Chapitre 3 : Modélisation analytique des composants actifs
5. Retour au monde réel
5.2. Exemple d’application
Le cas d’étude retenu comme exemple est toujours le même : l’optimisation d’un onduleur
10 kW 2 niveaux. L’intégralité des grandeurs d’entrée variables sont réparties en plusieurs
groupes et résumées dans le Tableau 4.5.
179
Condensateur
Valeur du condensateur DC C
DCValeur du condensateur AC C
ACInductance AC
Perméabilité relative du noyau µ
rDiamètre interne du noyau D
intEpaisseur du noyau e Hauteur du noyau h
Nombre de spires N
spireNombre de brins de Litz N
brinInductance DC
Perméabilité relative du noyau µ
rDiamètre interne du noyau D
intEpaisseur du noyau e Hauteur du noyau h
Nombre de spires N
spireStructure
Niveau d’entrelacement N Fréquence de découpage f
decInterrupteur
Calibre en courant d’un transistor Nt Calibre en courant d’une diode Nd
Tableau 4.5Grandeurs d’entrée variables
Pour cette étude, l’inductance DC ne sera pas considérée car son impact est faible. De plus, le
calibre en courant de la diode sera fixé égal à celui du transistor, pour des raisons de facilité
d'approvisionnement dans la réalisation du convertisseur. Enfin, le niveau d’entrelacement
sera fixé à 1 et la perméabilité relative à 60 pour simplifier l’étude. Au total, 9 variables sont
donc considérées.
Parmi les variables restantes, la stratégie appliquée ici consiste à choisir d’abord les variables
les plus impactantes, ainsi que celle où peu de choix sont possibles. Par exemple, le calibre en
courant du transistor est jugé prioritaire devant la fréquence de découpage, bien que cette
dernière soit plus impactante, car le choix des MOSFETs SiC est très restreint. Ainsi, les
variables sont placées dans l’ordre suivant :
𝑁
𝑡→ 𝐷
𝑖𝑛𝑡→ 𝑒 → ℎ → 𝑁
𝑏𝑟𝑖𝑛→ 𝑁
𝑠𝑝𝑖𝑟𝑒→ 𝐶
𝐴𝐶→ 𝐶
𝐷𝐶→ 𝑓
𝑑𝑒𝑐(4.12)
Le processus est utilisé sur les différents points du front de Pareto obtenu dans le monde
imaginaire. La Figure 4.11 compare les solutions réelles aux solutions imaginaires.
La forme de la courbe reste identique, avec une augmentation de la masse en passant dans le
monde réel. Ce constat est normal car le retour au monde réel consiste en une réduction de
l’espace des solutions, ce qui conduit à un dimensionnement sub-optimal en comparaison du
dimensionnement dans le monde imaginaire. Cependant, cette augmentation n’excède pas
14%, ce qui est jugé acceptable dans l’optique de comparer différentes solutions pour le
pré-dimensionnement.
180
Figure 4.11Différences entre les solutions imaginaires et les solutions réelles
Ces résultats sont obtenus en affectant les variables dans l’ordre indiqué précédemment.
Pour étudier l’impact de cet ordre, une étude est menée consistant à effectuer plusieurs fois
le processus de retour au monde réel en changeant l’ordre d'affectation des variables. Le
point optimal choisi est celui ayant un rendement de 97%, car il présente une rupture dans la
courbe. Pour simplifier, seules les 4 premières variables, jugées les plus pertinentes, sont
utilisées : le calibre en courant, le diamètre du tore (avec l’épaisseur), la hauteur du tore, et le
nombre de brins de Litz. La Figure 4.12 montre l’évolution de la masse au cours du
processus, pour les 4 processus suivants utilisant différents ordre d'affectation.
Figure 4.12Evolution de la masse au cours du processus pour différents ordre d'affectation
Le chemin gris donne un résultat différent des trois autres, et représente la meilleure
solution, qui n’a pas été trouvée avec l’ordre choisi initialement. Ce problème intervient
spécifiquement à 97% de rendement car ce point est à la frontière entre 2 noyaux. Le
dimensionnement avec le petit noyau est difficile à trouver car les contraintes sont alors
difficiles à tenir.
En considérant cette nouvelle solution, le front de Pareto comparant les solutions réelles et
imaginaires est tracé sur la Figure 4.13.
181
Figure 4.13Différences entre les solutions imaginaires et les solutions réelles, avec changement
d’ordre pour 97% de rendement
Ce constat est problématique car il montre la difficulté d’obtenir le meilleur convertisseur
réalisable à partir d’une optimisation dans le monde imaginaire. Le concepteur doit alors
faire intervenir son expérience pour choisir le bon ordre d'affectation. C’est pourquoi le rôle
du concepteur est prépondérant durant cette étape.
Différentes combinaisons sont testées pour plusieurs points du front de Pareto. Dans la
plupart des cas, la masse obtenue dans le monde réel est identique quel que soit l’ordre
d'affectation.
En conclusion de cette partie, il existe toujours un convertisseur optimal et réalisable dans le
monde réel qui soit proche de celui dimensionné dans le monde imaginaire. En d’autres
termes, dimensionner un convertisseur dans le monde imaginaire donne une bonne idée de
son dimensionnement dans le monde réel, ce qui est suffisant pour le pré-dimensionnement.
C’est pourquoi tous les résultats d’optimisation présentés dans le chapitre suivant seront
dans le monde imaginaire, et jugés pertinents dans le cadre de la comparaison des
topologies. En revanche, il apparaît que l’outil en l’état n’est pas le plus pertinent pour le
dimensionnement absolu d’un convertisseur, à cause de la difficulté à assurer le meilleur
dimensionnement réaliste. L’utilisation de l’outil sera donc pour le moment restreinte au
pré-dimensionnement, tant qu’une méthode de retour au monde réel plus efficace ne sera pas
développée. L’utilisation de stratégies d’optimisation en nombre entier (optimisation
combinatoire) [121], [122] pourrait représenter une piste de recherche, mais sera laissée en
perspectives de ces travaux. Néanmoins l'exploration de l'espace des solutions dans un
monde imaginaire nous semble le moyen le plus pertinent pour évaluer a priori les
performances potentielles d'un convertisseur (et donc sélectionner une ou l'autre topologie
candidate), ou d'évaluer rapidement à topologie donnée l'impact d'un point du cahier des
charges sur la fonction objectif.
182
6.Conclusion
Ce chapitre a permis de présenter les particularités de développement et d’utilisation d’un
algorithme à base de gradients en électronique de puissance. L’outil est développé avec la
plateforme CADES qui est particulièrement efficace pour la dérivation automatique des
modèles. L’optimisation multi-objectif est possible via la représentation sous forme de front
de Pareto, permettant de trouver un bon compromis entre masse minimale et rendement
performant.
Le choix d’un algorithme déterministe nécessite un effort sur l’écriture des modèles. Les
chapitres précédents ont montré qu’un convertisseur pouvait être modélisé aisément avec
des équations analytiques, ce qui est indispensable pour l’optimisation déterministe.
Cependant, les discontinuités intrinsèques liées aux technologies et aux structures en
électronique de puissance demandent d’améliorer encore les modèles pour assurer la
dérivabilité, aux moyens d’interpolations et de fonctions de transition.
De telles particularités, peu rencontrées dans la littérature, ont demandé un travail de
validation de la méthode. Ainsi, la sensibilité de l’algorithme aux conditions initiales, qui
décourage souvent les utilisateurs, a été jugée faible dans notre cas. Des analyses de
sensibilité ont également mis en lumière la robustesse de la méthode et des points optimaux
obtenus. En effet, en cas d’imprécision d’une variable ou d’un modèle, le résultat n’évolue
pas significativement.
Enfin, les efforts pour renforcer la dérivabilité des modèles forcent l’algorithme à évoluer
dans un « monde imaginaire ». La validité d’un résultat dans ce monde s’est alors posée. En
établissant un processus de retour au monde réel, il s’avère que les résultats imaginaires
remplissent parfaitement la fonction demandée, à savoir pré-dimensionner un convertisseur
en vue de comparer plusieurs topologies ou d'étudier l'impact de certains points du cahier
des charges. En revanche, la démarche n’est pas adaptée pour aller plus loin dans le
dimensionnement final d’un convertisseur. Ce point est laissé en perspectives de ces travaux,
avec la possibilité de maintenir l'approche déterministe ou de se baser sur des algorithmes
stochastiques et des bases de données pour finaliser un dimensionnement dégrossi par
l'approche déterministe.
Parmi les trois caractéristiques du développement d’un outil énoncées en introduction, la
troisième n’a été que brièvement abordée dans ces travaux, bien qu’elle soit capitale. Qui
voudrait d’un outil remplissant parfaitement sa fonction, mais qui soit inabordable pour
l’utilisateur ? Il est donc évident qu’un important travail est nécessaire pour améliorer
l’interface homme-machine de l’outil.
Cette question prend encore plus de sens quand on considère que tous les centres de
recherche développent aujourd’hui leurs propres outils, avec leurs modèles, leurs
algorithmes et leurs plateformes. Cela amène à une réflexion sur la standardisation des outils
pour qu’ils soient accessibles au plus grand nombre, sujet discuté en perspectives de ces
travaux.
183
Une fois la pertinence de l’outil validée, le chapitre suivant pourra enfin exposer la finalité de
ces travaux : la comparaison des topologies de conversion. Ces analyses serviront d’aide à la
décision pour les choix structuraux et technologiques du convertisseur dans le cadre du
pré-dimensionnement. Plusieurs exemples seront utilisés pour illustrer les bénéfices de l’outil
développé.
184
Dans le document
Outil de développement et d'optimisation dédié aux onduleurs SiC de forte puissance
(Page 179-185)