Annexes : Réalisations pratiques

D.1. Génération PWM analogique

La génération peut se faire par circuits analogiques « LM3900 et LM311 ».Cette technique consiste à moduler un signal triangulaire (la porteuse) généré par le LM3900 (pin 05) avec un signal continue d’amplitude variable qui provient du DAC0808 par le biais d’un comparateur LM311.

Remarque : pour une bonne symétrie du signal triangulaire, il faut prendre R1 = 2R2, en conséquence, on a choisi R1= 100 KΩ et R2 = 50 KΩ d’où une fréquence de 5Khz.

USTO-MB. LEPESA Page 131

D.2. Génération PWM digitale

La génération par module soft présent sur un microcontrôleur. Pour le cas du microcontrôleur Motorola 68HC11F1, Le module soft a bénéficié de l’avantage de dispose d’un module temporisateur intégré (Timer) dans le noyau ; il dispose de cinq sorties (OC1,.., OC5) à comparaison (output-compare) avec un premier comparateur OC1 un peu spécial, puisqu’il peut commander les autres sorties (plus de détails sont donnés dans le manuel du constructeur).

Lors de son utilisation de cette microcontrôleur, on a développé, en assembleur, un module qui permet de générer une PWM à la sortie OC2 et une autre supplémentaire sur OC3.

L’utilisation du MC 68HC(9)12D60A a permet une génération plus facile car ce dernier dispos d’un module CCP/PWM à 04 canaux, qui peuvent être utilisés simultanément à 8bit ou seulement 2 canaux à 16bit, pour plus de détails, voir la documentation technique du MC.

Le microcontrôleur utilisé actuellement est le MC18F4550, ce dernier dispose aussi de module CCP/PWM à 02 canaux avec une résolution qui dépasse les 10bits.

Remarque :

Le MC68HC11F1 ne possède pas un module PWM intégré ni un Module CCP/PWM pour un compilateur C d’où la complexité de générer cette commande, de fréquence variable fmax =10Khz et un rapport (Duty) de 0 ~100 % nécessaire aux tests expérimentaux du chargement de batterie.

D.3. Le choix du capteur de la température :

Ce type de mesure s’effectue à l’aide d’un capteur qui transforme la température en un signal électrique. Il existe plusieurs types de capteurs (CTN, CTP, thermocouple, résistance platine PT100…etc.). Pour le choix de notre capteur on a essayé plusieurs types :

On a commencé par utilisé le circuit intégré AD592, ce dernier est une source de courant haute précision où Le courant de sortie en µA correspond exactement à la température en kelvins (1μA/°K). Par la suite, on a utilisé un autre capteur qui est le LM335.

Récemment, on a fait appel à un autre capteur « DS18B20 » qui permet une lecture numérique sur un bus à une seule ligne, donc pas besoin de conversion ADC.

USTO-MB. LEPESA Page 132

D.4. Les phases de réalisation du banc

Les photos ci-après (Figure D.2) sont une illustration sur les différentes

étapes de la réalisation du banc de test des batteries, commençant par tester des circuits, calibrage des capteurs, validation fonctionnelle de chaque module et à la fin leurs interconnexions.

USTO-MB. LEPESA Page 133

Résumé

Le stockage de l’énergie est devenu un défi pour tous les domaines qui essayent de faire immerger les technologies propres et durables, afin de se substituer à la forme conventionnelle du stockage ; les batteries sont une pierre d’angle dans cette solution d’avenir.

Pour un système photovoltaïque, les batteries représentent un moyen de stockage d’énergie électrique. Les paramètres apparents d’une batterie (tension, courant, et/ou température) restent insuffisants pour indiquer avec précision son état de charge (SOC) ou de santé (SOH). Par l’identification des paramètres internes d’une batterie, on essaye de suivre l’évolution de son état ; notre approche consiste à estimer ces paramètres internes à travers des modèles par le biais d’estimateurs. A la fin, une solution plus globale est proposée, basée sur un modèle à niveau corrigé par un estimateur adaptatif de KALMAN (AEKF). Ce travail est une contribution à la compréhension des phénomènes agissants à la dégradation des batteries et à l’optimisation des méthodes de charge et de décharge, afin de mieux exploiter leur capacité et augmenter leur durée de vie.

MOTS CLES:

Système photovoltaïque, Batterie, SOC, SOH, Paramètres internes, Modèles, Estimateur de KALMAN, AEKF.

Abstract

The observable parameters of a battery such as terminal voltage, current, and temperature couldn’t give an accurate idea about its state of charge (SOC) and state of health (SOH), that is why a large number of techniques and algorithms have been proposed to predict the internal parameters (internal resistances Rint, capacitance and/or open circuit voltage VOC) which are known as SOC and SOH indicators. In this thesis work, in order to identify the real available battery energy in on-line way, we tried different approaches and models; finally we adapted a new approach based-on an Adaptive Extended Kalman Filter (AEKF) with a dynamic model multi-Level. This approach is a solution to integrate the effects of the unknown evolution of certain battery parameters and noises as part of the model and the estimator. Also in this work, we interpret the evolution of the nominal battery capacity (Cn) as energy losses depending on current of battery; this interpretation is used to tune the available energy at each debited battery current profile. This idea is formulated by using a fuzzy-logic modelling approach. The proposed solutions (models and estimators) are tested and compared. The proposed approaches are validated using a developed test-bench designed specifically for this work. The Experimental results show the contributions of our work to estimate SOC accurately.

KEY WORDS: