Etude d'un convertisseur DC-DC à haut gain avec MPPT basé sur l'intelligence artificielle pour les applications photovoltaïques

Abstract

La demande croissante en énergie propre et durable a intensifié l'attention mondiale sur la production d'électricité renouvelable, le photovoltaïque (PV) émergeant comme une technologie de premier plan en raison de son abondance, de son extensibilité et de son faible impact environnemental. Cependant, les systèmes PV sont limités par l'intermittence inhérente de la ressource solaire, le faible rendement des cellules et les caractéristiques non linéaires courant-tension. Ces limitations nécessitent à la fois des stratégies avancées de suivi du point de puissance maximal (MPPT) et des étages de conversion de puissance à haut gain pour assurer une extraction d'énergie efficace et stable.

Cette thèse relève ces défis en intégrant des innovations dans la conception des convertisseurs avec des techniques de contrôle intelligentes. Un nouveau convertisseur élévateur DC-DC quadratique à trois niveaux (TLQ-boost) est proposé comme contribution matérielle centrale. Le TLQ-boost atteint un gain de tension très élevé avec des rapports cycliques modérés tout en équilibrant naturellement les tensions des condensateurs, réduisant ainsi la contrainte sur les semi-conducteurs et améliorant l'efficacité globale. Cette architecture est particulièrement adaptée pour l'interfaçage de champs PV basse tension avec des bus DC plus haute tension dans des applications autonomes ou connectées au réseau.

Sur le plan du contrôle, un réseau de neurones non linéaire autorégressif à entrées exogènes (NARX-NN) est développé comme algorithme MPPT avancé. Le contrôleur proposé basé sur NARX prédit le point de fonctionnement optimal en exploitant les modèles temporels du comportement PV, permettant une convergence rapide et des oscillations minimales sous des conditions d'irradiance et de température variables. Des études comparatives sont menées contre les algorithmes MPPT classiques de conductance incrémentale (IC) et de logique floue (type-1 et type-2). Les résultats de simulation démontrent que le contrôleur NARX-NN surpasse les méthodes existantes en termes de rapidité de réponse, de robustesse et de précision de suivi, obtenant un rendement énergétique supérieur avec des ondulations de puissance réduites.

Les résultats de ce travail confirment que la combinaison du convertisseur TLQ-boost et de la stratégie MPPT NARX-NN constitue une solution fiable et efficace pour les systèmes PV de nouvelle génération. La thèse contribue non seulement à l'avancement des convertisseurs DC-DC à haut gain et des contrôleurs intelligents, mais soutient également les efforts plus larges visant à renforcer la compétitivité de l'énergie solaire dans le cadre de la transition mondiale vers une énergie durable.