ACTUALITÉ SCIENTIFIQUE
ET INNOVATION DE L'ÉTS
Comment extraire la puissance maximale d’un système photovoltaïque? - Par : Ali Chikh, Ambrish Chandra,

Comment extraire la puissance maximale d’un système photovoltaïque?


Ali Chikh
Ali Chikh est doctorant en génie électrique à l’ÉTS. Ses recherches portent sur les ressources énergétiques renouvelables, la qualité de l’alimentation et les filtres actifs de puissance.
Programme : Génie électrique 

Ambrish Chandra
Ambrish Chandra Profil de l'auteur(e)
Ambrish Chandra est professeur au Département de génie électrique à l’ETS. Ses intérêts de recherche portent sur la qualité de l’onde, la compensation de puissance, le contrôle et l’intégration des ressources énergétiques renouvelables.
Programme : Génie électrique 

 

Note de l’éditeur

Vous considérez l’achat d’un système photovoltaïque (PV) pour votre entreprise ou votre maison? Vous en possédez un déjà? Cet article présente une nouvelle méthode pour extraire la puissance maximale d’un système photovoltaïque (PV) au moyen d’un nombre réduit de capteurs.  La méthode proposée a été développée par les chercheurs du Groupe de recherche en électronique de puissance et commande industrielle (GREPCI) à l’École de technologie supérieure (ÉTS) de Montréal. En plus de limiter le nombre d’éléments nécessaires au montage, elle réduit le temps de réponse tout en augmentant l’efficacité.

____________________________________

Introduction

De nos jours, les problèmes environnementaux engendrés par l’utilisation des méthodes classiques de génération d’électricité semblent retenir de plus en plus l’attention partout dans le monde. L’utilisation intensive de ces types d’énergies augmente la température et accélère le réchauffement de la terre. Actuellement, les énergies renouvelables, et particulièrement l’énergie photovoltaïque, considérée comme une ressource énergétique palliative, connaissent une croissance accélérée et sont utilisées dans de nombreuses applications. Elles offrent une longue durée de vie utile, exigent un minimum d’entretien et ne produisent aucun bruit ni d’effet dérangeant. Pour ces raisons, elles sont considérées comme respectueuses de l’environnement. Cependant, leur efficacité de conversion est relativement faible, ce qui rend leur optimisation nécessaire. Une façon d’y parvenir est d’extraire la puissance maximale selon les fluctuations des conditions climatiques, une méthode connue sous le nom MPPT (suivi du point maximal de puissance), lequel est déterminé au moyen d’un convertisseur.

On remarque, comme illustré à la figure 1, que la puissance des capteurs solaires a une valeur maximale unique, laquelle varie selon la radiation solaire. Il est donc nécessaire de faire un suivi constant de ce point.

Figure 1FR

Fig. 1 Courbe de tension d’alimentation

Revue de la littérature

Diverses techniques ont été proposées selon leur complexité, les capteurs utilisés, la convergence, le montage et d’autres aspects [1-7][19-22]. Les méthodes les plus courantes sont : perturbation et observation (P&O) ainsi que « conductance incrémentale » (InCond) [2-4][6][8][17-21][23]. Dans le cas de cette méthode, une perturbation (un changement de tension) est créée et la puissance obtenue est mesurée : si elle est plus élevée, la tension est de nouveau augmentée jusqu’à ce que le système atteigne la pointe en tension par essai et erreur. D’autres méthodes sont proposées, basées sur la  commande par mode de glissement (sliding mode control) et sur la commande basée sur un modèle (model-based control) [9-11]. Dans cette méthode, une conductance incrémentale est créée et la puissance correspondante est mesurée de manière similaire à la méthode « perturbation et observation ».

De nos jours, les systèmes intelligents sont de plus en plus utilisés en raison de leur capacité à s’adapter et à améliorer leur performance, capacité semblable à celle de l’humain. Plusieurs techniques basées sur les réseaux neuronaux et sur la logique floue sont proposées [8] [12-14] [16][23-24][25]. La combinaison des techniques de réseaux neuronaux et de logique floue semble plus intéressante puisqu’elle associe les capacités d’apprentissage de la première avec les aptitudes de la seconde à traiter des données imprécises, ce qui la rend adéquate pour les applications photovoltaïques [15]. Plusieurs méthodes présentées sont basées sur les réseaux neuronaux à fonctions de base radiale (RBFNN) [26], sur un réseau de logique floue dynamique généralisée (GD-FNN) [27] et sur un système logique neuronale floue adaptative et à inférence (ANFIS) [28-29].

On peut remarquer, selon la littérature, que toutes les méthodes proposées basées sur le MPPT ont besoin de mesurer la tension et le courant du système et, dans certains cas, des paramètres environnementaux, ce qui constitue une tâche difficile résultant en une liste plus longue de matériel et une probabilité augmentée de défaillance et bruits dans les mesures.

Recherche proposée

La recherche traite d’une méthode MPPT efficace, basée sur le calcul des conductances instantanées et de jonction des capteurs, à l’aide du modèle de cellule ANFIS présenté dans un article récent écrit les auteurs [15]. De plus, les paramètres climatiques sont obtenus à l’aide d’un algorithme d’ondelette qui élimine le bruit, ce qui contribue à réduire la liste de matériel et de n’utiliser qu’un unique capteur de tension (figure 2).

Figure 2FR

Fig. 2 Algorithme MPPT proposé

Le fonctionnement de cette technique commence en mesurant Vpv et en estimant Ipv à l’aide du modèle ANFIS. Ensuite, la valeur de la tension thermique Vt est calculée. Finalement, les paramètres (G,Tc) sont estimés pour que l’algorithme fonctionne en continu.

Expérimentation proposée

Le montage expérimental inclut un émulateur photovoltaïque, un convertisseur élévateur connectés à une charge résistive, un circuit de commande de gâchette, un capteur de tension, un système de commande MPPT fondé sur un DSP DS1104 de dSPACE. Les figures 3 et 4 présentent le montage du système réalisé au laboratoire du GREPCI à l’ École de technologie supérieure de Montréal (ÉTS).

Figure 3FR

Fig. 3 Montage expérimental schématisé

Fig. 3 Hardware setup: 1. LC Filter; 2. Grid-Side; 3. Nonlinear Load; 4. Sensors; 5.Phase Resistive Load; 6. IGBT Driving Circuits; 7. PV-Side; 8. dSpace; 9. DC-Link Capacitor; 10. Inverter; 11. PC.

Fig. 4 Montage : 1. Filtre LC; 2. Côté réseau; 3. Charge non linéaire; 4. Capteurs; 5. Charge résistive de phase; 6. Circuits d’alimentation IGBT; 7. Côté PV; 8. dSpace; 9. Condensateur DC-Link; 10. Onduleur; 11. Ordinateur

Fig. 3 Montage expérimental schématisé

Pour démontrer la capacité du montage proposé, l’émulateur photovoltaïque est programmé pour changer son courant de sortie en trois échelons correspondant à une variation de radiation solaire de 250 W/m2, 500 W/m2, 750 W/m2 à 1 000 W/m2. La puissance extraite correspondante est illustrée à la figure 5 et au tableau 1.

Figure 4FR

Fig. 5 Puissance photovoltaïque extraite

Table 1FR

Tableau 1 Puissance extraite avec le pourcentage d’erreur

La figure 5 montre que la puissance photovoltaïque suit instantanément les changements de radiation solaire, avec une erreur moyenne minimale de 2 % (tableau 1). Toutes les techniques MPPT proposées dans la littérature utilisent au moins deux capteurs, ce qui augmente la liste du matériel ainsi que les bruits de mesure avec des pertes variant entre 4,46 % et 8 %, à 1 000 W/m2.

D’un autre côté, ces méthodes présentent des résultats divers en termes de temps de réponse, variant de 5 secondes à 10 ms. Cependant, la méthodologie proposée démontre des temps de réponse rapides, qui sont aux environs de 1,7 ms.

Conclusion et applications possibles

La méthode proposée offre quatre avantages importants sur les techniques rapportées dans la littérature :
1. matériel réduit pour le montage (un seul détecteur de tension est utilisé) (figure 6),
2. capacité de suivi rapide,
3. erreur très faible dans la puissance suivie, et finalement,
4. estimation des paramètres environnementaux,
5. universelle, faisant en sorte qu’elle puisse être utilisée tant pour les installations autonomes que dans les applications photovoltaïques raccordées au réseau.

Figure 5a-1FR

Fig. 6.a matériel des méthodes existantes – utilisant au moins deux capteurs (quatre dans cet exemple)

Figure 5b-1FR

Fig. 6.b Matériel de la méthode proposée – utilisant un seul capteur

Fig. 6 Matériel de la méthode proposée (b) comparée au matériel des méthodes existantes (a)

Information additionnelle

Nous vous invitons à lire l’article de recherche suivant pour obtenir plus d’information concernant ce projet :

Chikh, A. and Chandra A. 2015. « An Optimum Maximum Power Point Tracking Algorithm for PV Systems With Climatic Parameters Estimation ». IEEE Transactions on Sustainable Energy, vol. 6, No 2, April 2015.

GREPCI logofrVeuillez consulter notre site Web pour plus d’information sur les autres projets de recherche et les étudiants recherchés du Groupe de recherche en électronique de puissance et commande industrielle (GREPCI).

.

Ali Chikh

Profil de l'auteur(e)

Ali Chikh est doctorant en génie électrique à l’ÉTS. Ses recherches portent sur les ressources énergétiques renouvelables, la qualité de l’alimentation et les filtres actifs de puissance.

Programme : Génie électrique 

Laboratoires de recherche : GREPCI – Groupe de recherche en électronique de puissance et commande industrielle 

Profil de l'auteur(e)

Ambrish Chandra

Profil de l'auteur(e)

Ambrish Chandra est professeur au Département de génie électrique à l’ETS. Ses intérêts de recherche portent sur la qualité de l’onde, la compensation de puissance, le contrôle et l’intégration des ressources énergétiques renouvelables.

Programme : Génie électrique 

Laboratoires de recherche : GREPCI – Groupe de recherche en électronique de puissance et commande industrielle 

Profil de l'auteur(e)


commentaires

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *