République Algérienne Démocratique et Populaire

Ministère de l’Éducation Supérieur et Recherche Scientifique

Université d’Ibn khaldoun - Tiaret

Faculté des sciences appliquées
Département de génie électrique

THÈSE
Pour obtenir le grade de
Docteur en Électrotechnique
Spécialité : Réseaux Électriques
Présentée et soutenue par :
SARIR Noureddine

Commande Intelligente d’une Éolienne Connectée au

Réseau Électrique
-Application des Filtres Actifs-

Soutenu le : 27/04/2023

Jury :

Président Pr HASSAINE Said Université de Tiaret

Encadreur et rapporteur Pr SEBAA Morsli Université de Tiaret
Examinateur Pr DAOU Bachir Université d’Oran
Examinateur Dr TOUMI Djilali Université de Tiaret
Examinateur Dr BELLABBAS Belkacem Université de Tiaret
Invité Pr ALLAOUI Tayeb Université de Tiaret
Remerciements

C’est une habitude saine que de remercier au début d’un tel travail tous ceux qui, plus ou
moins directement, ont contribué à le rendre possible. C’est avec mon enthousiasme le plus vif
et le plus sincère que je voudrais rendre mérite à tous ceux à leur manière m’ont aidé à mener
à bien cette mémoire. Je désire alors exprimer ma profonde gratitude et reconnaissance.
Avant tout, mes remerciements à mon dieu ALLAH le tout puissant qui m’a aidé à faire ce
travail et qui m’a donné le courage, la patience et la santé durant toutes ces longues années
d’étude afin que je puisse arriver à ce niveau.
Tout d’abord, Je voudrais remercier également monsieur le professeur HASSAINE Said
pour le temps consacré à l'étude de ce mémoire et d'autre part de présider ce jury.
Je voudrais remercier mon encadreur, monsieur le professeur SEBAA Morsli, pour son
encadrement et ses judicieux conseils. J’ai beaucoup appris en travaillant avec lui, Je pense que
c’est un manager hors pair avec une grande culture dans le domaine du génie électrique.
Je tiens à remercier également Monsieur le professeur : ALLAOUI Tayeb le directeur du
laboratoire de génie ´ énergétique et génie informatique-L2GEGI- pour m’avoir accueilli au
sein du laboratoire L2GEGI, et je lui présente l’expression de ma profonde gratitude pour tous
les encouragements qu’il m’a prodigue pendant toute la durée de ce travail.
J’adresse également mes remerciements à tous les membres du jury pour le temps qu’ils ont
consacré à l’évaluation de mes travaux de thèse :
- Pr DAOU Bachir
- Dr TOUMI Djilali
- Dr BELLABBAS Belkacem
Je remercie aussi toute l’équipe du laboratoire de L2GEGI et spécialement mes collègues
pour leurs aides, leurs soutiens moraux, serviabilités et leurs encouragements.
Mes remerciements s’adressent également à tous mes amis, et à tous ceux qui ont contribué,
de près ou de loin, à la réalisation de ce modeste travail. Je remercie ma famille et plus
particulièrement mes parents pour leur amour et leur soutien. Enfin je ne pourrais terminer ces
remerciement sans une pensée a l’ensemble des mes enseignants ` qui sont à l’origine de tout
mon savoir.

i
 Résumé

Ce projet de recherche est motivé par l’augmentation de la puissance éolienne installée dans
le monde ainsi que par l’intérêt et des chercheurs aujourd’hui concernant leur intégration aux
réseaux électriques. Cependant, non seulement pour la production d’énergie électrique, mais
aussi pour compenser la puissance réactive e de filtrer le réseau électrique en alimentant le filtre
et par conséquent améliorer le facteur de puissance. Afin de maximiser la puissance convertie,
la vitesse de la turbine doit être ajustée par rapport à la vitesse du vent. Ceci constitue un défi
pour les constructeurs qui de nos jours sont confrontés à la conception de dispositifs de
poursuite de point de fonctionnement a puissance maximale « Maximum Power Point
Tracking » (MPPT) robustes et fiable.
Actuellement, les réseaux électriques de distribution se dégradent de plus en plus à cause de
la prolifération des équipements électroniques qui polluent considérablement l’ensemble du
système. Ces phénomènes nouveaux sur le réseau ont engendrés un certain nombre de
perturbations allant du dysfonctionnement d’un équipement jusqu’à la destruction d’une partie
des équipements connectés. Par conséquent, les études des harmoniques deviennent une
préoccupation majeure actuelle. Des efforts considérables ont été faits au cours des dernières
dix années pour améliorer la gestion des harmoniques dans les systèmes de distribution
d’énergie électrique.
L’objectif principal de ce travail est de développer des méthodes de commandes avancées,
basées sur l’intelligence artificielle et des méthodes métaheuristique, pour contrôler la chaine
de conversion éolienne d’une part et pour contrôler un convertisseur statique multifonctions
utilisé pour relier cette chaine au réseau électrique, il est également utilisé comme un
compensateur de puissance réactive et un filtre pour les harmoniques afin d’améliorer la qualité
d’énergie dans le réseau électrique.

ii
 Abstract

This research project is motivated by the increase in wind power installed in the world as
well as by the interest of researchers today in their integration into electrical networks.
However, not only for the production of electrical energy, but also to compensate the reactive
power e to filter the electrical network by feeding the filter and consequently improve the power
factor. In order to maximize the converted power, the turbine speed must be adjusted in relation
to the wind speed. This constitutes a challenge for manufacturers who nowadays are confronted
with the design of robust and reliable Maximum Power Point Tracking (MPPT) operating point
tracking devices.
Currently, electrical distribution networks are increasingly deteriorating due to the
proliferation of electronic equipment that considerably pollutes the entire system. These new
phenomena on the network have generated a certain number of disturbances ranging from the
malfunction of equipment to the destruction of part of the connected equipment. Therefore,
studies of harmonics are becoming a current major concern. Considerable efforts have been
made over the last ten years to improve the management of harmonics in electrical power
distribution systems.
The main objective of this work is to develop advanced control methods, based on artificial
intelligence and metaheuristic methods, to control the wind power conversion chain on the one
hand and to control a multifunction static converter used to connect this chain. to the power
grid, it is also used as a reactive power compensator and a filter for harmonics to improve the
power quality in the power grid.

iii
 ‫الملخص‬

‫الزياد ة في قدرة إستعمال نظام تربينات الرياح في العالم دفع بنا للقيام بهذا المشروع البحثي هذا من جهة وكذلك جهة‬
‫أخرى من خالل اهتمام الباحثين اليوم بدمج هذا النظام في الشبكات الكهربائية‪ .‬ومع ذلك‪ ،‬ليس فقط إلنتاج الطاقة الكهربائية‪،‬‬
‫ولكن أيضًا لتعويض القدرة التفاعلية لتصفية الشبكة الكهربائية عن طريق تغذية المرشح وبالتالي تحسين عامل القدرة‪ .‬من‬
‫أجل تعظيم الطاقة المحولة‪ ،‬يجب ضبط سرعة التوربين بالنسبة إلى سرعة الرياح‪ .‬يشكل هذا تحديًا للمصنعين الذين يواجهون‬
‫في الوقت الحاضر تصميم أجهزة تتبع نقاط التشغيل القوية والموثوقة )‪. (MPPT‬‬
‫حاليًا‪ ،‬تتدهور شبكات التوزيع الكهربائي بشكل متزايد بسبب انتشار المعدات اإللكترونية التي تلوث النظام بأكمله بشكل‬
‫كبير‪ .‬أدت هذه الظواهر الجديدة على الشبكة إلى حدوث عدد معين من االضطرابات تتراوح من تعطل المعدات إلى تدمير‬
‫جزء من المعدات المتصلة‪ .‬لذلك‪ ،‬أصبحت دراسات التوافقيات مصدر قلق رئيسي حاليًا‪ .‬لقد بذلت جهود كبيرة على مدى‬
‫السنوات العشر الماضية لتحسين إدارة التوافقيات في أنظمة توزيع الطاقة الكهربائية ‪.‬‬
‫الهدف الرئيسي من هذا العمل هو تطوير طرق تحكم متقدمة‪ ،‬تعتمد على الذكاء االصطناعي واألساليب الميتاهوريستية‪،‬‬
‫للتحكم في سلسلة تحويل طاقة الرياح من جهة والتحكم في محول ثابت متعدد الوظائف يستخدم لربط هذه السلسلة‪ .‬يتم استخدامه‬
‫أيضًا كمعوض طاقة تفاعلي ومرشح للتوافقيات لتحسين جودة الطاقة في شبكة الطاقة ‪.‬‬

‫‪iv‬‬
Table des matières

REMERCIMENT .................................................................................................................. i
RÈSUMÈ ................................................................................................................................ ii
TABLE DES MATIÈRES ................................................................................................... v
LISTE DES FIGURES ........................................................................................................ ix
LISTE DES TABLEAUX ................................................................................................. xiii
ABBRIVIATIONS .............................................................................................................. xiv

LISTE DES SYMBOLES ET UNITÈS DE MESURE ................................................ xvi

INTRODUCTION GÉNÉRALE ................................................................................................. 2

Chapitre 01 : l’énergie éolienne ; source renouvelable et efficace

1.1 Introduction ......................................................................................................................... 7
1.2 Situation actuelle de l’énergie éolienne .............................................................................. 7
1.2.1 Dans le monde ............................................................................................................ 7
1.2.2 Dans l’Algérie ............................................................................................................ 8
1.3 Impact de l’éolienne sur l’aspect économique et social .................................................... 10
1.4 Conception d’une éolienne ................................................................................................ 12
1.4.1 Aérogénérateurs à axe vertical ................................................................................. 13
1.4.2 Aérogénérateurs à axe horizontal ............................................................................ 14
1.5 Descriptif d’une éolienne .................................................................................................. 15
1.5.1 Les éoliennes à vitesse fixe ...................................................................................... 15
1.5.2 Les éoliennes à vitesse variable ............................................................................... 16
1.6 Modélisation de la turbine éolienne .................................................................................. 17
1.6.1 Modélisation de la vitesse du vent ........................................................................... 17
1.6.2 Modélisation de la turbine éolienne ......................................................................... 18
1.7 Contrôle de suivi du point de puissance maximum (MPPT) ............................................ 20
1.7.1 MPPT avec rapport de vitesse de pointe optimal (TSR) .......................................... 20

v
 1.7.2 MPPT avec profil de puissance de turbine (PSF) .................................................... 21
1.7.3 MPPT avec contrôle de couple optimal ................................................................... 22
1.8 Le modèle et la technique d’extraction de MPPT ............................................................. 23
1.9 Conclusion ........................................................................................................................ 25

Chapitre 02 : Conception et Modélisation de Machine Synchrone à Aimants

Permanents
2.1 Introduction ....................................................................................................................... 27
2.2 Les machines synchrones à aiment permanant (GSAP) ................................................... 27
2.2.1 Principe de fonctionnement de la GSAP .................................................................. 28
2.2.2 Types de génératrices GSAP .................................................................................... 29
2.2.3 Avantages des éoliennes à base des GSAP par rapport aux autres types de machines
.................................................................................................................................................. 31
2.3 Modélisation et commande de la GSAP ........................................................................... 31
2.3.1 Modèle mathématique de GSAP .............................................................................. 31
2.3.2 Commande de la génératrice (GSAP) ...................................................................... 35
2.3.3 Calcul du couple électromagnétique ........................................................................ 35
2.4 Modélisation des convertisseurs d’électronique de puissance .......................................... 36
2.4.1 Modulation de largeur de l’impulsion MLI ............................................................. 36
2.5 Commande de l’association GSAP – redresseur ............................................................... 37
2.5.1 Modèle mathématique du redresseur commande ..................................................... 38
2.5.2 Régulation de la tension du bus continu .................................................................. 42
2.6 Conclusion ........................................................................................................................ 44

Chapitre 03 : Conception d’un filtre active raccorde en parallèle avec le réseau

électrique alimente par un system éolien
3.1 Introduction ....................................................................................................................... 46
3.2 Le réseau de transport électrique ...................................................................................... 46
3.3 Généralités sur les perturbations des réseaux électriques ................................................. 47
3.3.1 Les perturbations des réseaux électriques ................................................................ 47
3.3.2 Perturbations harmoniques ....................................................................................... 47
3.3.3 Conséquences de la distorsion ................................................................................. 50
3.4 Les techniques de dépollution des réseaux électriques ..................................................... 50

vi
 3.4.1 Filtrage passif ........................................................................................................... 50
3.4.2 Filtrage actif ............................................................................................................. 54
3.5 Modélisation du réseau électrique étudié .......................................................................... 59
3.5.1 Modélisation d’un système constitué d’une charge non linéaire monophasée et d’un
filtre actif parallèle .................................................................................................................. 59
3.5.2 Commande et caractéristiques d’un filtre actif parallèle monophasé ...................... 60
3.5.3 Stratégie de commande des filtres actifs connectée au réseau électrique ................ 61
3.6 Techniques d’extraction des courants harmoniques ......................................................... 61
3.6.1 Théorie des puissances active et réactive instantanées ............................................ 61
3.6.2 Transformée de Fourier discrète (TFD) ................................................................... 63
3.6.3 Transformée de Fourrier Discrète récursive (TFDR) .............................................. 64
3.6.4 Filtre de KALMAN .................................................................................................. 66
3.7 Conclusion ........................................................................................................................ 66

Chapitre 04 : Application des commandes ; classiques, adaptatifs, intelligentes

pour Controller les différents paramètres de système
4.1 Introduction ........................................................................................................................ 68
4.2 Régulateur PID et ses critères de performance ................................................................... 68
4.2.1 Modèle du régulateur PID ......................................................................................... 69
4.2.2 Réglage d’un PID ...................................................................................................... 69
4.2.3 Les indices de performances ...................................................................................... 70
4.3 Conception PID d’ordre fractionnaire ................................................................................ 70
4.3.1 Le Calcul Fractionnaire ............................................................................................. 70
4.3.2 Approximation rationnelle des Operateurs Fractionnaires ........................................ 72
4.3.3 Modèles d’ordre fractionnel ...................................................................................... 74
4.3.4 Contrôleur proportionnel-intégral-dérivé d'ordre fractionnaire ................................. 74
4.4 Les Méthodes d’optimisations des paramètres de PI et PIλ fractionnaire ........................... 75
4.4.1 Réglage des paramètres des contrôleurs PI et PIλ ...................................................... 75
4.4.2 Optimisation par Essaim Particulaire (PSO) ............................................................. 76
4.4.3 Optimisation par l’algorithme génétique (GA) .......................................................... 78
4.5 La logique floue ................................................................................................................. 80
4.5.1 Réglage via le contrôleur flou .................................................................................... 82

vii
 4.5.2 Réglage par un contrôleur PI flou .............................................................................. 82
4.5.3 Réglage par un contrôleur PIλ flou ............................................................................. 84
4.6 Problème d’optimisation .................................................................................................... 86
4.7 Conclusion ......................................................................................................................... 87

Chapitre 05 : Résultats des simulations

5.1 Introduction ........................................................................................................................ 89
5.2 Configuration du système globale ...................................................................................... 90
5.3 Résultats de simulation pour réglage de MPPT et les courants du GSAP par PSO-PI, PSO-
FOPI et GA-PI, GA-FOPI ........................................................................................................ 90
5.3.1 Régulation du MPPT ................................................................................................ 91
5.3.2 Régulation des courants de GSAP ............................................................................ 92
5.4 Résultats de simulation pour réglage de MPPT et les courants du GSAP par fuzzyPI,
fuzzyFOPI, PSO-fuzzyPI, PSO-fuzzyFOPI ............................................................................. 96
5.4.1 Régulation du MPPT ................................................................................................ 97
5.5 Résultats de simulation pour réglage de tension en bus continu DC et les courants
d’harmoniques par GA-fuzzyPI ............................................................................................. 103
5.5.1 Régulation de tension en bus continu DC ............................................................... 103
5.5.2 Régulation des courants d’harmoniques ................................................................. 105
5.5.3 Analyse et discussion ............................................................................................. 108
5.6 Conclusion ....................................................................................................................... 111

Conclusion générale ........................................................................................................ 113

Bibliographie .................................................................................................................... 116

viii
Liste des figures

1.1 Taux de croissance moyen de production d’électricité d’origine éolienne ........................ 8

1.2 Nouvelles installations éoliennes en 2020 ......................................................................... 8
1.3 Carte annuelle des vents (m/s) a 10 m du sol ................................................................... 10
1.4 Couts calculés par kWh d’électricité éolienne générée en fonction du régime éolien sur le
site choisi ................................................................................................................................. 11
1.5 Eolienne type Savonius .................................................................................................... 13
1.6 Éolienne à axe horizontal ................................................................................................. 14
1.7 Composants d’une éolienne ............................................................................................. 14
1.8 Eolienne à vitesse fixe ...................................................................................................... 16
1.9 Eolienne a vitesse variable basée sur une machine synchrone à grand nombre de paires de
pôles ......................................................................................................................................... 16
1.10 Profil de vent .................................................................................................................. 17
1.11 Conversion aérodynamique en énergie électrique ......................................................... 18
1.12 Courbe de coefficient Cp (λ, β) ...................................................................................... 20
1.13 Contrôle optimal de la TSR de l’éolienne ...................................................................... 21
1.14 Contrôle de la puissance maximale avec le profil de puissance de l’éolienne .............. 22
1.15 MPPT avec contrôle optimal du couple des éoliennes .................................................. 22
1.16 Extraction de puissance d’une chaîne éolienne .............................................................. 23
1.17 Schéma bloc du couple de la turbine éolienne ............................................................... 24
1.18 Schéma fonctionnel de la turbine avec maximisation de la puissance extraite grâce à la
vitesse contrôlé ........................................................................................................................ 24
2.1 Structure du moteur synchrone ........................................................................................ 28
2.2 Topologies des machines synchrones à aimants permanents ........................................... 30
2.3 Structure de la génératrice synchrone .............................................................................. 32
2.4 GSAP dans le repère (d, q) de Park ................................................................................. 33
2.5 Commande de la vitesse de turbine et les courants de la machine synchrone ................. 35
2.6 Principe de la commande MLIST .................................................................................... 37
2.7 Schéma de l’association MSAP – redresseur commandé ................................................ 38

ix
2.8 Modélisation du redresseur dans un repéré fixe lié aux axes abc .................................... 39
2.9 Modélisation du redresseur dans un repéré lié aux axes dq ............................................. 40
2.10 Schéma bloc de l’onduleur de tension ........................................................................... 40
2.11 Boucle de régulation du courant .................................................................................... 41
2.12 Boucle de régulation de courant avec découplage ......................................................... 42
2.13 Schéma électrique du bus continu .................................................................................. 43
2.14 Boucle d’asservissement de la tension du bus continu .................................................. 43
3.1 Harmoniques ..................................................................................................................... 47
3.2 Formes d’ondes de la tension et du courant ....................................................................... 48
3.3 Harmoniques, les inters et infra harmonique ..................................................................... 49
3.4 Raccordement d’une inductance anti-harmonique ............................................................ 51
3.5 Installations de filtres résonants ......................................................................................... 52
3.6 Filtres amortis passe-haut .................................................................................................. 53
3.7 Installation d’un filtre amorti ............................................................................................. 53
3.8 Convertisseur a source de tension ...................................................................................... 56
3.9 Convertisseur à source de courant ..................................................................................... 56
3.10 Schéma d’un réseau électrique comprenant une charge non linéaire monophasée et un
filtre actif ................................................................................................................................. 59
3.11 Schéma d’un onduleur de tension monophasé avec une commande MLI ....................... 60
3.12 Contrôle des onduleurs par MLI ...................................................................................... 60
3.13 Le contrôle du système APF shunt .................................................................................. 61
3.14 Calcul des composantes de la théorie p-q ........................................................................ 63
4.1 Système de contrôle en boucle fermé ................................................................................ 69
4.2 Schéma fonctionnel de FOPID .......................................................................................... 75
4.3 Conception des contrôleurs PI et PI fractionnaire base sur PSO ....................................... 76
4.4 Exemple de recherche de PSO ........................................................................................... 77
4.5 Organigramme de PSO ...................................................................................................... 78
4.6 Organigramme de GA ....................................................................................................... 80
4.7 Modèle fonctionnel du système de contrôle flou ............................................................... 81
4.8 Système flou Mamdani pour le contrôleur à logique floue proposé ................................. 82

x
4.9 Structure du régulateur PI flou proposé ............................................................................. 83
4.10 Système flou Mamdani pour le contrôleur PI ...................................................................83
4.11 Schéma fonctionnel du système de contrôle fuzzy PI optimisé par PSO et GA ............. 84
4.12 Structure du régulateur PIλ flou proposé .......................................................................... 85
4.13 Système flou Mamdani pour le contrôleur FOPI accordé flou proposé .......................... 85
4.14 Schéma fonctionnel du système de contrôlé fuzzyFOPI optimisé par PSO et GA ......... 86
5.1 Configuration du WECS et son schéma de contrôle .......................................................... 90
5.2 La vitesse de la turbine pour ISE, IAE, ITAE et ITSE à l’aide de PSO ............................ 92
5.3 La Vitesse de la turbine pour les contrôleurs : PI classique, PI-PSO et FOPI-PSO .......... 92
5.4 Le courant id avec PI et FOPI optimisés par PSO .............................................................. 93
5.5 Le courant id avec PI et FOPI optimisés par GA ............................................................... 93
5.6 Le courant iq avec PI et FOPI optimisés par PSO .............................................................. 94
5.7 Le courant iq avec PI et FOPI optimisés par GA ............................................................... 94
5.8 Le courant id par PI-GA et FOPI-PSO ............................................................................... 95
5.9 Le courant iq par PI-GA et FOPI-PSO ............................................................................... 95
5.10 Entrées des fonctions d’appartenance .............................................................................. 98
5.11 Sorties des fonctions d’appartenance ............................................................................... 99
5.12 Entrés des fonctions d’appartenance .............................................................................. 100
5.13 Sorties des fonctions d’appartenance ............................................................................. 100
5.14 Performances des contrôleurs : PI, FuzzyPI et PSO-FuzzyPI ..................................... 101
5.15 Performances des contrôleurs : FOPI, FuzzyFOPI, and PSO-FuzzyFOPI ..................... 101
5.16 La comparaison des performances entre deux contrôleurs : PSO-FuzzyPI et PSO-
FuzzyFOPI ............................................................................................................................ 102
5.17 Les performances des contrôleurs : PSO-FuzzyPI et PSO-FuzzyFOPI par variation
paramétrique .......................................................................................................................... 102
5.18 Régulation de tension en bus continu ............................................................................. 103
5.19 Fonctions d’appartenance des entrées ............................................................................ 104
5.20 Fonctions d’appartenance des sorties ............................................................................ 105
5.21 Régulation de la tension du bus continu : PI classiques et GA-fuzzyPI ........................ 105
5.22 Régulation des courants d’harmoniques ........................................................................ 105
5.23 Fonctions d’appartenance des entrées ............................................................................ 106

xi
5.24 Fonctions d’appartenance des sorties ............................................................................ 107
5.25 Régulation des courants harmoniques par la commande PI classique ........................... 107
5.26 Régulation des courants harmoniques par la commande GA-fuzzyPI ........................... 107
5.27 Courant phase ”a” de la charge Ich1 .............................................................................. 109
5.28 Courant de source Ia1 après filtrage .............................................................................. 109
5.29 Analyse spectrale du courant harmonique de compensation avant filtrage .................... 110
5.30 Analyse spectrale du courant harmonique de compensation après filtrage .................... 110
5.31 Analyse temporelle avant et après compensation puissance réactive ............................. 110

xii
Liste des tableaux

1.1 Structure des coûts d’une éolienne typique de 2 MW installée en Europe (€ de 2006) .. 10
1.2 Emplois directs dans les entreprises spécialisées dans l'énergie éolienne dans différents
pays européens ........................................................................................................................ 12
1.3 Les valeurs de coefficient de la turbine ........................................................................... 19
5.1 Paramètres de PSO .......................................................................................................... 91
5.2 Paramètres de GA ............................................................................................................ 91
5.3 Paramètres du GSAP avec l’émulateur éolien ................................................................. 91
5.4 Les résultats de calcul de PSO et GA pour le régulateur PI ............................................ 96
5.5 Les résultats de calcul de PSO et GA pour le régulateur FOPI ....................................... 96
5.6 Résultats des paramètres de PI e FOPI obtenus par PSO ................................................ 97
5.7 Résultats des paramètres de FuzzyPI et FuzzyFOPI à l’aide du PSO ............................. 97
5.8 Les résultats de règles flous pour FuzzyPI ....................................................................... 98
5.9 Les résultats de règles flous pour FOPI ........................................................................... 99
5.10 Les règles floues pour G1(s) ........................................................................................ 104
5.11 Les règles floues pour G2(s) ........................................................................................ 106
5.12 Paramètres des résultats du contrôleur PI obtenus par l'algorithme GA ...................... 108
5.13 Paramètres de résultats du contrôleur PI obtenu par FuzzyPI à l’aide GA .................. 108

xiii
 ABREVIATIONS

WT Turbine éolien (Wind Turbine)

SONALGAZ Société National de l’Électricité et de Gaz
UE Union Européen
WECS Système de conversion de l’énergie éolien (Wind Energy Conversion System)
SER Source d’énergie Renouvelable
MPPT Suivi du point maximal de puissance (Maximum Power Point Tracking)
DFIG Le générateur à induction à double alimentation (Doubly-Fed Induction Generator)
GI Générateur à Induction
TSR Rapport entre la vitesse linéaire du bout des pales et la vitesse du vent (Tip-Speed Ratio)
PSF Profil de puissance de turbine (Power Signal Feedback)
HCS Contrôle de couple optimal (Hill-Climbing Search)
GSAP Générateur Synchrone à Aiment Permanant
MSAP Machine Synchrone à Aimants Permanents
TVC Contrôle du vecteur de poussée (Thrust Vector Control)
AGV Automotrices Grande Vitesse
MSAPI Machines Synchrones à Aimants Permanents Insérés
MSAPC Machines Synchrones à Aimants Permanents Chapeautés
MSAPE Machines Synchrones à Aimants Permanents Enterrés
MSRB Machines Synchrones à Rotor Bobiné
MLI Modulation de Largeur de l’Impulsion
PPF Filtre de puissance passif (Passive Power Filter)
CSAF Un filtre actif à source de courant (Current Source Active Filter)
VSAF Le filtre actif à source de tension (Voltage Source Active Filter)
FA Filtre Actif
HB Bande d'hystérésis (Hysteresis Band)

xiv
TFD Transformée de Fourier Discrète
TFDR Transformée de Fourrier Discrète Récursive
FKE Filtre de Kalman Étendu
PSO Optimisation par essaim particulier (Particle Swarm Optimization)
GA Algorithme génétique (Genetic Algorithm)
ISE Intégrale de l'erreur carrée (Integral of Square Error)
IAE Intégrale de l'erreur absolue (Integral of Absolute Error)
ITAE Intégrale de l'erreur absolue de temps (Integral of Time Absolute Error)
ITSE Intégrale de l'erreur carrée de temps (Integral of Time Square Error)
FOLTI Système d’ordre fractionnaire linéaire à temps invariant (Fractional-Order Linear
Time-Invariant)

LTI Filtre invariant dans le temps linéaire (linear Time-Invariant)

FLC Contrôleur de logique floue (Fuzzy Logic Controller)
PI Proportional Integral
FO Ordre fractionnaire (Fractional Order)

xv
 Liste des symboles et unités de mesure

V Vitesse du vent en mètre par seconde (m/s)

P Nombre de pair de pôles
ω Pulsation électrique (rad/s)
E Énergie cinétique du vent en Joule (J)
ρ Densité spécifique de l’air (Kg/m3)
S(A) Surface balayée par les pales (m2)
dl La longueur d’une colone d’air (m)
Pv Puissance du vent en Watt (W)
Cp Coefficient de puissance
PT Puissance de la turbine Watt (W)
β Angle de calage des pales en degré
λ Vitesse spécifique
λopt Vitesse spécifique optimale
R(r) Rayon de l’éolienne en mettre (m)
ΩT Vitesse angulaire de rotation des pales (rad/s)
TT Couple aérodynamique (N.M)
Cq Coefficient de couple
Cem Couple électromagnétique (N.M)
Cm Couple mécanique (N.M)
J Moment d’inertie (kg .m2)
f Coefficient de frottement
Va,b,c Tensions statoriques en Volt (V)
ia,b,c Courants statoriques en Ampère (A)
Rs Resistance statorique en Ohm (Ω)
idq Courant de GSAP dans dq en Ampère (Ω)

xvi
i*dq Courant de référence de GSAP en Ampère (Ω)
φ Flux des bobines statoriques en Weber (Web)
Pa Puissance active de l’éolienne en Watt (W)
Pem La puissance électromagnétique en Watt (W)
Pj Puissance des pertes par effet joule en Watt (W)
Pmag Puissance magnétique emmagasinée en Watt (W)
ɷ Vitesse angulaire du rotor (rad/s)
θ Angle entre le stator et de rotor en degré
Ld,q l’inductance de stator dans le système de Park en Henry (H)
Vdc Tension de bus continu en volt (V)
Vdc-ref Tension de référence de bus continu en Volt (V)
Ki Gain Intégrale
Kp Gain Proportionnel
Kd Gain derivée
λ Ordre fractionnaire
C Capacité du bus continue en Farad (F)
Vi Vitesse de particule en mètre/second (m/s)
Cf Capacité de filtre en microFarad (μF)
Rf Résistance de filtre en Ohm (Ω)
Lf L’inductance de filtre en Henry (H)
Li1,2,3 Courants d’harmoniques de référence en Ampère (A)
P Puissance active de réseau électrique en Watt (W)
Q Puissance réactive de réseau électrique en Watt (W)
TDHi Taux de distorsion harmonique du courant en pourcentage (%)
TDHv Taux de distorsion harmonique de la tension en pourcentage (%)

xvii
INTRODUCTION
GÉNÉRALE
Introduction générale

L'augmentation mondiale de la demande énergétique et l'épuisement des ressources en

combustibles fossiles motivent les ingénieurs en énergie à trouver une solution durable [1]. Les
sources d'énergie renouvelables (SER) ouvrent une large possibilité dans ce contexte [2].
L’intégration des sources d'énergie renouvelables pose divers problèmes en raison de la nature
intermittente de la source, de la production et du transport d'électricité imprévisibles des zones
rurales à travers le réseau faible [3].
L’énergie éolienne, de nature variable répondant aux caprices du vent, met en évidence de
nouveaux enjeux techniques pour l’insertion dans les réseaux électriques. La problématique de
l’intermittence fera donc l’objet d’une attention particulière.
L'énergie éolienne apparaît clairement en bonne place parmi les énergies renouvelables, non
pas en remplacement des sources conventionnelles, mais comme énergie d'appoint
complémentaire aux autres sources telles l'énergie nucléaire, l'hydroélectricité, l'énergie
thermique, etc. En plus, n'émet pas de gaz à effet de serre [4]. Système de conversion d'énergie
éolienne (WECS) se compose comme d'une éolienne, d'un contrôle d'angle de tangage, d'une
transmission, d'un générateur et d'un convertisseur de puissance. Il y a divers types de
générateurs utilisés dans WECS tels que le générateur à induction (GI), le générateur à
induction à double alimentation (DFIG) et le générateur synchrone à aimant permanant (GSAP)
[5].
Le générateur synchrone à aimant permanent (GSAP) gagne en popularité pour être utilisé
dans le système de conversion d'énergie éolienne (WECS) par rapport à d'autres formes de
générateurs d'éoliennes à vitesse variable. Afin de faire fonctionner une éolienne à vitesse
variable, l'électronique de puissance a la capacité de transférer efficacement l'énergie électrique
acquise vers le réseau avec plus d'extraction et de minimiser le risque associé à l'exploitation et
à la gestion du système d'alimentation électrique. La qualité du système éolien doit être
maintenue par le contrôle de la tension, de la fréquence, de la fiabilité, du facteur de puissance,
etc. [6].
La turbine à vent (WT) caractérisée par deux contrôles principaux ; régler l'éolienne au point
de puissance maximale (MPPT) dans la région à basse vitesse, où cela peut être réalisé à l'aide
de la commande MPPT. D'autre part, protéger le WT et assurer la continuité de service lorsque
la vitesse du générateur est supérieure à la valeur nominale en contrôlant l'angle de pas des
pales [7]. Par ailleurs le contrôle des courants de la GSAP est aussi important dans la chaine de
système de conversion d’énergie éolienne [8], un bon contrôle de tous ces paramètres permet
d’avoir un bon fonctionnement et une bonne performance de système.
D’autre part, La qualité des puissances active et réactive est une mesure importante d'un
système d'alimentation électrique. L’objectif donc est maintenir la forme d'onde du courant
purement sinusoïdale en phase avec une forme d'onde de tension purement sinusoïdale [9].
Dans ce contexte et dans notre cas ; la charge non linéaire est alimentée par une source de réseau
électrique, et par suite cette est charge entraînée des défis pour l'industrie en termes de

-2-
 INTRODUCTION GÉNÉRALE

fonctionnement du réseau, d'émissions d'harmoniques et pose une distorsion de forme des

courants et des tensions [10].
L'utilisation d'un filtre de puissance approprié pour améliorer la qualité de l'alimentation est
la solution à ces problèmes. Il existe deux types de filtres de puissance : passifs et actifs [11].
Un filtre de puissance passif (PPF) se compose d'inductances et de condensateurs. La
conception du circuit d'un PPF est simple, mais elle présente les inconvénients suivants : (1)
Chaque PPF ne convient qu'à une harmonique spécifique, à moins que les harmoniques soient
suffisamment élevées ou basses pour être éliminées ; la conception d'un groupe de filtres passifs
pour diverses harmoniques n'est pas économique. (2) L'utilisation d'un PPF pour améliorer le
facteur de puissance est moins efficace et la conception d'origine n'est pas applicable si
l'architecture du système est modifiée. (3) Un PPF peut produire une résonance en série ou en
parallèle avec l'impédance du circuit, ce qui peut endommager l'équipement. (4) L'impédance
de la source affecte considérablement les propriétés de filtrage du filtre. (5) Un circuit à faible
résistance peut générer des harmoniques de courant supplémentaires, rendant un filtre passif
inefficace. Enfin, (6) un PPF occupe un espace plus important. Ainsi, utiliser un PPF pour
éliminer les harmoniques n'est pas une solution efficace ; pour cette raison le filtre actif est
utilisé dans ce contexte.
Un filtre actif se compose de trois parties : identification, modulation et onduleur. Dans la
conception du filtre et son application, les méthodes d'extraction des harmoniques du courant
de ligne et de détermination des courants de référence du filtre sont très importantes [12], de
plus, cette stratégie utilise la théorie de la puissance instantanée pour identifier puis éliminer
les courants harmoniques injectés par la charge non linéaire, qui sont connectés au réseau [13].
Dans notre travail ; on va utiliser Un filtre actif comme une source des courants
d’harmoniques inverses qui injectées en parallèle dans le réseau électriques ; la source est
alimenté par un system éolien et par conséquent, compensé la puissance réactive dans le réseau
électriques en contrôlant les courants de sortie de filtre actif [14].
Pour un fonctionnement normal du système, une stratégie de contrôle efficace est nécessaire.
Les régulateurs PI et PID classiques ont été largement utilisés dans les applications industrielles
dans le passé en raison de leurs avantages. Le contrôle PID est une méthode de contrôle simple
et efficace et il peut être facilement mis en œuvre pour les applications de contrôle industriel.
Cependant, l'algorithme de contrôle PID n'est pas conseillé pour le système complexe et non
linéaire. D'autre part, le régulateur PI fractionnaire reçoit beaucoup plus d'attention dans le
domaine de l'ingénierie des systèmes de contrôle en raison de son importance potentielle et
significative [15, 16].
Les contrôleurs, utilisés des dérivées d'ordre fractionnaire et des intégrales, donnent des
résultats améliorés par rapport aux contrôleurs classiques en termes de robustesse. Les
contrôleurs d'ordre fractionnaire (FO) sont généralement exprimés par des équations
différentielles d'ordre fractionnaire. Les contrôleurs d’ordre fractionnaire sont dérivés de l'ordre
entier en ajoutant les puissances fractionnaires en termes entiers et dérivés. Le contrôleur
FOPID a deux autres paramètres un ordre intégrateur et un ordre différenciateur. L'ajout des
termes intégraux et dérivés d'ordre fractionnaire améliorera la réponse en fréquence du système
et mènera à la conception d'un système de contrôle amélioré [17,18]. Le schéma de contrôle
FOPID a certains mérites en ce qu'il offre cinq paramètres à régler. Cependant, ce schéma de

-3-
 INTRODUCTION GÉNÉRALE

contrôle a ses propres inconvénients car il rend le système plus complexe que le système
classique.
Pour obtenir un contrôleur optimal, il faut trouver un ensemble optimal des valeurs de deux
régulateurs PI (Kp, Ki) et FOPI (Kp, Ki et λ). En fait, il existe de nombreuses méthodes de
recherche intelligentes et métaheuristique puissantes pour trouver une solution optimale. La
méthode d’optimisation par essaim particulier (PSO), les algorithmes génétiques (GA) et la
logique floue sont des techniques de calcul évolutif. Ces techniques combinent les principes de
la psychologie sociale dans les agents humains sociocognitifs et les calculs évolutifs. Ils
présentent certaines caractéristiques telles qu'un concept simple, facile à mettre en œuvre, un
algorithme efficace du point de vue informatique, un mécanisme flexible et bien équilibré pour
améliorer les capacités d'exploration globales et locales et ils ont plus efficace [19].
La logique floue (FL) a été proposée par Lotfi Zadeh en 1965, où l'application de FL aux
problèmes de contrôle a été testée pour la première fois par Mamandy en 1974. En raison de
ses avantages de robustesse et d'efficacité, il est capable de piloter des systèmes non linéaires
et compliqués [6]. On peut considérer que le contrôleur à logique floue (FLC) comme un
contrôleur efficace pour les éoliennes en raison du modèle d'éolienne non linéaire et de la nature
stochastique de la vitesse du vent, qui imposent de nombreuses incertitudes. Le contrôleur flou
Takagi-Sugeno (T-S) est également utilisé pour l'objectif du contrôle MPPT dans le système
WECS. Ce contrôle est testé sous une large variation de vitesse du vent et comparée au
contrôleur classique qui prouve les performances de la conception floue T–S [7].
L'optimisation des essaims de particules (PSO) est une technique d'optimisation stochastique
basée sur la population développée par le Dr Eberhart et le Dr Kennedy en 1995, inspirée du
comportement social des vols d'oiseaux ou des bancs de poissons. PSO partage de nombreuses
similitudes avec d'autres techniques de calcul évolutives telles que les algorithmes génétiques
(AG). Par rapport à GA, les avantages de PSO sont que PSO est facile à mettre en œuvre et qu'il
y a peu de paramètres à ajuster. PSO s'est appliqué avec succès dans de nombreux domaines
tels que l'optimisation des fonctions, la formation de réseaux de neurones artificiels, le contrôle
de système flou et d'autres domaines où l'AG peut être appliquée. PSO a déjà été un nouveau
sujet de recherche en développement rapide [20].
Par conséquent, en renforçant les contrôleurs de logique floue avec les deux algorithmes PSO
et GA, la recherche et l'obtention de règles de logique floue optimales et de fonctions
d'appartenance hautes performances seront plus faciles et plus rapides. Les efforts de recherche
se sont principalement concentrés sur le réglage optimal des fonctions d'appartenance et les
règles de logique floue [21,22], les fonctions d'appartenance et d'autres paramètres ont été
optimisés à l'aide PSO et GA. La combinaison de PSO, GA et de contrôleurs à logique floue
est normalement abrégée en PSO-FLC et GA-FLC, ce contrôleur hybride intelligent a trouvé
une application dans de nombreux scénarios.
L’objectif principal de cette thèse est d’appliquer des commandes avancées basées sur
l’intelligence artificielle et les méthodes métaheuristiques, pour contrôler un système constitué
de deux parties imbriquées, la première partie est une chaine de production d’énergie éolienne
à base d’une GSAP, tandis que la seconde partie est un convertisseur multifonctions, à travers
lequel l’énergie produite par la chaine WECS est intégrée avec le réseau électrique et elle est
considéré comme un filtre actif ayant un rôle de compensation de la puissance réactive et de
réduire les courants harmoniques provenant d’une charge non linéaire connectée au réseau

-4-
 INTRODUCTION GÉNÉRALE

électrique, Les commandes proposés sont : les régulateurs PI et FOPI optimisé par PSO et GA,
les nouveaux commandes PSO-PI, PSO-FOPI et GA-PI et GA-FOPI sont utilisés pour régler le
MPPT et les courants génèrent par PMGS. D’autres commandes intelligents sont proposées
aussi tels que le régulateur fuzzy-PI (FPI) optimisé par PSO et fuzzy-FOPI (FFOPI) optimisé
par PSO, les deux nouveaux algorithmes PSO-FPI et PSO-FOPI sont utilisé pour régler la
tension en bus continu VDC et les courants d’harmoniques injectés au réseau électrique. Ces
commandes améliorent les performances de notre système en garantissant la stabilité et
l'amélioration de la robustesse.
Le premier chapitre constitué de trois parties, dans la première, nous donnerons l'état de l'art
sur les systèmes éoliens et les concepts physiques régissant leur fonctionnement. La deuxième
est consacré à la modélisation de la turbine éolienne en tenant compte son comportement
mécanique, et la troisième est consacré à l'étude de quelques techniques MPPT et
l’implémentation d'une de ces techniques dans le système éolien.
Le deuxième chapitre est consacré au fonctionnement de la génératrice synchrone à aiment
permanant (GSAP). Une modélisation dans un repère diphasé lié au champ statorique et une
stratégie de commande vectorielle en puissances active et réactive statoriques sont proposées.
Ces études sont suivies de la modélisation du convertisseur AC-CA.
Le troisième chapitre traite les différents filtre utilisés pour résoudre le problème de la
distorsion du courant et de la tension en spécifiant notre étude à un filtre actif inséré en parallèle
avec une charge non linéaire connecté au réseau électrique, les références de courants
d’harmonique sont basés sur la technique de la théorie des puissances actif et réactifs
instantanées.
Dans Le quatrième chapitre on va présenter les principales approches avec un contrôleur PI
classique, contrôleur ordre fractionnaire FOPI et les contrôleurs PI et FOPI adaptatif par logique
flou, tous ces contrôleurs sont participés avec des commandes intelligentes tels que PSO et GA
qui donnent des nouvelles commande avancés, ces contrôleurs sont appliqués pour contrôlé la
vitesse du turbine (MPPT), les courants du MSAP, la tension en bus continu VDC, et les courants
d’harmonique du filtre actif.
Une comparaison entre les résultats de simulation issus de ces commandes est consacrée dans
le cinquième chapitre.
En fin, nous clôturons ce travail par une conclusion générale qui résume les résultats obtenus
et des perspectives pour la continuité future de ce travail.

-5-
 CHAPITRE 01

l’énergie éolienne ; une source

renouvelable et efficace
 Chapitre 1 : l’énergie éolienne ; une source
renouvelable et efficace

1.1 Introduction
L’énergie aérogénératrice est utilisée industriellement surtout depuis les années soixante.
Bien que ne pouvant envisager de remplacer largement les sources traditionnelles d’énergie.
Elle s’inscrit donc parfaitement dans l’effort global de réduction des émissions de CO2 et plus
généralement dans le contexte d’un développement durable du paysage énergétique [23].
Mais n’oublier pas que le vent est une source d’énergie renouvelable, gratuite et exploitable
avec un bon niveau de sécurité et respectueuse de l’environnement. Dans le monde entier, les
ressources d’énergie éolienne sont pratiquement illimitées. Les récentes recherches dans les
domaines des turbines éoliennes à vitesse variable, l’électronique de puissance et les techniques
de commandes avancées ont permis le contrôle des puissances produites par ces
aérogénérateurs, ainsi tendent à rendre l’énergie éolienne aussi compétitive que l’énergie
d’origine traditionnelle [24].

1.2 Situation actuelle de l’énergie éolienne

1.2.1 Dans le monde
Dans le sillage de la première crise pétrolière de 1973, les grandes puissances de ce monde
ont massivement financé des projets de recherche sur les énergies renouvelables. Dans ce
contexte, l’éolien a été la première ressource renouvelable à être développée pour produire de
l’électricité à grande échelle. Cet élan connaitra un second souffle après la prise de conscience
des enjeux climatiques et environnementaux liés à la consommation d’énergie et engendrera le
lancement de plusieurs programmes dont le but était le développement des énergies
renouvelables, notamment à base de ressources éoliennes étant donné que les gisements ces
dernières sont très abondants dans les pays industrialisés (Europe, USA, Canada,…).
L’augmentation significative du prix du baril de pétrole dans les années 2000 a multiplié par
10 la capacité de production d’électricité éolienne dans le monde entre 2005 et 2018, passant
ainsi de 59 GW à 591 GW (voir figure.1.1), pour finalement atteindre en 2019 une production
de 651 GW dont 29 GW d’origine Offshore (Commissariat aux Energies Renouvelables et à
l’Efficacité Energétique, 2020, 21). Portée par la réduction des coûts, l’énergie éolienne qu’elle
soit Offshore ou terrestre est devenue au cours de ces dernières années l’une des sources
d’énergie les moins chères du monde en raison des réglementations environnementales qui
rendent l'énergie fossile de moins en moins rentable. Ainsi, en 2020, le secteur de l’éolien a
enregistré la mise en service de 86,9 GW, soit 59 % de plus que 2019. Au fil des années, les
USA et la Chine se sont imposés comme les piliers de la croissance de l’industrie éolienne
devant de nombreux pays européens. Ce duo qui mène depuis de nombreuses années la dance

-7-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

a enregistré près de 75 % des nouvelles installations éoliennes en 2020, soit 69 GW (voir

figure.1.2) [25].

Onshore Offshore

29
23
19
14
12
8
7 651
5 591
4 488 540
3 433
370
1
2
238 283 319
1 198
74 94 121 159
0
24 0
31 39
-1 48
-1
59
-1 -1
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Figure 1.1: Taux de croissance moyen de production d’électricité d’origine éolienne.

Figure 1.2: Nouvelles installations éoliennes en 2020.

1.2.2 Dans l’Algérie

Avec un taux de couverture en énergie électrique qui est passé de 30% en 2000 à 99% en
2018. L’énergie électrique est largement suffisante pour répondre aux besoins énergétiques du
pays, l’Algérie ambitionne de devenir un pays exportateur d’électricité dans les prochaines
années. Plusieurs pays ont d’ores et déjà manifesté leur intention d’importer de l’énergie
électrique à partir de l’Algérie. Parmi ces potentiels futurs clients de l’Algérie, on trouve la
Tunisie qui figure en tête de liste en raison de sa proximité avec l’Algérie à tous les niveaux,
du vieillissement de ses infrastructures, de la forte hausse de sa demande d’électricité, mais
surtout du rétrécissement de sa marge de réserve obligatoire lui permettant de répondre à toute

-8-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

éventuelle panne au niveau de ses unités de production (Belgacem, 2020). Sachant que
l’électricité en Algérie provient à 99% du gaz naturel dont la production était de 100 milliards
de m3 en 2020, dont 22 milliards destinés à la production d’électricité pour les besoins internes,
une production d’électricité issue de l’éolien permettrait à l’Algérie de diversifier ses ressources
énergétiques, d’exporter davantage de gaz naturel au lieu de le destiner à la production
d’électricité, mais surtout d’adopter une stratégie expansionniste caractérisée par la conquête
de marchés externes, dont celui qui nous intéresse dans notre présente étude, à savoir le marché
tunisien .
En effet, étant donné que 22% de la production nationale de gaz naturel est destinée à la
production d’électricité pour les besoins internes du pays, développer et stimuler
l’investissement dans la filière éolienne permettra à l’Algérie de diversifier ses ressources
énergétiques et de développer l’activité "Export" de la Société nationale de l'électricité et du
gaz (Sonelgaz) tout en assurant l’équilibre entre les impératifs du développement socio-
économique du pays et la gestion durable et rationnelle des ressources énergétiques dont
dispose l’Algérie. Il faut remonter jusqu’à l’année 1957 pour trouver la première expérience
éolienne en Algérie.
Il s’agissait à l’époque d’exploiter un aérogénérateur de 100 kW sur le site des « Grands
Vents » (Alger) que la compagnie publique chargée du monopole de la production et de la
distribution du gaz et de l'électricité en Algérie (Electricité et Gaz d’Algérie) avait acheté
d’Angleterre. Après l’indépendance, en dépit du financement massif des projets de recherche
sur les énergies renouvelables dans le monde suite au premier choc pétrolier de 1973 et de
l’engouement pour l’énergie éolienne suscité par la hausse des prix énergies fossiles durant les
début des années 2000, l’Algérie ne s’est penchée sérieusement sur le développement des
énergies renouvelables qu’après 2010 avec l’adoption du programme national de
développement des énergies renouvelables approuvé en 2011 et révisé en 2015 avec l’objectif
d’atteindre à l’horizon 2030 une puissance totale de 22000 MW, dont l’éolien représente 5010
MW. Il a fallu attendre jusqu’en juin 2014 pour assister à la naissance de la première ferme
éolienne à Adrar et dont la puissance est de 10 MW, ce qui ne représente que 5% de l’énergie
électrique fournie par le réseau local. À titre de comparaison, l’énergie éolienne est devenue en
2019 la source d’électricité renouvelable la plus produite aux USA (le monde de l'énergie, 2020)
qui se classent au 2ème rang mondial pour une puissance éolienne totale de 105 466 MW fin
2019, loin derrière la Chine avec 236 402 MW (Global Wind Energy Council, 2019, 44). Pour
ce qui est du potentiel éolien en Algérie, compte tenu de la grande superficie du pays, de sa
topographie et de son climat très diversifié, ce potentiel varie énormément d’un endroit à l’autre.
Toutefois, selon la nouvelle carte des vents mise à jour par le Centre de Développement des
Energies Renouvelables (voir figure.1.3), le Sud semble connaitre par des vitesses de vent
supérieures à celles du Nord, plus particulièrement dans le Sud-Est. Enfin, pour l’analyse du
coût de production de l’électricité d’origine éolienne en Algérie ou même ailleurs, il nécessaire
de rappeler que ce coût dépend de plusieurs facteurs (lieu choisi pour l’installation, force des
vents, nombre de turbines, facteur d’utilisation, etc.) [25].

-9-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

Figure 1.3: Carte annuelle des vents (m/s) a 10 m du sol [26].

1.3 Impact de l’éolienne sur l’aspect économique et social

En raison des améliorations constantes du rendement des turbines et de la hausse des prix
des combustibles, l'énergie éolienne devient de plus en plus compétitive sur le plan économique
par rapport aux modes de production énergétique classiques. Par ailleurs, sur les sites terrestres
où la vitesse du vent est élevée, l'énergie éolienne est considérée aujourd'hui commercialement
viable.
Le coût de l’éolienne y’est crucial. Le coût d’investissement total d’une éolienne moyenne
installée en Europe est d'environ 1,23 million d’€/MW, y compris les coûts relatifs aux
fondations, à l'installation électrique et à la sous-traitance (prix de 2006). La répartition des
coûts principaux est la suivante (niveaux approximatifs): turbine 76, raccordement au réseau 9
et fondations 7. Les autres composants du coût, tels que les systèmes de commande et le terrain,
représentent une part réduite des coûts totaux. Le coût total au kW de la capacité de puissance
éolienne installée présente des différences significatives d'un pays à un autre, et varie
approximativement entre 1000 €/kW et 1350 €/kW [27].
Tableau 1.1 : Structure des coûts d’une éolienne typique de 2 MW installée en Europe (€ de
2006).

Investissement (€1000/MW) Part (%)

Eolienne (départ usine) 928 75.6
Fondations 80 6.5
Installation électrique 18 1.5
Raccordement au réseau 109 8.9
Systèmes de commande 4 0.3
Sous-traitance 15 1.2
Terrain 48 3.9
Frais financiers 15 1.2
Route 11 0.9
Total 1227 100

-10-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

Note : Chiffres calculés par l’auteur sur les bases de données sélectionnées
d’installations éoliennes européennes.

En 2007, les éoliennes de la classe MW (puissance supérieure à 1 MW) ont représenté une
part de marché supérieure à 95, les machines de taille inférieure représentant les 5 restants. Au
sein du segment MW, les éoliennes d'une puissance égale ou supérieure à 2,5 MW ont une
position croissante, même pour les implantations à terre. Le régime éolien sur le site choisi, la
hauteur du moyeu de l’éolienne et le rendement de la production déterminent la production
énergétique de la turbine. Ainsi, à elle seule, l'augmentation de la hauteur des éoliennes a eu
pour résultat d'accroître la production d'énergie. De même, les méthodes de mesure et
d’évaluation de la vitesse du vent sur un site donné ont bénéficié de progrès significatifs ces
dernières années, améliorant ainsi les modalités d'implantation et les caractéristiques
économiques des nouvelles éoliennes.
Du fait de l’amélioration des équipements, le rendement de la production électrique a lui
aussi progressé de façon spectaculaire. De la fin des années 1980 jusqu'à 2004, les
investissements totaux par unité de surface de rotor ont subi une baisse annuelle supérieure à 2.
Cependant, en 2006, les coûts d’investissement ont augmenté d’environ 20 par rapport à 2004,
principalement en raison d'une augmentation significative de la demande mondiale en
éoliennes, alliée à la hausse du prix des matières premières et aux contraintes qui pèsent sur
l’offre. Les données préliminaires indiquent que la hausse des prix s'est poursuivie en 2007. A
présent, le coût de production de l'énergie pour une éolienne de 2 MW vont de 5,3 à 6,1 c€/kWh,
en fonction de la ressource éolienne disponible sur le site choisi. D'après l'analyse des courbes
d'apprentissage, on s'attend à voir baisser les coûts à des valeurs comprises entre 4,3 et 5,5
c€/kWh à l’horizon 2015.

Figure 1.4 : Coûts calculés par kWh d'électricité éolienne générée en fonction du
régime éolien sur le site choisi (nombre d'heures à pleine charge).

Dans le cadre d’emploi ; Les entreprises du secteur éolien européen emploient à l'heure
actuelle environ 108.600 personnes et, si l'on tient compte des emplois indirects, ce chiffre passe
à 180.000. Une partie significative des emplois directs liés à l'énergie éolienne (environ 77) est
localisée dans trois pays, le Danemark, l'Allemagne et l'Espagne, dont la capacité installée

-11-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

combinée représente 70 du total de l'UE. Cependant, le secteur est actuellement moins

concentré qu'il ne l'était en 2003 en raison de l’ouverture de centres de fabrication et
d'exploitation sur les marchés émergents, et du fait que de nombreuses activités liées à l'éolien,
telles que la promotion, l'ingénierie et les services juridiques, sont réalisés localement. La
majorité des emplois est concentrée chez les constructeurs et les fabricants de composants
d'éoliennes [27].

Tableau 1.2 : Emplois directs dans les entreprises spécialisées dans l'énergie éolienne dans
différents pays européens.

Pays Nombre d’emplois directs

Autriche 700
Belgique 2000
Bulgarie 100
République Tchèque 100
Danemark 23.500
Finlande 800
France 7000
Allemagne 38.000
Grèce 1.800
Hongrie 100
Irlande 1.500
Italie 2.500
Pays-Bas 2.000
Pologne 800
Portugal 800
Espagne 20.500
Suède 2000
Royaume-Uni 4000
Reste de l’UE 400
TOTAL 108.600

Source : Estimations propres, basées sur des chiffres fournis par l'EWEA (2008a), l’ADEME
(2008), l'AEE (2007), la DWIA (2008), le Ministère Fédéral de l’Environnement en Allemagne
et le BMU (2008).

1.4 Conception d’une éolienne

Une éolienne est une machine qui transforme l’énergie cinétique du vent en énergie
électrique ou mécanique. Il existe deux grandes familles d’éoliennes : les éoliennes à axe
horizontal et les éoliennes à axe vertical [28] :

-12-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

1.4.1 Aérogénérateurs à axe verticale

Les éoliennes à axe vertical ont été les premières structures développées pour produire de
l'électricité paradoxalement en contradiction avec le traditionnel moulin à vent à axe horizontal.
Elles possèdent l'avantage d'avoir les organes de commande et le générateur au niveau du sol
donc facilement accessibles. De nombreuses variantes ont été testées depuis les années 1920,
dont beaucoup sans succès, mais deux structures sont parvenues au stade de l'industrialisation :
-Le rotor de Savonius : Elle a été découverte par l'ingénieur finnois Sigurd Savonius en 1924
et a été brevetée en 1929. Le fonctionnement du rotor de Savonius est basé sur un couple
aérodynamique induit par la déflection de l'écoulement sur les pales. Le type Savonius,
constitué schématiquement de deux ou plusieurs godets demi-cylindriques un peu désaxés
présente la plupart d'avantages. Outre son faible encombrement, qui permet d'intégrer l'éolienne
aux bâtiments sans en dénaturer l'esthétique, il est peu bruyant. Il démarre à de faibles vitesses
de vent et présente un couple élevé bien que variant de façon sinusoïdale au cours de la rotation.
L'accroissement important de la masse selon la dimension rend l'éolienne de type Savonius peu
adaptée à la production de masse dans un parc à éoliennes.

Figure 1.5: Éolienne type Savonius.

- Le rotor de darrieus : Les éoliennes de type darrieus sont composées d'un certain nombre de
pales courbes montées sur un arbre ou un cadre rotatif. La courbure des pales permet à la pale
de n'être sollicitée qu'en tension à des vitesses de rotation élevées.

Il existe plusieurs éoliennes étroitement liées qui utilisent des pales droites. Cette conception
de l'éolienne a été brevetée par Georges Jean Marie Darrieus, un ingénieur français
(spécialisé dans l'aéronautique) ; le dépôt du brevet a eu lieu le 1er octobre 1926.

La configuration de George Darrieus est théoriquement aussi efficace que le type d'hélice
sous une vitesse de vent constante, mais les conceptions réelles ont généralement eu des
problèmes pour atteindre cette efficacité. Dans les versions originales de la conception de
Darrieus, les ailes sont disposées de façon à être symétriques et à avoir un angle de calage nul.

-13-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

C'est-à-dire l'angle que les ailes sont placées par rapport à la structure sur laquelle elles sont
montées.

Cette disposition est tout aussi efficace quelle que soit la direction du vent, contrairement au
type conventionnel, qui doit être tourné pour faire face au vent.

1.4.1 Aérogénérateurs à axe horizontal

Les éoliennes à axe horizontal dont l'arbre est parallèle au sol sont basées sur la technologie
ancestrale des moulins à vent. Elles sont constituées de plusieurs pales profilées
aérodynamiquement à la manière des ailes d'avion. Dans ce cas, la portance n'est pas utilisée
pour maintenir un avion en vol mais pour générer un couple moteur entraînant la rotation. Ce
type d’éoliennes sont simples du point de vue mécanique et nécessitent un « encombrement »
au sol relativement faible pour le montage et la fixation de la tour [4].

Figure 1.6 : éolienne à axe horizontal.

La figure.1.7 représente les différents composants d'une éolienne à axe horizontal

Figure 1.7 : Composants d’une éolienne.

-14-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

1 Pales 7 Frein à disque 13 Centrale hydraulique

Mécanisme
2 Moyeu de rotor 8 Accouplement 14
d’orientation des pales
3 Nacelle 9 Génératrice Paliers du système
Radiateur de 15 d’orientation équipés
4 Cardan 10
refroidissement d’un frein à disque
Centrale de mesure du
5 Transmission 11 16 Capot
vent
Multiplicateur de
6 12 Contrôle 17 Mât
vitesse

Il existe plusieurs configurations possibles d'aérogénérateurs à axe horizontal qui peuvent

avoir des différences importantes. Néanmoins, une éolienne "classique" est généralement
constituée de trois principaux éléments [29]:

•Le mât, généralement un tube d'acier ou éventuellement un treillis métallique, doit être le
plus haut possible pour éviter les perturbations près du sol. Toutefois, la quantité de matière
mise en œuvre représente un coût non négligeable et le poids doit être limité.

•La nacelle, regroupe tous les éléments mécaniques permettant de coupler le rotor éolien au
générateur électrique : arbres lent et rapide, roulements, multiplicateur. Le frein à disque,
différent du frein aérodynamique, permet d'arrêter le système en cas de surcharge. Le générateur
est généralement une machine synchrone ou asynchrone. Les systèmes hydrauliques ou
électriques d'orientation des pales (frein aérodynamique) et de la nacelle sont nécessaires pour
garder la surface balayée par l'aérogénérateur perpendiculaire à la direction du vent.

•Le rotor, est formé par les pales assemblées dans leur moyeu. Pour les éoliennes destinées
à la production d'électricité, le nombre de pales varie classiquement de 1 à 3. Le rotor tripale
est de loin le plus répandu car il représente un bon compromis entre le coût, le comportement
vibratoire, la pollution visuelle et le bruit.

1.5 Descriptif d’une éolienne

1.5.1 Les éoliennes à vitesse fixe
Les premières éoliennes de grande puissance mises en œuvre reposent sur l’utilisation d’une
machine asynchrone à cage directement couplée sur le réseau électrique (figure.1.8). Cette
machine est entraînée par un multiplicateur et sa vitesse est maintenue approximativement
constante par un système mécanique d’orientation des pales (pitch control). La machine
fonctionne alors en hyper synchronisme c'est-à-dire à une vitesse Ωs(1-g) avec Ωs vitesse de
synchronisme (souvent Ns = 1500 trs.min-1) et g le glissement, avec g<0 pour un
fonctionnement en génératrice avec une convention moteur (|g| ≤ 1 %). La rotation des pales
par des actionneurs, hydrauliques ou électriques, permet l’augmentation de l’angle de calage β.
La puissance peut alors être limitée à la puissance nominale de la génératrice. Lors de fort vent,
cette technique permet la mise en drapeau des pales (β=90°) [30].

-15-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

Figure 1.8: Eolienne à vitesse fixe.

1.5.2 Les éoliennes à vitesse variable

Les éoliennes basées sur une génératrice asynchrone à rotor bobiné présentent l’inconvénient
de nécessiter un système de bagues et de balais et un multiplicateur, induisant des coûts
significatifs de maintenance en particulier pour les projets offshore situés en milieu salin. Pour
limiter ces inconvénients, certains constructeurs ont développé des éoliennes basées sur des
machines synchrones à grand nombre de paires de pôles et couplées directement à la turbine,
évitant ainsi le multiplicateur. Si de plus la génératrice est équipée d’aimants permanents, le
système de bagues et de balais est éliminé. L’inconvénient de cette structure, représentée à la
figure. 1.9, est qu’elle nécessite pour sa connexion au réseau de convertisseurs de puissance
dimensionnés pour la puissance nominale de la génératrice. Cet inconvénient est cependant un
avantage du point de vue du contrôle de l’éolienne. En effet, l’interfaçage avec le réseau peut
être entièrement contrôlé via le convertisseur connecté à ce réseau, tandis que le convertisseur
connecté à la génératrice permet de contrôler la puissance générée par celle-ci en limitant le
pitch control à une fonction de sécurité par grand vent. De plus ce type de configuration permet
d’assurer un découplage entre le comportement du générateur éolien (turbine + machine
synchrone) et le comportement du réseau [31].

Figure 1.9 : Eolienne à vitesse variable basée sur une machine synchrone à grand nombre de
paires de pôles.

-16-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

1.6 Modélisation de la turbine éolienne

1.6.1 Modélisation de la vitesse du vent
Dans le but de reproduire les caractéristiques de la vitesse du vent, il existe deux méthodes
qui sont les mesures expérimentales à partir d'un site bien déterminé et la modélisation
analytique à partir d'un modèle mathématique. Dans notre cas on utilisera la deuxième méthode
pour sa flexibilité à envisager plusieurs scénarios. Parmi les méthodes les plus utilisées pour
modéliser le vent, celle qui utilise la caractéristique spectrale de Van Der Hoven est le plus
répandue. La vitesse du vent V est généralement représentée par une fonction scalaire qui évolue
dans le temps [25].
𝑉 = 𝑓(𝑡) (1.1)
Cette fonction du vent peut être décomposée en une composante moyenne, variant lentement,
et des fluctuations :
𝑉 = 𝑉0 + ∑𝑛𝑖=1 𝐴𝑖 sin⁡(𝑤𝑖 𝑡 + 𝜑𝑖 ) (1.2)
V0: est la composante moyenne;
Ai, wi, φi sont respectivement l'amplitude, la pulsation et la phase initiale de chaque
composante spectrale fluctuante.
La figure.1.10 est montré un exemple de profil de vent reconstruit à partir de la
caractéristique spectrale de Van der Hoven et c'est ce profil qui sera appliqué au système étudié
dans ce mémoire. Son équation est donnée par:
𝜋 𝜋 𝜋 𝜋
𝑉 = 12 + 2 sin (2.5 − 5 ) + 2 sin (4𝑡 − 3 ) + 1.5 sin (5.4𝑡 + 12) + 0.5(2.5𝑡 − 12) (1.3)

Figure 1.10 : Profil de vent.

-17-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

1.6.2 Modélisation de la turbine éolienne

Conversion d’énergie aérodynamique en énergie électrique
Les systèmes de conversion d’énergie éolienne transforment l’énergie cinétique du vent en
énergie mécanique sur la turbine éolienne puis en énergie électrique via un aérogénérateur.
L’énergie dE d’une colonne d’air de longueur dl, de section S, de masse volumique ρ animée
d’une vitesse Vv (voir figure.1.11) peut s’écrire [23] :
1
𝑑𝐸 = . 𝜌. 𝑆. 𝑑𝑙. 𝑉𝑣2 (1.4)
2

Figure 1.11: Conversion aérodynamique en énergie électrique.

En supposant que dl=Vv.dt, on tire l’expression de la puissance Pv de la masse d’air

traversant la section S et se déplaçant à la vitesse V:
𝑑𝐸 1
𝑃𝑣 = 𝑑𝑡
= 2 . 𝜌. 𝑆. 𝑉 3 (1.5)

En réalité, la puissance récupérée par une voilure éolienne est seulement un pourcentage de
cette puissance. Pour cela, nous allons présenter des notions fondamentales sur la conversion
aérodynamique dans les parties suivantes.

Aérodynamique
Précédemment, on a vu que la puissance produite par un vent traversant une surface S dépend
du cube de la vitesse du vent V et de la densité de l'air ρ. Cette puissance est donnée par :
1
𝑃𝑣 = 2 . 𝑆. 𝜌. 𝑉 3 (1.6)

Où : 𝑆 = 𝜋. 𝑅2 (1.7)
R: Rayon de la turbine (longueur de pale). Comme nous l’avons souligné précédemment, on
ne peut pas capter en totalité la puissance fournie par la masse d’air (Pv), cela supposerait une
vitesse de vent nulle après l’organe capteur. On définit le coefficient de puissance comme suit :

-18-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

𝑃𝑇 𝑃𝑇
𝐶𝑝 = =1 (1.8)
𝑃𝑣 .𝜌.𝑆.𝑉 3
2

Ainsi, la puissance éolienne est déterminée analytiquement par formule suivante :

1
𝑃𝑇 = 2 . 𝑆. 𝜌. 𝐶𝑃 . (𝜆, 𝛽 ). 𝑉 3 ⁡⁡⁡⁡ (1.9)

On retrouve dans la littérature plusieurs types de modélisation du coefficient de puissance,

généralement valables pour une turbine particulière : chaque turbine a un comportement
spécifique. Ainsi, tout le monde est confronté à ce problème de modélisation du coefficient de
puissance. Néanmoins la modélisation utilisée dans ce travail apparait dans d'autres références.
Elle a l'avantage de se présenter sous la forme d'une seule équation, valable quel que soit
l'angle de calage β et quel que soit le rapport de vitesse λ.
Le coefficient de la puissance Cp est en fonction du rapport de vitesse λ. et de l'angle de
calage des pales β.
−𝐶5
𝐶
𝐶𝑝 (𝜆, 𝛽 ) = 𝐶1 ( 2 − 𝐶3 𝛽 − 𝐶4 ) 𝑒 𝜆𝑖
+ 𝐶6 𝜆𝑖 (1.10)
𝜆𝑖

Avec :
1 1 0.035
= (𝜆+0.8𝛽 − 𝛽3 +1) (1.11)
𝜆𝑖

𝑅Ω𝑇
𝜆= (1.12)
𝑉

Où:
ΩT : Vitesse de la turbine [rad/s].
Cl, C2, C3, C4, Cs, C6 : coefficients dépendent de la turbine considérée, ils sont donnés dans
le tableau.1.3 [32].
Tableau.1.3 : les valeurs de coefficient de la turbine.

Coefficient Valeur
C1 0.5109
C2 116
C3 0.4
C4 5
C5 21
C6 0.0068

Sur la figure.1.12, plusieurs courbes sont distinguées, mais nous sommes intéressés à celle
qui possède le plus haut sommet. Cette courbe est caractérisée par le point optimal (λopt=8.1,
CPmax =0.475, β=0) qui est le point correspondant au maximum du coefficient de puissance Cp
et donc au maximum de la puissance mécanique récupérée. Nous remarquons que
l’augmentation de β permet de réduire le coefficient Cp et par conséquent, provoquer la
diminution de la puissance mécanique récupérée sur l'axe de la turbine éolienne.

-19-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

Figure 1.12 : Courbe de coefficient Cp (λ, β).

La puissance aérodynamique de l'éolienne peut être aussi exprimée comme suit:
𝑃𝑇 = Ω 𝑇 𝑇𝑇 (1.13)
L'expression du couple aérodynamique TT est alors donnée par :
1
𝑇𝑇 = 2 . 𝜌. 𝜋. 𝐶𝑞 (𝜆, 𝛽 ). 𝑅2 . 𝑉 3 (1.14)

La valeur du coefficient de couple est déterminée par :

𝐶𝑝 (𝜆,𝛽)
𝐶𝑞 (𝜆, 𝛽 ) = (1.15)
Ω𝑇

1.7 Contrôle de suivi du point de puissance maximum (MPPT)

L'énergie éolienne, bien qu'abondante, varie continuellement au fur et à mesure que la vitesse
du vent change tout au long de la journée. La quantité de puissance de sortie d'un WECS dépend
de la précision avec laquelle les points de puissance de crête sont suivis par le contrôleur MPPT
du système de contrôle WECS, quel que soit le type de générateur utilisé. Les algorithmes
d'extraction de puissance maximale étudiés jusqu'à présent peuvent être classés en trois
méthodes de contrôle principales, à savoir le contrôle du rapport de vitesse de pointe (TSR), le
contrôle de retour de signal de puissance (PSF) et le contrôle de recherche de côte (HCS) [33].

1.7.1 MPPT avec rapport de vitesse de pointe optimal (TSR)

Dans cette méthode, le fonctionnement à puissance maximale de l'éolienne est obtenu en
maintenant le rapport de vitesse de pointe à sa valeur optimale λopt. Le principe de ce schéma
de contrôle est illustré à la figure.1.13, où la vitesse du vent mesurée Vv est utilisée pour
produire la référence de vitesse du générateur Ωref en fonction du rapport de vitesse de pointe

-20-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

optimal Ωopt. La vitesse du générateur Ωm est contrôlée par les convertisseurs de puissance et
sera égale à sa référence en régime permanent, à laquelle le MPPT est atteint [34].

Tableau 1.13 : Contrôle optimal de la TSR de l'éolienne.

1.7.2 MPPT avec profil de puissance de turbine (PSF)

L'une des méthodes de suivi du point de puissance maximale est basée sur la courbe
puissance/vitesse du vent fournie par le fabricant pour une éolienne donnée. La courbe de
puissance définit la puissance maximale qui peut être produite par l'éolienne à différentes
vitesses de vent. Un schéma fonctionnel simplifié de contrôle avec cette méthode est illustré à
la figure.1.14. La vitesse du vent est mesurée en temps réel par un capteur de vitesse du vent.
Selon le profil MPPT fourni par le fabricant, la référence de puissance Popt est générée et
envoyée au système de contrôle du générateur, qui compare la référence de puissance avec la
puissance mesurée Pm du générateur pour produire les signaux de commande pour les
convertisseurs de puissance. Grâce au contrôle des convertisseurs de puissance et de la
génératrice, la puissance mécanique Pm de la génératrice sera égale à sa référence en régime
permanent, à laquelle la puissance maximale de fonctionnement est atteinte. Il est à noter que
les pertes de puissance de la boîte de vitesses et de la transmission dans l'analyse ci-dessus sont
négligées et, par conséquent, la puissance mécanique du générateur Pm est égale à la puissance
mécanique Popt produite par la turbine [35].

-21-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

Tableau 1.14 : Contrôle de la puissance maximale avec le profil de puissance de l'éolienne.

1.7.3 MPPT avec contrôle de couple optimal

Le fonctionnement à puissance maximale peut également être obtenu avec un contrôle de
couple optimal, où le couple mécanique de la turbine Cm est une fonction quadratique de la
vitesse de la turbine Ωm. Pour un rapport de transmission donné et avec les pertes de puissance
mécanique de la boîte de vitesses et de la transmission négligées, le couple mécanique de la
turbine Cm et la vitesse Ωm peuvent être facilement convertis en couple mécanique de la
génératrice Cm et vitesse Ωm, respectivement. La figure.1.15 montre le principe du schéma
MPPT avec contrôle de couple optimal, où le tom de vitesse du générateur est mesuré et utilisé
pour calculer la référence de couple souhaitée C*m. Le coefficient pour le couple optimal Kopt
peut être calculé en fonction des paramètres nominaux du générateur. Grâce à la commande de
rétroaction, le couple générateur Cm sera égal à sa référence C*m en régime établi, et le MPPT
est réalisé. Il est à noter qu'il n'est pas nécessaire d'utiliser les capteurs de vitesse du vent dans
ce schéma [35].

Figure 1.15 : MPPT avec contrôle optimal du couple des éoliennes.

-22-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

Les systèmes MPPT sont généralement associés avec les générateurs éoliens à travers une
électronique de puissance permettant de maximiser l’efficacité énergétique du système à travers
la variation de la vitesse du vent.

Figure 1.16 : Extraction de puissance d’une chaîne éolienne.

Par exemple, la figure.1.16 montre les extrema que poursuit la MPPT d’une éolienne de type
tripale à vitesse du vent variable : la courbe de puissance en forme de cloche, typique des
éoliennes et donnée pour chaque vitesse du vent, présente un point de puissance maximale. De
plus en plus souvent, les génératrices sont donc reliées à un convertisseur électronique de
puissance contrôlé qui permet de réaliser cette fonction. De nombreux concepts ont été
introduits pour parvenir à poursuivre efficacement le point de puissance maximum pour le «
grand éolien ».

1.8 Le modèle et la technique d’extraction de MPPT

Le couple éolien fourni par la turbine, permet d’entraîner la génératrice. En tenant compte
des chutes de couple causées par le frottement et l’inertie de la turbine, nous pouvons établir le
modèle électromécanique de la figure.1.17.

-23-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

Figure 1.17 : Schéma bloc du couple de la turbine éolienne.

Le couple mécanique Cm vu par la machine synchrone est différent du couple de vent Cem car
il faut tenir compte de l'inertie de l'éolienne et du frottement visqueux propre à la structure de
l'éolienne. Cela peut se traduire mathématiquement par l'équation suivante [13]:
𝑑Ω
𝐶𝑒𝑚 = 𝐽 𝑑𝑡 + 𝑓Ω + 𝐶𝑚 (1.16)
1
Ω = 𝐽𝑠+𝑓 (𝐶𝑒𝑚 − 𝐶𝑚 ) (1.17)

Où, J et f représentent respectivement l'inertie de l'éolienne et le frottement de l'éolienne, s

désigne l'opérateur de Laplace.
Le contrôle de la vitesse maintient le rapport entre la puissance extraite et celle du vent à sa
valeur maximale. En d'autres termes, le coefficient de puissance Cp doit être maintenu à sa
valeur maximale. La figure.1.18 montre le schéma fonctionnel de contrôle adopté pour
maximiser la puissance extraite en utilisant le contrôle de la vitesse.

Figure 1.18 : Schéma fonctionnel de la turbine avec maximisation de la puissance extraite

grâce à la vitesse contrôlé.

-24-
 CHAPITRE 01 : l’énergie éolienne ; une source renouvelable et efficace

1.9 Conclusion
Dans ce chapitre, nous avons présenté un état de l’art décrivant tout d’abord les notions
générales sur l’énergie éolienne, son intérêt et la croissance de cette filière ; nous avons aussi
présenté la situation actuelle du système éolien dans le monde, et spécialement dans l’Algérie,
la synthèse et la conception des différents types d’éoliennes de grande puissance raccordées au
réseau ainsi que leurs capacités de réglage. Les éoliennes à vitesse fixe permettent peu de
réglage et fonctionnent comme des générateurs passifs. Les éoliennes à vitesse variable offrent
plus de possibilités de réglage, mais ont un coût plus élevé. L’éolienne à base d’une machine
synchrone à aimants permanents offre des capacités qui pourraient lui permettre de participer
aux réglages du réseau dans certaines conditions de vent ; Ces capacités étant accrues en
l’associant à des systèmes de stockage d’énergie (supercondensateurs, stockage inertiel,
système multi – sources...). Le prochain chapitre est décrit l’importance de GSAP dans le
système de conversion éolienne, nous avons abordé aussi son modélisation, et son commande
via un redresseur pour Controller le courant, la tension et la tension en bus continu.

-25-
 CHAPITRE 02

Modélisation de Machine
Synchrone à Aimants
Permanents
 Chapitre 02 : Modélisation de Machine
Synchrone à Aimants Permanents

2.1 Introduction
La machine synchrone à aimants permanents (MSAP), connaît un regain d’intérêt
dans le domaine de la traction électrique et dans le domaine de la production d’énergie
électrique. Elle est par exemple utilisée dans la nouvelle génération de système de
contrôle du vecteur de poussée (en anglo-saxon Thrust Vector Control ou TVC), les
nouvelles Automotrices Grande Vitesse d’Alstom (AGV)... Elle est aussi utilisée
dans l’exploitation du potentiel énergétique éolien pour produire de l’énergie électrique
sur des sites isolés avec raccordement aux réseaux électriques de distribution [36]. Il
s’agit dans ce chapitre de présenter les domaines d’application et l’importance de GSAP
dans la chaîne de conversion éolienne.

2.2 Les machines synchrones a aiment permanant (GSAP)

L'utilisation des machines synchrones autopilotées dans les entraînements à vitesse
variable a fortement augmenté ces dernières années, car ces machines ont des
caractéristiques similaires à celles des machines à courant continu, sans présenter les
inconvénients liés à la présence du collecteur mécanique (entretien, limitation des
vitesses de variation du courant, impossibilité de travailler dans les milieux corrosifs
ou explosifs), ce qui exclut l'utilisation de celle-ci pour des gammes de puissance
élevée.
L'arrivée sur le marché des nouveaux aimants permanents à hautes performances,
comme les aimants en terres-rares, a été à l'origine d'une nouvelle génération de
machines synchrones. Jusqu'à l'apparition des composés samarium-cobalt, les aimants
ont été essentiellement utilisés pour de petits moteurs synchrones. Grâce à
l'amélioration des caractéristiques des aimants, les machines synchrones à aimants
permanents présentent des performances supérieures à celles des machines à rotor
bobiné jusqu'à des puissances assez importantes (de 0.5 à 50 kW) [37].
Les principaux avantages des moteurs à aimants permanents sont :
- La suppression des contacts glissants et des dispositifs complexes à diodes
tournantes, onéreux et encombrants. Ce mode d'excitation est d'autant plus
envisageable que l'on dispose actuellement d'aimants possédant de bonnes propriétés
magnétiques (champ coercitif élevé, perméabilité magnétique voisine de µ et
électriques (résistivité élevée)).
- Les pertes joules et les pertes fer sont localisées au stator, ce qui simplifie le
refroidissement de la machine synchrone à aimants permanents comparée à la machine

-27-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

à excitation par du courant continu. Ceci autorise un couple volumique plus élevé à
vitesse donnée.
- La faible inertie du rotor, d'où il résulte une faible constante de temps mécanique et
donc une bonne dynamique de la vitesse.
- Les faibles constantes de temps électriques dans le cas où les aimants permanents
sont disposés sur la surface du rotor (inductance faible) : à tension de source continue
donnée, la dynamique du courant et donc du couple s'améliore avec la diminution de
l'inductance de la machine. En effet les performances dynamiques de ce type de
machine ne sont souvent limitées que par les performances de la source à fréquence
variable (onduleur + source continue) et de la commande (par la rapidité de calcul des
microprocesseurs).

2.2.1 Principe de fonctionnement de la GSAP

Il s'agit de types de machines synchrones, où l'appellation vient du fait que le rotor
de cette machine est construit à partir d'un aimant. Dans ce type de machine, la vitesse
de rotation du rotor est égale à celle du champ tournant ; on dit qu'il y a une
synchronisation entre les deux. La conversion de l'énergie dans les MSAP se fait dans
les deux sens : par conversion de l'énergie électrique en énergie mécanique (mode
moteur), et on les appelle alors "moteurs synchrones à aimant permanent (MSAP)", et
par conversion de l'énergie mécanique en énergie électrique (mode génératrice) et on
les appelle dans ce cas "génératrices synchrones à aimant permanent (GSAP)". Comme
toutes les machines électriques, les MSAP sont constituées de deux éléments
principaux : le rotor et le stator (figure.2.1) [32].

Figure 2.1 : Structure du moteur synchrone.

L'interaction entre le champ magnétique tournant créé par les enroulements du stator
et le champ magnétique de l'aimant permanent crée une force électromotrice qui
provoque le mouvement de rotation ; la vitesse de rotation est liée à la fréquence de la

-28-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

source d'alimentation et au nombre de paires de pôles de la machine, elle est donnée

2𝜋
par la relation: 𝑁𝑠 = 𝑃 .

2.2.2 Types de génératrices GSAP

La partie fixe de la machine synchrone est similaire à d'autres types de machines à
trois phases ; la différence est dans la partie mobile (rotor) dans laquelle on peut
distinguer plusieurs types selon la topologie et la construction de ce dernier. Selon la
disposition des aimants sur le rotor, nous pouvons distinguer quatre types de MSAP
[38]:
Machines synchrones à aimants permanents montés en surface (Surface Mounted)
Cette configuration est la plus facile à réaliser car les aimants sous forme de tuiles
sont fixés sur le périphérique du rotor (généralement à pôles lisses) comme le montre
la figure.2.2a ; les inductances Ld et Lq sont égales et ne dépendent pas de la position
du rotor ; en revanche ce type de machine présente certains inconvénients tels que la
démagnétisation des aimants et le risque de détachement dû à la force centrifuge.
Machines synchrones à aimants permanents insérés (MSAPI)
Dans ce type de machine les aimants sont insérés dans des rainures entaillées à la
surface du rotor (figure2.2b) ; par rapport au MSPAS, ce type donne plus de
performance au niveau du couple produit, cependant les espaces entre les aimants
augmentent l'effet saillant.
Machines synchrones à aimants permanents chapeautés (MSAPC)
Cette structure est similaire à celle du MSAPS, avec l'utilisation des pièces polaires
en acier doux placées sur les aimants ; ces pièces permettent de contrôler la forme de la
f.é.m (force électromotrice) du stator agissant sur le profil de la pièce. Cependant l'effet
saillant augmente à cause de la combinaison anisotrope "aimants-pièces polaires"
(figure.2.2c).
Machines synchrones à aimants permanents enterrés (MSAPE)
Dans la structure de la figure.2.2d, les pièces polaires sont utilisées pour canaliser le
flux généré par les aimants permanents à aimantation tangentielle dont la surface
latérale est supérieure à la demi-surface de la pièce polaire prise au niveau de l'entrefer,
dans le but d'augmenter l'induction magnétique dans l'entrefer par rapport à l'induction
rémanente des aimants permanents.
Machines synchrones à rotor bobiné (MSRB)

Ce genre de machine est constitué d'un rotor qui comporte des bobines au lieu
d'aimants permanents comme dans les structures précédentes. On alimente ces bobines
par des courants continus par l'intermédiaire des contacts glissant balais-bagues pour
générer le flux magnétique inducteur dans l'entrefer. On distingue deux types de
machine synchrone à rotor bobiné : les machines à pôles lisses et les machines à pôles
saillants. La machine à pôles lisses a une inductance constante quelle que soit la position

-29-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

du rotor. Par contre, la machine à pôles saillants a un entrefer magnétique variable

suivant la position des pôles, ce qui entraîne une variation d'inductance. L'alternateur
d'automobile à griffes est considéré comme une machine à pôle saillant (figure.2.2e).
.

a) : MSAP à aimants en surface. b) : MSAP à aimants inséré.

c) : MSAP à aimants chapeauté. d) : MSAP à aimants enterrés.

e) : MSAP à rotor bobiné à pôles saillants.

Figure 2.2 : Topologies des machines synchrones à aimants permanents.

-30-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

2.3.3 Avantages des éoliennes à base des machines synchrone à aimants

permanents par rapport aux autres types de machines [39]
Un avantage évident de l'utilisation des aimants au niveau de la production du flux
est la suppression des pertes par effet joule du système inducteur. Il est aisé de
démontrer que dans le cas des machines classiques l'importance relative des pertes par
effet joule par rapport à la puissance utile est d'autant plus élevée que la machine est de
taille réduite.
Un autre avantage de l'excitation par aimants, concerne l'amélioration de la sécurité
de fonctionnement. Les moteurs synchrones à aimants sont intéressants du point de vue
puissance, rendement, facteur de puissance et moment d'inertie pour les gammes
accessibles à leurs utilisations (coût et fiabilité).
Le couplage de ces machines avec l’électronique de puissance devient de plus en
plus viable économiquement, ce qui en fait un concurrent sérieux des génératrices
asynchrones à double alimentation.
Les systèmes de ce type ont un taux de défaillance jugé faible grâce à la suppression
de certaines sources de défauts : suppression du multiplicateur de vitesse et du système
de bague et balais. Les frais d’entretien sont alors minimisés ce qui est très intéressent
dans les applications éoliennes, en particulier dans les sites difficilement accessibles
(offshore par exemple), ainsi la présence obligatoire de l’électronique de puissance
permet enfin une régulation simple de la vitesse de rotation et donc une optimisation
énergétique efficace.

2.3 Modélisation et commande de la GSAP

Grâce aux nombreux avantages qu’elle a par rapport aux autres types de machines
électriques (robustesse, maintenance, prix), la machine synchrone à aimants
permanents est intéressante pour l’utilisation comme génératrice couplée à une turbine
éolienne [40].

2.3.1 Modèle mathématique de la GSAP

Hypothèses simplificatrices
Le modèle mathématique de la machine synchrone à aimant permanant (MSAP)
obéit à certaines hypothèses simplificatrices :
 l’absence de la saturation dans le circuit magnétique.
 la distribution sinusoïdale de la force magnétomotrice (fmm), crée par les
enroulements du stator.
 l’hystérésis, les courants de Foucault, l’effet de peau sont négligé.
 l’effet des encoches et négligé.
 La résistance des enroulements ne varie pas avec la température.

-31-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

La structure de la machine à aimant permanant comporte un enroulement triphasé au

stator. L’excitation est créée par les aimants permanents au niveau du rotor, ces derniers
sont supposés de perméabilité voisine de celle de l’air.
Équations électriques de la GSAP
Les équations électriques dans le plan (a, b, c) peuvent s'écrire comme suit :
𝑉𝑎 𝑖𝑎 𝜑𝑎
𝑑
[𝑉𝑏 ] = 𝑅𝑠 [𝑖𝑏 ] + [𝜑𝑏 ] (2.1)
𝑑𝑡
𝑉𝑐 𝑖𝑐 𝜑𝑐
Avec
[Va, Vb, Vc] : le vecteur des tensions statoriques.
[ia, ib, ic] : le vecteur des courants statoriques.
[φa, φb, φc] : le vecteur des flux totaux traversant les bobines statorique.
Rs : la résistance d'une phase statorique.
Comme les enroulements statoriques sont montés en étoile à neutre isolé (figure.2.3),
la somme instantanée des courants statoriques est nulle, de sorte qu'il n'y a pas de
courant homopolaire. Par conséquent, s'il existe une composante homopolaire de
tension ou de flux, elle n'intervient pas dans le couple. Le comportement de la machine
est donc représenté par deux variables indépendantes.

Figure 2.3: Structure de la génératrice synchrone.

Équations électriques de la GSAP dans le repère de Park.

Afin de simplifier le modèle mathématique de la GSAP, la transformation du Park
est utilisée; cette dernière est un outil mathématique qui nous permet de transformer les
trois axes de la machine dans le repère (a, b, c) en deux axes orthogonaux (d, q), c'est à

-32-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

dire la transformation des trois bobines statoriques diphasées de 2π/3, en deux bobines
diphasées de π/2 et situées sur le rotor comme indiqué dans la figure.2.4.

Figure 2.4: GSAP dans le repère (d, q) de Park.

La transformation de Park est donnée par la matrice :

2𝜋 4𝜋
𝑐𝑜𝑠𝜃 cos⁡(𝜃 − ) 𝑐𝑜𝑠(𝜃 − )
3 3
2 2𝜋 4𝜋
𝑃(𝜃) = √3 𝑠𝑖𝑛𝜃 𝑠𝑖𝑛(𝜃 − 3
) 𝑠𝑖𝑛(𝜃 − 3
) (2.2)
1 1 1
[ √2 √2 √2 ]
Pour revenir aux repères triphasés (a, b, c), on utilise la transformation inverse de
Park qui est donnée par :
1
𝑐𝑜𝑠𝜃 𝑠𝑖𝑛𝜃
√2
2 2𝜋 2𝜋 1
𝑃(𝜃)−1 = √3 cos⁡(𝜃 − 3
) 𝑠𝑖𝑛(𝜃 − 3
) (2.3)
√2
4𝜋 4𝜋 1
[𝑐𝑜𝑠(𝜃 − 3
) 𝑠𝑖𝑛(𝜃 − 3
)
√2 ]

Les équations des tensions, courants et flux seront données par :

𝑉𝑎
𝑉𝑠𝑑
[ 𝑉 ] = 𝑃(𝜃) [𝑉𝑏 ] (2.4)
𝑠𝑞
𝑉𝑐
𝑖𝑎
𝑖𝑠𝑑
[𝑖 ] = 𝑃(𝜃) [𝑖𝑏 ] (2.5)
𝑠𝑞
𝑖𝑐
𝜑𝑎
𝜑𝑠𝑑
[ 𝜑 ] = 𝑃(𝜃) [𝜑𝑏 ] (2.6)
𝑠𝑞
𝜑𝑐

-33-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

Avec : Vsd, Vsq, isd, isq : les composantes directes et en quadrature de tension et de
courant φsd, φsq: les composantes directes et en quadrature du flux. Appliquant la
transformation de Park sur l'équation.2.4 ; l'équation électrique de la GSAP devient:
𝑉𝑠𝑑 𝑖𝑠𝑑 𝑑 𝜑𝑠𝑑 𝜑𝑠𝑞
[ 𝑉 ] = 𝑅𝑠 [𝑖 ] + 𝑑𝑡 [ 𝜑 ] + 𝑝𝛺 [𝜑 ] (2.7)
𝑠𝑞 𝑠𝑞 𝑠𝑞 𝑠𝑑

Nous pouvons écrire les équations électriques de la GSAP dans le repère de Park
sous la forme :
𝑑𝑖𝑠𝑑
𝑉𝑠𝑑 = 𝑅𝑠 𝑖𝑠𝑑 + 𝑙𝑑 − 𝑝𝛺𝑙𝑠𝑞 𝑖𝑠𝑞
𝑑𝑡
{ 𝑑𝑖𝑠𝑞 (2.8)
𝑉𝑞𝑠 = 𝑅𝑠 𝑖𝑠𝑞 + 𝑙𝑞 + 𝑝𝛺𝑙𝑠𝑑 𝑖𝑠𝑑 + 𝑝𝛺𝜑𝑓
𝑑𝑡

Avec w=pΩ, Lsd et Lsq sont les inductances directes et en quadrature, et elles sont
supposées indépendantes de θ.
φf: le flux des aimants permanents.
Équations magnétiques
Dans les machines synchrones à répartition sinusoïdale des conducteurs, 1/lds et 1/lqs
sont en fonctions linéaires des courants isd et isq :
𝜑𝑠𝑑 = 𝑙𝑠𝑑 𝑖𝑠𝑑 + 𝜑𝑓
{ (2.9)
𝜑𝑠𝑞 = 𝑙𝑠𝑞 𝑖𝑠𝑞

Équations mécaniques
L'équation de mouvement du système est donnée par :
𝑑Ω𝑟 1
= 𝐽 (𝐶𝑒𝑚 − 𝐶𝑟 − 𝑓Ω𝑟 ) (2.10)
𝑑𝑡

Équation électromagnétique
Dans un système triphasé équilibré (a, b, c), l'équation de la puissance absorbée peut
être écrite comme suit :
𝑃𝑎 = 𝑉𝑎 𝑖𝑎 + 𝑉𝑏 𝑖𝑏 + 𝑉𝑐 𝑖𝑐 (2.11)
Dans le repère de Park, la formule 2.11 devient :
3
𝑃𝑎 = 2 (𝑉𝑠𝑑 𝑖𝑠𝑑 + 𝑉𝑠𝑞 𝑖𝑠𝑞 ) (2.12)

Remplaçant la tension directe et en quadrature par ces expressions, la formule 2.12

devient :
3 𝑑𝑖𝑠𝑑 𝑑𝑖𝑠𝑞
𝑃𝑎 = 2 [(𝑅𝑠 𝑖𝑠𝑑 + 𝑙𝑠𝑑 − 𝑤𝑙𝑠𝑞 𝑖𝑠𝑞 ) 𝑖𝑠𝑑 + (𝑅𝑠 𝑖𝑠𝑞 + 𝑙𝑠𝑞 + 𝑤𝑙𝑠𝑑 𝑖𝑠𝑑 +
𝑑𝑡 𝑑𝑡
𝑤𝜑𝑓 ) 𝑖𝑠𝑞 (2.13)

-34-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

3 2 2 𝑑𝑖𝑠𝑑
𝑃𝑎 = 2 [𝑤[(𝑙𝑠𝑑 −𝑙𝑠𝑞 )𝑖𝑠𝑑 𝑖𝑠𝑞 + 𝜑𝑓 𝑖𝑠𝑞] ] + 𝑅𝑎 (𝑖𝑠𝑑 + 𝑖𝑠𝑞 ) (𝑙𝑠𝑑 𝑖𝑠𝑑 +
𝑑𝑡
𝑑𝑖𝑠𝑞
𝑙𝑠𝑞 𝑖𝑠𝑞 ) 𝑖𝑠𝑑 (2.14)
𝑑𝑡

On peut écrire la formule 2.14 sous la forme:

𝑃𝑎 = 𝑃𝑒𝑚 + 𝑃𝑗 + 𝑃𝑚𝑎𝑔 (2.15)

Avec :
3
Pem : la puissance électromagnétique ; 𝑃𝑒𝑚 = 2 𝑤[(𝑙𝑠𝑑 − 𝑙𝑠𝑞 )𝑖𝑠𝑑 𝑖𝑠𝑞 + 𝜑𝑓 𝑖𝑠𝑞 ]
2 2
Pj : les pertes par effet joule ; 𝑃𝑗 = 𝑅𝑎 (𝑖𝑠𝑑 + 𝑖𝑠𝑞 )
𝑑𝑖𝑠𝑑
Pmag : la variation de l'énergie magnétique emmagasinée 𝑃𝑚𝑎𝑔 = (𝑙𝑠𝑑 𝑖𝑠𝑑 +
𝑑𝑡
𝑑𝑖𝑠𝑞
𝑙𝑠𝑞 𝑖𝑠𝑞 ) 𝑖𝑠𝑑 ⁡
𝑑𝑡

2.3.2 Commande de la génératrice (GSAP)

Le schéma bloc de la commande est représenté par la figure.2.5. Le couple
électromagnétique Cem de référence peut être élaboré pour un fonctionnement à
puissance fixée qui est de toute façon utilisé pour limiter la puissance de la génératrice
à sa valeur nominale.

Figure 2.5 : Commande de la vitesse de turbine et les courants de la machine

synchrone.

-35-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

2.3.3 Calcul du couple électromagnétique

À partir de la puissance électromagnétique, on peut déduire l'expression du couple
𝑃𝑒𝑚 𝑤
électromagnétique avec 𝐶𝑒𝑚 = et Ω =
Ω 𝑝

3
𝐶𝑒𝑚 = 2 𝑃[(𝑙𝑑 −𝑙𝑞 )𝑖𝑑 𝑖𝑞 + 𝜑𝑓 𝑖𝑞 (2.16)

2.4 Modélisation des convertisseurs d'électronique de

puissance
L’onduleur de tension représente aujourd’hui un composant essentiel dans les
systèmes d’interfaçage avec le réseau. Son utilisation vient du fait qu’il permet entre
autre de contrôler les puissances actives et réactives échangées avec le réseau. Il peut
être utilisé en mode onduleur ou en mode redresseur mais la modélisation reste la même
dans les deux cas.

2.4.1 Modulation de largeur de l’impulsion MLI

Le principe général consiste à convertir une modulante (tension de référence au
niveau commande), généralement sinusoïdale, en une tension sous forme de créneaux
successifs, générée à la sortie de l’onduleur (niveau puissance). Cette technique repose
sur la comparaison entre deux signaux :
– Le premier, appelé signal de référence, représente l’image de la sinusoïde qu’on
désire à la sortie de l’onduleur. Ce signal est modulable en amplitude et en fréquence.
– Le second, appelé signal de la porteuse, définit la cadence de la commutation des
interrupteurs statiques de l’onduleur. C’est un signal de haute fréquence par rapport au
signal de référence. L’intersection de ces signaux donne les instants de commutation
des interrupteurs.
Caractéristique de la MLI
Deux paramètres caractérisent cette commande :
𝑚 = 𝑓𝑝 /𝑓𝑟, τ = 𝑉𝑟/ 𝑉𝑝
Avec :
m : L’indice de modulation qui définit le rapport entre la fréquence fp de la porteuse et
la fréquence fr de la référence. τ : Le taux de modulation (ou coefficient de réglage) qui
donne le rapport de l’amplitude de la modulante Vr à la valeur crête Vp de la porteuse.

-36-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

Figure 2.6 : Principe de la commande MLIST.

Pour l’étude de l’ensemble (génératrice - redresseur MLI - charge), on s’intéressera

uniquement au comportement dynamique des variables électriques et mécaniques de la
machine. Afin de faciliter la modélisation et réduire le temps de simulation, on modélise
le redresseur par un ensemble d'interrupteurs idéaux : c’est-à-dire résistance nulle à
l’état passant, résistance infinie à l’état bloqué, réaction instantanée aux signaux de
commande.
Pour le modèle dynamique du système, on va diviser l’étude du convertisseur en trois
parties : le coté alternatif, la partie discontinue composée par les interrupteurs et le coté
continu. Dans ce contexte, la fonction des interrupteurs est d’établir une liaison entre le
côté alternatif et le bus continu ; ces interrupteurs étant complémentaires.
Cette stratégie est une alternative à la commande dans le repère (a, b, c). Elle exige
pour la régulation des courant Iq et Id d’imposer les tensions de référence Vdref et Vqref
dont on déduit les tensions de référence sinusoïdales Varef, Vbref et Vcref, pour la
commande de redresseur.

2.5 Commande de l’association MSAP – redresseur

Après avoir présenté le modèle de la machine, nous exposerons le système
d’entraînement complet où la machine synchrone est associée au redresseur commandé.
La figure.2.7 illustre le schéma de principe de cette association.

-37-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

Figure 2.7 : Schéma de l’association MSAP – redresseur commandé.

2.5.1 Modèle mathématique du redresseur commandé

Dans l'étude de l'ensemble commande – machine – redresseur - charge, nous
intéresserons uniquement au comportement dynamique des variables électriques et
mécaniques de la machine. On peut faciliter la modélisation et réduire le temps de
simulation en modélisant le redresseur par un ensemble d'interrupteurs idéaux : c'est à
dire résistance nulle à l'état passant, résistance Infinie à l'état bloqué, réaction
instantanée aux signaux de commande. Pour le modèle dynamique du système, on va
diviser l'étude du convertisseur en trois parties : le coté alternatif, la partie discontinue
composée par les interrupteurs et le coté continu. Dans ce contexte, la fonction des
interrupteurs est d'établir un lien entre le coté alternatif et le cote continu. Ensuite la
liaison entre le coté alternatif et le coté continu au travers des interrupteurs ; ces
interrupteurs étant complémentaires, leur état est défini par la fonction suivante :
+1,⁡⁡⁡𝑆𝑗̅ = −1
𝑆𝑗 = { Pour j = a, b, c
−1,⁡⁡⁡𝑆𝑗̅ = +1

Puis les tensions de phase d'entrée et le courant de sortie peuvent être écrits en
fonction de Sj, Vdc et les courants d'entrées isa, isb, isc.
𝑖𝑠𝑎 + 𝑖𝑠𝑏 + 𝑖𝑠𝑐 = 0 (2.17)
Les tensions d'entrée entres phases du redresseur peuvent être décrites par :

𝑈𝑆𝑎𝑏 = (𝑆𝑎 − 𝑆𝑏 )𝑉𝑑𝑐

{ 𝑈𝑆𝑏𝑐 = (𝑆𝑏 − 𝑆𝑐 )𝑉𝑑𝑐 (2.18)
𝑈𝑆𝑐𝑎 = (𝑆𝑐 − 𝑆𝑎 )𝑉𝑑𝑐

Les équations de tension pour le système triphasé équilibré sans raccordement neutre
peuvent être écrites ainsi :

-38-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

V𝑠𝑎 𝑖𝑠𝑎 𝑖𝑠𝑎 𝑈𝑆𝑎

𝑑
[𝑉𝑠𝑏 ] = R s [𝑖𝑠𝑏 ] + 𝐿𝑠 [𝑖𝑠𝑏 ] + [𝑈𝑆𝑏 ] (2.19)
𝑑𝑡
𝑉𝑠𝑐 𝑖𝑠𝑐 𝑖𝑠𝑐 𝑈𝑆𝑐
Avec :
2𝑆𝑎 −𝑆𝑏 −𝑆𝑐
𝑈𝑆𝑎 = 𝑉𝑑𝑐
3
2𝑆𝑏 −𝑆𝑎 −𝑆𝑐
𝑈𝑆𝑏 = 𝑉𝑑𝑐 (2.20)
3
2𝑆𝑐 −𝑆𝑎 −𝑆𝑏
𝑈𝑆𝑐 = 𝑉𝑑𝑐
{ 3

Finalement, on déduit l'équation de couplage des cotés alternatif et continu :

𝑑𝑉𝑑𝑐
𝐶 = (𝑆𝑎 𝑖𝑠𝑎 + 𝑆𝑏 𝑖𝑠𝑏 + 𝑆𝑐 𝑖𝑠𝑐 ) − 𝐼𝐿 (2.21)
𝑑𝑡

Figure 2.8 : Modélisation du redresseur dans un repère fixe lié aux axes abc.

Les équations précédentes dans les coordonnées synchrones dq sont :

𝑑𝑖𝑠𝑑
𝑉𝑠𝑑 = 𝑅𝑠 𝑖𝑠𝑑 + 𝐿𝑠 − 𝑤𝐿𝑖𝑠𝑞 + 𝑈𝑠𝑑
𝑑𝑡
𝑑𝑖𝑠𝑞
𝑉𝑠𝑞 = 𝑅𝑠 𝑖𝑠𝑞 + 𝐿𝑠 + 𝑤𝐿𝑖𝑠𝑑 + 𝑈𝑠𝑞 (2.22)
𝑑𝑡
𝑑𝑉𝑑𝑐
{ 𝐶 = (𝑆𝑑 𝑖𝑠𝑑 + 𝑆𝑞 𝑖𝑠𝑞 ) − 𝐼𝐿 ⁡
𝑑𝑡

Avec :
1 1
𝑆𝑑 = (2𝑆𝑎 − 𝑆𝑏 − 𝑆𝑐 ) cos(𝑤𝑡) + (𝑆𝑏 − 𝑆𝑐 )sin⁡(𝑤𝑡)⁡
√6 √2
{ 1 1 (2.23)
𝑆𝑞 = (𝑆𝑏 − 𝑆𝑐 ) cos(𝑤𝑡) − (2𝑆𝑎 − 𝑆𝑏 − 𝑆𝑐 )sin⁡(𝑤𝑡)
√2 √ 6

-39-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

Figure 2.9: Modélisation du redresseur dans un repère lié aux axes dq.

L'onduleur de tension est modélisé par la relation (2.20) et son schéma bloc est le
suivant :

Figure 2.10: Schéma bloc de l'onduleur de tension.

Dans un premier temps, On propose de mettre en œuvre des régulateurs de type PI
dans la structure de commande. Les équations du modèle mathématique de la machine
synchrone à aimants permanents peuvent être écrites par la forme :

𝑉𝑠𝑑 (𝑆) = 𝑅𝑠 𝑖𝑠𝑑⁡ (𝑆) + 𝑆. 𝐿𝑠 . 𝑖𝑠𝑑 (𝑆) − 𝜔. 𝜑𝑠𝑞 (𝑆)

{ (2.24)
𝑉𝑠𝑞 (𝑆) = 𝑅𝑠 𝑖𝑠𝑞⁡ (𝑆) + 𝑆. 𝐿𝑠 . 𝑖𝑠𝑞 (𝑆) + 𝜔. 𝜑𝑠𝑑 (𝑆)

-40-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

On mit les termes de couplage

𝑒𝑑𝑞 = 𝜔. 𝜑𝑠𝑑𝑞 (2.25)

Ed,q = ω . 𝜑 sdq sont les fem de rotations dues aux termes de couplage.

Nous rappelons que ces termes de couplage sont considérés comme des perturbations
mesurables. La fonction de transfert de la machine synchrone à aimants permanents
peut s’écrire sous la forme :

1 1 1
𝐺𝑠 (𝑠) = 𝑅 = 𝑅 . 1+𝑇 .𝑆 ⁡⁡ (2.26)
𝑠 +𝑆.𝑙𝑠𝑑 𝑠 𝑒

𝑖𝑑,𝑞 (𝑠)
𝐺𝑠 (𝑠) = 𝑉 ⁡⁡ (2.27)
𝑑,𝑞 (𝑠)+𝐸𝑑,𝑞 (𝑠)

Avec la constante de temps électrique :

𝐿
𝑇𝑒 = 𝑅𝑠 (2.28)
𝑠

La figure.2.11 présente la boucle de régulation sous forme d’un schéma.

Figure 2.11: Boucle de régulation du courant.

La fonction de transfert en boucle ouverte est donnée par :

𝐾𝑖 𝐾 1 1
𝐺0 (𝑆) = (1 + 𝐾𝑝 . 𝑆) = 𝑅 . 1+𝑇 .𝑆 (2.29)
𝑆 𝑖 𝑠 𝑒

Avec les constantes de temps sont égales à :

𝐾𝑝
𝑇0 = 𝑇𝑒 = (2.30)
𝐾𝑖

Les paramètres du régulateur sont déterminés par la méthode de la compensation du

pôle en boucle ouverte.

En boucle fermée, la fonction de transfert devient :

𝐺 (𝑆) 1 1
𝐺𝑐𝑙 (𝑆) = 1+𝐺0 = 𝑅 . 1+𝑇 (2.31)
0 (𝑆) 1+ 𝑠 .𝑆 𝑓 .𝑆
𝐾𝑖

-41-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

La constante de temps Tf est donc égale à :

𝑅
𝑇𝑓 = 𝐾𝑠 (2.32)
𝑖
Alors :
𝑅
𝐾𝑖 = 𝑇 𝑠 (2.33)
𝑓

D’après les expressions précédentes, le coefficient proportionnel Kp du régulateur

est égal :

𝐿
𝐾𝑝 = 𝑇𝑠 (2.34)
𝑓

Les boucles de régulation se présentent alors sous la forme du schéma donné par la
figure.2.12. Le schéma est identique pour la boucle de courant dans l’axe q.

𝑖𝑑𝑟𝑒𝑓 +
𝐾𝑖 +
1
𝑖𝑑 , 𝑖𝑞
⁡ 𝐾𝑝 +
𝑖𝑞𝑟𝑒𝑓⁡ 𝑠 _ 𝑙𝑠 (𝑠) + 𝑅𝑠
_
𝑖𝑑

𝐿𝑑 , 𝐿𝑞

𝑖𝑑 , 𝑖𝑞 ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝜔𝑟

Figure 2.12 : Boucle de régulation de courant avec découplage.

Les courants de références sont obtenus à partir de la boucle de régulation de

vitesse qui est traitée dans la partie suivante.

2.5.2 Régulation de la tension en bus continu

La régulation de la tension du bus continu a pour but de la maintenir à une valeur de
référence constante, en contrôlant le processus de chargement et de déchargement du
condensateur. Le schéma électrique du bus continu représenté sur la figure.2.13 ; on
montre que le courant du condensateur est issu d’un nœud où circulent deux courants
modulés par chaque convertisseur [40]:
𝑖𝑐 = 𝑖1 − 𝑖2 (2.35)

-42-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

Figure 2.13: Schéma électrique du bus continu.

Le bus continu est modélisé par la connaissance de la tension aux bornes du

condensateur obtenue en intégrant l’équation différentielle suivante :

𝑑𝑉𝑑𝑐 1
= 𝐶 . 𝑖𝑐 (2.36)
𝑑𝑡

𝑑𝑉𝑑𝑐
𝑉𝑑𝑐 = ∫ + 𝑉𝑑𝑐 (𝑡0 ) (2.37)
𝑑𝑡

Où :

 Vdc (t0) : la valeur initiale de la tension à l’instant t0.

 ic : courant dans le condensateur.
 Vdc: tension du bus continu.
 C : valeur de la capacité.
 i1 : courant modulé par le convertisseur du côté de la machine.
 i2 : courant modulé par le convertisseur du côté du réseau.

Dans le domaine de Laplace, l’équation précédente devient :

1
𝑉𝑑𝑐 = 𝐶.𝑆 . 𝑖𝑐 (2.38)

D’où, la boucle de régulation de Vdc dotée d’un correcteur PI est montrée sur la
figure.2.14.

Figure 2.14: Boucle d’asservissement de la tension du bus continu.

Le calcul des paramètres des régulateurs sera déduit de la FTBF Gcl [41]:

-43-
 CHAPIRE 02 : Modélisation de Machine Synchrone à Aimants Permanents

𝐾 .𝑆+𝐾𝑖
𝑝 𝐾 𝐾 .𝑆 𝐾
𝐺𝑐𝑙 = 𝐶.𝑆 2 +𝐾 = 𝐶.𝑆 2 +𝐾𝑖 .𝑆+𝐾 + 𝐶.𝑆 2 +𝐾𝑝 ≈ 𝐶.𝑆 2 +𝐾𝑖 .𝑆+𝐾 (2.39)
𝑝 .𝑆+𝐾𝑖 𝑝 𝑖 𝑝 .𝑆+𝐾𝑖 𝑝 𝑖

Pour t >>
𝐾𝑝 .𝑆
2 =0 (2.40)
𝐶.𝑆 +𝐾𝑝 .𝑆+𝐾𝑖

La réponse indicielle du deuxième terme, tend à s’annuler après un régime transitoire

parce que la décomposition partielle d’un tel polynôme est la somme de deux
polynômes de premier ordre, qui tendent à s’annuler avec une constante du temps égale
à la valeur du pôle (doit être négative) « τi=Pi » :

𝐴.𝑆 𝐴1 𝐴2
= 𝑆+𝑃1 + 𝑆+𝑃2 (2.41)
𝐶.𝑆 2 +𝐾𝑝 .𝑆+𝐾𝑖

Le calcul des paramètres du régulateur sera fait en comparant la FTBF avec celle
d’un deuxième ordre sans zéro.
𝐾𝑖
𝐶
𝐾𝑖 = 𝐶. 𝜔𝑛2
𝐺𝑐𝑙 = ={ (2.42)
𝐾𝑝 𝐾
𝑆 2 +( ).𝑆+ 𝑖
𝐶 𝐶
𝐾𝑝 = 2. 𝜉. 𝐶. 𝜔𝑛2

Après avoir régulé la tension du bus continu, la puissance électromagnétique extraite

du vent, doit être injectée au réseau via l’onduleur auquel il est connecté.

2.6 Conclusion
Dans ce chapitre, nous avons d’abord décrit la présentation sur les différents types
des GSAP. En effet, nous avons débuté par une représentation succincte de l’ensemble
des domaines d’application de la GSAP afin de montrer l’importance de ce type de
machine surtout dans la chaine de conversion éolienne ainsi que ses différents
avantages et inconvénients. Ensuite, nous avons présenté la modélisation de ce type de
machine en tenant en compte la commande vectorielle de différents paramètres tels que
les courants dans les axes d, q et la tension en bus continu.
Le raccordement de système éolien avec le réseau de distribution est un sujet
d'actualité. Le réseau électrique impose la stabilité de la tension et de la fréquence ; il
faut donc gérer les phases transitoire de fonctionnent de l’éolienne et le raccordement
par le réglage de déphasage et le module tension qui génère par le système éolien.
Dans la suite de travail nous présentons le raccordement de notre système avec un
réseau de distribution électrique qui alimente une charge non linéaire par
l’intermédiaire du filtre active parallèle ; ce filtrage assure l’accordement idéal et
élimine les courants d’harmoniques députés par la charge non-linéaire.

-44-
 CHAPITRE 03

Conception d’un filtre active

raccordé en parallèle avec le
réseau électrique alimenté par un
system éolien
 Chapitre 3 : Conception d’un filtre active
raccordé en parallèle avec le réseau
électrique alimenté par un system éolien

3.1 Introduction
Lors de l'exploitation du réseau électrique conventionnel, le problème de la qualité de
l'énergie électrique fournie aux utilisateurs a surgi. Cela est dû à la présence croissante sur le
réseau de non-linéaires charges ; ils constituent une source de pollution harmonique du réseau,
qui génèrent de nombreuses perturbations, et perturbent le fonctionnement optimal des
équipements électriques. Ce chapitre est consacré a étudié le réseau électrique en état sain, et
puis ; nous proposons une solution pour avoir un raccordement idéale en tenant en compte le
fréquence et la tension de réseau électrique, éliminer les harmoniques de courant introduites par
les charges non linéaires, grâce à un Filtre Actif Shunt alimenté par un générateur éolien, pour
compensation à la fois des courants harmoniques et de la puissance réactive [42]. L'algorithme
de contrôle et de régulation de l'onduleur triphasé fonctionnant en compensateur d'harmoniques
utilise le Stratégie de contrôle PWM. Nous procédons dans un premier temps à l'identification
des courants de références, qui permettent de contrôler les courants injectés dans le réseau,
grâce à un régulateur qui détermine la tension de référence du inverseur de contrôle PWM.
Enfin, la simulation numérique du système de compensation éolien, que nous avons abordée
dans ce chapitre nous permettre d'atteindre de très bonnes performances de compensation, du
point de vue de la réduction de la distorsion taux d'harmoniques et l'amélioration du facteur de
puissance.

3.2 Le réseau de transport électrique

Le produit « électricité » n’est pas un produit comme les autres : ce bien, pas (ou peu)
stockable, nécessite pour être transporté une adéquation en temps réel entre l’offre et la
demande ; cela impose un fonctionnement calé sur une courbe de charge variable selon
l’intensité des besoins. La pointe d’appel de puissance instantanée maximale (en hiver ou en
été), c’est-à-dire l’instant où le réseau transporte le plus d’électricité, dimensionne ainsi les
infrastructures de production, de transport et de distribution [43].
Par ailleurs, l’électricité, contrairement aux autres énergies doit être présente partout sur le
territoire national (droit à l’électricité), pour des raisons économiques, sociales et
d’aménagement du territoire. Elle est de plus incontournable dans la plupart des équipements
et services qui deviennent, en quelque sorte, dépendants de leur alimentation électrique, en
particulier du fait du développement des équipements électroniques embarqués (automatismes,
programmateurs d’équipements électroménagers…) et de la présence dans les équipements
énergétiques non électriques (chaudières par exemple) d’auxiliaires électriques indispensables

-46-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

à leur fonctionnement. Comme cela a pu être observé lors des événements climatiques de 1999,
lorsque la desserte électrique est interrompue, l’ensemble du système de production
économique ainsi que les services rendus aux populations sont directement et profondément
pénalisés [44].

3.3 Généralités sur les perturbations des réseaux électriques.

3.3.1 Les perturbations des réseaux électriques.
La qualité de l'énergie électrique est devenue un facteur important de problème pour les
services publics d'électricité et leurs clients. Par conséquent, L'étude de la qualité de l'énergie
(PQ) gagne en intérêt. La dégradation dans la qualité de l'énergie électrique est normalement
causée par des perturbations de la ligne électrique telles que les creux/pointes de tension avec
et sans harmoniques, interruption momentanée, distorsion harmonique, scintillement, encoche,
pointes et transitoires, provoquant des problèmes tels que des dysfonctionnements, instabilités,
courte durée de vie, défaillance des équipements électriques etc. Dans un réseau de distribution
électrique, des défauts peuvent provoquer chute de tension ou interruption momentanée lors de
l'extinction une charge importante. D'autre part, l'utilisation de la commutation à semi-
conducteurs dispositifs et charges à commutation électronique non linéaires et de puissance tels
que les redresseurs ou les onduleurs peuvent provoquer une distorsion harmonique et entailler
la tension et le courant ou la mise sous tension d’un condensateur alimenté par une source
renouvelable peut surmonter ces problèmes [45, 46].

3.3.2 Perturbations harmoniques

Harmoniques

Les harmoniques sont des signaux de courant ou de tension sinusoïdaux dont la fréquence
est un multiple entier de la fréquence du fondamental. Les charges non linéaires sont de
puissants générateurs d'harmoniques. A titre d'exemple, la figure.3.1 présente les harmoniques
de rangs 3 et 5.

Figure 3.1 : Harmoniques.

-47-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

Sources d'harmoniques

Les charges peuvent être classées en deux familles principales :

a). Les charges linéaires

Une charge est dite "linéaire" si le courant qu'elle absorbe est sinusoïdal lorsqu'elle est
alimentée par une tension sinusoïdale. Ce type de récepteur ne génère pas d’harmoniques ;
exemple : convecteurs, moteurs branchés directement sur le réseau, etc.

b). Les charges non linéaires

Une charge est dite "non linéaire" si le courant absorbé n'est pas sinusoïdal lorsqu'elle est
alimentée par une tension sinusoïdale. Ce type de récepteur est générateur d’harmoniques ;
exemple : alimentation à découpage, moteurs au démarrage, mise sous tension de
transformateurs, etc. En déformant le courant consommé, ces charges vont entraîner une
distorsion de l'onde de tension dans un rapport dépendant de l'impédance de source (U=ZI).

a) Une charge linéaire (b) Une charge non linéaire

Figure 3.2 : Formes d'ondes de la tension et du courant.

Cette distorsion de l'onde de tension peut entraîner un vieillissement prématuré de certains

équipements (transformateurs, câbles, condensateurs, etc.) ou accroître le courant présent dans
le conducteur neutre.

Inter harmoniques

Ce sont des composantes sinusoïdales d'une grandeur qui ne sont pas des fréquences
multiples entières de celle du fondamental.

Infra harmoniques

Ce sont des composantes qui sont à des fréquences inférieures à celle du fondamental.

-48-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

Figure 3.3: Harmoniques, les inters et infra harmonique.

Ces deux catégories de perturbations sont dues à des variations périodiques et aléatoires de
la puissance absorbée par certaines machines électriques (commande par train d'ondes, etc.).

Taux de distorsion harmonique

Différents critères sont définis afin de caractériser les perturbations. Le taux de distorsion
harmonique et le facteur de puissance sont les plus employés pour quantifier respectivement les
perturbations harmoniques et la consommation de puissance réactive. Deux taux de distorsion
harmonique sont distingués : le taux de distorsion harmonique en courant et le taux de distorsion
harmonique en tension.

- Le taux de distorsion harmonique en courant, noté TDHi et exprimé par :

√∑𝑁
ℎ=2(𝐼ℎ )
2
𝑇𝐻𝐷𝑖 = . 100 (3.1)
𝐼𝐹

Où Ih représente l'amplitude du courant harmonique de rang h et IF représente l'amplitude du

courant fondamental.

-Le taux de distorsion harmonique en tension, noté TDHv et exprimé par:

√∑𝑁
ℎ=2(𝑉ℎ )
2
𝑇𝐻𝐷𝑣 = . 100 (3.2)
𝑉𝐹

Où Vh représente l'amplitude de la tension harmonique de rang h et VF représente l'amplitude

de la tension fondamentale.

-49-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

3.3.3 Conséquences de la distorsion

En injectant des courants harmoniques qui déforment la tension de la source, les charges non
linéaires peuvent perturber le fonctionnement des autres dispositifs connectés au réseau. Les
principales conséquences des effets néfastes engendrés à court terme sont rappelées ci-dessous :

Échauffement

Les pertes par effet Joule se décomposent par la somme des pertes issues du fondamental et
de celles engendrées par les harmoniques :

𝑃𝐽𝑜𝑢𝑙𝑒 = 𝑅𝐹 . 𝐼𝐹2 + 𝑅ℎ . ∑∞ 2
𝑘=2 𝐼ℎ (3.3)

Où IF représente le courant fondamental, Ih représente le courant harmonique de rang h, Ich

représente le courant de la charge. Ces pertes supplémentaires provoquées par la présence des
courants harmoniques réduisent le rendement des équipements tels que les moteurs, les
transformateurs, etc.

Dysfonctionnement de certains équipements

En présence d'harmoniques, le courant et la tension peuvent changer plusieurs fois de signe

au cours d'une demi-période. Par conséquent, les équipements sensibles au passage par zéro de
ces grandeurs électriques sont perturbés.

Excitation des résonances

Des équipements constitués de capacités ou d'inductances peuvent avoir des fréquences de

résonance proches de celles des harmoniques. Ainsi, les harmoniques sont amplifiés et il peut
apparaître des surtensions ou des surintensités qui détériorent les câbles et font disjoncter les
fusibles, etc.

Ce survol sur les différentes perturbations présente les principales perturbations rencontrées
dans les réseaux électriques. Cependant, dans notre travail nous nous intéressons à l'estimation
et à la compensation des harmoniques variant dans le temps afin de réduire le taux de distorsion
harmonique.

3.4 Les techniques de dépollution des réseaux électriques

3.4.1 Filtrage passif
De nombreuses solutions ont été développées pour désensibiliser les installations
industrielles et le réseau vis-à-vis de la pollution harmonique. La solution la plus fréquemment
mise en œuvre est le filtrage passif des harmoniques.
Principe
Le principe d'un filtre passif est de modifier localement l'impédance du réseau, de façon à «
dériver » les courants harmoniques et à éliminer les tensions harmoniques y afférentes. Des

-50-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

éléments capacitifs et inductifs sont, en effet, associés de manière à obtenir une résonance série
accordée sur une fréquence choisie.
Une connaissance précise des rangs harmoniques devant être filtrés et des atténuations
requises est nécessaire à la réalisation d'un filtre. Une telle étude est généralement menée à
l’aide d'un logiciel de simulation. En fonction de l’atténuation harmonique recherchée,
différents types de filtres passifs sont utilisés.
Ils peuvent être classifiés selon leur emplacement, leur mode de connexion au circuit
principal, leur degré d’amortissement ainsi que les fréquences de leurs résonances. On distingue
généralement un filtre shunt et un filtre série. Par ailleurs, le filtre shunt est utilisé
exclusivement du côté courant alternatif (ca) pour les raisons suivantes :
- Le filtre série peut porter le courant en entier à partir du circuit principal et doit être isolé
de la terre. Le filtre shunt, par contre, porte uniquement le courant harmonique et peut être lié
à la terre à l'une des extrémités.
- A la fréquence fondamentale, un filtre shunt (ca) à l'avantage de fournir de la puissance
réactive alors qu'un filtre série consomme de la puissance réactive.
- Pour des performances égales, un filtre shunt est beaucoup moins cher qu'un filtre série.

Différents types de filtres parallèles

a)-Inductance anti-harmonique :
Cette première solution consiste à installer une inductance en série avec les condensateurs de
compensation sur chaque branche monophasée.

Figure 3.4 : Raccordement d'une inductance anti-harmonique.

Ce type de filtre a pour objectif essentiel de protéger les batteries de condensateurs d'une
surintensité due aux harmoniques. Il a en outre pour effet de réduire les tensions harmoniques
aux bornes de ces condensateurs. Il permet souvent de réduire les valeurs d'impédance
harmonique du réseau, vues du point d’injection au voisinage de la fréquence d'accord et donc
les tensions harmoniques sur le réseau.

-51-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

Pour éviter que ce filtre présente une résonance parallèle (anti-résonance) avec l'inductance
du réseau sur lequel ils sont raccordés, on les accorde sur une fréquence inférieure à celle de la
première injection de courant harmonique.

A noter aussi que l'installation d'inductances anti-harmoniques accroît la tension permanente

à la fréquence fondamentale aux bornes des condensateurs qui doivent donc être dimensionnés
en conséquence.

b)- Filtre résonant :

Un filtre résonant a pour objet de présenter une impédance très faible au passage d'un courant
harmonique à un rang déterminé.

Le facteur de qualité d'un filtre résonant est élevé ; l'accord du filtre est donc très pointu.
Plusieurs filtres résonants correspondant aux différents rangs pannoniques à filtrer, sont souvent
installés, en parallèle.

Figure 3.5 : Installations de filtres résonants.

La puissance réactive nécessaire pour l'installation est répartie entre condensateurs des
différents filtres. Ceci nécessite une étude fine du profil de charge de l'installation.

Les filtres résonants présentent l'inconvénient d'être sensibles aux variations de l'inductance
(dues à la qualité de réalisation) ou de la capacité (dues au vieillissement ou à la température),
ce qui entraîne un désaccord de l'ensemble. Cette dérive est plus marquée pour les filtres
utilisant des condensateurs de faible capacité. Afin d'ajuster la fréquence du filtre à la mise en
service, l'inductance doit être munie de prises de réglage.

c)- Filtre amorti :

On distingue trois types de filtres amortis tels qu'illustrés en figure.3.6 ; nous avons en (a)
un filtre amorti de premier ordre, en (b) un filtre amorti de second ordre et en (c) un filtre de
troisième ordre.

-52-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

a) : filtre de 1er ordre b) : filtre de 2ème ordre c) : filtre de 3ème ordre

Figure 3.6 : Filtres amortis passe-haut.

Le filtre de premier ordre exige une grande capacité et présente une perte de puissance
excessive à la fréquence fondamentale. Les filtres de second ordre et d'ordre 3 sont couramment
utilisés. Tous les deux sont en général conçus avec un faible facteur de qualité Fq compris entre
0,7 et 1,4.

Un filtre amorti de second ordre se compose d'une capacité en série avec un ensemble
constitué de la mise en parallèle d'une inductance et d'une résistance appelée résistance
d'amortissement. Il est utilisé lorsque les performances demandées ne sont pas élevées pour
filtrer simultanément les plus hautes fréquences du spectre ; c'est un filtre passe-haut de
deuxième ordre.

Figure 3.7: Installation d'un filtre amorti.

En pratique, il est courant de mettre en œuvre :

- Des filtres résonants accordés sur les premiers rangs harmoniques (rangs 5 et 7) où les
injections de courant sont importantes.

-53-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

- Un filtre amorti pour limiter l'impédance harmonique sur le reste du spectre (rangs> 11).

L'anti-résonance des filtres provoque une amplification des rangs harmoniques inférieurs à
la fréquence d'accord. Le premier filtre est alors accordé sur la première fréquence d’injection
de façon à ne pas faire coïncider la fréquence d'anti-résonance avec une injection de courant.

Il est important de prévoir une inductance ajustable afin d'accorder correctement le filtre ;
c’en raison des tolérances sur les valeurs des condensateurs et de l’inductance dont l’effet peut
être très important sur l’efficacité du filtre.

Avantages et inconvénients des filtres passifs

Le filtrage passif a déjà largement fait ses preuves dans le milieu industriel grâce à son coût
faible, son efficacité et son adaptation pour des réseaux de forte puissance. Il présente cependant
les inconvénients suivants :

- La présence sur un même réseau de deux filtres passifs accordés sur un rang théoriquement
égal, mais en pratique légèrement différent, provoque entre eux la circulation de courants
harmoniques très importants qui provoque rapidement leur destruction. Ce cas se rencontre
facilement en raison du fait que la fréquence d'accord varie lentement avec le vieillissement des
éléments du filtre. Il faut absolument éviter de raccorder des filtres harmoniques de même rang
sur un même réseau.

- La mise en parallèle d'un filtre anti-harmonique et d'une batterie de condensateurs provoque

une contrainte pouvant amener la destruction des condensateurs.

- Lorsqu'il y a plusieurs rangs harmoniques à filtrer, il est nécessaire de mettre autant de

filtres accordés sur les rangs correspondants. Ce problème peut être résolu en adoptant un filtre
à large bande qui atténue plusieurs rangs harmoniques ; ce avec un facteur d’atténuation
moindre.

- L'implantation de filtres passifs sur un réseau nécessite une étude poussée et précise. En
outre, il n'est pas toujours possible de connaître tous les paramètres du réseau, nécessaire à
l'étude, lorsqu'il est de grande dimension.

- Finalement, l'amortissement de la résonance dans les systèmes de puissance par les filtres
passifs peut introduire des résonances additionnelles indésirables pouvant conduire à la
destruction de ces filtres. L'amortissement utilisant la commande et l'électronique de puissance
se présente comme solution pour améliorer efficacement le mode opératoire du réseau.

3.4.2 Filtrage actif

Les filtres actifs de puissance ont été étudiés pour compenser les harmoniques dans les
systèmes de puissance industriels depuis le principe de compensation de base proposé en 1971
par Sasaki et Machida. Cependant, au début de l'année 1970, le domaine de filtres actifs de
puissance ne connaissait presque pas de progrès au-delà du stade de test de laboratoire, parce
que la technologie de ces circuits était très pauvre pour l'implantation pratique du principe de

-54-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

compensation. Dans les années 80, un remarquable progrès des dispositifs de commutation
rapide comme les transistors de puissance et les thyristors à induction statique a aiguillonné le
centre d’intérêt dans l’étude des filtres actifs pour la compensation des harmoniques.

En plus de la technologie de commande (MLI) [i.e. modulation de largeur d'impulsion]

sophistiquée, le développement de l'étude théorique a rendu possible leur mise au stade de test
pratique. En 1990, le filtre actif (MLI) a connu un regain d’intérêt. Ses performances de
compensation harmonique sont supérieures à celles du filtre passif LC classique.

Principe

Les filtres actifs sont des convertisseurs de puissance, agissant comme source de courants ou
de tensions harmoniques, qui injectent en série ou en parallèle sur les réseaux des courants ou
des tensions harmoniques en opposition par rapport aux perturbations existantes.

Les convertisseurs de puissance totalement commandables utilisent un GTO, IGBT ou un

MOFSET comme organe de réglage en vue d'asservir l'évolution de certaines grandeurs
relatives au générateur ou au récepteur. Ces interrupteurs sont à amorçage et blocage
commandés. L'utilisation de réseaux de commutation avec les thyristors classiques limite la
fréquence de l’onduleur à environ 100 Hz. Les thyristors interruptibles par la gâchette étendent
la fréquence jusqu'à environ 2 kHz, le transistor bipolaire à 10 kHz et le transistor MOS de
puissance à 25 kHz.

La principale raison de l’utilisation de dispositifs de commutation rapides est de pouvoir

commander l'onduleur par modulation de largeur d'impulsions. Plus on effectue des
commutations par période, plus on élimine les harmoniques de rangs supérieurs.

Principaux types de filtres

Le filtre actif peut être à source de tension ou à source de courant dont les schémas
généraux sont présentés aux figures.3.8 et 3.9.

a)- Filtre actif à source de tension :

-55-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

Figure 3.8: Convertisseur à source de tension.

b)- Filtre actif à source de courant :

Figure 3.9: Convertisseur à source de courant.

Il est requis que le convertisseur ait :

1- Une grande capacité de contrôle de courant pour une meilleure performance

2- Une grande efficacité d'opération pour une puissance supérieure

Les convertisseurs à source de tension ou à source de courant peuvent être utilisés pour le
filtrage actif. Un filtre actif à source de courant (CSAF) est supérieur en (1), parce que le
contrôle de courant se fait sans une boucle de retour. Le filtre actif à source de tension (VSAF)
est supérieur en (2), parce que les pertes dans les capacités sont inférieures à celles dans les
réactances utilisées dans les (CSAF). Plaçant l'importance en (2), plusieurs littératures
s’intéressent au filtre actif à source de tension (VSAF). Cependant, le CSAF peut s'avérer
prometteur si des bobines supraconductrices entrent dans l'usage pratique parce qu’elles
peuvent offrir une réactance avec moins de pertes.

-56-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

Un système de filtrage pratique consiste en une combinaison d'un filtre actif (FA) et d'un
filtre passe-haut de second ordre ; une excellente performance de filtrage avec une faible
fréquence de commutation est ainsi obtenue. Le filtre actif supprime les harmoniques de rangs
faibles, pendant que le filtre passe haut s'occupe du filtrage des harmoniques de rangs élevés
dans les courants de la charge.

Principales combinaisons possibles

a)- Filtrage actif parallèle (shunt)

Il est placé en parallèle avec la charge. On parle alors de filtre shunt ou parallèle. Il existe
deux types de fonctionnement pour un filtre actif parallèle :

Compensation de courants harmoniques :

Le filtre actif parallèle compensateur de courant injecte un courant qui s'oppose au courant
harmonique émis par la charge. L'ensemble charge/filtre se présente sur le réseau comme une
charge qui absorbe un courant sinusoïdal. Le dimensionnement du filtre actif dépend du courant
harmonique à fournir.

Compensation de tensions harmoniques :

Le filtre actif parallèle compensateur de tension a pour rôle de maintenir sinusoïdale la

tension à ses bornes, c'est-à-dire du côté de la charge. Le filtre actif injecte un courant
harmonique au travers de l'impédance Zs de façon à créer à ses bornes une chute de tension
harmonique qui permet de régler la tension harmonique aux bornes de la charge. Cette stratégie
de filtrage convient lorsque l'impédance de ligne Zs est suffisamment grande. En effet, le
dimensionnement en courant du filtre actif dépend du rapport : tension -source / impédance -
source.

b)- Filtrage actif série

Le filtre actif fonctionne en compensateur de tension fournit une tension qui s'oppose à la
tension harmonique du côté de la source et à la chute de tension harmonique due à la charge
non-linéaire. Il permet de limiter la tension harmonique aux bornes de la charge.

c)- Filtrage hybride (mixte actif -passif)

Le filtrage mixte ou hybride résulte de l'association d'un filtre passif et d'un filtre actif.
L’intérêt des filtres mixtes est que le filtre passif prend en charge la compensation d'une grande
partie des harmoniques, le filtre actif maintient les performances de filtrage en fonction de
l’évolution de la charge et du réseau. Ainsi la puissance du convertisseur qui constitue le filtre
actif est fortement diminuée grâce aux éléments passifs. Ces structures permettent donc
d'optimiser le rapport performance/coût et d'avoir une meilleure tenue de tension. De
nombreuses variantes sont possibles mais peu ont été réalisées industriellement. Des
performances élevées sont possibles, même avec un filtre actif de puissance réduite.

-57-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

d)- Filtre actif en série avec la source / filtres passifs en parallèle avec la charge :

Les filtres passifs sont accordés aux fréquences des harmoniques fortement présents sur le
réseau, ils absorbent une grande partie des courants harmoniques créés par la charge non
linéaire. Le filtre actif fournit une tension qui s'oppose à la tension harmonique venant du côté
source et à la chute de tension harmonique due à la charge non linéaire de façon à contrôler la
tension harmonique aux bornes de la charge.

e)- Filtre actif et filtres passifs en parallèle avec la charge :

Les filtres passifs sont accordés aux fréquences des harmoniques fortement présents sur le
réseau. Le filtre actif se comporte comme une source de tension contrôlée en courant. Les
composantes harmoniques du courant de la charge sont absorbées par la branche parallèle. Le
courant is du réseau est alors sinusoïdal.

Avantages et inconvénients des filtres actifs

Le filtre actif offre de nombreux avantages :

-Il s'adapte automatiquement à l'évolution des charges et du réseau ;

-Il peut compenser plusieurs rangs harmoniques (dans la limite de sa bande passante);

-Il ne passe pas en surcharge lorsque le courant harmonique à compenser dépasse le

dimensionnement du filtre actif. Il limite son émission de compensation harmonique au
maximum de ses capacités, mais il n’y a aucun risque de destruction ;

-Le risque de résonance entre le filtre et l’impédance du réseau ne se présente pas comme
dans le cas du filtre passif ;

-Il peut protéger des condensateurs de compensation par élimination des courants
Harmoniques générés par une charge.

Toutefois, le filtrage actif présente quelques inconvénients :

-Le filtrage actif n’est possible que dans le cas des réseaux de faible puissance ;

-Il permet la compensation de l'énergie réactive, mais à un coût très élevé par rapport au
filtrage passif ;

-Son coût est beaucoup plus élevé que celui du filtrage passif.

Le filtrage actif est donc plus intéressant sur des charges ne nécessitant pas de compensation
de la puissance réactive. Par contre, le filtrage passif est intéressant sur des charges nécessitant
cette compensation [47].

-58-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

3.5 Modélisation du réseau électrique étudié

3.5.1 Modélisation d'un système constitué d'une charge non linéaire
monophasée et d'un filtre actif parallèle
L'objectif de cette partie est de présenter une modélisation d'un réseau électrique comprenant
une charge non linéaire et un filtre actif parallèle à structure tension. La figure.3.10 décrit le
schéma d'un tel réseau.

Figure 3.10 : Schéma d'un réseau électrique comprenant une charge non linéaire
monophasée et un filtre actif.

Le réseau électrique modélisé est constitué :

- D'une source de tension sinusoïdale parfaite Vs en série avec une résistance Rs et une
inductance Ls. La fréquence de la tension est égale à 50 Hz.

- D'une charge non linéaire absorbant un courant ih. Cette charge engendre un courant
déformé constitué d'une somme de composantes harmoniques.

- D'un filtre actif parallèle à structure tension : il génère dans le réseau un courant iF et est
modélisé par une source de tension VF en série avec une inductance LF et une résistance RF.

Notons que suivant la commande appliquée aux six interrupteurs, la tension VF peut prendre
trois valeurs Vc, 0 ou -Vc.

Signalons que si les caractéristiques de la charge non linéaire évoluent dans le temps, les
composantes harmoniques des courants sont modifiées aussi. Par conséquent, afin d'atténuer
les perturbations harmoniques, le filtre actif doit s'adapter en temps-réel à ces variations afin
d'engendrer un courant iF identique au courant généré par la charge.

-59-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

3.5.2 Commande et caractéristiques d'un filtre actif parallèle monophasé

Nous utilisons un onduleur de tension commandé en courant dont le principe consiste à

comparer la somme des courants harmoniques estimés dans (ih-estmé) au courant de sortie du
filtre (iF) et de commander les interrupteurs de façon à minimiser l'erreur. Le courant ih-estimé
représente la somme des courants harmoniques estimés de courant ih absorbé dans la charge
non linéaire monophasée.

Figure 3.11 : Schéma d'un onduleur de tension monophasé avec une commande MLI.

Contrôle de courant par MLI

Le principe du contrôle par commande par modulation de largeur d’impulsion (MLI) est
décrit à la figure.3.12. Dans ce cas, la différence entre le courant référence I*ref et le courant
réel I est appliquée à l’entrée d’un régulateur. Le signal de sortie du régulateur, appelé
modulatrice, est ensuite comparé à un signal triangulaire de fréquence fixe (porteuse) afin de
déterminer les ordres de commutations des interrupteurs [48].

Figure 3.12 : Contrôle des onduleurs par MLI.

-60-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

3.5.3 Stratégie de commande des filtres actifs connectés au réseau électrique

La stratégie de contrôle pour une configuration APF shunt nécessitant la mesure des courants
de ligne réels et des courants de filtre. Les courants de filtre réels sont comparés aux courants
de référence, comme illustré à la Figure.3.12. Les résultats de la comparaison sont transmis au
système de génération d'impulsions de grille avec contrôle de la bande d'hystérésis (HB). Les
régulateurs de courant HB ont été largement utilisés pour les applications APF en raison de leur
bande passante élevée, de leur structure simple et c'est le contrôle le plus rapide avec un
minimum de matériel et de logiciel. Comme illustré sur la figure.3.13, les courants de ligne
mesurés déformés (Il1, Il2, Il2) sont transférés dans le cadre tournant synchrone (iLd, iLq) en
utilisant le bloc de transformation abc à dq0 en utilisant le circuit de boucle à verrouillage de
phase (PLL) pour maintenir la synchronisation avec le système d'approvisionnement [49].

Figure 3.13: Le contrôle du système APF shunt.

3.6 Techniques d’extraction des courants harmoniques.

3.6.1 Théorie des puissances active et réactive instantanées

La théorie des puissances instantanées réelles et imaginaires a été développée par Akagi,
dans le but de l'appliquer au contrôle des filtres de puissance actifs [9].

Cette théorie est basée sur le domaine temporel, ce qui la rend valable pour un
fonctionnement en régime permanent ou transitoire, ainsi que pour les formes d'onde génériques
de tension et de courant du système d'alimentation, permettant de contrôler les filtres de
puissance actifs en temps réel. Une autre caractéristique importante de cette théorie est la
simplicité des calculs, qui n'impliquent que du calcul algébrique (exception faite à la nécessité
de séparer les valeurs moyennes et alternées des composantes de puissance calculées).

Il applique une transformation algébrique (transformation de Clarke) des tensions et de la

charge du système triphasé actuellement dans les coordonnées a-b-c aux coordonnées α -β par
les relations :

-61-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

1 1 𝑉𝑎
3 1 − −
(𝑉𝑉𝛼 ) = √2 ( √3
2 2
√3
) (𝑉𝑏 ) (3.4)
𝛽 0 −
2 2 𝑉𝑐
1 1 𝑖𝑎
3 1 − −
(𝑖𝑖𝛼 ) = √2 ( √3
2 2
√3
) ( 𝑖𝑏 ) (3.5)
𝛽 0 −
2 2 𝑖𝑐
La puissance instantanée du système triphasé est la suivante :

𝑉 𝑉𝛽
(𝑄𝑃 ) = (−𝑉𝛼𝛽 𝐼𝛼
𝑉𝛼 ) (𝐼𝛽 ) (3.6)

Où P est la puissance réelle instantanée .Q est la puissance imaginaire instantanée. En

observant les formulations de P et Q, il est possible de les mettre sous la forme suivante :

𝑃 = 𝑃̅ + 𝑃̃
{ (3.7)
𝑞 = 𝑞̅ + 𝑞̃
1 𝑉 −𝑉𝛽
(𝐼𝐼𝛼 ) = 𝑉 2 +𝑉 2 ( 𝑉𝛼𝛽 𝑃
𝑉𝛼 ) (𝑞 ) (3.8)
𝛽 𝛼 𝛽

1 𝑉 −𝑉𝛽 𝑃̅ 1 𝑉𝛼 −𝑉𝛽 1 𝑉𝛼 −𝑉𝛽 ̃

(𝐼𝐼𝛼 ) = ⏟(𝛼 𝑉𝛼 ) ( 0 ) + ⏟( ) (𝑞0̅ ) + ⏟( ) (𝑃𝑞̃ ) (3.9)
𝛽 ∆ 𝑉𝛽 ∆ 𝑉𝛽 𝑉𝛼 ∆ 𝑉𝛽 𝑉𝛼
𝐶𝑜𝑢𝑟𝑎𝑛𝑡 𝑎𝑐𝑡𝑖𝑓 𝐶𝑜𝑢𝑟𝑎𝑛𝑡 𝑟é𝑎𝑐𝑖𝑓 𝐶𝑜𝑢𝑟𝑎𝑛𝑡 𝑑′ ℎ𝑎𝑟𝑚𝑜𝑛𝑖𝑞𝑢𝑒

Avec : ∆= 𝑉𝛼2 + 𝑉𝛽2

Enfin, il est possible de calculer les courants de référence, dans les coordonnées (α, β) en
appliquant les expressions.3.8 et 3.9. Les courants de référence sont ensuite translatés aux
coordonnées (a, b, c) par la transformée de Clarke inverse :
1 0
𝐼𝑟𝑒𝑓1 1 √3
(𝐼𝑟𝑒𝑓2 ) = √3 − 2
2
2 (𝐼𝐼𝛼 ) (3.10)
𝛽
𝐼𝑟𝑒𝑓3 −
1
−
√3
( 2 2)

-62-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

Figure 3.14: Calcul des composantes d’harmoniques par la théorie p-q.

3.6.2 Transformée de Fourier discrète (TFD)

Un signal périodique discret stationnaire de périodes N, son contenu fréquentiel peut être
extrait par la transformée de Fourrier discrète (TFD) [50] :

Soit la séquence x(n), en appliquant la TFD, on a :

−j2π(k−1)(n−1)
X(k) = ∑N
n=1 x(n). e N (3.11)

Avec : 1 ≤ k ≤ N

Où k : index fréquentiel.

La TFD inverse est donc déterminée à partir de la relation :

−𝑗2𝜋(𝑘−1)(𝑛−1)
1
𝑥(𝑛) = 𝑁 ∑𝑁
𝑘=1 𝑋(𝑘). 𝑒 𝑁 (3.12)

Avec : 1 ≤ n ≤ N

Cette expression peut se décomposer sous la forme :

2𝜋𝑘.𝑡(𝑛) 2𝜋𝑘.𝑡(𝑛)
𝑥(𝑛) = 𝑎0 + ∑𝑘=1 𝑎𝑘 . 𝑐𝑜𝑠 ( ) + 𝑏𝑘 . 𝑠𝑖𝑛( ) (3.13)
𝑁∆𝑡 𝑁∆𝑡

Avec :

𝑋(1)
𝑎0 =
𝑁

-63-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

𝑋(𝑘 + 1)
𝑎𝑘 = 2. 𝑅𝑒( )
𝑁

𝑋(𝑘 + 1)
𝑏𝑘 = −2. 𝐼𝑚( )
𝑁

Où :

x étant un signal de taille N, échantillonné pendant le temps t de pas Δt.

ak et bk, sont les coefficients de Fourrier.

Les hypothèses de base de la TFD sont :

• Chaque fréquence du signal est un entier multiple de la fréquence du fondamental ;

• La fréquence d'échantillonnage équivaut au nombre d'échantillons multiplié par la

fréquence du fondamental adoptée par l’algorithme ;

• la fréquence d'échantillonnage doit être trois fois supérieure à la plus grande fréquence dans
le signal ;

• le nombre d'échantillons par période est déterminé par un nombre entier à la puissance de
2.

3.6.3 Transformée de Fourrier Discrète récursive (TFDR)

La TFD de l'harmonique de rang m correspondant au pas temporel (k-l), d'un signal discret
xn peut être exprimée par :

𝑋𝑚 (𝑘 − 1) = ∑𝑁−1
𝑛=0 𝑥𝑛 𝑒
−𝑗𝛽𝑚 𝑛−𝑗𝜑𝑚 (𝑘−1)
(3.14)

𝑋𝑚 (𝑘 − 1) = 𝑒 −𝑗𝜑𝑚(𝑘−1) ∑𝑁−1
𝑛=0 𝑥𝑛 𝑒
−𝑗𝛽𝑚 𝑛
(3.15)

Avec j le nombre complexe, tel que j2=-1 ;

2𝜋𝑛
𝛽𝑚 = , et m allant de 0 à N-1 (N entier pair) ;
𝑁

φm représente le changement de la phase du signal de référence.

Si une autre donnée arrive à l'instant associé au pas temporel k, la nouvelle TFD devient,
avec la nouvelle donnée :

𝑋𝑚 (𝑘) = ∑𝑁−1
𝑛=0 𝑥𝑛 𝑒
−𝑗𝛽𝑚 (𝑛−1)−𝑗𝜑𝑚 (𝑘)
(3.16)

𝑋𝑚 (𝑘) = 𝑒 𝑗𝛽𝑚−𝑗𝜑𝑚(𝑘) ∑𝑁−1

𝑛=0 𝑥𝑛 𝑒
−𝑗𝛽𝑚 𝑛
(3.17)

-64-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

Avec les équations 3.16 et 3.17, les coefficients Xn et X0 sont respectivement remplacés par
x(k) et x(k-N) pour uniformiser le modèle discret, et on a :

𝑋𝑚 (𝑘) = 𝑒 𝑗𝛽𝑚 . 𝑒 −𝑗𝜑𝑚(𝑘) (𝑒 𝑗𝜑𝑚 (𝑘−1) . 𝑋𝑚 (𝑘 − 1) + 𝑥(𝑘) − 𝑥(𝑘 − 𝑁)) (3.18)

La relation 𝜑𝑚 (𝑘) = 𝜑𝑚 (𝑘 − 1) + 𝛽𝑚 donne une solution récursive simple pour le signal

harmonique de rang m, qui est :

𝑋𝑚 (𝑘) = 𝑋𝑚 (𝑘 − 1) + 𝑒 −𝑗𝜑𝑚(𝑘−1) (𝑥(𝑘) − 𝑥(𝑘 − 𝑁)) (3.19)

La TFD inverse de l'équation 3-12 donne la composante harmonique de rang m de x(k) pour
les valeurs de m allant de 0 à N/2 et n allant de 1 à N :

𝑥𝑚 (𝑛) = 𝛤(𝑚). 𝑅𝑒(𝑋𝑚 (𝑘). 𝑒 𝑗𝛽𝑚𝑛 . 𝑒 𝑗𝜑𝑚(𝑘−1) ) (3.20)

Le facteur 𝛤 est défini par :

𝑁 −1 , 𝑝𝑜𝑢𝑟 𝑚 = 0, 𝑁/2
𝛤(𝑚) = { −1 (3.21)
2𝑁 , 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡

La réponse du filtre TFDR à l'instant temporel k, xm(k), est obtenue par l'équation 3.20 pour
n=N.

Pour le cas φm(k)= φm(k -1) = 0, on a des formes d'onde de référence stationnaires.

Dans ce cas, les équations 3.19 et 3.20 deviennent :

𝑋𝑚 (𝑘) = 𝑒 −𝑗𝛽𝑚 . (𝑋𝑚 (𝑘 − 1) + ∆𝑥(𝑘)) (3.22)

𝑥𝑚 (𝑛) = 𝛤(𝑚). 𝑅𝑒(𝑋𝑚 (𝑘). 𝑒 𝑗𝛽𝑚(𝑛−1) ) (3.23)

Pour les valeurs de n allant de 1 à N.

On remarque dans le principe du filtre TFDR qu'il donne la forme d'onde des harmoniques.
La réponse est rapide pour inspecter les harmoniques évoluant dans le temps.

Ce principe est dédié pour détecter spécifiquement les composantes harmoniques

particulières voire même toutes les composantes harmoniques avec des précisions de calcul
élevées.

Ce principe ne demande pas trop de calcul à cause de l'actualisation des valeurs de son signal
immédiatement après l'entrée d'une nouvelle donnée dans le rang. Ce qui signifie que cette
théorie peut suivre en temps réel 1 'événement. Il est plus réaliste que le TFD.

-65-
 CHAPIRE 03 : Conception d’un filtre active raccorde en parallèle avec le réseau
électrique alimenté par un system éolien

3.6.4 Filtre de KALMAN

Le filtre de Kalman est un algorithme très rare, en ce sens qu'il est l'un des rares à être optimal
de manière prouvée. Il a été publié pour la première fois par Rudolf E. Kalman dans son article
fondateur de 1960 intitulé A New Approach to Linear Filtering and Prediction Problems
[51].

Le filtre de Kalman peut être utilisé pour l'estimation des harmoniques quand la fréquence
fondamentale est fixée. Quoique l'algorithme peut suivre les variations du signal, sa capacité
est limitée aux variations d'amplitude et de phase. Durant les variations de fréquence, son
fonctionnement est altéré car il ne peut pas actualiser par lui-même la valeur de la fréquence
après chaque variation. Pour résoudre ce problème il faut tenir compte de l'élément fréquence
dans l'équation d’état ; le modèle du filtre de Kalman sera dans ce cas décrit par des équations
mathématiques non-linéaires ou différentielles ; d'où le filtre de Kalman non-linéaire appelé
filtre de Kalman étendu (FKE).

La recherche d'une solution, c’est-à-dire l'estimation des paramètres par un FKE, consistera
à linéariser les équations d'état autour d'un point ou d'un ensemble de points dits de référence
appelés aussi trajectoire de référence. Le gain du filtre de Kalman étendu ne peut pas être
déterminé à priori comme dans le cas linéaire ; de plus tous ses paramètres deviennent des
fonctions aléatoires dépendant de l'estimation. Le filtre FKE a donc une tendance à diverger si
le passage de l’ancienne estimée à la nouvelle estimée s'écarte des limites de la zone de linéarité.

Une technique sous-optimale qui évite l'emploi d'un filtre non-linéaire consiste à décomposer
le problème d'estimation des paramètres par l'utilisation de deux estimateurs. La solution la plus
simple et la plus robuste consiste à adopter un estimateur de fréquence permettant l'actualisation
de la valeur de la fréquence dans l'algorithme de Kalman.

3.7 Conclusion
Ce chapitre décrit la modélisation d'un réseau électrique qui alimente une charge non linéaire
monophasée et d'un filtre actif parallèle ; les différents méthodes de détection harmonique et
mettent en relief leur efficacité à la fois pour la compensation harmonique et pour
l'amortissement de la résonance. Les comportements des différentes méthodes sont proches et
les formes d'ondes obtenues sont pratiquement identiques.

On retient par la suite trois méthodes de détection à savoir, la méthode des puissances
instantanées, le filtre de Kalman et la TFDR qui demandent peu de calcul à l'opposé de la TFD.
On intéresse dans ce travail à la théorie des puissances instantanées pour calculer les courants
d’harmoniques ; leurs commande est une partie principale dans cette travail qui nous a donc
permis de développer une commande de filtre actif pour atténuer la résonance harmonique qui
est un des effets de la propagation d'harmonique si la fréquence de résonance coïncide et / ou
est proche d'une fréquence harmonique.

Dans le chapitre suivant nous allons appliquer de des différentes commandes ; classique,
prédictive, adaptatif et intelligentes pour contrôler les différentes grandeurs de système.

-66-
 CHAPITRE 04

Application des commandes

avancées à base des méthodes
métaheuristiques et la logique floue
Chapitre 04 : Application des commandes
avancées à base des méthodes
métaheuristiques et la logique floue

4.1 Introduction
Un contrôle précis est essentiel pour chaque processus qui conduit à divers types de
contrôleurs qui sont largement utilisés dans les industries de processus. Les méthodes
de réglage de ces contrôleurs sont très importantes pour les industries de transformation
[52].
Tous les systèmes de contrôle souffrent de problèmes liés à un dépassement
indésirable, à des temps de stabilisation plus longs et à des vibrations et à une stabilité
lors du passage d'un état à un autre. Les systèmes du monde réel sont non linéaires, une
modélisation précise est difficile, coûteuse et même impossible dans la plupart des cas
[53].
Le correcteur PID est la technique la plus utilisée dans l’asservissement des
processus industriels. Ces dernières décennies ont vu l’apparition de plusieurs autres
approches de réglage des paramètres du PID se basant sur des méthodes
d’optimisations, l’objectif étant d'obtenir une réponse adéquate du procédé et de la
régulation. Bien qu’il y a plusieurs techniques existantes pour le réglage des paramètres
du correcteur PID, un travail intensif de recherche continu encore pour le rehaussement
de la qualité et l’amélioration des performances de la commande [54].
Les contrôleurs PID conventionnels ne fonctionnent généralement pas bien pour les
systèmes non linéaires. Par conséquent, des techniques de contrôle plus avancées
doivent être utilisées pour minimiser les effets du bruit. Pour surmonter ces difficultés,
il existe des approches de base du contrôle intelligent. Ces approches sont des domaines
de recherche et de développement intéressants et très prometteurs.
Dans ce chapitre, nous présentons la commande classique PI, PI fractionnaire
l’approche de logique flou, l’algorithme génétique (GA) et l’optimisation par essaim
particulaire (PSO).

4.2 Régulateur PID et ses critères de performance

Les régulateurs PID sont restés, de loin ; le plus couramment utilisé dans
pratiquement toutes les applications industrielles de contrôle de rétroaction. La raison
principale est sa structure relativement simple, qui peut être facilement comprise et mise
en œuvre dans la pratique. Ils sont donc plus acceptables que les contrôleurs avancés
dans les applications pratiques, à moins que des preuves ne montrent qu'ils sont
insuffisants pour répondre aux spécifications. De nombreuses techniques ont été

-68-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

proposées pour le réglage de leurs paramètres. La conception du contrôleur est de

minimiser l'erreur du système en anticipant les entrées, où l'erreur du système est la
différence entre la réponse souhaitée et l'entrée réelle. La mesure de l'erreur système est
utilisée comme critère de performance [55].
Considérons le système de rétroaction général avec un régulateur PID et une fonction
de transfert de centrale G(s), qui est illustré à la figure.4.1 [56]

4.2.1 Modèles de régulateurs PID

Le contrôleur PID comprend des gains proportionnels, intégraux et dérivés. Le
système d'asservissement est illustré à la figure.4.1 où r, e, y sont respectivement la
référence, l'erreur et variables contrôlées [57].

Figure 4.1: système de contrôle en boucle fermé.

Dans le diagramme de la figure.4.1, G(s) est la fonction de transfert du système et

C(s) est la fonction de transfert du contrôleur PID qui est donnée par :
𝐾𝑖
𝐶(𝑠) = 𝐾𝑝 + + 𝐾𝑑 𝑠 (4.1)
𝑠
1
𝐶(𝑠) = 𝐾𝑃 (1 + 𝑇 𝑆 + 𝑇𝑑 . 𝑆) (4.2)
𝑖

Où Kp, Ki, Kd sont respectivement les gains/paramètres proportionnels, intégraux et

dérivés des contrôleurs PID qui vont être réglés, Ti est la constante de temps intégrante
et Td est la constante de temps dérivée.

4.4.2 Réglage d’un PID

Le réglage d'un PID consiste à déterminer les paramètres Kp, Ki, Kd afin d'obtenir une
réponse adéquate du procédé et de la régulation. L'objectif est d'être robuste, rapide et
précis. Il faut pour cela limiter le ou les éventuels dépassements [58].
La robustesse est sans doute, le paramètre le plus important et délicat. On dit qu'un
système est robuste si la régulation fonctionne toujours même si le modèle change un
peu. Un régulateur doit être capable d'assurer sa tâche même avec ces changements afin

-69-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

de s'adapter à des usages non prévus/testés (dérive de production, vieillissement

mécanique, environnements extrêmes...).
La rapidité du régulateur dépend du temps de montée et du temps d'établissement
du régime stationnaire.
Le critère de précision est basé sur l'erreur statique.
L'analyse du système avec un PID est très simple mais sa conception peut être
délicate, voire difficile, car il n'existe pas de méthode unique pour résoudre ce
problème. Il faut trouver des compromis, le régulateur idéal n'existe pas. En général on
se fixe un cahier des charges à respecter sur la robustesse, le dépassement et le temps
d'établissement du régime stationnaire. Les méthodes de réglage les plus utilisées en
théorie sont la méthode de Ziegler-Nichols, la méthode de P. Naslin (polynômes
normaux à amortissement réglable), la méthode du lieu de Nyquist inverse (utilise le
diagramme de Nyquist).

4.2.3 Les indices de performances

L’indice de performance est défini comme une mesure quantitative pour décrire les
performances du système du contrôleur PID conçu. En utilisant cette technique, un
« système optimal » peut souvent être conçu et un ensemble de paramètres PID dans le
système peut être ajusté pour répondre aux spécifications requises. Pour un système
contrôlé par PID, il existe souvent quatre indices pour décrire les performances du
système : ISE, IAE, ITAE et ITSE. Ils sont définis comme suit [57] :
𝑡𝑠𝑠
 𝐼𝑆𝐸 = ∫0 𝑒 2 (𝑡)𝑑𝑡 Erreur quadratique intégrale
𝑡𝑠𝑠
 𝐼𝐴𝐸 = ∫0 |𝑒(𝑡)|𝑑𝑡 Erreur absolue intégrale
𝑡𝑠𝑠
 𝐼𝑇𝐴𝐸 = ∫0 𝑡|𝑒(𝑡)|𝑑𝑡 Erreur absolue de temps intégral
𝑡𝑠𝑠
 𝐼𝑇𝑆𝐸 = ∫0 𝑡𝑒 2 (𝑡)𝑑𝑡 Erreur quadratique de temps intégral

Ou : tss est le temps total de simulation

4.3 Conception PID d'ordre fractionnaire

4.3.1 Le Calcul Fractionnaire
Définition
L'opérateur différentiel intégral, noté 𝑎𝐷𝑡𝑞 , est un opérateur combiné de
différenciation-intégration couramment utilisé dans le calcul fractionnaire. Cet
opérateur est une notation pour prendre à la fois la dérivée fractionnaire et l'intégrale
fractionnaire dans une seule expression et est défini par [59]:

-70-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

𝑑𝛼
𝛼>0
𝑑𝑡 𝛼
𝑎𝐷𝑡𝛼 ={ 1 𝛼=0 (4.3)
𝑡 −𝛼
∫𝑎 (𝑑𝜏) 𝛼<0

Où α est l'ordre fractionnaire qui peut être un nombre complexe et a et t sont les
limites de l'opération. Il existe quelques définitions pour les dérivées fractionnaires. Les
définitions couramment utilisées sont les définitions de Grunwald-Letnikov,
Riemann-Liouville et Caputo (Podlubny, 1999b).

Définition de Grünwald-Letnikov
Une des définitions les plus rencontrées de la dérivée d’ordre fractionnaire est
appelée définition de Grünwald-Letnikov, donnée par :

𝑡−𝛼
1 [ ] 𝛼
𝑎𝐷𝑡𝛼 𝑓(𝑡) = lim ℎ𝛼 ∑𝑗=0ℎ
(−1)𝑗 ( 𝑗 )𝑓(𝑡 − 𝑗ℎ) (4.4)
ℎ→0

Définition de Riemann-Liouville
Une autre définition très utilisée de la dérivée d’ordre fractionnaire est appelée
définition de Riemann-Liouville. Inspirée de la formule de Cauchy donnée par
l’équation :
1 𝑑 𝑡 𝑓(𝜏)
𝑎𝐷𝑡𝛼 𝑓(𝑡) = 𝛤(𝑚−𝛼) (𝑑𝑡)𝑚 ∫𝑎 (𝑡−𝜏)𝛼−𝑚+1 𝑑𝜏 (4.5)

Où : m-1<α<m, mϵΝ, αϵR+ et 𝞒(.) est la fonction gamma d'Euler

Définition de Caputo
Une autre définition selon Caputo est :
1 𝑑 𝑡 𝑓 𝑚 (𝜏)
𝑎𝐷𝑡𝛼 𝑓(𝑡) = 𝛤(𝑚−𝛼) (𝑑𝑡)𝑚 ∫0 (𝑡−𝜏)𝛼−𝑚+1 𝑑𝜏 (4.6)

Où : m-1 < α <m, m ϵ Ν

Propriétés
La différenciation d'ordre fractionnaire a les propriétés suivantes :
1. Si f(t) est une fonction analytique, alors la différenciation d'ordre fractionnaire
𝑎𝐷𝑡𝛼 𝑓(𝑡) est également analytique par rapport à t.

2. 2. Si α = n et n ∈ Z+, alors l'opérateur 0𝐷𝑡𝛼 peut être compris comme l'opérateur

usuel dn/ dtn.

-71-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

3. L'opérateur d'ordre α=0 est l'opérateur d'identité : 0𝐷𝛼𝑡 𝑓(𝑡) = 𝑓(𝑡).

4. La différenciation d'ordre fractionnaire est linéaire ; si a, b sont des constantes,

alors :
0𝐷𝑡𝛼 𝑓(𝑡)[𝑎𝑓(𝑡) + 𝑏𝑓(𝑡)] = 𝑎0𝐷𝑡𝛼 𝑓(𝑡) + 𝑏0𝐷𝑡𝛼 𝑔(𝑡)

5. Pour les opérateurs d'ordre fractionnaire avec R(α)>0, R(β) > 0, et sous des
contraintes raisonnables sur la fonction f(t), il tient la loi additive de l’exposant
𝛽 𝛽 𝛼+𝛽
0𝐷𝑡𝛼 [0𝐷𝑡 𝑓(𝑡)] = 0𝐷𝑡 [0𝐷𝑡𝛼 𝑓(𝑡)] = 0𝐷𝑡 𝑓(𝑡)

6. La dérivée d'ordre fractionnaire commute avec la dérivée d'ordre entier

𝑑𝑛 𝛽 𝛼
𝑑𝑛 𝑓(𝑡)
(𝑎𝐷𝑡 𝑓(𝑡)) = 𝑎𝐷𝑡 ( ) = 𝑎𝐷𝑡𝛼+𝑛 𝑓(𝑡)
𝑑𝑡 𝑛 𝑑𝑡 𝑛

Sous la condition t = a on a f(k)(a) = 0, (k = 0, 1, 2, ..., n − 1).

4.3.2 Approximation rationnelle des Opérateurs Fractionnaires

Les fonctions rationnelles sont quelquefois supérieures aux polynômes dans
l'interpolation et l'évaluation. En effet, les fonctions rationnelles convergent
généralement plus rapidement que l'expansion en série de puissances grâce à leur
capacité de modeler des fonctions par des zéros et des pôles. Pour ces raisons, il était
très intéressant d'approximer les opérateurs d'ordre fractionnaire par des fonctions
rationnelles qui devraient être stables et a phase minimale. Les méthodes
d'approximation rationnelle qui existaient dans la littérature sont [60]:
 Méthode de Charef
 Méthode d'Oustaloup
 Autres methodes (Méthode de Matsuda, Méthode de Carlson, Méthode CFE
[continued fraction expansion], Roy,Wang, Jones...).

Méthode d’approximation rationnelle de Charef

Pour modeler mathématiquement les fonctions irrationnelles des opérateurs d’ordre
fractionnaire qui sont très compliquées à étudier, Charef a proposé d’approximer ces
fonctions irrationnelles par des fonctions rationnelles. Ces approximations vont
permettre d’utiliser les théories simples et bien connues des systèmes linéaires.
Reposant sur une méthode graphique, l’approche de Charef consiste à approximer la
ligne de pente fractionnaire sur le tracé de Bode de la fonction de transfert irrationnelle
par un nombre de lignes sous forme de Zig–Zag, produite par une alternance de pente
-20dB/dec et 0dB/dec correspondant à une alternance de pôles et de zéros.
L’opérateur intégral d’ordre fractionnaire est donné par :
𝐾
𝐻(𝑠) = 𝑆𝛼𝑖 (4.7)

-72-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Où : 0<α<1 et Ki est une constante. Cet opérateur est réalisé par un pôle à puissance
fractionnaire (PPF) comme suit :
𝐾
𝐺(𝑆) = 𝑆 𝛼 (4.8)
(1+ )
𝜔𝑐

et pour ω∈[ωb, ωh] tel que ω>> ωc, on aura :

𝐾 𝐾𝜔𝑐𝛼 𝐾
𝐺(𝑆) = 𝑆 = = 𝑆𝛼𝑖 = 𝐻(𝑠) (4.9)
( )𝛼 𝑆𝛼
𝜔𝑐

𝜀
Avec 𝐾𝑖 = 𝐾𝜔𝑐𝛼 et 𝜔𝑐 = 𝜔𝑏 √10(10𝛼) − 1; où ε est l’erreur maximale permise entre
l’intégrateur d’ordre fractionnaire et le PPF. Alors pour ω ∈ [ωb, ωh] et 𝐾𝑖 = 𝐾𝜔𝑐𝛼 et
𝜀
𝜔𝑐 = 𝜔𝑏 √10(10𝛼) − 1; on peut écrire :
𝑆
∏𝑁
𝑖=0(1+ )
𝐾𝑖 𝐾 𝑍𝑖
𝐻(𝑠) = 𝑆𝛼 = 𝑆 𝛼 =𝐾 𝑆
(4.10)
(1+
𝜔𝑐
) ∏𝑁
𝑖=0(1+𝑆 )
𝑖

De la même façon, l’opérateur dérivé d’ordre fractionnaire est donné par :

𝐻(𝑆) = 𝐾𝑑 𝑆𝛽 (4.11)
Où 0<β<1 et Kd est une constante. Cette opération est réalisée par un zéro à puissance
fractionnaire (ZPF) comme suit :
𝑆
𝐺(𝑆) = 𝐾(1 + 𝜔 )𝛼 (4.12)
𝑐

Et pour ω ∈ [ωb, ωh] tel que ω >> ωc, on aura :

𝑆 𝛽 𝐾𝑆 𝛽
𝐺(𝑝) = 𝐾 (𝜔 ) = 𝛽 = 𝐾𝑑 𝑆𝛽 = 𝐻(𝑆) (4.13)
𝑐 𝜔𝑐

𝜀
Avec 𝐾𝑑 = 𝐾/𝜔𝑐 et 𝜔𝑐 = 𝜔𝑏 √10(10𝛼) − 1 ; où ε est l’erreur maximale permise entre
𝛽

𝛽
le dérivateur d’ordre fractionnaire et le ZPF. Alors pour ω ∈ [ωb, ωh] et 𝐾𝑖 = 𝐾𝜔𝑐 et
𝜀
𝜔𝑐 = 𝜔𝑏 √10(10𝛼) − 1 on peut écrire :
𝑆
𝛽 ∏𝑁
𝑖=0(1+ )
𝛽 𝑆 𝑍𝑖
𝐻(𝑠) = 𝐾𝑑 𝑆 = 𝐾 (1 + 𝜔 ) = 𝐾 𝑆 (4.14)
𝑐 ∏𝑁
𝑖=0(1+𝑆 )
𝑖

Méthode d’approximation rationnelle d’Oustaloup

Dans une bande de fréquences donnée [ωb, ωh], l'algorithme d'Oustaloup est basé
sur l'approximation d'une fonction de la forme :
𝐻(𝑆) = 𝑆 𝛼 , 𝛼𝜖ℜ+ (4.15)
Par une fonction rationnelle :

-73-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

𝑆+𝜔𝑘̀
̂ (𝑆) = 𝐶 ∏𝑁
𝐻 𝐾=−𝑁 𝑆+𝜔 (4.16)
𝑘

Où, les pôles, les zéros et le gain peuvent être évalués comme suit :
1 1
𝐾+𝑁+ (1−𝛼) 𝐾+𝑁+ (1−𝛼) 𝛼 𝑁
2 2
𝜔ℎ 2𝑁+1 𝜔ℎ 2𝑁+1 𝜔ℎ − 2 𝜔𝑘
𝜔̀ 𝑘 = 𝜔𝑏 ( ) , 𝜔𝑘 = 𝜔𝑏 ( ) , 𝐶=( ) = ∏
𝜔𝑏 𝜔𝑏 𝜔𝑏 𝜔́ 𝑘
𝐾=−𝑁

4.3.3 Modèles d’ordre fractionnel

L'opérateur laplacien peut être acquis à partir de l'une des classes les plus courantes
de systèmes de modélisation trouvées dans la théorie du contrôle, appelée système
d'ordre fractionnaire linéaire invariant dans le temps (FOLTI), qui est
mathématiquement équivalent à un filtre invariant dans le temps linéaire (LTI) de
dimension infinie. Ainsi, un système d'ordre fractionnaire peut être approximé à l'aide
de polynômes d'ordre supérieur ayant des opérateurs différant-intégraux d'ordre entier
[61]. Cependant, la classe de systèmes FOLTI qui sera considérée ici est décrite par les
équations différentielles d'ordre fractionnaire suivantes :
𝑎𝑛 𝐷𝛼𝑛 𝑦(𝑡) + 𝑎𝑛−1 𝐷𝛼𝑛−1 𝑦(𝑡)+. . . +𝑎0 𝐷𝛼0 𝑦(𝑡) =
(4.17)
𝑏𝑚 𝐷𝛽𝑚 𝑢(𝑡) + 𝑏𝑚−1 𝐷𝛽𝑚−1 𝑢(𝑡)+. . . +𝑏0 𝐷𝛽0 𝑢(𝑡)
Où u(t) et y(t) sont les variables d'entrée et de sortie de contrôle, et où Dα définit un
différentiel d'ordre fractionnaire opérateur (selon la définition de Caputo) de différents
ordres fractionnaires pour des constantes arbitraires αk, k = 0, 1, . . . , n, βi, l = 0, 1, . . . ,
m, et n,mϵΝ.
La réponse en fréquence des systèmes est généralement effectuée en utilisant des
fonctions de transfert. La fonction de transfert d'un système FOLTI est définie comme
le rapport de la transformée de Laplace de la sortie (réponse de sortie du système) à la
transformée de Laplace de l'entrée (entrée du système) sous l'hypothèse que toutes les
conditions initiales sont nulles.
𝑌(𝑠)
𝐺(𝑠) = 𝑈(𝑠) (4.18)

Une fonction de transfert typique d'un système FOLTI peut être décrite par la
fonction de transfert suivante :
𝑌(𝑠) 𝑏𝑚 𝐷 𝛽𝑚 +𝑏𝑚−1 𝐷 𝛽𝑚−1 +...+𝑏0 𝐷 𝛽0
= (4.19)
𝑈(𝑠) 𝑎𝑛 𝐷 𝛼𝑛 +𝑎𝑛−1 𝐷 𝛼𝑛−1 +...+𝑎0 𝐷 𝛼0

4.3.4 Contrôleur proportionnel-intégral-dérivé d'ordre fractionnaire

La forme la plus courante d'un régulateur PID d'ordre fractionnaire est le régulateur
λ
PI Dµ (Podlubny, 1999a), impliquant un intégrateur d'ordre λ et un différenciateur
d'ordre µ où λ et µ peuvent être n'importe quels nombres réels. La fonction de transfert
d'un tel contrôleur a la forme :

-74-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

𝑈(𝑠) 1
𝐺𝑐 (𝑠) = = 𝐾𝑝 + 𝐾𝑖 𝑆𝜆 + 𝐾𝐷 𝑆 µ , (𝜆, µ > 0) (4.20)
𝐸(𝑠)

Où Gc(s) est la fonction de transfert du contrôleur, E(s) est une entrée et U(s) est la
sortie du contrôleur. Le terme intégrateur est 1/Sλ, c'est-à-dire que sur un plan semi-
logarithmique, on a une droite de pente -20λ dB/décade. Le signal de commande u(t)
peut alors être exprimé dans le domaine temporel comme :

𝑢(𝑡) = 𝐾𝑝 𝑒(𝑡) + 𝐾𝑖 𝐷−𝜆 𝑒(𝑡) + 𝐾𝐷 𝐷µ 𝑒(𝑡) (4.21)

La figure.4.2 est une configuration schématique de FOPID. Clairement, en

sélectionnant λ= 1 et µ= 1, un régulateur PID classique peut être récupéré. Les
sélections de λ= 1, µ=0 et λ=0, µ=1 correspondent respectivement aux régulateurs PI
et PD conventionnels. Tous ces types classiques de régulateurs PID sont les cas
particuliers du régulateur PIλDµ fractionnaire.

Figure 4.2 : Schéma fonctionnel de FOPID.

On peut s'attendre à ce que le contrôleur PIλDµ puisse améliorer les performances de

contrôle des systèmes. L'un des avantages les plus importants du contrôleur PIλDµ est
le meilleur contrôle des systèmes dynamiques, qui sont décrits par des modèles
mathématiques d'ordre fractionnaire. Un autre avantage réside dans le fait que les
contrôleurs PIλDµ sont moins sensibles aux changements de paramètres d'un système
contrôlé. Cela est dû aux deux degrés de liberté supplémentaires pour mieux ajuster les
propriétés dynamiques d'un système de contrôle d'ordre fractionnaire. Cependant, tous
ces bénéfices revendiqués n'ont pas été systématiquement démontrés dans la littérature.

4.4 Les Méthodes d’optimisations des paramètres de PI et PIλ

fractionnaire
4.4.1 Réglage des paramètres des contrôleurs PI et PIλ
les contrôleurs PI et PIλ a d'ordre fractionnaire proposés, pour un système à une seule
entrée et une seule sortie (SISO), comme illustré à la figure.4.3, où r(s) est le signal

-75-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

d'entrée de référence, e(s) est le signal d'erreur, Gc(s) est la fonction de transfert des
contrôleurs PI ou PIλ d'ordre fractionnaire, u(s) est le signal d'entrée de système, G(s)
est la fonction de transfert du système et y(s) est le signal de sortie de la centrale. Les
contrôleurs proposés deux paramètres pour un régulateur PI et trois paramètres pour PIλ
d'ordre fractionnaire (opérateurs proportionnel (Kp), intégral (Ki), l'ordre intégral λ).
Cela peut être fait par la résolution d'un problème d'optimisation. Dans ce cas, la
méthode proposée pour optimiser ces paramètres de contrôleurs PI et PIλ d'ordre
fractionnaire est basée sur l’algorithme standard Particle Swarm Optimization (PSO) et
génétique algorithme (GA) [62].

Figure 4.3 : Conception des contrôleurs PI et PIλ fractionnaire basé sur PSO.

4.4.2 Optimisation par Essaim Particulaire(PSO) :

L'algorithme d'optimisation de l'essaim de particules est un algorithme d'optimisation
intelligent suggérant le comportement de l'essaim d'oiseaux qui a été proposé par le
psychologue Kennedy et le Dr Eberhart en 1995. Kennedy et Eberhart (1995). Par
rapport à d'autres algorithmes d'optimisation, l'optimisation de l'essaim de particules est
plus objective, facile et performante. Il est appliqué dans de nombreux domaines tels
que l'optimisation de fonctions, l'entraînement de réseaux de neurones, le contrôle de
systèmes flous, etc. Dans l'algorithme Particle Swarm Optimization, chaque individu
est appelé "particule" qui représente une solution potentielle. L'algorithme obtient la
meilleure solution par la variabilité de certaines particules dans l'espace de traçage. Les
particules recherchent dans l'espace des solutions en suivant la meilleure particule en
changeant fréquemment leurs positions et leur fitness ; la direction et la vitesse de vol
sont déterminées par la fonction objective.
En supposant que Xi=(xi1, xi2, …,xiD) est la position de la i-ième particule dans la D-
dimension, Vi=(vi1, vi2, …,viD) est sa vitesse qui représente sa sens de la recherche. Dans
le processus d'itération, chaque particule conserve la meilleure position pbest trouvée
par elle-même, de plus, elle connaît également la meilleure position gbest recherchée
par les particules du groupe, et change sa vitesse en fonction de deux meilleures
positions [63].

-76-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Figure 4.4 : Exemple de recherche de PSO.

La formule standard d'optimisation de l'essaim de particules est la suivante [64]:

𝑘+1 𝑘 𝑘 𝑘 𝑘 𝑘
𝑉𝑖𝑑 = 𝑤𝑉𝑖𝑑 + 𝑐1 𝑟1 (𝑝𝑖𝑑 − 𝑋𝑖𝑑 ) + 𝑐2 𝑟2 (𝑔𝑔𝑑 − 𝑋𝑖𝑑 ) (4.22)
𝑘+1 𝑘 𝑘+1
𝑋𝑖𝑑 = 𝑋𝑖𝑑 + 𝑉𝑖𝑑 (4.23)
Dans laquelle : i=1,2,…N; N la population des particules du groupe ; d=1,2,…,D; k
le nombre maximal d'itérations ; r1 et r2 les valeurs aléatoires dans [0, 1] utilisées pour
conserver la diversité des particules du groupe ; c1et c2 les coefficients d'apprentissage,
𝑘
aussi appelés coefficients d'accélération; 𝑉𝑖𝑑 : le nombre décomposant de la vitesse de
𝑘
la particule i à la k-ième itération; 𝑋𝑖𝑑 ; le nombre d composant de la position de la
particule i dans la k-ième itération ; pid le nombre d composant de la meilleure particule
de position que j'ai jamais trouvée ; pgd la composante numérique d de la meilleure
position que les particules du groupe aient jamais trouvée ; w désigne le facteur de poids
d'inertie. Un organigramme détaillé de PSO tenant compte des étapes ci-dessus est
illustré à la figure suivante :

-77-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Figure 4.5 : Organigramme de PSO.

4.4.3 Optimisation par l’algorithme génétique GA :

Les algorithmes génétiques sont des algorithmes d'optimisation s'appuyant sur des
techniques dérivées de la génétique et de l'évolution naturelle. Ils ont trouvé leurs
fondements par J.H. Holland, professeur à l’université du Michigan, en 1975. Les
algorithmes génétiques (GA) sont des méthodes de recherche et d'optimisation globales
stochastiques qui imitent la métaphore de l'évolution biologique naturelle et qui sont
développées sur la base de la théorie darwinienne de la "survie du plus apte" [65].
Le principe de base consiste à simuler le processus d'évolution naturelle dans un
environnement hostile. On parlera de l'individu dans une population. L'individu est
composé d'un ou plusieurs chromosomes. Les chromosomes sont eux-mêmes
constitués de gènes qui contiennent les caractères héréditaires de l'individu. Pour un
problème d'optimisation donné, un individu représente un point de l'espace d'état. On
lui associe la valeur du critère à optimiser. L'algorithme génère ensuite de façon
itérative des populations d'individus sur lesquelles on applique des processus de
sélection, de croisement et de mutation. La sélection a pour but de favoriser les
meilleurs éléments de la population, tandis que le croisement et la mutation assurent
une exploration efficace de l'espace d'état [66].
Principe de fonctionnement
Un algorithme génétique recherche le ou les extremas (minimum ou maximum) d'une
fonction définie sur un espace de données. Pour l'utiliser, on doit disposer des six
éléments suivants :

-78-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

1-Un principe de codage de l'élément de population. Cette étape associe à chacun des
points de l'espace d'état une structure de données. Elle se place généralement après une
phase de modélisation mathématique du problème traité. La qualité du codage des
données conditionne le succès des algorithmes génétiques. Le codage binaire a été très
utilisé à l'origine. Les codages réels sont, désormais, largement utilisés, notamment
dans les domaines applicatifs pour l'optimisation des problèmes à variables réelles.
2- Un mécanisme de génération de la population initiale. Ce mécanisme doit être
capable de produire une population d'individus non homogène qui servira de base pour
les générations futures. Le choix de la population initiale est important car il peut rendre
plus ou moins rapide la convergence vers l'optimum global. Dans le cas où l'on ne
connaît rien du problème à résoudre, il est essentiel que la population initiale soit
répartie sur tout le domaine de recherche.
3- Une fonction à optimiser. Celle-ci retourne une valeur appelée fitness ou fonction
d'évaluation de l'individu.
4- Un mécanisme de sélection des individus candidats à l’évolution
5- Des opérateurs permettant de diversifier la population au cours des générations et
d'explorer l'espace d'état. L'opérateur de croisement recompose les gènes d'individus
existant dans la population, l'opérateur de mutation a pour but de garantir l'exploration
de l'espace d'états.
6- Des paramètres de dimensionnement : taille de la population, nombre total de
générations ou critère d'arrêt, probabilités d'application des opérateurs de croisement et
de mutation. L’organigramme de la figure.4.6 montre comment les AGs opèrent.

-79-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Figure 4.6 : Organigramme de GA.

4.5 Logique floue

En 1965, Lotfi A. Zadeh a introduit un nouveau concept basé sur le comportement
humain et surtout le bon sens raisonnement, nommé comme un concept de logique
floue. Théorie des ensembles flous est une méthode pour réduire la complexité du
système en introduisant une certaine quantité d'imprécision ou de flou. Comme son nom
l'indique, c'est le sens qui signifie raisonnement, qui est une valeur estimée plutôt
qu'exacte. Une fonction l'approximation est approfondie dans le système flou dans
lequel un ensemble approprié de règles basées sur les fonctions d'appartenance avec
l'utilisation d'étiquettes linguistiques est développée [67].

-80-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Figure 4.7: Modèle fonctionnel du système de contrôle flou.

Le système de contrôle flou est illustré à la figure.4.7 en utilisant le modèle

fonctionnel. Le système de commande floue comprend les quatre modules nommés
inférence fuzzification, base de règles floues, mécanisme d'inférence floue et inférence
de défuzzification. En fuzzification, des entrées nettes composées systématiquement
avec la règle individuelle de la base de règles. Base de règles floue comprend une règle
heuristique générée par des experts humains. Mamdani et Takagi-Sugeno-Kang sont
les deux types de systèmes d'inférence floue. Le traitement de ces deux systèmes est
similaire. Seule la manière de calculer la sortie est différente.

La mise en œuvre de la logique floue est préférée au contrôleur PI traditionnel pour

le système non linéaire et ayant un dépassement important. D'autres études concluent
également que dans l'étude de cas de moteurs non linéaires en comportement, la
performance en régime permanent ne peut pas être atteinte via le contrôleur PI
traditionnel. L'accent global dans l'étude de cas posée sur l'amélioration des
performances en utilisant le contrôle de logique floue. La logique floue a été appliquée
avec succès à partir d'applications domestiques comme une machine à laver aux
applications sophistiquées telles que la vitesse commande de moteurs, turbines, etc. Au
cours des dernières années pour réglage du contrôleur PI basé sur un système de logique
floue approche s'est révélée bénéfique. Les caractéristiques d'un flou système comme
la robustesse et la flexibilité peuvent efficacement incorporer dans le schéma de
contrôle pour un réglage amélioré des paramètres PI [68].

-81-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

4.5.1 Réglage via le contrôleur flou

La structure floue est constituée de deux entrées : erreur e (t) et la dérivée de l'erreur
(de/dt), une sortie, et Mamdani inférence floue. Dans la figure.4.8 pour le forage haut
performance machine, le FLC proposé est illustré.

Figure 4.8 : Système flou Mamdani pour le contrôleur à logique floue proposé.

4.5.2 Réglage par un contrôleur PI flou

Dans un contrôleur flou, le concepteur doit collecter des informations sur la manière
dont une décision artificielle devrait agir dans le système en boucle fermée. Parfois, ces
informations proviennent d'un expert humain effectuant la tâche de contrôle, tandis qu'à
d'autres moments, le concepteur peut aider à comprendre la dynamique de l'usine et
proposer un ensemble de règles sur la manière de contrôler le système. Ces règles
stipulent essentiellement que « si la sortie de l'usine et l'entrée de référence se
comportent d'une certaine manière, alors l'entrée de l'usine doit être modifiée pour
atteindre les objectifs opérationnels de contrôle ». Un régulateur flou peut être combiné
avec une régulation classique pour obtenir des régulateurs flous PD, PI et PID. La
commande PI floue génère une sortie de commande incrémentielle à partir de l'erreur,
du changement d'erreur, l'erreur d'accélération et l’univers de discours [69] qui doivent
optimiser par des méthodes intelligentes. Dans notre projet, on utilise le PSO et le GA
pour l’optimisation. La figure.4.9 illustre la conception le contrôleur fuzzy PI.

-82-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Figure 4.9: Structure du régulateur PI flou proposé

Sur la figure.4.10, la structure d'un contrôleur PI flou auto-réglé avec deux entrées
(e et de/dt) et trois sorties (Kp, Ki) est représentée.

Figure 4.10: Système flou Mamdani pour le contrôleur PI.

Optimisation du contrôleur PI flou basé sur les algorithmes PSO et GA

Cette technique présente la proposition de suspension active contrôleur PI flou avec
réglage PSO, qui est décrit dans la figure.4.11. Le but du PSO et GA sont ajustés les
facteurs d'échelle d'un contrôleur flou où sont A et B pour les entrées, et Kp, Ki, pour les
sorties, de sorte qu'il minimise l'objectif fonction et minimise donc l'erreur entre la
valeur désirée et la valeur de sortie [70].

-83-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Dans ce contexte, le PSO optimise l'intervalle de l'univers de discours pour les

entrées e, de/dt et pour deux sorties Kp, Ki et les règles floues. Les intervalles
d’optimisation PSO-fuzzy PI sont donnés par :

i. Amin < A < Amax

Bmin < B < Bmax
Kp_min < Kp < Kp_max
Ki_min < Ki < Ki_max

Figure 4.11 : Schéma fonctionnel du système de contrôle fuzzyPI optimisé par PSO et
GA.

4.5.3 Réglage par un contrôleur PIλ flou

La théorie des ensembles flous donne plus de flexibilité dans la conception de
systèmes et l'expression des observations dans une notation linguistique facile à suivre.
En outre, le système à logique floue fonctionne mieux dans le réglage des paramètres
du contrôleur dans un système de commande en boucle fermée, en particulier un
système avec une non-linéarité entre ses entrées et ses sorties. Les contrôleurs
classiques, y compris le contrôleur d'ordre fractionnaire, fonctionnent sur la base des
entrées d'erreurs avec une valeur de gain fixe pour les termes proportionnel, intégral et
dérivé. Par conséquent, les performances du contrôleur ne sont pas au niveau attendu
pour un système non linéaire et complexe. Une tentative peut être faite pour incorporer
une valeur de gain dynamique pour les termes proportionnel, intégral et dérivé au lieu
d'un gain fixe. La modification dynamique du gain dans une structure de contrôle
FOPID améliorera les performances du contrôleur et apportera la sortie du système
rapidement à un état stable pendant la variation de charge et les perturbations externes.
En considérant ces aspects, une logique floue combinée à un schéma de commande
d'ordre fractionnaire est proposée dans ce contexte. Le contrôleur FuzzyFOPID est une
combinaison du contrôle flou de la base de règles avec le contrôleur FOPID. Dans cette

-84-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

stratégie de contrôle, le FLC est conçu pour utiliser les entrées d'erreur système et
d'erreur dérivée pour obtenir le facteur d'échelle des termes proportionnel, intégral et
dérivé [15].
En utilisant ces facteurs d'échelle, l'amplitude du gain du contrôleur sera mise à jour
à chaque période d'échantillonnage. La trame d'une structure de contrôle FuzzyFOPID
typique est illustrée à la figure.4.12.

Figure 4.12: Structure du régulateur PIλ flou proposé.

La structure d'un contrôleur FuzzyFOPI accordé avec deux entrées (e et de/dt) et trois
sorties (Kp, Ki, λ), est illustrées à la figure.4.13.

Figure 4.13: Système flou Mamdani pour le contrôleur FOPI accordé flou proposé.

-85-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

Optimisation du contrôleur PIλ flou basé sur les algorithmes PSO et GA

Cette section présente la proposition de suspension active contrôleur fuzzyFOPI avec
réglage PSO, qui est décrit dans la figure.4.14. Le but du PSO et GA est d'ajuster les
facteurs d'échelle d'un contrôleur flou où sont A et B pour les entrées ; les paramètres,
l’univers de discours des fonctions memperships (Kp, Ki, λ) du régulateur FuzzyFOPI
qui représentent les sorties et ce régulateur, de sorte qu'il minimise l'objectif fonction
et minimise donc l'erreur entre la valeur désirée.

Les intervalles d’optimisation PSO-fuzzy FOPI sont donnés par :

ii. Amin < A < Amax

Bmin < B < Bmax
Kp_min < Kp < Kp_max
Ki_min < Ki < Ki_max
λ_min < λ < λ_max

Figure 4.14 : Schéma fonctionnel du système de contrôle fuzzyFOPI optimisé par PSO
et GA.

4.6 Problème d'optimisation

Le but de tous les algorithmes d'optimisation est de minimiser les performances
d'erreur du système. Par conséquent, la fonction objective doit prendre en compte la
réduction de l'erreur. Les caractéristiques de la réponse sont implémentées comme une
fonction objective. Le critère d'erreur absolue intégrale (ITAE) donne des bonne
résultats par rapport les autres indices de performance ; pour cette raison, nous utilisons
le critère ITAE dans le but de minimiser le signal d'erreur, dépassements et temps de
prise [71].
La fonction objective étudiée est donnée ci-dessous :

-86-
 CHAPITRE 04 : Application des commandes avancées à base des méthodes
métaheuristique et la logique floue

𝑡𝑠𝑠
𝐼𝑇𝐴𝐸 = ∫0 𝑡|𝑒(𝑡)|𝑑𝑡 (4.24)

4.7 Conclusion
Dans ce chapitre, on a présenté, en premier lieu, un concept de contrôleur PI et les
méthodes classiques pour régulier son paramètres, et puis on présente aussi un concept
adaptatifs d'ordre fractionnaire en spécifiant les différents définitions et les approches
approximation de ce régulateur. L'idée fondamentale de ce concept est l'introduction
d'une intégration d’ordre fractionnaire à côté de l'intégration régulière de la sortie du
système au carré dans le gain d'adaptation de la stratégie de commande. L'introduction
de l'opérateur d'ordre fractionnaire dans le gain d'adaptation de la stratégie de
commande a fourni des paramètres de réglage supplémentaires qui ont amélioré les
performances du système de commande en boucle fermée. Le calcul des paramètres de
ce système de régulation nécessite au des commande robustes, et qui présente des bon
performances. Pour cette raison, plusieurs méthodes d’optimisations intelligentes a été
faite dans ce chapitre, parmi elles : le PSO, GA, FuzzyPI, FuzzyFOPI, et PSO-FuzzyPI,
PSO-FuzzyFOPI, GA-FuzzyPI.
Dans le chapitre suivant, Les résultats de simulation sont présentés pour montrer
l’impact de la qualité des commandes intelligentes par rapport de commande classique.

-87-
 CHAPITRE 05

Résultats des simulations

 Chapitre 5 : Résultats des simulations

5.1 Introduction
Dans les chapitres précédents, nous avons étudié l’état de l’art des énergies
renouvelable et spécialement l’énergie éolienne, les principaux composants du système
ainsi que la modélisation et la commande de chaque partie indépendamment. Dans ce
chapitre nous allons présenter les résultats des simulations du système global (système
éolien et le filtre actif) avec les différents régulateurs que nous avons déjà expliqués.
Ce système est représenté par la figure.5.1, il est basé sur une éolienne constituée d'une
génératrice synchrone à aimant permanent (GSAP) connectée au réseau électrique à
travers deux convertisseurs dos-à-dos avec une liaison continue, le tous sont relient au
réseau électrique par un filtre actif parallèle. Le convertisseur côté générateur assure à
la fois la conversion AC-DC et le contrôle des courants sortants du GSAP qui déjà
viennent du contrôle de la vitesse de la GSAP en fonction de la vitesse du vent afin
d'extraire une puissance maximale (contrôle MPPT). Le convertisseur côté réseau
assure l'injection de l'énergie produite au réseau avec le contrôle de la puissance active
et réactive, et la régulation de la tension de bus continu (contrôle PQ); le convertisseur
côté réseau est connecté au réseau par l'intermédiaire d'un filtre actif pour l'élimination
des harmoniques dans le courant injecté au réseau. L'étude du système global dans ce
chapitre est divisée en deux parties : le contrôle du convertisseur côté génératrice et le
contrôle du convertisseur côté réseau, avec la modélisation de différents éléments liés
au contrôle comme le bus continu et le filtre de liaison. Finalement nous allons
implémenter la simulation du système global sous MATLAB/Simulink.

-89-
 CHAPIRE 05 : Résultats des simulations

5.2 Configuration du système globale

La figure.5.1 représente le WECS utilisé dans cette étude.

Figure 5.1 : Configuration du WECS et son schéma de contrôle.

5.3 Résultats de simulation pour réglage de MPPT et les

courants du GSAP par PSO-PI, PSO-FOPI et GA-PI.
L'objectif de l'optimisation basée sur PSO et GA est de trouver un ensemble de
paramètres Kp, Ki pour le régulateur PI et Kp, Ki, λ tel que la rétroaction système de
contrôle qui minimise l'indice de performance. L’optimisation de l’indice de
performance ITAE donne de meilleurs résultats comparativement aux autres indices ;
donc il sera utilisé comme une fonction d’objectif.
Note : l’intervalle choisi pour déterminer les paramètres des régulateurs PI e FOPI
est compris entre [0 0] à [200 200] et [0 0 0] à [200 200 1].

-90-
 CHAPIRE 05 : Résultats des simulations

Les paramètres PSO, GA et WT-GSAP utilisés dans la simulation sont donnés dans
les tableaux.5.1, 5.2, 5.3 et les résultats de calculs sont résumés dans les tableaux.5.4 et
5.5.
Tableau 5.1 : Paramètres de PSO.

Paramètres Valeurs
Taille de la population 49
Nombre d'itération 50
Nombre de variables 2 (Kp, Ki) et 3 (Kp, Ki, λ).
Masse d'inertie w 0.9
Constante d'accélération C1, C2 2
Gamme de variables (Kp, Ki, λ) [200 200] e [200 200 1]

Tableau 5.2: Paramètres de GA.

Paramètres Valeurs
Taille de la population 50
Nombre de variables 2 (Kp, Ki) et 3 (Kp, Ki, λ).
Gamme de variables (Kp, Ki, λ) [200 200] et [200 200 1]
Génération 100
Croisement Single point
Mutation 0.01
Codage Binaire

Tableau 5.3 : Paramètres du GSAP avec l’émulateur éolien.

Paramètres Valeurs
paire de pole P 3
fréquence du réseau fn 50 Hz
coefficient de frottement f 0.001 (N.m.s)/rad
moment d’enertie J 0.0008 kg.m2
Nombre des pales 3
Longueur des pales 01m
Flux électromagnetique 0.175 Weber

5.3.1 Régulation du MPPT

Comme nous indiquons sur le premier chapitre, la technique de MPPT consiste à
profiter le maximum de puissance générée par la turbine éolienne par le suivre de
vitesse de turbine qui transmise par suite à l’arbre de GSAP ; Le couple mécanique Cm
vu par la machine synchrone est différent du couple de vent Cem car il faut tenir compte
de l'inertie de l'éolienne et du frottement visqueux propre à la structure de l'éolienne.
La fonction de transfert de la vitesse de la turbine est :
1
𝐺1(𝑠) = 𝐽𝑠+𝑓 (5.1)

Les résultats de simulation sont illustrés dans les figures suivantes :

-91-
 CHAPIRE 05 : Résultats des simulations

D’abord, on teste le meilleur indice de performance parmi les quatre indices, il est
par suit utilisé pour définir l’erreur dans les prochaines régulations.
Vitesse de la turbine (rad/s)

Temps
Figure 5.2 : La vitesse de la turbine pour ISE, IAE, ITAE et ITSE à l’aide de PSO.

On peut voir clairement que l’indice de performance ITAE donne de très bon
résultats par rapport les autre indices de performances. Les résultats de simulation
suivants montrent la comparaison des performances entre le PI et FOPI optimisés par
le PSO d’une coté et entre PI et FOPI optimisés par le GA dans une autre côté.
Vitesse de la turbine (rad/s)

Temps

Figure 5.3 : la vitesse de la turbine pour les contrôleurs : PI classique, PI-PSO et

FOPI-PSO.

5.3.2 Régulation des courants de GSAP

-92-
 CHAPIRE 05 : Résultats des simulations

La fonction de transfère qui représente la régulation des courants id et iq est définie

par :
1
𝐺2(𝑠) = 𝑙.𝑠+𝑅 (5.2)

Les résultats de simulation sont illustrés dans les figures suivantes :

Courant id (A)

Temps

Figure 5.4 : Le courant id avec PI et FOPI optimisés par PSO.

Courant id (A)

Temps
Figure 5.5: Le courant id avec PI et FOPI optimisés par GA.

-93-
 CHAPIRE 05 : Résultats des simulations

Courant iq (A)

Temps
Figure 5.6: Le courant iq avec PI et FOPI optimisés par PSO.
Courant iq (A)

Temps
Figure 5.7: Le courant iq avec PI et FOPI optimisés par GA.

D'après les figures.5.3, 5.4, 5.5, 5.6 et 5.7, on peut remarquer que FOPI optimisé par
le PSO donne des meilleures performances par rapport au PI optimisé par le PSO tandis
que FOPI optimisé par GA conduit à des mauvaises performances par rapport au PI
optimisé par GA.
Une étude comparative entre PSO-FOPI et GA-PI est entreprise pour déterminer le
meilleur contrôleur parmi tous les contrôleurs proposés, Les résultats sont présentés
dans les figures.5.8 et 5.9.

-94-
 CHAPIRE 05 : Résultats des simulations

Courant id (A)

Temps
Figure 5.8: Le courant id par PI-GA et FOPI-PSO.
Courant iq (A)

Temps
Figure 5.9: Le courant iq par PI-GA et FOPI-PSO.

Les résultats qui sont illustrés par les figures.5.8, 5.9 montrent que le contrôleur PI
d'ordre fractionnaire optimisé par le PSO conduit à des meilleures performances en
termes de caractéristiques de réponse transitoire.
Les tableaux.5.4 et 5.5 présentent les paramètres des régulateurs PI et FOPI et les
performances des deux algorithmes PSO et GA.

-95-
 CHAPIRE 05 : Résultats des simulations

Tableau 5.4 : Les résultats de calcul de PSO et GA pour le régulateur PI.

Fonction
Best
L’algorithme de Dynamique Robustesse Rapidité Kp Ki
fitness
transfèrt
1.4855e-
PSO G1(s) + + + 133.6583 167.2180
09
G2(s) + + + 200 200 0.0038
7.3066e-
GA G1(s) 0 0 0 115.413 144.266
15
1.5512e-
G2(s) 0 0 0 133.6583 167.2180
4

Tableau 5.5. Les résultats de calcul de PSO et GA pour le régulateur FOPI.

Fonction
Best
L’algorithme de Dynamique Robustesse Rapidité Kp Ki Λ
fitness
transfèrt
5.0163e-
PSO G1(s) ++ ++ ++ 159.9851 200 1
08
3.0789e-
G2(s) ++ ++ ++ 0 200 1
04
5.4366e-
GA G1(s) + + + 147.346 184.191 1
8
G2(s) + + + 200 200 0.394 0.00356

Les tableaux.5.4 et 5.5 présentent une étude comparative en termes de dynamique et

robustesse des commandes PSO et GA pour les deux Régulateurs PI et FOPI. Les signes
+, - et 0 sont utilisés pour mesurer la performance de chaque commande.
++ : Très bonnes performances.
+ : Bonnes performances.
0 : Performances moyennes.
- : Mauvaise performance.
-- : Performances très mauvaise.

5.4 Résultats de simulation pour réglage de MPPT et les

courants du GSAP par fuzzyPI, fuzzyFOPI, PSO-fuzzyPI,
PSO-fuzzyFOPI
5.4.1 Régulation du MPPT

-96-
 CHAPIRE 05 : Résultats des simulations

Dans cette étape, nous allons optimiser l'intervalle de l'univers du discours pour deux
entrées e, de/dt; et trois sorties Kp, Ki et λ et les règles floues. Les résultats obtenus par
le PSO est sur l'intervalle [0 0] à [300 300] pour le contrôleur FuzzyPI, et [0 0 0] à [300
300 1] pour le contrôleur FuzzyFOPI sont présentés dans les deux tableaux suivants :

Tableau 5.6: Les résultats des paramètres de PI e FOPI obtenus par PSO.

PSO algorithme Error Error variation

Kp Ki Λ
(output) (output)
PI
1.0415e-
Rang [0 0] à [300 300] 37.6938 282.8085 - 1.0415e-11
09
FOPI
4.5873e-
Rang [0 0 0] à [300 300 1] 300 300 0.7943 4.5873e-08
06

La tache suivante consiste à introduire la valeur de l'erreur et la variation d'erreur

calculées à partir du PSO. Les valeurs des sorties Kp, Ki et λ obtenues par l'algorithme
PSO-flou sont comparées à celles des valeurs obtenues par l'algorithme de PSO. Les
résultats obtenus par l'algorithme fuzzyPI et fuzzyFOPI sont présentés par le tableau.5.7
suivant :

Table 5.7 : Résultats des paramètres de FuzzyPI et FuzzyFOPI à l’aide du PSO.

FuzzyPI algorithm Error Error variation

Kp Ki λ
(input) (input)
PI
1.0415e-
Rang [0 0] à [300 300] 37.6949 282.6113 - 1.0415e-11
09
FOPI
4.5873e-
Rang [0 0 0] à [300 300 1] 297.5455 297.5455 0.7959 4.5873e-08
06

On peut remarquer d'après les résultats des deux tableaux.5.6 et 5.7 que les
paramètres pour PI et FOPI calculés par l'algorithme PSO sont presque égaux de ceux
calculés par l'algorithme flou, alors on peut dire que le fuzzyPI et fuzzyFOPI sont
optimisés.
Les résultats de règles floues et les fonctions appartenances pour les contrôleurs PI
et FOPI sont présentent comme suit :

-97-
 CHAPIRE 05 : Résultats des simulations

Tableau 5.8 : Les résultats de règles flous pour FuzzyPI.

Fuzzy rules
ans =
1. If (error is negative) and (error variation is negative) then (Kp is PB)(Ki is PB) (1)
2. If (error is negative) and (error variation is zeros) then (Kp is PB)(Ki is PB) (1)
3. If (error is negative) and (error variation is positive) then (Kp is PB)(Ki is PB) (1)
4. If (error is zeros) and (error variation is negative) then (Kp is PMS)(Ki is PB) (1)
5. If (error is zeros) and (error variation is zeros) then (Kp is PMS)(Ki is PB) (1)
6. If (error is zeros) and (error variation is positive) then (Kp is PMS)(Ki is PB) (1)
7. If (error is pozitive) and (error variation is negative) then (Kp is PS)(Ki is PB) (1)
8. If (error is pozitive) and (error variation is zeros) then (Kp is PS)(Ki is PB) (1)
9. If (error is pozitive) and (error variation is positive) then (Kp is PS)(Ki is PB) (1)
Out =
37.6929 282.6113

Figure 5.10: – Entrées des fonctions d’appartenance.

-98-
 CHAPIRE 05 : Résultats des simulations

Figure 5.11 : Sorties des fonctions d'appartenance

Tableau 5.9 : Les résultats de règles flous pour FOPI.

Fuzzy rules
ans =
1. If (error is negative) or (error variation is negative) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
2. If (error is negative) or (error variation is zeros) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
3. If (error is negative) or (error variation is positive) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
4. If (error is zeros) or (error variation is negative) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
5. If (error is zeros) or (error variation is zeros) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
6. If (error is zeros) or (error variation is positive) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
7. If (error is pozitive) or (error variation is negative) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
8. If (error is pozitive) or (error variation is zeros) then (Kp is PB)(Ki is PB)(lamda is PB) (1)
9. If (error is pozitive) or (error variation is positive) then (Kp is PB)(Ki is PB)(lamda is PL) (1)
Out =
299.3666 299.3666 0.7943

-99-
 CHAPIRE 05 : Résultats des simulations

Figure 5.12 : Entrées des fonctions d'appartenance.

C D

E
Figure 5.13 : Sorties des fonctions d'appartenance

-100-
 CHAPIRE 05 : Résultats des simulations

Vitesse de la turbine (rad/s)

Temps

Figure 5.14: Performances des contrôleurs : PI, FuzzyPI et PSO-FuzzyPI.

Vitesse de la turbine (rad/s)

Temps

Figure 5.15 : Performances des contrôleurs : FOPI, FuzzyFOPI, et PSO-FuzzyFOPI.

On voit clairement sur les figures.5.14 et 5.15 que le contrôleur FuzzyPI optimisé
par PSO et le contrôleur FuzzyFOPI optimisé par PSO donnent de bonnes performances
par rapport aux autres contrôleurs. Le travail suivant consiste à comparer les
performances des deux contrôleurs.

-101-
 CHAPIRE 05 : Résultats des simulations

Vitesse de la turbine (rad/s)

Temps

Figure 5.16 : La comparaison des performances entre deux contrôleurs : PSO-

FuzzyPI et PSO-FuzzyFOPI.
On peut voir sur la figure.5.16, que le contrôleur PSO-FuzzyFOPI donne une bonne
flexibilité par rapport au PSO-FPI, à cause de l'impact de λ. La dernière étape consiste
à tester la robustesse de deux contrôleurs PSO-FuzzyPI, et PSO-FuzzyFOPI par la
variation paramétrique avec ∆J=+0.0007 et ∆f=+0.002.
Vitesse de la turbine (rad/s)

Temps

Figure 5.17 : Les performances des contrôleurs PSO-FuzzyPI et PSO-FuzzyFOPI par

variation paramétrique.
D'après la figure.5.17, les contrôleurs PSO-FuzzyPI, et PSO-FuzzyFOPI présentent
une bonne robustesse malgré la variation paramétrique du système. La suite du travail
consiste à optimiser les contrôleurs fuzzyPI en utilisant GA. Ces régulateurs sont

-102-
 CHAPIRE 05 : Résultats des simulations

appliqués pour régler la tension en bus continu et les courants d’harmoniques inverses
injectées au réseau électrique.

5.5 Résultats de simulation pour réglage de tension en bus

continu DC et les courants d’harmoniques par GA-FuzzyPI
Comme nous citons à l’introduction. La deuxième partie de commande est consacrée
a appliqué une méthode intelligente pour régler les courants d’harmonique inverses
pour résoudre le problème de distorsion au niveau de réseau électrique. La théorie de
puissances active et réactive considère l’un des meilleurs technique pour faire ça ; ces
courants sont alimentés par un système éolien via une tension de bus continu. Donc, le
mauvais réglage de la tension du bus DC et les courants harmoniques affectent
directement la forme et la qualité de l'énergie électrique dans le réseau électrique. La
méthode utilisée est basée sur l'optimisation de la logique floue à l'aide de l'algorithme
génétique (GA-fuzzyPI). La technique d'algorithme génétique utilisée dans cette étude
a de rôle d’ajusté les règles flou et les gains de normalisation.

5.5.1 Régulation de tension en bus continu DC

La tension du bus DC est ajustée à partir de la puissance délivrée par le système
éolien et de la puissance injectée dans le réseau électrique via un convertisseur DC/AC.
La régulation est illustrée sur la figure suivante :

Figure 5.18: Régulation de tension en bus continu.

La fonction de transfert est définie par :

1
𝐺1(𝑠) = 𝐶.𝑠 (5.3)

Le réglage des paramètres du régulateur PI (Kp, Ki) est basé sur la recherche du point
d'optimisation par le GA sur un intervalle de [0 0] a [1 1], et donc trouver l'erreur, puis
établir les règles floues.
Les règles floues et les résultats de simulations obtenues après tout un processus
sont :

-103-
 CHAPIRE 05 : Résultats des simulations

Tableau 5.10 : Les règles floues pour G1 (s).

Fuzzy rules
1. If (error is negative) and (error variation is negative) then (Kp is PB)(Ki is P) (1)
2. If (error is negative) and (error variation is zeros) then (Kp is PB)(Ki is P) (1)
3. If (error is negative) and (error variation is positive) then (Kp is PB)(Ki is P) (1)
4. If (error is zeros) and (error variation is negative) then (Kp is PB)(Ki is P) (1)
5. If (error is zeros) and (error variation is zeros) then (Kp is PB)(Ki is P) (1)
6. If (error is zeros) and (error variation is positive) then (Kp is PB)(Ki is P) (1)
7. If (error is pozitive) and (error variation is negative) then (Kp is PB)(Ki is P) (1)
8. If (error is pozitive) and (error variation is zeros) then (Kp is PB)(Ki is P) (1)
9. If (error is pozitive) and (error variation is positive) then (Kp is PB)(Ki is P) (1)
Out =
0.9933 0.9933

Figure 5.19 : Fonctions d'appartenance des entrées.

-104-
 CHAPIRE 05 : Résultats des simulations

a) b)
Figure 5.20 : Fonctions d'appartenance des sorties.
Tension de bus continu (V)

Temps
Figure 5.21 : La tension du bus continu : PI classiques et GA-fuzzyPI.

5.5.2 Régulation des courants d’harmoniques

La régulation des courants harmoniques est illustrée sur la figure suivante :

Figure 5.22: Régulation des courants d’harmoniques.

-105-
 CHAPIRE 05 : Résultats des simulations

La fonction de transfert est définie par :

1
𝐺1(𝑠) = 𝑙 (5.4)
𝑓 .𝑠+𝑅𝑓

Le réglage des paramètres du régulateur PI (kp, ki) est basé sur la recherche du point
d'optimisation par le GA. Les résultats de simulation e les règles flou son obtenus sur
l'intervalle [0 0] a [300 300].

Tableau 5.11 : Les règles floues pour G2 (s).

Fuzzy rules
ans =
1. If (error is negative) and (error variation is negative) then (Kp is PS)(Ki is PS) (1)
2. If (error is negative) and (error variation is zeros) then (Kp is PS)(Ki is PS) (1)
3. If (error is negative) and (error variation is positive) then (Kp is PS)(Ki is PS) (1)
4. If (error is zeros) and (error variation is negative) then (Kp is PMS)(Ki is PMS) (1)
5. If (error is zeros) and (error variation is zeros) then (Kp is PMS)(Ki is PMS) (1)
6. If (error is zeros) and (error variation is positive) then (Kp is PMS)(Ki is PMS) (1)
7. If (error is pozitive) and (error variation is negative) then (Kp is PM)(Ki is PM) (1)
8. If (error is pozitive) and (error variation is zeros) then (Kp is PM)(Ki is PM) (1)
9. If (error is pozitive) and (error variation is positive) then (Kp is PM)(Ki is PM) (1)
Out =
93.0035 155.0039

Figure 5.23: Fonctions d’appartenance des entrées.

-106-
 CHAPIRE 05 : Résultats des simulations

c) d)
Figure 5.24: Fonctions d'appartenance des sorties.

Temps
Figure 5.25: Courant harmonique par la commande PI classique.

Temps
Figure 5.26: Courant harmonique par la commande GA-fuzzyPI.

-107-
 CHAPIRE 05 : Résultats des simulations

5.5.3 Analyse et discussion

Les résultats des paramètres de régulateurs pour les deux fonctions de transferts sont
obtenus par un calcul algorithmique et qui présentent dans les tableaux suivants :
Tableau 5.12 : paramètres des résultats du contrôleur PI obtenus par l'algorithme
GA.

Function Error
Algorithme GA Error
de Kp Ki variation
(output)
transfèrt (output)
PI 1 0.0001 (51
93.094 155.157 0.01
Ranges [0 0] à 𝐿𝑓. 𝑠 + 𝑅 iter)
[300 300]
et 1
1 1 0.00119 1.19e-5
[0 0] à [1 1] 𝐶. 𝑠

Dans cette étape, nous introduisons la valeur des erreurs et la variation d'erreur
calculée à partir du GA comme valeurs d’entrées. Les valeurs des sorties Kp, Ki
obtenues par l'algorithme flou optimisé par GA (GA-fuzzyPI) sont comparées à celles
des valeurs obtenues par l'algorithme de GA.
Les résultats obtenus par l’algorithme flou ont été présentés par le tableau suivant :

Tableau 5.13 : paramètres de résultats du contrôleur PI obtenu par FuzzyPI à l’aide

GA.

Function Error
GA-fuzzyPI Error
de Kp Ki variation
(input)
transfèrt (input)
PI 1
93.0035 155.0039 0.01 0.0001
Rangs [0 0] à 𝐿𝑓. 𝑠 + 𝑅
[300 300]
1
et 0.9933 0.9933 1.19e-5
[0 0] à [1 1] 𝐶. 𝑠 1.19e-3

On dit que la logique floue PI est optimisée, si les résultats du programme de logique
floue obtenus à l’aide de la technique de GA sont presque égaux aux résultats obtenus
par la technique de GA
Nous avons remarqué sur les figures.5.21 et 5.26 que la commande GA-fuzzyPI
donne de bons résultats et de bonnes performances par rapport à la méthode classique.
Les figures.5.27 e 5.28 montrent l’analyse spectrale effectuée sur la phase (a) pour
la charge actuelle et le réseau électrique avant et après le filtrage actif. Le courant côté
charge THD (distorsion harmonique totale) de 21,59% est réduit à 2,15% sur le réseau
électrique, ce qui confirme la bonne qualité du filtrage (voir figures.5.29, 5.30).

-108-
 CHAPIRE 05 : Résultats des simulations

On note également que le courant filtré en phase avec la tension, montre un bon
filtrage des courants harmoniques et une compensation parfaite de la puissance réactive
comme le montre sur la figure.5.31.

Temps
Figure 5.27 : Courant phase « a » de la charge Ich1.

Temps
Figure 5.28 : Courant de source Ia1 après filtrage.

-109-
 CHAPIRE 05 : Résultats des simulations

Figure 5.29 : Analyse spectrale du courant harmonique de compensation avant

filtrage.

Figure 5.30 : Analyse spectrale du courant harmonique de compensation après

filtrage

Figure 5.31 : Analyse temporelle avant et après compensation puissance réactive.

-110-
 CHAPIRE 05 : Résultats des simulations

5.6 Conclusion
Ce chapitre présente les résultats de simulation obtenus par des différents régulateurs
appliqués, le premier réglage est le contrôle du MPPT et les courants du GSAP à l'aide
de PI et de PI d'ordre fractionnaire (FOPI) optimisés à l'aide de techniques d'algorithme
générique (GA) et d'optimisation d'essaim de particules (PSO). Le fuzzyPI et
fuzzyFOPI optimisé le PSO sont aussi appliques pour ce contrôle Les résultats obtenus
ont montré que le contrôleur FOPI et fuzzyFOPI optimisés par le PSO conduit à de
meilleures performances en termes de caractéristiques de réponse transitoire. Le
deuxième réglage est le contrôle de la tension en bus continu et les courants
d’harmoniques injectés au réseau électrique ce réglage est effectué par GA-fuzzyPI.

Le FLC conçu améliore les performances de contrôle que le contrôleur de retour

d'état. Cependant, le FLC n'est pas robuste. L'optimisation du contrôleur à logique floue
par l'GA donne une nouvelle technique de contrôle qui permet d'avoir un bon rendement
et une bonne robustesse et par conséquent d'avoir un bon suivi de la commande de sortie
d’après les résultats de simulation.

-111-
CONCLUSION
GÉNÉRALE
Conclusion générale

L’impact des générateurs éolien actuels sur les réseaux électriques a été discuté ; de nos jours
peu de stratégies de commande de ces générateurs prennent en compte les problèmes liés à la
sureté des réseaux. Néanmoins, de solutions émergentes.
Les problématiques abordées dans ce mémoire nous ont permis d'étudier les modes de
fonctionnement des machines synchrones à aiment permanant (GSAP) utilisées dans les
systèmes éoliens, quelques méthodes de commande optimale à savoir la technique MPPT, ainsi
que la modélisation d'une chaine de production d'énergie éolienne à partir d'un émulateur, la
tension en bus continu et le contrôle des courants d’harmoniques. Une étude sur les commandes
d’intelligence artificielle pour améliorer les performances de système de conversion éolien et
l’énergie dans réseaux électriques.
La première partie de ce travail a été consacrée à des rappels sur les systèmes renouvelables
en spécifiant sur l’énergie éolienne et les concepts physiques régissant leur fonctionnement.
Ces rappels ont été suivis par un état de l'art sur la conversion électromécanique à travers du
GSAP. La bonne régulation de MPPT permet de profité le maximum de puissance avec un bon
asservissement de vitesse de turbine.
Les machines à aimants permanents apportent une solution intéressante pour l'utilisation des
énergies renouvelables ; ces machines présentent plusieurs avantages par rapport aux machines
classiques à savoir : durée de vie élevée, rendement élevé, maintenance réduite,…etc.
La seconde étude menée dans ce rapport concerne la modélisation et le réglage de tension en
bus continu qui par suite pose un problème major de régulation et oblige les chercheur de trouve
une meilleur solution de commande. Une bonne régulation de DC-bus permet de protégé les
batteries contre le dysfonctionnement et il permet aussi de charge la batterie le plus temps
possible.
Le système (turbine+ GSAP) est consacré pour compensé la puissance réactive au réseau
électrique lié à charge non linéaire à travers un DC –bus ; il est de rôle aussi d’injecté les
courants d’harmonique inverses pour le but d’éliminés la distorsion du courants et de la tension
Les déférentes commandes intelligente son appliqué pour ajuster des paramètres mentionnés,
les résultats de simulation montrent l’impact de chaque commande sur le réglage,
Une étude comparative validée par simulation de ces différentes commandes intelligentes a
été faite afin de présenter leurs performances en termes de rapidité de convergence et de
l'adaptativité aux variations paramétriques des paramètres de système. La simulation est
effectuée à partir de l’environnement Matlab Simulink.
Cette étude comparative par simulation nous a permis d'identifier et déterminer les meilleures
commandes utilisées ; ces meilleures commandes nous aiderons aussi d’avoir un bun
fonctionnements et avoir aussi de très performances de notre système.

Perspectives:
Ce travail peut être poursuivi comme suite:

-113-
 CONCLUSION GÉNÉRALE

- Implémenter d’autres commandes robustes comme H infini optimisé par le PSO et

GA.

- Faire une étude sur les stratégies de commande de cette chaine pour les zones de
fonctionnement qui ne sont pas traitées dans ce travail.

- Etudier en détails l'interaction entre le vent et l'aéroturbine dans le but de bien

comprendre et clarifier certains phénomènes qui ne sont pas pris en compte dans ce
travail.

- Valider les résultats de simulation, il est important de réaliser un banc d’essai.

-114-
Bibliographie
Bibliographie

[1] Choayb Chekired, Aissam Achour, and Mounir Encadreur Hadef. Etude d’une chaine de
conversion d’énergie éolienne à base d’une machine synchrone à aimant permanent. PhD
thesis, Université de Jijel, 2020.
[2] VN Jayasankar and U Vinatha. Advanced control approach for shunt active power filter
interfacing wind-solar hybrid renewable system to distribution grid. J. Electrical Systems 14-2
(2018): 88-102.
[3] WJ Praiselin and J Belwin Edward. A review on impacts of power quality, control and
optimization strategies of integration of renewable energy based microgrid operation.
International Journal of Intelligent Systems and Applications, 12(3) :67, 2018.
[4] Abdoulaye Mamadie Sylla. Modélisation d’un émulateur éolien à base de machine
asynchrone à double alimentation. PhD thesis, Université du Québec à Trois-Rivières, 2013.
[5] Venugopal J Kante and ZJ Khan. A review paper on modeling and simulation of permanent
magnet synchronous generator based on wind energy conversion system. International Jour. Of
Engg. Research and Appl, 4(6):34–43, 2014.
[6] Aicha Asri, Youcef Mihoub, Said Hassaine, Pierre-Olivier Logerais, Adel Amiar, and Tayeb
Allaoui. An adaptive fuzzy proportional integral method for maximum power point tracking
control of permanent magnet synchronous generator wind energy conversion system. Rev.
Roum. Sci. Techn.–Electrotechn, et Energ, 63(3):320–325, 2018.
[7] Oussama Maroufi, Abdelghani Choucha, and Lakhdar Chaib. Hybrid fractional fuzzy pid
design for mppt-pitch control of wind turbine-based bat algorithm. Electrical Engineering,
102:2149– 2160, 2020.
[8] Sarir Noureddine, Sebaa Morsli, Allaoui Tayeb and Denai Mouloud. Optimal fractional-
order pi control design for a variable speed PMSG-based wind turbine. Journal Europeen des
systèmes automatisés, 54:915–922, 2021.
[9] R Belaidi, A Haddouche, M Fathi, M Mghezzi Larafi, and A Chikouche. Improvement of
the electrical energy quality using a shunt active filter supplied by a photovoltaic generator.
Energy Procedia, 6:522–530, 2011.
[10] Henrik Brantsæter, Łukasz Kocewiak, Atle Rygg Ardal, and Elisabetta Tedeschi. Passive
filter design and offshore wind turbine modelling for system level harmonic studies. Energy
Procedia, 80:401–410, 2015.
[11] Ming-Hung Chen. Development of shunt-type three-phase active power filter with novel
adaptive control for wind generators. The Scientific World Journal, 2015, 2015.
[12] Alireza Hoseinpour, S Masoud Barakati, and Reza Ghazi. Harmonic reduction in wind
turbine generators using a shunt active filter based on the proposed modulation technique.
International Journal of Electrical Power & Energy Systems, 43(1):1401–1412, 2012.

-116-
 BIBLIOGRAPHIE

[13] Nadhir Mesbahi, Ahmed Ouari, and Tedjani Mesbahi. Active filtering of wind energy
conversion systems with dfig for nonlinear or unbalanced load. In IEEE CIER conf, 2014.
[14] Indu Maurya, SK Gupta, and Priyanka Maurya. An efficient harmonic detection approach
for shunt active filter based on wavelet transform. Ain Shams Engineering Journal, 9(4):2833–
2839, 2018.
[15] M Al-Dhaifallah, N Kanagaraj, and KS Nisar. Fuzzy fractional-order pid controller for
fractional model of pneumatic pressure system. Mathematical Problems in Engineering, 2018.
[16] Xin Wu, Yanhe Xu, Jie Liu, Cong Lv, Jianzhong Zhou, and Qing Zhang. Characteristics
analysis and fuzzy fractional-order pid parameter optimization for primary frequency
modulation of a pumped storage unit based on a multi-objective gravitational search algorithm.
Energies, 13(1):137, 2020.IV
[17] Ivo Petras. Fractional derivatives, fractional integrals, and fractional differential
equations in Matlab. IntechOpen, 2011.
[18] Bo Shang, Jianxin Liu, Tiebiao Zhao, and YangQuan Chen. Fractional order robust visual
servoing control of a quadrotor uav with larger sampling period. In 2016 International
Conference on Unmanned Aircraft Systems (ICUAS), pages 1228–1234. IEEE, 2016.
[19] Mohamed Jasim Mohamed and Amjad Khashan. Comparison between pid and fopid
controllers based on particle swarm optimization. In The Second Engineering Conference of
Control, Computers and Mechatronics Engineering ECCCM2, 2014.
[20] Hassen T Dorrah, Ahmed M El-Garhy, and Mohamed E El-Shimy. PSO based optimized
fuzzy controllers for decoupled highly interacted distillation process. Ain Shams Engineering
Journal, 3(3):251–266, 2012.
[21] Chia-Nan Ko, Tsong-Li Lee, Yu-Yi Fu, and Chia-Ju Wu. Simultaneous auto-tuning of
membership functions and fuzzy control rules using genetic algorithms. In 2006 IEEE
International Conference on Systems, Man and Cybernetics, volume 2, pages 1102–1107.
IEEE, 2006.
[22] M Mohammadian and Russel James Stonier. Tuning and optimization of membership
functions of fuzzy logic controllers by genetic algorithms. In Proceedings of 1994 3rd IEEE
International Workshop on Robot and Human Communication, pages 356–361. IEEE, 1994.
[23] Duc Hoan Tran. Conception Optimale Intégrée d’une chaine éolienne” passive” : analyse
de robustesse, validation expérimentale. PhD thesis, Institut National Polytechnique de
Toulouse INPT, 2010.
[24] Meghni Billel. Contribution à l’amélioration des performances d’une chaine énergétique
éolienne. PhD thesis, These Doctorat, université Badji Mokhtar Annaba 2015. [4] Wikipedia,
1955.
[25] Djeghri, Billel and Karim, Zermane. Analyse de la viabilité financière d’un projet
hypothétique d’énergie éolienne. Journal El-Bahith Review, vol 21, 1,137-150, 2021.

-117-
 BIBLIOGRAPHIE

[26] Yaiche, Mohamed Rédha and Bouhanik, Abdellah. Atlas solaire algérien. Journal de
Portail des Energies Renouvelables, Centre de développement des Energies Renouvelables.
Vol.16, 2002.
[27] Gomez, Lina Maria Ruiz Gomez Ruiz. Intégration de la production éolienne aux réseaux
électriques: approches techniques et économiques. Thèse Phd. Université de Grenoble. 2012.
[28] Forcier, Louis-Charles. Conception d'une pale d'éolienne de grande envergure à l'aide de
techniques d'optimisation structurale. Thèse Phd. École de technologie supérieure. 2010.

[29] DIF, Sofiane. Conception et modélisation par éléments finis d’une pale éolienne à axe
horizontal. Mémoire master. 2013.

[30] Guérette, Dominique. Asservissement d'une éolienne à vitesse variable et à pas fixe dans
le cadre d'un système de jumelage éolien-diesel à haute pénétration. Thèse Phd. Université du
Québec à Rimouski. 2010.

[31] Arnaud Davigny. Participation aux services système de fermes d’éoliennes à vitesse
variable intégrant du stockage inertiel d’énergie. Thèse de Doctorat. Ecole Doctorale Sciences
Pour L’ingénieur, Université des Sciences et Technologie de Lille, 2007.
[32] Berhail, Abdelkader. Commande d'une éolienne à base de GSAP connectée au réseau
électrique par convertisseur multiniveaux. Thèse de Doctorat. Université du Québec à Trois-
Rivières. 2020.
[33] Thongam, Jogendra Singh and Ouhrouche, Mohand. MPPT control methods in wind
energy conversion systems. Journal of Fundamental and advanced topics in wind power.
Vol.15, 339-360, 2011, publisher in InTech Vienna, Austria.

[34] Zouheyr, Dekali and Lotfi, Baghli and Abdelmadjid, Boumediene. Improved hardware
implementation of a TSR based MPPT algorithm for a low cost connected wind turbine
emulator under unbalanced wind speeds. Journal of Energy, vol.232. 121039, 2021, publisher
in Elsevier.

[35], [35] Wu, Bin and Lang, Yongqiang and Zargari, Navid and Kouro, Samir. Power
conversion and control of wind energy systems. Publisher in John Wiley and Sons. 2011.

[36] Amor Khlaief. Contribution à la commande vectorielle sans capteur mécanique des
machines synchrones à aimants permanents (MSAP). PhD thesis, Aix-Marseille, 2012.
[37] Saeed Afsharnia. Contrôle vectoriel des machines synchrones à aimants permanents :
identification des paramètres et minimisation des ondulations de couple. PhD thesis, Institut
National Polytechnique de Lorraine, 1995.
[38] Radaorozandry, Liva Eric. Conception et optimisation des machines synchrones avec des
modèles analytiques en tenant compte de la saturation magnétique. Thèse de Doctorat. 2007.

[39] Hamecha, Samira. Etude et commande d'une éolienne à base d'une machine synchrone à
aimants permanents. Thèse de Doctorat. Université Mouloud Mammeri.2013.

[40] Soltane Belakehal. Conception et commande des machines à aimants permanant d’dédiées
aux énergies renouvelables. Thèse de Doctorat. 2010.

-118-
 BIBLIOGRAPHIE

[41] Dahbi,Abdeldjalil. Étude des performances et commande d’une machine synchrone {\`a}
aimants permanents utilisée dans les éoliennes. Thèse de Doctorat. Université de Sétif 1-Ferhat
Abbas. 2012.

[42] Rezkallah, Miloud. Amélioration de la qualité d'énergie fournie au réseau autonome

hybride éolien-diesel. Thèse Phd. École de technologie supérieure. 2010.

[43] LILIEN, Jean-Louis. Transport et distribution de l’énergie électrique. L’Institut

d’Electricité Montefiore. Thèse Phd. Université de Liege, vol.92, 2006.

[44] Boris Bailly and Fredéric Rosenstein. Planification du réseau de transport d’électricité et
maitrise de la demande d’électricité : vers une complémentarité des objectifs, Livre, (4):28–35,
2003.
[45] Sukumar Mishra, CN Bhende, and BK Panigrahi. Detection and classification of power
quality disturbances using s-transform and probabilistic neural network. IEEE Transactions on
power delivery, 23(1) :280–287, 2008.
[46] Salma Ait Fares. Réseau de neurones adaline pour l’estimation des harmoniques pour la
commande d’un filtre actif. PhD thesis, Université du Québec à Trois-Rivières, 2003.
[47] Hamza, Elferd. Fonctionnement en mode dégrade d’un onduleur multi niveaux application
au filtre actif parallèle. Thèse de doctorat. Université Mohamed Boudiaf- M’SILA. 2017.
[48] AL Dourari and MK Fellah. Application d’un filtre actif parallèle au contrôle de la tension
d’un réseau à haute tension. In Conférence Nationale sur la Haute Tension, Laghouat,
ALGERIE ,2013.
[49] Mohamed Amin MA Moftah, Gaber El-Saady A Taha, and El-Noby A Ibrahim. Active
power filter for variable-speed wind turbine PMGS interfaced to grid and non-linear load via
three phase matrix converter. In 2016 Eighteenth International Middle East Power Systems
Conference (MEPCON), pages 1013–1019. IEEE, 2016.
[50] Pierre Hubertin Andrianirina. Etude et développement des méthodes de contrôle des
harmoniques dans le réseau de distribution électrique. PhD thesis, Université du Québec à
Trois- Rivières, 2007.
[51] Corey Montella. The kalman filter and related algorithms: A literature review. Research
Gate, 2011.
[52] Guenounou, Ouabib. Méthodologie de conception de contrôleurs intelligents par
l'approche génétique. Application un bioprocédé. Thèse de doctorat. Université Paul, Sabatier-
Toulouse. 2009.

[53] Khelifi, Cherif. Contrôle non destructif des machines tournante : application a une
éolienne à axe verticale. Thèse de doctorat. Université of sciences and technology in Oran.
2015.

[54] Abdelkader, BOUDALI. Contribution à la commande avancée et à l’amelioration de la

sabilité et le fonctionnement d’une microcenrale hydroelectrique. Thèse de doctorat. Université
Ibn Khaldoun-Tiaret. 2021.

-119-
 BIBLIOGRAPHIE

[55] Nur Iffah Mohamed Azmi, Nafrizuan Mat Yahya, Ho Jun Fu, and Wan Azhar Wan Yusoff.
Optimization of the pid-pd parameters of the overhead crane control system by using PSO
algorithm. In MATEC Web of Conferences, volume 255, page 04001. EDP Sciences, 2019.
[56] Aseem K Subeekrishna M P. Comparitive study of pid and fractional order pid controllers
for industrial applications. International Journal of Engineering Research Technology (IJERT).
[57] Mahmud Iwan Solihin, Lee Fook Tack, and Moey Leap Kean. Tuning of pid controller
usin particle swarm optimization (PSO). In Proceeding of the international conference on
advanced science, engineering and information technology, volume 1, pages 458–461, 2011.
[58] FERGANI, Nadir. Réglage de PID fractionnaire pour une réponse désiré en boucle
fermée. Third International Conference on Energy. Université de Constantine 1. 2009.

[59] Mohammad Reza Faieghi and Abbas Nemati. On fractional-order pid design. In
Applications of MATLAB in Science and Engineering. IntechOpen, 2011.
[60] Issam ATOUI. Contribution au diagnostic de défauts d’une génératrice asynchrone dans
une chaine de conversion d’énergie éolienne. PhD thesis, Universite Badji Mokhtar de Annaba,
2015.
[61] Shaher Momani, Reyad El-Khazali, and Iqbal M Batiha. Tuning pid and pi λ d δ controllers
using particle swarm optimization algorithm via el-khazali’s approach. In AIP Conference
Proceedings, volume 2172, page 050003. AIP Publishing LLC, 2019.
[62] Liu, Xiaoyong. Optimization design on fractional order PID controller based on adaptive
particle swarm optimization algorithm. Journal of Nonlinear Dynamics, vol.84, 1, 379-386,
2016, publisher in Springer.

[63] Chalane, Idir and Ouari, Tarek and Guenounou, O and others. Optimisation des paramètres
d'un PID par essaims particulaires (PSO). Mémoire de master. Université Abderrahmane Mira.
2017.

[64] Bettou Khalfa and Charef Abdelfateh. Optimal tuning of fractional order pIλdµ a controller
using particle swarm optimization algorithm. IFAC-PapersOnLine, 50(1):8084–8089, 2017.
[65] Mostafa Mjahed. PID controller design using genetic algorithm technique. Proceedings of
the ICICR, pages 1–4, 2013.
[66] Smail BAZI. Contribution à la Commande Robuste d’une Machine Asynchrone par la
Technique PSO « Particle Swarm Optimization ». PhD thesis, Université de Batna 2, 2009.
[67] Wu, Bing and Yip, Tsz Leung and Yan, Xinping and Soares, C Guedes. Fuzzy logic based
approach for ship-bridge collision alert system. Vol.187, 106152, 2019, publisher in Elsevier.

[68] Arti Saxena, YM Dubey, and Manish Kumar. PSO and fuzzy based tuning mechanism for
optimization of transient response in high-performance drilling machine. In 2020 7th
International Conference on Signal Processing and Integrated Networks (SPIN), pages 1147–
1152. IEEE, 2020.
[69] Nun Pitalua-Diaz, Enrique J Herrera-Lopez, Guillermo Valencia-Palomo, Alvaro
Gonzalez- Angeles, Ricardo A Rodriguez-Carvajal, and Nohe R Cazarez-Castro. Comparative

-120-
 BIBLIOGRAPHIE

analysis between conventional pi and fuzzy logicpi controllers for indoor benzene
concentrations. Sustainability, 7(5):5398–5412, 2015.
[70] Mandow A. Garcia-Cerezo A Hurel, J. Tuning a fuzzy controller by particle swarm
optimization for an active suspension system. IECON 2012-38th Annual Conference on IEEE
Industrial Electronics Society. IEEE. 2524—2529. 2012.

[71] Sarir Noureddine, Sebaa Morsli, Allaoui Tayeb. Optimized fuzzy fractional PI-based
MPPT controllers for a variable-speed wind turbine. Journal WIND ENGINEERING, 1-14,
2022.

[72] Winda Astuti Mahmud Iwan Solihin, Cheah Yong Chuan. Optimization of fuzzy logic
controller parameters using modern metaheuristic algorithm for gantry crane system (gcs).
Materials Today: Proceedings. Vol : 29, 168-172, 2020, publisher in Elsevier.

-121-