Cmgfgada Ardjoun
Cmgfgada Ardjoun
Cmgfgada Ardjoun
net/publication/230813272
Commande par Mode Glissant Flou d'un Système Éolien à Base d'une
Génératrice Asynchrone à Double Alimentation
CITATIONS READS
5 8,364
2 authors:
All content following this page was uploaded by Ardjoun Sid Ahmed El Mehdi on 29 May 2014.
Résumé. Dans ce travail, nous proposons la commande vectorielle directe en utilisant le contrôle par
mode glissant flou (CMGF) pour la génératrice asynchrone à double alimentation (GADA), appliquée
dans le système de conversion de l'énergie éolienne. Les puissances actives et réactives qui sont générées
par la GADA seront découplées par l'orientation du flux statorique et commandées par des contrôleurs
par mode glissant flou qu’on a développés. Les résultats obtenus montrent l'intérêt d'un tel contrôle dans
ce système.
Mots Clés: génératrice asynchrone à double alimentation, commande vectorielle, commande par mode glissant
flou, commande des puissances.
NOMENCLATURE
GADA Génératrice Asynchrone à Double Гem(Гr) Couple électromagnétique (mécanique)
Alimentation R Résistance
ρ Densité de l’air L(M) Inductance (mutuelle)
S Surface de la turbine σ Coefficient de fuites, σ = 1 – M2/LsLr
v Vitesse du vent θr(θs) Position du rotor (stator)
CP Coefficient d’extraction de puissance ωr(ωs) Vitesse électrique rotorique (statorique)
s(r) Indice du stator (rotor) Ω Vitesse mécanique
d, q Indices du référentiel de Park g Glissement
V(I) Tension (courant) f Frottement
P(Q) Puissance active (réactive) J Inertie
φ Flux magnétique P Nombre de paires de pôles
INTRODUCTION
Ces dernières années, il y a eu une évolution de la production d'électricité basée sur l'énergie éolienne.
Cette source d'énergie s'est développée compte tenu surtout de la diversité des zones exploitables et le
coût relativement intéressant (Olimpo et al, 2009).
Actuellement la plupart des éoliennes sont équipées d'une GADA, ceci est due à plusieurs avantages: la
génération à vitesse variable (± 30% autour de la vitesse du synchronisme), le contrôle découplé des
puissances actives et réactives, la réduction des contraintes mécaniques et le bruit acoustique,
l'amélioration de la qualité de puissance et le faible coût (Wu et al, 2011).
Mais la GADA est soumis à beaucoup de contraintes, telles que les effets des incertitudes paramétriques
« due à l’échauffement, saturation..... » et la perturbation de la variation de vitesse. Ces contraintes
pourraient donc détourner le système de son fonctionnement optimal (Poitiers et al, 2009). C'est pourquoi
le contrôle devrait se préoccuper de la robustesse et de la performance. Pour ce faire, nous nous sommes
référés à l'utilisation de la commande par mode glissant flou.
Dans cet article, nous décrivons d'abord le système de conversion d'énergie éolienne. Deuxièmement, le
modèle et la commande vectoriel de la GADA sont étudiés. Puis, un CMGF de la GADA est développé et
testé. Enfin, nous donnons quelques observations comparant l'utilisation de CMGF avec PI.
2èmes Journées Internationales sur les Énergies Renouvelables et le Développement Durable. Laghouat, les 03 et 04 Juin 2012
multiplicateur Réseau
Vent
Turbine
GADA
Figure 1: Schéma d’une chaîne de conversion d’énergie éolienne.
La turbine transforme l’énergie cinétique du vent en énergie mécanique, mais seule une partie de
1
l’énergie disponible peut être captée par l’éolienne (Multon et al, 2008) : P = ρC p Sv 3
2
Pour les éoliennes, le Cp qui dépend à la fois de la vitesse du vent et de la vitesse de rotation de la
turbine est généralement défini dans l’intervalle 0.35- 0.59 (Rapin et al, 2010).
Ainsi, la GADA transforme l’énergie mécanique en énergie électrique. Quant au convertisseur, il
transfère l'énergie maximale délivrée par l'éolienne au réseau en fonction de la vitesse du vent.
M ϕ M M M V2
s s
I ds = − I dr + , I qs = − I qr , Ps = −Vs I qr , Q s = −Vs I dr +
Ls Ls Ls L L L ω
s s s s
2 2 2 2
M dI dr M M dIqr M MV
Vdr = Rr I dr + ( Lr − ) − g (Lr − )ωs I qr et Vqr = RrIqr + (Lr − ) + g(Lr − )ωsIdr + g s
Ls dt Ls Ls dt Ls Ls
La méthode utilisée dans le contrôle de puissance consiste à négliger les termes de couplage et à mettre
en place un régulateur indépendant sur chaque axe, afin de contrôler la puissance active et la puissance
2èmes Journées Internationales sur les Énergies Renouvelables et le Développement Durable. Laghouat, les 03 et 04 Juin 2012
réactive de manière indépendante. Cette méthode est appelée la méthode directe parce que les régulateurs
de puissance contrôlent directement les tensions rotoriques.
Condition de convergence
La condition de convergence est définie par l’équation de Lyapunov (Lopez et al, 2006), elle rend la
surface attractive et invariante S ( X )S&( X ) ≤ 0
Calcul de commande
n max
L’algorithme de commande est défini par la relation u = u eq + u n et u = u sign(S(X))
Avec : u: grandeur de commande, ueq: grandeur de commande équivalente, un : terme de commutation de
commande, sign(S(X)) : fonction sign.
Entrée floue S (P ) NG NM EZ PM PG
fuzz Très grand grand moyen petit très petit
Sortie floue Vqr
Commande
équivalente eq
V qr
Ps
+ Plant
Ps ref S(P)
fuzz
Commande Vqr
floue
Figure 2: Schéma de principe de la commande de la Figure3: Les fonctions d'appartenance définies pour la
puissance active par mode glissant flou. CMGF de la puissance active.
RÉSULTATS OBTENUS
Afin de montrer les performances et la robustesse de la CMGF proposée, nous avons fait une série de
tests.
Le premier test consiste à réaliser des échelons de puissance active, réactive et de vitesse.
- à t=0.5 s : échelon de puissance active ( Ps ref passe de 0 à –5000W)
- à t=1 s : échelon de puissance réactive ( Q s ref passe de 0 à 2000 VAR).
- à t=1.5 s : échelon de vitesse passe de 1450à 1350 tr/min.
Le deuxième test consiste à faire varier les paramètres du modèle de la GADA utilisé (test de
robustesse) avec le maintient des conditions du premier test. La résistance augmente de 50%, et les
inductances diminuent de 30%.
La figure 4 et la figure 5 montrent la réponse du système avec un contrôleur PI et par MGF
respectivement sans variations paramétriques. La figure 6 et la figure 7 montrent la réponse du système
avec un contrôleur PI et par MGF respectivement avec variations paramétriques.
Figure 4: la réponse du système avec un contrôleur PI. Figure 6: la réponse du système avec un contrôleur PI
et variations paramétriques.
Figure 5: la réponse du système avec un CMGF. Figure 7: la réponse du système avec un contrôleur MGF
et variations paramétriques
CONCLUSION
Dans cet article, il a été présenté la commande d’un système de conversion éolienne équipée d’une
génératrice asynchrone à double alimentation.
Après la modélisation du système, nous avons développé deux contrôleurs un pour la puissance active
et l'autre pour la puissance réactive, en utilisant la commande par mode glissant flou.
Avec un choix approprié des paramètres du contrôleur, les résultats que nous avons obtenus sont
intéressants pour l'application de l'énergie éolienne afin d’assurer la robustesse et la qualité de l'énergie
produite.
En outre, cette commande présente un algorithme de contrôle simple et robuste qui a l'avantage d'être
facilement implantable dans un calculateur.
REFERENCES
[1] Ardjoun, S-El-M. Abid, M. Aissaoui, A-G. and Naceri, A. (2011) A robust fuzzy sliding mode
control applied to the double fed induction machine, International Journal Of Circuits, Systems And
Signal Processing,4, 5, 315-321.
[2] Boyette, A. (2006) Contrôle-commande d’une GADA avec système de stockage pour la production
éolienne, Thèse de Doctorat, Université Henry Poincaré, Nancy I, France.
[3] Lopez, P. and Nouri, A.S. (2006) Théorie élémentaire et pratique de la commande par les régimes
glissants, Springer.
[4] Multon, B. Roboam, X. Dakyo, B. Nichita, C. Gergaud, O. and Ben Ahmed,H. (2008),
Aérogénérateurs électriques, Technique De L'ingénieur, D 3 960.
[5] Olimpo, A-L. Nick, J. Janaka, E. Phill, C. and Mike, H. (2009) Wind energy generation modelling
and control, John Wiley & Sons.
[6] Poitiers, F. Bouaouiche,T. and Machmoum,M. (2009) Advanced Control of a Doubly-Fed Induction
Generator for Wind Energy Conversion, Electric Power Systems Research, 79, 7, 1085–1096.
[7] Rapin, M. and Noël, J-M.(2010), Energie éolienne, Dunod, Paris.
[8] Slotine, J.J.E. and Li,W. (1998) Applied nonlinear control, Prence Hall, USA.
[9] Wong,L.K Leung, F.H.F. and Tam, P.K.S.(2001), A fuzzy sliding controller for non linear systems,
IEEE Trans. Ind.electronic, 48, 1, 32-37.
[10] Wu,B. Lang,Y. Zargari, N. Kouro, S. (2011), Power Conversion and Control of Wind Energy
Systems, John Wiley & Sons, Inc., United States of America.