Browsing by Author "ZINE Mahmoud"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Contribution à la Modélisation Dynamique et au Contrôle des Génératrices à Réluctance Variable en Vue de l’Amélioration de leurs Performances Energétiques
    (جامعة الوادي Université d'eloud, 2024) ZINE Mahmoud
    أهداف عملنا هي: مولدات دوارة ملفوفة نموذجية ديناميكيًا وغير خطية (SRG) من خلال تحديد الخصائص الثابتة باستخدام عناصر محدودة - تطبيق استراتيجيات التحكم لتحسين الأداء وتحسين جودة إمدادات الطاقة للحاويات الوسيطة. - تكييف تقنيات الذكاء الاصطناعي استراتيجيات التحكم من أجل الحصول على المعلمات المثلى لتحقيق أقصى قدر من الأداء في إنتاج الطاقة الكهربائية. ولتحقيق هذه الأهداف، قمنا بتصميم ومحاكاة توربينات الرياح باستخدام تقنية MPPT (تتبع أقصى نقطة للطاقة). بعد ذلك، قمنا بتفصيل استراتيجية التحكم في HCC (التحكم في تيار التباطؤ) للحاويات الوسيطة، موضحين استراتيجيات التبديل الممكنة عبر معدل التباطؤ، والمحول الإلكتروني (الجسر غير المتماثل) والخوارزمية التي تسمح بالتحكم في عزم الدوران بواسطة تقنية HCC. وأخيرًا، قمنا بدمج تقنية HCC مع تقنية توربينات الرياح MPPT لزيادة كفاءة معامل الأداء (CP). في الفصل الأخير، قمنا بمقارنة هذه التقنية الجديدة بخوارزميات GSA (خوارزمية بحث الجاذبية) وPSO (تحسين سرب الجسيمات) وخوارزميات MEPT، بحثًا عن الحلول المثلى للمعلمات (θon، θoff) دون ضمان أنها أفضل ما يمكن أو أنه لا توجد بدائل أفضل. وعلى الرغم من أن هذه التقنيات توفر حلولاً جيدة، إلا أن عدم قدرتها على استكشاف جميع التكوينات الممكنة قد يحد من قدرتها على اكتشاف الحل الأمثل المطلق. وقد يحد هذا القيد من قدرتهم على البحث عن حلول أفضل بعد هذه المرحلة المحددة. تؤكد النتائج التي تم الحصول عليها بقوة فعالية تقنية MPPT المقترحة لتحسين الأداء العام للحاويات الوسيطة. من خلال النظر في مجموعة بيانات شاملة واستكشاف مجموعة واسعة من الاحتمالات، تتفوق التقنية المقترحة على خوارزميات GSA وPSO وMEPT والتقنيات التقليدية، وبالتالي تحسين الأداء التشغيلي وجودة الطاقة التي تنتجها GRV. النتائج التي تم الحصول عليها تؤكد وتثبت فعالية نظام التحكم المقترح، كما أنها أظهرت أهمية تأثير اختلاف زوايا التبديل (θon, θoff) على الأداء التشغيلي وجودة الطاقة المنتجة بواسطة GRV. Les objectifs de notre travail sont les suivants : Modéliser dynamiquement et non linéairement les générateurs à reluctances variables (GRV) en déterminant des propriétés statiques à l'aide d'éléments finis. Appliquer des stratégies de contrôle pour améliorer les performances et optimiser la qualité de l'alimentation des GRV. Adapter des techniques d'intelligence artificielle aux stratégies de contrôle afin d'obtenir des paramètres optimaux pour maximiser les performances dans la production d'énergie électrique. Pour atteindre ces objectifs, nous avons modélisé et simulé une éolienne utilisant la technologie MPPT (Maximum Power Point Tracking). Ensuite, nous avons détaillé la stratégie de contrôle HCC (Hysteresis Current Control) pour les GRV, en illustrant les stratégies de commutation possibles via le taux d'hystérésis, le convertisseur électronique (pont asymétrique) et l'algorithme permettant de contrôler le couple par la technique HCC. Enfin, nous avons associé la technologie HCC à celle de l'éolienne MPPT pour augmenter l'efficacité du coefficient de performance (CP). Dans le dernier chapitre, nous avons comparé cette nouvelle technologie aux algorithmes GSA (Gravitational Search Algorithm), PSO (Particle Swarm Optimization) et MEPT, en recherchant les solutions optimales pour les paramètres (θon, θoff) sans garantir qu'elles soient les meilleurs possibles ou qu'il n'existe pas de meilleures alternatives. Bien que ces techniques fournissent de bonnes solutions, leur incapacité à explorer toutes les configurations possibles peut limiter leur capacité à découvrir la solution optimale absolue. Cette limitation peut restreindre leur potentiel à rechercher de meilleures solutions au-delà de ce stade spécifique. Les résultats obtenus confirment fortement l'efficacité de la technique MPPT proposée pour améliorer les performances globales des GRV. En considérant un ensemble complet de données et en explorant un large éventail de possibilités, la technique proposée surpasse les algorithmes GSA, PSO, MEPT et les techniques conventionnelles, améliorant ainsi les performances opérationnelles et la qualité de l'énergie produite par les GRV. Les résultats obtenus approuvent et valident l’efficacité du système de contrôle proposé, ils ont également présenté l'importance de l'effet de variation des angles de commutation (θon, θoff) sur les performances de fonctionnement et la qualité de l'énergie produite par le GRV. The objectives of our work are as follows: Dynamically and non-linearly model switched reluctance generator (SRG) by determining static properties using finite elements. Apply control strategies to improve performance and optimize the power quality of SRG. Adapt artificial intelligence techniques to control strategies in order to obtain optimal parameters to maximize performance in the production of electrical energy. To achieve these objectives, we modeled and simulated a wind turbine using MPPT (Maximum Power Point Tracking) technology. Then, we detailed the HCC (Hysteresis Current Control) control strategy for SRG, illustrating the possible switching strategies via the hysteresis rate, the electronic converter (asymmetrical bridge) and the algorithm allowing torque to be controlled by the HCC technique. Finally, we combined HCC technology with that of the MPPT wind turbine to increase the efficiency of the coefficient of performance (CP). In the last chapter, we compared this new technology to the GSA (Gravitational Search Algorithm), PSO (Particle Swarm Optimization) and MEPT algorithms, looking for optimal solutions for the parameters (θon, θoff) without guaranteeing that they are the best possible or that there are no better alternatives. Although these techniques provide good solutions, their inability to explore all possible configurations may limit their ability to discover the absolute optimal solution. This limitation may restrict their potential to seek better solutions beyond this specific stage. The obtained results strongly confirm the effectiveness of the proposed MPPT technique to improve the overall performance of SRG. By considering a comprehensive data set and exploring a wide range of possibilities, the proposed technique outperforms GSA, PSO, MEPT algorithms and conventional techniques, thereby improving operational performance and quality of power produced by SRG. The results obtained approve and validate the effectiveness of the proposed control system, they also presented the importance of the effect of variation of the switching angles (θon, θoff) on the operating performance and the quality of the energy produced by the SRG.