Simulation d’un système photovoltaïque alimentant une machine asynchrone

Abstract

Le fonctionnement optimal et continu des mécanismes industriels ne peut être envisagé sans la présence d’un système qui permet de prévenir à l’état précoce les anomalies qui peuvent surgir au niveau des différents organes des équipements, et de diagnostiquer rapidement les pannes. A cet effet, une application des réseaux de neurones artificiels pour la détection des défauts d’un système photovoltaïque a été élaborée. Le travail présenté dans ce mémoire concerne la modélisation, le diagnostic d’un panneau photovoltaïque associé à un convertisseur DC-DC contrôlé par MPPT; destiné à entrainer une machine asynchrone à travers d’un convertisseur DC-AC. Un générateur photovoltaïque peut fonctionner dans une large gamme de tension et de courant de sortie mais il ne peut délivrer une puissance maximale que pour des valeurs particulières du courant et de la tension. En effet la caractéristique I(V) du générateur dépend de l’éclairement solaire et de la température. Ces variations climatiques entraînent la fluctuation du point de puissance maximale. A cause de cette fluctuation, on intercale souvent entre le générateur et le récepteur un ou plusieurs convertisseurs statiques commandés permettant de poursuivre le point de puissance maximale. Ces commandes connues sous le nom de MPPT (Maximum Power Point Tracking), sont associées au convertisseur DC-DC, lequel assure le couplage entre le générateur PV et la machine asynchrone en forçant le premier à délivrer sa puissance maximale et détecter des défauts du générateur photovoltaïque par RNA (Réseaux de Neurones Artificiels)