Réseaux de neurones artificiels pour l’optimisation des systèmes PV

Aujourd'hui, l’énergie solaire photovoltaïque est largement utilisée dans beaucoup d’applications industrielles et domestiques. Dans le cadre de l’exploitation de cette énergie, nous sommes intéressés dans cet ouvrage à l’amélioration de la modélisation du générateur photovoltaïque (GPV) ainsi que l’amélioration du rendement de ce dernier par le contrôle de la poursuite du point de la puissance maximale (MPPT) utilisant l’intelligence artificielle. A cet effet, nous avons appliqué en premier lieu les réseaux de neurones artificiels (ANNs) pour la modélisation du GPV du type BP SX150S. Cependant, la tâche d'entraînement et la tâche de validation ont été considérées pour construire le modèle neuronal du GPV. Utilisant toujours l’approche neuronale, la loi de commande MPPT est aussi obtenue assurant une absorption optimale de la puissance issue du GPV vers une charge de type batterie d’accumulateur. Une série de simulations est illustrée montant l’efficacité des techniques neuronales dans la modélisation et la commande MPPT par rapport à la commande classique de perturbation et d’observation (P&O).