Contribution à la commande neuro-floue : application au système sans capteur du pompage photovoltaïque

Abstract

Dans le cadre de cette thèse, nous avons exploré une approche de commande hybride alliant réseaux de neurones artificiels et logique floue, connue sous le nom de système d’inférence neuro-flou adaptatif (ANFIS). L’objectif principal est d’optimiser les performances d’un système de pompage photovoltaïque. Pour ce faire, chaque technique — logique floue, réseau de neurones, et ANFIS — a été présentée individuellement, puis appliquée à l’optimisation de la commande MPPT (Maximum Power Point Tracking), initialement fondée sur l’algorithme classique Perturb et Observe (P&O). Par ailleurs, afin d’améliorer les performances dynamiques de la machine asynchrone et de garantir un transfert optimal de l’énergie mécanique vers la pompe centrifuge, une seconde application de la commande ANFIS a été réalisée dans le cadre de la commande directe du couple (DTC). Une étude comparative des performances a été menée à l’aide de simulations sous MATLAB/Simulink. Les résultats obtenus démontrent que la commande ANFIS surpasse les autres approches testées, tant en termes de robustesse que d’efficacité énergétique. Toutefois, cette méthode présente certaines limites, notamment un temps de calcul relativement élevé et une complexité accrue dans l’élaboration et l’administration de la base de données nécessaire à son fonctionnement.