Développement et Implémentation des Commandes Avancées pour une Génératrice Asynchrone à Double Alimentation dans un Système Éolien à l’aide de l’Intelligence Artificielle et un Système Embarqué

Abstract

Le but de cette thèse est de développer des techniques de commande avancées et intelligentes pour les systèmes de conversion d'énergie éolienne (SCEE) basés sur une génératrice asynchrone à double alimentation (GADA) à vitesse variable, en utilisant la logique floue et les réseaux de neurones artificiels. L'objectif principal est d'optimiser l'efficacité aérodynamique et de maximiser l'extraction d'énergie en réagissant de manière dynamique aux fluctuations de la vitesse du vent. De plus, cette recherche vise à améliorer la qualité de l'énergie électrique produite tout en garantissant la robustesse et les performances de l'éolienne face aux variations des paramètres du système et aux creux de tension. Nous commençons notre recherche par la simulation et le contrôle d'une éolienne de 1,5 kW en utilisant une commande directe de puissance (CDP) basée sur des comparateurs à hystérésis et une table de commutation. La CDP repose sur le contrôle direct des puissances actives et réactives de la GADA en sélectionnant un vecteur de tension optimal à appliquer au convertisseur côté rotor (CCR) de la génératrice. Cependant, cette approche présente des inconvénients majeurs, tels que de fortes oscillations au niveau des puissances et des courants, une fréquence de commutation variable, un risque de saturation des convertisseurs, une augmentation des pertes thermiques, et la complexité de la table de commutation. Pour remédier à ces problèmes, des stratégies modifiées de commande directe de puissance ont été développées. Celles-ci incluent le remplacement de la table de commutation par la technique de modulation à largeur d'impulsion (MLI) et la substitution des comparateurs à hystérésis par des contrôleurs basés sur le contrôle par modes glissants, l'algorithme de super-torsion, ainsi que des techniques d'intelligence artificielle, telles que la logique floue et les réseaux de neurones artificiels. Ainsi, les contrôleurs (Fuzzy Super-Twisting Sliding Mode Control-based DPC) FSTSMC-DPC et (Neural Super-Twisting Sliding Mode Control-based DPC-PWM) NSTSMC-DPC-PWM permettent d'obtenir les niveaux les plus faibles d'oscillations de puissance et d'harmoniques dans les courants statoriques, tout en assurant une excellente précision, un suivi performant et une grande robustesse face aux variations des paramètres internes de la génératrice. Ces améliorations se traduisent par une réduction des ondulations des puissances actives et réactives, une diminution du taux de distorsion harmonique des courants statoriques, ainsi qu'une réduction de l'erreur de régime permanent (Steady-State Error, SSE) et du dépassement. Les techniques développées dans cette thèse ont été rigoureusement testées via des simulations Processor-in-the-Loop (PIL) en utilisant un système embarqué basé sur la carte dSPACE 1104.