Approches d'optimisation pour l'estimation des paramètres et contrôle du point de puissance maximale (MPPT) du Système photovoltaïque dans un milieu saharien

Abstract

Cette thèse porte sur l’amélioration des performances des systèmes photovoltaïques (PV) à travers des techniques avancées d’estimation des paramètres et de suivi du point de puissance maximale (MPPT). Les principales contributions de ce travail incluent le développement d’algorithmes d’optimisation tels que l’Optimisation de l’Écosystème Artificiel Chaotique Logistique (LCAEO), l’Optimisation par Faucons de Harris (HHO) et l’Optimisation par Loups Gris (GWO), afin d’assurer une estimation précise des paramètres photovoltaïques. Par ailleurs, une nouvelle approche MPPT intégrant un suivi en ligne basé sur l’Optimisation par Pissenlit (DO) est proposée, ainsi qu’un contrôleur en mode glissant combiné à l’algorithme PSO (Optimisation par Essaim Particulaire). La plupart de ces méthodes, validées dans des conditions désertiques, permettent d’améliorer de manière significative la précision du suivi et l’efficacité énergétique, offrant ainsi des solutions robustes et adaptées aux systèmes d’énergie renouvelable dans les environnements difficiles.

تركز هذه الرسالة على تحسين أداء أنظمة الطاقة الكهروضوئية من خلال تقنيات متقدمة لتقدير المعاملات وتتبع نقطة القدرة القصوى (MPPT). تشمل المساهمات الرئيسية لهذا العمل تطوير خوارزميات تحسين، مثل تحسين النظام البيئي الاصطناعي الفوضوي اللوجستي (LCAEO)، وتحسين هاريس هوك (HHO)، وتحسين الذئب الرمادي (GWO)، لضمان دقة تقدير معاملات الطاقة الكهروضوئية. علاوة على ذلك، يُقترح نهج MPPT جديد يدمج التتبع المباشر القائم على تحسين الهندباء (DO)، بالإضافة إلى وحدة تحكم انزلاقية مدمجة مع خوارزمية تحسين سرب الجسيمات (PSO). تُحسّن معظم هذه الطرق، المُثبتة فعاليتها في الظروف الصحراوية، دقة التتبع وكفاءة الطاقة بشكل كبير، مما يوفر حلولاً فعّالة ومناسبة لأنظمة الطاقة المتجددة في البيئات القاسية.

This thesis focuses on enhancing photovoltaic (PV) system efficiency through advanced parameter estimation and Maximum Power Point Tracking (MPPT) techniques. Key contributions include the development of optimization algorithms like Logistic Chaotic Artificial Ecosystem Optimization (LCAEO), Harris Hawk Optimization (HHO), and Grey Wolf Optimization (GWO) for precise parameter estimation. Additionally, a novel MPPT framework integrating online tracking using Dandelion Optimization (DO) is proposed and Slide mode controler with PSO Algorithm. Most of These methods, validated in desert conditions, significantly improve tracking accuracy and energy efficiency, offering robust solutions for renewable energy systems in harsh environments.