Contribution à la Modélisation Dynamique et au Contrôle des Génératrices à Réluctance Variable en Vue de l’Amélioration de leurs Performances Energétiques
تفاصيل النشر: Universite Chahid Hamma Lakhdar d'El-Oued 2025الموضوع: ملخص: Les objectifs de notre travail sont les suivants : Modľiser dynamiquement et non linǎirement les gňřateurs r̉eluctances variables (GRV) en dťerminant des propriťš statiques l̉'aide d'ľm̌ents finis. Appliquer des stratǧies de contrl̥e pour amľiorer les performances et optimiser la qualit ďe l'alimentation des GRV. Adapter des techniques d'intelligence artificielle aux stratǧies de contrl̥e afin d'obtenir des paramẗres optimaux pour maximiser les performances dans la production d'ňergie ľectrique. Pour atteindre ces objectifs, nous avons modľis ět simul ǔne ǒlienne utilisant la technologie MPPT (Maximum Power Point Tracking). Ensuite, nous avons dťaill ľa stratǧie de contrl̥e HCC (Hysteresis Current Control) pour les GRV, en illustrant les stratǧies de commutation possibles via le taux d'hystřšis, le convertisseur ľectronique (pont asymťrique) et l'algorithme permettant de contrl̥er le couple par la technique HCC. Enfin, nous avons associ ľa technologie HCC c̉elle de l'ǒlienne MPPT pour augmenter l'efficacit ďu coefficient de performance (CP). Dans le dernier chapitre, nous avons compar čette nouvelle technologie aux algorithmes GSA (Gravitational Search Algorithm), PSO (Particle Swarm Optimization) et MEPT, en recherchant les solutions optimales pour les paramẗres (?on, ?off) sans garantir qu'elles soient les meilleurs possibles ou qu'il n'existe pas de meilleures alternatives. Bien que ces techniques fournissent de bonnes solutions, leur incapacit ě̉xplorer toutes les configurations possibles peut limiter leur capacit ď̉čouvrir la solution optimale absolue. Cette limitation peut restreindre leur potentiel r̉echercher de meilleures solutions au-del d̉e ce stade spčifique. Les ršultats obtenus confirment fortement l'efficacit ďe la technique MPPT proposě pour amľiorer les performances globales des GRV. En considřant un ensemble complet de donněs et en explorant un large v̌entail de possibilitš, la technique proposě surpasse les algorithmes GSA, PSO, MEPT et les techniques conventionnelles, amľiorant ainsi les performances opřationnelles et la qualit ďe l'ňergie produite par les GRV. Les ršultats obtenus approuvent et valident l'efficacit ďu systm̈e de contrl̥e propos,̌ ils ont ǧalement pršent ľ'importance de l'effet de variation des angles de commutation (?on, ?off) sur les performances de fonctionnement et la qualit ďe l'ňergie produite par le GRV.| صورة الغلاف | نوع المادة | المكتبة الحالية | المكتبة الرئيسية | المجموعة | موقع الترفيف | رقم الاستدعاء | المواد المحددة | معلومات المجلد | رابط URL | رقم النسخة | حالة | ملاحظات | تاريخ الاستحقاق | الباركود | حجوزات مادة | صف أولوية حجز المواد | الحجز الأكاديمي | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| TD621/040/01 | المتاح | MAIN-1-16640 |
Contribution à la Modélisation Dynamique et au Contrôle des Génératrices à Réluctance Variable en Vue de l’Amélioration de leurs Performances Energétiques
Les objectifs de notre travail sont les suivants : Modľiser dynamiquement et non linǎirement les gňřateurs r̉eluctances variables (GRV) en dťerminant des propriťš statiques l̉'aide d'ľm̌ents finis.
Appliquer des stratǧies de contrl̥e pour amľiorer les performances et optimiser la qualit ďe l'alimentation des GRV.
Adapter des techniques d'intelligence artificielle aux stratǧies de contrl̥e afin d'obtenir des paramẗres optimaux pour maximiser les performances dans la production d'ňergie ľectrique.
Pour atteindre ces objectifs, nous avons modľis ět simul ǔne ǒlienne utilisant la technologie MPPT (Maximum Power Point Tracking). Ensuite, nous avons dťaill ľa stratǧie de contrl̥e HCC (Hysteresis Current Control) pour les GRV, en illustrant les stratǧies de commutation possibles via le taux d'hystřšis, le convertisseur ľectronique (pont asymťrique) et l'algorithme permettant de contrl̥er le couple par la technique HCC. Enfin, nous avons associ ľa technologie HCC c̉elle de l'ǒlienne MPPT pour augmenter l'efficacit ďu coefficient de performance (CP).
Dans le dernier chapitre, nous avons compar čette nouvelle technologie aux algorithmes GSA (Gravitational Search Algorithm), PSO (Particle Swarm Optimization) et MEPT, en recherchant les solutions optimales pour les paramẗres (?on, ?off) sans garantir qu'elles soient les meilleurs possibles ou qu'il n'existe pas de meilleures alternatives. Bien que ces techniques fournissent de bonnes solutions, leur incapacit ě̉xplorer toutes les configurations possibles peut limiter leur capacit ď̉čouvrir la solution optimale absolue. Cette limitation peut restreindre leur potentiel r̉echercher de meilleures solutions au-del d̉e ce stade spčifique.
Les ršultats obtenus confirment fortement l'efficacit ďe la technique MPPT proposě pour amľiorer les performances globales des GRV. En considřant un ensemble complet de donněs et en explorant un large v̌entail de possibilitš, la technique proposě surpasse les algorithmes GSA, PSO, MEPT et les techniques conventionnelles, amľiorant ainsi les performances opřationnelles et la qualit ďe l'ňergie produite par les GRV.
Les ršultats obtenus approuvent et valident l'efficacit ďu systm̈e de contrl̥e propos,̌ ils ont ǧalement pršent ľ'importance de l'effet de variation des angles de commutation (?on, ?off) sur les performances de fonctionnement et la qualit ďe l'ňergie produite par le GRV.