Utilisation des techniques avancées pour l’observation et la commande d’une machine asynchrone : Application à une éolienne

Abstract

Cette thèse traite de l’utilisation des techniques neuronales pour l’identification et la commande de la machine asynchrone avec une application dans un système de conversion d’énergie éolienne. Une nouvelle stratégie d’identification des paramètres de la machine asynchrone, utilisant les réseaux de neurones artificiels (RNAs) de type ADALINE (adaptive linear neuron), a été développée. Une méthode d’identification des paramètres électriques de la machine à l’arrêt basée sur deux tests a été proposée. Par la suite, deux nouvelles méthodes d’identification des paramètres mécaniques ont été présentées. La première méthode est basée sur le modèle mécanique de la machine tandis que la seconde méthode est basée sur la réponse harmonique en vitesse de la machine. Les paramètres électriques et mécaniques identifiés ont été validés par des tests expérimentaux. Ensuite, une étude d’un émulateur d’une turbine éolienne à base d’un moteur à courant continu a été présentée. Une nouvelle méthode de modélisation de la caractéristique de puissance de la turbine à base de RNA a été proposée. Un estimateur neuronal de la vitesse du vent a été aussi développé. Les résultats de simulation de l’émulateur ont montré son efficacité et son exactitude à reproduire le comportement de la turbine sur l’arbre du générateur. Finalement, deux stratégies de commande de la machine asynchrone à double alimentation (MADA) destinée à la conversion de l’énergie éolienne ont été présentées. Une nouvelle PLL (phase-locked loop) neuronale adaptative basée sur les ADALINE a été proposée. Comparée à la PLL conventionnelle, les résultats d’expérimentation ont montré la supériorité de la nouvelle PLL neuronale. Une validation expérimentale de la commande découplée des puissances de la MADA utilisant la PLL neuronale a été présentée. Les résultats obtenus valident la stratégie développée de la commande de la MADA .