Академический Документы
Профессиональный Документы
Культура Документы
- 1
UNIVERSITE FERHAT ABBAS SETIF 1- SETIF
THESE
Prsente la
FACULTE DE TECHNOLOGIE
DPARTEMENT DLECTROTECHNIQUE
Pour lObtention du Diplme de
Doctorat en Sciences
Option : Rseaux Electriques
Par
ZIYAD BOUCHAMA
Thme
Stabilisateurs Synergtiques des Systmes de Puissance
Soutenue le : 12/12/2013 devant la commission dexamen compose de
Pr. T. BOUKTIR
Prsident
Universit de Stif
Pr. M. N. HARMAS
Directeur de thse
Universit de Stif
Pr. R. ABDESSEMED
Examinateur
Universit de Batna
Pr. A. CHAGHI
Examinateur
Universit de Batna
Pr. N. GOLEA
Examinateur
Dr. M. ABDELAZIZ
Examinateur
Universit de Stif
RESUME :
Le but de ce travail est d'tudier un systme de puissance du point de vue
commande, en mettant en vidence les avantages d'une nouvelle approche, en loccurrence
la commande optimale adaptative indirecte floue synergtique qui permet dliminer
rapidement les oscillations inhrentes tout systme de puissance, amliorant ainsi sa
stabilit dynamique transitoire. Ce dernier, constitu d'une machine synchrone relie un jeu
de barres infini par deux lignes de transmission, est approxim par un systme flou. Le
systme de puissance est quip dun stabilisateur de puissance synergtique dont les
paramtres sont optimiss par l'algorithme d'optimisation par essaim de particules : PSO.
Ce stabilisateur intelligent AFSPSS est utilis pour commander et amliorer la stabilit du
systme tudi lorsque ce dernier est soumis diverses perturbations. La stabilit du
systme en boucle ferme est garantie par la synthse de Lyapunov.
MOTS CLES : systme de puissance, stabilisateur, commande synergtique, adaptative
floue, adaptative floue synergtique, optimisation par essaim de particules.
ABSTRACT:
A new particle swarm optimized robust fuzzy indirect adaptive power system
stabilizer is developed based on recently developed synergetic control methodology. Fuzzy
systems are used in an adaptive scheme to approximate power system dynamics using a
nonlinear model while synergetic control provides for rapid power system oscillations
improving therefore transient system stability. Furthermore controller parameters are
optimized using a PSO approach to further improve performances. Simulation of severe
power system operating conditions is conducted to validate the proposed approach
effectiveness while stability is guaranteed via Lyapounov synthesis.
Keywords: Power system, stabilizer, synergetic control, adaptive fuzzy control, adaptive
fuzzy synergetic control, particle swarm optimization.
:
.
.
.
Sommaire
INTRODUCTION GNRALE..
01
05
05
06
06
06
07
07
08
09
12
12
13
14
Conclusion .........
15
16
16
17
19
21
Conclusion...
24
25
26
34
Conclusion......
39
40
Sommaire
IV.2. Mise en uvre dun stabilisateur de puissance adaptatif flou
40
42
46
47
49
51
57
Conclusion..
61
CONCLUSION GNRALE..
63
Bibliographie..
64
05
08
09
10
11
12
13
18
19
21
21
22
er
22
22
23
23
23
me
scnario) ..
23
scnario) .
23
41
41
42
er
42
43
43
43
43
er
43
43
44
44
er
44
44
45
45
45
me
scnario) ...
45
scnario) ..
45
45
46
46
50
51
51
52
52
52
52
52
53
er
53
53
53
53
54
54
er
54
54
54
55
55
55
me
scnario) ...
55
55
56
56
56
me
scnario) ...
56
scnario) .
56
57
58
58
58
58
Figure.IV.58. Variation de signal de commande CPSS , AFSPSS et AFSPSS (1er scnario cas1).
58
59
er
59
59
Figure.IV.62. Variation de signal de commande CPSS, AFSPSS et AFSPSS (1er scnario cas2)
59
59
59
60
er
60
60
60
60
60
61
me
scnario)
61
61
61
21
41
47
Notions et Dfinitions
NOTIONS ET DEFINITIONS
p.u
p.u
rad
Pe
p.u
Qe
p.u
Pm
p.u
Cfficient d'amortissement
pu
Constant dinertie
Vt
p.u
Vq
p.u
Vd
p.u
Iq
p.u
Id
p.u
Vs
p.u
Eq
p.u
E fd
p.u
E fd _ Max
p.u
E fd _ Min
p.u
p.u
u pss _ Max
p.u
u pss _ Min
p.u
Tension de rfrence.
p.u
Ka
Gain de l'AVR
p.u
Ke
p.u
VR
p.u
K pss
Gain du PSS
p.u
u pss
V ref
Notions et Dfinitions
Ta
Constante de temps
Constante de temps
Constante de temps
Constante de temps
Tdo'
xL
p.u
xT
p.u
xd
p.u
xq
p.u
xd'
p.u
xq'
p.u
xds
xd + xT + xL
p.u
xqs
xq + xT + xL
p.u
xds'
xd' + xT + xL
p.u
xs
xT + xL
p.u
Lexique
LEXIQUE
AVR
SMIB
PSS
CPSS
SPSS
AFPSS
Adaptive fuzzy power system stabilizer (stabilisateur adaptatif flou d'un systme de
puissance).
AFSPSS
PSO
Introduction Gnrale
Lun des problmes parmi les plus importants qui doivent tre adresss dans l'analyse
des systmes de puissance est celui de la stabilit. Ceci est d au dveloppement important
des ces systmes, mais aussi l'objectif de ce type d'tude qui consiste d'examiner le
comportement du systme face de faibles ou importantes perturbations telles que les
variations continues de charges, les dfauts comme les courts-circuits et la perte de
synchronisme dun gnrateur de forte puissance. Ces dernires peuvent affecter le systme
de puissance tout instant et peuvent dans certains cas, l'amener en dehors des rgions de
stabilit. Ces perturbations sont l'origine de l'apparition d'une diffrence entre la puissance
mcanique et la puissance lectrique, lcart en termes de puissance va se traduire par une
modification de la vitesse de rotation de l'alternateur ou en dautres termes par des variations
de sa vitesse par rapport la vitesse de synchronisme. Aprs llimination de la perturbation,
le systme de puissance sera stable si la valeur moyenne des carts de vitesse rsultante est
nulle.
Ces dernires annes, des efforts considrables ont t faits pour amliorer la stabilit
des systmes de puissance [1-6]. De nombreuses techniques ont t proposes pour surmonter
les problmes dinstabilit [7-11], dont une grande partie a t accorde au contrle
d'excitation [12-14] pour les raisons qui peuvent tre rsumes comme suit :
- La constante du temps de la boucle du systme d'excitation est trs petite comparativement
celle de la boucle de gouverneur, ce qui entrane une raction de contrle plus rapide aux
perturbations qui surgissent.
- Dans la pratique, il est plus facile de traiter le contrle du circuit de champ lectrique plutt
que le rgulateur mcanique.
- Le contrle d'excitation ncessite un cot moindre par rapport d'autres mthodes
Les systmes modernes d'excitation ou rgulateurs de tension (AVR: Automatic
Voltage Regulator) contribuent l'amlioration de performance en rgime permanent [15-16],
mais peuvent tre insuffisants pour les problmes relevant de la stabilit transitoire. En effet,
le couple ajout par l' AVR sur les arbres des machines n'est souvent pas suffisant pour agir
contre les oscillations qui surgissent dans les systmes de puissance [17-18]. Aussi,
l'interconnexion de ces systmes de plus en plus grande montre que de forts transits de
puissance sur ces interconnexions aggravent les phnomnes d'instabilit.
Introduction Gnrale
Pour faire face aux problmes d'instabilit ou pour repousser les limites du
fonctionnement stable, des boucles de rgulation supplmentaires (PSS: Power System
Stabilizer) sont ajouts aux rgulateurs de tension AVR. Ces correcteurs sont destins
fournir un couple agissant contre les modes doscillations qui se manifestent sur les arbres des
machines. Des efforts considrables ont t placs sur la conception de PSS qui sont conus
sur la base des techniques du contrle linaire.
Ces types de PSS sont connus en tant que stabilisateurs conventionnels d'un systme
de puissance CPSS [19-21]. La conception de CPSS se fait sur la base dun modle linaire
du systme de puissance oprant en un certain point de fonctionnement [22-23]. Cependant,
les systmes de puissance sont fortement complexes par leur contenance d'lments non
linaires et variables dans le temps. Ainsi, les paramtres du stabilisateur CPSS qui sont
adquats pour des points de fonctionnement peuvent ne pas convenir pour d'autres points.
C'est l'inconvnient majeur de la mthode de conception des CPSS, c'est--dire quelle ne
garantit pas la stabilit du systme dans des conditions de fonctionnement rel.
Le contrle adaptatif a t dvelopp pour contrler les systmes dont les paramtres,
et les points de fonctionnement varient ou qui sont variants dans le temps. Ces variations
peuvent tre causes par des perturbations sur le systme ou des changements dans les
conditions de fonctionnement. L'avantage des stabilisateurs adaptatifs du systme de
puissance APSS est leur capacit ajuster les paramtres du rgulateur en ligne suivant les
conditions de fonctionnement. Plusieurs travaux ont montr que pour de grandes variations
dans les conditions de fonctionnement des systmes de puissance, l'utilisation dAPSS donnait
de meilleurs rsultats que le CPSS [24-28]. Cependant, ces derniers sont bass sur des
techniques adaptatives pour des systmes linaires bases sur un modle mathmatique bien
dfinit.
Rcemment, plusieurs approches base des techniques de lintelligence artificielle ont
t utilises dans la conception d'un PSS en introduisant la commande H-infini [29], les
rseaux de neurones [30], les algorithmes gntiques [31], la commande structure variable
par mode glissant [32-33], la commande synergtique [34] et la logique floue [35] etc.
L'intgration des techniques floues et les approches classiques de contrle ont fourni
une mthodologie pour construire des contrleurs adaptatifs trs puissants et robustes pour les
systmes non linaires, en particulier le contrle de systme de puissance. La commande
synergtique, la logique floue, et leurs combinaisons sont les techniques quon se propose
dtudier et dappliquer un modle non linaire dun systme de puissance travers des
Introduction Gnrale
Introduction Gnrale
confre la PSO une grande robustesse et une flexibilit qui dpasse celles des mthodes
conventionnelles doptimisation.
La modlisation floue et sa combinaison avec la commande synergtique optimise
par la PSO applique un systme de puissance fait l'objet principal de ce travail
Dans le premier chapitre, nous donnons dabord les diffrentes dfinitions de la
stabilit dun systme de puissance constitu d'une machine synchrone relie par deux lignes
de transmission parallles un jeu de barres infini, suivi du modle mathmatique dcrivant le
comportement de ce systme. La thorie de la commande synergtique et son application un
systme de puissance sont prsentes dans le second chapitre. Dans le troisime chapitre,
nous introduisons la conception d'un stabilisateur adaptatif flou et d'un stabilisateur adaptatif
flou synergtique principal objet de notre travail. Une tude comparative entre les techniques
de commande abordes suivies dune application de l'approche propose savoir la
commande adaptative floue synergtique optimale sont prsentes dans le chapitre quatre.
Enfin, des perspectives et pour des travaux de recherches, sont prsentes dans la conclusion
gnrale.
Chapitre I
I. Introduction
Chapitre I
La stabilit angulaire est dfinie comme la capacit des machines synchrones d'un
systme de puissance interconnect rester en synchronisme suite une perturbation. Elle
dpend de la capacit de maintenir ou de restaurer lquilibre entre les couples
lectromagntiques et mcaniques agissant sur le rotor de chaque machine dans le systme
global. Linstabilit qui peut en rsulter se produit sous forme daugmentation des oscillations
angulaires de certains gnrateurs, pouvant conduire une perte de synchronisme. La stabilit
angulaire est classifie en deux catgories : la stabilit des angles de rotor aux petites
perturbations et la stabilit des angles de rotor aux grandes perturbations, appele stabilit
transitoire [2,53].
I.1.1.1. Stabilit angulaire aux petites perturbations
Cette stabilit appele stabilit dynamique est dfinie par la capacit du systme de
puissance maintenir le synchronisme en prsence de petites perturbations. Linstabilit qui
en rsulte est sous forme dun cart croissant, oscillatoire ou non entre les angles de rotor.
Elle dpend surtout du point de fonctionnement initial du systme. Elle ne dpend pas du
niveau de perturbations, car celles-ci sont en gnral en faibles amplitudes [53-54]. Ces
oscillations peuvent cependant aboutir dstabiliser un alternateur, une partie du rseau ou
tout le rseau. Dans ce cas, il peut appel des modles linaires pour simuler le systme de
puissance.
I.1.1.2. Stabilit angulaire aux grandes perturbations
Aussi appele stabilit transitoire, la stabilit angulaire aux grandes perturbations est
la capacit du systme de maintenir le synchronisme aprs avoir subi une perturbation svre
telle que :
- un court - circuit sur une ligne de transport
- une perte de groupe de production
- une perte dune partie importante de la charge
6
Chapitre I
Les consquences de ces dfauts sont souvent drastiques et peuvent mme rsulter en
un effondrement du systme. Linstabilit transitoire se manifeste par les grandes variations
apriodiques des angles du rotor et dpend de la relation non linaire couples angles [2,53].
La stabilit transitoire dpend non seulement de lamplitude des perturbations et du point de
fonctionnement initial, mais aussi des caractristiques dynamiques du systme. Si linstabilit
se manifeste directement suite la perturbation et plus prcisment dans la premire seconde
qui suit llimination du dfaut, elle est appele instabilit de premire oscillation et elle
stend sur 3 5 secondes. Elle peut aussi se manifester autrement et rsulter de la
superposition des effets de plusieurs modes doscillations lents excits par la perturbation,
provoquant ainsi une variation importante de langle de rotor au-del de la premire
oscillation. La gamme de temps associe va de dix secondes vingt secondes [53-56]. Dans
cette tude nous nous intresserons la stabilit de langle de rotor face aux grandes
perturbations.
I.1.2. Stabilit de tension
Chapitre I
Les deux principaux rgulateurs du gnrateur sont indiqus le rgulateur de tension AVR, et
le stabilisateur supplmentaire PSS. Le comportement de la machine synchrone est modlis
l'aide d'quations non linaires, un tel systme de puissance a naturellement un comportement
8
Chapitre I
non linaire. Si la perturbation affectant le systme est suffisamment petite, on peut utiliser
une approche dite "petits signaux" [1,4], consistant dvelopper un modle linaris du
systme autour d'un point de fonctionnement. Mais l'existence de perturbations importantes
prvient l'utilisation des modles non linaires dans l'tude de la stabilit transitoire [1,2].
I.2.1. Modlisation d'une machine connecte un nud infini : modle SMIB
Les diffrents enroulements dans les deux reprsentations sont les suivants :
-
Chapitre I
(I.1)
0 et de langle de charge :
(t ) = 0 (t )
(t ) =
(I.2)
KD
1
(t ) +
( Pm (t ) Pe (t ) )
2H
2H
(I.3)
10
Chapitre I
Considrons une machine synchrone qui fait partie dun rseau lectrique de grande
dimension, la configuration gnrale est prsente dans la figure I.3, o le reste du rseau
lectrique a t remplac par une ractance quivalente x s et une source de tension
quivalente V s .
Figure I.5. Reprsentation schmatique d'une machine synchrone connecte un noeud infini.
Vu que la machine est connecte un systme de taille importante, nous pouvons considrer
que ses dynamiques ninfluent pas sur la valeur, de la frquence ou de la tension V s ; pour
cette raison, on appelle la source V s un bus infini. Dans le but dtablir les quations
algbriques du systme, on dfinit dans un premier temps les ractances suivantes :
x ds = x d + x s
x ds = x d + x s
(I.4)
x qs = x q + x s
Si les rsistances des enroulements statoriques et celle de la ligne sont ngliges, les
composantes du courant statorique scrivent comme suit:
I d (t ) =
I q (t ) =
E q (t ) Vs cos ( (t ) )
(I.5)
x ds
Vs sin ( (t ) )
(I.6)
x qs
(I.7)
Vs E q (t )
x x d 2
sin ( (t ) ) q
Vs sin ( (t ) ) cos ( (t ) )
x ds
x q s x ds
(I.8)
Nous pouvons galement crire l'quation de la tension de sortie (tension terminale) sous la
forme :
V t 2 =V d2 +V q2
(I.9)
V d = x q I q
(I.10)
11
Chapitre I
V q = E q x d I d
(I.11)
correcteurs classiques utiliss dans les systmes de puissance seront maintenant abords.
I.2.2. Les correcteurs
Nombre de correcteurs sont utiliss dans les rseaux de transport, entre autres pour
amliorer la stabilit, et augmenter les marges de scurit et donc la puissance transitant sur
les lignes. Nous dcrivons maintenant les principaux correcteurs.
I.2.2.1. Les rgulateurs de tension
12
Chapitre I
La grandeur Vrf , est la consigne de tension dtermine pour satisfaire les conditions de ltat
quilibre. Le rgulateur de tension compare le signal V t la tension de consigne Vrf . Un
signal complmentaire u s peut tre ajout au noeud de sommation : il sagit dun signal issu
de certains dispositifs spcifiques de commande comme les stabilisateurs de puissance (PSS).
Ensuite, le signal derreur est amplifi pour donner la tension dexcitation demande E fd . La
constante de temps et le gain de lamplificateur sont respectivement T a et K a . Les valeurs
extrmales de la tension dexcitation ( E fd _ Max , E fd _ Min ) sont fixes par un systme de
limitation. La relation suivante dcrit le fonctionnement dynamique du modle :
1
E fd (t ) =
K a (V rf V t (t ) + u s (t ) ) E fd (t )
Ta
(I.12)
Chapitre I
2. Le filtre passe-haut "filtre washout ": il limine les oscillations de trs basse frquence
Avec les relations tablies dans les paragraphes prcdents et on considrant les
variables d'tat , , E q et E fd , nous obtenons les quations d'tat suivantes pour une
machine connecte un nud infini (SMIB) :
( t ) = 0 ( t )
1
D
( t ) = 2 H ( t ) + 2 H ( Pm ( t ) Pe ( t ) )
E ( t ) = 1 E ( t ) E ( t ) I ( t )( x x )
fd
q
d
d
d
q
Td0
1
K a (Vrf Vt ( t ) + u pss ( t ) ) E fd ( t )
E fd ( t ) =
Ta
V E (t )
xq xd 2
Pe ( t ) = s q
Vs sin ( ( t ) ) cos ( ( t ) )
sin ( ( t ) )
xds
xqs xds
Vs sin ( ( t ) )
Eq ( t ) Vs cos ( ( t ) )
, Id (t ) =
Iq (t ) =
xqs
xds
2
2
2
Vt = Vd + Vq , Vd = xq I q , Vq = Eq xd I d
14
(I.13)
Chapitre I
Ce systme d'quations (I.13) est utilis pour dcrire le comportement dynamique d'un
systme de puissance et la simulation des dfauts de celui-ci et l'valuation du stabilisateur
que nous proposons dans notre travail.
Conclusion :
Dans la premire partie de ce chapitre, nous avons prsent les dfinitions et les
caractristiques des diffrents types de stabilit dun systme de puissance. Le concept
gnral de la stabilit peut tre synthtis en trois groupes : stabilit de langle de rotor, de la
tension et de la frquence. On s'intressera a la stabilit angulaire aux grandes perturbations
(stabilit transitoire), objet de notre travail. Un modle pour reprsenter le comportement
dynamique d'un systme de puissance a t donn dans la deuxime partie. Ce modle utilise
une prsentation trs succincte d'un rseau vu d'un gnrateur particulier. Il s'agit du modle
SMIB. Ce modle non linaire convient pour les tudes de la stabilit transitoire et pour
valuer les performances des stabilisateurs intelligents qui seront reprsents dans le second
chapitre.
15
Chapitre II
II.1. Introduction :
Chapitre II
(II.1)
(II.2)
( x, t ) = 0
(II.3)
T + = 0
T >0
(II.4)
17
Chapitre II
(t ) =
t /T
(II.5)
d ( x , t )
d ( x , t ) d x
=
.
dt
dx
dt
(II.6)
d ( x , t )
f (x,u ,t) + (x,t) = 0
dx
(II.7)
En rsolvant l'quation (II.7) pour u, la loi de commande est alors exprime comme suit:
u = g ( x , ( x , t ) , T , t )
(II.8)
partir de l'quation (II.8), on s'aperoit que la commande dpend non seulement des
variables d'tat du systme, mais galement de la macro-variable et du paramtre de
contrle T . En d'autres termes, le concepteur peut choisir les caractristiques du contrleur en
choisissant une macro-variable approprie et un paramtre de contrle spcifique T . Dans la
synthse du contrleur synergtique montr ci-dessus, il est clair que celui ci agit sur le
systme non linaire et une linarisation ou une simplification du modle nest pas ncessaire
comme c'est souvent le cas pour les approches commande traditionnelle.
Par un choix appropri des macro-variables, le concepteur peut obtenir les
caractristiques intressantes suivantes pour le systme final [36,70] :
Stabilit globale
Insensibilit vis--vis des paramtres
Suppression de bruit.
18
Chapitre II
Dans certains cas, la tension dexcitation E fd dune machine synchrone peut tre donne par
lquation (II.9) [36] :
E fd ( t ) = ke (VR ( t ) + u pss ( t ) )
(II.9)
1
VR ( t ) =
K a (Vrf Vt ( t ) ) VR ( t )
Ta
(II.10)
Dans ce cas, la dynamique E q de la tension transitoire de la machine peut tre donne par :
1
ke (VR ( t ) + u pss ( t ) ) Eq ( t ) I d ( t )( xd xd )
E q ( t ) =
Td0
(II.11)
19
Chapitre II
= k1 ( 0 ) + ( Pe Pm )
(II.12)
T1 > 0
(II.13)
(II.14)
La drivation de Pe donne :
E V
x x
V
Pe = s E q sin ( ) + q s cos ( ) q d Vs2 cos ( 2 )
xds
xds
xqs xds
(II.15)
E V
x x
Vs
xds
xqs xds
T1
(II.16)
Et en substituant les quations (I.2), (I.3), (I.5) et (II.11) dans l'quation (II.16), on obtient
la loi de commande synergtique donne par la l'quation (II.17):
u pss =
E V cos ( )
1
Eq q s
( xd xd ) + VR
ke
ke xds
EqVs
x x
cos ( ) q d Vs2 cos ( 2 )
ke sin ( ) xds
xqs xds
Td0 k1 xds
1
+
[ P + D ]
ke Vs sin ( ) 2 H
+
Td0 0
Td0 xds
(II.17)
ke Vs sin ( ) T1
Chapitre II
Systme
d'excitation
AVR
0.05
Ta
K pss
0.01
0.01
0.076
4
w
0.076
1
2
-2
u pss _ Max
0.2
u pss _ Min
-0.2
xq
1.01
0.02
xL
0.1 pu
Ka
50
xd
x d
2.19
xT
T d0
0.1 pu
E fd _ Max
4.14
E fd _ Min
0.18
Stabilisateur de puissance
conventionnel CPSS
10
Scnario 1: le systme est soumis une perturbation provenant d'un court-circuit triphas sur
le jeu de barre infini l'instant t = 0.2sec avec une dure de 0.06 sec. Les rponses de la
21
Chapitre II
l'instant t = 0.2sec . Les rsultats de simulation sont prsents dans les figures II (8 11).
22
Chapitre II
Chapitre II
Conclusion
24
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
III.1. Introduction :
La plupart des systmes physiques sont non linaires et complexes, et ne peuvent tre
facilement modliss mathmatiquement. D'autre part, le traitement mathmatique des
systmes non linaires n'est pas trs commode dans la thorie de la commande moderne. Il est
possible par exemple qu'un systme non linaire soit linaris autour de points de
fonctionnement tel que la thorie de commande linaire bien dveloppe puisse tre appliqu
dans la rgion locale avec une facilit apparente [74-75]. Dans ce cas, l'ensemble des modles
mathmatiques linaires peut tre intgr dans un modle global qui est quivalent au systme
non linaire et qui devrait tre considrs pendant le contrle de ce systme [76-77].
Cependant, la ncessit datteindre d'assez bonnes performances dans des domaines de
fonctionnement relativement larges impose la prise en compte de la dynamique globale non
linaire des processus dans la synthse de la commande. De plus, ces techniques ne peuvent
tre utilises que pour des systmes non linaires dont les modles dynamiques sont
parfaitement connus. Cependant, la complexit et la prsence de fortes non-linarits, dans
certains cas, ne permettent pas davoir une compensation exacte de ces non-linarits et ainsi
obtenir les performances de poursuite dsires. De plus, la connaissance du modle est
indispensable, ce qui est gnralement trs difficile. Pour contourner ce problme,
lapproximation du modle ou de la loi de commande peut tre une alternative. Dans ce
contexte, plusieurs commandes adaptatives pour des systmes non linaires dans la
commande ont t prsentes dans la littrature o lapproximation est assure soit par un
systme flou ou un rseau de neurones [78-83].
Plusieurs mthodes de conception de la commande adaptative floue ont t introduites
classes gnralement en deux classes principales [82-83] savoir la commande adaptative
directe qui utilise les systmes flous comme des rgulateurs et la commande adaptative
indirecte qui utilise les systmes flous pour modliser le processus pralablement
llaboration de la commande. Les systmes adaptatifs flous ont lavantage dtre efficaces
malgr labsence de modle mathmatique et permettent que les informations linguistiques
donnes par lexpert soient incorpores directement laide des rgles floues dans la
conception du contrleur.
linstar de la commande adaptative floue et en se basant sur les travaux relatifs cette
technique, nous dveloppons dans ce chapitre la mise en uvre d'une commande adaptative
floue synergtique. On utilisera les systmes flous pour approximer la dynamique des
systmes de puissance. La stabilit du systme en boucle ferme est assure par la synthse de
25
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
Lyapunov au sens que tous les signaux soient borns et les paramtres du contrleur ajusts
par des lois dadaptation.
III.2. Stabilisateur adaptatif flou indirect dun systme de puissance :
(III.1)
x2 = P = ( Pe Pm )
(III.2)
x 2 = f ( x 1 , x 2 ) + g ( x 1 , x 2 ) u
(III.3)
y = x1
Ou, encore
x = f ( x , x ) + g ( x , x ) u
(III.4)
y =x
O : =
1
et H est un paramtre constant de la machine appel constante dinertie,
2H
(III.5)
26
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
(III.6)
1
y m (t ) + c T e ]
[ f ( x ) +
g ( x)
(III.7)
e + c1 e + c 2 e = 0
(III.8)
27
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
uc =
1
f (x | f ) + ym c T e
g (x | g )
(III.9)
e = c T e + [f (x ) f (x | f )] + [ g (x ) g (x | g )]u c
(III.10)
Vu que e = [e e]T , l'quation (III.10) peut tre rcrite comme suit :
e = Ac e + bc [f (x ) f (x | f )] + [ g (x ) g (x | f )]u c
(III.11)
o :
1
0
0
, bc =
Ac =
1
-c1 - c 2
(III.12)
Puisque Ac est une matrice stable ( sI Ac = s 2 + c1s + c 2 est Hurwitz), il existe une matrice
symtrique dfinie positive P qui satisfait lquation de Lyapunov [74]:
AcT P + PAc = Q
(III.13)
f (x / f ) = fl fl (x )
l =1
= fT f (x )
(III.14)
= fT (x )
g (x / g ) = gl gl (x )
l =1
= gT g (x )
(III.15)
= gT (x )
28
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
Les systmes flous sont caractriss par une seule fonction floue de base ce qui nous permet
dobtenir les estimations f et g simultanment, ceci implique que f (x ) = g (x ) .Dans le
dveloppement de la commande, les fonctions floues de base seront donnes par :
n
l (x ) =
i =1
n
m
Fil
l =1 i =1
(x i )
Fil
(III.16)
(x i )
T
(III.17)
(III.18)
(III.19)
{
= {
f = f :f M f
O M f et M
: g M g
}
}
(III.20)
(III.21)
Notons que les paramtres optimaux f* et g* sont des constantes artificielles inconnues
introduites uniquement pour faire ltude thorique de la stabilit de lalgorithme de
commande. En fait, la connaissance de leurs valeurs nest pas ncessaire pour limplantation
des lois de commandes adaptatives.
Alors, lquation de lerreur (III.10) peut tre rcrite comme :
e = A c e + b c (f (x / f* ) f (x / f )) + ( g (x / g* ) g (x / g ))u c + w
29
(III.22)
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
(III.23)
f = f* f
(III.24)
g = g* g
(III.25)
1 T
1 T
1 T
e Pe +
f f +
2
2 1
2 2 g g
(III.26)
= 1 e T Q e + e T Pb w + f ( e T Pb ( x ) + ) +
V
c
c
f
1 1
2
gT
2
(III.27)
( 2 e T Pbc ( x ) u c + g )
= 1 e T Q e + e T Pb w + f ( e T Pb ( x ) ) +
V
c
c
f
1 1
2
gT
2
(III.28)
( 2 e T Pbc ( x ) u c g )
Si on choisit les lois dadaptation pour les vecteurs de paramtres ajusts f et g comme
suit :
f = 1 e T Pbc ( x )
(III.29)
g = 2 e T Pbc ( x ) u c
(III.30)
De l'quation (III.28), et en utilisant, les lois d'adaptation (III.29) et (III.30), nous obtenons :
1 e T Qe + e T Pb w
V
c
2
(III.31)
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
) (
e T Pb ( x )
si f < M f ou f = M f et e T Pbc Tf ( x ) 0
c
1
f =
T ( x)
e T Pb ( x ) e T Pb f f
si f = M f et e T Pbc Tf ( x ) > 0
2
c
c
1
1
f
)
(III.32)
) (
e T Pb ( x ) u
si g < M g ou g = M g et e T Pbc Tg ( x ) u c 0
c
c
2
g =
(III.33)
T
( x)
e T Pb ( x ) u e T Pb u g g
, si g = M g et e T Pbc Tg ( x ) u c > 0
2
c
c
c
c
2
2
Thorme 1 :
adaptatives modifies (III.32) et (III.33). Alors, la loi de commande dfinie par (III.9)
garantit la stabilit du systme (III.3) en boucle ferme, et vrifie les proprits suivantes :
1- les vecteurs de paramtres ajusts f et g sont borns et vrifient : f M f et
g M g pour tout t 0 .
t
2-
e ( )
0
d a + b w ( ) d
2
(III.34)
31
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
t 0 , o a et b sont des constantes, et w est lerreur dapproximation
Pour tout
w ( )
Remarque :
Dans le dveloppement ci-dessous il nest pas fait recours aucun terme superviseur
et les rsultats de la stabilit asymptotique sont fournis en utilisant la thorie de Lyapunov.
Dmonstration :
(III.35)
Do
= T
V
f
f
f
(III.36)
(III.37)
= e T Pb T ( x ) e T Pb
V
1
1
f
c
f
c
f Tf ( x )
f
=0
(III.38)
32
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
= 1 e T Q e + e T Pb w
V
c
2
+ I 1 e Pbc
T
fT f Tf ( x )
+ I 2 e Pbc u c
T
(III.39)
gT g gT ( x )
g
= 1 e T Q e + e T Pb w
V
c
2
+ e Pbc
T
fT f Tf ( x )
+ e Pbc u c
T
(III.40)
gT g gT ( x )
g
Quand f = M f ,puisque *f M f , on a :
2 Tf f = 2 *f f
*
f
f
f
*
f
)0
(III.41)
Do :
T
e Pbc
fT f Tf ( x )
f
(III.42)
e Pbc u c
gT g gT ( x )
g
(III.43)
(III.44)
33
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
Q min 1
V
2
Q min 1
2
2
2
1
1
2
2
e e e T Pbc w + Pbc w + Pbc w
2
2
(III.45)
2
1
e + Pbc w
2
2
O Q min et la valeur propre minimale de Q . Par intgration des deux cots de (III.45) et en
supposant que Q min > 1 , aprs quelques simples manipulations, nous pouvons obtenir :
t
e ( ) d
V ( 0 ) + V ( t ) +
1
Q min
1
1
Q min
Pbc
w ( )
(III.46)
En dfinissant :
a=
b=
V ( 0 ) + V ( )
(III.47)
Q min 1
1
Q min 1
Pb c
(III.48)
e ( ) d a + b w ( ) d
2
(III.49)
synergtique pour un systme de puissance est explique dans le travail que nous avons men
et qui a fait l'objet d'une publication [95].
La synthse synergtique stabilisant le systme de puissance commence par dfinir une
macro-variable donne par l'quation suivante :
= k x1 + x2
(III.50)
T >0
(III.51)
On peut avoir :
= k x1 + x2
(III.52)
= K T x + f ( x) + g ( x) u
34
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
(III.53)
K x f ( x)
g ( x)
T
u=
Si les fonctions
(III.54)
systme (III.3) peut tre facilement implante. Ces fonctions tant gnralement inconnues, le
but est alors de les approximer par des systmes flous sous la forme dquations (III.14) et
(III.15). La loi de commande (III.54) devient alors:
u* =
T
K x f ( x | f )
g ( x | g )
T
(III.55)
(III.56)
(III.57)
f f
g g
{
= {
f = f :f Mf
g
: g M g
}
}
(III.58)
(III.59)
w = f ( x ) f ( x / f ) + g ( x ) g ( x / g ) u *
(III.60)
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
= K T x + f ( x ) + g ( x ) u * + g ( x / g ) u * g ( x / h ) u *
) (
))
1
= f ( x ) f ( x / f ) + g ( x ) g x / g u *
T
+ f ( x / f ) f ( x / f ) + g x / g g ( x / g ) u *
1
= w + Tf Tf ( x ) + gT gT ( x ) u *
T
( (
(III.61)
f = f f
(III.62)
g = g g
(III.63)
= w + Tf ( x ) + gT ( x ) u *
(III.64)
1
1
1
(III.65)
V = 2 + Tf f + gT g
2
r1
r2
O, r1 et r2 sont des constantes positives, La drive de V par rapport au temps est donne
par :
1
1
V = + Tf f + gT g
r1
r2
1
1
1
= Tf ( x ) + gT ( x ) u * + w + Tf f + gT g
T
r2
r1
1
1
1
= Tf ( x ) + gT ( x ) u * + Tf f + gT g + w
r1
r2
T
1 T
1
1
f ( r1 ( x ) + f ) + gT ( r2 ( x ) u * + g ) + w
r1
r2
T
(III.66)
(III.67)
f = r1 ( x )
(III.68)
h = r2 ( x ) u *
(III.69)
36
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
(III.70)
T
r1 (x) si f < M f ou f = M f et r1 f ( x) 0
f =
T
r (x) r f f (x) si = M et r T ( x) > 0
f
f
f
1
1
2
1
f
) (
(
)
(III.71)
*
si g < M g ou g = M g et r2 Tg ( x) u* 0
r2 ( z )u
g =
T
r ( x) u* r u* g g ( x) , si = M et r T ( x) u* > 0
g
g
g
2
2
2
2
) (
(
)
(IIII.72)
Thorme 2 :
Alors, la loi de
commande dfinie par (III.55) garantit la stabilit du systme (III.3) en boucle ferme, et
vrifie les proprits suivantes :
37
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
h M h pour tout t 0 .
t
( ) d a + b w ( ) d
2-
(III.73)
Pour tout
w ( )
Dmonstration :
donnes par (III.71) et (III.72), et exactement la mme procdure que pour le thorme 1,
nous pouvons dmontrer que : f M f et
g M g .
(III.74)
2
(III.75)
(III.76)
Par intgration des deux cots de (III.76), et aprs quelques simples manipulations, nous
pouvons obtenir :
t
( )
0
d 2T V ( 0 ) + V ( t ) + T 2 w d
0
En dfinissant
38
(III.77)
Chapitre III Conception d'un Stabilisateur Adaptatif Flou et Adaptatif Flou Synergtique
a = 2T V ( 0 ) + V ( )
(III.78)
b = T 2
(III.79)
( ) d a + b w ( ) d
2
A partir de (III.80), si
(III.80)
dmontr que toutes les variables dans le cot droit de (III.61) sont bornes. Par consquent
lutilisation du lemme de Barbalat [94], si L2 L et L , nous avons lim ( t ) = 0 ,
t
39
Chapitre IV
Rsultats et Discussion
IV.1. Introduction
Le systme de puissance tudi dans cette thse est non linaire et complexe. Il ne peut
tre facilement model mathmatiquement et difficile commander cause de la varit des
modes d'oscillations que l'on y retrouve. Le rle principal dun stabilisateur est damortir
correctement les oscillations dun systme de puissance. De manire plus prcise, quelle que
soit la perturbation qui apparat sur le systme, le stabilisateur doit tre capable de maintenir
la stabilit du systme tout en assurant un bon amortissement des oscillations
lectromcaniques. Dans ce chapitre nous allons valider par simulation l'efficacit d'un
stabilisateur de systme de puissance (PSS) base de la commande synergtique et la
commande par la logique floue. On distingue plusieurs types de stabilisateurs dont les
principaux sont: le stabilisateur de systme
Nous rappelons que la procdure de conception dun stabilisateur flou adaptatif dun
systme de puissance [89] est donne selon les tapes suivantes :
tape 1 : Cette tape consiste spcifier les coefficients du stabilisateur.
et s2 = 0.5 + j 3
1. On dfinie m1 comme tant les ensembles flous F1k 1 pour lentre o k 1 = 1, 2,..., m1 et
m2 les ensembles flous F2k 2 pour lentre P o k 2 = 1, 2,..., m 2 . Ici m1 et m2 sont choisis
tel que m1 = m2 = 5 . Les ensembles flous de l'entre sont dfinis selon les fonctions
40
Chapitre IV
Rsultats et Discussion
( l ,l ) ( x ) =
1
F (x 1 ) F (x 2 )
l1
1
l2
2
m1 m 2
l1 =1 l 2 = 2
F1l1
(IV.1)
(x 1 ) F l 2 (x 2 )
2
Rg
x | g ) is X
: IF x 1 is F1 1 and x 2 is F2 2 ,THEN g(
l
( l1 , l 2 )
( l1 , l 2 )
(IV.2)
( l1 , l 2 )
dans le mme
Dans notre exemple, la base des rgles floues et le vecteur de paramtres g du systme
tudi, peuvent tre construits partir de la table IV.1 (les lments de g sont en per unit et
choisis positifs comme not en (III.6).
Tableau. IV.1.Tableau de dcision pour la construction du vecteur g pour lestimation de
g
Dviation
de vitesse
( )
NG
NP
ZR
PP
PG
Puissance dacclration ( P )
NG
NP
ZR
PP
1
2
3
2
2
3
4
3
3
4
5
4
2
3
4
3
1
2
3
2
41
PG
1
2
3
2
1
Chapitre IV
Rsultats et Discussion
Vu que lon a pas assez dinformations sur f ( x | f ) , les valeurs initiales de f sont choisies
nuls.
5. Les expressions des fonctions
Le systme de puissance non linaire montr dans le chapitre I est utilis pour valuer
la technique de commande adaptative floue, et les paramtres de ce systme sont mentionns
dans le tableau II.1 [89]. Trois types des perturbations sont utiliss pour examiner le systme
de puissance. Dans chacune, le stabilisateur de puissance adaptatif flou AFPSS a t compar
avec un stabilisateur de puissance conventionnel CPSS et sans stabilisateur de puissance
NPSS.
Scnario 1: un court-circuit triphas d'une dure de 0.06sec a t appliqu au systme de
puissance l'instant t = 0.2 sec c. Pour diffrents points de fonctionnement, Les rponses du
systme sont illustres sur les figures suivantes :
Cas1, fonctionnement normal caractris par: Pm = 0.9 pu et Qe = 0.3 pu
42
Chapitre IV
Rsultats et Discussion
43
Chapitre IV
Rsultats et Discussion
mcanique de +0.2 pu est produite l'instant t = 0.5sec . Les rsultats de simulation sont
prsents dans les figures suivantes :
44
Chapitre IV
Rsultats et Discussion
rfrence +0.1 pu est produite l'instant t = 0.5sec . Les rsultats de simulation sont
prsents dans les figures suivantes :
45
Chapitre IV
Rsultats et Discussion
1. les ensembles flous pour lentre et lentre P sont choisis comme dans le cas de la
section prcdente. Elles sont aussi dfinies selon les fonctions d'appartenances montres dans
les figures IV. (1 et 2)
2. On construit la fonction de base floue exprime par la forme suivante :
( l ,l ) ( z ) =
1
F (z 1 ) F (z 2 )
l1
1
l2
2
m1 m 2
l1 =1 l 2 = 2
F1l1
(IV.3)
(z 1 ) F l2 (z 2 )
2
46
Chapitre IV
Rsultats et Discussion
Pour le systme de puissance tudi, la base des rgles floues et le vecteur de paramtre g
peuvent tre construits partir de la table IV.2 (les lments de g sont en p.u et choisis
positifs comme nots en (III.6)).
Tableau. IV.2.Tableau de dcision pour la construction du vecteur g pour lestimation de
Puissance dacclration ( P )
NG
NP
ZR
PP
PG
0.6
1.2
1.2
1.2
0.6
NG
Dviation
1.2
1.8
2.4
1.8
1.2
NP
de vitesse
1.8
2.4
3
2.4
1.8
ZR
( )
1.2
1.8
2.4
1.8
1.2
PP
0.6
1.2
1.8
1.2
0.6
PG
Vu que lon a pas assez dinformations sur f ( x | f ) , les valeurs initiales de h sont choisies
nuls.
5. Les expressions des fonctions f ( x | f ) et h( x | g ) sont donnes par les quations
(III.14)et (III.15) respectivement. Le signal du stabilisateur est obtenu partir de lquation
(III.55) donne au chapitre III.
tape 3 :
Loptimisation par essaim de particules (PSO: Prticle Swarm Optimisation ) est une
technique volutionnaire qui utilise une population de solutions candidates pour dvelopper
une solution optimale au problme. Le degr doptimalit est mesur par une fonction fitness
(aptitude) dfinie par lutilisateur [96-98]. La PSO diffre des autres mthodes de calcul
volutionnaire de faon que les membres de la population appels particules sont disperss
dans lespace du problme [97-98]. Le comportement de lessaim doit tre dcrit comme s'il
s'agissait du comportement d'une seule particule. Au dpart de lalgorithme, un essaim est
rparti au hasard dans lespace de recherche, chaque particule ayant galement une vitesse
47
Chapitre IV
Rsultats et Discussion
alatoire. Les particules sont les individus et elles se dplacent dans lespace de recherche. Ce
processus est bas sur deux rgles :
Chaque particule est dote dune mmoire qui lui permet de mmoriser le meilleur point
par lequel elle est dj passe et elle a tendance retourner vers ce point.
Chaque particule est informe du meilleur point connu au sein de son voisinage et elle va
tendre aller vers ce point.
Le voisinage constitue la structure du rseau social. Les particules lintrieur dun voisinage
communiquent entre elles. La nouvelle position dune particule est dtermine en fonction de
sa propre valeur et de celle de ses voisines.
Soit X i (t ) la position de la particule Pi au temps t sa position est modifie en ajoutant une
V i (t ) sa position courante. Les quations formalisant le mouvement d'une
vitesse
Vi ( t + 1) = w Vi ( t ) + 1 R1 ( t ) X Pbi ( t ) X i ( t ) + 2 R2 ( t ) X Pg ( t ) X i ( t )
X i (t + 1) = X i (t ) +V i (t )
(IV.4)
(IV.5)
Chapitre IV
Rsultats et Discussion
ITAE = t . dt
(IV.6)
Le critre ITAE est l'intgrale de lerreur absolue pondre par le Temps (Integral Time
multiplied by Absolute Error). Puisque la valeur du critre ITAE est pondre par le temps,
lerreur statique est fortement pnalise : les systmes rponse trs oscillatoires sont ainsi
pnaliss. En rgle gnrale, le systme sera dautant mieux rgl que le critre intgral choisi
sera minimal.
VI.3.1.1. Mise en uvre de lalgorithme PSO :
5 k 103
103 T 1
2- partir du point de fonctionnement normal, on soumit le systme de puissance un
court-circuit triphas dune dure de 0.06 sec
3- on applique les tapes de la conception du stabilisateur adaptatif flou synergtique.
4- on dtermine la valeur minimale de fonction fitness F , qui peut tre formule comme
suit :
F ( ki , Ti ) = min ( ITAE )
i = 1, 2,..., N max
49
(IV.7)
Chapitre IV
Rsultats et Discussion
Figure (IV.23). Organigramme doptimisation des paramtres du stabilisateur adaptatif flou synergtique
50
Chapitre IV
Rsultats et Discussion
Aprs avoir appliqu lalgorithme doptimisation PSO, les valeurs de k et T sont fixes
2.0428 et 0.4012 respectivement.
La fonction fitness atteint une valeur finie puisque l'cart de vitesse angulaire est rgl zro.
IV.3.2.Rsultat de simulation :
On utilise le mme systme de puissance dcrit dans la section IV.2.1 avec les paramtres
illustrs dans le tableau IV.3.
Scnario 1: un court-circuit triphas d'une dure de 0.06sec a t applique au systme de
puissance l'instant t = 0.2 sec c. Pour diffrents points de fonctionnement, les rponses du
systme obtenues sont illustres sur les figures suivantes :
51
Chapitre IV
Rsultats et Discussion
52
Chapitre IV
Rsultats et Discussion
53
Chapitre IV
Rsultats et Discussion
partir des rsultats de simulation donns sur les figures IV.(39 58) pour tous les points de
fonctionnement, on peut conclure que le stabilisateur AFSPSS propos est capable de
stabiliser et damortir les oscillations dans le systme de puissance.
54
Chapitre IV
Rsultats et Discussion
+0.2 pu est produit l'instant t = 0.5sec . Les rsultats de simulation sont prsents dans les
figures suivantes :
55
Chapitre IV
Rsultats et Discussion
rfrence +0.1 pu est produit l'instant t = 0.5sec . Les rsultats de simulation sont
prsents dans les figures suivantes :
56
Chapitre IV
Rsultats et Discussion
Dans les figures IV. (59 68), on remarque qu' travers les rponses enregistres du
systme dans les deux scnarios, le stabilisateur propos fournit un temps de rponse court et
un bon amortissement par rapport au stabilisateur conventionnel.
IV.4. Rsultat de simulation de la comparaison entre les trois stabilisateurs tudis :
SPSS, AFPSS et AFSPSS :
convenables pour les utiliser par le stabilisateur synergtique. Ce dernier, ses paramtres
( k1 et T1 ) sont optimiss de la mme manire utilise pour calculer k et T , et ils ne sont
pas adquats pour les utiliser par le stabilisateur adaptatif flou synergtique.
Les figures IV (52 et 53) montrent lvolution des paramtres k1 et T1 respectivement,
et lvaluation de la fonction objective (fitness) est reprsente par la figure (IV.54).
57
Chapitre IV
Rsultats et Discussion
La comparaison entres les trois stabilisateurs est reprsente dans les figures IV.(55 74) pour
les trois scnarios.
Scnario 1 : Cas1, fonctionnement normal caractris par : Pm = 0.9 pu et Qe = 0.3 pu
58
Chapitre IV
Rsultats et Discussion
59
Chapitre IV
Rsultats et Discussion
60
Chapitre IV
Rsultats et Discussion
partir des figures de simulation, les rponses du stabilisateur AFSPSS sont mieux
amorties que celle des AFPSS et SPSS. Le temps de rponse donne par AFSPSS est
meilleur que celui du stabilisateur adaptatif flou et le stabilisateur synergtique. Le
stabilisateur AFSPSS est alors plus robuste que les deux autres stabilisateurs.
Conclusion
Chapitre IV
Rsultats et Discussion
62
Conclusion Gnrale
63
Bibliographie
[1] P.M. Anderson and A.A. Fouad, Power system control and stability, IEEE Press, New York,
1993.
[2] P. Kundur, Power system control and stability, McGraw-Hill Inc., 1994.
[3] P. W. Sauer and M. A. Pai, Power System Dynamics and Stability, New Jersey, Prentice-Hall
Inc., 1998.
[4] J. Machowski, J. W. Bialek and J. R. Bumby, Power system dynamics Stability, John Wiley &
Sons Ltd.,1997.
[5] J. A. Mornoh and M. El-Hawary, Electric Systems, Dynamics, and Stability with Artificial
Intelligence Applications, New York, Marcel Dekker Inc., 2000.
[6] Q. Lu, Y. sun and S. Mei, Nonlinear control systems and power system dynamics, The
International Series on Asian Studies in Computer and Information Science, kluwer academic
publishers, .2001.
[7] P.G. Brown, F.P. Demello, E.H. Lenfest and R.J. Mills, Effects of excitation, turbine energy
control, and transmission on transient stability, IEEE Trans, on Power Apparatus and Systems.
89 (6) (1970) 1247-1252.
[8] C. Concordia and P. G. Brown, Effects of trends in large steam turbine driven generator
parameters on power system stability, IEEE Trans. Power Apparatus Syst. 90 (5) (1971) 22112218.
[9] F.P. Demello, C. Concordia, Concept of synchronous machine stability as affected by excitation
control, IEEE Trans. Power Apparatus Syst. 88 (4) (1969) 316329.
[10] H. Vu, J.C. Agee, Comparison of power system stabilizers for damping local mode
oscillations, IEEE Trans. Energy Convers. 8 (3) (1993) 533539.
[11] S.N. Iyer and B.J. Cory, Optimal control of turbo-generator including an exciter and governor,
IEEE Trans, on Power Apparatus and Syst., 90 (5) (1971) 2142-2149.
[12] E. V. Larsen and D. A. Swann, Applying power system stabilizers. Part I: General concepts,
IEEE Trans, on Power Apparatus and Syst.,,100(6)(1981)3017-3024.
[13] E. V. Larsen and D. A. Swann, Applying power system stabilizers. Part II: Performance
objectives and toning concepts, IEEE Trans, on Power Apparatus and Syst.,, 100(6)( 1981)
3025-3033.
[14] E. V. Larsen and D. A. Swann, Applying power system stabilizers, Part III: Practical
considerations, IEEE Trans, on Power Apparatus and Syst., 100(6) (1981)3034-3046.
[15] C. Concordia, Steady state stability or synchronous machines as affected by voltage regulator
characteristics, IEEE Trans, on Power Apparatus and Syst., 63(5)(1944) 215-220.
64
Bibliographie
65
Bibliographie
[30] Y M. Park and W. Kim, Discrete-time adaptive sliding mode power system stabilizer with only
input/output measurements, Intemational Joumal of Electrical Power and Energy Syst.,
18(8)(1996)509-517.
[31] T.C. Yang, Applying H optimisation method to power system stabiliser design Part 1: Singlemachine infinite-bus systems, International Journal of Electrical Power & Energy Syst.,
19(1)(1997) 29-35.
[32] A.M. Sharaf and T.T. Lie, A neuro-fuzzy hybrid power system stabilizer, Electric Power Syst.
Res., 30(1)(1994)17-23.
[33] P Lakshmi and M Abdullah Khan, Stability enhancement of a multimachine power system
using fuzzy logic based power system stabilizer tuned through genetic algorithm,
International Journal of Electrical Power & Energy Syst., 22(2)(2000)137-145.
[34] P.K. Dash, N.C. Sahoo and R. Doraiswami, A variable structure VAR stabilizer for power
system control, Electric Power Systems Research, 26(2)(1993)127-136.
[35] Y.M. Park and W. Kim, Discrete-time adaptive sliding mode power system stabilizer with
only input/output measurements, International Journal of Electrical Power & Energy Systems,
18(8)(1996)509-517.
[36] Z. Jiang, Design of a nonlinear power system stabilizer using synergetic control theory, Electr.
Power Syst. Res. 79 (6) (2009) 855862.
[37] Tjing T. Lie and A.M. Sharaf, An adaptive fuzzy logic power system stabilizer, Electric Power
Syst. Res., 38(1)( 1996) 75-81.
[37] K. A. El-Metwally, G.C. Hancock and O.P. Malik, Implementation of a fuzzy logic PSS using
a micro-controller and experimental test results, IEEE Trans, on Energy Conversion, 11 (1)
(1996) 91-96.
[38] T. Hiyama, Real time control of micro-machine system using micro-computer based fuzzy
logic power system stabilizer, IEEE Trans, on Energy Conversion,9(4)( 1994)724-731.
[39] M. Pamiani and H. Lesani, Application of power system stabilizer at Bandar-Abbas power
station, IEEE Trans, on Power Syst., 9(3)( 1994)1366-1370.
[40] T. H. Ortmeyer and T. Hiyama, Frequency response characteristics of the fuzzy polar power
system stabilizer, IEEE Trans, on Energy Conversion, 10(2)(1995)333-338.
[41] T. Hiyama, K. Miyazaki and H. Satoh, A fuzzy logic excitation system for stability
enhancement of power systems with multi-mode oscillations, IEEE Trans, on Energy
Conversion, 11(2)( 1996) 449-454.
[42] P. Hoang and K. Tomsovic, Design and analysis of an adaptive fuzzy power system stabilizer,
IEEE Trans, on Energy Conversion, 11(2)( 1996) 455-461.
[43] M. K. Elsherbiny, G. Elsaady, E. A. Ibrahim and A. M. Sharaf, Efficient incremental fuzzy
logic controller for power system stabilization. Electric Machines and Power Syst., 25 (4)
(1997) 429-441.
66
Bibliographie
[44] H. A. Toliyat, J. Sadeh and R. Ghazi, Design of augmented fuzzy logic power system
stabilizers to enhance power systems stability, IEEE Trans, on Energy
Conversion,11(1)(1996) 97-103.
[45] J. A. Mornoh and M. E. El-Hawary, Electric Systems, Dynamics, and Stability with Artificial
Intelligence Applications, MARCEDLE KKEIRN, NEWYORK BASEL, 2000.
[46] A. Kolesnikov, G. Veselov, A. Monti, F. Ponci, E. Santi, and R. A. Dougal, Synergetic
Synthesis of DC-DC Boost Converter Controllers : Theory and Experimental Analysis ,
Proceedings of 17th Annual IEEE Applied Power Electronics Conference, 1, PP. 409-415,
Dallas, TX, April 2002.
[47] I. Kondratiev, E. Santi, R. A. Dougal and G. Veselov, Synergetic control for m-parallel
connected DC-DC buck converters, Proceedings of IEEE Power Electronics Specialists
Conference, 1(2004) 182-188.
[48] E. Santi, A. Monti, Li. Donghong, K. Proddutur, R.A. Dougal, Synergetic control for DCDC
boost converter: implementation options, IEEE Trans. Indus. Appl. 39 (6) (2003) 18031813.
[49] Z. Jiang, R.A. Dougal, Synergetic control of power converters for pulse current charging of
advanced batteries from a fuel cell power source, IEEE Trans. Power Electron. 19 (4) (2004)
11401150.
[50] M. A. Abido, optimal design of powersystem stabilizers using particle swarm optimization,
IEEE Trans, On Energy Conversion, 17(3) (2002)406-413.
[51] M. A. Abido., Particle swarm optimization for multimachine power system stabilizer design,
Proc. of IEEE Power Engineering Society Summer Meeting, July 2001.
[52] H. Shayeghi,H.A Shayanfar, S. Jalilzadeh and A. Safari, A PSO based unified power flow
controller for damping of power system oscillations. Energy Convers Manage 50(2009)25832592.
[53] P. Kundur, J. Paserba, V. Ajjarapu, G. Andersson, A.Bose, C. Canizares, N. Hatziargyriou , D.
Hill, A. Stankovic, C. Taylor, T.V. Cutsem , and V. Vittal, Definition and classification of
power system stability, IEEE Trans, actions on Power Syst., 19(2)( 2004)1387-1401.
[54] T.V. Custem, Systmes lectriques de Puissance I. Cours ELEC 029, Dpartement
dElectricit, Electronique et Informatique : Institut Montefiore, Universit de Lige, 2002.
[55] C. W. Liu and J. S. Thorp, A novel method to compute the closest unstable equilibrium point
for transient stabiity region estimate in power systems, IEEE Trans on circuits and Syst.,
44(7)( 1997)630-635.
[56] E. Z. Zhout, O. P. Malik, and G. S. Hope, Theory and method for selection of power system
stabilizer location, IEEE Trans, on Energy Conversion, 6(1)( 1991) 170-176.
[57] C. Vournas, E. Potamianakis, C. Moors,; T.V. Custem, An educational simulation tool for
power system control and stability, IEEE Trans., on Power Syst.,19(1)(2004)48-55
67
Bibliographie
[58] IEEE Task Force on Power System Stabilizers, Overview of power system stability concepts,
IEEE Trans. On Power Syst.,3 (2003)1762-1768.
[59] E.V. Larsen and D.A. Swann, Applying power system stabilizers part-II: Performance
Objectives and Tuning Concepts, IEEE Trans. Power App. Sys., 100 (6)(1981) 3025-3033.
[60] IEEE Standard 421.2-1990, IEEE Guide for Identification, Testing, and Evaluation of the
Dynamic Performance of Excitation Control Systems, 1990.
[61] B. Pal and B. Chaudhuri, Robust control in power systems, Springer Science + Business
Media, Inc, 2005.
[62] M.J. Basler and R.C. Schaefer, Understanding power system stability, Proceedings of the 58th
Annual Conference for Protective Relay Engineers, (2005) 46-67.
[63] H. Haken, Synergetics, Scholarpedia, 2007.
[64] D. Loginov, Possibilities of modeling the creative part of engineering design process using the
synergetic approach, International Journal of Mathematical Models and Methods in Applied
Sciences,5(1)(2011)95-104.
[65] H. Haken, H. Knyazeva, Arbitrariness in nature: synergetics and evolutionary laws of
prohibition, Journal for General Philosophy of Science, (31) (2000)5773.
[66] H. Haken, Synergetics. Introduction and advanced topics, Springer, 2004.
[67] A. Kolesnikov, G. Veselov, Modern applied control theory: synergetic approach in control
theory, in Russian, Moscow-Taganrog, TSURE press, 2(2000).
[68] A.Monti, E. Santi, K. Proddutur and R. A. Dougal, Synergetic control for DC-DC Boost
converter: implementation options, IEEE Trans, on Industry Applications, 39(6)( 2003)18031813.
[69] A. Kolesnikov, G. E. Veselov, A. Popov, A. Kolesnikov, M. Medvedev and R. A. Dougal, I.
Kondratiev, Synergetic Control for group of DCDC Buck Converters, Proceedings of the
Power system 2002 conference: Impact of distributed generation, March 13-15, 2002.Ramada
Inn, Clemson, SC.
[70] A. A .Kolesnikov, Synergtique : processus dautoorganisation et commande, (En Russe)
Taganrog 2004, Russie.
[71] J. Bastos, A. Monti and E. Santi, Design and implementation of a nonlinear speed control for a
PM synchronous motor using the synergetic approach to control theory, 351h Annul IEEE
Power Electronics Specialists Conference Aachen, Germany, 2004.
[72] Y. D. Son, T. W. Heo, E. Santi and A. Monti, Synergetic control approach for induction motor
speed control, The 30th Annual Conference of the IEEE Industrial EIectronics Society,
November 2 - 6, 2004, Busan, Korea.
[73] I. Kondratiev and R. Dougal, General synergetic control strategies for arbitrary number of
paralleled buck converters feeding constant power load: implementation of dynamic current
sharing, IEEE ISIE 2006, July 9-12, 2006, Montreal, Quebec, Canada.
68
Bibliographie
[74] J. E. Slotine and W. Li, Applied nonlinear control, Prentice-Hall, Englewood Cliffs: NJ, 1991.
[75] A. Isidori, Nonlinear Control Systems. New York, Springer Verlag, 1989.
[76] Z. Bouchama, Commande des systmes lectro-nergtiques par les techniques de
lintelligence artificielle, mmoire Magister, Universit Ferhat Abbas, Stif, Algrie, 2008.
[77] X. Yu, Z. Manb and , B. Wua, Design of fuzzy sliding-mode control systems, Fuzzy Sets and
Systems, 3 (95) (1998) 295-306.
[78] T. Takagi and M. Sugeno, Fuzzy identification of systems and its applications to modeling and
control, IEEE Trans. on Man, and Cyber, 15(1) (1985) 116-132.
[79] T.M. Guerra, L. Vermeiren, Control laws for Takagi-Sugeno fuzzy models, Fuzzy Sets and
Syst., 120(1) (2001)95-108.
[80] A. El Hajjaji, A. Ciocan and D. Hamad, Four Wheel steering control by fuzzy approach,
Journal of intelligent and robotics Syst., (2005)141-156.
[81] N. Essounbouli, A. Hussain, A. Hamzaoui et J. Zaytoon, Commande adaptative floue robuste
dune classe de systmes non-affines dans la commande, Confrence Internationale
Francophone dAutomatique, CIFA 2006, Bordeaux (France), 2006.
[82] K.S. Narendra and K. Parthasarathy, Identification and Control of Dynamical Systems Using
Neural Networks, IEEE Trans. Neural Networks. 1(1) (1990) 4-27.
[83] J.R. Noriega et H. Wang, A direct adaptive neural network control for unknown nonlinear
systems and its application, IEEE trans. Neural Networks, 9(1)(1998) 27-34.
[84] S. Sastry and M. Bodson, Adaptive control: Stability, Convergence, and Robustness, PrenticeHall, 1989.
[85] D. Quanxin, C. Haitong, J. Changsheng, C. Zongji, Combined indirect and direct method for
adaptive fuzzy output feedback control of nonlinear system, IEEE Journal of S yst.,
Engineering and Electronics,18(1)(2007)120-124.
[86] A. Elshafei, K. El-Metwally, Power system stabilization via adaptive fuzzy-logic control, in:
Proceedings of the 12th IEEE International Symposium on Intelligent Control, Istanbul,
Turkey, 1997.
[87] A. Elshafei, K. El-Metwally and A. Shaltout, Design Analysis of a Variable Structure
Adaptive Fuzzy-Logic Power System Stabilizer, Proceedings of the American Control
Conference Chicago, Illinois, June 2000.
[88] N. Hosseinzadeh, A. Kalam, A direct adaptive fuzzy power system stabilizer, IEEE Trans, on
Energy Conversion, 14(4)( 1999) 1564-1571 .
[89] N. Hosseinzadeh, A. Kalam, An indirect adaptive fuzzy logic power system stabiliser, Electr.
Power Energy Syst. 24 (10) (2002) 837842.
69
Bibliographie
[90] L. X. Wang, Stable adaptive fuzzy control of nonlinear Syst., IEEE Trans. on Fuzzy Systems,
1(2) (1993)146-155.
[91] L. X. Wang, Adaptive fuzzy systems and control: Design and stability analysis, Prentice-Hall,
Englewood Cliffs, NJ, 1994.
[92] L. X. Wang, Stable adaptive fuzzy controllers with application to inverted pendulum tracking,
IEEE Trans, on Syst., man, and cybernetics-part b: cybernetics, 26(5)(1996) 677-691.
[93] L.X. Wang, Fuzzy systems are universal approximators, Proceedings of the IEEE conference
on Fuzzy Syst., (1992)11631169.
[94] M. Hou, G. Duan and M. Guo, New versions of Barbalats lemma with applications, J Control
Theory Appl,8 (4) (2010)554-547.
[95] Z. Bouchama, M.N. Harmas, Optimal robust adaptive fuzzy synergetic power system stabilizer
design, Electric Power Syst., Res., 83 (2012) 170 175
[96] J. Kennedy and R. C. Eberhart, Particle swarm optimization, Proceedings of the IEEE
conference on Neural Networks, 4 (1995), 1942-1948.
[97] M. Clerc and J. Kennedy, The particle swarm: explosion stability and convergence in a multidimensional complex space, IEEE Trans, on Evolutionary Computation 6(1) (2002)58-73.
[98] J. Kennedy and R.C. Eberhart, Swarm Intelligence, San Francisco, Morgan Kaufmann
Publishers, (2001).
[99] E. Bonabeau, M. Dorigo, and G. Theraulaz, Swarm Intelligence: From Natural to Artificial
Systems, Oxford Press, 1999.
[100] Y.L. Kwang and M.A. El-Sharkawi, Modern heuristic optimization techniques: theory and
applications to power systems, IEEE Press Series on Power Engineering, Wiley (2008) 403469.
70