Outils logiciels pour la conception et la commande du système Introduction
2.1. Revue des outils logiciels
2.1.4 Conclusion sur les outils logiciels
Les logiciels utilisés dans la mise en œuvre de micro-réseaux sont nombreux et variés. Ils n’offrent cependant pas les mêmes fonctionnalités. Certains sont des outils d’aide à la
décision, dans la mesure où ils permettent à l’utilisateur de se prononcer sur la faisabilité d’un projet (RETScreen, LEAP). D’autres permettent de simuler des systèmes conçus, voire même
de les optimiser dans le cadre de leur dimensionnement. Aussi, on note des différences quant aux composants mis en jeux. Le tableau 2.1 ci-après fait la synthèse des outils logiciels présentés dans ce paragraphe.
65
Tableau 2.1: Tableau synthèse des caractéristiques des principaux outils logiciels
Caractéristiques RETScreen LEAP HOMER iHOGA HYBRID2 INSEL SOMES ARES SOLSIM RASPIM Matlab
Modélisation
PV X X X X X X X X X X
Eolienne X X X X X X X X X X
Groupe électrogène X X X X X X X X X
Batterie d’accumulateurs X X X X X X X X X
Mini turbine hydraulique X X X
Pile à combustible X X X X X Simulation et commande Simulation X X X X X X X X X Commande X Gestion de l’énergie X X X X X X
Optimisation Optimisation multi objectif X X X X
Analyse
Analyse économique et
financière X X X X X
Analyse impact
66 L’analyse du tableau nous permet de voir que pour notre problématique, Matlab offre des
performances plus intéressantes que les autres logiciels à plusieurs égards. En effet, il permet entre autres une optimisation et une simulation des systèmes. Aussi grâce à sa « flexibilité », il peut intégrer tous les modèles de composants (PV, éolienne, turbine hydraulique, batterie, etc.).
D’un autre côté, les logiciels RETScreen, LEAP, Homer et iHOGA constituent de bons outils
pouvant aider à la décision sur le bien-fondé d’un projet grâce à l’analyse économique qu’ils
permettent de faire.
Entre les deux se trouvent les autres logiciels, qui pour l’essentiel servent à simuler et à
optimiser des systèmes.
2.2. Formalismes de représentation et de commande du système
Un système ou processus est décrit par l’ensemble des relations entre les entrées et les sorties.Ces relations peuvent être exprimées par un modèle physique ou un modèle de connaissances, selon les besoins de l’étude et le niveau de complexité du système.
Pour contrôler un processus, il faut disposer d’un modèle suffisamment précis, qui mette en
évidence les grandeurs à régler, les grandeurs réglantes, les mesures nécessaires ainsi que les perturbations. Ce modèle peut être représenté par les approches classiques de type modèle
d’état ou fonction de transfert, ou associé à des formalismes graphiques tels que le Bond
Graph, le Graphe Informationnel Causal, ou la Représentation Energétique Macroscopique. Nous allons dans ce paragraphe décrire ces formalismes afin de déduire celui qui sera le
mieux adapté à l’analyse, la simulation et le contrôle du micro-réseau d’énergie.
2.2.1 Bond Graph (BG)
2.2.1.1 Principe
Le Bond Graph, également appelé graphe à liens ou graphe de liaisons, est un outil mathématique de représentation graphique des systèmes physiques. Il a été développé en 1959 par Paynter [Payn-1961], puis amélioré par Karnoop [Karn-1975] et Thoma [Thom-1975].
C’est un formalisme qui permet de représenter les échanges de puissance entre deux
sous-systèmes. Cette puissance est le produit entre une variable flux notée f (vitesse, courant, débit,…) et une variable effort notée e (force, tension, pression,…). Ces échanges d’énergie
entre deux sous-systèmes sont représentés par une demi-flèche, dont le sens indique la direction du flux de puissance (voir figure 2.8).
67 Figure 2.8: Echange de puissance entre deux sous-systèmes
On distingue trois grandes familles d’éléments :
- les éléments actifs (sources),
- les éléments passifs (dissipation, stockage d’énergie potentielle, stockage d’énergie
cinétique),
- les éléments de jonction10 (égale répartition de l’effort ou du flux, transformateur,
gyrateur) [Bous-2003] [Boul-2009].
- La causalité11 est indiquée par des traits verticaux. Cette causalité peut être analytique, intégrale ou dérivée.
Le tableau 2.3 montre les relations entre l'effort et les variables flux pour chaque élément et sa causalité. Le sens d'écoulement de l'effort diffère de celui de la variable de débit. La causalité de chaque élément est déterminée par son équation reliant les efforts et les variables d'écoulement [Venk et al-2012]. Le tableau 2.2 ci-dessous donne les éléments utilisés, leurs symboles, leurs causalités et équations.
Tableau 2.2: Relations entre l'effort et les variables flux pour chaque élément et sa causalité [Venk et al-2012]
10 Jonction = 0 équivaut à une mise en parallèle Jonction = 1 équivaut à une mise en série
11
En physique, le principe de causalité affirme que si un phénomène (nommé cause) produit un autre phénomène (nommé effet), alors l'effet ne peut précéder la cause
68 La figure 2.9 représente le Bond Graph d’une cellule photovoltaïque.
Figure 2.9: Bond Graph d'une cellule photovoltaïque [Venk et al-2012]
Dans ce modèle, la source de flux Sf représente le courant photovoltaïque Iph. La diode et la résistance parallèle (Rp) sont alors branchées en parallèle à la source de flux, en utilisant une jonction à zéro. Le fonctionnement en inverse de la diode est modélisé par sa résistance (Rr) et la résistance directe (Rf). La commutation entre les deux résistances dépend de la tension de seuil de la diode.
2.2.1.1 Loi de commande par modèle inverse
La loi de commande issue du Bond Graph inverse est déterminée en utilisant la bi-causalité. Dans le cadre d’une causalité conventionnelle en Bond Graph, pour chaque lien l’effort est imposé d’un côté, et comme conséquence le flux est imposé de l’autre côté.
Par contre, la causalité dans un lien bi-causal peut être imposée indépendamment pour l’effort et le flux à l’extrémité de chaque lien. La figure 2.10 ci-dessous montre les relations causales
et bi-causales en BG [Gawt-1995].
69
Pour construire le modèle inverse, les détecteurs deviennent des sources de flux ou effort selon le cas, et les sources deviennent des détecteurs. La figure 2.11 suivante illustre la bi-causalité entre détecteurs et capteurs.
Figure 2.11: Bi-causalité des détecteurs et capteurs en BG [Sanc-2010]
Bond Graph constitue un bon outil, surtout pour la conception et la modélisation des systèmes, même s’il peut mener à une commande. En effet, du fait de la causalité qui est dérivée, nous avons une représentation qui s’éloigne de la réalité physique. La déduction de la commande n’est alors pas évidente [Bous-2003]. C’est la raison pour laquelle, nous ne l’avons pas retenu comme outil de modélisation et de commande de notre système.