Commande par Réseaux de Neurones Artificiels d’un Filtre Actif Parallèle Triphasé

Abstract

الملخص:

تقدم هذه الأطروحة إحدى تقنيات الشبكات العصبية. تمكن هذه التقنية من تحديد الاضطرابات في الشبكة الكهربائية وتستعمل في مصفاة نشطة متوازية لتصفية توافقيات التيار و بالتالي تحسين جودة الطاقة الكهربائية. تتمتع هذه النوعية من الشبكات العصبية ببنية بسيطة وسهلة التشكيل. نقوم بتحديد التيارات التوافقية بطريقة الإستطاعة اللحظية الحقيقية التخيلية (PIRI) وبواسطة طريقة المعلم التزامني SRF)). في هاتين الطريقتين، قمنا بتطوير مرشحات الاستخراج التالية: مرشح متعدد المتغيرات (FMV)، مرشح تمرير منخفض عصبي و مرشح عصبي متعدد المتغيرات عصبي. تعمل المرشحات متعددة المتغيرات في المعلم αβ ، وتعمل مرشحات التمرير المنخفض في المعلمdq . تم اختبار مرشحات الإستخراج المذكورة سابقا عن طريق محاكاة الفلتر النشط المتوازي ذوثلاثة أسلاك وكذا الفلتر النشط المتوازي رباعي الأسلاك، حيث أظهرت نتائج المحاكاة التي تم الحصول عليها أن المرشحات التي تستخدم التقنية العصبية تعطي أداءً ممتازاً من ناحية تحديد التيارات التوافقية وتصفيتها. قمنا بدراسة ​​الطريقة العصبية المباشرة من أجل تحديد التيارات التوافقية. تم اختبار هذه الأخيرة بواسطة المحاكاة ثم تطويرها تجريبيًا في مخبر إستغلال و تثمين الموارد الطاقوية الصحراوية LEVRES)). حيث أن نتائج المحاكاة المتحصل عليها كانت مرضية للغاية، ووضحت كفاءة النموذج المقترح للتحكم في تلوث شبكة الكهرباء. من أجل تنظيم جهد ناقل التوتر المستمر في المرشح النشط المتوازي، تم تطوير منظم خطوة إلى الوراء (Backstepping) و اختباره. أعطى هذا المنظم أداءً ديناميكيًا أفضل مقارنة بالمنظم النسبي التكاملي (PI)، فهو لا يسبب تجاوزات في المراحل العابرة. أما في الحالة المستقرة فإن أداء منظم خطوة إلى الوراء و المنظم النسبي التكاملي متماثلان.

Résumé :

Dans cette thèse, nous présentons des réseaux de neurones de type Adaline pour le filtrage des courants harmoniques par un filtre actif parallèle. Ces réseaux de type Adaline possèdent une structure simple et facile à réaliser. L’identification de ces courants harmoniques sera réalisée par la méthode des puissances instantanée réelle et imaginaire et par la méthode du référentiel synchrone. Dans chacune de ces deux méthodes, nous avons développé les filtres d’extractions suivants : filtre multi-variable, filtre multi-variable neuronal et filtre passe-bas neuronal. Les filtres multi-variables opèrent dans le repère αβ et les filtres passe bas opèrent dans le repère dq. Ces différentes variantes des méthodes d’identifications sont testées par simulation dans le cas d’un filtre actif parallèle à trois fils et dans le cas d’un filtre actif parallèle à quatre fils. Les résultats des simulations obtenus montrent que les variantes neuronales d’identification donnent des performances excellentes. Afin d’identifier les courants harmoniques dans le repère des courants triphasés, nous avons présenté la méthode neuronale directe. Cette méthode est testée par simulation et élaborées expérimentalement sur un banc d'essai au laboratoire LEVRES. Les résultats obtenus ont été très satisfaisants et montrent l’efficacité du modèle proposé pour la dépollution du réseau électrique. Afin de réguler la tension du bus continu dans le filtre actif parallèle, la régulation par backstepping est développée puis testé. Le régulateur par backstepping a donné des meilleures performances dynamiques par rapport à celles du régulateur PI. Le régulateur par backstepping n’engendre pas de dépassements en régime transitoire. Par contre en régime permanent, il donne les mêmes performances que celles d’un régulateur PI.