ALGORITHME D'OPTIMISATION PAR ESSAIM DE PARTICULES (OEP) APPLICATION AUX MACHINES ASYNCHRONES DU TYPE HEM
Loading...
Date
2009
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Mohamed Boudiaf - M'Sila
Abstract
De nos jours, l’amélioration du rendement des moteurs électriques, et son impact sur
les économies d'énergie, deviennent un grand défi aux chercheurs et aux fabricants du monde
entier. Les moteurs électriques utilisent plus que le demi de l’électricité a consommé ; avec
une gamme typique de 40-60%, les limites sont inférieures ou supérieures selon le
développement des pays. Les moteurs asynchrone représentent approximativement 90% de la
consommation totale des moteurs électriques, comme il a été présenté dans. Ces données
statistiques sur les moteurs électriques garent partout le spectacle mondial. Les paramètres de
la machine asynchrone sont affectés par la variation de la température et le niveau de
saturation de la machine.
Toute déviation enter les valeurs réelles des paramètres et celles cédées au dispositif de
commande provoque la détérioration des performances de la commande. Il s’avère donc
indispensable de procéder à l’identification des paramètres de la machine asynchrone.
L’identification constitue une phase importante dans la définition du modèle de la machine
asynchrone, c’est par elle que la classe du modèle est choisie puis les valeurs des paramètres
précisées.
La méthode a essaim de particules utilisé généralement pour l'identification des
paramètres de modèles et pour le réglage et l'optimisation des régulateurs et des estimateurs.
La technique d’identification paramétrique des machines asynchrones par cette méthode a
donné des résultats encourageants.
Notre travail a consisté à étudier ce technique et leur application dans le but de amélioré le
rendement d’une machine asynchrone. Nous avons essayé de les présenter d'une manière
suffisamment complète pour permettre la compréhension de leur fonctionnement et
l'approfondissement des études menées.
La mise au point d'un PSO et son utilisation dans un processus d'optimisation ont montré
l'adéquation de cette méthode pour l'identification des paramètres de la machine. C'est une
bonne alternative aux méthodes classiques basées sur des algorithmes de gradient.
Elle permet, en effet, d'éviter le problème de dérivation et d'être moins sensible à la présence
de minimums locaux. La méthode convient particulièrement quand il s'agit d'optimiser
plusieurs paramètres en même temps