République Algérienne Démocratique et Populaire

Ministère de L'Enseignement Supérieur et de la Recherche Scientifique

Université Mohamed Seddik Benyahia

Faculté des Sciences et de la Technologie
Département d'Électronique
THÈSE

Présentée pour l'obtention du Diplôme de

Doctorat en sciences

Spécialité : Électronique

Par :
MESSADI Manal

THÈME

Modélisation et commande des éoliennes à vitesse

variable

Soutenue le : 21/05/2017 devant le Jury composé de :

Président : Abdelkrim BOUKABOU Professeur Université de Jijel

Rapporteur : Adel MELLIT Professeur Université de Jijel
Examinateur : Djamel BENATIA Professeur Université de Batna
Examinateur : Hamid HAMICHE MCA Université de Tizi Ouzou
 Remerciements

Avant tous, je remercie Dieu pour son aide pendant ces longues années pour mener à

bien ce travail.

Je tiens à exprimer mes sincères remerciements à mon directeur de thèse, Monsieur

Mellit Adel, Professeur à l’Université de Jijel, et à Monsieur Malek GHANES, professeur

à l’école ENSEA (France), pour leurs aides, leurs nombreuses remarques et leurs

patiences.

J’adresse également mes sincères remerciements à Monsieur Abdelkrim BOUKABOU,

Professeur à l’Université de Jijel, pour avoir accepté d’être le président de jury, Monsieur

Djamel BENATIA, Professeur à l’Université de Batna et à Monsieur Hamid HAMICHE,

Maître de Conférences A à l’Université de Tizi-Ouzou d’avoir accepté d’examiner ce

travail.

Enfin, je tien à adresser mes sincères remerciements à tous mes enseignants et à toutes

les personnes qui, de près ou de loin, ont contribués à ma formation.

 Liste de Publications

Publications internationales

- MESSADI, M. et MELLIT, A. Control of chaos in an induction motor system with

LMI predictive control and experimental circuit validation. Chaos, Solitons &
Fractals, 2017, vol. 97, p. 51-58. (IF=1.611)

- MESSADI, Manal, MELLIT, Adel, KEMIH, Karim, et al. Predictive control of a

chaotic permanent magnet synchronous generator in a wind turbine Chinese
Physics B, 2015, vol. 24, no 1, p. 010502 (IF=1.436)

- Messadi, M., Mellit, A., Kemih, K., & Ghanes, M. (2014). CGPC Control of Chaos
in a Permanent Magnet Synchronous Motor Using the Gradient Conjugate and the
Genetic Algorithm, Nonlinear Phenomena in Complex Systems, Vol. 17, N 2. -
P.186-187, 2014

Conférences internationales
- M. Messadi, A. Mellit, K. Kemih, CGPC control of chaos in permanent magnet
synchronous motor using gradient conjugate and genetic algorithm, International
Seminar "Nonlinear Phenomenology Advances", Saint Petersburg, Russia, 2013,
ISBN: 978-5-7422-4094-5

- M. Messadi, A. Mellit, Control of Permanent Magnet Synchronous Motor Using

the Passive Feedback Control Method, The first International Conference on
Nanoelectronics, Communications and Renewable Energy, Jijel, Algeria, pp 498-
504, 2013, ISBN: 978-81-925233-8-5
Table des matières

Liste des Figures

Liste des tableaux
La liste des abréviations, des sigles et des acronymes
Introduction général ………..…………………………………………………………….1
Chapitre 1 : État de l’art sur les énergies renouvelables : Éoliennes
1.1. Introduction ................................................................................................................ 7
1.2. Les différentes formes d’énergies renouvelables ....................................................... 8
1.2.1. L’énergie solaire photovoltaïque ......................................................................... 8
1.2.2. Le solaire thermique haute température .............................................................. 9
1.2.3. Le solaire thermique basse température ............................................................ 10
1.2.4. La biomasse ....................................................................................................... 11
1.2.5. L’énergie hydraulique – Hydroélectricité ......................................................... 11
1.3. L’énergie éolienne .................................................................................................... 12
1.3.1. Évolution des éoliennes ..................................................................................... 12
1.3.2. Un bref aperçu sur l’énergie éolienne en Algérie ............................................. 17
1.3.3. Les différents types d’éoliennes ........................................................................ 18
1.3.3.1. Éoliennes à axe vertical ............................................................................. 18
1.3.2.2. Machines à axe horizontal ............................................................................... 22
1.3.4. Le développement des machines de grande puissance...................................... 23
1.3.5. Applications des éoliennes ................................................................................ 24
1.3.6. Avantages et inconvénients de l'électricité générée par le vent ............................... 25
1.4. Conclusion ................................................................................................................ 26
1.5. Bibliographie ................................................................. Erreur ! Signet non défini.6

Chapitre 2 : Modélisation d’une éolienne à vitesse variable

2.1. Introduction .............................................................................................................. 29

2.2. Conception d’une éolienne ....................................................................................... 29
2.3. Classification des éoliennes ...................................................................................... 31
2.3.1. Classification des éoliennes suivant la taille et ordre de grandeur associé ....... 31
2.3.2. Classification des éoliennes suivant la vitesse de rotation ................................ 32
2.3.2.1. Eolienne à vitesse fixe ............................................................................... 32
2.3.2.2. Éolienne à vitesse variable ......................................................................... 33
Table des matières
2.4. Modélisation d’une éolienne à vitesse variable ........................................................ 34
2.4.1. Modélisation du vent ......................................................................................... 34
2.4.2. Modèle aérodynamique ..................................................................................... 35
2.4.2.1. Aérodynamique de la pale ......................................................................... 35
2.4.2.2. Aérodynamique du rotor ............................................................................ 36
2.4.3. Modèle du multiplicateur .................................................................................. 39
2.4.4. Modélisation de la turbine ................................................................................. 40
2.4.5. Modélisation de la machine synchrone à aimants permanents / générateurs .... 41
2.5. Conclusion ................................................................................................................ 46
2.6. Bibliographie ……………………………………………………………………...46

Chapitre 3 : Contribution à la commande MPPT des éoliennes à vitesse variable

3.1 Introduction .............................................................................................................. 51

3.2 Zones de fonctionnement des éoliennes ................................................................... 52
3.3 Description de l’algorithme MPPT proposé pour les générateurs éoliens ............... 53
3.3.1. MPPT par optimisation par essaims particulaires ............................................. 54
3.4. La stabilisation par la commande passive ................................................................ 58
3.4.1. Présentation de la commande passive ............................................................... 58
3.4.2. Application de la commande passive pour le contrôle de la machine PMSG .... 60
3.5. Conclusion ................................................................................................................ 65
3.6. Bibliographie ............................................................................................................ 65

Chapitre 4 : Commande prédictive d’une éolienne à comportement chaotique

4.1. Introduction .................................................................................................................. 71
4.2. Rappel sur les systèmes chaotiques ............................................................................. 72
4.2.2. Propriétés des systèmes chaotiques ...................................................................... 72
4.2.2.1. Sensibilité aux conditions initiales ..................................................................... 73
4.2.2. 2. Aspect aléatoire .............................................................................................. 73
4.2.2.3. Systèmes chaotiques et méthode de Lyapounov : ........................................... 74
4.3. La commande prédictive à retour d’état : ..................................................................... 76
4.3.1. La théorie de la commande prédictive à retour d’état ....................................... 76
4.4. Application de la commande prédictive à retour d’état pour le contrôle de des
éoliennes à comportement chaotique suite aux défauts dans leurs moteurs ........................ 79
Table des matières
4.4.1. Modélisation mathématique des générateurs à comportement chaotique dû aux
défauts des composants .................................................................................................... 79
4.2.2. Modélisation mathématique des générateurs à comportement chaotique dû aux
défauts de la commande ................................................................................................... 90
4.5. Conclusion ................................................................................................................ 96
4.6. Bibliographie ............................................................................................................ 97

Conclusion général et perspective… ………………………………………………… 100

Annexes ………………………………………………………………………...……….104
Liste des Figures

Liste des Figures

Figure 1.1 Description d’une cellule photovoltaïque ............................................................ 8

Figure 1.2 Centrale solaire à tour en Espagne ....................................................................... 9
Figure 1.3 Chauffe-eau solaire ............................................................................................ 10
Figure 1.4 Centrale hydroélectrique .................................................................................... 12
Figure 1.5 Schéma de principe du moulin de M. Parent décrit en 1735 ............................. 13
Figure 1.6 Éolienne Aermotor en Algérie (Sarrazi éditeur, collection M. Rapin) .............. 14
Figure 1.7 1re Éolienne Darrieus avec rotor de 8 m, tiré de la revue La Nature, n° 2823,
décembre 1929 (collection M. Rapin) ................................................................................. 15
Figure 1.8 Eolienne de 100 kW de Grand Vent .................................................................. 18
Figure 1.9 Eolienne d’Adrar ................................................................................................ 18
Figure 1.10 Le rotor de Savonius ........................................................................................ 20
Figure 1.11 Différentes déclinaisons des éoliennes à axe vertical de type Darrieus. .......... 21
Figure 1.12 Les types d’éoliennes à axe horizontal............................................................. 23
Figure 1.13 Représentation schématique de l’évolution des prototypes, proposés par la
suite sur le marché, en fonction de leurs puissances, diamètre et masse de l’ensemble
nacelle/rotor ......................................................................................................................... 24
Figure 2.1 Composition d’une éolienne………………………………………………….. 30
Figure 2.2 Eolienne à vitesse fixe........................................................................................ 33
Figure 2.3 Eolienne à vitesse variable ................................................................................. 33
Figure 2.4 Schéma de la turbine éolienne............................................................................ 34
Figure 2.5 Schéma bloc du vent sous matlab/simulink ....................................................... 35
Figure 2.6 Calage des sections pied de pale ........................................................................ 36
Figure 2.7 Représentation du tube de courant ..................................................................... 37
Figure 2.8 Évolution typique du rendement aérodynamique en fonction du tip-speed ratio
et du modèle d'éolienne ....................................................................................................... 38
Figure 2.9 Évolution du rendement aérodynamique en fonction du l’angle d’inclinaison des
pales ..................................................................................................................................... 39
Figure 2.10 Schémas blocs de la partie mécanique de l’éolienne sous matlab/simulink .... 41
Figure 2.11 Schéma de la machine synchrone .................................................................... 42
Figure 2.12 Schéma bloc de la machine PMSM (partie électrique d’éolienne) sous
matlab/simulink……………………………………………………………………….. 46
Liste des Figures

Figure 3.1 Zones de fonctionnement des éoliennes ............................................................. 52

Figure 3.2 Profil du vent ...................................................................................................... 56
Figure 3.3 Angle d'inclinaison des pales ............................................................................. 57
Figure 3.4 Vitesse de rotation mécanique ........................................................................... 57
Figure 3.5 Coefficient de puissance ................................................................................... 58
Figure 3.6 Courant Iq en fonction du temps ........................................................................ 63
Figure 3.7 Courant Id en fonction du temps......................................................................... 63
Figure 3.8 Vitesses de rotation de référence et mesurée en simulation du système éolien. 64
Figure 3.9 Puissance de référence et mesurée en simulation du système éolien. ................ 64
Figure 4.1 .Evolution dans le temps pour deux conditions initiales très proches. ………72

Figure 4.2 Evolution dans le temps d’un système chaotique, comparé à une sinusoïde. .... 73
Figure 4.4 Évolution des variables d’état de la GSAP chaotique sans contrôle et l'attracteur
chaotique typique avec les paramètres du système σ = 5.45, γ = 20. ................................ 79
Figure 4.5 Vitesse angulaire de le GSAP chaotique contrôlé au point d’équilibre, avec un
contrôleur activé à t = 20s a) avec contrôleur prédictif-LMI b ) la commande
« Fuzzy Guaranteed Cost Controller « [27] ....................................................................... 80
Figure 4.6 Courant iq de le MSAP chaotique contrôlé au point d’équilibre, avec un

contrôleur activé à t = 20s a) avec contrôleur prédictif -LMI b ) la commande

« Fuzzy Guaranteed Cost Controller « [27] ....................................................................... 81

Figure 4.7 Courant id de le MSAP chaotique contrôlé au point d’équilibre, avec un

contrôleur activé à t = 20s a) avec contrôleur prédictif-LMI b ) la commande
« Fuzzy Guaranteed Cost Controller » [27] ...................................................................... 82
Figure 4.8 Profil du vent. ..................................................................................................... 83
Figure 4.9 Valeur optimale de coefficient de puissance Cp avec les AG. .......................... 84
Figure 4.10 Angle d’inclinaison des pales optimisées avec les AG. ................................... 84
Figure 4.11 Rapport de la vitesse spécifique de la turbine optimisé par les AG ................. 85
Figure 4.12 vitesse de rotation de la GSAP de référence ................................................... 85
Figure 4.13 Puissance électrique produite optimisé par les AG. ......................................... 86
Figure 4.14 Vitesse de rotation controler par la commande predictive. .............................. 87
Figure 4.15 Puissance de l’éolinne controlée par la commande predictivé......................... 87
Figure 4.16 Courant Iq contrôlé par la commande prédictive. ............................................. 88
Figure 4.17 Courant Id contrôlé par la commande prédictive. ............................................. 88
Figure 4.18 Dynamique et l’attracteur du système (4.32) ................................................... 90
Liste des Figures

Figure 4.19 Courbe de la réponse temporelle de x1 ........................................................... 92

Figure 4.20 Courbe de la réponse temporelle de x2 ………………............………………92

Figure 4.21 Courbe de la réponse temporelle de x3 .......................................................... 92

Figure 4.22 Courbe de la réponse temporelle de x4 ……………………………………….92

Figure 4.23 Circuit électronique du système chaotique (4.32) ............................................ 93

Figure 4.24 Projection expérimentale de l'attracteur ....................................................... 94
Figure 4.25 Circuit électronique de la commande en temps de x3 (t) avec le contrôleur
LMI- prédictif ...................................................................................................................... 94
Figure 4.26 Courbe expérimentale de la réponse en temps.. en temps de x3 (t) avec le
contrôleur LMI- prédictif..................................................................................................... 95
Figure 4.27 Courbe expérimentale de la réponse en temps de x3 (t) avec le contrôleur LMI-
prédictif ……....…………………………………………………………………...………95
Liste des tableaux

Liste des tableaux

Tableau 2.1 Classification des éoliennes suivant la taille et ordre de grandeur associé...... 32
Tableau 4.1 Classification des régimes permanents en fonction du spectre Lyapounov .... 74
 Avants-propos

La liste des abréviations, des sigles et des acronymes

GSAP : Génératrice synchrone à aiment permanent

PSO : Particale Swarm Optimizaion
MPPT : Maximum Power Point Tracking
AG : Algorithm Genetic
WECS : Wind energy conversion system
TSR : type speed ratio
LMI : linear matrix inequality
PV : Panneaux photovoltaïques
GWEC : Global Wind Energy Concil « Conseil mondial de l'énergie éolienne »
NREL : National Renewable Energy Laboratory
AWEA : American Wind Energy Association
VAWT : Vertical axis wind turbine
HAWT : Horizontal axis wind turbine
PSF : Power Signal Feedback
Cp : Le coefficient de puissance
 : La masse volumique de l’air
R : Le rayon des pales de l’éolienne
S : L’aire de la surface balayée par le rotor
 : Le rapport de la vitesse spécifique de la turbine
Pa : La puissance aérodynamique
β : L’angle d’inclinaison des pales.
Ct : Le couple aérodynamique

: La vitesse de rotation de la turbine

L’inertie de la génératrice
L’inertie de la turbine.
: Le couple résistant dû aux frottements
: Le coefficient de frottement visqueux.
: La vitesse angulaire mécanique disponible sur l’axe du générateur
Le couple électromagnétique disponible sur l’axe du générateur
 Avants-propos

: le couple mécanique disponible sur l’axe du générateur

Vs : Notation vectorielle des tensions des phases statoriques

I s : Notation vectorielle des courants des phases statoriques

 s : Notation vectorielle des flux des phases statoriques

P: Nombre de pair de pôles.
J : Moment d’inertie total du rotor.
f : Coefficient de frottement ((N.m.s/rad)).
Cr: Couple résistant de la charge (N.m).
Ld: Inductances d’axe direct,
Lq: Inductances d’axe en quadrature.,
Rs: Résistance des enroulements statoriques,
 f : Flux induit par les aimants permanents
 Introduction générale

Introduction générale

L'énergie à un rôle très essentiel au développement économique et social de touts

les payes au monde, et La croissance constante de la consommation d’énergie sous toutes
ses formes et les effets polluants associés, principalement causés par la combustion des
énergies fossiles, sont au cœur de la problématique du développement durable et du soin de
l’environnement [1].
Grâce à ces sources d’énergie, l’être humain a pu se chauffer, faires cuire ses
aliments, et pu produire de l’électricité nécessaire pour faciliter sa vie, mais ça était au
détriment de l’environnement [2]. Effectivement les centrales électriques qui produisent de
l’électricité sont impliquées dans l’augmentation de la concentration des gaz a effet de
serre dans l’atmosphère (la principale cause du réchauffement climatique) ainsi que les
déchets radioactifs qui son stocké en grande profondeur issu de l’utilisation de l’uranium
met en danger la santé des générations futures [3].

Il est bien connu que ces ressources d'énergie fossile sont limitées, et la production
mondiale du pétrole, gaz et charbon se rapproche à l’épuisement, donc il viendra le jour ou
il n’y aura pas de couverture de la demande des ces centrales, des solutions alternatives à
ces énergies sont donc en voies vers lesquelles notre société toute entière doit s’engager,
ces solutions à base des énergies renouvelables comme le soleil, l’eau la mer et le
vent...etc.

Appelées aussi, énergies vertes ces sources ont été utilisées depuis longtemps par
l’homme pour subvenir à ses besoins. Actuellement ils les utilisent pour produire de
l’électricité, les rayons solaires sont utilisés en énergie photovoltaïque, l’énergie
hydroélectrique utilise l’eau des barrages, l’énergie marémotrice utilise le mouvement de
l’eau de mer crées par les marrés et l’énergie éolienne utilise la force du vent et elle tire
son nom d’Eole (en grec ancien Αἴολος, Aiolos), le nom donné au dieu du vent dans la
Grèce antique [4].

1
 Introduction générale

Le vent qui est un type d’énergie solaire libre, propre et inépuisable, proviens du
chauffage irrégulier dans l’atmosphère, des irrégularités de la surface terrestre et de la
rotation de la Terre sa puissance à des fins de production fascine les hommes depuis des
milliers d’années [5].

L’homme utilise donc depuis de nombreux siècles l’énergie éolienne, d’abord pour
naviguer sur les mers puis pour pomper l’eau et moudre le grain.les petits moulins a vent
ont été développés dans le Moyen-Orient surtout en perse, il ya plus de deux mille ans.
Mille ans plus tard, les Hollandais raffinent le moulin à vent pour pomper l’eau hors leurs
terres inondées. Au moyen âge, les moulins à vent on été introduits en Europe,
principalement pour des taches mécaniques telles que le pompage de l’eau , le broyage de
pierre…etc, vers la fin du XIXe siècle , les Américains ont fait des moulins plus efficaces
et plus légers avec des lames en acier rapide (au lieu des lames en bois qui ont été utilisés
pendant des siècles). Mais l’utilisation pour produire de l’électricité est récente. Ce n’est
que dans les années 1887-1888, que l’américain Charles F.Brush a construit la première
éolienne, qui produit du courant pour 12 batteries, à la fin du XIXe siècle, Poul la Cour
conçoit plusieurs éoliennes expérimentales. L’éolienne expérimentale de Poul la Cour
existe toujours à Askov (Danemark). Puis, pendant la première moitié du XXe siècle, les
éoliennes sont progressivement confrontées à la concurrence croissante des centrales au
charbon et du réseau électrique au niveau national. Cependant, en raison des pénuries de
charbon et du pétrole pendant les deux guerres mondiales, la demande en énergie éolienne
se maintient. C’est en 1957, que Johannes Juul crée la turbine Gedser, qui sert de modèle
aux éoliennes modernes [6].
L’énergie éolienne présente des avantages importants, c’est une énergie
complètement propre, elle n’émet ni gaz à effet de serre ni déchet, son fonctionnement ne
pollue ni l’atmosphère ni la terre en effet, elle est pour l’instant l’un des moyens les plus
écologiques pour obtenir de l’électricité, cette énergie convertie en électricité est une
ressource abondante, gratuite et illimitée à l’échelle humaine. C’est l’une des méthodes les
plus utilisées pour produire de l’électricité et la plus prometteuse avec un taux de
croissance de 20%, elle pourra fournir 12% des besoins mondiaux d’électricité en 2020 [7-
8].

Pour produire de l’électricité, l’éolienne est alors couplée à un générateur électrique

pour fabriquer du courant continu ou alternatif, c’est un dispositif permettant de produire
de l'énergie électrique à partir de l'énergie mécanique du vent. De nombreux travaux de

2
 Introduction générale

recherche sur le contrôle et la commande d’éoliennes ont été menés [9-11]. Grâce à ces
travaux, les dernières générations d’éoliennes fonctionnent avec une vitesse variable et
disposent d’une régulation pitch. Il est ainsi possible de modifier la vitesse de rotation et
l’angle d’inclinaison de chacune des pales, permettant alors d’améliorer la production de
l’aérogénérateur. Néanmoins, il reste encore à introduire plus d’intelligence dans le
fonctionnement des aérogénérateurs. Pour cela, on sera amené à utiliser de plus en plus les
techniques de l’automatique avancée (modes glissants, commande prédictive, commande
passive, observateur grand gain, entre autres).

Ainsi l’objectif principal de nos travaux de thèse est d’étudier les techniques de
commande robuste, de la génératrice, susceptible d’optimiser la production d’une éolienne,
en particulier celle équipée d’une génératrice synchrone à aiment permanent (GSAP), ce
choix avait été motivé par la baisse des coûts des aimants, cette génératrice semble promise
à un bel avenir. C’est principalement parce que les éoliennes équipées des GSAPs ont un
rendement élevé et ils réduisent le cout d’exploitation de l’entretien, car son schéma
n’utilise pas la boite de vitesse. Ces éoliennes peuvent être contrôlées par le
fonctionnement du suivi de puissance maximum MPPT (Maximum Power Point Tracking)
de l’éolienne dans une large plage de vitesse du vent.
La puissance de sortie d'une éolienne dépend de la précision avec laquelle les points de
puissance de crête sont suivis par le contrôleur MPPT du système de commande, quel que
soit le type de générateur utilisé. Plusieurs approches d’extraction de la puissance éolienne
maximale en fonction de la vitesse du vent ont été développées dans la littérature, à savoir
la commande TSR (Type speed Ratio), la commande par rétroaction du signal de puissance
PSF (Power Signal Feedback)… etc [12-13].
La commande TSR régule la vitesse de rotation du générateur afin de maintenir le
TSR à une valeur optimale à laquelle la puissance extraite est maximale. Cette méthode
exige que la vitesse du vent et la vitesse de rotation de la turbine soient mesurées
(l’utilisation des capteurs) en plus la nécessiter de la connaissance du TSR optimum de la
turbine pour que le système puisse extraire la puissance maximale possible [14].
Dans le cadre de notre travail, on s’intéresse à cette approche de régulation, on propose
l’utilisation d’un seul capteur pour l’estimation de la vitesse du vent au lieu de deux
capteurs et l’utilisation de la méthode Optimisation par essaims particulaires (PSO
Particale Swarm Optimizaion) pour maximiser le coefficient de puissance et l’estimation
de l’angle d’inclinaison de la pale ainsi que la vitesse de référence du générateur afin

3
 Introduction générale

d’extraire le maximum de puissance. De plus, on propose, l’utilisation de la commande

passive pour contrôler GSAP de l’éolienne à vitesse variable afin de suivre la vitesse de
référence du générateur. Le choix de ces commandes vient du fait de leurs souplesses, et
leurs facilités de mise en œuvre.
Les génératrices des éoliennes peuvent avoir des problèmes et des défaillances dues à
des pannes internes ou externes [15-16]. Des défaillances externes surviennent par exemple
en raison des courts-circuits dans le réseau qui entraîneront les surchauffes des générateurs,
tandis que Les défaillances internes sont habituellement en raison de la mauvaise isolation
ou des défaillances mécaniques telles que les roulements ou les composants. Ces
défaillances engendrent un comportement chaotique à ces génératrices [17].
Cependant, ce comportement chaotique va non seulement affecter la stabilité du système,
la sécurité, et même mettre en danger son système de charge. Par conséquent, sur la base
des problèmes du préjudice porté par le chaos dans le système, il est impératif d’adopter
des méthodes de commande efficaces pour supprimer et éliminer les phénomènes
chaotiques dans le fonctionnement de la machine lorsque le GSAP chaotique provoque
l'instabilité du système moteur.

Pour remédier à ce problème, on propose l’application de la commande prédictive

associée au LMI (« linear matrix inequality » Inégalité matricielle linéaire).pour
commander les éoliennes lors de ce genre de scénario. Deux cas de défauts ont été étudiés,
le premier cas c’est le comportement chaotique suite à la défiance des composants passifs
du moteur. Et le deuxième cas, suite à l’échec de la commande PI.

Ce manuscrit s’articule suivant quatre chapitres comme suit:

Dans le premier chapitre, les différentes formes d’énergies renouvelables sont

détaillées à savoir, l’énergie solaire photovoltaïque, le solaire thermique haute température,
le solaire thermique basse température, la biomasse et l’énergie hydraulique –
Hydroélectricité. Suivi d’un historique sur l’énergie éolienne et un bref aperçu de cette
énergie en Algérie. À la fin de ce chapitre, les différents types des éoliennes sont présentés
avec les avantages et les inconvénients de l'électricité générée par le vent.

Le deuxième chapitre est consacré aux notions générales sur l’énergie éolienne. Les
technologies d’éoliennes, les différents composants constituant l’aérogénérateur, le
principe de fonctionnement, son modèle mathématique associé ainsi qu’une étude détailler

4
 Introduction générale

du modèle mathématique de la machine synchrone à aiment permanent, ses avantages

incontestés dans la chaine de conversion de l'énergie éolienne seront présentés.

Dans la première partie du troisième chapitre, on traite le problème de poursuite du point

de puissance maximale MPPT d’un système éolien ainsi que la commande de la
génératrice. Dans cette optique, on propose l’amélioration de l’approche de commande du
rapport de vitesse spécifique TSR en proposant l’utilisation de l’optimisation par essaims
particulaires pour maximiser le coefficient de puissance et l’estimation de l’angle
d’inclinaison de la pale ainsi que la vitesse de rotation de référence du générateur afin
d’extraire le maximum de puisse et réduire le nombre de capteurs. Dans la deuxième partie
de ce chapitre, la commande passive est appliquée pour commander la GSAP afin de
suivre la vitesse de référence du générateur estimé à partir les PSO.
Enfin, le dernier chapitre abordera le problème du comportement chaotique des éoliennes
suites à deux types de défauts, à savoir défaut des composants passifs du générateur et
défauts des de la commande PI. Une nouvelle loi de commandée a était proposé pour
commander l’éolienne lors de ce genre de problème, elle repose sur l’association de la
commande prédictive et les LMI.
Une conclusion générale et perspective sera présentée à la fin du manuscrit.

Bibliographie
[1] CHEVALIER, Jean-Marie, et al. Les nouveaux défis de l'énergie: climat, économie,
géopolitique. Paris Dauphine University, 2009.
[2] MIRECKI, Adam. Étude comparative de chaînes de conversion d'énergie dédiées à
une éolienne de petite puissance. 2005. Thèse de doctorat. Institut National
Polytechnique de Toulouse.
[3] LE GOURIÈRES, Désiré. Énergie éolienne: Théorie, conception et calcul pratique des
installations. In : Energie eolienne: theorie, conception et calcul pratique des
installations. Eyrolles, 1982.
[4] CAMBLONG, Haritza. Minimisation de l'impact des perturbations d'origine éolienne
dans la génération d'électricité par des aérogénérateurs à vitesse variable. 2003.
Thèse de doctorat. Paris, ENSAM.
[5] ADARAMOLA, Muyiwa (ed.). Wind Resources and Future Energy Security:
Environmental, Social, and Economic Issues. Apple Academic Press, 2015.

5
 Introduction générale

[6] WAGNER, Hermann-Josef et MATHUR, Jyotirmay. Introduction to wind energy

systems: basics, technology and operation. Springer Science & Business Media, 2012.
[7] BOYLE, Godfrey, et al. Renewable energy: power for a sustainable future. OXFORD
university press, 1997.
[8] BURTON, Tony, SHARPE, David, JENKINS, Nick, et al. Wind energy handbook.
John Wiley & Sons, 2001.
[9] BOSSANYI, E. A. Wind turbine control for load reduction. Wind energy, 2003, vol. 6,
no 3, p. 229-244.
[10] TAPIA, Arantxa, TAPIA, Gerardo, OSTOLAZA, J. Xabier, et al. Modeling and
control of a wind turbine driven doubly fed induction generator. IEEE Transactions on
energy conversion, 2003, vol. 18, no 2, p. 194-204.
[11] EKANAYAKE, Janaka et JENKINS, Nick. Comparison of the response of doubly
fed and fixed-speed induction generator wind turbines to changes in network
frequency. IEEE Transactions on Energy conversion, 2004, vol. 19, no 4, p. 800-802.
[12] ABDULLAH, M. A., YATIM, A. H. M., TAN, C. W., et al. A review of maximum
power point tracking algorithms for wind energy systems. Renewable and sustainable
energy reviews, 2012, vol. 16, no 5, p. 3220-3227.
[13] CHEN, Zhe, GUERRERO, Josep M., et BLAABJERG, Frede. A review of the state
of the art of power electronics for wind turbines. IEEE Transactions on power
electronics, 2009, vol. 24, no 8, p. 1859-1875.
[14] TAFTICHT, Tahar. Analyse et commande d'un système hybride photovoltaïque
éolien. 2006. Thèse de doctorat. Université du Québec à Trois-Rivières.
[15] YANG, Wenxian, TAVNER, P. J., et WILKINSON, M. R. Condition monitoring
and fault diagnosis of a wind turbine synchronous generator drive train. IET Renewable
Power Generation, 2009, vol. 3, no 1, p. 1-11.
[16] ROTHENHAGEN, Kai et FUCHS, Friedrich Wilhelm. Doubly fed induction
generator model-based sensor fault detection and control loop reconfiguration. IEEE
Transactions on Industrial Electronics, 2009, vol. 56, no 10, p. 4229-4238.
[17] LI, Zhong, PARK, Jin Bae, JOO, Young Hoon, et al. Bifurcations and chaos in a
permanent-magnet synchronous motor. IEEE Transactions on Circuits and Systems I:
Fundamental Theory and Applications, 2002, vol. 49, no 3, p. 383-387.

6
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

Chapitre 1
État de l’art sur les énergies renouvelables :
Éoliennes

Sommaire

1.1. Introduction ................................................................................................................ 7

1.2. Les différentes formes d’énergies renouvelables ....................................................... 8

1.2.1. L’énergie solaire photovoltaïque ......................................................................... 8
1.2.2. Le solaire thermique haute température .............................................................. 9
1.2.3. Le solaire thermique basse température ............................................................ 10
1.2.4. La biomasse ....................................................................................................... 11
1.2.5. L’énergie hydraulique – Hydroélectricité ......................................................... 11

1.3. L’énergie éolienne .................................................................................................... 12

1.3.1. Évolution des éoliennes ..................................................................................... 12
1.3.2. Un bref aperçu sur l’énergie éolienne en Algérie ............................................. 17
1.3.3. Les différents types d’éoliennes ........................................................................ 19
1.3.3.1. Éoliennes à axe vertical ............................................................................. 19
1.3.2.2. Machines à axe horizontal ............................................................................... 22
1.3.4. Le développement des machines de grande puissance...................................... 23
1.3.5. Applications des éoliennes ................................................................................ 24

1.3.6. Avantages et inconvénients de l'électricité générée par le vent ............................... 25

1.4. Conclusion ................................................................................................................ 26

1.5. Bibliographie ............................................................................................................ 26

6
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

Chapitre 1
État de l’art sur les énergies renouvelables :
Éoliennes

1.1. Introduction
La consommation d’énergie électrique devient de plus en plus courante et indispensable.
Autrefois, l’homme des cavernes avait seulement besoin d’un feu de bois pour se chauffer
et cuire son alimentation, de nos jours, nos besoins en énergie sont considérablement
changés et augmentés (chauffage, déplacement, éclairage, communication…) ; cette
consommation d’énergie ne peut pas croitre à l’infini sans devenir une menace pour la
planète et par conséquent pour l’avenir de l’homme. Donc on doit consommer moins
d’énergie par un changement de comportement et par la recherche des systèmes moins
énergivores ainsi que d’autres formes de production d’énergie qui perturbent moins le
fonctionnement naturel de la planète terre.
Les principales sources d’énergie utilisées aujourd’hui sont d’origine fossile ou nucléaire.
Les énergies fossiles sont épuisables et émettent des rejets carbonés et engendrent alors
une augmentation des gaz à effet de serre, et les terribles accidents de Harrisburg (1979),
Tchernobyl (1986) et récemment Fukushima (2011), nous amènent à réfléchir sur les
limites de l’énergie nucléaire.
Pour répondre à cette recherche de solutions alternatives aux énergies fossiles ou
nucléaires, nous trouvons plusieurs filières parmi lesquelles, les panneaux solaires, les
hydroliennes, la biomasse et bien sûr les éoliennes, ces énergies appelées aussi les énergies
vertes, leurs intérêts et qu’elles n’émettent pas de gaz à effet de serre et ne produisent pas
de déchets toxiques et radioactifs.
Dans les paragraphes suivants, on va expliquer brièvement le principe de fonctionnement
de chaque énergie, mais avec plus de détails pour l’énergie éolienne, qui fait l’objet de
cette thèse, utilisé pour produire de l’électricité.

7
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

1.2. Les différentes formes d’énergies renouvelables

1.2.1. L’énergie solaire photovoltaïque [6-10]
Les cellules solaires, également appelées cellules photovoltaïques (PV), elles convertissent
la lumière solaire directement en électricité. PV tire son nom du processus de conversion
de la lumière (photons) à l'électricité (tension), qui est appelé l'effet photovoltaïque. Ce
dernier a été découvert en 1954, lorsque les chercheurs de Bell Telephone découvert que le
silicium (un élément trouvé dans le sable) à créer une charge électrique lorsqu'il est exposé
à la lumière du soleil. Les cellules photovoltaïques sont composées de matériaux semi-
conducteurs à base de silicium, de sulfure de cadmium et de tellure de cadmium. Il y a en
effet de plaques fines (couche inférieure et couche supérieure) pour un contact étroit. La
couche supérieure est constituée de silicium et d'autres éléments possédant plus d'électrons
qu'une couche de silicium pure. La couche inférieure est constituée de silicium et d'autres
éléments possédant moins d'électrons qu'une couche de silicium pure.

Figure 1.1 Description d’une cellule photovoltaïque

.
Aujourd'hui, des milliers de personnes alimentent leurs foyers et les entreprises avec des
systèmes photovoltaïques individuels, des Sociétés de services publics utilisent également
la technologie photovoltaïque pour les grandes centrales électriques. Les panneaux solaires
utilisés pour alimenter les maisons et les entreprises sont généralement fabriqués à partir de
cellules solaires combinées en modules qui détiennent environ 40 cellules. Une maison
typique utilise environ 10 à 20 panneaux solaires pour alimenter la maison. Les panneaux
sont montés à un angle fixe faisant face au sud, où ils peuvent être montés sur un dispositif
8
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

de suivi qui suit le soleil, ce qui leur permet de capturer le plus d'ensoleillement. De
nombreux panneaux solaires combinés ensemble pour créer un seul système est appelé un
panneau solaire. Pour les grandes applications utilitaires ou industrielles électriques, des
centaines de panneaux solaires sont reliés entre eux pour former un grand système
photovoltaïque.

1.2.2. Le solaire thermique haute température [12]

La concentration du rayonnement solaire sur une surface de captage permet d’obtenir de
très hautes températures généralement comprises entre 400° C et 1 000° C.
La chaleur solaire produit de la vapeur qui alimente une turbine qui alimente elle-même un
générateur qui produit de l’électricité, c’est l’héliothermodynamie.
Trois technologies distinctes sont utilisées dans les centrales solaires à concentration :
• Dans les concentrateurs paraboliques, les rayons du soleil convergent vers un seul
point, le foyer d’une parabole.
• Dans les centrales à tour, des centaines voire des milliers de miroirs (héliostats)
suivent la course du soleil et concentrent son rayonnement sur un récepteur central
placé au sommet d’une tour (voir figure 1.2).
• Troisième technologie : des capteurs cylindro-paraboliques concentrent les rayons
du soleil vers un tube caloporteur situé au foyer du capteur solaire.

Figure 1.2 Centrale solaire à tour en Espagne [12]

9
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

1.2.3. Le solaire thermique basse température [13]

L’histoire des capteurs thermiques à basse température remonte à H. B. de Saussure qui

met en évidence l’effet de serre obtenu par un vitrage au-dessus d’un absorbeur dans un
caisson isolé. Il faut cependant attendre 1910 pour voir apparaitre les premiers chauffe-
eaux solaires en Californie. Comme beaucoup de filières d’énergies renouvelables, le
solaire thermique a connu une phase de croissance importante entre 1973 et 1985 en
réaction au choc pétrolier. Mais ce développement rapide, avec des technologies ou des
installateurs déficients, a entrainé de nombreuses contre-performances. Depuis la fin des
années 90, quelques pays ont relancé des programmes de soutien au développement du
solaire thermique : l’Autriche, l’Allemagne, la Chine et plus récemment l’Espagne.
Les rayons du soleil, piégés par des capteurs thermiques vitrés, transmettent leur énergie à
des absorbeurs métalliques - lesquels réchauffent un réseau de tuyaux de cuivre où circule
un fluide caloporteur. Cet échangeur chauffe à son tour l’eau stockée dans un cumulus. Un
chauffe-eau solaire produit de l’eau chaude sanitaire ou du chauffage généralement diffusé
par un plancher solaire direct".
Tous les dispositifs qui agissent comme capteurs solaires thermiques sont de plus en plus
intégrés dans les projets d’architecture bioclimatique (maisons solaires, serres, murs
capteurs, murs Trombe…).

Figure 1.3 Chauffe-eau solaire [13]

10
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

1.2.4. La biomasse [14]

L'énergie biomasse est la forme d'énergie la plus ancienne utilisée par l'homme depuis la
découverte du feu à la préhistoire. Cette énergie permet de produire de l'électricité grâce à
la chaleur dégagée par la combustion de ces matières (bois, végétaux, déchets agricoles,
ordures ménagères organiques) ou du biogaz issu de la fermentation de ces matières, dans
des centrales biomasse.
La biomasse est une réserve d'énergie considérable née de l’action du soleil grâce à la
photosynthèse. Elle existe sous forme de carbone organique. Sa valorisation se fait par des
procédés spécifiques selon le type de constituant.
La biomasse n'est considérée comme une source d'énergie renouvelable que si sa
régénération est au moins égale à sa consommation. Par exemple, l’utilisation du bois ne
doit pas conduire à une diminution du nombre d’arbres. Il y a trois types d’énergie
biomasse :

 Bois énergie : c’est la plus ancienne source d'énergie utilisée par l'homme. Et bien que
peu utilisé en Europe aujourd'hui, il reste la première source d'énergie pour plusieurs
milliards de personnes dans le monde (cuisine et chauffage).

 Le biogaz : est produit à partir de déchets biodégradables. Il ressemble au gaz naturel,

mais n'est pas une énergie fossile

 Les biocarburants : sont fabriqués à partir de produits de l'agriculture (blé, colza,

maïs, etc.). Ils peuvent être utilisés en remplacement de l'essence, du fioul ou du
gasoil, ou mélangés en petites quantités dans ces carburants.

1.2.5. L’énergie hydraulique – Hydroélectricité [15]

L'énergie hydroélectrique met à profit l'énergie de l'eau qui se déplace d'un point haut vers
un point bas, essentiellement pour produire de l'électricité. Les projets de production
d'énergie hydroélectrique englobent des projets de barrages-réservoirs, de centrales
d'éclusées ou au fil de l'eau et de centrales dans le courant à toutes les échelles de projet.
Cette diversité permet à l'énergie hydroélectrique de répondre aux importants besoins
urbains centralisés ainsi qu'aux besoins ruraux décentralisés. La production varie selon les
aléas de l'hydraulicité (débit d'une année ou d'un mois donné par rapport à une année ou un
mois considéré comme "normal").

11
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

Figure 1.4 Centrale hydroélectrique [15]

1.3. L’énergie éolienne

Le terme « Énergie éolienne » décrit le processus par lequel le vent est utilisé pour
produire de l'énergie mécanique ou électrique. Les éoliennes convertissent l'énergie
cinétique du vent en énergie mécanique. Cette puissance mécanique peut être utilisée pour
des tâches spécifiques (par exemple, moudre le grain ou pomper de l'eau), ou un générateur
peut convertir cette énergie mécanique en électricité pour alimenter les maisons, les
entreprises, les écoles, et autres. Actuellement, des recherches approfondies sur l'énergie
éolienne est en cours dans divers pays du monde, y compris les États-Unis, l'Allemagne,
l'Espagne, le Danemark, le Japon, la Corée du Sud, le Canada, l'Australie et l'Inde. Il existe
plusieurs organismes de recherche de l'énergie éolienne dans le monde, comme le Conseil
mondial de l'énergie éolienne (GWEC), National Renewable Energy Laboratory (NREL),
et American Wind Energy Association (AWEA). Selon un rapport GWEC [1], environ
12% de la demande totale d'électricité du monde peut être alimenté par l'énergie éolienne
d'ici 2020. Ce chiffre indique l'importance de la recherche de l'énergie éolienne ces jours-
ci.

1.3.1. Évolution des éoliennes [16-18]

 VIIe siècle : Utilisation en Perse (Iran actuel) de roues à énergie éoliennes
rudimentaires composées d’une simple tour supportant des pales faites à partir de

12
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

roseaux attachés en paquets servant à l'irrigation des terres cultivées et pour écraser du
grain
 1100 : les premières éoliennes sont construites en Europe, elles sont inspirées de celle
de Perse rencontrées lors des croisades ; et sont utilisées pour pomper l'eau et moudre
le blé, ces moulins à vent son composé de quatre pâles qui tournent autour d'un axe
horizontal.
 XIVe siècle : Des améliorations sont apportées progressivement aux moulins à vent
européens afin d’augmenter la portance aérodynamique (la « poussée ») et la vitesse du
rotor. Ces améliorations permettent d’obtenir une meilleure mouture et une irrigation
plus efficace. Développement en Europe et plus particulièrement aux Pays-Bas du
moulin à vent pour le meulage du grain, l'irrigation des terres agricoles, le pompage de
l'eau de mer, le sciage du bois, la fabrication du papier et de l'huile et le meulage de
divers matériaux
 1700 : Les turbines éoliennes font leur apparition au Canada grâce aux colons qui les
utilisent pour moudre le grain.
 Fin des années 1700 : Les moulins à vent sont l’équivalent du moteur électrique de
l’Europe préindustrielle (figure 1.5). Ils fournissent environ 1 500 mégawatts (un
niveau qui n’a été atteint par la suite que vers la fin des années 1980). Cette énergie
éolienne est utilisée pour irriguer les terres, moudre le grain, scier le bois d’œuvre et
pour traiter des produits comme les épices et le tabac.

Figure 1.5 Schéma de principe du moulin de M. Parent décrit en 1735

13
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

 1800 : Les homesteaders américains utilisent les moulins à vent pour pomper de l’eau
pour alimenter leurs fermes et leurs ranchs lors de leur établissement dans l’Ouest. Les
pales de ces premiers moulins à vent de ferme étaient de simples palettes de bois
(figure 1.6).
 1887-1888 : L'américain Charles F. Brush, un scientifique de Cleveland en Ohio,
construit la première éolienne entièrement automatisée qui produit du courant pour 12
batteries, 350 lampes à filament, 2 lampes à arc à charbon et 3 moteurs. Haute de 17
mètres et composée de 144 pales en cèdre, elle avait une puissance de 12 kW. Jusqu'en
1920, la quasi-totalité des éoliennes seront munies de rotors à pales multiples.
 1890 : La première éolienne dite « industrielle » permettant de générer de l'électricité
est mise au point par le Danois Poul La Cour, permettant de fabriquer de l'hydrogène
par électrolyse de l'eau. Dans les années suivantes, il crée l'éolienne Lykkegard, dont il
vend soixante-douze exemplaires en 1908.

Figure 1.6 Éolienne Aermotor en Algérie (Sarrazi éditeur, collection M. Rapin)

 1891 : l’inventeur danois Poul La Cour conçoit plusieurs éoliennes expérimentales et

mène des recherches en soufflerie. Il découvre que des turbines à rotation rapide
composées d’un nombre moins grand de pales génèrent davantage d’électricité que des
turbines plus lentes composées de nombreuses pales. Il met au point les premières

14
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

éoliennes conçues à partir des principes modernes de l’aérodynamique. D'une

puissance 25 kW grâce à des rotors à quatre pales elles affichent une plus grande
efficacité. À la fin de la Première Guerre mondiale, l’utilisation de ces machines était
largement répandue au Danemark. Cette éolienne expérimentale existe toujours à
Askov (Danemark)
 1920 : L’inventeur français Georges J.M. Darrieus développe le concept d’un rotor
à axe vertical : éoliennes Darrieus.
Ce développement s’appuie sur des réflexions importantes sur les rapports entre vitesse
de rotation et nombre de pales et possède déjà toutes les caractéristiques d’une éolienne
moderne. L’orientation est assurée par l’inclinaison vers l’arrière des pales, qui,
formant ainsi un cône en rotation, crée naturellement une surface latérale. Les pales
sont de conception biplane sur une grande partie de leur envergure, ceci pour
compenser la pression du vent qui tendrait à les fléchir davantage vers l’arrière. Pour
compléter ses études, Darrieus réalisera ensuite deux autres prototypes de 10 et 20 m
de diamètre à, respectivement, 3 et 2 pales (figure 1.7).

Figure 1.7 1re Éolienne Darrieus avec rotor de 8 m, tiré de la revue La Nature, n° 2823,
décembre 1929 (collection M. Rapin)

 1920 : Albert Betz poursuit des recherches sur la physique et l'aérodynamique des
éoliennes. Il formule la loi qui porte son nom, selon laquelle l'énergie cinétique du vent

15
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

peut être exploitée au maximum à 59,3%. Sa théorie sur le façonnage des ailes est
encore appliquée de nos jours.
 1930 : Développement de petites éoliennes dans les régions rurales des grandes plaines
américaines. D’une puissance de 1 à 3 kW, elles permettaient d’éclairer les fermes et
de recharger les batteries des radios à cristal. Les éoliennes sont par la suite utilisées
pour alimenter des appareils électroménagers et de l’équipement de ferme. Les fermes
canadiennes utilisent les éoliennes pour produire de l’électricité et pour pomper l’eau
des puits destinée aux auges pour le bétail.
 Première moitié du XXe siècle : Les éoliennes sont confrontées à la concurrence
croissante des centrales au charbon et du réseau électrique au niveau national. En
raison des pénuries de charbon et de pétrole pendant les deux guerres mondiales, la
demande en énergie éolienne se maintient.
 1955 : En France à Nogent-le-Roi dans la Beauce, une éolienne expérimentale de 800
kVA fonctionne de 1955 à 1963. Elle avait été conçue par le Bureau d'études
scientifiques et techniques de Lucien Romani et exploitée pour le compte d'EDF.
 1957 : Johannes Juul crée la turbine Gedser pour la compagnie d’électricité SEAS au
Danemark qui sert de modèle aux éoliennes modernes, elle se compose d'un générateur
et de trois Pales à pivot.
 1960 : Ulrich Hutter met au point des plans élaborés de turbines à axe horizontal en
Allemagne. Ces turbines sont dotées de pales en fibre de verre et possèdent un angle
d’inclinaison ajustable afin d’en augmenter l’efficacité
 1971 : Premier parc d’éoliennes en mer au large du Danemark d'une puissance totale de
5 MW.
 1973 : La crise pétrolière ravive l’intérêt pour le grand éolien et incite, les
gouvernements de l’Allemagne, de la Suède, du Canada, du Royaume-Uni et des États-
Unis à financer des projets de recherche sur les énergies renouvelables. Ces
programmes sont à l’origine de la conception et de la mise en œuvre de nouveaux
designs d’éoliennes qui réduisent de façon significative le cout de l’énergie éolienne au
cours des deux décennies suivantes. Des parcs éoliens sont construits durant les années
1970 aux États-Unis ainsi qu'en Europe.
 1980 : L'état de Californie décide que d'ici l'an 2000, 10 % de son alimentation
énergétique proviendra de l'énergie éolienne et favorise l’installation de 17 000
éoliennes de 20kW à 350 kW entre 1981 et 1990.
 1984 : Projet Éole, la plus grande éolienne de type Darrieus au monde.

16
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

 2002 : Mise en service du plus grand parc éolien offshore au monde (en 2002)
au Danemark (Horns Rev).
 2004 : La capacité mondiale d’énergie éolienne dépasse les 39 000 MW.
 2013 : Le Danemark produit 33,2% de son électricité grâce aux éoliennes.
 2014 : mise en service de l’éolienne V114 de la compagnie danoise Vestas , la plus
puissante éolienne au monde , doté d’une capacité de 8MW, d’une hauteur du mat de
140 m et un diamètre de la turbine de 164 m .

1.3.2. Un bref aperçu sur l’énergie éolienne en Algérie [23-25]

Le programme national du développement des énergies renouvelables (EnR), adopté en

2011 puis révisé en 2015, ambitionne d’atteindre, à l’horizon 2030, une puissance totale de
22000 Mégawatts (MW) dédiés à la seule consommation locale. Il prévoit, pour cela, de
mettre en œuvre un large éventail de filières technologiques où le photovoltaïque (PV) et
l’éolien se taillent la part du lion avec respectivement 13575 MW et 5010 MW, le reste
étant réparti entre le thermo-solaire , la biomasse, la cogénération et la géothermie. Suite à
la révision du programme national en 2015, la part de l’énergie éolienne a été rehaussée de
2000 MW à 5010 MW et occupe désormais la seconde place derrière le photovoltaïque,
loin devant les autres filières. L’importance accordée à l’éolien est certainement due à
l’amélioration considérable des coûts moyens du kilowatt/heure (kWh) qui sont, après ceux
de la géothermie, les plus bas du renouvelable. L’Energy Information Administration
(EIA), prévoit qu’en 2022 les coûts moyens (en $ de 2015) seront comme suit :
- kWh conventionnel : 0,0726 $
- kWh géothermique : 0,0423 $
- kWh éolien : 0,0736 $
- kWh photovoltaïque : 0,1253 $
-kWh thermo-solaire : 0,239 $
La première tentative de raccorder les éoliennes au réseau de distribution d'énergie
électrique date de 1957, avec l'installation d'un aérogénérateur de 100 kW sur le site des
Grands Vents (Alger). Conçu par l'ingénieur français ANDREAU, ce prototype avait été
installé initialement à St-Alban en Angleterre. Ce bipale de type pneumatique à pas
variable de 30 m de haut avec un diamètre de 25 m fut rachetée par Électricité et Gaz
d'Algérie puis démontée et installée en Algérie.

17
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

Figure 1.8 Eolienne de 100 kW de Grand Vent

Figure 1.9 Eolienne d’Adrar

Actuellement, la puissance éolienne totale installée en Algérie est insignifiante. Cependant,

une première ferme éolienne est implantée à Adrar (figure 1.9), cette nouvelle centrale de
production d’électricité, première du genre à l’échelle nationale, d’une capacité de 10
mégawatts, est implantée sur une superficie de 30 hectares, dans la zone de Kabertène,
72km au nord de la wilaya d’Adrar. Elle est constituée de 12 éoliennes d’une puissance
unitaire de 0.85MW chacune [25].

18
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

De nombreux autres aérogénérateurs ont été installés sur différents sites, notamment pour
l’alimentation énergétique des localités isolées ou d’accès difficiles, telles que les
installations de relais de télécommunications. Cependant, la technologie des éoliennes
n’étant pas encore mature, ces expériences n’étaient pas toujours concluantes. Ce constat
était également valable même à l’échelle internationale. Mais après le premier choc
pétrolier, d’importants investissements ont été consacrés à la recherche et au
développement des éoliennes. L’exploitation de l’énergie éolienne pour la production
d’électricité a alors pris un essor considérable, notamment depuis la fin des années 80. Les
éoliennes actuelles sont de plus en plus fiables, plus performantes et, de plus en plus
grandes. Ainsi, la taille du plus grand aérogénérateur qui était de 50 kW avec un diamètre
de 15 m en 1989 est aujourd’hui de 8 MW, avec un diamètre de 140 m environ (V114). La
hauteur du mât a augmenté en conséquence pour atteindre dans certaines installations, plus
de 160 mètres.

1.3.3. Les différents types d’éoliennes [19]

On peut classer les éoliennes en deux grandes familles : celles à axe vertical et à axe
horizontal. D’autres configurations ont vu le jour, mais n’ont jamais abouti à une
industrialisation (profils oscillants, aubes mobiles, profils en translation).
1.3.3.1. Éoliennes à axe vertical
Les principes de ces machines à axe vertical, regroupé sous la technologie VAWT (vertical
axis wind turbine) sont connus depuis très longtemps puisqu’elles sont utilisées sur les
premières formes de moulin connues. Cette technologie fut lancée de manière semi-
industrielle par la firme FloWind pendant le « rush californien » qui produisit 500 unités de
300kW.
Les turbines à axe vertical présentent l’avantage majeur de ne pas être sensibles aux
changements de direction du vent, et d’être beaucoup moins perturbées par les turbulences.
En revanche, résoudre le problème du frottement mécanique au pied de l’axe y est une
vraie gageüre. De plus, ces technologies connaissent des problèmes de rendement ou de «
démarrage difficile ». En particulier, tout problème de vibration de ce système en rotation
se reporte sur le mât vertical et provoque une fatigue du palier au sol.
Toutefois, avec l’engouement récent pour l’éolien urbain, de nouvelles réalisations de
petite puissance sont réapparues sur le marché en essayant de pallier à leurs défauts.
De nombreuses variantes ne sont jamais arrivées à un stade industriel important du fait
d’un rendement faible et de nombreux problèmes de fonctionnement, donc toutes ces

19
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

machines utilisent l’un (ou parfois une combinaison) des deux principes caractéristiques
des VAWT : la traînée différentielle ou la variation cyclique d’incidence. Leurs principes
de fonctionnement, basé sur des variations incessantes de charge aérodynamique sur les
pales, fait que ces éoliennes sont très sujettes aux problèmes d’aéroélasticité.

• Trainée différentielle
La mise en mouvement est identique à celle d’un anémomètre. Les efforts exercés par le
vent sur chacune des faces d’un corps creux sont d’intensités différentes comme on peut
l’observer sur la Figure 1.10, il en résulte un couple moteur.

Figure 1.10 Le rotor de Savonius

L’illustration la plus courante de ce type d’éolienne est le rotor de Savonius (Figure 1.10)
du nom de son inventeur (1925). Le fonctionnement est ici amélioré. En effet, le vent peut
passer entre les deux pales ce qui va permettre une augmentation du couple moteur.

• Variation cyclique d’incidence

Le fonctionnement est ici basé sur le fait qu’un profil placé dans un écoulement d’air selon
différents angles est soumis à des forces d’intensités et de directions variables. La
combinaison de ces forces génère alors un couple moteur d’autant plus important que le
bras de levier est grand. Le fonctionnement intrinsèque faisant appel à la rotation des pales,
cela signifie que l’éolienne ne peut pas démarrer toute seule. Un système de lancement
s’avère donc nécessaire.

20
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

Ce principe de fonctionnement a été breveté au début des années 1930 par le Français
Darrieus. Bien que sa première réalisation en soufflerie ait été avec des pales droites, son
nom est le plus souvent associé aux machines avec des pales de forme elliptique (figure ci-
dessous).

Figure 1.11 Différentes déclinaisons des éoliennes à axe vertical de type Darrieus.

Pour reprendre les efforts en haut du mât, ce type de machine nécessite des haubans : la
surface occupée au sol devient alors très conséquente pour des éoliennes de grande
puissance. Les pales utilisées étant très longues et fines (grand allongement), elles sont
particulièrement flexibles : il est donc souvent nécessaire de rajouter des bras pour
rigidifier l’ensemble. Pour générer un couple important, la partie la plus utile de ces pales
est située dans la zone de plus grand diamètre : il s’avère donc qu’il n’est pas nécessaire de
conserver cette forme elliptique.
D’autres types de machines ont ainsi été développés en utilisant des pales droites, offrant
une plus grande surface utile, car formant en rotation soit un cylindre (Darrieus type H)
soit un tronc de cône de révolution de grand diamètre.
Les plus récentes réalisations utilisent des pales s’enroulant sur une forme cylindrique ou
elliptique. Ces pales ne rejoignant ni la base ni l’extrémité du mât vertical, des bras sont
nécessaires pour porter et rigidifier le rotor. La Figure (1.11) résume l’ensemble des

21
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

différentes formes d’éoliennes pouvant être conçues en utilisant le principe de

fonctionnement de Darrieus.

1.3.2.2. Machines à axe horizontal

Ces machines sont les descendantes directes des moulins à vent. Deux types de
configuration sont regroupés sous la terminologie HAWT (horizontal axis wind turbine) :
les éoliennes « amont » et les éoliennes « aval ». Chaque configuration possède des
avantages et des inconvénients.
Le principal intérêt de la formule « aval » est que la machine peut s’orienter naturellement
en lacet (autour de l’axe vertical de la tour). En effet, en inclinant les pales vers l’arrière,
elles forment en rotation un cône : la surface latérale virtuelle ainsi créée fait alors office
de gouvernail. Par ailleurs, dans la configuration aval, la tour perturbe fortement
l’écoulement de l’air (effet dit de masque) : les pales, qui passent dans ce sillage, subissent
à chaque tour des efforts répétés, source de vibrations et de fatigue. On doit alors modifier
l’attache des pales au sein du moyeu pour que le rotor se comporte dans son ensemble
comme un balancier et absorbe ces perturbations.
La formule « amont » ne nécessite pas d’adaptation du moyeu, l’écoulement de l’air au
niveau des pales est plus aisé et n’est pas perturbé par la tour. Cependant les pales
subissent la poussée axiale engendrée par le vent. De plus, le rotor peut être animé de
mouvement de battement, c’est pourquoi il convient d’utiliser des pales très rigides (voire
avec une prédéformation dès la conception) pour limiter leur flexion et éviter toute
collision avec la tour. Une éolienne « amont » n’est pas stable naturellement et doit être
orientée à l’aide d’un dispositif spécifique. Pour les petites machines le gouvernail est la
solution la plus simple. Pour les machines de plus grandes puissances, l’orientation est
pilotée. On constate néanmoins que la quasi-totalité des éoliennes de grande puissance
adoptent la configuration « amont » .

22
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

Figure 1.12 Les types d’éoliennes à axe horizontal

1.3.4. Le développement des machines de grande puissance [20-21]

Pour synthétiser le développement des éoliennes, il faut voir l’évolution du diamètre en

fonction de la puissance et de l’année d’arrivée des prototypes. A partir de 1989, la
puissance des machines augmente d’environ 50 %, tous les 2 à 3 ans. La puissance
moyenne unitaire des éoliennes installées était déjà supérieure au MW en Allemagne à
partir de l’an 2000 et au niveau mondial en 2003. Cette tendance s’est cependant arrêtée
avec les prototypes (tous allemands) de la classe 5 MW : l’E112 d’Enercon (4,5MW en
2002), les 5M et M5000 de Repower et Multibrid (5 MW en 2004) et enfin la Bard VM (5
MW) et l’E126 d’Enercon (6 MW) en 2007 qui sont tous testés depuis sur des sites
terrestres près des côtes d’Allemagne du nord.
Une question qui vient à l’esprit « Pourquoi un tel arrêt dans l’augmentation de la
puissance? », simplement parce qu’avec les dimensions de ces machines géantes, on a
atteint, dans beaucoup de domaines, les limites de ce que l’on sait concevoir, fabriquer,
transporter et installer actuellement, tant d’un point de vue architecture machine que sous-
systèmes. Il est à ce titre intéressant par exemple d’analyser l’évolution de la masse placée
en haut du mât (figure 1.13), c’est-à-dire de l’ensemble des éléments de la nacelle et du
rotor :
– si l’on avait poursuivi le développement de la puissance avec les technologies du début
des années 1990, on aurait atteint les 400 tonnes en tête-rotor avec des machines de l’ordre
de 80 m de diamètre (courbe appelée « tendance 1990 »),

23
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

– si l’on avait poursuivi le développement de la puissance avec les technologies du milieu

des années 1990, on aurait atteint les 400 tonnes en tête-rotor avec des machines de l’ordre
de 100 m de diamètre (courbe appelée « tendance 1995 »).

Figure 1.13 Représentation schématique de l’évolution des prototypes, proposés par la

suite sur le marché, en fonction de leurs puissances, diamètre et masse de l’ensemble
nacelle/rotor.

1.3.5. Applications des éoliennes

Environ 2,5% des besoins énergétiques mondiaux sont couverts par l’énergie éolienne.
L’ensemble des capacités installées dans le monde s’élevait fin 2013 à environ 318 GW.
Les plus grands marchés se trouvent en Chine (91,4 GW), aux États-Unis (61 GW) et en
Allemagne (34,2 GW). En Allemagne, l’énergie éolienne a pris part à hauteur de 7,9% à la
production totale d’électricité en 2013.
Les trois technologies d’exploitation de l’énergie éolienne sont présentées en détail ci-
dessous :
Éolien terrestre
De nos jours, les installations éoliennes terrestres sont souvent construites sur les côtes, ou
à proximité des côtes. Afin d’obtenir des rendements élevés, on a conçu des turbines
placées sur de hautes tours et munies de rotors balayant des surfaces importantes. Les lieux

24
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

au sommet des montagnes ou sur les plateaux sont particulièrement adaptés à l’exploitation
de l’énergie éolienne.

Éolien offshore
Dans le long terme, leur meilleur facteur d’utilisation, grâce à la vitesse du vent
constamment plus élevée en mer, permet aux parcs éoliens offshores de remplacer
partiellement les centrales électriques conventionnelles. Les rendements énergétiques
attendus peuvent excéder de jusqu’à 100% ceux des installations terrestres.
Petit éolien
Les petites installations éoliennes, ou petits aérogénérateurs, sont particulièrement adaptées
à l’auto-approvisionnement en électricité ou à la production d’électricité décentralisée dans
l’espace rural.

1.3.6. Avantages et inconvénients de l'électricité générée par le vent

 Une ressource renouvelable non polluante

L’énergie éolienne produit de l’électricité éolienne : sans dégrader la qualité de l’air,
sans polluer les eaux (pas de rejet dans le milieu aquatique, pas de pollution
thermique), sans polluer les sols (ni suies, ni cendres). En luttant contre le changement
climatique, l’énergie éolienne participe à long terme au maintien de la biodiversité des
milieux naturels.
 Questions du coût
Même si le prix de revient d’une éolienne a fortement diminué depuis 2011 suite aux
économies d’échelle qui ont été réalisées sur leur fabrication, la technologie nécessite
un investissement initial plus élevé que les générateurs à combustible fossile.
 Préoccupations environnementales
 Bien que les fermes d’énergies éoliennes sont relativement peu d'impact sur
l'environnement par rapport aux centrales à combustible fossile (Lorsque de grands
parcs d’éoliennes sont installés sur des terres agricoles, seulement 2 % du sol environ
est requis pour les éoliennes. La surface restante est disponible pour l’exploitation
agricole, l’élevage et d’autres utilisations), il y a une certaine inquiétude sur le bruit
produit par les pales du rotor ainsi que l’effets sur le paysage (esthétique).
 Approvisionnement et questions Transport

25
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

L’électricité éolienne est une énergie intermittente, l’énergie éolienne ne suffit pas en
elle-même à définir une politique énergétique et environnementale, la solution serait
de coupler l’électricité éolienne à des panneaux solaires photovoltaïques.

1.4. Conclusion

Une éolienne est un dispositif qui transforme l'énergie cinétique du vent en énergie
mécanique puis, éventuellement, en énergie électrique. Dans ce chapitre, un état de l’art
sur les énergies a été présenté. L’accent a été mis sur l’énergie éolienne qui est le thème de
cette thèse de doctorat. Après un historique sur les éoliennes, les différents types
d’éoliennes, suivis par l’étude des différents d’applications des éoliennes ont été détaillés.
Le chapitre est conclu par une brève présentation des avantages et inconvénients des
éoliennes.

1.5. Bibliographie

[1] BOURDOUKAN, Paul. Etude numérique et expérimentale destinée à

l'exploitation des techniques de rafraîchissement par dessiccation avec
régénération par énergie solaire. 2008. Thèse de doctorat. La Rochelle.
[2] DELYANNIS, E. et BELESSIOTIS, V. Solar energy and desalination.
Advances in solar energy, 2001, vol. 14, p. 287-330.
[3] GUTIERREZ-SILVA, Claudia, LABOUREL, Florian, et YALCIN, Deniz. Solar
in Life: l'énergie solaire dans le monde du vivant. 2015. Thèse de doctorat.
INSA Lyon.
[4] MEKHILEF, S., SAIDUR, R., et SAFARI, A. A review on solar energy use in
industries. Renewable and Sustainable Energy Reviews, 2011, vol. 15, no 4, p.
1777-1790.
[5] BLANC, Philippe. Énergie solaire et observation de la terre. 2015. Thèse de
doctorat. Mines ParisTech; Université Grenoble Alpes.
[6] LABOURET, Anne et VILLOZ, Michel. Énergie solaire photovoltaïque-4ème
édition. Dunod, 2009.
[7] Labouret A. & Villoz M., Énergie solaire photovoltaïque, Dunod, Paris 2003,
[8] GREEN, Martin A. Solar cells: operating principles, technology, and system
applications, Longman Higher Education 1982.

26
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

[9] GRÄTZEL, Michael. Solar energy conversion by dye-sensitized photovoltaic

cells. Inorganic chemistry, 2005, vol. 44, no 20, p. 6841-6851.
[10] BUBE, Richard. Fundamentals of solar cells: photovoltaic solar energy
conversion. Elsevier, 2012.
[11] BOCHU, Jean-Luc. Energies et agriculture: de la maîtrise de l'énergie aux
énergies renouvelables. Educagri Editions, 2003.
[12] SAFA, Henri. La situation énergétique en France et dans le monde. EDP
Sciences, 2012.
[13] http://www.energies-renouvelables.org/ (l’Observatoire des énergies
renouvelables)
[14] https://www.edf.fr/
[15] Pierre Crausse & François Vieillefosse, De l’eau à la lumière, un siècle
d’énergie hydroélectrique en France, Toulouse, Nouvelles Éditions Loubatières,
2011,
[16] BURTON, Tony, SHARPE, David, JENKINS, Nick, et al. Wind energy
handbook. John Wiley & Sons, 2001.
[17] NELSON, Vaughn. Wind energy: renewable energy and the environment. CRC
press, 2013.
[18] SØRENSEN, John Dalsgaard et SØRENSEN, Jens N. (ed.). Wind energy
systems: Optimising design and construction for safe and reliable operation.
Elsevier, 2010.
[19] LECONTE, Philippe, RAPIN, Marc, et SZECHENYI, Edmond. Éoliennes.
Techniques de l'ingénieur. Génie mécanique, 2001, no BM4640, p. BM4640. 1-
BM4640.
[20] RAPIN, Marc et NOËL, Jean-Marc. Énergie éolienne-2e éd.: Du petit éolien à
l'éolien off shore. Dunod, 2014.
[21] FOX, Brendan. Énergie Eolienne et Intégration au réseau. Dunod, 2009.
[22] http://www.renewables-made-in-germany.com/fr/renewables-made-in-
germany/technologies/energie-eolienne/energie-eolienne/technologies-et-
applications.html « Agence d’Allemagne d’énergie »
[23] GUERRI, O. L'énergie éolienne en Algérie: un bref aperçu. Bulletin des Energies
Renouvelables, 2011, no 21.
[24] http://portail.cder.dz/spip.php?article5751 /www.sonelgaz.dz

27
Chapitre 1 État de l’art sur les énergies renouvelables : Éoliennes

[25] MERZOUK, N. Kasbadji. Evaluation du Gisement Energétique Eolien-

Contribution à la Détermination du Profil Vertical de la Vitesse du Vent en Algérie.
2006. Thèse de doctorat. Thèse de doctorat. Université Abou Bekr Belkaid, Tlemcen.

28
 Chapitre 2

Modélisation d’une éolienne à vitesse variable

Sommaire
2.1. Introduction .............................................................................................................. 29
2.2. Conception d’une éolienne ....................................................................................... 29
2.3. Classification des éoliennes ...................................................................................... 31
2.3.1. Classification des éoliennes suivant la taille et ordre de grandeur associé ....... 31
2.3.2. Classification des éoliennes suivant la vitesse de rotation ................................ 32
2.3.2.1. Eolienne à vitesse fixe ............................................................................... 32
2.3.2.2. Éolienne à vitesse variable ......................................................................... 33
2.4. Modélisation d’une éolienne à vitesse variable ........................................................ 33
2.4.1. Modélisation du vent ......................................................................................... 34
2.4.2. Modèle aérodynamique ..................................................................................... 35
2.4.2.1. Aérodynamique de la pale ......................................................................... 35
2.4.2.2. Aérodynamique du rotor ............................................................................ 36
2.4.3. Modèle du multiplicateur .................................................................................. 39
2.4.4. Modélisation de la turbine ................................................................................. 40
2.4.5. Modélisation de la machine synchrone à aimants permanents / générateurs .... 41
2.5. Conclusion ................................................................................................................ 46
2.6. Bibliographie ............................................................................................................ 46

28
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Chapitre 2

Modélisation d’une éolienne à vitesse variable

2.1. Introduction
Une éolienne est un dispositif qui transforme l'énergie cinétique du vent (déplacement
d’une masse d’air) en énergie mécanique, qui est le plus souvent transformée en énergie
électrique. Les éoliennes produisant de l'électricité sont appelées aérogénérateurs, tandis
que les éoliennes qui pompent directement de l'eau sont parfois dénommées éoliennes de
pompage, dont un type particulier est l'éolienne bollée. Ses différents éléments sont conçus
pour maximiser cette conversion énergétique tout en assurant un bon compromis entre les
caractéristiques couple/vitesse de la turbine et de la génératrice électrique.
Dans la première partie de ce chapitre, on va étudier la conception d’une éolienne, son
principe de fonctionnement ainsi que son modèle mathématique associé.
La deuxième partie est consacrée à l’étude en détail du modèle mathématique de la
machine synchrone à aiment permanent vu ses avantages incontestés dans la chaine
de conversion de l'énergie éolienne.

2.2. Conception d’une éolienne

Aujourd'hui, la conception la plus courante de l'éolienne, et l'éolienne à axe horizontal
(HAWT). Autrement dit, l'axe de rotation est parallèle au sol. Les principaux sous-
systèmes d'une éolienne à axe horizontal sont présentés dans la Figure (2.1) et est
constituée des éléments principaux suivants [1-5]:
- Le rotor : est en tout premier lieu une structure tournante soumise à différentes
sollicitations d’origine aérodynamique, inertielle (gravité, force centrifuge, efforts
gyroscopiques) ou élastique (déformations). Il est composé des pales et du moyeu.

29
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Figure 2.1 Composition d’une éolienne

- Le système du verrouillage du rotor : le frein aérodynamique est réalisé à l'aide de

trois pales commandées indépendamment et de manière redondante et pouvant pivoter
de 90° autour de leur axe longitudinal, il s’active quand la vitesse du vent est
supérieure à 90km/h et donc empêchent ainsi le rotor de fonctionner.
- L'arbre principal : il est entraîné par les pales et tourne à vitesse assez basse avec
beaucoup de force.
- L’arbre rapide : l’arbre rapide est relié en sortie du multiplicateur, il fait la liaison
entre le multiplicateur et la génératrice. Sa rotation est donc beaucoup plus rapide
(environ 1500tr/min), mais sa force est bien plus faible.
- Le multiplicateur : il augmente la vitesse de rotation au niveau nécessaire pour la
génératrice.

30
Chapitre 2 Modélisation d’une éolienne à vitesse variable

- Le système de refroidissement : consiste en un circuit huile / air à capacité de

refroidissement graduelle. Les roulements et denture d'engrenage sont constamment
lubrifiés par de l'huile refroidie. L'huile du multiplicateur assure non seulement la
lubrification mais aussi le refroidissement. La température des roulements et de l'huile
est surveillée en permanence.
- La génératrice : c'est elle qui permet la transformation de l'énergie mécanique en
énergie électrique. Elle est soit directement sur l'axe de l'aéromoteur soit entraînée par
un multiplicateur.
- L’anémomètre : Cet instrument sert à connaître la vitesse du vent. Il se situe derrière
les pales. Il mesure en permanence la vitesse du vent qu’il va transmettre au système de
contrôle de façon à démarrer ou arrêter l’éolienne. En général, une éolienne est
enclenchée à partir de 3 à 4 m/s et est arrêtée approximativement à 25m/s (90 km/h).
- La girouette : Elle sert à savoir la direction du vent.

2.3. Classification des éoliennes

2.3.1. Classification des éoliennes suivant la taille et ordre de grandeur associé [6]
Selon la puissance visée et le type d’utilisation recherchée, les paramètres de
conception de départ seront différents. On conçoit aisément que la définition d’un petit
aérogénérateur pour particulier ou d’une machine multi-mégawatt ne se fait pas avec les
mêmes critères. Pour une machine de grande taille à pas variable, on pourrait envisager de
démarrer la rotation en s’aidant du générateur utilisé en moteur. Par contre, pour une petite
éolienne régulée au décrochage, le vrillage, notamment au pied de la pale, devra permettre
un démarrage autonome de la machine.
Les éléments qui déterminent la puissance de sortie d'une éolienne sont :
 la vitesse du vent ;
 le diamètre du rotor ;
 la masse de l'air ;
 le nombre et la forme de pales ;
 le rendement mécanique du rotor vers l'axe de la génératrice ;
 le rendement électrique de la génératrice ;
Le tableau 2.1 résume la classification des éoliennes suivant la taille et ordre de
grandeur associé.

31
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Aire
Diamètre Puissance
Dénomination balayée Application
du rotor [m] [kW]
[m²]

en général pour couvrir des besoins très

Micro 0.5-1.25 0.2-1.2 0.04-0.25
limités et sites isolés

essentiellement pour recharger des batteries

sur des sites isolés du réseau, les plus
Mini 1.25-3 1.2-7.1 0.25-1.4
puissantes peuvent servir pour l'alimentation
domestique hors du réseau

elles balayent un spectre assez large allant de

rotors de 3 à 10 m de diamètre. C'est
Domestique 3-10 7-79 1.4-16
typiquement le genre d'éoliennes proposées
pour les particuliers

elles sont typiquement conçues pour les

Petite petites entreprises, les fermes, ... mais il
10-20 79-314 25-100
commerciale existe très peu de modèles produits dans cette
gamme

elles sont typiquement utilisées pour les

Moyenne 314- applications commerciales dans des fermes,
20-50 100-1000
commerciale 1963 des usines, des entreprises voire des petits
parcs éoliens

elles sont typiquement utilisées pour les

Grande 1963- applications commerciales dans des fermes,
50-100 1000-3000
commerciale 7854 des usines, des entreprises voire des petits
parcs éoliens

Tableau 2.1 Classification des éoliennes suivant la taille et ordre de grandeur associé.

2.3.2. Classification des éoliennes suivant la vitesse de rotation

2.3.2.1.Eolienne à vitesse fixe [5][7-8]
Les éoliennes à vitesse fixe sont les premiers modèles utilisés pour produire
l’électricité, ils utilisent des générateurs asynchrones et elles sont connectées directement
au réseau électrique. Ces machines sont entrainées par un multiplicateur et leurs vitesse est
maintenues approximativement (variation de 1-2%) constante, par un système mécanique
d’orientation des pales (pitch control). L’absence du dispositif d’électronique de puissance
rend ce type d’éolienne simple. Les systèmes d'éoliennes les plus utilisés dans ce cas sont
illustrés à la figure (2.2).

32
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Multiplicateur Réseau
Générateur

Figure 2.2 Eolienne à vitesse fixe [8]

2.3.2.2.Éolienne à vitesse variable [5][7-8]:

Les éolienne à vitesse variable sont les modèles les plus utilisés pour produire
l’électricité, l’avantage de ce type de modèle est le découplage entre le générateur et le
réseau électrique par une interface d’électronique de puissance ; c’est cette dernière qui
offre la possibilité de fonctionnement à vitesse variable pour ce type d’éolienne. Par
rapport aux éoliennes à vitesse fixe, qui atteignent le rendement maximale pour une seule
vitesse du vent, les éoliennes à vitesse variable sont conçues pour atteindre le rendement
maximal pour une large plage de vitesse du vent.

Figure 2.3 Eolienne à vitesse variable [8]

2.4. Modélisation d’une éolienne à vitesse variable

Le modèle de l’éolienne étudié dans ce mémoire est le modèle à une masse [9-11],
constitué d’une turbine éolienne comprenant trois (3) pales de longueur R à axe horizontal,
à vitesse variables et régulation pitch entrainant une génératrice synchrone à aimants
33
Chapitre 2 Modélisation d’une éolienne à vitesse variable

permanents GSAP à travers un multiplicateur de vitesse de gain G comme il est représenté

sur la figure 2.4.

Pitch

Figure 2.4 Schéma de la turbine éolienne.

2.4.1. Modélisation du vent

La vitesse du vent est l'une des variables les plus importantes dans la modélisation d'une
chaîne de conversion d'énergie éolienne et, c’est la principale variable d'entrée dans le
diagramme chaîne synoptiques. Par conséquent, la précision de la simulation dépend de la
représentation de la vitesse du vent. Malheureusement, le vent a un comportement aléatoire
induisant un caractère fluctuant. Ainsi, afin de reproduire avec précision le comportement
dynamique de la vitesse du vent, deux approches peuvent nous aider. La première consiste
à considérer des mesures de longue durée sur un site de vent réel et la seconde consiste à
représenter la caractéristique du vent par un modèle analytique. La première solution est
évidemment plus précise. Néanmoins, elle ne permet pas facilement de simuler différents
types de configurations de sites de vent. Dans notre mémoire, on s’intéresse au deuxième
cas et plus précisément à la caractéristique spectrale de Van Der Hoven [12-14] qui est la
plus répandue. La vitesse du vent en un point peut être décomposée en une composante
variant lentement, et des fluctuations :
n
V  V0   Ai sin(i t  i )
i 1

avec : V0 la composante moyenne

Ai Amplitude de chaque composante spectrale fluctuante
i Pulsation de chaque composante spectrale fluctuante
 i Déphasage de chaque composante spectrale fluctuante

34
Chapitre 2 Modélisation d’une éolienne à vitesse variable

La figure (2.5) représente le modélisation du vent sous matlab/simulink ainsi qu’un profil
du vent à partir de la caractéristique de Van Der Hoven.

Figure 2.5 Schéma bloc du vent sous matlab/simulink

2.4.2. Modèle aérodynamique

2.4.2.1.Aérodynamique de la pale
Les pales sont les éléments les plus représentatifs de l’éolienne. Ce sont aussi les seuls
éléments en mouvement. Elles constituent le point d’entrée de l’énergie apportée par le
vent. Leur concept fait appel à une diversité impressionnante de principes, de formes et de
matières. Car, si les pales d’hier étaient de simples rames à air, celles d’aujourd’hui sont
devenues des ailes sculptées dont les lignes sont aussi travaillées que celles du monde de
l’aviation [15].
Pour de très faibles conditions de vent, le rotor de l’éolienne est à l’arrêt. Il n’y a donc pas
de composante de rotation vue par le profil, mais uniquement la vitesse du vent. Pour
démarrer le rotor, il faut donc soit utiliser la connexion au réseau pour le mettre en rotation,

35
Chapitre 2 Modélisation d’une éolienne à vitesse variable

soit, dans le cas où la machine est autonome, pouvoir générer Fc et donc un couple

uniquement avec Vv [2][3].

On utilise pour cela les sections pied de pale que l’on positionne de façon adéquate à l’aide
d’un angle d’inclinaison  . En obtenant ainsi des angles d’incidence  vus par les

profils pouvant générer une résultante Fr favorable, la pale est susceptible de se mettre en

rotation. Avec la mise en rotation, la composante  t (vitesse de rotation de la turbine) va

apparaître : la vitesse résultante va se modifier et réduire l’incidence jusqu’à stabilisation
de la vitesse de rotation.

Figure 2.6 Calage des sections pied de pale [3]

2.4.2.2.Aérodynamique du rotor
La théorie fondamentale de la conception et le fonctionnement des éoliennes est obtenue
sur la base des lois de conservation de la quantité de mouvement et de l’énergie dans un
flux de vent pour évaluer les performances d’un rotor.
L’écoulement amont est supposé uniforme de vitesse v0. Dans le cas d’une éolienne, le flux
d’air traversant le disque rotor de surface S est ralenti et lui fournit de l’énergie (voir la
figure 2.7). On a donc naturellement :
v0 > v > v2
La loi de conservation de la quantité de mouvement donne les égalités suivantes [16-20]:
S0 v0 = Sv = S2 v2

36
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Figure 2.7 Représentation du tube de courant[16]

En notant  la masse volumique de l’air (en kg.m3), S   R2 l’aire de la surface balayée

par le rotor et R le rayon des pales de l’éolienne. La puissance absorbée par le rotor
s’exprime sous la forme suivante :
P   Sv ²(v0  v2 ) ( 2.1)

La variation de l’énergie cinétique de la masse de l’air par seconde est donnée par :
1
dEc   Sv(v0 ²  v2 ²) (2.2)
2
En effectuant le bilan énergétique, l’égalité des expressions (2.1) et (2.2) donne :
v0  v2
v (2.3)
2
dP
L’étude de la variation de la puissance en fonction de la vitesse à l’aval, fournit une
dv2

v0
seule racine ayant un sens physique : v2  , correspondant au maximum de puissance.
3
P
En définissant le coefficient de puissance : C p  , on aboutit à la limite
1
 Sv03
2
16
CPMAX   0.593 qui représente la fraction maximale de l’énergie passant dans le tube
27
de courant théoriquement récupérable. Elle a été établie en 1920 par Albert Betz , appelé
« limite de Betz » il montre avec cette limite que la puissance récupérée ne peut pas
dépassée les 59% de l a puissance cinétique du vent.

37
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Ce coefficient de puissance permet de classer les différents types d’éoliennes suivant leur
nature (figure 2.8) en fonction du rapport de la vitesse spécifique de la turbine donné par
l’équation suivante:
R.t
 (2.4)
v
 t :est la vitesse de rotation disponible sur l’axe de la turbine  rad / s 

Figure 2.8 Évolution typique du rendement aérodynamique en fonction du tip-speed ratio

et du modèle d'éolienne.

En utilisant le coefficient de puissance ; la puissance aérodynamique devienne :

1
Pa   R 2C p v 3
2 (2.5)
Le coefficient de puissance Cp est souvent issu de mesures pratiques. Il représente le
rendement aérodynamique de la turbine éolienne. Il dépend de la caractéristique de la
turbine.
L’expression de Cp dépend du rapport de la vitesse spécifique λ et de l’angle d’inclinaison
des pales β. Elle est donnée sous la forme suivante :
 0.035 
    c5   0.08    3 1 
1
1 0.035 
C p   ,    c1  c2   3 
 3 c   c4  .e  c6 (2.6)
    0.08   1  
Où : βi exprimé en degrés.

38
Chapitre 2 Modélisation d’une éolienne à vitesse variable

c1 =0.5109 ; c2 = 116 ; c3 =0.4 ; c4 =5 ; c5 = 21 ; c6 =0.0068 ;

La figure (2.9) illustre les courbes de C p   ,   pour plusieurs valeurs de  (deg)

obtenues par la relation précédente :
Cp en fonction de Lambda
0.5
0.475 Beta=0

0.45

0.4
Beta=4

0.35

Beta=8
0.3
Cp

0.25
Beta=12

0.2
Beta=16

0.15

0.1

0.05

8.1
0
0 5 10 15 20 25
Lambda

Figure 2.9 Évolution du rendement aérodynamique en fonction du l’angle d’inclinaison des

pales.

Sur cette figure on peut voir que pour chaque valeur de l’angle  on obtient un
coefficient de puissance, mais ce coefficient est maximum pour   0 qui correspond à
une vitesse de vent faible ( v <12m/s), et chaque fois la vitesse du vent augmente au-delà
de la vitesse nominale, l’angle  augmente jusqu'à l’arrêt complet de éolienne.
Le couple aérodynamique est donc directement déterminé par :
Pa
Ct 
t (2.7)
2.4.3. Modèle du multiplicateur
Le multiplicateur adapte la vitesse de la turbine à la vitesse de la génératrice, avec un gain
G ce multiplicateur est modélisé mathématiquement par les équations suivantes :
1
t  mec (2.8)
G

39
Chapitre 2 Modélisation d’une éolienne à vitesse variable

1
Ct  Cmec (2.9)
G
 t , est la vitesse de rotation disponible sur l’axe de la turbine  rad / s 

2.4.4. Modélisation de la turbine

Le modèle mathématique de la turbine est donné par :
J mec  Cmec  Cem  Cvisc (2.10)
Où :
J turbine
J  Jg (2.11)
G2
J : L’inertie totale, J g :inertie de la génératrice et J turbine inertie de la turbine.

Cvisc  f mec (2.12)

Cvisc : Le couple résistant dû aux frottements  N .m  et f : est le coefficient de frottement

visqueux.
mec , est la vitesse de rotation mécanique disponible sur l’axe du générateur  rad / s  .

Cem , est le couple électromagnétique disponible sur l’axe du générateur  N .m  .son

équation est donnée sur la partie électrique (équation 2.17)

Cmec , est le couple mécanique disponible sur l’axe générateur  N .m  , il est donné par la

relation suivante :

1 0.5C p  R v
2 3
1 1 Pt
Cmec  Ct   (2.13)
G G t G t
Où :
Ct , est le couple mécanique disponible sur l’axe de la turbine  N .m  .

Selon (2.4), (2.8), (2.10), (2.12), (2.13), le modèle mathématique de la partie mécanique
de l’éolienne devient :

f 0.5 R C p 2
5
1
mec   mec  mec  Cem (2.14)
J JG 
3 3
J

40
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Figure 2.10 Schémas blocs de la partie mécanique de l’éolienne sous matlab/simulink

2.4.5. Modélisation de la machine synchrone à aimants permanents / générateurs

La machine synchrone à aimants permanents / génératrice (GSAP) joue un rôle clé dans les
systèmes de production d'énergie éolienne à entraînement direct pour transformer l’énergie

41
Chapitre 2 Modélisation d’une éolienne à vitesse variable

mécanique en énergie électrique [21-30]. Parmi les avantages de l’application de la GSAP

ont peut citer :
 Gain important en poids (pas de multiplicateur)
 Réduction du nombre de pièces en rotation
 Moins de bruit
 Réduction de la charge
 Augmentation de la durée de vie de la machine
 Diminution de la maintenance
 Coûts de maintenance relativement faibles
 Grande fiabilité.
 Fonctionnement en survitesse.
 Les aimants moins chers que les bobinages de cuivre
 Bon rendement
Avant de développer le modèle mathématique de la GSAP, plusieurs hypothèses
importantes doivent être prises en compte [31] :
- l'effet d'amortissement dans les aimants et dans le rotor sont négligeables ;
- les effets de saturation magnétique sont négligées ;
- les pertes par courants de Foucault et par hystérésis sont négligées ;
- la force contre-électromotrice (FEM) induites dans les enroulements du stator sont
sinusoïdale

Figure 2.11 Schéma de la machine synchrone

L’équation électrique de la GSAP coté stator en triphasés est:

42
Chapitre 2 Modélisation d’une éolienne à vitesse variable

da
va  R.ia 
dt
d b
vb  R.ib  (2.15)
dt
dc
vc  R.ic 
dt
Sous forme matricielle :
d
Vs   Rs  I s    s 
dt (2.16)

Avec : Vs  notation vectorielle des tensions des phases statoriques (V)

Is  notation vectorielle des courants des phases statoriques (I)

 s  notation vectorielle des flux des phases statoriques

Rs =Résistance statorique

Le flux induits sur les enroulements statoriques pour la phase aa', le flux totalisé a
représente la somme de quatre termes:

Flux propre de a sur a : aa = Ls.ia .

Flux mutuel de b sur a : ba = Ms.ib .

Flux mutuel de c sur a : ca = Ms.ic.

Flux mutuel de l'inducteur sur a :  fa   f .cos(e )

a  aa  ba   ca   fa  Ls .ia  M s (ib  ic )   fa (2.17)

En supposant le neutre non relié. ( ib  ic  ia ), cette dernière relation s'écrit:

a  ( Ls  M s ).ia   fa  Lc .ia   fa (2.18)

Sur les deux autres phases :

b  ( Ls  M s ).ib   fb  Lc .ib   fb
c  ( Ls  M s ).ic   fc  Lc .ic   fc

2. 2.
Avec :  fc   f .cos(e  ) et  fb   f .cos(e  )
3 3
 f : Flux de l’aimant permanent

Afin de simplifier le modèle dynamique de la machine GSAP (des relations indépendantes

et réduction d’ordre des équations de la machine), on applique un changement de repère

43
Chapitre 2 Modélisation d’une éolienne à vitesse variable

(transformation de Park [32]).Ce passage mathématique, transforme les trois bobines

statoriques fixes déphasées de 2π/3 en deux bobines fictives équivalentes déphasées de π/2.
Les deux enroulements virtuels sont disposés sur les l’axes d et q, où dans le cas de la
GSAP l’axe d est orienté suivant le rotor, c'est-à-dire suivant la direction de l’aimantation.
La matrice de transformation de Park est définit comme suit
  2   4  
 cos  r cos   r   cos   r  
3 
  3   
2  2   4  
P  r     sin  r  sin   r    sin   r   (2.19)
3  3   3 
 
 1 1 1 
 2 
 2 2 
Et l’équation qui traduit le passage du système triphasé au système diphasé (d,q) est
donnée par :
X dq0  P(r ) X T abc (2.20)

Pour faire l’opération inverse, le passage du système diphasé (d,q) au système triphasé, on
utilise l’équation suivante :
X abs  P(r )1 X T dq0 (2.21)

Avec la matrice de la transforme inverse de park :

 
 cos  r  sin  r 1
 
2  2   2  
P  r   cos   r 
1
  sin   r   1 (2.22)
3  
   
3 3

  4   4  
cos   r  3  cos   r   1
    3  

Le modèle de la machine après la transformation de Park dans un repère de référence lié

au champ tournant est donné par :
d  sd
usd  Rs .isd   pmec . sq (2.23)
dt
d  sq
usq  Rs .isq   pmec . sd (2.24)
dt
Avec, le flux d`axes directe et en quadrature comme suit:
 sd  Ld .isd   f (2.25)

 sq  Lq .isq (2.26)

44
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Le couple électromagnétique du moteur peut être exprimé comme suit,

3
Cem  p  f . I sq  ( Ld  Lq ).I sd .I sq  (2.27)
2 
avec:
mec : la vitesse de rotation de la GSAP (rad/s),
P: nombre de pair de pôles,
J : moment d’inertie total du rotor,
f : Coefficient de frottement ((N.m.s/rad)),
Cr: couple résistant de la charge (N.m),
Ld: Inductances d’axe direct,
Lq: Inductances d’axe en quadrature,
Rs: Résistance des enroulements statoriques,
 f : Flux induit par les aimants permanents.

A partir des équations (2.23) (2.24) (2.25) et (2.26) on obtient le modèle mathématique de
la machine GSAPsous forme d’équation d’état:

Rs L 1
disd ( )isd  ( p. q )isqr 0
dt Ld Ld Ld usd
  (2.28)
disq R L  1 usq
(  s )isq  ( p. d )isd r  ( p. f )r 0
dt Lq Lq Lq Lq

En utilisant la transformation dq, la puissance active et réactive est donnée par :

3
P (usd I sd  usqisq )
2
(3.29)
3
Q  (usd I sq  usqisd )
2
Si le repère est tel que uqs = 0 et uds = | V | , les équations pour la puissance active et
réactive deviennent :
3
P (usd I sd )
2
(3.30)
3
Q  (usd I sq )
2

Par conséquent, la puissance active et réactive peut être contrôlé en contrôlant les
composantes de courant direct et en quadrature, respectivement.

45
Chapitre 2 Modélisation d’une éolienne à vitesse variable

Figure 2.12 Schéma bloc de la machine GSAP (partie électrique d’éolienne) sous
matlab/simulink

2.5.Conclusion

Dans ce chapitre, nous avons décrit les différents éléments d’une éolienne, puis nous avons
présenté un comparatif de diffèrent types d’éoliennes à savoir les éoliennes à vitesse fixe et
les éoliennes à vitesses variable. A partir de ce comparatif, nous nous somme intéressé à
l’éolienne à vitesses variable, où une modélisation détaillée de chaque élément de
l’éolienne a été reporté (partie mécanique et partie électrique) avec simulation des blocs
sous matlab/silmulink.
Le chapitre suivant présente une nouvelle approche MPPT pour extraire la puissance
maximale possible dans l’éolienne en utilisant PSO avec la commande passive.

2.6. Bibliographie
[1] GIPE, Paul. Le grand livre de l'éolien. Observ'ER: Ed. du Moniteur, 2007.
[2] RAPIN, Marc et NOËL, Jean-Marc. Énergie éolienne-2e éd.: Du petit éolien à l'éolien
off shore. Dunod, 2014.
[3] RAPIN, Marc et NOËL, Jean-Marc. Energie éolienne. Dunod, 2010.

46
Chapitre 2 Modélisation d’une éolienne à vitesse variable

[4] BOUKHEZZAR, Boubekeur. Sur les stratégies de commande pour l'optimisation et la

régulation de puissance des éoliennes à vitesse variable. 2006. Thèse de doctorat.
Université Paris Sud-Paris XI.
[5] EL AIMANI, Salma. Modélisation des différentes technologies d'éoliennes intégrées
dans un réseau de moyenne tension. 2004. Thèse de doctorat. Ecole Centrale de Lille.
[6] TONG, Wei. Wind power generation and wind turbine design. Wit Press, 2010.
[7] ALI, Mohd Hasan. Wind energy systems: solutions for power quality and stabilization.
CRC Press, 2012.
[8] Erich, Hau, Wind Turbines, Fundamentals, Technologies, Application, Economics, 2nd
ed. Springer, 2005
[9] BOUKHEZZAR, Boubekeur et SIGUERDIDJANE, Houria. Comparison between
linear and nonlinear control strategies for variable speed wind turbines. Control
Engineering Practice, 2010, vol. 18, no 12, p. 1357-1368.
[10] BOUKHEZZAR, Boubekeur, LUPU, L., SIGUERDIDJANE, Houria, et al.
Multivariable control strategy for variable speed, variable pitch wind turbines.
Renewable Energy, 2007, vol. 32, no 8, p. 1273-1287.
[11] BOUKHEZZAR, Boubekeur et SIGUERDIDJANE, Houria. Nonlinear control with
wind estimation of a DFIG variable speed wind turbine for power capture optimization.
Energy Conversion and Management, 2009, vol. 50, no 4, p. 885-892.
[12] POITIERS, Frédéric. Etude et commande de génératrices asynchrones pour
l'utilisation de l'énergie éolienne-machine asynchrone à cage autonome-machine
asynchrone à double alimentation reliée au réseau. 2003. Thèse de doctorat. Université
de Nantes.
[13] CAMBLONG, Haritza. Minimisation de l'impact des perturbations d'origine
éolienne dans la génération d'électricité par des aérogénérateurs à vitesse variable.
2003. Thèse de doctorat. Paris, ENSAM.
[14] YANJIE, Liu et JUN, Wang. A large time scale wind velocity simulation method.
In : Computer Design and Applications (ICCDA), 2010 International Conference on.
IEEE, 2010. p. V4-282-V4-286.
[15] DUBOIS, Corinne. Le guide de l'éolien, techniques et pratiques. éditions Eyrolles,
2009.
[16] MANWELL, James F., MCGOWAN, Jon G., et ROGERS, Anthony L. Wind
energy explained: theory, design and application. John Wiley & Sons, 2010.

47
Chapitre 2 Modélisation d’une éolienne à vitesse variable

[17] VERMEER, L. J., SØRENSEN, Jens Nørkær, et CRESPO, A. Wind turbine wake
aerodynamics. Progress in aerospace sciences, 2003, vol. 39, no 6, p. 467-510.
[18] TEMPLIN, R. J. Aerodynamic performance theory for the NRC vertical-axis wind
turbine. National Aeronautical Establishment, Ottawa, Ontario (Canada), 1974.
[19] BAZILEVS, Y., HSU, M.‐ C., AKKERMAN, I., et al. 3D simulation of wind
turbine rotors at full scale. Part I: Geometry modeling and aerodynamics.International
Journal for Numerical Methods in Fluids, 2011, vol. 65, no 1‐ 3, p. 207-235.
[20] HANSEN, Martin OL. Aerodynamics of wind turbines. Routledge, 2015.
[21] DAHBI, Abdeldjalil, NAIT-SAID, Nasreddine, et NAIT-SAID, Mohamed-Said. A
novel combined MPPT-pitch angle control for wide range variable speed wind turbine
based on neural network. International Journal of Hydrogen Energy, 2016.
[22] JARAMILLO-LOPEZ, Fernando, KENNE, Godpromesse, et LAMNABHI-
LAGARRIGUE, Francoise. A novel online training neural network-based algorithm
for wind speed estimation and adaptive control of PMSG wind turbine system for
maximum power extraction. Renewable Energy, 2016, vol. 86, p. 38-48.
[23] TIWARI, Ramji et BABU, N. Ramesh. Fuzzy Logic Based MPPT for Permanent
Magnet Synchronous Generator in wind Energy Conversion System. IFAC-
PapersOnLine, 2016, vol. 49, no 1, p. 462-467.
[24] RAJAN SINGARAVEL, M. M. et DANIEL, S. Arul. MPPT With Single DC–DC
Converter and Inverter for Grid-Connected Hybrid Wind-Driven PMSG–PV
System. Industrial Electronics, IEEE Transactions on, 2015, vol. 62, no 8, p. 4849-
4857.
[25] WEI, Qiang et WU, Bin. Analysis and comparison of current-source-converter-
based medium-voltage PMSG wind energy conversion systems. In : Power Electronics
for Distributed Generation Systems (PEDG), 2015 IEEE 6th International Symposium
on. IEEE, 2015. p. 1-6.
[26] KANG, Tahyun, KANG, Taewon, CHAE, Beomseok, et al. Comparison of voltage
source and current source based Converter in 5MW PMSG wind turbine systems. In
: Power Electronics and ECCE Asia (ICPE-ECCE Asia), 2015 9th International
Conference on. IEEE, 2015. p. 894-901.
[27] MEGHNI, Billel, SAADOUN, Abdallah, DIB, Djalel, et al. Effective MPPT
technique and robust power control of the PMSG wind turbine. IEEJ Transactions on
Electrical and Electronic Engineering, 2015, vol. 10, no 6, p. 619-627.

48
Chapitre 2 Modélisation d’une éolienne à vitesse variable

[28] KOCH, Gustavo G., SCHNEIDER, Gilberto, ZUCUNI, Jordan, et al. Direct scalar
torque control for wind turbine with permanent magnet synchronous generator. In
: Clean Electrical Power (ICCEP), 2015 International Conference on. IEEE, 2015. p.
265-269.
[29] VAN, Tan Luong, NGUYEN, Thanh Hai, et LEE, Dong-Choon. Advanced pitch
angle control based on fuzzy logic for variable-speed wind turbine systems.Energy
Conversion, IEEE Transactions on, 2015, vol. 30, no 2, p. 578-587.
[30] HUANG, Can, LI, Fangxing, et JIN, Zhiqiang. Maximum power point tracking
strategy for large-scale wind generation systems considering wind turbine
dynamics. Industrial Electronics, IEEE Transactions on, 2015, vol. 62, no 4, p. 2530-
2539.
[31] ARROYO, Enrique L. Carrillo. Modeling and simulation of permanent magnet
synchronous motor drive system. 2006. Thèse de doctorat. University Of Puerto Rico
Mayagüez Campus.
[32] KRISHNAN, Ramu. Permanent magnet synchronous and brushless DC motor drives.
CRC press, 2009.

49
 Chapitre 3
Contribution à la commande MPPT des
éoliennes à vitesse variable

Sommaire
3.1 Introduction .............................................................................................................. 51
3.2 Zones de fonctionnement des éoliennes ................................................................... 52
3.3 Description de l’algorithme MPPT proposé pour les générateurs éoliens ............... 53
3.3.1. MPPT par optimisation par essaims particulaires ............................................. 54
3.4. La stabilisation par la commande passive ................................................................ 59
3.4.1. Présentation de la commande passive ............................................................... 59
3.4.2. Application de la commande passive pour le contrôle de la machine PMSG .... 60
3.5. Conclusion ................................................................................................................ 65
3.6. Bibliographie ............................................................................................................ 65

50
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

Chapitre 3
Contribution à la commande MPPT des
éoliennes à vitesse variable
3.1 Introduction

Les systèmes de conversion d'énergie de vent ont attiré une grande attention en tant que
source d'énergie renouvelable en raison de l'épuisement des réserves de combustibles
fossiles et les préoccupations environnementales comme une conséquence directe de
l'utilisation de combustibles fossiles et de sources d'énergie nucléaires. L'énergie éolienne,
même si abondante, varie continuellement à mesure que les changements de vitesse du
vent tout au long de la journée. La quantité de puissance de sortie d'un système de
conversion d'énergie éolienne (WECS) dépend de la précision avec laquelle les points de
puissance de crête sont suivis par le contrôleur de suivi du point de puissance maximale
MPPT (Maximum Power Point Tracking) du système de commande WECS quel que soit
le type de générateur utilisé [1-3].

Un grand nombre de techniques MPPT pour les éoliennes ont été étudié et rapporté dans la
littérature, ils peuvent être regroupés en quatre méthodes principales :

- Commande recherche du sommet Hill Climbing Searching [4-7].

- Commande du rapport de vitesse spécifique (TSR) [8-10].
- Contrôle de l’ouverture de la pale [11-13].
- Par rétroaction du signal de puissance PSF (Power Signal Feedback) [14-15].

Chacune des méthodes précédentes présentent des avantages et inconvénients, la méthode

de contrôle de l’ouverture des pales est appliquée pour les vents forts, par contre les autres
approches pour les vents faibles. Dans ce chapitre on propose une nouvelle approche
MPPT applicable pour les vents faibles ainsi que pour les vents fort, elle repose sur
l’optimisation du coefficient de puissance avec la méthode Optimisation par essaims
Particulaires PSO (Particale Swarm Optimizaion) ce qui nous permet non seulement de
contrôler l’ouverture des pales, mais aussi le rapport de vitesse spécifique (TSR). Cette

51
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

approche d’optimisation sera associée avec la commande passive vu sa simplicité et sa

facilité de mise en œuvre.

3.2 Zones de fonctionnement des éoliennes

Figure 3.1 Zones de fonctionnement des éoliennes [16]

Il est important de comprendre la relation entre la puissance et la vitesse du vent pour

déterminer le type de contrôle requis, l'optimisation, ou la limitation. La courbe de
puissance spécifie la quantité d'énergie qu’on peut extraire du vent entrant. La Figure 3.1
résume le principe général de fonctionnement de l’éolienne.

Suivant la vitesse du vent on définit les zones de fonctionnement des éoliennes [17-19] :

La zone a : Pour des vitesses très faibles du vent, il y a un couple insuffisant exercé par le
vent sur les pales de la turbine pour les faire tourner. Cependant, comme la vitesse

52
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

augmente, la turbine éolienne commencera à tourner et produire de l'énergie électrique. La

vitesse à laquelle la turbine commence d'abord à tourner et produire de l'énergie est
appelée vitesse minimale de démarrage de 3m/s à 4m/s.

La zone a-d : est la zone d’extraction maximale, elle correspond au fonctionnement à

Charge Partielle ( C p ). Ici l’objectif est d’optimiser le rendement énergétique. Ainsi, la

vitesse de rotation mécanique évolue en fonction de la vitesse du vent de sorte à se

maintenir au point de fonctionnement à rendement aérodynamique maximal. Le but étant
que le coefficient de puissance soit toujours optimum.

La zone d-e : la vitesse de rotation mécanique atteint la valeur de la vitesse nominale ;

correspond au fonctionnement à pleine charge. Il faut limiter la puissance afin de ne pas
détériorer le système, pour cela, on contrôle l’éolienne a travers l’angle d’inclinaison des
pales qui varie.

Au delà de de la zone e : après la vitesse de coupure, l’éolienne est mise à l’arrêt pour
protection, la puissance de sortie est nulle.

3.3 Description de l’algorithme MPPT proposé pour les générateurs éoliens

Afin de générer le maximum de puissance, on doit définir les valeurs optimales de l’angle
d’inclinaison de la pale et de la vitesse de rotation mécanique. Plusieurs approches ont été
proposé en littérature, qui repose sur la fixation de l’angle d’inclinaison de la pale et
l’optimisation du rapport de la vitesse spécifique afin de déduire la vitesse de rotation
mécanique optimal en utilisant les algorithmes génétiques associé avec la commande PI
[20], par contre dans ce travail de thèse, on propos l’utilisation de l’optimisation par PSO
pour estimer non seulement la vitesse de rotation mécanique optimal , mais aussi l’angle
d’inclinaison de la pale ce qui permet d’obtenir le maximum de puissance pour n’importe
quelle valeur du vent.

L’objective est la maximisation de C p pour chaque valeur du vent en fonction du rapport

de la vitesse spécifique λ et de l’angle d’inclinaison des pales β afin d’extraire le maximum

de puissance Pt.

 0.035 
    c5   0.08    3 1 
1
1 0.035 
C p   ,    c1  c2   3 
 3 c   c4  .e  c6
    0.08   1  

53
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

Où : βi exprimé en degrés. c1 =0.5109 ; c2 = 116 ; c3 =0.4 ; c4 =5 ; c5 = 21 ; c6 =0.0068 ;

Pour cela, on utilise l’algorithme d’Optimisation par essaims.

3.3.1. MPPT par optimisation par essaims particulaires

L'optimisation par essaims particulaires « Particle Swarm Optimization (PSO) » est une
méthode d’optimisation stochastique, pour les fonctions non-linéaires développé par James
Kennedy et Russell Eberhart en 1995 [21-23] après s'être inspiré des observations faites
lors des simulations informatiques de vols groupés d’oiseaux et de bancs de poissons par le
biologiste Frank Heppner [24].
PSO partage de nombreuses similitudes avec des techniques de calcul évolutives telles que
l’algorithme génétique (AG). Le système est initialisé avec une population de solutions
aléatoires et recherche d'optima par la mise à jour des générations. Cependant,
contrairement à GA, PSO n'a pas d'opérateurs d'évolution comme le croisement et la
mutation. L’optimisation par essaim de particules repose sur un ensemble d’individus
originellement disposés de façon aléatoire et homogène, que nous appellerons dès lors des
particules, qui se déplacent dans l’hyper-espace de recherche et constituent, chacune, une
solution potentielle [25].
Chaque particule représente une solution potentielle dans l’espace de recherche. La
nouvelle position d’une particule est déterminée en fonction de sa propre valeur et celle de

ses voisines. Soit xi  t  la position de la particule Pi au temps t, sa position est modifiée en

ajoutant une vitesse vi  t  à sa position courante :

xi  t   xi  t  1  vi  t  (3.2)

La vitesse de chaque particule est mise à jour suivant l'équation suivante :

vi (t 1)   vi (t )  c1r1[ x pi (t )  xi (t)]  c2r2[ g(t)  xi (t)] (3.3)

vi(t) est la vitesse de particule i à l'instant t et x i(t) est la position de particule i à l'instant t,
les paramètres w, c1, et c2 (0 ≤ w ≤ 1.2, 0 ≤ c1 ≤ 2, et 0 ≤ c2 ≤ 2) sont des coefficients
constants fixés par l'utilisateur, r1 et r2 sont des nombres aléatoires tirés à chaque itération,
g(t) est la meilleure solution trouvée jusqu'à l'instant t et x pi (t ) est la meilleure solution

trouvée par le particule i. C’est la vitesse qui dirige le processus de recherche et reflète la

54
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

"sociabilité" des particules, les variables et paramètres de l’algorithme sont les suivants
[26] :
N nombre de particules
xi  t  Position de la particule Pi

vi vitesse de la particule Pi

pbesti Meilleure fitness obtenue pour la particule Pi

x pbesti Position de la particule Pi pour la meilleure fitness

xgbesti Position de la particule ayant le meilleur fitness de toutes

1 ,  2 Valeurs aléatoires positives

L’algorithme de la méthode d'optimisation par essaims particulaires est donné comme

suit [26] :

Initialisations :
Initialiser aléatoirement la population.
Traitement :
Répéter
Pour i de 1 à N faire

   pbest ) Alors
Si (F xi i

pbest  F  x 
i i

x pbesti  xi

Fin Si

   gbest ) Alors
Si (F xi i

gbest  F  x 
i i

xgbesti  xi

Fin Si
Fin Pour
Pour i de 1 à N faire
vi  vi  1 ( x pbesti  xi )   2 ( xgbesti  xi )

55
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

xi  xi  vi
Fin Pour
Jusqu’à ce que (le processus converge)

Cette méthode d’optimisation présente certains avantages intéressants, qui font d’elle une
très bonne technique d'optimisation, particulièrement pour les problèmes fortement non
linéaires, parmi lesquels on cite :
-Facilité de programmation : quelques lignes de code suffisent dans n'importe quel
langage évolué,
- robuste : malgré de mauvais choix de paramètres dégradent les performances,
mais n'empêchent pas d'obtenir une solution.
Le profil du vent choisit est un profil qui englobe les vents faibles et forts il correspond à
une variation comprise entre 5.5m/s et 16m/s (Figure 3.2) et les paramètres de l’éolienne,
de la GSAP ainsi que celui de l’algorithme par PSO sont données en annexe.
Les résultats obtenus sont présenté sur les figures : (3.3, 3.4 et 3.5). Comme on le voir sur
ces figures, pour des valeurs du vent inferieur à 12m/s, l’angle d’inclinaison des pales est
nul, le coefficient de puissance est constant et égale 0.48 et la vitesse de rotation
mécanique augmente avec l’augmentation de la vitesse du vent. Lorsque le vent devient
fort, (plus de 12m/s), les pales s’ouvert et l’angle d’inclinaison augmente, par contre, la
vitesse de rotation mécanique de référence devienne fixe et le coefficient de puissance
diminue.

56
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

Figure 3.2 Profil du vent

Figure 3.3 Angle d’inclinaison des pales

57
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

Figure 3.4 Vitesse de rotation mécanique

Figure 3.5 Coefficient de puissance

58
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

3.4. La stabilisation par la commande passive

Dans cette partie, nous allons étudier la commande passive et appliquer ses
propriétés pour contrôler la GSAP. A la fin, des simulations seront présentées pour
illustrer l’efficacité de cette commande.
3.4.1. Présentation de la commande passive
Nous allons essayer de donner quelques définitions clefs dans la théorie des systèmes non
linéaires pour pouvoir bien comprendre la notion de la passivité :
 Systèmes dissipatifs
Considérons un système non linéaire de la forme : [27-28]

x(t )  f ( x(t ), u(t ))

(3. 4)
y ( t )  h ( x (t )

Le système (3.4) est dissipatif par rapport au « débit énergétique » w(t ) s’il existe une
fonction continue non négative, V : X  R , appelé fonction de stockage, qui satisfait :
t
V ( x(t ))  V ( x(0))   w( s )ds (3. 5)
0

 Définition interne de la passivité

Le système (3.4) est passif s’il est dissipatif par rapport au « débit énergétique »
w(u, y )  uT y et si la fonction de stockage satisfait V (0) = 0.
Cette dernière définition de la passivité se résume à :
t
V ( x(t ))  V ((0))   uT ( s) y ( s )ds (3. 6)
0

De la relation (3.6) on obtient des résultats fondamentaux sur la stabilité du

système. Si l’on fixe uT  0 on observe une décroissance de V(x) à partir de n’importe
quelle trajectoire de système (3.4), ce qui montre que les systèmes passifs avec une
fonction de stockage définie positive sont stables au sens de Lyapunov. La même propriété
est observée si l’on annule la sortie (y = 0), ce qui implique une dynamique des zéros
stables.
Définition 1 [28]: Le système (3.4) est un système à minimum de phase avec
Lg0h(0) est non-singulière si sa dynamique des zéros est asymptotiquement stable au
voisinage de x=0

59
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

Définition 2 [29]: Le système (3.4) est passif s’il existe une constante   0 et une
constante réelle  , telle que :

u (t ) y (t )dt      y T (t ) y (t )dt
T
(3.7)

Le système passif (3.4) peut s’écrire sous la forme suivante [29]:

z  f ( z )  g ( z, y ) y
(3.8)
y  l ( z, y )  k ( z, y )u

Si le système (3.4) est à minimum de phase, le système (3.8) sera équivalent à un système
passif et il pourrait être asymptotiquement stabilisé aux points souhaités ou à l'équilibre par
l'intermédiaire de la commande suivante [29]:

 W ( z ) 
u  k ( z, y ) 1  l ( z, y )  g ( z)   y    (3.10)
 z 

Ou, W ( z ) est la fonction de Lyapunov,  est un gain strictement positif et  est un signal
extérieur.

3.4.2. Application de la commande passive pour le contrôle de la machine PMSG

Le système non-linéaire d’une GSAP est définit comme suit [30-31]:
did vd R L
  id  r p q iq
dt Ld Ld Ld
diq vq R L 
  iq  r p d id  r p m (3.11)
dt Lq Lq Lq Lq
d r 3 pm 3p B 1
 iq  ( Lq  Ld )id iq  r  TL
dt 2J 2J J J
On pose : z  [ z1 ] = [ wr ] , y  [ y1, y2 ]T  [id , iq ]T et TL  0 u  [vd , vq ]T ; alors, le système

(3.11) peut être écrit comme suit:

dy1 u1 R L
  y1  z1 p q y2
dt Ld Ld Ld
dy2 u2 R L 
  y2  z1 p d y1  z1 p m (3.12)
dt Lq Lq Lq Lq
dz1 3 pm 3p B 1
 y2  ( Lq  Ld ) y1 y2  z1  TL
dt 2J 2J J J
En mettant le système (3.12) sous la forme de (3.8), on trouve

60
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

 B  3p 3 pm
f ( z )    z1  , g ( z, y )  [ ( Lq  Ld ) y2 , ]
 J  2J 2J

R Lq  1 
 L y1  r p L y2  L 0
l ( z, y )    , k ( z, y )   d 
d d

 R Ld m   1
  L y2  r p L y1  z1 p L  0 Lq 
 q q q 

Notre objectif est de concevoir une commande souple pour contrôler la GSAP de
l’éolienne afin de suivre la référence issue de l’optimisation par PSO.

Théorème : le système (3.12) est passif avec la commande suivante

 R Lq 3p 
 Ld (  id  r p iq  ( Lq  Ld )iq wr   1id  1 ) 
u1  
Ld Ld 2J

u    m 3 pm 
 2 R Ld
 Lq ( L iq  r p L id  wr p L  2 J wr   2iq  2 ) 
 q q q 

Démonstration du théorème :
Pour cela, on choisit la fonction de stockage suivante :
1 2 1 2
V ( z, y )  W ( z )  y1  y2 (3.13)
2 2
Où W(z) est une fonction de Lyapunov avec W(0) = 0,
1
W ( z )  ( z12 ) (3.14)
2
La dérivée de W(z) lorsque y=0 est donnée par :
B 2
W ( z )  z1z1   z1 (3.15)
J
De (3.15) on a : W ( z )  0
On peut conclure que f(z) est globalement asymptotiquement stable, ce qui signifie que le
système (3.12) est minimum de phase conformément à la définition (1).

La dérivée de V(z,y) le long de la trajectoire du système (3.12) est :

61
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

d 
V ( z, y )  W ( z ) z  yy
dt z (3.16)
 
 W ( z ) f 0 ( z )  W ( z ) g ( z, y ) y  yl ( z, y )  yk ( z, y )u
z z
Puisque le système (3.15) est à minimum de phase, on obtient :
d
W ( z) f0 ( z)  0 (3.17)
dt
L’équation (3.16) devienne :
d 
V ( z, y )  W ( z ) g ( z, y ) y  (l ( z, y )  k ( z, y )u) y (3.18)
dt z
la loi de commande est donnée comme suit :
W ( z )
u  k ( z, y ) 1[l T ( z, y )  g ( z, y )   y   ] (3.19)
z
 R L 3p 
 Ld (  id  r p q iq  ( Lq  Ld )iq wr   1id  1 ) 
u1  
Ld Ld 2J

u      
(3.20)
 2 R L 3 p
 Lq ( L iq  r p L id  wr p L  2 J wr   2iq  2 ) 
d m m

 q q q 
En remplaçant (3.20) dans (3.12) on obtient :
d
V ( z, y )   y T y   T y (3.21)
dt

En intégrant les deux membres de l’inégalité (3.21)

t t
V ( z, y )  V ( z0 , y0 )   ( ) y ( ) y ( )d    T ( ) y ( )d
T
(3.22)
0 0

V ( z, y )  0 et   V ( z0 , y0 )
t t t

 ( ) y( )d    V ( z, y )    y ( ) y( )d    y ( ) y( )d

T T T
(3.23)
0 0 0

Ce résultat vérifie la définition (2). Le retour d’état donné par (3.23) peut rendre le système
(3.4) passif.

Les résultats de simulations sont donnés sur les figures ci-dessous.

Comme on le voit, la commande passive permet au système de suivre la référence estimée
à partir du PSO ,en l’occurrence la vitesse de rotation mécanique et ce qui permet d’avoir

62
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

une puissance Pt égale à celle de référence. En résumé, on peut conclure que l’association
de PSO et la commande passive permet à éolienne de capturer le maximum de puissance.

Figure 3.6 Courant Iq en fonction du temps

63
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

Figure 3.7 Courant Id en fonction du temps

Figure 3.8 Vitesses de rotation mécanique de référence et mesurée en simulation du

système éolien.

64
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

Figure 3.9 Puissance de référence et mesurée en simulation du système éolien.

3.5. Conclusion

Dans ce chapitre, une commande côté génératrice a été utilisée pour suivre la puissance
maximale générée à partir d’une éolienne à vitesse variable en contrôlant la vitesse de
rotation mécanique. La GSAP a été contrôlée par la commande passive et la référence de la
vitesse ainsi que l’angle d’inclinaison des pales ont été obtenue à partir de l’optimisation
par PSO afin d’extraire le maximum de puissance. L’avantage de cette approche se résume
comme suit :
- Facilité de la reconfiguration pour application sur différents type d’éoliennes
- Rapidité de convergence de l’algorithme PSO.
- Souplesse de la commande passive.

3.6. Bibliographie

[1] KOUTROULIS, Eftichios et KALAITZAKIS, Kostas. Design of a maximum power

tracking system for wind-energy-conversion applications. IEEE transactions on
industrial electronics, 2006, vol. 53, no 2, p. 486-494.

65
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

[2] BARAKATI, S. Masoud, KAZERANI, Mehrdad, et APLEVICH, J. Dwight.

Maximum power tracking control for a wind turbine system including a matrix
converter. IEEE Transactions on Energy Conversion, 2009, vol. 24, no 3, p. 705-713.
[3] BAROUDI, Jamal A., DINAVAHI, Venkata, et KNIGHT, Andrew M. A review of
power converter topologies for wind generators. Renewable energy, 2007, vol. 32, no
14, p. 2369-2385.
[4] KAZMI, Syed Muhammad Raza, GOTO, Hiroki, GUO, Hai-Jiao, et al. A novel
algorithm for fast and efficient speed-sensorless maximum power point tracking in
wind energy conversion systems. IEEE Transactions on Industrial Electronics, 2011,
vol. 58, no 1, p. 29-36.
[5] ZENG, Qingrong, CHANG, Liuchen, et SHAO, Riming. Fuzzy-logic-based maximum
power point tracking strategy for Pmsg variable-speed wind turbine generation
systems. In : Electrical and Computer Engineering, 2008. CCECE 2008. Canadian
Conference on. IEEE, 2008. p. 000405-000410.
[6] KAZMI, Syed Muhammad Raza, GOTO, Hiroki, GUO, Hai-Jiao, et al. Review and
critical analysis of the research papers published till date on maximum power point
tracking in wind energy conversion system. In : Energy Conversion Congress and
Exposition (ECCE), 2010 IEEE. IEEE, 2010. p. 4075-4082.
[7] SHIRAZI, Meisam, VIKI, Abbas Hooshmand, et BABAYI, Omid. A comparative
study of maximum power extraction strategies in PMSG wind turbine system. In
: Electrical Power & Energy Conference (EPEC), 2009 IEEE. IEEE, 2009. p. 1-6.
[8] HAN, Kun et CHEN, Guo-zhu. A novel control strategy of wind turbine MPPT
implementation for direct-drive PMSG wind generation imitation platform. In : Power
Electronics and Motion Control Conference, 2009. IPEMC'09. IEEE 6th International.
IEEE, 2009. p. 2255-2259.
[9] ABDULLAH, M. A., YATIM, A. H. M., TAN, C. W., et al. A review of maximum
power point tracking algorithms for wind energy systems. Renewable and sustainable
energy reviews, 2012, vol. 16, no 5, p. 3220-3227.
[10] THONGAM, Jogendra Singh et OUHROUCHE, Mohand. MPPT control methods
in wind energy conversion systems. INTECH Open Access Publisher, 2011.
[11] ZHANG, Jianzhong, CHENG, Ming, CHEN, Zhe, et al. Pitch angle control for
variable speed wind turbines. In : Electric Utility Deregulation and Restructuring and
Power Technologies, 2008. DRPT 2008. Third International Conference on. IEEE,
2008. p. 2691-2696.

66
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

[12] DAHBI, Abdeldjalil, NAIT-SAID, Nasreddine, et NAIT-SAID, Mohamed-Said. A

novel combined MPPT-pitch angle control for wide range variable speed wind turbine
based on neural network. International Journal of Hydrogen Energy, 2016, vol. 41, no
22, p. 9427-9442.
[13] GHOUDELBOURK, Sihem, DIB, Djalel, OMEIRI, Amar, et al. MPPT control in
wind energy conversion systems and the application of fractional control (PIα) in pitch
wind turbine. International Journal of Modelling, Identification and Control, 2016,
vol. 26, no 2, p. 140-151.
[14] CHEN, Zhe, GUERRERO, Josep M., et BLAABJERG, Frede. A review of the state
of the art of power electronics for wind turbines. IEEE Transactions on power
electronics, 2009, vol. 24, no 8, p. 1859-1875.
[15] BELMOKHTAR, K., DOUMBIA, M. L., et AGBOSSOU, K. Novel fuzzy logic
based sensorless maximum power point tracking strategy for wind turbine systems
driven DFIG (doubly-fed induction generator). Energy, 2014, vol. 76, p. 679-693.
[16] MARIN CEBALLOS, David Humberto. Intégration des éoliennes dans les réseaux
électriques insulaires. 2009. Thèse de doctorat. Ecole Centrale de Lille.
[17] CAMBLONG, Haritza. Modélisation et commande de systèmes éoliens. 2009.
Thèse de doctorat. Université du Havre.
[18] BELTRAN, Brice, BENBOUZID, Mohamed, AHMED-ALI, Tarek, et
al. Commande d'une éolienne à base de GADA par modes glissants d'ordre supérieur et
observateur grand gain. European Journal of Electrical Engineering, 2012, vol. 15, no
6, p. 659-678.
[19] EL AIMANI, Salma. Modélisation des différentes technologies d'éoliennes
intégrées dans un réseau de moyenne tension. 2004. Thèse de doctorat. Ecole Centrale
de Lille.
[20] SUMATHI, S., KUMAR, L. Ashok, et SUREKHA, P. Solar PV and wind energy
conversion systems: an introduction to theory, modeling with MATLAB/SIMULINK,
and the role of soft computing techniques. Springer, 2015.
[21] EBERHART, Russell et KENNEDY, James. A new optimizer using particle swarm
theory. In : Micro Machine and Human Science, 1995. MHS'95., Proceedings of the
Sixth International Symposium on. IEEE, 1995. p. 39-43.
[22] KENNEDY, James F., KENNEDY, James, EBERHART, Russell C., et al.Swarm
intelligence. Morgan Kaufmann, 2001.

67
Chapitre 3 Contribution à la commande MPPT des éoliennes à vitesse variable

[23] EBERHART, Russell C., SHI, Yuhui, et KENNEDY, James. Swarm intelligence.
Elsevier, 2001.
[24] HEPPNER, Frank et GRENANDER, Ulf. A stochastic nonlinear model for
coordinated bird flocks. The ubiquity of chaos, 1990, p. 233-238.
[25] CLERC, Maurice. L'optimisation par essaim particulaire. Technique et Science
Informatiques, 2002, vol. 21, no 7, p. 941-964.
[26] DUTOT, Antoine et OLIVIER, Damien. Optimisation par essaim de particules
Application au problème des n-Reines. Support de cours, Laboratoire Informatique du
Havre, Université du Havre, 2002.
[27] KHALIL, Hassan K. Noninear Systems. Prentice-Hall, New Jersey, 1996.
[28] BYRNES, Christopher I., ISIDORI, Alberto, et WILLEMS, Jan C. Passivity,
feedback equivalence, and the global stabilization of minimum phase nonlinear
systems. IEEE Transactions on automatic control, 1991, vol. 36, no 11, p. 1228-1240..
[29] YU, Wen. Passive equivalence of chaos in Lorenz system. IEEE Transactions on
Circuits and Systems I: Fundamental Theory and Applications, 1999, vol. 46, no 7, p.
876-878.
[30] YIN, Ming, LI, Gengyin, ZHOU, Ming, et al. Modeling of the wind turbine with a
permanent magnet synchronous generator for integration. In : Power Engineering
Society General Meeting, 2007. IEEE. IEEE, 2007. p. 1-6.
[31] CHEN, Xianfeng, SHU, Zhibing, et ZHAO, Yingkai. Mathematic Model and
Performance Analysis of PMSM Based Servo System [J]. Machinery & Electronics,
2005, vol. 1, p. 41-43.

68
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Chapitre 4
Commande prédictive d’une éolienne à
comportement chaotique

Sommaire
4.1. Introduction .................................................................................................................. 70
4.2. Rappel sur les systèmes chaotiques ............................................................................. 71
4.2.2. Propriétés des systèmes chaotiques ...................................................................... 71
4.2.2.1. Sensibilité aux conditions initiales ..................................................................... 72
4.2.2. 2. Aspect aléatoire .............................................................................................. 72
4.2.2.3. Systèmes chaotiques et méthode de Lyapounov : ........................................... 73
4.3. La commande prédictive à retour d’état : ..................................................................... 75
4.3.1. La théorie de la commande prédictive à retour d’état ....................................... 75
4.4. Application de la commande prédictive à retour d’état pour le contrôle de des
éoliennes à comportement chaotique suite aux défauts dans leurs moteurs ........................ 78
4.4.1. Modélisation mathématique des générateurs à comportement chaotique dû aux
défauts des composants .................................................................................................... 78
4.2.2. Modélisation mathématique des générateurs à comportement chaotique dû aux
défauts de la commande ................................................................................................... 89
4.5. Conclusion ................................................................................................................ 95
4.6. Bibliographie ............................................................................................................ 96

69
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Chapitre 4
Commande prédictive d’une éolienne à
comportement chaotique

4.1. Introduction

L’application incessante de la machine synchrone à aimant permanent (GSAP) en industrie

est due à ces avantages nombreux, parmi lesquels on peut citer :
-couple de démarrage élevé,
- facteur de puissance élevé,
- une efficacité élevée et une structure simple.. etc
Cependant, les caractéristiques chaotiques apparaîtront dans GSAP sous certains
paramètres spécifiques et conditions de travail. Ce comportement chaotique va non
seulement affecter la stabilité du système, la sécurité, et même mettre en danger son
système de charge. Par conséquent, sur la base des problèmes du préjudice porté par le
chaos dans le système, il est impératif d’adopter des méthodes de commande efficaces pour
supprimer ou éliminer les phénomènes chaotiques dans le fonctionnement de la machine
lorsque le GSAP chaotique provoque l'instabilité du système moteur.
Le premier modèle mathématique de la GSAP chaotique a été établi en 1994 par N.
Hemanti [1]. En 2002, une étude plus détaillé du chaos dans le MASP à était achevé par
Zhong et al. [2] et Y. Gao et al [3] (cycle limite de paramètre, Hopf bifurcation, exposant
de Lyapunov, dimension fractale, spectre de puissance). Depuis, le contrôle du chaos dans
les GASP a émergé en tant que nouveaux axes de recherche et de nombreuse théories et
méthodes ont été développées, telles que la méthode de corrélation unidirectionnelle [4],
la méthode indirect d’approximation neural adaptive [5], la méthodes à mode glissant
adaptative associé au réseaux de neurones [6], la méthodes a mode glissant d’ordre
supérieur [7], la commande adaptative neural [8], la méthodes adaptative a temps finie
[9], la commande prédictive généralisée [10] et bien d’autres méthodes [ 11-15].

70
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Dans ce chapitre, on s’intéresse à l’application de la commande prédictive [18-20] pour la

commande du générateur chaotique dus aux défiances de la commande ou des composants
passives dans le générateur d’une éolienne, en raison de sa simplicité de configuration et
de mise en œuvre. C’est une technique très utilisé pour le contrôle des systèmes
chaotiques en raison de ses avantages [16-19], par contre dans le cadre de notre travail, au
lieu d’appliquer la commande sur un seul état du système et de choisir le gain comme une
constante par tâtonnement dans un intervalle, on propose l’application de la commande sur
plusieurs état du système et l’utilisation des LMIs pour calculer les gains.

4.2. Rappel sur les systèmes chaotiques

Dans le domaine scientifique, le chaos pourrait être défini comme «l’art de
former du complexe à partir du simple ». Un système chaotique est donc un système
déterministe et imprévisible mais c'est aussi et surtout un système non linéaire. Le lien qui
relie ces deux notions paradoxales, déterminisme et imprévisibilité, est la propriété de
sensibilité aux conditions initiales. En effet, deux conditions initiales (par exemple le
couple position et vitesse du pendule) infiniment proches peuvent conduire à des états
futurs très différents du système. La théorie du chaos est une discipline à part entière
basée sur la théorie des systèmes dynamiques qui résulte, en partie, des travaux du

mathématicien Henri Poincaré (1854-1912) à la fin du XIXième siècle. Ces implications

sont extrêmement diversifiées. Cette théorie est utilisée pour prévoir l'évolution des
populations avec la transformation de Myrberg (encore appelée transformation
logistique). En 1963 le météorologue Edward Lorenz [20] expérimentait une méthode lui
permettant de prévoir les phénomènes météorologiques. C’est par pur hasard qu’il observa
qu’une modification minime des données initiales pouvait changer de manière considérable
ses résultats. Lorenz venait de découvrir le phénomène de sensibilité aux conditions
initiales. Les systèmes répondant à cette propriété seront à partir de 1975 dénommés :
systèmes chaotiques. C’est donc au cours des années 70 que la théorie du chaos a pris son
essor [21]. Depuis, La théorie du chaos a des applications en météorologie, sociologie,
physique, informatique, ingénierie, économie, biologie et philosophie [22-26].
4.2.2. Propriétés des systèmes chaotiques [27][28]
Il est très délicat de définir ce qu’est un système chaotique, étant donné qu’il n’existe pas
une définition précise. En pratique, on peut dire qu’un système chaotique a un
comportement borné en régime permanent, qui ne correspond pas à un point d’équilibre,
qu’il n’est ni périodique, ni quasi-périodique.

71
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Parmi les caractéristiques principales permettant d’évoquer un comportement chaotique,

on peut retenir les trois suivantes :
 un système chaotique est un système déterministe ,
 il exhibe une extrême sensibilité aux conditions initiales (SCI) ,
 il présente un comportement asymptotique apériodique.

4.2.2.1. Sensibilité aux conditions initiales

Tout d’abord, les systèmes chaotiques sont extrêmement sensibles aux perturbations.
L’évolution d’un système dynamique chaotique est imprédictible en ce sens qu’elle est
sensible aux conditions initiales. Ainsi, deux trajectoires de phases initialement voisines
s’écartent toujours l’une de l’autre, et ceci quelle que soit leur proximité initiale. Il est en
particulier clair que la moindre erreur ou simple imprécision sur la condition initiale
interdit de décider à tout temps quelle sera la trajectoire effectivement suivie et, en
conséquence, de faire une prédiction autre que statistique sur le devenir à long terme du
système.

2
x

-2

-4

-6
0 1 2 3 4 5 6 7 8 9 10
t

Figure 4.1 Evolution dans le temps pour deux conditions initiales très proches.

4.2.2. 2. Aspect aléatoire

Les courbes de la Figure (4.1) illustrent la sensibilité aux conditions initiales.
Cependant, une autre caractéristique des systèmes chaotiques peut être observée sur les
courbes précédentes. En effet, un système chaotique évolue d’une manière qui semble
aléatoire. La courbe de la Figure (4.2) permet de comparer une évolution simple,
périodique et donc prédictible d’un système classique avec l’évolution plus complexe, non
périodique et non prédictible d’un système chaotique. Ainsi, les systèmes chaotiques

72
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

semblent évoluer de manière aléatoire. En tout cas, on ne peut prévoir facilement quelle
sera leur évolution dans le temps. Notons que les systèmes chaotiques obéissent tout de
même aux lois de la physique. Si on se place dans l’approximation de la physique
classique, on peut affirmer que le système est totalement déterministe [2].

2
Amplitude

-2

-4

-6
0 2 4 6 8 10 12 14 16 18 20
t

Figure 4.2 Evolution dans le temps d’un système chaotique, comparé à une sinusoïde.

4.2.2.3. Systèmes chaotiques et méthode de Lyapounov :

Les exposants de Lyapounov mesurent le taux de divergence des orbites voisines et
Lyapounov a démontré qu’il y avait en fait autant d’exposants qu’il n’y avait de
dimensions dans l’espace de phase du système étudié. Par ailleurs, parmi les exposants
retenus pour un système donné, on a l’habitude de prendre généralement l’exposant le plus
élevé.
D’une manière générale, Lyapounov part de la formule suivante :

En E En 1 E1 1 En 1 n Ek
 n D’où ln   (4.1)
E0 En 1 En 2 E0 n E0 n k 1 Ek 1

Ek
Le terme décrit en fait combien une petite erreur Ek en xk, soit la kième
Ek 1

itération, est augmentée ou diminuée dans l’itération suivante. L’amplification est

d’ailleurs dépendante de la taille de l’erreur. Lyapounov a découvert ensuite que cette
erreur tendait vers une limite dont la formule est la suivante :
1 n
 ( x0 )  lim
x  n

k 1
ln f ( xk 1 ) (4.2)

73
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Si λ < 0 : l’orbite est attractive vers un point fixe ou une orbite périodique stable. Il
caractérise les systèmes dissipatifs. Ce type de système exhibe une stabilité asymptotique ;
de plus l’exposant est négatif, plus la stabilité est grande. Les points fixes et points
périodiques super stables ont un exposant de Lyapounov λ qui tend vers -  .
Si λ = 0 : l’orbite est un point fixe neutre. Un système physique avec un tel
exposant est dit conservateur. Dans cette situation, les orbites gardent une séparation
constante.
Si λ > 0 : l’orbite est instable et chaotique. Tous les points voisins vont être visités.
Ces points sont dits instables. Pour un système discret, on a un ensemble de points avec
aucun rapport de liaison. Pour un système continu, l’espace de phase est un ensemble de
lignes croisées.
Dans le tableau suivant nous allons présenter la classification des régimes
permanents en fonction du spectre Lyapounov [22] :

Régime Exposants
Attracteur Spectre
permanent Lyapounov

Composante
point d’équilibre point 0  1  ....  n
continue

Fréq. Fondamentale
1  0
périodique Courbe fermée +harmoniques
0  2  ...  n
entières

Composantes
1  ...  i  0
Quasi-périodique tore fréquentielles en
0  i 1  ...  n
rapport irrationnel

1  0
chaotique fractale Spectre large
0  2  ...  n

Tableau 4.1 Classification des régimes permanents en fonction du spectre Lyapounov

74
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

4.3. La commande prédictive à retour d’état :

4.3.1. La théorie de la commande prédictive à retour d’état
Considérons la classe des systèmes non linéaires décrits par l’équation dynamique :
x(t )  f ( x(t ))  u(t ) x(t0 )  x0 (4.3 )

Où x  R n représente l’état du système, u  R n la commande et f : Rn  R   Rn est une

fonction continue non-linéaire.
L’objectif de la commande prédictive à retour d’état est d’assurer que le système
converge asymptotiquement vers un point fixe stable ou une orbite périodique instable x f

Définition :
On appelle point fixe ou point d’équilibre du système (4.3), le point x f tel que :

 x  f  x f   0,
dx
(4.4)
dt
Dans le cadre de la commande prédictive, la forme de la commande u(t ) est choisi tel
que proposé par Boukabou et al [16-19][29] :
u(t )  K ( x p (t )  x(t )) (4.5)

Où : K représente le gain.
x(t ) Représente l’état actuel du système et x p (t ) représente l’état prédit.

En utilisant une prédiction d’un pas en avant, on obtient [16-19][29] :

u(t )  K ( x(t )  x(t )) (4.6)

la linéarisation autour de ce point revient à prendre la formule suivante : x  x f   x

Par dérivation
x  xf  x (4.7)

En remplaçant dans (4.4), on obtient :

xf   x  f  x f   x (4.8)

Et, par développement de Taylor du premier ordre de f ( x ) , on obtient :

f  x f   x  f  x f   f  x f  *  x  x f  (4.9)

Remplaçant dans (4.8)

x f   x  f  x f   f   x f  x  x f  (4.10)

D’après la définition du point fixe :

75
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

x  f xf   0 (4.11)

On en déduit :
 x  f 'xf *x  xf  (4.12)

De (4.7) on a :
 x  x  xf (4.13)

D’où la forme générale :

 x  Df  x f  *  x (4.14)

Ou DF représente la matrice jacobienne de f  X  par rapport à x , tel que :

 df 
 
DF   i  , i  1, 2, , N j  1, 2, , N (4.15)
 dx j 
 
En linéarisant le système précédent, on obtient :

(4.16)

Les références [16-19] supposent que le gain K est un constant dans un interval, par contre
dans notre travail, on le suppose sous forme d’une matrice, qu’il faut la calculer à partir des
LMIs, pour cela on propose le théorème suivant :

Théorème : le système (4.3) est asymptotiquement stable sous la commande

u(t )  [YX 1 ]T ( x(t )  x(t )) , si et seulement s'il existe une matrice symétrique définie

positive X  X T  P  0 et une matrice Y pour n’importe quelle matrice symétrique

Q  QT  0 , vérifiant l'inégalité :

Df  x f  X  Df  x f  Y  Y  X  Df  x f   Y T  Df  x f   Y T
T T
I
0 (4.17)
1
I Q

Démonstration du théorème :
On considère la fonction de Lyapunov : V ( x(t ))  xT (t ) Px(t )

Ou P  PT  0

76
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

V ( x(t ))  x T (t ) Px(t )  x T (t ) Px(t )

 x (t )T ( Df  x f  P  Df  x f  [YX 1 ]P  [YX 1 ]P ) x (t )
T T

(4.18)
 x (t ) ( P  Df  x f   P  [YX ]  Df  x f   P  [YX ] ) x (t )
T 1 T 1 T

 x (t )T ( Df  x f  P  Df  x f  [YX 1 ]P  [YX 1 ]P  P  Df  x f  
T T

P  [YX 1 ]T  Df  x f   P  [YX 1 ]T ) x (t )

Si la LMI suivante est vérifiée :

Df  x f  P  Df  x f  [YX 1 ]P  [YX 1 ]P  P  Df  x f   P  [YX 1 ]  Df  x f   P  [YX 1 ]T  Q  0

T T

(4.19)
Alors V ( x(t ))   x(t )T Qx(t )  0 , alors le système est asymptotiquement sable.

Lemme 1: Complément de Schur [30]

S S12 
Soit une matrice symétrique S   11T  0, avec Sij  i, j  1, 2  a des dimensions
 S12 S22 

appropriées, les inégalités suivantes sont équivalentes :

S  0.

S11  0, S22  S12T S111S12  0.

S22  0, S11  S12 S221S12T  0.

A partir du complément de Schur, et en introduisant un changement de variable comme

suit : X  P et Y  K T P L’inégalité matricielle (4.19) devienne :

Df  x f  X  Df  x f  Y  Y  X  Df  x f   Y T  Df  x f   Y T
T T
I
0 (4.20)
I Q 1

Ce qui confirme le théorème.

77
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

4.4. Application de la commande prédictive à retour d’état pour le contrôle des

éoliennes à comportement chaotique suite aux défauts dans leurs moteurs

4.4.1. Modélisation mathématique des générateurs à comportement

chaotique dû aux défauts des composants
De l’équations (3.11), on a :
 d p f T
 r  ( f iq  ( Ld  Lq )id iq )  r 
 dt  J J J
 diq R L p u
   s iq  d prid  f r  q (4.21)
 dt  Lq Lq Lq Ld
 di R L u
 d
  s id  q priq  d
 dt  Ld Ld Ld

En appliquant une transformation affinée et une transformation de mise à l'échelle du

temps, l'équation (4.21) devienne [26] :
 d r
 dt   (iq  r )   id iq  T

 diq
  iq  r id  r  uq (4.22)
 dt
 did
  id  r iq  ud
 dt

p bL2q k 2 ( Lq  Ld ) f f Lq Lq fR
Ou :  ;   ; ; b ;k 
JR 2
s kLq R sJ Ld Lq p f

Ld p f Lq p f Lq 1 1 L2q
id  id ; iq  iq ; r   ; ud  ud ; uq  uq ; T  2 T
f Rs f Rs Rs Rs k Rs k JRs

Et le temps est redéfinit comme suit :

Rs t
t
Lq
(4.23)
Le vecteur x est le vecteur d’état qui prend la forme x  [r iq id ]T , et le modèle ci-

dessus le modèle de l’équation (4.22) peut être transformé sous forme du modèle GSAP
normalisé suivant:
 x1   ( x2  x1 )  T   x3 x2

 x2   x2  x1 x3   x1  uq (4.24)
x  x  x x  u
 3 3 1 2 d

78
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Nous supposons qu’après une certaine durée de fonctionnement toutes les sollicitations
extérieures s’annulent T  uq  ud  0 et le système passe en régime autonome ; nous

aurons dans ce cas [2] :

 x1   ( x2  x1 )

 x2   x2  x1 x3   x1 (4.25)
x  x  x x
 3 3 1 2

L’étude du système (4.25) indique un comportement chaotique pour des valeurs

spécifiques des paramètres γ et σ. Lorsque les paramètres de fonctionnement du système
prend les valeurs suivantes: σ = 5.45, γ = 20, la GSAP affiche un comportement
chaotique [ 2 ] comme on le voir sur la figure (4.3).
15 20

15
10
10
5 5


iq

0 0

-5
-5
-10

-10 -15
0 20 40 60 80 100 0 20 40 60 80 100
time (s) time (s)

35

30
40
25
30
20 20
id
id

15 10

10 0
20
5 20
0 10
0 0
0 20 40 60 80 100 -20 -10
iq 
time (s)

Figure 4.3 Évolution des variables d’état de la GSAP chaotique sans contrôle et l'attracteur
chaotique typique avec les paramètres du système σ = 5.45, γ = 20.
Dans cette partie, on va appliquer la commande prédictive- LMI pour le contrôle de la
GASP chaotique. Afin de démontrer et de vérifier les performances de la méthode
proposée ; Les simulation sont réalisées sur une éolienne de 300Kw sous simulink avec
une condition initiale de (3,3,3)T . On décompose l’équation (4.25) en deux partie ; partie
linéaires et partie non linéaires du système GSAP, ce qui nous permis de récrire le système
comme suit :

79
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

x(t )  Ax(t )  f ( x(t )) (4.26)

 5.45 5.45 0   0 
ou : x(t )  ( x1, x2 , x3 ) , A  DF  x f    20
T
1 0  and f ( x (t ))    x1 x3 
   
 0 0 1  x1 x2 

Nous contrôlons le système GSAP vers son point d'équilibre (0,0,0)T , pour cela, nous
appliquant la commande u(t) proposée dans le théorème défini comme suit :
x1  x1
1 T 1 T
u(t )  [YX ] ( x  x )  [YX ] x2  x2 . Le gain de retour est déterminé en résolvant les
x3  x3

LMIs (4.17) avec Matlab. En utilisant Matlab 7.9, on obtient

36.2244 0 0 -65.4394 3.9956 0
X 0 36.2244 0 et Y  12.9176 369.4997 0 .
0 0 36.2244 0 0 -0.7317

-a-

-b-
Figure 4.4 Vitesse de rotation de le GSAP chaotique contrôlé au point d’équilibre, avec un
contrôleur activé à t = 20s a) avec contrôleur prédictif-LMI b ) la commande
« Fuzzy Guaranteed Cost Controller « [27]

80
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

-a-
-a-

-b-
Figure 4.5 Courant iq de le GSAP chaotique contrôlé au point d’équilibre, avec un
contrôleur activé à t = 20s a) avec contrôleur prédictif -LMI b ) la commande
« Fuzzy Guaranteed Cost Controller « [27]

Comme nous pouvons voir sur les figures ( 4.4 , 4.5 et 4.6 ) qui représentent
respectivement , la vitesse mécanique de la GSAP et les courants ,lorsque on active la
commande prédictive à partir de t = 20s , la commande les stabilise efficacement.
Il est montré que les deux méthodes ont d'excellentes performances, mais en comparant les
résultats des deux contrôleurs, il est clair que la commande prédictive est meilleure que la
commande Fuzzy Guaranteed Cost [27] vu quelle stabilise le système au moins de 5 s,
ainsi qu’elle soit plus souple et moins complexe.

81
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Figure 4.6 Courant id de le GSAP chaotique contrôlé au point d’équilibre, avec un

contrôleur activé à t = 20s a) avec contrôleur prédictif-LMI b ) la commande
« Fuzzy Guaranteed Cost Controller » [27]

Dans la partie suivante, nous nous intéresserons à l'optimisation et à la commande d'une

éolienne équipée d'une GSAP qui a un comportement chaotique. Nous utiliserons les
algorithmes génétiques pour évaluer les valeurs optimums de l'angle d’inclinaison  opt le

rapport de la vitesse spécifique opt et r opt afin de maximiser la valeur du coefficient du

puissance C pmax et d’extraire le maximum de puissance.

Pour les algorithmes génétiques, nous suivrons les étapes suivantes :

ETAPE 1
- On fixe les valeurs maximales et minimales de chaque paramètre de (  et λ)
- On fixe le nombre de bit de codage de chaque paramètre de (  et λ).
- On fixe la probabilité de mutation, de croisement, le nombre de génération maximal
ainsi que la taille de la population.
- ETAPE 2 :
à chaque instant d’échantillonnage t ( t non nul ).
- On recueille la valeur de C p

- Codage binaire des paramètres.

82
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

- Génération aléatoire de la première population

- Décodage des paramètres.
- Calcul du critère J.
- Calcul de la fitness
ETAPE 3 :
Tant que le nombre de génération n’est pas atteint :
- Application des opérateurs génétiques (reproduction, croisement mutation).
- Décodage des paramètres
- Calcul du critère J.
- Calcul de la fitness
ETAPE 4
- De la dernière génération on prend l’individu qui a la meilleure fonction d’adaptation,
alors les meilleurs paramètres estimer de (  * et  * )
Le mécanisme est répété à chaque échantillon, à partir de l’étape 2 jusqu’à l’étape 4.
Le profil du vent est choisi d’une façon aléatoire compris entre 4m/s et 15m/s de telle
façon d’avoir les trois modes de fonctionnement de l’éolienne comme indiqué sur la figure
(4.7).

16

14

12

10
vw

4
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.7 Profil du vent.

83
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

0.5

0.45

0.4

0.35

0.3
Cp

0.25

0.2

0.15

0.1

0.05

0
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.8 Valeur optimale de coefficient de puissance Cp avec les AG.

12

10

6


0
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.9 Angle d’inclinaison des pales optimisées avec les AG.

Les figures (4.8, 4.9, 4.10) représentent respectivement les valeurs optimales du :
coefficient de puissance, l’angle d’inclinaison de la pale et le rapport de la vitesse
spécifique. Comme on le voir sur les figures, pour des valeurs du vent inferieur à 12m/s le
coefficient de C p prend une valeur maximale et l'ange de d’inclinaison  est nul, par

contre, si la vitesse du vent excède les 12 m/s l'ange de calage  augmente afin de

84
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

maintenir constante la puissance électrique généré et la valeur du coefficient de puissance

C p diminue.

5


0
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.10 Rapport de la vitesse spécifique de la turbine optimisé par les AG

160

140

120

100
ref

80

60

40

20

0
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.11 Vitesse de rotation de la GSAP de référence.

85
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

5
x 10
3.5

2.5

2
Pref

1.5

0.5

0
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.12 Puissance électrique produite optimisé par les AG.

La figure (4.11), représente les valeurs optimales de la vitesse de rotation de la GSAP et la

figure (4.12) la puissance électrique produite par le vent. Nous pouvons voir que pour des
vitesses du vent supérieur à 12 m/s la puissance de l’éolienne reste constante suite a
l’ouverture de l’angle d’inclinaison de la pale.
Dans cette partie , nous illustrons l'efficacité de la stratégie de la commande prédictive ;
nous allons l'appliquer sur le système d'énergie éolienne basée sur une Machine GSAP
chaotique suite à une défaillance et on va essayer de la contrôler vers des valeurs de
référence afin d’extraire le maximum de la puissance .

Afin d’imposer que la commande oblige le système à suivre des trajectoires de référence,
nous allons introduire une entrée externe dans l'équation (4.17), et devient comme suit :
u(t )  [YX 1 ]T ( x(t )  x(t ))   (4.27)
L’objectif est de contrôler la GSAP chaotique vers les points  xˆ1 , xˆ2 , xˆ3  . A partir de

l’équation (4.25), on a :

0.0206 0.0206
  (56.6294 x1   25.2208( ( x1  )))
x1 x1 (4.29)

86
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

200
ref
150

100

50
ref , 

-50

-100

-150

-200
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.13 Vitesse de rotation controler par la commande predictive.

5
x 10
4
Pref
3.5 P

2.5
P, Pref

1.5

0.5

0
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.14 Puissance de l’éolinne controlée par la commande predictivé

87
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

1.5

0.5

0
iq

-0.5

-1

-1.5
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.15 Courant Iq contrôlé par la commande prédictive.

2.5

1.5

1
id

0.5

-0.5
0 50 100 150 200 250 300 350 400 450 500
time (s)

Figure 4.16 Courant Id contrôlé par la commande prédictive.

D'après les figures (4.14 ; 4.15, 4.16), nous pouvons constater que la GSAP poursuivre la
référence imposée et l'éolienne génère la puissance désirée.

88
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

4.2.2. Modélisation mathématique des générateurs à comportement chaotique dû

aux défauts de la commande
Le modèle dynamique non linéaire d'une GSAP exprimé par rapport à un repère de
référence (d,q) synchrone avec la rotation du moteur est donné par les questions suivantes
[31] :
 R L
 qr   r qr  sldr  m Rriqs
 Lr Lr
 R L
 dr   r dr  slqr  m Rrids
Lr Lr (4.29)

 R 1 3 L 
r    r   m n p (iqsdr  idsqr )  TL 
 J J  2 Lr 

Rr Lm R 1 3 Lm
avec c1  , c2  Rr , c3   , c4  , c5  n p , x1  qr ; x2  dr ,
Lr Lr J J 2 Lr

u1  sl , u2  ids , u3  iqs

Le modèle dynamique non linéaire de la GSAP avec le champ indirect contrôlé peut être
réécrit comme suit [31] :

 x1  c1 x1  u1 x2  c2u3

 x2  c1 x2  u1 x1  c2u2 (4.30)
  c   c c ( x u  x u  T 
 r 3 r 4 5 2 3 1 2 L

Généralement, le contrôle orienté champ indirecte est généralement appliqué avec un

Correcteur proportionnel intégral (PI) comme suit [32-33] :

 u3
u1  cˆ1
 u2

u2  u2 (4.31)
 t
u3  K P ref  ω r   K i ω ref (ζ)  ω r  ζ )dζ
 0

Ou, ĉ1 estimation de la constante de temps rotorique de c1 , ref :vitesse de rotaion de

référence, u20 : valeur du flux. de référence rotorique, K p : gain de proportionnalité

K i : gain d’intégration.

89
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

ĉ1
En utilisant la commande vectorielle, et on posant : K  ; x3  ref  r et x4  u3 ,
c1
on obtient [31] :
 kc1
 x1  c1 x1  c2 x4  u x2 x4
 2

 kc1
 x2  c1 x2  c2u2  u 0 x1 x4
0

 2
 (4.32)
 x3  c3 x3  c4 [c5 ( x2 x4  x1u20 )  TL  c3 ref ]
 c4

 x  ( k  k c ) x  k c [c ( x x  x u 0 )  T  c3  ]
 4 i p 3 3 p 4 5 2 4 1 2 L
c4
ref

lorsque c1  13,67, c2  1,56, c3  0,59, c4  1176, c5  2,86, u02  4, k p  0,001, ki  1,

TL  0,5, ref  181,1 k  1,5, Le moteur génère un comportement chaotique comme on
peut le voir sur la figure (4.18).

Figure 4.17 Dynamique et l’attracteur du système (4.32)

Pour stabiliser le système (4.32) vers son point fixe, on le réécrit sous la forme :
x(t )  Ax(t )  f ( x(t ))

90
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

13.67 0 0 1.56
0 13.67 0 0
ou : x(t )  ( x1, x2 , x3 , x3 , x4 )T , A 
13453 0 0.59 0
13.4534 0 0.9994 0

 5.1262 x2 x3 
 5.1262 x x  6.24 
f ( x (t ))   1 4  . le système (4.32) à un seul point d’équilibre qui a
 3363.4 x2 x4  694.85
 
 3.3634 x2 x4  0.6948
pour valeur : 0.017 0.455 0 0.304 . Avant de calculer la matrice de gain K, on doit

d’abord calculer la matrice jacobéenne autour du point d’équilibre :

 -13.67 1.558 0 -0.772 

 1.558 -0.087 
DF  x f  
-13.67 0
 
13453.44 -1022.46 -0.59 -1530.32 
 
 13.4534 -1.022 0.999 -1.530 
Après, nous appliquant la commande u(t) proposée dans le théorème (1) et qui est défini
comme suit :

x1  x1
1 T 1 T
u(t )  [YX ] ( x  x )  [YX ] x2  x2
x3  x3
x4  x4

Le gain de retour est déterminé en résolvant les LMIs (4.17) avec Matlab.
3.3933 0.0354 0.0776 0.7673
0.0354 4.0404 0.0102 0.0029
En utilisant Matlab 7.9, on obtient X  108
0.0776 0.0102 1.3979 0.7899
0.7673 0.0279 1.9217 3.1663

0.3586 0.0279 1.9217 3.1663

0.1351 1.7325 0.0515 0.0309
et Y  108 .
0.3620 0.0101 1.3904 0.8236
0.0575 0.0016 4.5810 0.5144

Nous avons contrôlé ce système avec la commande passive pour comparer les résultats
avec ceux simulés avec le contrôleur LMI- prédictif. Nous n'avons pas détaillé la méthode

91
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

passive, puisque ce n'est pas l'objectif de ce travail. Comme on le voit sur les Figures (4.18,
4.19, 4.20 et 4.21), la commande prédictive-LMI stabilise le système plus rapidement que
la commande passive. La commande prédictive-LMI stabilise le système en environ 2
secondes, alors que la commande passive est d'environ 6 secondes.

Figure 4.18 Courbe de la réponse temporelle de x1 Figure 4.19 Courbe de la réponse temporelle de x2

Figure 4.20 Courbe de la réponse temporelle de x3 Figure 4.21 Courbe de la réponse temporelle de x4

Afin de démontrer la faisabilité de l'approche proposée, Le circuit du système (4.32) est

simulé sous multisim. Le circuit se compose des quatre canaux pour réaliser l'addition,
l'intégration et la soustraction des variables d'état x1, x2 , x3 et x4 .Le type d'amplificateur
utilisé est le LM741CN et le type du multiplicateur est AD633JN. Le circuit analogique
conçu dans le logiciel Multisim est illustré à la Figure (4.22), et les projections
expérimentales de l'attracteur chaotique dans le plan x1  x2 et le plan x2  x3 sont
montrées à la Figure (4.23) et Figure (4.24) respectivement.

92
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Comme nous pouvons le voir, nous avons obtenu les mêmes résultats que ceux obtenus par
simulation avec Matlab, soit projetés sur le plan x1  x2 soit sur le plan x2  x3 . Le circuit
de la commande LMI-prédictive est représenté sur la Figure (4.25) et les états du système
chaotique obtenus à partir du circuit réalisé sont représentés sur les figures, (4.26, 4.27,
4.28, 4.29) respectivement. Si ces résultats sont comparés à ceux simulés avec Matlab,
nous pouvons facilement montrer que nous avons obtenu les mêmes résultats, ce qui
prouve la faisabilité de l'approche proposée.

Figure 4.22 Circuit électronique du système chaotique (4.32)

93
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Figure 4.23 Projection expérimentale de l'attracteur Figure 4.24 Projection expérimentale de l'attracteur
chaotique dans Plan x1  x2 sans contrôle chaotique dans Plan x2  x3 sans contrôle

Figure 4.25 Circuit électronique de la commande

94
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

Figure 4.26 Courbe expérimentale de la réponse en Figure 4.27 Courbe expérimentale de la réponse
temps de x1 (t) avec le contrôleur LMI- prédictif en temps de x3 (t) avec le contrôleur LMI- prédictif

Figure 4.28 Courbe expérimentale de la réponse en Figure 4.29 Courbe expérimentale de la réponse
temps de x4 (t) avec le contrôleur LMI- prédictif en temps de x2 (t) avec le contrôleur LMI- prédictif

4.3. Conclusion
Dans ce chapitre, nous avons traité le problème de la commande du moteur d’éolienne à
comportement chaotique suite à deux types de défauts : défauts des composants et défauts
de la commande. Une nouvelle commande prédictive-LMI a était proposé pour contrôler
le chaos dans le moteur avec une application expérimentale pour montrer la faisabilité et la
simplicité de l’approche proposée.

95
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

4.4. Bibliographie

[1] HEMATI, Neyram. Strange attractors in brushless DC motors. Circuits and Systems I:
Fundamental Theory and Applications, IEEE Transactions on, 1994, vol. 41, no 1, p. 40-
45.
[2] LI, Zhong, PARK, Jin Bae, JOO, Young Hoon, et al. Bifurcations and chaos in a
permanent-magnet synchronous motor. Circuits and Systems I: Fundamental Theory and
Applications, IEEE Transactions on, 2002, vol. 49, no 3, p. 383-387.
[3] GAO, Y. et CHAU, K. T. Design of permanent magnets to avoid chaos in PM
synchronous machines. Magnetics, IEEE Transactions on, 2003, vol. 39, no 5, p. 2995-
2997.
[4] SU, Kalin et LI, Chunlai. Chaos control of permanent magnet synchronous motors via
unidirectional correlation. Optik-International Journal for Light and Electron Optics, 2014,
vol. 125, no 14, p. 3693-3696.
[5] YU, Jinpeng, CHEN, Bing, YU, Haisheng, et al. Position tracking control for chaotic
permanent magnet synchronous motors via indirect adaptive neural
approximation. Neurocomputing, 2015, vol. 156, p. 245-251.
[6] NGUYEN, Tat-Bao-Thien, LIAO, Teh-Lu, et YAN, Jun-Juh. Adaptive sliding mode
control of chaos in permanent magnet synchronous motor via fuzzy neural
networks. Mathematical Problems in Engineering, 2014, vol. 2014.
[7] QIANG, Chen, YU-RONG, Nan, HENG-HUO, Zheng, et al. Full-order sliding mode
control of uncertain chaos in a permanent magnet synchronous motor based on a fuzzy
extended state. Chinese Physics B, 2015, vol. 24, no 11, p. 110504.
[8] YU, Jinpeng, YU, Haisheng, CHEN, Bing, et al. Direct adaptive neural control of chaos
in the permanent magnet synchronous motor. Nonlinear dynamics, 2012, vol. 70, no 3, p.
1879-1887.
[9] WANG, Jiankui, CHEN, Xiangqing, et FU, Jiankuan. Adaptive finite-time control of
chaos in permanent magnet synchronous motor with uncertain parameters. Nonlinear
Dynamics, 2014, vol. 78, no 2, p. 1321-1328.
[10] MESSADI, M., MELLIT, A., KEMIH, K., et al. CGPC Control of Chaos in a
Permanent Magnet Synchronous Motor Using the Gradient Conjugate and the Genetic
Algorithm. 2014.

96
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

[11] WANG, Libiao, FAN, Jian, WANG, Zhengchu, et al. Dynamic Analysis and Control
of a Permanent Magnet Synchronous Motor With External Perturbation.Journal of
Dynamic Systems, Measurement, and Control, 2016, vol. 138, no 1, p. 011003.
[12] CHEN, Qiang, REN, Xuemei, et NA, Jing. Robust finite-time chaos synchronization
of uncertain permanent magnet synchronous motors. ISA transactions, 2015, vol. 58, p.
262-269.
[13] LUO, Shaohua. Adaptive fuzzy dynamic surface control for the chaotic permanent
magnet synchronous motor using Nussbaum gain. Chaos: An Interdisciplinary Journal of
Nonlinear Science, 2014, vol. 24, no 3, p. 033135.
[14] ZHENG, Henghuo, CHEN, Qiang, et TANG, Xiaoqing. Composite chattering-free
sliding mode control of chaotic permanent magnet synchronous motors. In : Industrial
Electronics and Applications (ICIEA), 2015 IEEE 10th Conference on. IEEE, 2015. p.
1588-1592.
[15] HU, Jian, LIU, Long, et MA, Da-wei. Robust nonlinear feedback control of a chaotic
permanent-magnet synchronous motor with a load torque disturbance.Journal of the
Korean Physical Society, 2014, vol. 65, no 12, p. 2132-2139.
[16] SENOUCI, Abdelkader et BOUKABOU, Abdelkrim. Predictive control and
synchronization of chaotic and hyperchaotic systems based on a T–S fuzzy
model. Mathematics and Computers in Simulation, 2014, vol. 105, p. 62-78.
[17] HADEF, Souhila et BOUKABOU, Abdelkrim. Control of multi-scroll Chen
system. Journal of the Franklin Institute, 2014, vol. 351, no 5, p. 2728-2741.
[18] BOUKABOU, Abdelkrim, CHEBBAH, Abdelhamid, et MANSOURI, Noura.
Predictive control of continuous chaotic systems. International Journal of Bifurcation and
Chaos, 2008, vol. 18, no 02, p. 587-592.
[19] SADAOUI, Djaouida, BOUKABOU, Abdelkrim, MERABTINE, Nadjim, et
al.Predictive synchronization of chaotic satellites systems. Expert systems with
applications, 2011, vol. 38, no 7, p. 9041-9045.
[20] LORENZ, Edward N. The essence of chaos. University of Washington Press, 1995.
[21] ALLIGOOD, Kathleen T., SAUER, Tim D., et YORKE, James A. Chaos. Springer
Berlin Heidelberg, 1997.
[22] STROGATZ, Steven H. Nonlinear dynamics and chaos: with applications to physics,
biology, chemistry, and engineering. Westview press, 2014.
[23] HIGHFIELD, Roger. Frontiers of complexity: The search for order in a chaotic world.
1996.

97
Chapitre 4 Commande prédictive d’une éolienne à comportement chaotique

[24] SCOTT, Stephen K. Chemical chaos. Oxford University Press, 1993.

[25] GRAHAM, David W., KNAPP, Charles W., VAN VLECK, Erik S., et
al.Experimental demonstration of chaotic instability in biological nitrification. The ISME
journal, 2007, vol. 1, no 5, p. 385-393.
[26] MARTIN, J. Electrical circuits with chaotic behavior. Proceedings of the IEEE, 1987,
vol. 75, no 8, p. 1009.
[27] HAMICHE, Hamid. Inversion à Gauche des Systèmes Dynamiques Hybrides
Chaotiques. Application à la Transmission Sécurisée de Données. 2011. Thèse de doctorat.
Université de Tizi Ouzou.
[28] Ali ZEMOUCHE, Sur l’observation de l’état des systèmes dynamiques non linéaires.
thèses de doctorat, Université Louis Pasteur, 2007
[29] BOUKABOU, Abdelkrim et MANSOURI, Nora. Controlling chaos in higher-order
dynamical systems. International Journal of Bifurcation and Chaos, 2004, vol. 14, no 11, p.
4019-4025.
[30] OUELLETTE, Diane Valerie. Schur complements and statistics. Linear Algebra and
its Applications, 1981, vol. 36, p. 187-295.
[31 ]CHEN, D. Y., SHI, Peng, et MA, X. Y. Control and synchronization of chaos in an
induction motor system. Int. J. Innov. Comput. Inf, 2012, vol. 8, p. 7237-7248.
[32] BAZANELLA, Alexandre S. et REGINATTO, Romeu. Robustness margins for
indirect field-oriented control of induction motors. IEEE transactions on automatic control,
2000, vol. 45, no 6, p. 1226-1231.
[33] FATTAH, HA Abdel, LOPARO, Kenneth A., et EMARA, Hassan M. Induction
motor control system performance under magnetic saturation. In : American Control
Conference, 1999. Proceedings of the 1999. IEEE, 1999. p. 1668-1672.

98
 Conclusion générale

Conclusion générale

L'énergie éolienne est l'énergie du vent dont la force motrice est utilisée dans le
déplacement de voiliers et autres véhicules ou transformée au moyen d'un dispositif
aérogénérateur comme une éolienne ou dans un moulin à vent en une énergie diversement
utilisable. C'est une des formes d'énergie renouvelable.

Dans cette thèse, une attention particulière est portée sur le problème de poursuite du
point de puissance maximale MPPT d’un système éolien ainsi que la commande de la
génératrice.

Une deuxième attention est portée sur la commande d'une éolienne à comportement
chaotique suite aux différents défauts que ce soit de commande ou des composants passifs
de la génératrice.

Dans un premier temps, nous avons détaillé les différentes formes d’énergies
renouvelables à savoir, l’énergie solaire photovoltaïque, le solaire thermique haute
température, le solaire thermique basse température, la biomasse, l’énergie hydraulique –
Hydroélectricité et l’énergie éolienne. Ensuite, un historique sur l’énergie éolienne a été
introduit avec un bref aperçu de cette énergie en Algérie; à la fin de ce chapitre nous avons
présenté les différents types des éoliennes avec leurs avantages et leurs inconvénients.

Nous avons présenté les différentes notions générales sur l’énergie éolienne. Les
technologies d’éoliennes, les différents composants constituant l’aérogénérateur, le
principe de fonctionnement, son modèle mathématique associé ainsi qu’une étude détailler
du modèle mathématique de la machine synchrone à aiment permanent vu ses avantages
incontestés dans la chaine de conversion de l'énergie éolienne.

100
 Conclusion générale

Dans le troisième chapitre, nous avons traité le problème de poursuite du point de

puissance maximale MPPT d’un système éolien ainsi que la commande de la génératrice.
Dans cette optique, nous avions amélioré l’approche de commande du rapport de la vitesse
spécifique TSR en proposant l’utilisation de l’optimisation par essaims particulaires pour
maximiser le coefficient de puissance et l’estimation de l’angle d’inclinaison de la pale
ainsi que la vitesse de référence du générateur afin d’extraire le maximum de puissance et
réduire le nombre de capteurs. Dans la deuxième partie de ce chapitre, nous avons proposé
l’application de la commande passive pour commander le générateur GSAP afin de suivre
la vitesse de référence du générateur estimer à partir du PSO.
Dans le dernier chapitre nous avons abordé le problème du comportement chaotique
des éoliennes suites à deux types de défauts, les défauts des composants passifs du
générateur et les défauts de la commande PI. Une nouvelle loi de commande a était
proposé pour commander l’éolienne lors de ce genre de scénario, elle repose sur
l’association de la commande prédictive et Inégalité matricielle linéaire LMI.
Les principales perspectives de notre travail peuvent être regroupées selon deux axes
majeurs :
- Implémentation expérimentale de l‘approche MPPT sur un banc d’essai éolienne.
- Développement d’une nouvelle stratégie de contrôle sans capteur afin de suivre le
point de puissance maximale de l'éolienne en utilisant un observateur non linéaire.

101
Annexe A
Paramètre de simulation

Paramètre de l’éolienne :
1- Eolienne de puissance 310KW [1]
Nombre de pale 3, , , , ,
, , , ,

2- Eolienne de puissance 2MW [2]

Nombre de pale 3, , , , ,
, , , ,

Les paramètres des algorithmes génétiques :

Nombre de génération : 30
Taille de la population : 100
La probabilité de mutation : 10%
Probabilité de croisement : 85%
Angle d’inclinaison 00    900

Les paramètres de l’algorithme PSO :

Taille de la population : 100
Masse d’inertie maximal 0.9
Masse d'inertie minimale 0.4
Facteur d'accélération c1=2
Facteur d'accélération c2=2
Angle d’inclinaison 00    900
Résumé

Dans le cadre de ce travail de thèse, on s’est intéressé à la modélisation et à la commande

d’une éolienne à vitesses variable. Plusieurs approches de commande ont été proposés pour
contrôler l’éolienne sous diffèrent régime de fonctionnement.
Dans le premier cas, une nouvelle approche pour l’extraction du maximum de puissance
MPPT pour les vents faibles et forts a été proposée, elle repose sur l’optimisation par essaims
particulaires (PSO) du coefficient de puissance pour différentes valeurs du vent, ce qui nous
permis d’avoir la valeur optimale de l’angle d’inclinaison des pales et de la vitesse de
rotation angulaire pour lesquelles on extrait le maximum de puissance. Associé à cette
approche, nous avons proposé l’utilisation de la commande passive pour commander le
générateur synchrone à aiment permanent afin de suivre la vitesse de rotation angulaire de
référence déduite à partir du PSO.

Dans le deuxième cas, on a traité le problème de commande d’une éolienne équipée d’un
générateur à comportement chaotique dû à deux types de défauts, défaut des composants
passifs et défaut de la commande PI. Pour remédier à ce problème, on a proposé l’application
des algorithmes génétiques pour l’extraction du maximum de puissance et la commande LMI-
prédictive pour contrôler le générateur. Le circuit du générateur ainsi que la commande ont
été simulés sous Multisim pour montrer l’efficacité et la faisabilité de l’approche proposé.

Summary

In this work, we studied the modeling and the control of a variable speed wind turbine.
Several control approaches have been proposed to control the wind turbine under different
operating conditions.
In the first case, a new approach for extracting the maximum of the power MPPT for weak
and strong winds was proposed, based on particle swarm optimization (PSO) of the power
coefficient for different wind values. This allows us to have the optimum value of the pitch
angle and the angular velocity for which the maximum power is extracted. Associated with
this approach, we proposed the use of the passive control, to control the Permanent Magnet
Synchronous Generator in order to track the reference angular velocity deduced from the
PSO.

In the second case, the problem of controlling a wind turbine equipped with a generator with
chaotic behavior due to two types of faults, the fault occurrence of the passive components
and defects of the PI control, was treated. To overcome this problem, the genetic algorithm
has been proposed to extract the maximum power and the LMI-predictive command, to
control the generator. The generator circuit as well as the control were simulated under
Multisim to show the efficiency and feasibility of the proposed approach.
 ‫ملخص‬

‫في هذه األطروحة‪ ،‬كان اهتمامنا بالنمذجة والتحكم في توربينات الرياح بسرعات متغيرة‪ .‬وقد اقترحت عدة طرق لتحكم‬
‫على توربينات الرياح في ظل ظروف تشغيل مختلفة باإلضافة الى دراسة اعطال تور بينات الرياح واقتراح عدة حلول لحل‬
‫هذه المشكالت‪.‬‬

‫اوال‪ ،‬قد تم اقتراح نهجا جديدا الستخراج الطاقة القصوى ‪ MPPT‬للرياح الضعيفة والقوية‪ ،‬حيث أنه يقوم على تحسين‬
‫سرب الجسيمات (‪ )PSO‬من معامل الطاقة لقيم مختلفة من الرياح‪ ،‬التي سمحت لنا أن نستخلص القيمة المثلى لزاوية الميل‬
‫للشفرات والسرعة الزاوية لتربينة التي يتم استخراج منها الطاقة القصوى‪ .‬كما اقترحنا استخدام عنصر التحكم السلبي‬
‫للسيطرة على مولد المغناطيس الدائم المتزامن لمتابعة إشارة سرعة الزاوي المثلى‪.‬‬

‫ثانيا‪ ،‬تم التعامل مع مشكلة اعطال تور بينات الرياح بسبب نوعين من العيوب‪ ،‬خلل في المكونات اإللكترونية وفشل‬
‫السيطرة ‪ .PI‬ولمعالجة هذه المشكلة‪ ،‬اقترح تطبيق الخوارزميات الجينية الستخراج أقصى قدر من الطاقة والسيطرة ‪-LMI‬‬
‫التنبؤية للسيطرة على المولد‪ .‬ومحاكاة دارة المولد والتحكم في ‪ Multisim‬إلظهار فعالية وجدوى النهج المقترح‬