Commande intelligente d’une éolienne à vitesse variable

Abstract

L'implantation croissante d'éoliennes dans le monde au cours des quinze dernières années permet de contribuer, notamment, au respect des objectifs des conférences du climat Kyoto, cop21(Paris) et cop22 (Marrakech). Ceci constitue une étape dans la lutte contre le changement climatique global. La rentabilité des éoliennes modernes est assurée par le passage aux aérogénérateurs à vitesse variable et grâce à des stratégies de contrôle efficaces. L’objectif de ce travail de thèse est de contribuer à l’amélioration de la commande d’une éolienne à vitesse variable en introduisant les outils intelligents tels que : les réseaux de neurones artificiels RNA, la machine d’extrême apprentissage ELM et l’algorithme adaptatif par essaims particulaires APSO. Deux stratégies de commande ont été adoptées : La première est destinée à la partie mécanique de l’éolienne comme étant la partie essentielle de la chaine de conversion énergétique. Dans cette stratégie, nous avons proposé deux contributions originales concernant les lois de commandes intelligentes et robustes. La première loi est basée sur les modes glissants combinés aux RNA à régression généralisée et la deuxième loi est basée sur les modes glissants à action intégrale améliorée par l’algorithme ELM.Dans cette partie, l’étude est limitée au calcul du couple électromagnétique que la génératrice doit fournir pour le perfectionnement du fonctionnement de l’aéroturbine. La deuxième stratégie adoptée traite les lois de commande du système éolien complet basées sur le contrôle de la génératrice (MADA) via les convertisseurs de puissance pour fournir le couple électromagnétique exigé par la partie mécanique. Deux contributions originales sont présentées pour la commande vectorielle avec orientation du flux de la MADA. La commande envisagée est une commande en cascade mettant en jeu deux boucles de régulation. L’algorithme ELM a été utilisé à la fois dans la boucle externe pour estimer la loi de commande et dans la boucle interne pour surmonter le problème de découplage du régulateur PI. Par ailleurs, l’optimisation du gain de commutation dans la boucle externe et les paramètres des régulateur PI dans la boucle interne a été assurée par l’algorithme APSO. La validité en termes d’efficacité, de stabilité et de poursuite des différents contrôleurs proposés qualifiés d’intelligents, robustes et optimales est confirmée notamment par la comparaison à d’autres algorithmes empruntés de la littérature spécialisée par simulation sur MATLAB/SIMULINK.