18 novembre 2024
Sommaire
Cet article décrit une technique innovante pour maximiser la puissance des systèmes de conversion d’énergie à l’aide de l’intelligence artificielle. Notre approche s’adapte à l’évolution rapide des conditions environnementales que nous connaissons actuellement. Sa nouveauté réside dans l’implantation d’un système d’inférence à logique floue. S’appuyant sur deux vitesses successives de changement de puissance, le système programme le prochain paramètre d’exécution d’un contrôleur de suivi du point de puissance maximal, appelé dP-P&O (perturbation et observation). Cette nouvelle stratégie a été validée expérimentalement pour des conditions changeantes de vitesses du vent et de charges.
L’énergie éolienne a besoin de contrôleurs intelligents
La croissance démographique, le réchauffement climatique et la course au développement de nouvelles technologies imposent des contraintes importantes sur la demande d’énergie. En fait, pour décarboner la production d’énergie, se préparer à l’après-pétrole et répondre aux préoccupations environnementales et au réchauffement climatique, le monde se tourne de plus en plus vers des sources d’énergie plus propres.
Dans cette quête, l’énergie éolienne est en voie de devenir une force dominante. Sur la scène mondiale, les installations éoliennes ont dépassé 1 TW pour la première fois en 2023. Cette année-là a été la plus fructueuse de l’industrie éolienne. En effet, au cours de cette seule année, les installations ont augmenté de 50 % et 117 GW de capacité éolienne ont été raccordés au réseau électrique.
Cependant, comme toutes sources d’énergie renouvelables, l’énergie éolienne doit relever des défis techniques, notamment celui de maximiser la production d’énergie. Une étude récente propose donc une solution novatrice pour les systèmes de conversion d’énergie éolienne. Elle offre un nouveau moyen d’accroître l’efficacité et de stabiliser la production d’énergie, même lorsque les conditions de vent changent rapidement.
Les éoliennes fonctionnent dans des conditions en constant changement : rafales, variations de vitesse du vent et autres facteurs environnementaux. Il leur est donc difficile de générer de manière constante leur potentiel de puissance maximale. Historiquement, le monde du génie a abordé ce problème à l’aide de la méthode appelée perturbation et observation (P&O). Bien qu’efficace, cette méthode peine à s’adapter aux variations soudaines du vent, ce qui entraîne des pertes d’énergie et un manque d’efficacité.
C’est là que la méthode adaptative floue pour le suivi du point de puissance maximale (MPPT) entre en jeu. Inspirée de la logique floue, cette méthode raffine les ajustements de puissance éolienne. En apprenant des variations de puissance causées par les changements de vitesse du vent, elle permet à l’éolienne de réagir rapidement et précisément aux fluctuations et de capter autant d’énergie que possible.
Le pouvoir de la logique floue : l’avenir de l’énergie éolienne
La logique floue est un concept plus simple qu’il en a l’air : elle permet aux machines de prendre des décisions dans des conditions incertaines. Imaginez essayer d’ajuster la vitesse d’une éolienne, alors que le vent change constamment. Au lieu de se plier à des règles rigides, la logique floue permet au système de s’ajuster d’après un certain nombre de conditions, modifiant le comportement de l’éolienne naturellement pour maintenir des performances optimales.
Dans le cas des éoliennes, la commande adaptative floue tient compte de divers facteurs (changements de vitesse du vent, fluctuations de puissance) pour décider comment ajuster les réglages de l’éolienne.
Cette adaptation dynamique assure que l’éolienne fonctionnera de façon maximale, en particulier dans des environnements instables.
L’algorithme dP-P&O
La technique dP-P&O (perturbation et observation) pour le suivi du point de puissance maximale (MPPT) permet de surmonter les limites de la simple technique P&O. Ces limites comprennent les oscillations en régime permanent autour du MPP, une vitesse de réponse lente et un suivi erroné de direction dû aux changements rapides de conditions atmosphériques. Cette méthode consiste à modifier légèrement la tension (perturbation à pas fixe) et à observer les hausses ou les baisses de puissance, puis à l’ajuster en conséquence pour maintenir le système près du MPP.
La méthode dP-P&O permet de distinguer les variations de vitesse du vent des effets causés par le contrôleur. Pour ce faire, une nouvelle mesure de puissance est ajoutée au milieu de la période d’échantillonnage de l’algorithme, lorsque le contrôleur est inactif.
L’algorithme adaptatif flou dP-P&O
Cet algorithme combine la simplicité du dP-P&O avec l’adaptabilité de la logique floue. Elle permet à l’éolienne de s’ajuster plus rapidement et plus précisément aux changements de conditions de vent.
Nous proposons ici un algorithme de planification pour adapter la taille du pas de perturbation à l’aide d’un système d’inférence floue. L’algorithme est fondé sur les variations successives de puissance dP1 et dP2 (figure 1) pour générer un grand pas lorsque les conditions environnementales augmentent, afin de garantir une convergence rapide vers le MPP. Il génère un pas plus petit en conditions décroissantes afin d’éviter le phénomène de dérive décroissante et un éloignement du MPP. Il génère également une taille de pas proche zéro pour le point de fonctionnement en régime permanent afin de minimiser les oscillations.
Figure 1 Mesure de la puissance entre deux instances d’échantillonnage MPPT.
Nouveautés et principales contributions de ce travail de recherche :
1) Modification de l’algorithme dP-P&O (initialement conçu pour les systèmes photovoltaïques) pour un système expérimental en temps réel de conversion d’énergie éolienne.
2) Programmation de la taille de pas du dP-P&O à l’aide d’un système d’inférence flou.
3) Utilisation des variations de puissance successives (dP1 et dP2) comme variables d’entrée pour le système adaptatif flou afin de définir la taille du pas de perturbation dP-P&O.
L’algorithme adaptatif flou dP-P&O proposé est présenté à la figure 2.
Figure 2 Algorithme adaptatif flou dP-P&O
La comparaison des résultats expérimentaux est présentée aux figures 3, 4 et 5, pour les variations de puissance, de tension et de courant, lorsque le dP-P&O et l’algorithme proposé sont utilisés. Le contrôleur proposé réduit grandement les perturbations en régime permanent avec une convergence rapide vers le MPP, tant en conditions croissantes que décroissantes.
Figure 3 Comparaison des puissances de sortie à vitesse de vent variable
Figure 4 Comparaison des tensions de sortie à vitesse de vent variable
Figure 5 Comparaison des courants continus à vitesse de vent variable
L’avenir de la commande de l’énergie éolienne
Le succès du MPPT adaptatif flou n’est qu’un début. Alors que le monde du génie continue de perfectionner cette technologie, l’avenir est aux contrôleurs encore plus avancés, qui pourraient détecter d’avance les conditions environnementales et s’y adapter. Les possibilités sont infinies et laissent entrevoir une ère où les énergies renouvelables seront non seulement plus propres, mais aussi plus intelligentes.
Ainsi, la prochaine fois que vous verrez des éoliennes à l’horizon, rappelez-vous qu’elles sont plus que de simples pales en rotation. Elles sont dotées d’une technologie de pointe qui capte la puissance du vent et nous rapproche d’un avenir énergétique durable.
Cette fusion d’énergie propre et de technologie de pointe est le moteur de l’évolution mondiale vers la durabilité, et des innovations comme les commandes adaptatives floues sont essentielles pour exploiter tout le potentiel de l’énergie éolienne.
