800 𝑤/𝑚2 , la température est réduite à 15 𝐶°, la valeur de résistance est réduite à250 Ω, la valeur
de puissance est réduite à 170 𝑊 dans les deux stratégies et le problème de fluctuation est réduit
dans la stratégie directe.

D’autre part, la Fig.III.21 montre le rapport cyclique fourni par la mise en œuvre directe et
indirecte de l'algorithme 𝑃&𝑂 − 𝑀𝑃𝑃𝑇. Lorsque le rayonnement solaire est de 1000 𝑤/𝑚2 et que
la température est de 25 𝐶°, la valeur de résistance est de 500 Ω la valeur du rapport cyclique
fournie par la stratégie directe et indirecte est de 0.90, lorsque le rayonnement est réduit à
800 𝑤/𝑚2 et la température est réduite à 15 𝐶°et la valeur de résistance chute à 250 Ω, et la valeur
du rapport cyclique fournie par la stratégie directe et indirecte est de 0.88 avec problème des
fluctuations.

D'après la Fig.III.20, il est évident que la stratégie de contrôle indirect 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit
une dynamique de suivi 𝑀𝑃𝑃 meilleure, plus rapide et plus précise avec des oscillations de
puissance inférieures par rapport à la stratégie de contrôle direct 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 ; La Fig.III.21
montre que la stratégie de contrôle indirect 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 fournit un rapport cyclique meilleur et
plus précis avec peu d'oscillations par rapport à la stratégie de contrôle direct 𝑃&𝑂 − 𝑀𝑃𝑃𝑇.

Fig.III. 20. Comparaison de la puissance fournie par le mode direct et indirect de la stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇

76
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

Fig.III. 21. Comparaison du rapport cyclique fournie par le mode direct et indirect de la stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇

77
 Commande en mode direct et indirect en tension du
Chapitre III : system panneau photovoltaïque

3.9. Conclusion :

Dans ce chapitre, le système photovoltaïque basé sur la stratégie 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 a été introduit
et les méthodes de modélisation du courant et de la tension ont été présentées, le système basé sur
l'algorithme P&O-MPPT direct et indirect est présenté et chacun des deux systèmes est étudié dans
différentes valeurs de rayonnement solaire, de température et de résistance, ou l'implémentation
directe de l'algorithme 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 a été effectuée, où les résultats de la simulation ont montré
une dynamique de suivi indésirable, en plus du problème des fluctuations de puissance qui entraîne
une perte importante de puissance électrique lors du changement soudain des conditions
climatiques, un régulateur 𝑃𝐼𝐷 proportionnel, intégré et dérivé a été ajouté à l'algorithme 𝑃&𝑂 −
𝑀𝑃𝑃𝑇 pour éliminer tous les problèmes ci-dessus et pour assurer une excellente dynamique de
suivi de 𝑀𝑃𝑃, les résultats ont montré que la dynamique de suivi fournie par le contrôle indirect
est supérieure à la dynamique de suivi fournie par le contrôle direct en termes de précision, de
vitesse et de douceur de réponse dans différentes valeurs de rayonnement solaire, de température
et de résistance , il est possible d'améliorer et obtenir de meilleurs résultats en ajustant et en
optimisant les paramètres de l'unité 𝑃𝐼𝐷, et c'est l'objet de notre étude dans le chapitre suivent.

78
 Chapitre IV :
La Commande robuste d’un système
photovoltaïque
 Chapitre IV : La Commande robuste d’un système photovoltaïque

4. Introduction :

La robustesse des systèmes de contrôle représente un sujet de recherche attractif dont la

nécessité est renforcée par la pratique quotidienne de l'ingénierie de contrôle. Le principal
problème est que le modèle mathématique d'une usine contrôlée ne correspond presque jamais
exactement au comportement réel de l'usine en raison de l'effort compréhensible pour construire et
utiliser un modèle suffisamment simple dans lequel les caractéristiques complexes potentielles sont
simplifiées ou négligées [75] et, de plus, puisque la physique réelle des paramètres d'un système
peuvent varier pour plusieurs raisons parmi eux les incertitudes ; L'effet de ce dernier est
systématiquement étudié et cet écart est surmonté grâce à un contrôle robuste. Le problème de la
conception d'un contrôleur robuste signifie généralement assurer une stabilité robuste et des
performances robuste. Et dans le même contexte l'objectif principal de ce chapitre a amélioré les
performances de la stratégie de contrôle standard 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 par rapport aux changements des
conditions climatiques et aux variations de la charge résistive qui ont été introduits dans le chapitre
précédent où ses paramètres sont ajustant en appliquant l'approche d'identification [77], ce dernier
utilisait le principe de mise en Loop Shaping, pour concevoir un contrôleur robuste qui fournit un
rapport cyclique optimal qui assure une meilleure dynamique de suivi que la dynamique de suivi
fournie par la stratégie de contrôle 𝑃&𝑂 − 𝑃𝐼𝐷 standard, en plus d'éliminer toutes les oscillations
trouvées dans la stratégie de contrôle standard. Par conséquent, dans ce chapitre, les incertitudes
sont présentées [79], ensuite la robustesse et ses facteurs de stabilité et de performance et leurs
conditions sont défini, ensuite, les spécifications de performance et les spécifications de stabilité
sont présentées, puis l’identification fréquentielle est utilisé pour l'estimation des paramètres du
contrôleur 𝑃𝐼𝐷 [73] [77], et ses paramètre optimaux sont obtenus à l'aide de l'algorithme
d'optimisation 𝑃𝑆𝑂, puis de l'algorithme 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 amélioré est validé à l'aide du logiciel
𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘 et enfin l'algorithme 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 amélioré est validé à l'aide de la
bibliothèque du système 𝑆𝑖𝑚𝑝𝑜𝑤𝑒𝑟® et une comparaison est faite entre les deux stratégies
standard et améliorée.

4.1. Les incertitudes de modélisation :

Le concept d'incertitude est utilisé pour exprimer la différence entre un système réel et son
modèle. Dans la conception du contrôleur, le modèle est souvent utilisé pour régler le contrôleur
et sa qualité est déterminée par la proximité de sa réponse avec celle du système réel, La différence
entre un processus réel et son modèle mathématique est le problème de contrôle fondamental et
omniprésent. [77] Par exemple, les paramètres d'une usine contrôlée n'ont pas besoin d'être

79
Chapitre IV : La Commande robuste d’un système photovoltaïque

complètement connus ou peuvent varier dans le temps (cependant, seulement "lentement" du point
de vue d'un contrôle robuste). Ensuite, la non-linéarité peut être négligée dans le système contrôlé
et ainsi l'écart peut survenir dans l'approximation linéaire à un point opérationnel donné. Ou un
modèle intentionnellement simplifié peut être utilisé à la place d'un système réale très complexe
(par exemple, en négligeant les effets dynamiques rapides dus à la réduction de l'ordre du système,
en supposant un système de paramètres distribués comme paramètre agrégé, ou en négligeant les
délais) car il est plus facile à contrôler Fort, le respect de ces facteurs dans la description
mathématique conduit à utiliser un modèle incertain. En d'autres termes, non seulement une seule
forme nominale a été définie, mais l'ensemble des formes données par certaines des régions
voisines de la forme nominale [78]. Toute représentation mathématique (modèle) d'un processus
physique nécessite des approximations, ce qui conduit à des incertitudes de modèle. Il existe
différentes formes de formulaires pour représenter ces incertitudes en fonction des informations
que l'on souhaite inclure dans le formulaire. Les incertitudes sont divisées en deux parties :en tant
qu'incertitude structuré (= paramétrique) et non paramétrique (= non structuré), L’incertitude non
structuré est divisée en deux formes : additive (directe ou inverse) et multipliée (directe ou
inverse).Par conséquent, Un système de contrôle est robuste s'il est insensible aux différences entre
le système réel et le modèle de système utilisé pour concevoir le contrôleur. Par conséquent, la
résolution des incertitudes et le maintien des performances nominales requises sont les principaux
objectifs d'un ingénieur en automatisation.

4.1.1. Incertitudes paramétrique (structurées) :

Les incertitudes paramétriques proviennent d'une description imprécise des caractéristiques des
composants. Ils peuvent être décrits par des variations de certains paramètres du système sur un
ensemble de valeurs possibles. Ils ont ectent les performances de la gamme des basses fréquences.

4.1.2. Incertitudes non structurées :

Les incertitudes non structurées proviennent de dynamiques de système non modélisées ou

négligées (généralement à haute fréquence) ou de non-linéarités négligées lors de la modélisation
en tant que système linéaire invariant dans le temps.

On peut distinguer plusieurs types de modèles d'incertitude non structurés, c'est-à-dire les
modèles multiplicatifs et additifs et leurs versions inverses, qui permettent de décrire également la
dynamique instable.

80
 Chapitre IV : La Commande robuste d’un système photovoltaïque

4.1.2.1. L’incertitude additive

C'est l'erreur entre le processus réel et son modèle nominal 𝐺𝑁 (𝑠), ce type d'incertitude est utilisé
pour modéliser des dynamiques inconnues et des dynamiques non linéaires, qui sont des
dynamiques qui ont été négligées dans le processus de modélisation. L'incertitude additive contient
l'incertitude additive directe et l'incertitude additive inverse[77].

4.1.2.1.1. L’incertitude additive directe

Incertitude additive directe donné par la Fig.IV.1, la matrice de transfert 𝐺𝑝 (𝑠) pour le modèle
perturbé en présence d'incertitudes additives directes est donné par l'Eq.IV.1.

Fig.IV. 1. Incertitude additive directe

𝐺𝑝 (𝑠) = 𝐺𝑁 (𝑠) + ∆𝑎 (𝑠) (IV.1)

4.1.2.1.2. L’incertitude additive inverse

Incertitude additive inverses donné par la Fig.IV.2, La matrice de transfert 𝐺𝑝 (𝑠) pour le modèle
perturbé sous incertitudes additives inverses est donné par l'Eq.IV.2.

81
 Chapitre IV : La Commande robuste d’un système photovoltaïque

Fig.IV. 2. Incertitude additive inverses

𝐺𝑝 (𝑠) = [𝐺𝑁 (𝑠)−1 + ∆𝑎 𝑖 (𝑠)]−1 (IV.2)

4.1.2.2. Incertitude multiplicative

Incertitude multiplicative représente les erreurs de modélisation causées par les actionneurs ou
les convertisseurs et défauts causés par des capteurs ou d'autres instruments de mesure installés
dans la boucle de régulation. Il existe quatre types d’Incertitude multiplicative (Incertitudes
multiplicative en sortie, Incertitudes multiplicative en sortie inverse, Incertitudes multiplicative en
entrée directe, Incertitudes multiplicative en entrée inverse) illustrées dans la Fig. IV.3.

82
 Chapitre IV : La Commande robuste d’un système photovoltaïque

Fig.IV.3.a. Incertitudes multiplicative en sortie Fig.IV.3.b. Incertitudes multiplicative en sortie inverse

𝐺𝑝 (𝑠) = [𝐼 + ∆𝑠 (𝑠)]. 𝐺𝑁 (𝑠) (IV.3) 𝐺𝑝 (𝑠) = [𝐼 + ∆𝑠 (𝑠)]−1 . 𝐺𝑁 (𝑠) (IV.4)

Fig.IV.3.c Incertitudes multiplicative en entrée directe Fig.IV3.d Incertitudes multiplicative en entrée inverse

−1
𝐺𝑝 (𝑠) = 𝐺𝑁 (𝑠). [𝐼 + ∆𝑒 (𝑠)] (IV.5) 𝐺𝑝 (𝑠) = 𝐺𝑁 (𝑠). [𝐼 + ∆𝑒 𝑖 (𝑠)] (IV.6)

Fig.IV. 3. Incertitudes multiplicatives.

4.2. Définition de la robustesse

Un système de contrôle est robuste s'il est insensible aux différences entre le système réel et le
modèle de système utilisé pour concevoir le contrôleur, Autrement dit, la capacité du système à
continuer à fonctionner et à maintenir ses performances malgré les perturbations et les incertitudes
externes et internes. [75] [77] L'une des bases de la commande robustesse sont deux éléments
importants : la stabilité et la bonne performance des systèmes en boucle fermée. Pour assurer la
robuste de la loi de commande, des conditions de robustesse doivent être vérifiées sur la stabilité
et la performance.

83
 Chapitre IV : La Commande robuste d’un système photovoltaïque

4.2.1. Stabilité Nominale (𝑁𝑆)

Chaque système de contrôle nécessite la stabilité nominale à travers laquelle la réponse du

système à une référence spécifique est trouvée et le fonctionnement nominal d'un système physique
stable en boucle fermée est maintenu. Il existe deux types de stabilité nominale qui sont :

4.2.1.1. La stabilité interne

La notion de stabilité interne exige que tous les signaux d'un système de contrôle restent bornés pour
chaque entrée bornée. [78].

4.2.1.2. La stabilité externe

La stabilité externe nécessite qu'une sortie bornée soit obtenue pour toute entrée bornée injectée dans le
système. Ceci est également connu sous le nom de stabilité EBSB. (en
anglais 𝐵𝑜𝑢𝑛𝑑𝑒𝑑 𝐼𝑛𝑝𝑢𝑡 𝐵𝑜𝑢𝑛𝑑𝑒𝑑 𝑂𝑢𝑡𝑝𝑢𝑡 𝐵𝐼𝐵𝑂).

4.2.2. La stabilité robuste (RS)

Analyse de stabilité robuste (RS) : à l'aide d'un contrôleur K donné, nous déterminons si le
système reste stable pour toutes les incertitudes et perturbations présentes dans le modèle nominal
du système

Fig.IV. 4. Structure d’un système bouclé pour l’analyse de la robustesse de stabilité

𝐺𝑁 : le modéle nominal.

𝐾(𝑠) : le contrôleur.
84
 Chapitre IV : La Commande robuste d’un système photovoltaïque

∆𝑥 (𝑠) : un transfert décrivant les incertitudes de modélisation.

𝑟 : est le vecteur d'entrée de référence dont la valeur est supposée être nulle.

4.2.2.1. Théorème du faible gain

La structure donnée dans la Fig.IV.4 peut-être reconfigurée avec le schéma général montré dans
la Fig.IV.5. ci-dessous qui nous permet d'étudier et analyse de la robustesse de stabilité.

Fig.IV. 5. Structure générale d’étude de la robustesse de stabilité

𝑀∆ (𝑠): la matrice de transfert du système entre l’entrée et la sortie de ∆𝑥 , qui est supposé stable

La Fig.IV.5 montre un système contenant des incertitudes de modélisation non structurée. Le

système illustré à la Fig.IV.5 est stable si : si seulement si ‖∆𝑥 ‖ ∞ ≤ 1, d’où la condition sur la
stabilité robuste est assurée si et seulement si :

‖𝑀∆ (𝑠). ∆𝑥 (𝑠)‖∞ ≤ 1 ⇔ 𝜎𝑚𝑎𝑥 [𝑀∆ (𝑗𝜔). ∆𝑥 (𝑗𝜔)] < 1, ∀𝜔 ∈ ℝ∗+ (IV.7)

Voici une autre condition de stabilité robuste tout aussi suffisante mais plus conservatrice :

‖𝑀∆ (𝑠)‖∞ . ‖∆𝑥 (𝑠)‖∞ ≤ 1 , ∀𝜔 ∈ ℝ∗+ (IV.8)

Pour étudier la stabilité robuste en présence d'incertitudes de modélisation, la théorie du faible gain
est appliquée au système illustré à la Fig.IV.4. Selon la condition indiquée dans l'Eq.IV.8 il est
possible de fournir les conditions de robustesse de stabilité suivantes :

1
• Incertitude additive directe ‖𝐾. [𝐼𝑃×𝑃 + 𝐺𝑁 . 𝐾]−1 ‖∞ ≤ ‖∆ .
𝑎 (𝑠)‖∞

1
• Incertitude additive inverse ‖𝐺𝑁 . [𝐼𝑞×𝑞 + 𝐾. 𝐺𝑁 ]−1 ‖∞ ≤ .
‖∆𝑎𝑖 (𝑠)‖∞

85
 Chapitre IV : La Commande robuste d’un système photovoltaïque

1
• Incertitude multiplicative directe en sortie ‖𝐺𝑁 . 𝐾. [𝐼𝑃×𝑃 + 𝐺𝑁 . 𝐾]−1 ‖∞ ≤ ‖∆ .
𝑠 (𝑠)‖∞

1
• Incertitude multiplicative inverse en sortie ‖[𝐼𝑃×𝑃 + 𝐺𝑁 . 𝐾]−1 ‖∞ ≤ ‖∆ .
𝑠𝑖 (𝑠)‖∞

1
• Incertitude multiplicative directe en entrée ‖𝐾. 𝐺𝑁 . [𝐼𝑞×𝑞 + 𝐾. 𝐺𝑁 ]−1 ‖∞ ≤ ‖∆ .
𝑒 (𝑠)‖∞

1
• Incertitude multiplicative inverse en entrée ‖[𝐼𝑞×𝑞 + 𝐾. 𝐺𝑁 ]−1 ‖∞ ≤ ‖∆ .
𝑒𝑖 (𝑠)‖∞

4.2.2. Performance Nominale (𝑁𝑃)

La Fig.IV.6 montre le système bouclé

Fig.IV. 6. Structure d’un système bouclé pour l’analyse de robustesse.

Où :

𝑢 : représente le signal de commande fournie par le contrôleur;

𝑑𝑦 : représente le signal de bruit sur la sortie ;

𝑦 : représente le signal de sortie ;

η𝑦 : représente le bruit de mesure ;

𝑒 : représente le vecteur des erreurs de poursuite entre les sorties mesurées 𝑦 et les
références 𝑟.

𝑟 : représente le signal de référence ;

A partir de la Structure d'un système bouclé ci-dessus, on peut obtenir les équations suivantes :

86
 Chapitre IV : La Commande robuste d’un système photovoltaïque

−1 −1
𝑒 = 𝐼𝑝𝑥𝑝 + 𝐺𝑁 . 𝐾 . 𝑟 − 𝑑𝑦 − 𝑛𝑦 − 𝐺𝑁 . 𝐼𝑞𝑥𝑞 + 𝐾. 𝐺𝑁 . 𝑑𝑢
−1 −1
𝑢 = 𝐾. 𝐼𝑝𝑥𝑝 + 𝐺𝑁 . 𝐾 . 𝑟 − 𝑑𝑦 − 𝑛𝑦 − 𝐾. 𝐺𝑁 . 𝐼𝑞𝑥𝑞 + 𝐾. 𝐺𝑁 . 𝑑𝑢 (IV. 9)
−1 −1 −1
𝑦 = 𝐺𝑁 . 𝐾. 𝐼𝑝𝑥𝑝 + 𝐺𝑁 . 𝐾 . 𝑟 − 𝑛𝑦 + 𝐼𝑝𝑥𝑝 + 𝐺𝑁 . 𝐾 . 𝑑𝑦 + 𝐺𝑁 . 𝐼𝑞𝑥𝑞 + 𝐾. 𝐺𝑁 . 𝑑𝑢

Il existe quatre sensibilités qui sont les suivantes :

4.2.2.1. Sensibilité directe en sortie 𝑺𝒚 (𝒔)

Il représente le transfert entre différents signaux d'entrée représentés par des erreurs de suivi,
des perturbations de sortie et des signaux de commande et les sorties mesurées du système bouclé
[78].

𝑆𝑦 (𝑠) = [𝐼𝑝𝑥𝑝 + 𝐺𝑁 . 𝐾]−1 (IV.10)

4.2.2.2. Sensibilité directe en entrée 𝑺𝒖 (𝒔)

Représente le transfert entre les sorties mesurées du système bouclé et les perturbations en
entrée

𝑆𝑢 (𝑠) = [𝐼𝑞𝑥𝑞 + 𝐾. 𝐺𝑁 ]−1 (IV.11)

4.2.2.3. Sensibilité complémentaire en sortie 𝑻𝒚 (𝒔)

Il représente l'effet à la fois des perturbations et du bruit de mesure sur l'entrée des commandes
et sur la sortie du système de boucle, respectivement. Il s'exprime comme suit :

𝑻𝒚 (𝒔) = 𝐺𝑁 . 𝐾. [𝐼𝑝𝑥𝑝 + 𝐺𝑁 . 𝐾]−𝟏 (IV.12)

4.2.3. Performance robust (𝑅𝑃)

Un système en boucle fermée est performant si le système maintient les mêmes performances
compte tenu des incertitudes ci-dessus appliquées au modèle nominal [76].

4.3. Détermination des spécifications sur la robustesse

La détermination de la spécification de robuste est une étape nécessaire et essentielle pour

garantir la stabilité et le performance requis pour synthétiser un contrôleur robuste.

4.3.1. Spécification sur les performances nominal 𝒘𝟏 (𝒔)

87
 Chapitre IV : La Commande robuste d’un système photovoltaïque

La spécification 𝒘𝟏 (𝒔)est donnée pour spécifier les performances requises pour le

synthèse. Les spécifications de performance sont données comme par l'Eq.IV.13

Où :

𝛼𝑠
𝑤1 (𝑠) = 1+𝛼𝑠 (IV.13)

• La condition sur les performances nominales donné comme suite :

1
‖𝑤1 . ‖∞ ≤1 (IV.14)
1+𝐺𝑁

4.3.2. Spécification sur la stabilité 𝒘𝟑 (𝒔) :

La spécification 𝑤3 (𝑠) est donnée pour spécifier la stabilité requise pour le

synthèse. Les spécifications de stabilité sont données par l'Eq.IV.15. La spécification 𝑤3 (𝑠) C’est
un filtre qui en globale toutes les incertitudes de modélisation.

𝐴.(1+𝐵.𝑆)
𝑤3 (𝑠) = (IV.15)
1+𝜀.𝑆

• La condition sur la stabilité donnée comme suite :

𝐺
‖𝑤3 . 1+𝐺𝑁 ‖∞ ≤1 (IV.16)
𝑁

4.4. Calcul des paramètres de contrôleur 𝑷𝑰𝑫 en utilisant L’identification

fréquentielle basé sur la méthode de Loop Shaping

4.4.1. La méthode de Loop Shaping :

Loop Shaping c’est une procédure de conception de mise en forme de boucle 𝐻∞ proposée par
McFarlane et Glover (1992) est une méthode efficace pour concevoir des contrôleurs robustes et a
été utilisée avec succès dans une variété d'applications. C'est une méthode basée sur : la forme en
boucle ouverte idéale, c'est-à-dire rendre la boucle ouverte idéale et la boucle ouverte du modèle
représentant le système réel identiques dans le domaine temporel et fréquentiel. Les performances
souhaitées en boucle fermée sont spécifiées en façonnant les valeurs singulières [79].

88
 Chapitre IV : La Commande robuste d’un système photovoltaïque

4.4.2. Analyse de la valeur singulière

Grâce à la fonction de transfert donné par l'Eq.II.39, il est possible d'effectuer une analyse
fréquentielle basée sur le schéma à valeur singulier d'un système en boucle ouverte dans lequel
l'approche de loop-shaping est appliquée. En conséquence, la Fig.IV.7 montre la courbe de valeur
singulier pour le système en boucle ouverte 𝐺(𝑠). 𝐾0 (𝑠)donné dans la plage de fréquences 10−4 ≤
𝑤 ≤ 105 radians/sec. Ici, où 𝐾0 (𝑠) est considéré comme un contrôleur proportionnel ayant un gain
unitaire.

Fig.IV. 7. Courbe de valeur singulières du système en boucle ouverte donné sans aucune compensation du
contrôleur.

Selon la Fig. IV.7, la courbe de valeur singulière résultante commence avec le gain statique
constant de 50 𝑑𝐵/𝑑é𝑐𝑎𝑑𝑒 , puis s'aplatit aux basses fréquences dans la plage de fréquences 𝑤 ∈
[10−4 , 12993] 𝑟𝑎𝑑𝑖𝑎𝑛/𝑠𝑒𝑐𝑜𝑛𝑑𝑒. Ensuite, il descend par la pente de −40 𝑑𝐵/𝑑é𝑐𝑎𝑑𝑒 dans la
plage de fréquences restante. Selon le principe de mise loop shaping et le théorème de la valeur
finale, l'erreur de suivi 𝑀𝑃𝑃 en régime permanent se produit malheureusement de manière
persistante, ce qui entraîne un très mauvais comportement d'atténuation des erreurs. Dans un
scénario parfait, la courbe de valeur singulière d'un système idéal en boucle ouverte pourrait se
présenter sous la forme d'un roll-off avec une pente d'ordre supérieur ou égal à −20 𝑑𝐵/𝑑é𝑐𝑎𝑑𝑒
aux basses fréquences. Ceci doit être assuré avant d'atteindre une valeur de bande passante
présélectionnée. Dans le domaine temporel, la forme idéale ci-dessus permettra d'obtenir une
suppression perpétuelle de l'erreur de poursuite 𝑀𝑃𝑃, ce qui se traduit par une réponse temporelle
régulière en régime permanent. Aussi, la présence d'une forte descente de −40 𝑑𝐵/𝑑é𝑐𝑎𝑑𝑒 dans

89
 Chapitre IV : La Commande robuste d’un système photovoltaïque

la pente de la courbe des valeurs singulières implique la garantie d'une bonne dynamique du bruit
capteur dans le domaine temporel. A partir de ces indications, l'objectif principal de la synthèse du
contrôleur est d'obtenir une forme de boucle ouverte caractérisée par une descente de la pente aux
basses fréquences tout en gardant la même pente précédente aux hautes fréquences.

L'un des outils de synthèse de contrôleur les plus puissants mais les plus simples est celui basé
sur la prédétermination de la courbe de valeur singulière du système en boucle ouverte souhaité,
puis sur l'ajustement des paramètres du contrôleur 𝑃𝐼𝐷 de tension proposée pour atteindre une
réponse en fréquence précédente similaire. En général, cet objectif peut être atteint en minimisant
les valeurs d'écart qui se produisent entre chaque valeur singulière des deux systèmes en boucle
ouverte, souhaitée et à réaliser. En effet, à partir de la courbe de valeur singulière, représentée sur
la Fig.IV.7, notamment dans la partie basse fréquence existante. L'objectif principal est de créer un
roll-off avec une pente de −20 𝑑𝐵/𝑑é𝑐𝑎𝑑𝑒 de la fréquence initiale 𝑤𝑚𝑖𝑛 = 10−4 radian/seconde à
la première fréquence présélectionnée 𝑤𝑐1 = 3.85 𝑟𝑎𝑑𝑖𝑎𝑛/𝑠𝑒𝑐𝑜𝑛𝑑𝑒 , Ensuite, la courbe résultante
doit être plate de la fréquence précédente jusqu'à la deuxième fréquence présélectionnée 𝑤𝑐2 =
730 𝑟𝑎𝑑𝑖𝑎𝑛/𝑠𝑒𝑐𝑜𝑛𝑑𝑒. Enfin, la pente de −40 𝑑𝐵/𝑑é𝑐𝑎𝑑𝑒 de la courbe initiale en boucle ouverte
est maintenue dans toutes les fréquences restantes et la fonction de transfert globale est pondérée
par le paramètre positif qui est réglé en fonction de l'atténuation souhaitée de la poursuite en régime
permanent du 𝑀𝑃𝑃 Il est donné par 𝐾𝑐 = 2.8 . Par conséquent, la forme générale résultante de la
fonction de transfert qui décrit le système en boucle ouverte souhaité est donnée par :

𝑠
𝐾𝑐 (1+ )
𝑤𝑐1
𝐺𝑑 (𝑠) = 𝑠 𝑠
2 (IV.17)
(1+ )
𝑤𝑐1 𝑤𝑐2

A partir des les Eq.II.34 et Eq.IV.17, le script Matlab® loopsyn peut être appliqué pour
déterminer la fonction de transfert du régulateur de tension. Cependant, le contrôleur résultant est
de l'ordre de 13 où sa mise en œuvre en temps réel devient difficile, ce qui entraîne de nombreux
problèmes.

Grâce à l'approche d'identification de fréquence, les réponses en fréquence du système en boucle

ouverte ayant quatre paramètres inconnus du régulateur 𝑃𝐼𝐷 de tension sont comparées à celles
données par l'Eq.IV.17. La fonction de fitness est formulée selon la comparaison précédente et
l'algorithme d'optimisation PSO est ensuite utilisé pour minimiser autant que possible la fonction
de fitness précédente. Elle conduit donc à obtenir la fonction de transfert 𝐾(𝑠), donnée ci-dessous :

0.01479 0.025.𝑠
𝐾(𝑠) = 0.007 + + 10.𝑠+1 (IV.18)
𝑠

90
Chapitre IV : La Commande robuste d’un système photovoltaïque

Par conséquent, la Fig.IV.8 montre les valeurs singulières des systèmes en boucle ouverte
résultants et souhaités et la présence d'une correspondance exacte entre aux.

Fig.IV. 8. Courbe de valeur singulière du système en boucle ouverte donnée après compensation du contrôleur .

4.5. Résultats de la simulation et discussion

La validation de la stratégie de contrôle 𝑀𝑃𝑃𝑇 proposée à l'aide de l'algorithme 𝑃&𝑂 amélioré

est présentée pour différentes conditions climatiques. À cette fin, le modèle linéaire faible signal
comprenant 𝐺𝑃𝑉, convertisseur Boost 𝐷𝐶 − 𝐷𝐶 et charge résistive a été conçu dans un
fonctionnement proche du fonctionnement nominal dont les paramètres sont précédemment
mentionnés dans le tableau I.1 et II.1. La capacité de la stratégie de contrôle 𝑀𝑃𝑃𝑇 proposée est
illustrée par la comparaison de ses performances avec celles fournies par celui basé sur
l'implémentation directe de l'algorithme 𝑃&𝑂 standard. La validation est effectuée en utilisant
l'environnement Matlab®/Simulink puis les bibliothèques du système Simpower® où ses résultats
deviennent assez proches des applications du monde réel.

91
Chapitre IV : La Commande robuste d’un système photovoltaïque

4.6. Validation du contrôle 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 amélioré par l'environnement

Matlab®/Simulink

La validation de la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 proposée est effectuée à l'aide de blocs
Matlab®/Simulink, comme illustré à la Fig.IV.9 où le temps d'échantillonnage 𝑇𝑠 =
0.1 𝑠 milliseconde est utilisé. Lorsque la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 améliorée est choisie,
la puissance électrique du panneau solaire 𝐾𝐶200𝐺𝑇 est extraite par l'algorithme 𝑃&𝑂 en utilisant
la tension de pas fixe dalta ∆𝑉 = 0.01 𝑣𝑜𝑙𝑡 . Cet algorithme fournit la tension de référence 𝑉𝑟𝑒𝑓 en
fonction de l'irradiance solaire existante et de la température absolue. Ensuite, le contrôleur 𝑃𝐼𝐷
de tension fournit la taille de pas optimale &𝑑 ∗ en minimisant l'écart de tension 𝐸𝑉 = 𝑉𝑟𝑒𝑓 − 𝑉𝑃𝑉 où
la commande de rapport cyclique optimal est donnée par 𝑑𝑜𝑝𝑡 (𝑡) = 𝐷𝑀𝑃𝑃 − &𝑑 ∗ . D'autre part,
lorsque la stratégie de contrôle standard 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 est choisie, le contrôle optimal
correspondant du rapport cyclique 𝑑𝑜𝑝𝑡 (𝑡) est le résultat d'une boucle de calcul, dans laquelle la
valeur de 𝐷𝑜𝑝𝑡 se déplace par addition ou soustraction de la taille de pas fixe &𝑑 = 0.01 et en
fonction du rayonnement solaire et de la température absolue.

Fig.IV. 9. Régulation de tension basée sur la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 proposée à l'aide de blocs
𝑀𝑎𝑡𝑙𝑎𝑏®/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘

Dans ce cas, la dynamique de suivi du 𝑀𝑃𝑃 est vérifiée dans les changements de conditions
climatiques ainsi que dans les variations de la charge résistive, donnés comme les trois cas
suivants :

92
Chapitre IV : La Commande robuste d’un système photovoltaïque

• La température absolue est démarrée avec 𝑇 = 25 𝐶° pendant les quatre premières

secondes, puis diminuée jusqu'à 𝑇 = 15 𝐶° pendant les huit secondes restantes.
• L'irradiation solaire est initialement fixée à 𝐺 = 1000 𝑤/𝑚^2 pendant les sept premières
secondes, puis réduite à 𝐺 = 400 𝑤/𝑚^2 pendant les cinq secondes restantes.
• La charge de charge résistive est maintenue à 𝑅 = 500 Ω pendant les dix premières
secondes puis diminuée à 𝑅 = 250 Ω pendant les deux secondes restantes.

Par conséquent, la Fig.IV.10 compare les puissances électriques de sortie, fournies par les
stratégies de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 standard et améliorées. D'autre part, la Fig.IV.11 montre la
commande de rapport cyclique fournie et son incrément qui est fourni par le contrôleur 𝑃𝐼𝐷 de
tension.

Selon la Fig.IV.10, il est clair d'observer que la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 améliorée
proposée fournit la meilleure dynamique de suivi 𝑀𝑃𝑃𝑇 lorsqu'elle est comparée à celle de la
stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 standard. Cette meilleure dynamique est caractérisée par la
réponse de puissance de sortie régulière donnée ayant les temps de montée et de stabilisation les
plus rapides. De plus, le problème de fluctuation de puissance est bien résolu en régime transitoire
et en régime permanent. La Fig.IV.10 montre que le système en boucle fermée basé sur la stratégie
de contrôle proposée devient moins sensible au changement des conditions climatiques où l'erreur
de suivi 𝑀𝑃𝑃𝑇 est bien supprimée sur toute la plage de temps. Toutes ces meilleures propriétés
sont bien assurées et quelle que soit l'évolution de la charge résistive ce qui confirme l'assurance
de la bonne marge de sécurité de la robustesse en boucle fermée. Enfin, la Fig.IV.11 montre que la
stratégie de contrôle proposée permet d'assurer la commande de rapport cyclique optimal qui
comprend toujours dans la plage]0, 1[. Cela confirme la possibilité de mettre en œuvre la stratégie
de contrôle proposée dans des applications du monde réel. De plus, l'incrément du rapport cyclique
devient également suffisamment petit, dans lequel la commande optimale donnée fluctue toujours
autour de son 𝑀𝑃𝑃 correspondant.

93
Chapitre IV : La Commande robuste d’un système photovoltaïque

Fig.IV. 10. Puissance électrique de sortie fournie par les stratégies de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 standard et améliorées

Fig.IV. 11. Commande et incrément correspondant fournis par le régulateur PID proposé

4.7. Validation du contrôle 𝑷&𝑶 − 𝑴𝑷𝑷𝑻 amélioré par les bibliothèques

système Simpower®

La validation de la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 proposée est effectuée à l'aide des
bibliothèques du système 𝑠𝑖𝑚𝑝𝑜𝑤𝑒𝑟®, comme illustré à la Fig.IV.12, où la fréquence de
commutation 𝑓 = 5 𝑘ℎ𝑧 est utilisée dans le bloc 𝑃𝑊𝑀 à modulation de largeur d'impulsion pour
générer la commande de rapport cyclique réel pour le 𝐷𝐶 − 𝐷𝐶 réel. Convertisseur 𝐵𝑜𝑜𝑠𝑡. De

94
Chapitre IV : La Commande robuste d’un système photovoltaïque

plus, la validation précédente est effectuée dans la plage de temps 0 ≤ 𝑡 ≤ 1 𝑠𝑒𝑐𝑜𝑛𝑑𝑒 dans
laquelle l'irradiation solaire est maintenue à la valeur constante 𝐺 = 1000 𝑤/𝑚2 pendant la moitié
de la plage de temps précédente puis diminuée à 𝐺 = 400 𝑤/𝑚2 pendant la plage de temps
restante. Par conséquent, la Fig.IV.13 compare les puissances de sortie des deux stratégies de
contrôle précédentes où la Fig.IV.14 donne le rapport cyclique optimal et l'incrément
correspondant fourni par le contrôleur 𝑃𝐼𝐷 de tension proposée.

Fig.IV. 12. Proposition de commande P&O − MPPT réalisée sous bibliothèques du système Simpower®

Fig.IV. 13. Puissances électriques de sortie du GPV données à l'aide des bibliothèques du système Simpower®

95
Chapitre IV : La Commande robuste d’un système photovoltaïque

Fig.IV. 14. Contrôle et contrôle optimal correspondant fournis dans les bibliothèques du système Simpower®

Comme les résultats obtenus à partir de la mise en œuvre de la stratégie de contrôle proposée dans
les bibliothèques du système Simpower®, il est donc clair que les meilleures performances données
seront les mêmes que celles fournies dans les applications du monde réel. Enfin, le tableau IV.1. Il
compare les facteurs de remplissage des deux stratégies de contrôle où le meilleur est fourni par la
stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 améliorée où son facteur de remplissage est de 99,9550 %
tandis que le facteur de remplissage de la stratégie de contrôle 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 standard est de
93,7270 % .

Tab.IV. 1. Facteur de remplissage pour les méthodes de contrôle du remorquage

Stratégie de contrôle 𝑭𝑭 %
P&O Amélioré 99.9550%
P&O Standard 93.7270%

96
 Commande en mode direct et indirect en tension du
Chapitre IV : system panneau photovoltaïque

4.8. Conclusion

L'objectif principal de cette étude consistait à améliorer les performances de la stratégie de

contrôle standard 𝑃&𝑂 − 𝑀𝑃𝑃𝑇 par rapport aux changements des conditions climatiques et aux
variations de la charge résistive. Cet objectif a été atteint en synthétisant le contrôleur 𝑃𝐼𝐷 de
tension proposée où le calcul de ses paramètres a été assuré en appliquant l'approche
d'identification. Ce dernier utilisait le principe de mise en Loop Shaping, dans lequel le système en
boucle ouverte parfaite a été proposé au préalable. La conception du contrôleur 𝑃𝐼𝐷 de tension
souhaitée dépendait fortement de la conception du modèle linéaire à petit signal qui devrait décrire
autant que possible le fonctionnement nominal du schéma 𝑀𝑃𝑃𝑇 à 𝑆𝑇𝐶 où ce schéma comprenait
le 𝐺𝑃𝑉, le convertisseur 𝐵𝑜𝑜𝑠𝑡 𝐷𝐶 − 𝐷𝐶 et la charge résistive. La conception du modèle a été
réalisée analytiquement puis graphiquement à l'aide du package Matlab®/Simulink. La partie
validation a été éprouvée sous le package Matlab®/Simulink puis sous les bibliothèques du
système 𝑆𝑖𝑚𝑝𝑜𝑤𝑒𝑟®. Les performances de la stratégie de contrôle proposée ont été comparées à
celles fournies par la stratégie de contrôle standard 𝑃&𝑂 − 𝑀𝑃𝑃𝑇. Les résultats donnés ont
confirmé la supériorité de la stratégie de contrôle proposée en termes de dynamique de suivi de
référence et de robustesse en boucle fermée contre les conditions météorologiques changeantes et
les variations de charge résistive.

97
 Commande en mode direct et indirect en tension du
Chapitre IV : system panneau photovoltaïque

CONCLUSION GENERALE ET
PERSPECTIVES
 Conclusion générale et perspectives

Conclusion générale et perspectives

Dans ce travail, nous avons amélioré les performances de la stratégie de contrôle

conventionnelle P&O-MPPT pour le suivi du MPP en présence de changements soudains de
l'irradiation solaire et de la température absolue de l'environnement, en faisant apparaître la
nouvelle stratégie appelée : P&O-MPPT améliorée. Sachant que le contrôle des systèmes solaires
par le P&O-MPPT conventionnel présentait plusieurs anomalies lors de l'extraction de l'énergie
électrique au moyen du générateur PV. Ces anomalies résidaient dans la présence d'ondulations
non souhaitables dans toutes les grandeurs électriques des différents systèmes constituant la chaîne
de conversion de l'énergie solaire tels que les signaux de tension et de courant du convertisseur
élévateur DC-DC, la réponse en puissance alimentant la charge résistive variable, ..., etc. Ceci était
dû à la mauvaise mise à jour du signal de contrôle du rapport cyclique, en particulier lorsque la
position du MPP évolue pendant le changement des deux conditions climatiques susmentionnées.
Sachant que cette dysfonction est due à la spécificité du pas qui est supposé être de taille fixe. Dans
l'algorithme P&O, ce pas permet d'assurer l'incrémentation ou la décrémentation du signal de
commande en fonction de la position courante du MPP. C'est pour cette raison que l'utilisation du
pas ayant une taille variable est devenue indispensable pour résoudre le problème de la commande
par la stratégie P&O-MPPT conventionnelle.

L'objectif étant donc devenu plus précis et clair pour aboutir à l'amélioration des performances
nécessitant de combiner l'algorithme P&O avec le contrôleur PID dont les paramètres devront être
optimisés sur la base du modèle linéaire à petits signaux. Par conséquent, les deux apports de ce
travail ont été basés, d'une part, sur la méthode de modélisation fournissant le modèle de synthèse
dont la linéarisation a été assurée par l'application du principe des faibles signaux. Dans ce cas, le
modèle d'état linéaire décrivant le comportement réel du système solaire devait d'abord être établi
à partir des équations différentielles simulant le fonctionnement simultané de trois équipements,
interconnectés entre eux dans l'ordre suivant : Panneau photovoltaïque, convertisseur DC-DC et la
charge, que l'on suppose dans ce travail comme résistive.

La linéarisation consiste, dans ce cas, à apporter de légères variations à toutes les grandeurs
électriques telles que la tension PV, le courant PV, le courant passant par l'inductance du
convertisseur, la tension de sortie mesurée aux bornes de la charge et enfin le rapport cyclique. Par
la suite, toutes les quantités stationnaires, qui sont fournies en STC, ainsi que toutes les variations
d'ordre élevé devaient être éliminées en ne conservant que ses propres variations du premier ordre.
Ceci a permis de fournir un modèle linéaire dont la linéarité est située au voisinage de l'état de
repos.

99
 Conclusion générale et perspectives

Toutefois, l'application de ce principe sur des modèles non linéaires simples conduit à fournir
en STC des linéarisations parfaites. Néanmoins, cela peut poser de sérieux problèmes, tout
particulièrement quand le comportement du système solaire possède des dynamiques complexes.
Pour cette raison, la résolution de ce problème a été abordée dans ce travail, et ce, par le biais d'une
modélisation employant l'interface graphique de l'environnement Matlab/Simulink. Par
conséquent, cette nouvelle méthodologie offre l'avantage de procurer des modèles linéaires à
faibles signaux qui sont beaucoup plus précis que ceux développés par la modélisation basée sur
le calcul analytique du modèle de synthèse. Cette alternative fait également une autre contribution
de ce travail.

Sachant que ces étapes précédentes ont permis d'obtenir le modèle linéaire souhaité, mais celui-
ci était entaché d'erreurs de modélisation, souvent inévitables lors de l'étape de modélisation. Ces
incertitudes ont généralement entraîné une dégradation dramatique des performances du système
bouclé par le contrôleur PID à synthétiser. Pour surmonter cet inconvénient, nous avons procédé à
la synthèse basée sur la théorie du contrôle robuste pour contrôler les systèmes avec des modèles
linéaires incertains. Pour ce faire, nous avons présenté les différents types d'incertitudes de
modélisation et sur la base de celles-ci, nous avons mis en évidence la condition de stabilité robuste.
Cette dernière nécessite la définition d'une limite (pondération) dans le plan fréquentiel dont
l'évolution des valeurs singulières maximales de différents types d'erreurs de modélisation doit être
majorée dans toute la gamme de fréquences.

En parallèle, la condition sur les performances nominales du système en boucle fermée doit
également être définie à travers une pondération incluant en plan fréquentiel toutes les
spécifications du cahier de charge. Sachant que la satisfaction simultanée de ces deux conditions
de robustesse dans une même gamme de fréquence est quasiment impossible. Pour cette raison, un
compromis doit être recherché entre elles, de sorte que la condition de performance nominale doit
être vérifiée dans les basses fréquences, tandis que la condition de stabilité robuste doit être vérifiée
dans les hautes fréquences.

Il est clair qu'assurer ce compromis peut se traduire par le fait de garantir une pondération qui
décrit souvent la forme des valeurs singulières maximales de la boucle ouverte souhaitée. Selon le
principe du Loop-Shaping, la forme souhaitée de la boucle ouverte possède le même profil que
celui de la pondération imposée pour les performances nominales en basses fréquences. En même
temps, elle possède la forme inversée de la pondération imposée à la stabilité robuste en hautes
fréquences.

100
 Conclusion générale et perspectives

Toutefois, le contrôleur synthétisé via cette allure souhaitée de la boucle ouverte offrant des
contrôleurs efficaces et robustes faces aux incertitudes de modélisation. Néanmoins, le degré du
transfert correspondant devenant en général assez élevé. En pratique, ce degré devient égal à la
somme des trois degrés, à savoir celui du modèle de synthèse, celui de la pondération imposée en
basse fréquence et celui de la pondération imposée en haute fréquence. Il en résulte de fournir un
contrôleur dont l'implémentation en temps réel se révèle assez délicate. Pour résoudre cette
anomalie, la structure fixe du PID a été utilisée dont le vecteur inconnu à optimiser contient ses
trois gains plus la constante de filtrage de l'action dérivée.

Dans ce cas, l'optimisation des paramètres a été réalisée en minimisant la somme des moyennes
quadratiques, générée par la différence entre le module de la boucle ouverte désirée et celui produit
par la multiplication du modèle linéaire à faibles signaux et le contrôleur PID à synthétiser. Enfin,
l'application de la nouvelle stratégie P&O-MPPT améliorée, qui a été équipée de la structure PID
susmentionnée, pour le contrôle du système solaire à travers l'environnement PowerSim® a
confirmé sa supériorité par rapport à la stratégie P&O conventionnelle en termes de qualité de la
réponse en puissance, fournie dans les régimes transitoires et permanents. Il a été résolu avec
efficacité le problème d’ondulation, ce qui a permis d’augmenter considérablement le rendement
d’extraction d’énergie électrique dans des conditions métrologiques variables.

Toutefois, les améliorations proposées dans ce travail font un grand progrès en ce qui concerne
le système de conversion d'énergie reposant sur les systèmes solaires. Malheureusement, il reste
encore à perfectionner, en particulier dans les cas où l'ombre apparaît lors du fonctionnement des
systèmes solaires, ce qui réduit considérablement le rendement énergétique de la conversion
d'énergie. Nous nous conseillons les futurs candidats intéressés par ce domaine de rechercher de
prendre en considération ces effets exogènes dans la conception du modèle linéaire de synthèse
ainsi que dans la conception du contrôleur adéquat, qui devra toujours assurer la bonne mis à jour
du rapport cyclique. De plus, nous nous conseillons les futurs chercheurs de faire étendre
l’application de cette stratégie améliorée pour le contrôle d’autres charges, en particulier les
pompes solaires se trouvant dans des lieux désertiques.

101
Conclusion générale et perspectives

Références Bibliographiques
 Références Bibliographiques

[1] Pacesila, M., Burcea, S. G., & Colesca, S. E. (2016). Analysis of renewable energies in
European Union. Renewable and Sustainable Energy Reviews, 56, 156-170.

[2] Hossain, M. S., Madlool, N. A., Rahim, N. A., Selvaraj, J., Pandey, A. K., & Khan, A. F.
(2016). Role of smart grid in renewable energy: An overview. Renewable and Sustainable Energy
Reviews, 60, 1168-1184.

[3] Ben Jebli, M., & Ben Youssef, S. (2017). Renewable energy consumption and agriculture:
evidence for cointegration and Granger causality for Tunisian economy. International Journal of
Sustainable Development & World Ecology, 24(2), 149-158.

[4] Selosse, S., Ricci, O., Garabedian, S., & Maïzi, N. (2018). Exploring sustainable energy future
in Reunion Island. Utilities Policy, 55, 158-166.

[5] Pacesila, M., Burcea, S. G., & Colesca, S. E. (2016). Analysis of renewable energies in
European Union. Renewable and Sustainable Energy Reviews, 56, 156-170.

[6] Belaid, S., Zidane, Y., & Doumbia, I. (2018). Modélisation et simulation d'un système de
pompage photovoltaïque (Doctoral dissertation, université Abderahmene Mira. Bejaia). [I.30]
Mambrini, T. (2014). Caractérisation de panneaux solaires photovoltaïques en conditions réelles
d’implantation et en fonction des différentes technologies (Doctoral dissertation, Paris 11).

[7] Salmi, T., Bouzguenda, M., Gastli, A., & Masmoudi, A. (2012). Matlab/simulink based
modeling of photovoltaic cell. International journal of renewable energy research, 2(2), 213- 218.

[8] Luo, X., Cao, L., Wang, L., Zhao, Z., & Huang, C. (2018). Parameter identification of the
photovoltaic cell model with a hybrid Jaya-NM algorithm. Optik, 171, 200-203.

[9] Wu, Z., Yu, D., & Kang, X. (2017). Parameter identification of photovoltaic cell model based
on improved ant lion optimizer. Energy Conversion and Management, 151, 107-115.

[10] Abbassi, A., Abbassi, R., Heidari, A. A., Oliva, D., Chen, H., Habib, A., ... & Wang, M.
(2020). Parameters identification of photovoltaic cell models using enhanced exploratory salp
chains-based approach. Energy, 198, 117333.

[11] Lineykin, S., Averbukh, M., & Kuperman, A. (2014). An improved approach to extract the
single-diode equivalent circuit parameters of a photovoltaic cell/panel. Renewable and Sustainable
Energy Reviews, 30, 282-289.
[12] Xu, Y., Kong, X., Zeng, Y., Tao, S., & Xiao, X. (2014). A modeling method for photovoltaic
cells using explicit equations and optimization algorithm. International Journal of Electrical Power
& Energy Systems, 59, 23-28.

[13] Shinong, W., Qianlong, M., Jie, X., Yuan, G., & Shilin, L. (2020). An improved mathematical
model of photovoltaic cells based on datasheet information. Solar Energy, 199, 437-446.

[14] Hysa, A. (2019). Modeling and simulation of the photovoltaic cells for different values of
physical and environmental parameters. Emerging Science Journal, 3(6), 395-406.

[15] Gnetchejo, P. J., Ndjakomo Essiane, S., Dadjé, A., Ele, P., Mbadjoun Wapet, D. E., Perabi
Ngoffe, S., & Chen, Z. (2021). A self-adaptive algorithm with Newton Raphson method for
parameters identification of photovoltaic modules and array. Transactions on Electrical and
Electronic Materials, 22(6), 869-888.

[16] Adak, S., Cangi, H., Yilmaz, A. S., & Arifoglu, U. (2022). Development software program
for extraction of photovoltaic cell equivalent circuit model parameters based on the Newton–
Raphson method. Journal of Computational Electronics, 1-10.

[17] RASHEED, M., SHIHAB, S., & RASHID, T. (2021). Two Step and Newton-Raphson
Algorithms in the Extraction for the Parameters of Solar Cell. Al-Qadisiyah Journal of Pure
Science, 26(1), 143-154.

[18] Hmamou, D. B., Elyaqouti, M., Arjdal, E., Chaoufi, J., Saadaoui, D., Lidaighbi, S., & Aqel,
R. (2022). Particle swarm optimization approach to determine all parameters of the photovoltaic
cell. Materials Today: Proceedings, 52, 7-12.

[19] Rawa, M., Calasan, M., Abusorrah, A., Alhussainy, A. A., Al-Turki, Y., Ali, Z. M., ... & Bassi,
H. (2022). Single Diode Solar Cells—Improved Model and Exact Current–Voltage Analytical
Solution Based on Lambert’s W Function. Sensors, 22(11), 4173.

[20] Rawa, M., Al-Turki, Y., Sindi, H., Ćalasan, M., Ali, Z. M., & Aleem, S. H. A. (2022). Current-
voltage curves of planar heterojunction perovskite solar cells–Novel expressions based on Lambert
W function and Special Trans Function Theory. Journal of Advanced Research.

[21] Suwanarat, S., Phetphun, P., Prabpal, P., & Yupapin, P. (2022). Simple and efficient estimation
of I–V photovoltaic using nonlinear curve fitting equivalent circuit model in Lambert W function
form. Journal of Computational Electronics, 1-9.

[22] Rezk, H., Arfaoui, J., & Gomaa, M. R. (2021). Optimal parameter estimation of solar PV
panel based on hybrid particle swarm and grey wolf optimization algorithms.
[23] Khenissi, I., Sellami, R., Fakhfakh, M. A., & Neji, R. (2021). Power loss minimization using
optimal placement and sizing of photovoltaic distributed generation under daily load consumption
profile with PSO and GA algorithms. Journal of Control, Automation and Electrical Systems,
32(5), 1317-1331.

[24] Montano, J., Mejia, A. F. T., Rosales Muñoz, A. A., Andrade, F., Garzon Rivera, O. D., &
Palomeque, J. M. (2021). Salp swarm optimization algorithm for estimating the parameters of
photovoltaic panels based on the three-diode model. Electronics, 10(24), 3123.

[25] Rezk, H., Arfaoui, J., & Gomaa, M. R. (2021). Optimal parameter estimation of solar PV
panel based on hybrid particle swarm and grey wolf optimization algorithms.

[26] Alatai, S., Salem, M., Ishak, D., Das, H. S., Alhuyi Nazari, M., Bughneda, A., & Kamarol, M.
(2021). A Review on State-of-the-Art Power Converters: Bidirectional, Resonant, Multilevel
Converters and Their Derivatives. Applied Sciences, 11(21), 10172.

[27] Kumar, G. K., & Elangovan, D. (2020). Review on fault‐diagnosis and fault‐tolerance for
DC–DC converters. IET Power Electronics, 13(1), 1-13.

[28] Raj, A., Arya, S. R., & Gupta, J. (2020). Solar PV array-based DC–DC converter with MPPT
for low power applications. Renewable Energy Focus, 34, 109-119.

[29] Sarikhani, A., Allahverdinejad, B., & Hamzeh, M. (2020). A nonisolated buck–boost DC–DC
converter with continuous input current for photovoltaic applications. IEEE Journal of Emerging
and Selected Topics in Power Electronics, 9(1), 804-811.

[30] Baharudin, N. H., Mansur, T. M. N. T., Hamid, F. A., Ali, R., & Misrun, M. I. (2017).
Topologies of DC-DC converter in solar PV applications. Indonesian Journal of Electrical
Engineering and Computer Science, 8(2), 368-374.

[31] Toumi, D., Benattous, D., Ibrahim, A., Abdul-Ghaffar, H. I., Obukhov, S., Aboelsaud, R., ...
& Diab, A. A. Z. (2021). Optimal design and analysis of DC–DC converter with maximum power
controller for stand-alone PV system. Energy Reports, 7, 4951-4960.

[32] Srija, D. K., Keerthi, T. S., Anusha, R., Chandana, B. H., & Peddapati, S. (2019, February).
Performance analysis of non-isolated high step-up dc-dc converter topologies used in photovoltaic
grid connected electric vehicle charging stations. In 2019 Fifth International Conference on
Electrical Energy Systems (ICEES) (pp. 1-6). IEEE.

[33] Jotham Jeremy, L., Ooi, C. A., & Teh, J. (2020). Non-isolated conventional DC-DC converter
comparison for a photovoltaic system: A review. Journal of Renewable and Sustainable Energy,
12(1), 013502.
[34] Aissani, S., Kahla, S., Bechouat, M., Amieur, T., & Sedraoui, M. (2022). A Voltage PID
Controller Synthesis Based on a New Small-Signal Linear Model to Enhance the Performance of
the Standard P &O Algorithm Employed in Photovoltaic Panels. Arabian Journal for Science and
Engineering, 1-16.

[35] Chakraborty, S., Vu, H. N., Hasan, M. M., Tran, D. D., Baghdadi, M. E., & Hegazy, O. (2019).
DC-DC converter topologies for electric vehicles, plug-in hybrid electric vehicles and fast
charging stations: State of the art and future trends. Energies, 12(8), 1569.

[36] Ayop, R., & Tan, C. W. (2018). Design of boost converter based on maximum power point
resistance for photovoltaic applications. Solar Energy, 160, 322-335.

[37] Lavanya, A., Navamani, J. D., Vijayakumar, K., & Rakesh, R. (2016, March). Multi-input
DC-DC converter topologies-a review. In 2016 International Conference on Electrical, Electronics,
and Optimization Techniques (ICEEOT) (pp. 2230-2233). IEEE.

[38] Forouzesh, M., Siwakoti, Y. P., Gorji, S. A., Blaabjerg, F., & Lehman, B. (2017). Step-up
DC–DC converters: a comprehensive review of voltage-boosting techniques, topologies, and
applications. IEEE transactions on power electronics, 32(12), 9143-9178.

[39] Singh, S. N. (2017). Selection of non-isolated DC-DC converters for solar photovoltaic
system. Renewable and Sustainable Energy Reviews, 76, 1230-1247.

[40] Saravanan, S., & Ramesh Babu, N. (2017). A modified high step-up non-isolated DC-DC
converter for PV application. Journal of applied research and technology, 15(3), 242-249.

[41] Teja, V. R., Srinivas, S., & Mishra, M. K. (2016, March). A three port high gain non-isolated
DC-DC converter for photovoltaic applications. In 2016 IEEE International Conference on
Industrial Technology (ICIT) (pp. 251-256). IEEE.

[42] Alassi, A., Al-Aswad, A., Gastli, A., Brahim, L. B., & Massoud, A. (2017, May). Assessment
of isolated and non-isolated DC-DC converters for medium-voltage PV applications. In 2017 9th
IEEE-GCC Conference and Exhibition (GCCCE) (pp. 1-6). IEEE.

[43] Kish, G. J. (2017). On the emerging class of non-isolated modular multilevel DC–DC
converters for DC and hybrid AC–DC systems. IEEE Transactions on Smart Grid, 10(2), 1762-
1771.

[44] Abid, R., Masmoudi, F., & Derbel, N. (2017, February). Comparative study of the
performances of the DC/DC luo-converter in photovoltaic applications. In 2017 International
Conference on Smart, Monitored and Controlled Cities (SM2C) (pp. 117-122). IEEE.
[45] Dahale, S., Das, A., Pindoriya, N. M., & Rajendran, S. (2017, December). An overview of DC-
DC converter topologies and controls in DC microgrid. In 2017 7th International Conference on
Power Systems (ICPS) (pp. 410-415). IEEE.

[46] Sidharth, T., & Sundaramoorthi, P. A High Gain Soft Switched Interleaved Boost Converter
with an Improved MPPT Control for PV Applications.

[47] Mohamed, S. A., & Abd El Sattar, M. (2019). A comparative study of P&O and INC maximum
power point tracking techniques for grid-connected PV systems. SN Applied Sciences, 1(2), 1-13.

[48] Kollimalla, S. K., & Mishra, M. K. (2014). Variable perturbation size adaptive P&O MPPT
algorithm for sudden changes in irradiance. IEEE Transactions on Sustainable Energy, 5(3), 718-
728.

[49] Villalva, M. G., De Siqueira, T. G., & Ruppert, E. (2010). Voltage regulation of photovoltaic
arrays: small-signal analysis and control design. IET Power Electronics, 3(6), 869-880.

[50] Anto, E. K., Asumadu, J. A., & Okyere, P. Y. (2016, June). PID control for improving P&O-
MPPT performance of a grid-connected solar PV system with Ziegler-Nichols tuning method. In
2016 IEEE 11th Conference on Industrial Electronics and Applications (ICIEA) (pp. 1847-1852).
IEEE.

[51] Jain, K., Gupta, M., & Bohre, A. K. (2018, December). Implementation and comparative
analysis of P&O and INC MPPT method for PV system. In 2018 8th IEEE India International
Conference on Power Electronics (IICPE) (pp. 1-6). IEEE.

[52] Sundareswaran, K., Vigneshkumar, V., Sankar, P., Simon, S. P., Nayak, P. S. R., & Palani, S.
(2015). Development of an improved P&O algorithm assisted through a colony of foraging ants
for MPPT in PV system. IEEE transactions on industrial informatics, 12(1), 187-200.

[53] Azad, M. L., Das, S., Sadhu, P. K., Satpati, B., Gupta, A., & Arvind, P. (2017, April). P&O
algorithm based MPPT technique for solar PV system under different weather conditions. In 2017
International Conference on Circuit, Power and Computing Technologies (ICCPCT) (pp. 1-5).
IEEE.

[54] Alik, R., & Jusoh, A. (2018). An enhanced P&O checking algorithm MPPT for high tracking
efficiency of partially shaded PV module. Solar Energy, 163, 570-580.

[55] Munir, M. I., Aldhanhani, T., & Al Hosani, K. H. (2017, March). Control of grid connected
pv array using P&O MPPT algorithm. In 2017 ninth annual IEEE green technologies conference
(GreenTech) (pp. 52-58). IEEE.
[56] Serrano-Guerrero, X., González-Romero, J., Cárdenas-Carangui, X., & Escrivá-Escrivá, G.
(2016, September). Improved variable step size P&O MPPT algorithm for PV systems. In 2016
51st International Universities Power Engineering Conference (UPEC) (pp. 1-6). IEEE.

[57] Ba, A., Ehssein, C. O., Mahmoud, M. E. M. O. M., Hamdoun, O., & Elhassen, A. (2018).
Comparative study of different DC/DC power converter for optimal PV system using MPPT (P&O)
method. Applied Solar Energy, 54(4), 235-245.

[58] Kumar, N., Singh, B., & Panigrahi, B. K. (2019). Integration of solar PV with low-voltage
weak grid system: Using maximize-M Kalman filter and self-tuned P&O algorithm. IEEE
transactions on industrial electronics, 66(11), 9013-9022.

[59] Kumar, V., & Singh, M. (2021). Reactive power compensation using derated power
generation mode of modified P&O algorithm in grid-interfaced PV system. Renewable Energy,
178, 108-117.

[60] Abdel-Salam, M., EL-Mohandes, M. T., & Goda, M. (2020). History of Maximum Power
Point Tracking. Modern Maximum Power Point Tracking Techniques for Photovoltaic Energy
Systems, 1-29.

[61] Kollimalla, S. K., & Mishra, M. K. (2014). Variable perturbation size adaptive P&O MPPT
algorithm for sudden changes in irradiance. IEEE Transactions on Sustainable Energy, 5(3), 718-
728.

[62] Ngan, M. S., & Tan, C. W. (2011, April). A study of maximum power point tracking algorithms
for stand-alone photovoltaic systems. In 2011 IEEE Applied Power Electronics Colloquium
(IAPEC) (pp. 22-27). IEEE.

[63] Femia, N., Petrone, G., Spagnuolo, G., & Vitelli, M. (2005). Optimization of perturb and
observe maximum power point tracking method. IEEE transactions on power electronics, 20(4),
963-973.

[64] Salman, S., Xin, A. I., & Zhouyang, W. U. (2018). Design of a P-&-O algorithm based MPPT
charge controller for a stand-alone 200W PV system. Protection and Control of Modern Power
Systems, 3(1), 1-8

[65] Atallah, A. M., Abdelaziz, A. Y., & Jumaah, R. S. (2014). Implementation of perturb and
observe MPPT of PV system with direct control method using buck and buck-boost converters.
Emerging Trends in Electrical, Electronics & Instrumentation Engineering: An international
Journal (EEIEJ), 1(1), 31-44.
[66] Bechouat, M., Younsi, A., Sedraoui, M., Soufi, Y., Yousfi, L., Tabet, I., & Touafek, K. (2017).
Parameters identification of a photovoltaic module in a thermal system using meta-heuristic
optimization methods. International Journal of Energy and Environmental Engineering, 8(4), 331-
341.

[67] Bechouat, M., Sedraoui, M., Feraga, C. E., Aidoud, M., & Kahla, S. (2019). Modeling and
Fuzzy MPPT Controller Design for Photovoltaic Module Equipped with a Closed-Loop Cooling
System. Journal of Electronic Materials, 1-10.

[68] Aidoud, M., Feraga, C. E., Bechouat, M., Sedraoui, M., & Kahla, S. (2019). Development of
photovoltaic cell models using fundamental modeling approaches. Energy Procedia, 162, 263-274.

[69] Kahla, S., Bechouat, M., Amieur, T., Feraga, C. E., & Sedraoui, M. (2019, December). A
Comparison Study: Direct and Indirect Mode Control of Perturb and Observe-MPPT Algorithms
for Photovoltaic System. In 2019 1st International Conference on Sustainable Renewable Energy
Systems and Applications (ICSRESA) (pp. 1-6). IEEE.

[70] El Aroudi, A., Al-Numay, M., Garcia, G., Al Hossani, K., Al Sayari, N., & Cid-Pastor, A.
(2018). Analysis of nonlinear dynamics of a quadratic boost converter used for maximum power
point tracking in a grid-interlinked PV system. Energies, 12(1), 61.

[71] Wang, S., Liu, Z., Liu, J., Boroyevich, D., & Burgos, R. (2019). Small-signal modeling and
stability prediction of parallel droop-controlled inverters based on terminal characteristics of
individual inverters. IEEE Transactions on Power Electronics, 35(1), 1045-1063.

[72] Wang, Q., Yao, W., Fang, J., Ai, X., Wen, J., Yang, X., ... & Huang, X. (2020). Dynamic
modeling and small signal stability analysis of distributed photovoltaic grid-connected system with
large scale of panel level DC optimizers. Applied Energy, 259, 114132.

[73] Harrag, A., & Messalti, S. (2015). Variable step size modified P&O MPPT algorithm using
GA-based hybrid offline/online PID controller. Renewable and Sustainable Energy Reviews, 49,
1247-1260.

[74] Divya, K. S., & Ajit, T. N. (2017). Small signal modelling and controller design of boost
converter using MATLAB. Int. Res. J. Power Energy Eng, 3(2), 112-117.

[75] Matušů, R., Şenol, B., & Yeroğlu, C. (2017). Linear systems with unstructured multiplicative
uncertainty: Modeling and robust stability analysis. Plos one, 12(7), e0181078.

[76] M. Sedraoui, “Apport des principales méthodes d’optimisation dans la commande prédictive
généralisée multivariable sous contraintes”, Thèse doctorat, Université Mentouri Constantine,
2008.
[77] AMIEUR, TOUFIK. Robustification d’un contrôleur fractionnaire par l’introduction de
l’ordre non entier dans le critère de la sensibilité mixte. 2017. Thèse de doctorat.

[78] GUESSOUM, Hanni. Robustification d'un contrôleur conventionnel par un transfert d'ordre
non entier. 2019. Thèse de doctorat.

[79] Sayahkarajy, M., Mohamed, Z., Faudzi, A. A. M., & Supriyanto, E. (2016). Hybrid vibration
and rest-to-rest control of a two-link flexible robotic arm using H∞ loop-shaping control design.
Engineering Computations, 33(2).
 Publications et Communications

Publications internationales :

• Aissani, S., Kahla, S., Bechouat, M., Amieur, T., & Sedraoui, M. (2022). A Voltage PID Controller
Synthesis Based on a New Small-Signal Linear Model to Enhance the Performance of the Standard P &O
Algorithm Employed in Photovoltaic Panels. Arabian Journal for Science and Engineering, 1-16.

Communications national et internationales :

• Aissani, S., Bechouat, M., Azzeddine, M., Toufik, A., Sedraoui, M., & Doghmane, H. (2022, December).
Small-Signal Modeling and Voltage PID controller-Synthesis for Cascade Regulation of Renewable Energy
Conversion System. In 2022 IEEE 21st international Ccnference on Sciences and Techniques of Automatic
Control and Computer Engineering (STA) (pp. 611-616). IEEE.

• Aissani, S., Bechouat, M., Sedraoui, M., Kahla, S., & Toufik, A.," Synthesis of Voltage PID Controller to
Improve INC- MPPT Algorithm for Cascade Regulation of KC200GT Panel-Based Solar System” ," 2nd
International Conference on Innovative Academic Studies (ICIAS ' 2023), January 28 - 31, 2023, Konya,
Turkey”.

• Aissani, S., Bechouat, Sedraoui, M., Kahla, S., & Toufik, A, " Robust and accurate photoelectric system
model design using the small-signal principle"," 2nd International Conference on Innovative Academic
Studies (ICIAS ' 2023), January 28 - 31, 2023, Konya, Turkey”.

• Aissani, S., Bechouat, M., Sedraoui, M.., Toufik, A., Doghmane, H., & boualleg, A " Extract the transfer
function of the Buck converter using PLECS software"; "1st International Conference on Scientific and
Academic Research (ICSAR 2022--FREE), on 10-13 December in 2022 at Konya/Turkey”.

• Taibi, D., Laamayad, D, Sedraoui, M., Aissani, S., & Toufik, A, "Tilt Proportional Integral Derivative
(TPID) Controller for a Photovoltaic System with DC-DC Converter "; "1st International Conference on
Scientific and Academic Research (ICSAR 2022--FREE), on 10-13 December in 2022 at Konya/Turkey”.

• Aissani, S., Bechouat,, Kahla, S., Sedraoui, M., & Toufik, A., Guessoum Hann., Azzeddine, M "Current
Regulation using PID regulator with P&O-MPPT algorithm for Photovoltaic system”,"National Conference
on Electrical Engineering and their Applications(NCEEA 01), November, 15th, 2022, Guelma, Algeria”.

• Aissani, S., Bechouat, M., Sedraoui, M.., Toufik, A., " An accurate study of the characteristics of the
photovoltaic cells of the KC200GT panel and the effect of climatic factors on them using MATLAB
software"; “2nd International Conference on Scientific and Academic Research on 14-16 March in 2023 at
Konya/Turkey”.

• Aissani, S., Bechouat, M., Sedraoui, M.., Toufik, A., " Study and Comparative analysis of P&O-PID and
FLC-PID maximum power point tracking algorithms for a new solar PV system"; “2nd International
Conference on Scientific and Academic Research on 14-16 March in 2023 at Konya/Turkey”.
• Aissani, S., Bechouat, M., Sedraoui, M.., Khala,S., Toufik, A., & boualleg, A. "Enhanced P&O-MPPT
Control Strategy Used in Current Regulation of Solar Systems "; “National Conference on Process
Engineering & Renewable Energy NCPERE’2023. Khemis –Millana, Algeria 3 May 2023”.

• Aissani, S., Bechouat, M., Sedraoui, M.., AL QUDAMI D. A. A. H. A., "Design the photovoltaic model
from the experimental data and define its parameters by the PSO algorithm"; “1st International Conference
on Scientific and Innovative Studies on 18-20 April in 2023 at Konya/Turkey”.

• Aissani, S., Bechouat, M., Sedraoui, M., &Toufik, A., (2023, May 6-7). Enhanced Maximum Power Point
Tracking Scheme for Photovoltaic System Using Fuzzy Logic. 1st International Conference on Renewable
Solutions for Ecosystems: Towards a Sustainable Energy Transition.IEEE.

• Aissani, S., Bechouat, M., Sedraoui, M.., AL QUDAMI D. A. A. H. A., Menasria, A., Guerbi, S.,
"Enhanced Maximum Power Point Tracking Based on Combining Fuzzy Logic Control with PID Controller
for Solar Systems"; “Fourth International Conference on Technological Advances in Electrical Engineering
ICTAEE’23 on May 23-24/2023 at Skikda-Algeria”.

• Aissani, S., Bechouat, M., Sedraoui, M.., AL QUDAMI, D. A. A. H. A., Menasria, A., Guerbi, S.,
"Parameter-Identification of Small-Signal Model of Solar System Using Graphical User Interface GUI of
Matlab Software"; “Fourth International Conference on Technological Advances in Electrical Engineering
ICTAEE’23 on May 23-24/2023 at Skikda-Algeria”.

• AL QUDAMI, D. A. A. H. A., Redadaa, S., Ikni, S., Aissani, S., Sedraoui, M., "New Windows for UFMC
Technique in 5G Systems”; “Fourth International Conference on Technological Advances in Electrical
Engineering ICTAEE’23 on May 23-24/2023 at Skikda-Algeria”.

• Aissani, S., Bechouat, M., Sedraoui, M.., AL QUDAMI D. A. A. H. A., "A comparative study and analysis
between P&O, FLC, and INC Maximum Power Tracking Algorithms"; “Conference: Algerian Conference
on Mechanics and Solar Energy, Ouargla 17 and 18 June 2023”.

• Aissani, S., Bechouat, M., Sedraoui, M.., AL QUDAMI D. A. A. H. A., "A comparative study between
two modulation methods using PLECS and small-signal modulation using MATLAB"; “Conference:
Algerian Conference on Mechanics and Solar Energy, Ouargla 17 and 18 June 2023”.

• Aissani, S., Bechouat, M., Sedraoui, M.., AL QUDAMI D. A. A. H. A., "Modeling of the Boost Converter
using a new method By the package 𝑀𝑎𝑡𝑙𝑎𝑏® / 𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘"; “Conference: 1st International Conference on
Modern and Advanced Research”.
 - Chapitres dans des livres internationaux

-AISSANI, S., BECHOUAT, M., SEDRAOUI, M., & AL, D. A. A. H. A. (2023). Modeling of the Boost
Converter Using a New Method By the Package Matlab/Simulink. NEW RESULTS IN INNOVATIVE
STUDIES, 4-14.

- AISSANI, S. (2023). Design the Photovoltaic Model from the Experimental Data and Define Its
Parameters by the PSO Algorithm. CONTEMPORARY APPROACHES IN ADVANCED RESEARCH, 5-19.

-AISSANI, S., BECHOUAT, M., SEDRAOUI, M., & AMIEUR, T. An Accurate Study of the
Characteristics of the Photovoltaic Cells of the Kc200gt Panel and the Effect of Climatic Factors on Them
Using Matlab Software. ENGINEERING SCIENCES IN A GLOBALIZING WORLD, 23.

- AISSANI, S., BECHOUAT, M., SEDRAOUI, M., & AMIEUR, T. Study and Comparative Analysis of
P&O-PID and FLC-PID Maximum Power Point Tracking Algorithms for a New Solar PV System.
ENGINEERING SCIENCES IN A GLOBALIZING WORLD, 71.

- Djamel Taibi1, Tahar Laamayad , SEDRAOUI, M., AISSANI, S., & AMIEUR, T. Tilt Proportional
Integral Derivative (TPID) Controller for a Photovoltaic System with DC-DC Converter. Proceeding Book.

-Publications dans des journaux internationaux

1/AISSANI, S., BECHOUAT, M., SEDRAOUI, M., & AMIEUR, T. Study and Comparative Analysis of
P&O-PID and FLC-PID Maximum Power Point Tracking Algorithms for a New Solar PV System.
ENGINEERING SCIENCES IN A GLOBALIZING WORLD, 71.

2/ SİHAM, A., Bechouat, M., Sedraoui, M., Kahla, S., & Amieur, T. (2023). Synthesis of Voltage PID
Controller to Improve INC-MPPT Algorithm for Cascade Regulation of KC200GT Panel-Based Solar
System. Avrupa Bilim ve Teknoloji Dergisi, (47), 73-78.

3/ SİHAM, A., Bechouat, M., Sedraoui, M., & Amieur, T. (2023). Robust and accurate photoelectric system
model design using the small-signal principle. Avrupa Bilim ve Teknoloji Dergisi, (47), 79-84.

View publication stats