Optimisation multicritère d`une chaîne éolienne passive

N° d’ordre : 2519 Année 2007
THÈSE
Présentée
pour obtenir le titre de
DOCTEUR DE L’INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE
Spécialité : Génie Electrique
par
Abdenour ABDELLI
Ingénieur Génie Electrique – DEA Génie Electrique
Optimisation multicritère d’une chaîne
éolienne passive
Soutenue le 15 octobre 2007 devant le jury composé de :
MM. ASTIER Stephan Président
ROBOAM Xavier Directeur de thèse
MATT Daniel Rapporteur
ESPANET Christophe Rapporteur
SARENI Bruno Membre
GILLON Frédéric
Membre
Thèse préparée au Laboratoire Plasma et Conversion d’Energie, Unité Mixte CNRS-INPT-UPS N°5213

Remerciements
Je souhaiterais avant tout remercier toutes les personnes qui, de près ou de loin, ont permis à
l’aboutissement de ce travail. Je pense donc en particulier à mon directeur de thèse Xavier
Roboam, et à mon co-encadrant Bruno Sareni.
Je remercie vivement Monsieur Daniel Matt Professeur des universités du Laboratoire
d’Electrotechnique de Montpellier et, Monsieur Chritophe Espanet maître de conférences du
Laboratoire d’Électronique Électrotechnique et Systèmes de Belfort, d’avoir accepté de
rapporter cette thèse.
Je tiens à remercier tout particulièrement, Monsieur Stéphan Astier Professeur des Universités
à l'INP de Toulouse qui nous a fait l’honneur de précéder la soutenance et, Monsieur Frédéric
Gillon maître de conférences du Laboratoire d’Électrotechnique et d’Électronique de
Puissance de Lille d’avoir participé à ce jury.
Nos travaux ont été effectués au Laboratoire Laplace : merci donc à tout le personnel de
l’établissement (chercheurs, ingénieurs, techniciens, assistants, informaticiens, secrétaires,
directeurs, femmes de ménage, gardiens). Merci à tous les thésards avec qui, j’ai eu le plaisir
de partager mon quotidien, Markos, Marcus, Valentin, Mathieu Couder, François……………
Je tiens à remercier mon encadrant de DEA Monsieur Mouloud FELIACHI. Professeur à
l'Institut Universitaire de Technologie de Saint-Nazaire, qui m’a marqué par ces grandes
valeurs scientifiques et humaines.
De manière plus personnelle, mes pensées les plus profondes et intimes vont vers ma famille
: Ma femme toujours à mon écoute et parfois pour son plus grand désarroi, ennui et malheur,
car c’est bien la seule personne à qui malheureusement j’ose confier mes inquiétudes et sur
qui je reporte trop souvent mon stress, omniprésents durant ces trois années;
Ma mère (la voix de la sagesse et de l’amour) a qui je dois beaucoup, malgré, je sais que je
pourrais jamais te rendre ce que tu m’as donnée. Mais, comme, tu le dis " notre réussite c’est
ton bonheur".
Je dédie ce travail à ma petite nièce Maissa, à qui me tarde de lui tirer les joues.
« Tout ce que je sais, c'est que je ne sais rien » Platon

Résumé
Optimisation multicritère d’une chaîne éolienne passive
Dans cette thèse une optimisation multicritère par algorithme génétique d’une chaîne éolienne de
petite puissance entièrement passive (sans MPPT) a été réalisée. Le rendement de cette structure
est largement amélioré par l’optimisation des caractéristiques de la génératrice. Pour un cycle de
vent donné, les configurations passives optimisées sont capables d’extraire une énergie
comparable à celle obtenue avec des architectures actives utilisant un dispositif MPPT. Nous
avons développé quatre niveaux de modèles de comportement de la chaîne éolienne : un modèle
instantané "modèle fin" pour l’analyse du système et trois modèles simplifiés pouvant être
intégrés dans un processus d’optimisation en raison de la réduction du coût de calcul. Enfin, la
robustesse de cette structure passive vis-à-vis des variations de vent a été analysée en exploitant
un modèle de vent original basé sur des données statistiques.
Chaîne éolienne de petite puissance, Approche système, Optimisation, Algorithmes génétiques,
Modèles moyens, Sensibilité, Profil du vent, Robustesse
Multiobjective Optimization of a Passive Wind Turbine
In this thesis, Multiobjective Genetic Algorithms have been applied to the design of a small
passive Wind Turbine Generator (WTG). Results show that the optimized configurations of the
full passive wind turbine are able to match very closely the behaviour of active wind turbine
operating at optimal wind powers by using a MPPT control device. Four simulation models with
different granularity and accuracy have been developed: an instantaneous global model for the
system analysis and three simplified equivalent DC models that can be implemented in an
optimization process because of the CPU time cost reduction. Finally, the robustness of this
passive WTG has been analyzed in relation to wind variations by using an original wind model
based on statistical data.
Small Wind Turbine, System Approach, Optimization, Genetic Algorithms, Sensitivity,
Robustness
RESUMÉ
MOTS - CLÉS
ABSTRACT
KEYWORDS

Sommaire
Introduction générale 1
Chapitre I : Contexte de la conception par optimisation des systèmes de conversion
d’énergie
I.1 Introduction 5
I.2 Contexte de la conversion d’énergie éolienne 5
I.2.1 Le Génie Electrique dans le vent 5
I.2.2 Différents types d’aérogénérateurs 6
I.2.3 Régulation mécanique de la puissance d’une éolienne 7
I.2.4 Intérêt de la vitesse variable 8
I.2.5 Chaînes de conversion électromécanique 9
I.2.5.1 Systèmes couplés au réseau alternatif 9
I.2.5.2 Génératrices asynchrones à cage 9
I.2.5.2.1 Machines asynchrones à double alimentation (MADA) 10
I.2.5.2.2 Génératrices synchrones 11
I.2.5.3 Systèmes non couplés au réseau alternatif 12
I.2.6 Le petit éolien 13
I.2.7 Eolien urbain 13
I.2.8 Architectures pour le petit éolien ilotables et maximisation de la puissance 15
I.2.9 Structure retenue pour notre étude 17
I.3 Méthodologie de conception par optimisation des systèmes électriques 19
I.3.1 Sources de complexité dans la conception des systèmes 19
I.3.2 Approche système par optimisation 20
I.3.2.1 Démarche de conception par optimisation 20
I.3.2.2 Les méthodes d’optimisation 23
I.3.2.2.1 Les méthodes déterministes 23
I.3.2.2.2 Les méthodes stochastiques 25
I.3.2.3 Optimisation multicritère par algorithmes génétiques 26
I.3.2.3.1 Définition et optimalité au sens de Pareto 26
I.3.2.3.2 Typologie des méthodes d’optimisation multicritères 27
I.3.2.3.3 Algorithmes évolutionnaires multicritères élitistes 28
I.3.2.3.4 Les méthodes élitistes 28
I.3.2.3.5 Etude de l’algorithme évolutionnaire multicritère : NSGA- II 29
I.4 Elaborations des modèles 33
I.4.1 Les modèles analytiques 33
I.4.2 Les modèles numériques 34
I.4.3 Conclusion sur l’élaboration des modèles 35
I.5 Conclusion 36
Bibliographie 36
Chapitre II : Modèle analytique de dimensionnement d’un générateur synchrone à
aimants permanents
II.1. Introduction 41
II.2. Dimensionnement de la machine synchrone à aimants permanents 41
II.2.1. Caractérisation géométrique de la génératrice 41
II.2.2. Définition des paramètres 42
II.2.3. Démarche de dimensionnement 45
II.2.4. Hypothèses de dimensionnement 45
II.2.5. Modèle circuit de la génératrice 46
II.2.6. Adaptation du bobinage à la tension d’alimentation 47

Sommaire
II.3. Modèle géométrique de la machine 49
II.3.1. Masse du rotor 50
II.3.2. Masse du stator 51
II.3.3. Masse du cuivre 52
II.3.4. Masse totale de la génératrice 53
II.4. Dimensionnement d’une machine de référence 53
II.5. Calcul de champs 56
II.6. Validation par calcul de champ de la machine de référence 58
II.7. Conclusion 58
Bibliographie 59
Chapitre III : Modélisation d’une chaîne éolienne de petite puissance en vue de
l’optimisation
III.1. Introduction 61
III.2. Modélisation de la chaîne éolienne 61
III.2.1. Modèle du vent 61
III.2.2. Modèle de la voilure 62
III.2.3. Modélisation du couplage mécanique entre la turbine et la génératrice 64
III.2.4. Modèle dynamique de la génératrice synchrone à aimant permanent 65
III.2.5. Pertes dans la génératrice 66
III.2.5.1. Pertes mécaniques (Pmeca) 66
III.2.5.2. Pertes Joule (Pj) 66
III.2.5.3. Pertes fer (Pfer) 67
III.2.6. Modèle thermique de la génératrice 67
III.2.6.1. Présentation du domaine d’étude 67
III.2.6.2. Transformation du stator en une structure équivalent 68
III.2.6.3. Circuit thermique équivalent en régime stationnaire 70
III.2.6.4. Etude du régime transitoire 70
III.2.6.4.1 Calcul des capacités thermiques 70
III.2.6.4.2 Schéma thermique équivalent global du stator de la machine
étudié en régime transitoire 71
III.2.6.4.3 Résultats de simulation du modèle thermique en régime
transitoire 71
III.2.6.4.4 Conclusion sur le modèle thermique 72
III.2.7. Modèle du redresseur à diodes 73
III.2.8. Modèle thermique du pont de diodes 76
III.2.8.1. Pertes dans le redresseur 77
III.2.8.2. Modèle thermique du pont de diodes 78
III.2.9. Modèle électrique de "référence " de la chaîne éolienne passive 80
III.2.9.1. Simulation du modèle instantané en utilisant les paramètres de la
machine de référence 81
III.3. "Modèle équivalent DC" de la chaîne éolienne passive 83
III.4. "Modèle mixte" de la chaîne éolienne passive 87
III.5. "Modèle analytique quasi statique" de la chaîne éolienne passive 89
III.6. Validation et comparaison des différents modèles développés 93
III.7. Conclusion 96
Bibliographie 96
Chapitre IV : Optimisation d’une chaîne éolienne passive de petite puissance
IV.1. Présentation du problème de conception par optimisation 99