Ziyad BOUCHAM PDF

MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
- 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
Universit d'Oum El Bouaghi
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
Chapitre I: Stabilit et Modlisation d'un Systme de Puissance

I. Introduction....
05
I.1. Stabilit des systmes de puissance........
05
I.1.1. Stabilit de langle de rotor................
06
I.1.1.1. Stabilit angulaire aux petites perturbations......
06
I.1.1.2. Stabilit angulaire aux grandes perturbations
06
I.1.2. Stabilit de tension .....
07
I.1.3. La stabilit de frquence ....
07
I.2. Modlisation d'un systme de puissance.......
08
I.2.1. Modlisation d'une machine connecte un nud infini : modle SMIB.
09
I.2.2. Les correcteurs....
12
I.2.2.1. Les rgulateurs de tension.........
12
I.2.2.2. Les rgulateurs de puissance.....
13
I.2.3. quations d'tat d'un systme de puissance: SMIB......
14
Conclusion .........
15
Chapitre II : Introduction la Commande Synergtique

II.1. Introduction...
16
II.2. Principes de la commande synergtique...
16
II.2.1. Synthse de la commande synergtique...
17
II.3. Stabilisateur synergtique dun systme de puissance......
19
II.3.1. Rsultat de simulation...
21
Conclusion...
24
Chapitre III : Conception dun Stabilisateur Adaptatif Flou et Adaptatif Flou

Synergtique
III.1. Introduction......
25
III.2. Stabilisateur adaptatif flou indirect dun systme de puissance ....
26
III.3.Stabilisateur adaptatif flou synergtique dun systme de puissance......
34
Conclusion......
39
Chapitre IV : Rsultat et Discussion

IV.1. Introduction......
40
Sommaire
IV.2. Mise en uvre dun stabilisateur de puissance adaptatif flou
40
IV.2.1. Rsultat de simulation......
42
IV.3. Mise en uvre dun stabilisateur de puissance adaptatif flou synergtique..
46
IV.3.1. Loptimisation par lessaim de particules......
47
IV.3.1.1. Mise en uvre de lalgorithme PSO .....
49
IV.3.2. Rsultat de simulation......
51
IV.4. Rsultat de simulation de la comparaison entre les trois stabilisateurs

SPSS, AFPSS et AFSPSS..
57
Conclusion..
61
CONCLUSION GNRALE..
63
Bibliographie..
64
Liste des Figures
LISTE DES FIGURES

FigureI.1. Classification des diffrents types de la stabilit........
05
FigureI.2. Reprsentation d'une machine synchrone et de ses rglages...
08
FigureI.3. Reprsentation schmatique d'une machine synchrone......
09
FigureI.4. Modle de la machine synchrone dans le repre de Park.......
10
Figure I.3. Reprsentation d'une machine synchrone connecte un noeud infini.....
11
Figure I.4. Modle d'un rgulateur de tension AVR .......................
12
Figure I.5.Figure I.5. Modle schmatique dun PSS avance/retard. .
13
Figure.II.1. Reprsentation graphique de la solution de lquation fonctionnelle pour de

diffrentes conditions initiales.
18
Figure.II.2. Reprsentation d'une machine synchrone et de ses rglages...
19
Figure.II.3. Variation de la vitesse angulaire (1er scnario)...
21
Figure.II.4. Variation de la puissance lectrique (1er scnario) .
21
Figure.II.5. Variation de la tension terminale (1er scnario) .
22
er
Figure.II.6. Variation de signal de commande CPSS et SPSS (1 scnario) ...
22
Figure.II.7. Variation de la macro variable (1er scnario) .
22
Figure.II.8. Variation de la vitesse angulaire (2me scnario)
23
Figure.II.9. Variation de la puissance lectrique (2me scnario)
23
Figure.II.10. Variation de la tension terminale (2me scnario) ...
23
Figure.II.11. Variation de signal de commande CPSS et SPSS (2

me
me
scnario) ..
23
scnario) .
23
Figure.IV.1. Les fonctions dappartenances pour lentre .
41
Figure.IV.2. Les fonctions dappartenances pour lentre P .
41
Figure.IV.3. Variation de la vitesse angulaire (1er scnario cas1)
42
Figure.II.12. Variation de la macro variable (2
er
Figure.IV.4. Variation de la puissance lectrique (1 scnario cas1) ...
42
Figure.IV.5. Variation de la tension terminale (1er scnario cas1) ...
43
Figure.IV.6.Variation de signale de commande CPSS et AFPSS (1er scnario cas1) ..
43
Figure.IV.7. Variation de la vitesse angulaire (1er scnario cas2) ...
43
Figure.IV.8. Variation de la puissance lectrique (1er scnario cas2) ...
43
er
Figure.IV.9. Variation de la tension terminale (1 scnario cas2) ...
43
Figure.IV.10. Variation de signal de commande CPSS et AFPSS (1er scnario cas2) .
43
Liste des Figures

Figure.IV.11. Variation de la vitesse angulaire (1er scnario cas3) ...
44
44
er
44
Figure.IV.14. Variation de signal de commande CPSS et AFPSS (1er scnario cas3) .
44
Figure.IV.15. Variation de la vitesse angulaire (2me scnario) .
45
Figure.IV.16. Variation de la puissance lectrique (2me scnario)
45
Figure.IV.17. Variation de la tension terminale (2me scnario) .
45
Figure.IV.18. Variation de signal de commande CPSS et AFPSS (2

me
me
scnario) ...
45
scnario) ..
45
45
46
Figure.IV.22. Variation de signal de commande CPSS et AFPSS (3me scnario) ...
46
Figure.IV.19. Variation de la vitesse angulaire (3
Figure.IV.23. Organigramme doptimisation des paramtres du stabilisateur adaptatif flou

synergtique.
50
Figure.IV.24. Evolution du paramtre k .....
51
Figure.IV.25. Evolution du paramtre T ........ 51

Figure.IV.26. Evolution de la fonction objective. ...
er
51
Figure.IV.27. Variation de la vitesse angulaire (1 scnario cas1)
52
52
52
Figure.IV.30. Variation de signal de commande CPSS et AFSPSS (1er scnario cas1)
52
Figure.IV.31. Variation de la macro variable (1er scnario cas1) ...
52
53
er
53
53
Figure.IV.35. Variation de signal de commande CPSS et AFSPSS (1er scnario cas2) .
53
Figure.IV.36. Variation de la macro variable (1er scnario cas2) ...
53
54
54
er
54
Figure.IV.40. Variation de signal de commande CPSS et AFSPSS (1er scnario cas3) .
54
Figure.IV.41. Variation de la macro variable (1er scnario cas3) .......
54
Figure.IV.42. Variation de la vitesse angulaire (2me scnario) ..
55
Liste des Figures

55
55
me
scnario) ...
55
Figure.IV.46. Variation de la macro variable (2me scnario) .
55
56
56
56
Figure.IV.45. Variation de signal de commande CPSS et AFSPSS (2
me
scnario) ...
56
scnario) .
56
Figure.IV.52. Evolution du paramtre k1 .......
57
Figure.IV.50. Variation de signal de commande CPSS et AFSPSS (3

me
Figure.IV.51. Variation de la macro variable (3
Figure.IV.53. Evolution du paramtre T1 ........ 57

Figure.IV.54. Evolution de la fonction objective. ...
er
58
Figure.IV.55. Variation de la vitesse angulaire (1 scnario cas1) ....
58
58
Figure.IV.57 Variation de la tension terminale (1er scnario cas1)
58
Figure.IV.58. Variation de signal de commande CPSS , AFSPSS et AFSPSS (1er scnario cas1).
58
59
er
59
Figure.IV.61. Variation de la tension terminale. (1er scnario cas2) ..
59
Figure.IV.62. Variation de signal de commande CPSS, AFSPSS et AFSPSS (1er scnario cas2)
59
59
59
60
er
Figure.IV.66. Variation de signal de commande CPSS, AFSPSS et AFSPSS (1 scnario cas3)
60
Figure.IV.67. Variation de la vitesse angulaire (2me scnario) .
60
Figure.IV.68. Variation de la puissance lectrique (2me scnario) ...
60
Figure.IV.69. Variation de la tension terminale (2me scnario)
60
Figure.IV.70. Variation de signal de commande CPSS, AFSPSS et AFSPSS (2me scnario)...
60
61
Figure.IV.72. Variation de la puissance lectrique (3
me
scnario)
61
61
Figure.IV.74. Variation de signal de commande CPSS, AFSPSS et AFSPSS (3me scnario)....
61
Liste des Tableaux
LISTE DES TABLEAUX.

Tableau II.1. Paramtres du systme de puissance.
21
Tableau. IV.1.Tableau de dcision pour la construction du vecteur g pour lestimation de
g (x | g ) dans la conception du stabilisateur de puissance adaptatif flou...
41
Tableau. IV.2.Tableau de dcision pour la construction du vecteur h pour lestimation de

g ( x | g ) dans la conception du stabilisateur de puissance adaptatif flou synergtique.....
47
Notions et Dfinitions
NOTIONS ET DEFINITIONS
Vitesse relative de rotation lectrique de la machine synchrone en
p.u
Vitesse nominale de rotation lectrique de la machine synchrone
p.u
Angle de puissance (L'angle rotorique) de la machine synchrone
rad
Pe
Puissance lectrique active
p.u
Qe
Puissance lectrique ractive
p.u
Pm
Puissance mcanique entrant
p.u
Cfficient d'amortissement
pu
Constant dinertie
Vt
Tension mesure a la sortie de la machine synchrone
p.u
Vq
La composante quadratique de la tension terminale
p.u
Vd
La composante directe de la tension terminale
p.u
Iq
La composante quadratique du courant du stator
p.u
Id
La composante directe du courant du stator
p.u
Vs
Tension du nud infini.
p.u
Eq
Tension transitoire en quadrature de la machine synchrone
p.u
E fd
Tension dexcitation de la machine synchrone
p.u
E fd _ Max
Limite suprieure de la sortie de l' AVR
p.u
E fd _ Min
Limite infrieure de la sortie de l' AVR
p.u
Signal de sortie du PSS
p.u
u pss _ Max
Limite suprieure de la sortie du PSS
p.u
u pss _ Min
Limite infrieure de la sortie du PSS
p.u
Tension de rfrence.
p.u
Ka
Gain de l'AVR
p.u
Ke
Gain d'amplification d'excitation.
p.u
VR
Tension dexcitation de la machine synchrone
p.u
K pss
Gain du PSS
p.u
u pss
V ref
Notions et Dfinitions
Ta
Constante de temps de l'AVR
Constante de temps du rgulateur
Constante de temps
Constante de temps
Constante de temps
Constante de temps
Tdo'
Constante de temps transitoire de laxe directe en circuit ouvert
xL
Ractance quivalente des lignes de transport
p.u
xT
Ractance quivalente du transformateur
p.u
xd
Ractance synchrone directe de la machine synchrone
p.u
xq
Ractance synchrone en quadrature du gnrateur
p.u
xd'
Ractance transitoire directe de la machine synchrone
p.u
xq'
Ractance transitoire en quadrature de la machine synchrone
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
Automatic Voltage Regulator (rgulateur de tension dune machine synchrone.)
SMIB
Single Machine Infinite Bus (machine relie un nud infini).
PSS
CPSS
Power System Stabilizer (Stabilisateur d'un systme de puissance)

Conventionnel power system stabilizer (Stabilisateur conventionnel (classique) d'un
systme de puissance).
SPSS
synergetic power system stabilizer (stabilisateur synergtique d'un systme de

puissance)
AFPSS
Adaptive fuzzy power system stabilizer (stabilisateur adaptatif flou d'un systme de
puissance).
AFSPSS
Adaptive fuzzy synergitic power system stabilizer (stabilisateur adaptatif flou

synergtique d'un systme de puissance).
PSO
Particle swarm optimisation (optimisation par essaim de particules)
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
simulations de comportement dans diverses conditions de fonctionnement dans le but

damliorer la stabilit et de dmontrer ainsi la pertinence de la proche propose.
Les applications des systmes flous se sont multiplies, parmi lesquelles, les
contrleurs flous et les modles flous ont t dvelopps pour de nombreux procds
technologiques. Malgr les diffrences dues aux particularits de chaque application, ces
systmes ont la mme structure interne et ils utilisent tous un mcanisme d'infrence. Les
contrleurs bass sur la logique floue ont fait leurs preuves dans divers domaines
dapplication, dont la rgulation, des systmes de puissance par le biais de rgulateurs PSS
[28,36-45]. Les modles flous suscitent beaucoup d'intrt, et la littrature relative ce sujet
est abondante et ces derniers ont eu un succs remarquable dans la description des systmes
complexes qui sont difficiles modliser par les approches conventionnelles.
La commande synergtique na volu que ces dernires annes, similaire dans son
approche conceptuelle la commande par mode glissant, elle est vue comme une
mthodologie puissante de conception de commande robuste. Cette technique a t applique
avec succs dans le domaine de llectronique de puissance par exemple, comme son
application un convertisseur statique [46-48] et des applications pratiques russies en
industrie [49]. Une approche non linaire pour la conception dun stabilisateur du systme de
puissance bas sur la thorie de la commande synergtique SPSS a t reporte [36]. La
technique propose permet de surmonter les problmes des commandes linaires en utilisant
explicitement un modle non linaire du systme de puissance dans la synthse de la
commande. Thoriquement, le stabilisateur synergtique SPSS montre une grande capacit
d'assurer la stabilit d'un systme de puissance en prsence de diverses perturbations.
Cependant, cette technique n'a t utilise que pour les systmes de puissance non linaires
dont le modle dynamique est parfaitement connu ce qui est rarement le cas. De plus, les
paramtres de ce stabilisateur ne sont pas optimaux, ce quoi on s'est propos de remdier.
Dans la littrature, diffrentes approches utilisant lalgorithme doptimisation par
essaim de particules (PSO: Particle Swarm Optimisation) ont t proposes pour le rglage
robuste des PSS dans les systmes de puissance [50-52]. En plus des avantages issus des
mthodes doptimisation, la PSO possde les qualits suivantes [51]:
- contrairement aux algorithmes gntiques et dautres algorithmes heuristiques, la PSO
possde une grande flexibilit de contrle qui permet de balancer entre lexploration globale
et locale de lespace de recherche.
- la PSO utilise des rgles de transition probabilistiques, et non pas dterministes. Cela permet
dobtenir une recherche dans des domaines considrs compliqus et incertains. Cet avantage
3
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
Stabilit et Modlisation d'un Systme de Puissance
I. Introduction
On appelle un systme de puissance un rseau lectrique ou un ensemble

dquipements lectriques varis interconnects (les machines synchrones, transformateurs,
lignes de transports, de distribution et des charges) plus ou moins nombreux selon la taille du
rseau et formant un systme complexe. Le dit systme destin produire, transporter et
distribuer lnergie lectrique aux consommateurs. Cette complexit structurelle induit des
problmes de stabilit dans les systmes de puissance. Linstabilit se manifeste par un cart
entre la puissance mcanique et la puissance lectrique demande. Cet cart engendre une
variation de la vitesse de rotation de la machine synchrone part apport la vitesse de
synchronisme. Traditionnellement la stabilit est dfinie comme le maintien des machines
synchrones en synchronisme dans le rseau, mais ce concept a volu avec le
dveloppement sans cesse des rseaux et la ncessit de mise en commun des moyens de
production en vue dune meilleure fiabilit du systme. Ainsi, la classification des diffrents
types de stabilit est base sur les considrations suivantes [2] :
- la nature de linstabilit rsultante
- la plage de temps ncessaire pour rtablir la stabilit
- lamplitude de la perturbation
I.1. Stabilit des systmes de puissance
FigureI.1. Classification des diffrents types de la stabilit.
Chapitre I
La stabilit dun systme de puissance est la capacit dun systme d'nergie

lectrique, pour une condition de fonctionnement initiale donne, de retrouver le mme tat
ou un autre tat dquilibre aprs avoir subi une perturbation, en gardant la plupart des
variables de systme dans leurs limites, de sorte que le systme entier demeure en
fonctionnement normal. Habituellement, la stabilit est divise en trois groupes, savoir : la
stabilit de langle de rotor (stabilit angulaire), la stabilit de tension et la stabilit de
frquence. Le schma en figure I.1 montre la classification utilise pour mener une analyse en
vue de rsoudre les problmes dinstabilit d'un systme de puissance.
I.1.1. Stabilit de langle de rotor (stabilit angulaire)
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
La stabilit de tension du rseau est alors caractrise par sa capacit de maintenir la

tension aux bornes de la charge dans les limites spcifies pour un fonctionnement normal.
Linstabilit de tension a t identifie comme lune des principales causes des black-out dans
les rseaux lectriques. Cette instabilit rsulte de lincapacit du systme production
transport fournir la puissance demande par la charge. Elle se manifeste sous forme dune
dcroissance monotone de la tension. Gnralement linstabilit de tension se produit
lorsquune perturbation entrane une augmentation de la puissance ractive demande au-del
de la puissance ractive possible. Plusieurs autres changements peuvent tre lorigine de
linstabilit de tension. Ce sont par exemple une augmentation de charge, une tentative dun
rgleur automatique en charge ayant chou de restaurer la tension de charge son niveau
initial avant la perturbation, une panne de gnrateur ou une perte de source de puissance
ractive. La plupart de ces changements ont des effets significatifs sur la production, la
consommation et le transport de puissance ractive et ainsi sur la stabilit de la tension.
Linstabilit de tension peut tre considre comme un phnomne court terme (stabilit de
tension aux petites perturbations) ou dans lautre cas (stabilit de tension aux grandes
perturbations) comme un phnomne long terme [1,53].
I.1.3. La stabilit de frquence
La frquence des rseaux lectriques interconnects est prcisment contrle. La

raison premire de ce contrle est de permettre la circulation dun courant lectrique alternatif
frquence fixe fourni, par plusieurs gnrateurs travers le rseau. Une variation de la
7
Chapitre I
frquence du systme induit un cart entre consommation et production. Une surcharge du

rseau due une perte d'un gnrateur va provoquer une baisse de la frquence du rseau. La
perte dune interconnexion avec un autre rseau dans une situation dexport provoque une
augmentation de la frquence.
La stabilit de la frquence troitement lie lquilibre global entre la puissance
active produite et celle consomme dun systme de puissance, se dfinit par la capacit du
systme maintenir une valeur de la frquence proche de la valeur nominale suite une
svre perturbation. En effet, suite certaines perturbations, lquilibre global des puissances
produites et consommes peut tre mis mal. Ce dsquilibre entrane alors une variation de
frquence. Lnergie lectrique stocke dans des pices tournantes des machines synchrones
et autres machines lectriques tournantes peut ventuellement compenser ce dsquilibre
[53,55].
I.2. Modlisation d'un systme de puissance
Dans cette section, nous dveloppons les bases mathmatiques de la modlisation et

l'analyse d'un systme de puissance. Nous commenons par prsenter le modle d'une
machine connecte un rseau lectrique par un transformateur triphas et dot de deux
rgulateurs AVR et PSS illustr par le schma donn en figure I.2
FigureI.2. Reprsentation d'un systme mono-machine avec AVR et PSS
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
cause de la complexit des systmes de puissance, on adopte souvent une

modlisation sous forme d'une machine connecte un nud infini. La modlisation d'un
systme de puissance vu d'une machine particulire , peut ainsi se faire soit , avec un modle
complet comprenant tous les lments, soit uniquement avec les quations dcrivant le
comportement d'un seul gnrateur connect un nud. Ce deuxime modle est bas sur le
principe d'une modlisation plus ou moins prcise de la machine, suivant le niveau d'tude
dsir. Le modle du systme consiste ainsi ici uniquement en un gnrateur connect par
l'intermdiaire deux lignes de transport parallles rseaux infini [1]. La figure (II.3) montre
schmatiquement les enroulements et les sens des courants dans une machine synchrone. La
figure (II.4) donne le modle quivalent dans le repre de Park ( d q ).
Figure I.3. Reprsentation schmatique d'une machine synchrone.
Les diffrents enroulements dans les deux reprsentations sont les suivants :
-
les enroulements statoriques not a , b et c , et leurs enroulements quivalents not d

et q .
Laxe direct ( d ) comporte lenroulement dexcitation f , et un enroulement

amortisseur not D . Laxe en quadrature comporte un enroulement amortisseur not
Q.
Si lenroulement dexcitation est soumis une tension V f , do les enroulements

amortisseurs d et q sont court-circuits en permanence.
Chapitre I
Figure I.4. Modle de la machine synchrone dans le repre de Park
Les quations de Park expriment le comportement dynamique de la machine synchrone. On

obtient ces quations l'aide de la transformation de Park qui transforme les enroulements
triphass de la machine en deux enroulements sur les axes direct (d ) et en quadrature (q ) .
partir du modle complet, plusieurs degrs de simplification sont possibles afin dobtenir un
modle qui ncessite moins de puissance de calcul lors des simulations numriques, tout en
prservant les caractristiques dominantes exiges par le niveau danalyse considr.
Gnralement, la dynamique de lenroulement statorique est nglige, ce qui permet dutiliser
exclusivement des quations algbriques pour dcrire les interconnexions entre les lments
du systme. Quant au rotor, les dynamiques sous-transitoires, spcifiques aux enroulements
amortisseurs, peuvent tre ngliges partiellement ou totalement ; un panorama des modles
approximatifs les plus courants est donn dans la littrature [1,2]. Avec les enroulements
amortisseurs supprims, on obtient le modle dit un axe , o la partie lectrique de la
machine est reprsente par une seule quation diffrentielle, dcrivant la dynamique du
lenroulement dexcitation :
1
E fd (t ) E q (t ) I d (t )( x d x d )
Eq (t ) =
T d0
(I.1)
La dynamique mcanique de la machine est dcrite en termes de lcart de vitesse angulaire

par rapport la vitesse angulaire nominale
0 et de langle de charge :
(t ) = 0 (t )
(t ) =
(I.2)
KD
1
(t ) +
( Pm (t ) Pe (t ) )
2H
2H
(I.3)
lexception de la pulsation nominale 0 , exprime en radians par seconde, de la

constante de temps T d0 , exprime en secondes et de langle de charge , exprim en radians,
toutes les variables sont exprimes en grandeurs relatives (per unit).
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
La puissance lectrique de sortie de bus infini est donne par :

Pe = Vs sin ( (t ) ) .I d (t ) + Vs cos ( (t ) ) .I q (t )
(I.7)
En appliquant (I.5) et (I.6) dans (I.7), on obtient :

Pe (t ) =
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)
Les dfinitions des paramtres sont donnes en dbut de la thse.

Dans ce travail il ne sera pas tenu compte de la variation de puissance mcanique
aprs l'avnement d'une perturbation notre tude le modle de la turbine qui entrane la
machine est nglig. En effet, la turbine et son rgulateur de vitesse possdent des constantes
de temps relativement leves en comparaison avec les constantes de temps lectriques de la
machine et du systme dexcitation. Par consquent, la variation du couple mcanique est
relativement lente devant celle du couple lectrique. Et de ce fait, le modle de la turbine n'est
pas inclut dans le
modle de la machine synchrone dans cette thse. Les principaux
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
Le systme dexcitation est un systme auxiliaire qui alimente les enroulements

dexcitation de la machine synchrone afin que cette dernire puisse fournir le niveau de
puissance demand. En rgime permanent, ce systme fournit une tension et un courant
continu, mais il doit tre capable galement de faire varier rapidement la tension dexcitation
en cas de perturbation sur le systme [1-2,57]. Les systmes dexcitation sont quips de
contrleurs, appels rgulateurs de tension AVR. Ces derniers sont trs importants pour
lquilibre de la puissance ractive qui sera fournie ou absorbe selon les besoins des charges.
Ces contrleurs reprsentent un moyen trs important pour assurer la stabilit transitoire du
systme de puissance. Le rgulateur de tension agit sur le courant dexcitation de lalternateur
pour rgler le flux magntique dans la machine et donc la tension de sortie de la machine aux
valeurs souhaites. La figure I.4 montre un modle schmatique du rgulateur de tension
utilis dans notre tude.
Figure I.6. Modle schmatique d'un rgulateur de tension AVR
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)
La relation entre la tension dexcitation E fd et la tension interne du gnrateur E q est donne

par l'quation (I.1)
I.2.2.2. Les rgulateurs de puissance:
Un PSS permet dajouter un signal de tension proportionnel la variation de vitesse

de rotor lentre du rgulateur de tension (AVR) du gnrateur. Un couple lectrique en
phase avec la variation de vitesse de rotor est ainsi produit dans le gnrateur. Par consquent,
avec un systme dexcitation rapide et fort, lavantage prsent par un couple synchronisant
important est toujours assur et le problme de la dcroissance du couple damortissement est
corrig [1-2,58]. Le PSS va sopposer toutes les faibles oscillations en forant le systme
dexcitation varier au plus vite et au bon moment.
Le type de PSSs le plus utilis est connu sous le nom de CPSS conventionnel (ou PSS
avance/retard). Ce dernier a montr sa grande efficacit dans le maintien de la stabilit aux
petites perturbations. Ce PSS utilise la variation de vitesse de rotor comme entre. Il se
compose gnralement de quatre blocs (figure I.5):
Figure I.7. Modle schmatique dun PSS avance/retard.
1. Lamplificateur : Il dtermine la valeur de lamortissement introduit par le PSS. La valeur
du gain ( K pss ) varie gnralement de 0.01 50 [59-60].

13
Chapitre I
2. Le filtre passe-haut "filtre washout ": il limine les oscillations de trs basse frquence
prsentes dans le signal dentre. La constante de temps de ce filtre w , varie en gnral de 1

20 secondes [58]. Une amlioration remarquable sur la stabilit ds la premire oscillation
est observe pour une valeur w fixe 10 secondes [61].
3. Le filtre de compensation de phase
Lorigine de lamortissement ngatif est associe au retard de phase introduit entre le

couple lectrique du gnrateur et lentre du systme dexcitation. Par consquent, le PSS
fournit lavance de phase ncessaire pour compenser le retard de phase de la fonction de
transfert entre lentre du systme dexcitation et le couple lectrique du gnrateur.
Pratiquement, un bloc davance pure ne suffit pas pour raliser la compensation de phase
ncessaire ; ainsi, un bloc davance/retard de phase est souvent utilis. Pour mieux garantir la
stabilit du systme, deux tages de compensation de phase sont ncessaires. La fonction de
transfert de chaque tage est une simple combinaison de pole-zro, les constantes de temps
davance ( 1 , 3 ) et de retard ( 2 , 4 ) tant rglables. La gamme de chaque constante de temps
stend gnralement de 0.01 6 secondes [62].
4. Le limiteur : Le PSS doit tre quip dun limiteur [59-60]. Les valeurs minimales et
maximales du limiteur stendent de 0.02 0.1 per unit [59-60].

I.2.3. quations d'tat d'un systme de puissance : (SMIB)
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
Introduction la Commande Synergtique
II.1. Introduction :
La synergtique, en Grec : travailler pour un but commun est un domaine

interdisciplinaire de recherche, lanc par Hermann Haken en 1969 [63-64]. Elle sintresse
aux systmes matriels et non matriels composs en gnral dun ensemble de parties
individuelles. La synergtique se base sur la spontanit, c.--d. lapparition auto-organise
des nouvelles qualits dans le systme. Ces qualits peuvent tre structurelles ou fonctionnelle
[65-66]. La question de base traite par la synergtique est: y a-t-il des principes gnraux
d'auto-organisation, qui sont indpendants des natures des diffrentes parties d'un systme ?
Malgr la grande varit entre les natures de ces diffrentes parties, qui peuvent tre
des atomes, des molcules, neurones, ou mme des individus dans une socit. Cette question
peut avoir une rponse positive en faveur de beaucoup de classe de systmes, si l'attention est
base sur les changes qualitatifs sur les chelles macroscopiques, sur les chelles spatiales et
temporelles entre ces lments [65-66]. Parmi les nombreuses applications des mthodes et
des concepts mathmatiques de la synergtique, nous nous intresserons la thorie de la
commande synergtique dans ce travail.
Dans ce chapitre, nous introduisons les principes de la thorie de cette commande et
leur performance vrifie par simulation dont la commande d'un systme de puissance par
cette approche de commande.
II.2. Principes de la commande synergtique:
La thorie de la commande synergtique est dveloppe pare le Prof. Anatoly

Klesnikov et son quipe [67]. Celle-ci est une nouvelle tendance dans le domaine du contrle,
base sur les principes dauto-organisation oriente et sur l'utilisation des proprits
dynamiques des systmes non linaires. La commande synergtique est une technique de
contrle assez proche de la commande par mode glissant dans le sens o lon force le systme
considr voluer avec une dynamique pr-choisie par le concepteur. Elle en diffre dans le
fait que la commande y est toujours continue et utilise une macro-variable qui peut tre
fonction de deux ou plusieurs variables dtat du systme. Rcemment cette thorie a t
applique avec succs dans le domaine des commandes de l'lectronique de puissance. Son
application un convertisseur lvateur a t prsente [46], et quelques aspects pratiques
concernant la simulation et le hardware ont t discuts [47,68] et parmi les applications
pratiques russies figure le chargement de batteries [49]. Cette nouvelle approche ne requiert
pas la linarisation du modle et emploie explicitement un modle non linaire pour la
synthse de la commande. La synthse de la commande synergtique dans le cas gnral est
passe en revue dans la section suivante.
16
Chapitre II
II.2.1. Synthse de la commande synergtique :
Considrons le systme dynamique non-linaire SISO de dimension n qui peut tre

dcrit par l'quation non linaire suivante :
d x (t )
= f (x,u,t)
dt
(II.1)
O x reprsente le vecteur d'tat du systme et u reprsente le vecteur de commande.

Dans le cas simple, la premire tape dans la conception dune commande
synergtique rside dans la formation d'une macro-variable dfinie en fonction des variables
d'tat du systme sous forme de relations algbriques entre ces variables qui refltent les
caractristiques des exigences de la conception. Cette macro-variable peut tre dfinie sous
forme d'une combinaison linaire des variables d'tat du systme. Elle dtermine les
proprits de transition du systme (II.1) partir dun tat initial quelconque vers un tat
d'quilibre dsir. Le nombre de macro-variables n'excdant pas le nombre de variables
contrler [46,68]. Soit :
= ( x, t )
(II.2)
O est la macro-variable et (x , t ) une fonction dfinie par l'utilisateur. Chaque

macro-variable , prsente une nouvelle contrainte sur le systme dans l'espace d'tat, ainsi
son ordre rduit dune unit, en le forant valuer vers une stabilit globale ltat dsir
=0.
Lobjectif de la commande synergtique est de forcer le systme voluer sur le

domaine choisi au pralable par le concepteur = 0 d'o:
( x, t ) = 0
(II.3)
Les caractristiques de la macro-variable peuvent tre choisies par le concepteur,

selon les paramtres de commande, le temps de rponse, limitations de la commande, etc.
La macro-variable peut tre une combinaison linaire simple des variables d'tat, et elle est
force dvoluer d'une faon dsire exprime par une contrainte appele dans la littrature de
la thorie de la commande synergtique, lquation fonctionnelle [46,68,69], qui a la forme
gnrale suivante :
T + = 0
T >0
(II.4)
17
Chapitre II
Figure.II.1.Reprsentation graphique de la solution de lquation fonctionnelle pour de diffrentes

conditions initiales.
La solution de l'quation (II.4) donne la fonction suivante :
(t ) =
t /T
(II.5)
Comme le montre la firure.II.1, la macro-variable (t ) converge vers l'attracteur ou le

collecteur (la manifold) = 0 pour des conditions initiales diffrentes de 0 ,o t reprsente
le temps et T un paramtre de contrle qui indique la vitesse de convergence du systme en
boucle ferm vers le domaine indiqu [70-73].
En tenant compte de la chane de la diffrentiation qui est donne par :
d ( x , t )
d ( x , t ) d x
=
.
dt
dx
dt
(II.6)
La substitution de (II.1) et de (II.2) dans (II.4) permet dcrire :

T
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
Il est intressant de noter que la loi de la commande synergtique garantit la stabilit

globale sur le domaine choisi. Il est notre qu'une fois la contrainte (II.4) est satisfaite le
systme y est assujetti et le restera malgr les ventuelles variations des paramtres. Cette
proprit dinvariance aux perturbations est partage par la technique de commande en mode
glissant lors du glissement des trajectoires sur la surface de glissement. Un exemple
dapplication est donn dans la section suivante afin dillustrer la simulation de la mise en
uvre d'un contrleur synergtique.
II.3. Stabilisateur synergtique d'un systme de puissance
Dans cette section nous prsentons la premire utilisation d'un stabilisateur

synergtique appliqu un systme de puissance qui est introduit dans [36], dont la thorie de
la commande synergtique a t applique une machine synchrone lie un jeu de barre
infini par un transformateur et dot de deux rgulateurs AVR et PSS. Le modle de ce
systme est reprsent par la figure (II.2)
Fig.II.2. Reprsentation d'une machine synchrone et de ses rglages [36]
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)
O ke est le gain de lexcitatrice, VR la tension de sortie du rgulateur (AVR) dcrit par

lquation (II.).
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)
Dans cette application on admit que la puissance mcanique transmise la machine

synchrone est constante. Les entres de ce contrleur sont la variation de vitesse angulaire
= ( 0 ) , et la variation de la puissance lectrique P = ( Pe Pm ) . Donc la synthse
19
Chapitre II
synergtique stabilisant le systme de puissance commence par dfinir une macro-variable

donne par l'quation suivante :
= k1 ( 0 ) + ( Pe Pm )
(II.12)
O k 1 est un constant permettant la combinaison linaire entre les entres de contrleur et la

macro-variable doit satisfaire l'quation diffrentielle homogne suivante :
T1 + = 0
T1 > 0
(II.13)
T1 est un paramtre de contrle spcifique qui indique la vitesse de convergence de la macro-
variable (II.12) vers la manifold = 0 . On peut avoir :

1
k1 + Pe = k1 ( 0 ) + ( Pe Pm )
T1
(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)
En substituant l'quation (II.15) dans l'quation (II.14), nous obtenons :

k1 +
E V
x x
Vs
Eq sin ( ) + q s cos ( ) q d Vs2 cos ( 2 ) =

xds
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
L'expression de u pss est l'action de commande ncessaire pour le stabilisateur

synergtique de systme de puissance. La loi de commande (II.17) force la trajectoire de la
variable d'tat satisfaire l'quation (II.13). Selon cette quation, la trajectoire converge vers
la manifold = 0 avec une constante de temps T1 . Afin d'tudier l'efficacit du stabilisateur
non linaire propos, la simulation numrique a t effectue sur le systme de puissance
montr dans la figure.II.2. Les paramtres de systme sont donns dans le tableau II.1.
20
Chapitre II
II.3.1. Rsultat de simulation
Tableau II.1. Paramtres du systme de puissance .

Machine synchrone
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
Dans la simulation, un certain nombre de perturbations sont employes pour examiner

le systme o nous avons considr les deux scnarios suivants :
Scnario 1: un court circuit triphas.
Scnario 2: un changement de la puissance mcanique Pm
Dans chaque perturbation, le stabilisateur de puissance synergtique SPSS propos a

t compar avec un stabilisateur de puissance conventionnel CPSS et sans stabilisateur de
puissance NPSS. La sortie de chaque stabilisateur SPSS et CPSS a t limite de 0.1 pu.
Ainsi, le gain damplification de lexcitatrice est ke = 1 et les paramtres du contrleur
synergtique sont : T1 = 0.02119 et k1 = 0.8003 , les paramtres du CPSS sont galement
donns dans le tableau II.1.
Dans les conditions de fonctionnement initiales 0 = 40.250 , Pm = 0.9 pu et
Eq = 1.1523 pu les rsultats de simulation sont illustrs par les figures suivantes :
Figure.II.3. Variation de la vitesse angulaire

(1er scnario)
Figure.II.4. Variation de la puissance lectrique

(1er scnario)
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
vitesse angulaire, la puissance lectrique, la tension terminale et le signal de sortie du

stabilisateur (CPSS et SPSS) sont reprsents sur les figures. II (3 6).
Figure.II.5. Variation de la tension terminale

(1er scnario)
Figure.II.6. Variation de signal de commande CPSS

et SPSS (1er scnario)
Figure.II.7. Variation de la macro variable (1er scnario)
Durant le dfaut la tension terminale diminue une valeur proche de 0.3 pu et la

puissance lectrique diminue jusqu' zro. On constate sur les rsultats de simulations aprs
limination de dfaut que les rponses du systme de puissance une grande oscillation sans
stabilisateur (NPSS), oscillatoire amortie avec le stabilisateur conventionnel (CPSS), mais
avec un temps de rponse lent (plus de 5 secs) et le stabilisateur synergtique (SPSS) montre
une amlioration dans la suppression des oscillations avec un temps de rponse court (2.5
secs). La figure.II.7 montre que la macro-variable atteint la valeur zro o elle a satisfait la
condition de stabilit dcrite par l'quation (II.13).
Scnario 2 : Un changement de la puissance mcanique de +0.2 pu est produite
l'instant t = 0.2sec . Les rsultats de simulation sont prsents dans les figures II (8 11).
22
Chapitre II
Figure.II.8. Variation de la vitesse angulaire

(2me scnario)
Figure.II.9. Variation de la puissance lectrique (2me

scnario)
Figure.II.10. Variation de la tension terminale

(2me scnario)
Figure.II.11. Variation de signal de commande CPSS

et SPSS (2me scnario)
Figure.II.12. Variation de la macro variable (2me scnario)
D'aprs les rsultats de simulation, le systme de puissance a chang de point de

fonctionnement comme indiqu dans la figure.II.9. Ce changement provoque des oscillations
dans les rponses du systme sans stabilisateur (NPSS). Le stabilisateur propos (SPSS) est
plus efficace que le stabilisateur CPSS, du fait qu'il a amorti et annul les oscillations du
systme de puissance considr avec un temps de rponse rapide.
23
Chapitre II
Conclusion
Dans ce chapitre, nous avons introduit le concept de la commande synergtique et

illustr son utilisation travers la simulation de la commande dun systme puissance.
Lintrt majeur dun stabilisateur synergtique rside dune part dans la simplicit de
mise en uvre de ce stabilisateur et dautre part il montre une haute performance pour assurer
la stabilit du systme de puissance dans les diverses perturbations. Cependant, cette
technique ne peut tre utilise que pour ce systme de puissance non linaire considr, dont
le modle dynamique est parfaitement connu. . Pour pallier ce genre de problmes, nous
utilisons les stabilisateurs synergtique flous qui seront dcrits dans le chapitre suivant.
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
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 :
La procdure de conception dun stabilisateur flou adaptatif indirect pour un systme

de puissance est bien explicite dans plusieurs travaux [86-89].
Dans un premier temps, nous considrons les variables d'tat du systme de puissance
considr comme suit :
x 1 = = ( 0 )
(III.1)
x2 = P = ( Pe Pm )
(III.2)
O reprsente la variation de la vitesse angulaire exprime en (pu) et P la puissance

d'acclration exprime en (pu).
Mathmatiquement il est possible de reprsenter la machine synchrone par les
quations non linaires suivantes:
x1 = x 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
x = [ x , x ] = [ x 1 , x 2 ] 2 est le vecteur dtat du systme et peut tre mesur, y sa

T
sortie, f ( x ) et g ( x ) sont des fonctions non linaires continues et inconnues, u est le

signal de commande qui est la sortie du stabilisateur [86-89]. Lquation (III.3) reprsente le
systme de puissance durant le rgime transitoire aprs une grande perturbation produite dans
le systme. On admet que la puissance mcanique Pm transmise la machine synchrone est
constante.
Les deux fonctions non linaires f ( x ) et g ( x ) sont relies par l'quation suivante [93]:
Pe = 2 H f ( x ) + g ( x ) u
(III.5)
26
Les tudes de simulation montrent qu'un changement positif de la commande u provoque un

changement positif de Pe , c'est--dire Pe > 0 quand u > 0 [86-89]. Ceci signifie que la
fonction non linaire g ( x 1 , x 2 ) peut tre considre comme une fonction positive d'o :
x1 , x2 R 2 : g ( x ) > 0
(III.6)
Lobjectif de la commande est de forcer la sortie du systme y suivre un signal de

rfrence born y m , sous la contrainte que tous les signaux impliqus soient borns. Pour
cela on dtermine une commande par retour dtat et une loi dadaptation pour ajuster le
vecteur de paramtres tel que les conditions suivantes soient satisfaites [90-92]:
i) le systme en boucle ferme doit tre stable et robuste dans le sens o toutes les variables
soient uniformment bornes.
ii) lerreur de poursuite, e = y y m doit tre la plus petite possible sous les contraintes
dfinies dans (i).
Dans le reste de cette section, la procdure pour construire un contrleur adaptatif flou
indirect est discute. Cette approche a t prsente par le travail de Wang [90-92]. La mme
approche a t employe avec quelques modifications pour l'adapter la conception d'un
stabilisateur du systme de puissance [90-92].
Si les fonctions f ( x ) et g ( x ) sont connues, pour atteindre les objectifs de
commande, la loi de commande suivante est une solution :
u* =
1
y m (t ) + c T e ]
[ f ( x ) +
g ( x)
(III.7)
O e = [e e ] , et le vecteur c = c 1 c 2 2 est choisi de manire que toutes les racines

T
du polynme s 2 + c1s + c 2 = 0 appartiennent au demi-plan gauche. En remplaant la commande

(III.7) dans le systme (III.4) nous obtenons la dynamique de lerreur suivante :
e + c1 e + c 2 e = 0
(III.8)
Ce qui implique que limt e (t ) = 0 ce qui est lobjectif principal de la commande.

La loi de commande (III.7) du systme (III.3) peut tre facilement implante si f ( x )
et g ( x ) sont parfaitement connues. Ces fonctions tant gnralement variables et connues
que de faon imprcise, le but est de les approximer par des systmes flous. La nouvelle loi de
commande est alors :
27
uc =
1
f (x | f ) + ym c T e
g (x | g )
(III.9)
O f ( x | f ) et g ( x | g ) sont les approximations floues de f et g avec les vecteurs de

paramtres f et g respectivement.
Afin d'obtenir des lois d'adaptation telles que f ( x | f ) et g ( x | g ) convergent vers f ( x )
et g ( x ) respectivement, la procdure suivante est ralise :
En ajoutant g (x | g )u c aux deux membres (III.3), et en utilisant l'quation (III.9), on obtient :
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)
O Q est une matrice arbitraire dfinie positive.

A partir des approximations floues, nous proposons des lois de commande avec leurs
lois dadaptation pour atteindre les objectifs de commande et garantir la bornitude de tous les
signaux du systme en boucle ferme. Les systmes flous [90-94] sont utiliss pour identifier
en ligne les fonctions f ( x ) et g ( x ) . Ces systmes sont dfinis comme suit :
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
O f (x ) et g (x ) sont les vecteurs de fonctions floues de base, f = f 1 ,..., fm et

T
g = g 1 ,..., g 2 sont les vecteurs de paramtres ajusts.
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
O (x ) = 1 (x )... m (x ) constitue la fonction floue de base, l = 1,..., m , m est le nombre

des rgles floues utilises et n reprsente le nombre des entres utilises.
On dfinit alors lerreur dapproximation minimale par l'expression suivante:
w = f ( x ) f ( x / *f ) + g ( x ) g ( x / g* ) u c
(III.17)
O f* et g* sont respectivement les paramtres optimaux de f et g satisfont :
f* = arg min sup f (x ) f (x / f )

x
(III.18)
g* = arg min sup g (x ) g (x / g )

g g
(III.19)
O f et g sont des ensembles de contraintes pour f et g respectivement, spcifis par

lexpert. Ces ensembles sont dfinis comme :
{
= {
f = f :f M f
O M f et M
: g M g
}
}
(III.20)
(III.21)
sont des constantes positives spcifies par lexpert aussi.
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)
Si on choisit f et g de la forme (III.14) et (III.15), on peut rcrire l'quation (III.22) comme

suit :
e = A c e + b c fT (x ) + b c gT (x )u c + b cw
(III.23)
f = f* f
(III.24)
g = g* g
(III.25)
O f et g correspondent aux erreurs destimation paramtrique.

Maintenant, on considre la fonction de Lyapunov suivante :
V=
1 T
1 T
1 T
e Pe +
f f +

2
2 1
2 2 g g
(III.26)
O, 1 et 2 sont des constantes positives. En prenant compte l'quation (III.23), la drive de

V par rapport au temps est donne par :
= 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 )
Nous utilisons f = f et g = g , lquation (III.27) devient :
= 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)
Pour construire les vecteurs de paramtres f et g appartenant aux ensembles de

contraintes f et g , respectivement, les lois dadaptation (III.30), (III.31) ne sont pas
suffisantes. Pour rsoudre ce problme, on utilise lalgorithme de projection des paramtres
30
[90-93]. Si les vecteurs de paramtres f et g appartiennent aux ensembles de

contraintes f et g , respectivement, ou sont sur la limite de ces ensembles, mais se dirigent
vers lintrieur des ces ensembles, lutilisation des lois dadaptation (III.29) (III.30) sont
suffisantes. Autrement (si les vecteurs des paramtres sont sur la limite des ensembles de
contraintes, mais se dirigent vers lextrieur de ces ensembles) on utilise lalgorithme de
projection pour modifier les lois dadaptation (III.39) et (III.30) de manire ce que les
vecteurs de paramtres demeurent dans les ensembles de contraintes. Les lois dadaptation
modifies sont dfinies par :
) (
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 :
Considrons le systme non linaire (III.3), soumis laction de la commande uc ,

dont la dynamique f et g est approxime par f et g donnes par les systmes flous (III.14)
et (III.15) respectivement, avec les vecteurs paramtre f et g
ajustes par les lois
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
t 0 , o a et b sont des constantes, et w est lerreur dapproximation
Pour tout
minimale dfinie par (III.17).

3- Si
dans (III.31) est carre sommable (squared integrable),c'est--dire
w ( )
d < , alors lim e (t ) = 0 .
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 :
Pour dmonter que f M f , considrons la fonction candidate suivante :

1
V f = f T f
2
(III.35)
Do
= T
V
f
f
f
(III.36)
Si la premire ligne de (III.32) est vraie, (III.36) devient :

= e T Pb T ( x ) 0
V
f
c
f
(III.37)
Si la deuxime ligne de (III.32) est vraie, lorsque f = M f , on obtient :

2
= e T Pb T ( x ) e T Pb
V
1
1
f
c
f
c
f Tf ( x )
f
=0
(III.38)
0 . On assure donc que M pour

De (III.37) et (III.38), on peut conclure que : V
f
f
f
tout t 0 , est toujours vrifie. On utilise le mme raisonnement pour vrifier g M g
pour tout t 0 .
Pour complter la dmonstration et tablir la convergence asymptotique de la trajectoire
d'erreur, nous avons besoin de montrer que e (t ) 0 quant t . En utilisant l'quation
(III.28), et les lois dadaptations (III.32) et (III.33), il vient :
32
= 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
Si les premires lignes de (III.32) et (III.33) sont vraies, alors I 1 = 0 et I 2 = 0 , on obtient

1 e T Q e + e T Pb w , et si les deuximes lignes de (III.32) et (III.33) sont vraies, alors
V
c
2
I 1 = 1 , I 2 = 1 , et (III.39) devient :
= 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)
De la mme manire on peut dmontrer que :

T
e Pbc u c
gT g gT ( x )
g
(III.43)
A partir de lanalyse ci-dessus, (III.40) devient :

1 e T Q e + e T Pb w
V
c
2
(III.44)
Qui peut tre simplifie :
33
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)
o a et b sont des constantes, l'quation (III.46) devient (III.34):

t
e ( ) d a + b w ( ) d
2
(III.49)
A partir de (III.34), si w L 2 , nous avons e L 2 et e L , parce que nous avons

dmontr que toutes les variables dans le cot droit de (III.22) sont bornes. Par consquent
lutilisation du lemme de Barbalat [94], si e L 2 L et e L , nous avons lim e (t ) = 0 .
t
III.3. Stabilisateur adaptatif flou synergtique dun systme de puissance
Dans cette section, la procdure de
conception dun stabilisateur adaptatif flou
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)
O k un constant permette la combinaison linaire entre les entres de contrleur et doit

satisfaire l'quation diffrentielle homogne suivante :
T + = 0
T >0
(III.51)
On peut avoir :
= k x1 + x2
(III.52)
= K T x + f ( x) + g ( x) u
34
On considre sans perte de gnralits que, K = [ 0 k ] et en substituant l'quation (III.52)

T
dans l'quation (III.51), nous obtenons :

K T x + f ( x) + g ( x) u =
(III.53)
Donc, la loi de commande synergtique est donne par l'quation (III.54)

1 T
K x f ( x)
g ( x)
T
u=
Si les fonctions
(III.54)
f ( x ) et g ( x ) sont parfaitement connues, la loi de commande (III.54) du
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)
La tche suivante consiste remplacer f et g par la formule spcifique des systmes

flous de la forme (III.14) et (III.15) respectivement, et de dvelopper les lois dadaptation
pour ajuster les paramtres dans le but d'assurer la convergence du systme en boucle ferme.
Tout dabord, on dfinit :
f = arg min sup f ( x / f ) f ( x )
(III.56)
g = arg min sup g ( x / g ) g ( x )
(III.57)
f f
g g
O f et g sont des ensembles de contraintes pour f et g respectivement, spcifis par

lexpert. Ces ensembles sont dfinis comme :
{
= {
f = f :f Mf
g
: g M g
}
}
(III.58)
(III.59)
Avec M f et M g sont des constantes positives spcifies par lexpert.

On dfinit lerreur dapproximation minimale par :
w = f ( x ) f ( x / f ) + g ( x ) g ( x / g ) u *
(III.60)
f et g sont respectivement les paramtres optimaux de f et g , i.e., les valeurs des

paramtres f et h minimisant l'erreur dapproximation w .
35
Lquation (III.59) de la macro-variable peut tre rcrite comme :
= 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)
O ( x ) est la fonction floue de base de la forme (III.16), et on dfinit les erreurs

destimation paramtrique f et h comme suit :
f = f f
(III.62)
g = g g
(III.63)
Donc on peut rcrire l'quation (III.61) sous la forme :

1
T
Maintenant, on considre la fonction de Lyapunov suivante :
= 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)
Nous utilisons f = f et g = g , lquation (III.66) devient :

1
1
1
V = w 2 + Tf r1 ( x ) f + gT r2 ( x ) u * g
T
r1
r2
(III.67)
Si on choisit les lois dadaptation suivantes :
f = r1 ( x )
(III.68)
h = r2 ( x ) u *
(III.69)
36
partir des quations (III.67) ,(III.68) et (III.69) on aura :

w 1 2
V
T
(III.70)
Pour construire les vecteurs de paramtres f et g appartenant aux ensembles de

contraintes Z f et Z g , respectivement, les lois dadaptation (III.68), (III.69) ne sont pas
suffisantes. Pour rsoudre ce problme, on utilise lalgorithme de projection des paramtres
[90-93]. Si les vecteurs de paramtres f et g
appartiennent aux ensembles de
contraintes Z f et Z g , respectivement, ou sont sur la limite de ces ensembles, mais se dirigent

vers lintrieur des ces ensembles, lutilisation des lois dadaptation (III.68) et (III.69) sont
suffisantes. Autrement (si les vecteurs des paramtres sont sur la limite des ensembles de
contraintes, mais se dirigent vers lextrieur de ces ensembles) on utilise lalgorithme de
projection pour modifier les lois dadaptation (III.68) et (III.69) de manire ce que les
vecteurs de paramtres demeurent dans les ensembles de contraintes. Les lois dadaptation
modifies sont dfinies par :
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 :
Considrons le systme non linaire (III.3) soumis laction de la commande u *

donne par (III.55), dont la dynamique f et g est approxime par f et g donnes par les
systmes flous de la forme (III.14) et (III.15) respectivement, avec les vecteurs paramtres f
et h
ajustes par les lois adaptatives modifies (III.71) et (III.72).
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
1- les vecteurs de paramtres ajusts f et h sont borns et vrifient : f M f et
h M h pour tout t 0 .
t
( ) d a + b w ( ) d
2-
(III.73)
t 0 , o a et b sont des constantes, et w est lerreur dapproximation
Pour tout
minimale dfinie par (III.60).

3- Si
dans (III.70) est carre sommable (squared integrable),c'est--dire
w ( )
d < , alors lim ( t ) = 0 .

t
Dmonstration :
Pour prouver que f M f et
g M g , on utilise les lois dadaptation modifies
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 .
Pour complter la dmonstration et tablir la convergence asymptotique de la trajectoire

d'erreur, nous avons besoin de montrer que 0 quant t .
De lquation (III.67), nous utilisons les lois dadaptation modifies (III.71) et (III.72), il
vient :
w 1 2
V
T
1
w
T
(III.74)
2
Qui peut tre crite ainsi :

1 2 1 ( T w )2 + T w 2
V
2T
2T
2
(III.75)
Qui peut tre simplifie :

1 2 + T w 2
V
2T
2
(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)
a = 2T V ( 0 ) + V ( )
(III.78)
b = T 2
(III.79)
O a et b sont des constantes, l'quation (III.77) devient (III.73):

t
( ) d a + b w ( ) d
2
A partir de (III.80), si
(III.80)
w L 2 , nous avons L2 et L , parce que nous avons
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
donc le systme est stable et lerreur converge asymptotiquement vers zro.

Conclusion
Dans ce chapitre de notre travail, on a reprsent un stabilisateur adaptatif flou et on a

dvelopp un stabilisateur adaptatif flou synergtique pour un systme de puissance a des
fonctions non linaires et inconnues. On s'est bas sur les systmes flous pour approximer ces
fonctions qui sont utilises pour la conception dun contrleur adaptatif flou synergtique. Les
lois dadaptations constitues partir de la mthode directe de Lyapunov qui conduisent le
systme la rponse dsire. Les procdures de conceptions de ce type de stabilisateur font
lobjet du travail quon dveloppera dans le chapitre suivant.
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
de puissance basse de la commande
synergtique (SPSS), le stabilisateur de systme de puissance basse de la commande

adaptative floue (AFPSS) et le stabilisateur de systme de puissance basse de la commande
adaptative floue synergtique (AFSPSS). cet effet, nous allons effectuer une srie de trois
tests qui consistent principalement en un court-circuit triphas au jeu de barre infini, un
changement de la puissance mcanique et un changement de la tension de rfrence.
IV.2. Mise en uvre dun stabilisateur de puissance adaptatif flou.
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.
1. On prend : c1 = 1 et c2 = 1 , sachant que les ples de s 2 + c1s + c2 = 0 sont

s1 = 0.5 j 3
et s2 = 0.5 + j 3
. Dautres valeurs de c1 , c2 sont possibles avec des
ples appartenant au demi-plan gauche donnant de bonnes caractristiques damortissement.

1 0
2. On choisit (la matrice diagonale Q 2 2 dfinie positive) Q =
et la rsolution de
0 1
l'quation de Lypunov qui donne la matrice symtrique P dfinie positive.
3. Les paramtres de conception sont de sorte que : r1 = 2 , r2 = 20 , M f = 3 et M g = 100 .
tape 2 : construction de la commande floue initiale.
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
d'appartenances montres dans la figure.IV.1, et les ensembles flous de l'entre P sont

dfinis selon les fonctions d'appartenances montres dans la figure.IV.2.
2. On construit la fonction de base floue exprime par la forme suivante :
( 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
Figure.IV.1. Les fonctions dappartenances pour

lentre
Figure.IV.2. Les fonctions dappartenances pour

lentre P
3. La base des rgles floues pour les systmes flous f ( x | f ) et g ( x | g ) constitue de

m1 m2 rgles et donne de la forme suivante :
( k 1 , k 2 )
Rg
x | g ) is X
: IF x 1 is F1 1 and x 2 is F2 2 ,THEN g(
l
( l1 , l 2 )
4. On construit le vecteur g comme une collection des valeurs de X

ordre de ( x) , o X
( l1 , l 2 )
(IV.2)
( l1 , l 2 )
dans le mme
est le centre de gravit de lensemble flou de sortie.
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).
g ( x | g ) dans la conception du stabilisateur de puissance adaptatif flou [89]
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
Vu que lon a pas assez dinformations sur f ( x | f ) , les valeurs initiales de f sont choisies
nuls.
5. Les expressions des fonctions
f ( x | f ) et g ( x | g ) sont donnes par les quations
(III.14) et (III.15) respectivement. Le signal du stabilisateur est obtenu partir de

lquation (III.9).
tape 3 :
1. Application du signal de contrle au systme de puissance.

2. On utilise les lois dadaptation (III.32) et (III.33) expliques dans le chapitre III, pour
ajuster les vecteurs des paramtres f et g .
IV.2.1. Rsultat de simulation :
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
Figure.IV.3. Variation de la vitesse angulaire

(1er scnario cas1)
Figure.IV.4. Variation de la puissance lectrique

(1er scnario cas1)
42
Chapitre IV
Figure.IV.5. Variation de la tension terminale

(1er scnario cas1)
Figure.IV.6. Variation de signal de commande CPSS

et AFPSS (1er scnario cas1)
Cas2, Injection de la puissance ractive caractrise par: Pm = 0.9 pu et Qe = 0.3 pu

(1er scnario cas2)

(1er scnario cas2)

(1er scnario cas2)
Figure.IV.10. Variation de signal de commande

CPSS et AFPSS (1er scnario cas2)
43
Chapitre IV
Cas 3, Charge ractive faible caractrise par : Pm = 0.4 pu et Qe = 0.1 pu

(1er scnario cas3)

(1er scnario cas3)

(1er scnario cas3)

CPSS et AFPSS (1er scnario cas3)
Dans ce scnario, on constate travers les rsultats de simulations aprs limination

de dfaut que : - le stabilisateur AFPSS assure la stabilit du systme de puissance avec un
temps de rponse court par apport au stabilisateur conventionnel dans les points de
fonctionnement cas1, cas2 et cas3.
Scnario 2 : partir du point de fonctionnement normal, un changement de la puissance
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

(2me scnario)

(2me scnario)

(2me scnario)

CPSS et AFPSS (2me scnario)
Scnario 3 : partir du point de fonctionnement normal, un changement de la tension de
rfrence +0.1 pu est produite l'instant t = 0.5sec . Les rsultats de simulation sont

(3me scnario)

(3me scnario)
45
Chapitre IV

(2me scnario)

CPSS et AFPSS (2me scnario)
Le systme de puissance change de point de fonctionnement dans les deux scnarios

comme le montre les figures IV.(16,17,21). Ce changement remet le systme de puissance
instable sans stabilisateur NPSS .Les deux stabilisateurs (AFPSS) et (CPSS) rendent le
systme stable dans le nouveau point de fonctionnement o chacun des stabilisateurs a un
temps de rponse infrieur par rapport l'autre. Ceci est expliqu par : le stabilisateur
(AFPSS) plus rapide que le stabilisateur (CPSS)
IV.3. Mise en uvre dun stabilisateur de puissance adaptatif flou synergtique
Dans cette section, la conception et l'application d'un stabilisateur de puissance

adaptatif flou synergtique est explique [95]. Dans ce que suit-on introduit les tapes de la
conception d'un stabilisateur adaptatif flou synergtique:
tape 1 : Cette tape consiste spcifier les coefficients du stabilisateur.
1. Les paramtres de conception : r1 , r2 , M f et M g sont choisis de la mme manire que dans

la section prcdente.
2. les paramtres de contrleur synergtique T = 0.4012 et k = 2.0428 sont obtenus par la
mthode d'optimisation de l'essaim de particules, qui sera explique sous dessous.
tape 2 : construction de la commande floue initiale.
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
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)).
g ( x | g ) dans la conception du stabilisateur de puissance adaptatif synergtique flou. [95]
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 :
1. Application du signal de contrle au systme de puissance.

2. On utilise les lois dadaptation expliques (III.71) et (III.72) pour ajuster les vecteurs des
paramtres f et g .
Avant de donner les rsultats de simulation, nous prsentons en bref la mthode
d'optimisation par l'essaim de particules utilis pour rsoudre le problme du choix des
paramtres de ce contrleur ( T et k ).
IV.3.1. L'optimisation par l'essaim de particules
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
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
population compose de N particules sont donnes par [97-100] :
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)
Chaque particule Pi ( i = 1, 2,3...N ) dans lessaim est caractrise par :

1) Sa position courante X i (t ) , qui rfre une solution candidate pour le problme
doptimisation considr litration t .
2) Sa vitesse V i (t )
3) La meilleure position X Pbi (t ) identifie durant sa trajectoire antcdente. Soit X Pg (t ) la
meilleure position globale identifie dans le processus de recherche pour toutes les particules
dans la population. La position optimale est mesure avec la fonction fitness dfinit suivant le
problme doptimisation.
4) R1 (t ) et R 2 (t ) sont des variables alatoires gnres dune distribution uniforme dans
lintervalle [0, 1].
5) 1 et 2 sont deux constantes dacclrations rgulant les vitesses relatives par rapport aux
meilleurs postions locales et globales.
6) Linertie w est utilise comme un compromis entre lexploration locale et globale de
lessaim.
Lquation (IV.4) permet le calcul de la vitesse litration t + 1 pour chaque
particule en combinant linairement la position et la vitesse ( litration t ) et les distances
qui sparent la position courante de la particule de son antcdente meilleure position et la
48
Chapitre IV
meilleure position globale, respectivement. La mise jour de la position de la particule est

ralise travers lquation (IV.4). Les quations (IV.4) et (IV.5) sont itres jusqu ce que
la convergence est atteinte [97].
Notre objectif est de trouver les valeurs optimales des paramtres (T et k qui sont les
particules) du stabilisateur propos AFSPSS qui leur permettent dobtenir un amortissement
satisfaisant des oscillations lectromcaniques. Pour rpondre ce but, nous avons choisi de
minimiser la variation de la vitesse angulaire selon la fonction objective (fitness) dfinie
par le critre suivant :
t
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 :
Pour avoir un stabilisateur de puissance adaptatif flou synergtique optimal,

lalgorithme PSO est utilis au mme temps que les approximateurs flous. Les paramtres du
stabilisateur optimiss assurent la convergence rapide de la macro-variable ( ) et aussi les
paramtres ajustables des systmes flous ( f et g ). Les tapes pour optimiser ces paramtres
sont les suivantes :
1- on initialise alatoirement les paramtres ( k et T ) dans les contraintes suivantes :
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
N max : Litration maximale.

5- on renvoie la fonction fitness au programme de PSO.
49
(IV.7)
Chapitre IV
6- le programme de PSO, valuer la fonction F pour garder la meilleure valeur de k

et T , vrifier litration actuelle par apport litration maximale pour relancer une
nouvelle itration et modifier les valeurs de k et T au moyen des quations (IV.4) et
(IV.5) pour aller une autre itration.
Si litration courante devient gale litration maximale la procdure sarrte, sinon la
procdure continue en revenant au point 2.
Lorganigramme gnral de la conception du stabilisateur de puissance adaptatif flou
synergtique optimal peut tre illustr dans la figure (IV.23).
Figure (IV.23). Organigramme doptimisation des paramtres du stabilisateur adaptatif flou synergtique
Les valeurs choisies des paramtres de PSO sont : 1 = 2 = 0.1 , N max = 50 et w = 1 .
50
Chapitre IV
Aprs avoir appliqu lalgorithme doptimisation PSO, les valeurs de k et T sont fixes
2.0428 et 0.4012 respectivement.
Figure.IV.25. Evolution du paramtre T
Figure.IV.24. Evolution du paramtre k
Ainsi, lvolution de la fonction fitness est reprsente par la figure (IV.25).
Figure.IV.26. Evolution de la fonction objective.
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
Cas1, fonctionnement normal caractris par : Pm = 0.9 pu et Qe = 0.3 pu

(1er scnario cas1)

(1er scnario cas1)

(1er scnario cas1)

CPSS et AFSPSS (1er scnario cas1)
Figure.IV.31. Variation de la macro variable (1er scnario cas1)
52
Chapitre IV
Cas2, Injection de la puissance ractive caractrise par: Pm = 0.9 pu et Qe = 0.3 pu

(1er scnario cas2)

(1er scnario cas2)

(1er scnario cas2)

53
Chapitre IV
Cas 3, Charge ractive faible caractrise par: Pm = 0.4 pu et Qe = 0.1 pu

(1er scnario cas3)

(1er scnario cas3)

(1er scnario cas3)

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
Scnario 2 : partir du point de fonctionnement un changement de la puissance mcanique de
+0.2 pu est produit l'instant t = 0.5sec . Les rsultats de simulation sont prsents dans les
figures suivantes :

(2me scnario)

(2me scnario)

(2me scnario)

CPSS et AFSPSS (2me scnario)
Figure.IV.46. Variation de la macro variable (2me scnario)
55
Chapitre IV
Scnario 3 : partir du point de fonctionnement normal un changement de la tension de
rfrence +0.1 pu est produit l'instant t = 0.5sec . Les rsultats de simulation sont

(3me scnario)

(3me scnario)

(3me scnario)

CPSS et AFSPSS (3me scnario)
Figure.IV.51. Variation de la macro variable (3me scnario)
56
Chapitre IV
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 :
Pour tester la robustesse de notre approche et mettre en vidence la diffrence entre la

commande synergtique et la commande adaptative floue synergtique en fait une
comparaison entre le stabilisateur synergtique SPSS, le stabilisateur adaptatif flou AFPSS et
le stabilisateur adaptatif flou synergtique AFSPSS.
Les paramtres k et T
du stabilisateur adaptatif flou synergtique ne sont pas
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).
Figure.IV.52. Evolution du paramtre k1
Figure.IV.53. Evolution du paramtre T1
Les valeurs finales des paramtres du stabilisateur synergtique sont : k1 = 0.8004

et T1 = 0.02009 .
57
Chapitre IV
Figure.IV.54. Evolution de la fonction objective.
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

(1er scnario cas1)

(1er scnario cas1)

(1er scnario cas1)

SPSS, AFPSS et AFSPSS (1er scnario cas1)
58
Chapitre IV
Scnario 1 :Cas2, Injection de la puissance ractive caractrise par : Pm = 0.9 pu et

Qe = 0.3 pu

(1er scnario cas2)

(1er scnario cas2)

(1er scnario cas2)

Scnario 1 : Cas 3, Charge ractive faible caractrise par: Pm = 0.4 pu et Qe = 0.1 pu

(1er scnario cas3)

(1er scnario cas3)
59
Chapitre IV

(1er scnario cas3)

Scnario 2: un changement de la puissance mcanique

(2me scnario)

(2me scnario)

(2me scnario)

SPSS, AFPSS et AFSPSS (2me scnario)
60
Chapitre IV
Scnario3 : un changement de la tension de rfrence

(3me scnario)

(3me scnario)

(3me scnario)

SPSS, AFPSS et AFSPSS (3me scnario)
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
Ce chapitre prsent, l'application d'une nouvelle approche non linaire pour la

conception dun stabilisateur du systme de puissance bas sur la thorie de commande
synergtique et les systmes flous. Le problme des paramtres optimaux de la commande
synergtique est surmont par la technique d'optimisation par l'essaim de particules PSO.
Ainsi, le modle mathmatique exact du systme de puissance est obtenu par l'incorporation
61
Chapitre IV
des rgles floues dcrivant le comportement dynamique de ce systme. Les rsultats de

simulation montrent que les deux stabilisateurs (AFPSS et AFSPSS) garantissent la stabilit
transitoire du systme de puissance et sont plus efficaces que le stabilisateur CPSS. De
manire plus prcise, les rsultats de simulation ont montr que le stabilisateur AFSPSS est le
stabilisateur qui permet de raliser le meilleur compromis. En effet, l' AFSPSS est le seul des
trois stabilisateurs (CPSS, SPSS et AFPSS) avoir russi stabiliser le systme pour tous les
cas qui ont t tests, et ce, avec un niveau de performance largement acceptable.
62
Conclusion Gnrale
Dans le cadre des travaux de recherche du laboratoire QUERE o a t effectu la

plupart de ce travail, il ma t possible de dcouvrir plusieurs aspects de la commande des
systmes en gnral et des systmes de puissance en particulier.
L'objectif principal de ce travail est la conception d'un contrleur synergtique flou
optimal, appliqu des systmes de puissance, dont lefficacit est value par simulation en
soumettant les systmes considrs de diverses perturbations.
Aprs avoir introduit les systmes de puissance et les stabilisateurs traditionnellement
utiliss dans le but dliminer les oscillations qui surgissent lors de loccurrence des
diffrentes fautes telles que les changements frquents de point de fonctionnement ou les
courts-circuits, nous avons revisit lapplication de lapproche adaptative indirecte floue
utilise dans ce mme but.
Nous avons ensuite introduit la commande synergtique, approche robuste apparente
celle par mode glissant, conjugue la logique floue pour dvelopper un stabilisateur
adaptatif indirect synergtique flou et son application un systme de puissance constitu
dune seule machine soumis de svres perturbations. Les rsultats de simulation ont t
compars ceux obtenus lors de lutilisation de stabilisateurs conventionnels indiquant une
suppression rapide des oscillations.
Lintroduction de loptimisation par PSO a permis travers lindice ITAE doptimiser
les paramtres du contrleur synergtique, problme majeur de la technique, et den amliorer
ainsi les performances globales. Les performances obtenues par simulation lors de lutilisation
du contrleur adaptatif indirect synergtique flou optimal dans l'application prsente
semblent tre satisfaisantes.
Il reste nanmoins raliser une implmentation pratique sur DSP, qui permettrait
dvaluer la robustesse de la mthode de commande propose surtout en ce qui concerne le
convertisseur.
Des travaux sont en cours pour lintroduction de lapproche terminale dans la
contrainte pour obtenir une convergence de temps fini.
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
[16] P. L. Dandeno, A. N. Karas, K. R. McClymont and W. Watson, Effect of high-speed rectifier

excitation systems on generator stability limits, IEEE Trans, on Power Apparatus and
Syst.,87(1)(1968)190-201.
[17] O. W. Hanson, C. J. Goodwin and P. L. Dandeno, Influence of excitation and speed control
parameters in stabilizing inter-system oscillations, IEEE Trans, on Power Apparatus and
Syst.,87(5)(1968)1306-1313.
[18] F. R. Schlief, H. D. Hunkins, G. E. Martin and E. E. Hattan, Excitation control to improve
power line stability, IEEE Trans, on Power Apparatus and Syst., 87 (6)( 1968) 1426-1434
[19] F. P. DeMeUo, L. N. Hannet, D. W. Parkinson and J. S. Czuba, A power system stabilizer
design using digital control, IEEE Trans, on Power Apparatus and Syst., 101(8)(1982) 28602868.
[20] F. P. DeMello, L. N. Hannet and J. M. Undrill, Practical approaches to supplementary
stabilizing from accelerating power, IEEE Trans, on Power Apparatus and Syst.,
97(5)(1978)1515-1522.
[21] F. P. DeMello, R J. Nolan, T. F. Laskowski and J. M. Undrill, Coordinated application of
stabilizers in multi-machine power Systems, IEEE Trans, on Power Apparatus and Systems,
99(3)(1980) 892-901.
[22] J .A. Simoes, F.D. Freitas, H.E. Pena, Power system stabilizer design via structurally
constrained optimal control, Electr. Power Syst. Res. 33 (1) (1995) 3340.
[23] R. Gupta, B. Bandyopadhyay, A.M. Kulkarni, Design of power system stabilizer for single
machine system using robust fast output sampling feedback technique, Electr. Power Syst.
Res. 65 (3) (2003) 247257.
[24] Y. Y. Hsu and C. J. Wu, Adaptive control of a synchronous machine using the auto- searching
method, IEEE Trans, on Power Syst., 3(4)( 1988)1434-1440.
[25] N. C. Pahalawatha, G. S. Hope, O. R Malik and K. Wong, Real time implementation of a
MIMO adaptive power system stabillser, lEE Proceedings, 37(3)( 1990) 186-194.
[26] O. R. Malik, G. R. Chen, G. S. Hope, Y H Qin and G. Y. Xu, Adaptive self-optimizing pole
shifting control algorithm, IEEE Trans, on Energy Conversion, 8 (4)( 1993) 639-645.
[27] M. L. Kothari, K. Bhattacharya and J. Nanda, Adaptive power system stabilizer based on poleshifting technique, lEE Proc. -Gener. Transm. Distrib.,143(1)(1996)96-98.
[28] M. A. M. Hassan, O. P. Malik and G. S. Hope, A fuzzy logic based stabilizer for a
synchronous machine, IEEE Trans, on Energy Conversion, 6(3)( 1991) 407-413.
[29] J. Shi, L. H. Herron and A. Kalam, Optimization of fuzzy controllers as real-time power
system stabilizers. Special issue on "Control Applications of Fuzzy Logic", Intemational
Joumal for Engineering Applications of Artificial Intelligence, Pergamon Press, 7(5)(
1994)545-558.
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

Ziyad BOUCHAM PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Ziyad BOUCHAM PDF

Загружено:

Авторское право:

Доступные форматы

MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

Universit d'Oum El Bouaghi

Chapitre I: Stabilit et Modlisation d'un Systme de Puissance

I.1. Stabilit des systmes de puissance........

I.1.1. Stabilit de langle de rotor................

I.1.1.1. Stabilit angulaire aux petites perturbations......

I.1.1.2. Stabilit angulaire aux grandes perturbations

I.1.2. Stabilit de tension .....

I.1.3. La stabilit de frquence ....

I.2. Modlisation d'un systme de puissance.......

I.2.1. Modlisation d'une machine connecte un nud infini : modle SMIB.

I.2.2. Les correcteurs....

I.2.2.1. Les rgulateurs de tension.........

I.2.2.2. Les rgulateurs de puissance.....

I.2.3. quations d'tat d'un systme de puissance: SMIB......

Chapitre II : Introduction la Commande Synergtique

II.2. Principes de la commande synergtique...

II.2.1. Synthse de la commande synergtique...

II.3. Stabilisateur synergtique dun systme de puissance......

II.3.1. Rsultat de simulation...

Chapitre III : Conception dun Stabilisateur Adaptatif Flou et Adaptatif Flou

III.2. Stabilisateur adaptatif flou indirect dun systme de puissance ....

III.3.Stabilisateur adaptatif flou synergtique dun systme de puissance......

Chapitre IV : Rsultat et Discussion

IV.2.1. Rsultat de simulation......

IV.3. Mise en uvre dun stabilisateur de puissance adaptatif flou synergtique..

IV.3.1. Loptimisation par lessaim de particules......

IV.3.1.1. Mise en uvre de lalgorithme PSO .....

IV.3.2. Rsultat de simulation......

IV.4. Rsultat de simulation de la comparaison entre les trois stabilisateurs

Liste des Figures

LISTE DES FIGURES

FigureI.2. Reprsentation d'une machine synchrone et de ses rglages...

FigureI.3. Reprsentation schmatique d'une machine synchrone......

FigureI.4. Modle de la machine synchrone dans le repre de Park.......

Figure I.3. Reprsentation d'une machine synchrone connecte un noeud infini.....

Figure I.4. Modle d'un rgulateur de tension AVR .......................

Figure I.5.Figure I.5. Modle schmatique dun PSS avance/retard. .

Figure.II.1. Reprsentation graphique de la solution de lquation fonctionnelle pour de

Figure.II.2. Reprsentation d'une machine synchrone et de ses rglages...

Figure.II.3. Variation de la vitesse angulaire (1er scnario)...

Figure.II.4. Variation de la puissance lectrique (1er scnario) .

Figure.II.5. Variation de la tension terminale (1er scnario) .

Figure.II.6. Variation de signal de commande CPSS et SPSS (1 scnario) ...

Figure.II.7. Variation de la macro variable (1er scnario) .

Figure.II.8. Variation de la vitesse angulaire (2me scnario)

Figure.II.9. Variation de la puissance lectrique (2me scnario)

Figure.II.10. Variation de la tension terminale (2me scnario) ...

Figure.II.11. Variation de signal de commande CPSS et SPSS (2

Figure.IV.1. Les fonctions dappartenances pour lentre .

Figure.IV.2. Les fonctions dappartenances pour lentre P .

Figure.IV.3. Variation de la vitesse angulaire (1er scnario cas1)

Figure.II.12. Variation de la macro variable (2

Figure.IV.4. Variation de la puissance lectrique (1 scnario cas1) ...

Figure.IV.5. Variation de la tension terminale (1er scnario cas1) ...

Figure.IV.6.Variation de signale de commande CPSS et AFPSS (1er scnario cas1) ..

Figure.IV.7. Variation de la vitesse angulaire (1er scnario cas2) ...

Figure.IV.8. Variation de la puissance lectrique (1er scnario cas2) ...

Figure.IV.9. Variation de la tension terminale (1 scnario cas2) ...

Figure.IV.10. Variation de signal de commande CPSS et AFPSS (1er scnario cas2) .

Liste des Figures

Figure.IV.12. Variation de la puissance lectrique (1er scnario cas3) ...

Figure.IV.13. Variation de la tension terminale (1 scnario cas3) ...