Elec Messaoudene Hichem

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA

RECHERCHE SCIENTIFIQUE
UNIVERSITE EL HADJ LAKHDAR BATNA
Faculté de Technologie
Département d’Electronique
Mémoire
Présenté en vue de l’obtention du diplôme de Magister en
Electronique
OPTION : Microélectronique
Présenté par :
Mr. MESSAOUDENE Hichem
Thème
Détermination intelligente de la puissance maximale

des modules photovoltaïques
Soutenu le :
Devant le jury :
MAHAMDI Ramdane Prof. Univ. Batna Président

DIBI Zohir Prof. Univ. Batna Rapporteur
DJEFFAL Fayçal Prof. Univ. Batna Examinateur
CHAABI Abdelhafid Prof. Univ. Constantine Examinateur
Année Universitaire 2013/2014

Remerciements
Louange à notre Seigneur "ALLAH" qui nous a doté de la merveilleuse faculté de

raisonnement. Louange à notre Créateur qui nous a incité à acquérir le savoir. C'est
à lui que nous adressons toute notre gratitude en premier lieu.
Je tiens à remercier mon promoteur, Monsieur Zohir DIBI qui m'a chaleureusement
accueilli, et a accepté de diriger ce mémoire, et qui était toujours disponible, avec
ses encouragements et les conseils judicieux de très grande utilité.
Mes remerciements s’adressent également à Monsieur le président de jury, Monsieur

MAHAMDI Ramdane, d’avoir accepté de présider le jury de soutenance.
J’exprime toute ma gratitude à Monsieur DJEFFAL Fayçal professeur à l’université

de Batna et à Monsieur CHAABI Abdelhafid professeur à l’université de
Constantine, d’avoir bien voulus accepté de juger ce travail.
En second lieu, je remercie chaleureusement mes chers parents, frère, et sœurs pour
leurs sacrifices, aides, soutien et encouragement et à tout ceux qui de près ou de loin
auraient contribués au bon déroulement de ce mémoire.
Je souhaite à présent adresser mes sincères remerciements à toutes les personnes

avec qui j’ai eu la chance de travailler ou que j’ai eu l’honneur de côtoyer avant et
pendant la rédaction de ce mémoire, et à tous mes professeurs de l’Université de
BATNA.
SOMMAIRE
SOMMAIRE
INTRODUCTION GENERALE ......................................................................................... .1
1er Chapitre
ENERGIE SOLAIRE PHOTOVOLTAÏQUE
I.1. INTRODUCTION..................................................................................................... .5
I.2.LE SOLEIL.............................................................................................................. .6
I.3 CONVERSION D’ENERGIE : LES DIFFERENTES TECHNOLOGIES .................................. .8
I.4 LES FILIERES TECHNOLOGIQUES .......................................................................... .11
I.4.1 LE SILICIUM ................................................................................................. .11
I.4.2 LES COUCHES MINCES .................................................................................. .12
I.4.3 CELLULES ORGANIQUES ET PLASTIQUES........................................................ .14
I.5 LE PHOTOVOLTAÏQUE ......................................................................................... .15
I.5.1 LA CELLULE PV ........................................................................................... .15
I.5.2 LES CONDITIONS STANDARDS D’ILLUMINATION ............................................ .15
I.5.3 L’EFFET PHOTOVOLTAÏQUE .......................................................................... .17
I.6 GENERATEUR PHOTOVOLTAÏQUE (GPV).............................................................. .19
I.7 CARACTERISTIQUE ELECTRIQUE .......................................................................... .22
I.8 LES AVANTAGES ET LES INCONVENIENTS DE L’ENERGIE PHOTOVOLTAÏQUE........... .26
II.9 CONCLUSION ................................................................................................. .27
2ème Chapitre
MODELISATION ET SIMULATION DES CELLULES

PHOTOVOLTAÏQUE
II.1. INTRODUCTION ................................................................................................. .28

II.2 MODELISATION DES CELLULES PHOTOVOLTAÏQUES ............................................ .29
II.2.1 MODELE IDEAL .......................................................................................... .30
II.2.2 MODELE AVEC PERTES OHMIQUES .............................................................. .31
II.2.3 MODELE A UNE DIODE ................................................................................ .31
II.2.4 MODELE A DEUX DIODES ............................................................................ .32
II.3 MODELISATION ET SIMULATION DU GENERATEUR PHOTOVOLTAÏQUE .................. .34
II.3.1 MODELISATION DU GENERATEUR GPV........................................................ .34
II.3.2 SIMULATION DU GENERATEUR (GPV) A G ET T CONSTANTE ........................ .34
II.3.3 SIMULATION DU GENERATEUR (GPV) A G ET T VARIABLE ........................... .35
II.3.4 L’INFLUENCE DE L’ECLAIREMENT SUR LA CARACTERISTIQUE IPV = F(VP) .... .36
II.3.5 L’INFLUENCE DE L’ECLAIREMENT SUR LA CARACTERISTIQUE PPV = F(VP) ... .37
II.3.6 L’INFLUENCE DE LA TEMPERATURE SUR LA CARACTERISTIQUE IPV = F(VP) .. .38
II.3.7 L’INFLUENCE DE LA TEMPERATURE SUR LA CARACTERISTIQUE PPV = F(VP) . .39
II.4 CONCLUSION .................................................................................................... .40
3ème Chapitre
MODELISATION DU POINT DE LA PUISSANCE MAXIMALE

D’UN MODULE PHOTOVOLTAÏQUE
III.1 INTRODUCTION ................................................................................................. .41

III.2 PRINCIPE DE FONCTIONNEMENT D’UN ETAGE D’ADAPTATION DC-DC................. .41
III.3 METHODE DE POURSUITE DU POINT DE PUISSANCE MAXIMALE ............................ .42
III.3.1 METHODE DE LA DERIVEE DE LA PUISSANCE................................................ .42
III.3.2 METHODE A CONTRE REACTION DE LA TENSION .......................................... .44
III.3.3 METHODE AVEC CONTRE REACTION DU COURANT ....................................... .46
III.4 PRESENTATIONS DE LA METHODE DE PREDICTION .............................................. .47
III.5 CONCLUSION ................................................................................................... .54
4ème Chapitre
RESULTATS DE SIMULATION
IV.1 INTRODUCTION ................................................................................................. .55

IV.2 RESULTATS DE SIMULATION .............................................................................. .55
IV.2.1 EVALUATION DES PERFORMANCES EN FONCTION DE LA RESISTANCE SERIE...... .55
IV.2.2 EVALUATION DES PERFORMANCES EN FONCTION DE L’ECLAIREMENT ............. .57
IV.2.3 EVALUATION DES PERFORMANCES EN FONCTION DE LA TEMPERATURE ........... .63
5ème Chapitre
SIMULATION PAR RESEAUX DE NEURONES

ARTIFICIELS
V-1 INTRODUCTION .................................................................................................. 67

V-2 RESEAUX DE NEURONES ARTIFICIELS. ................................................................ 67
V-2.1 PERCEPTRON MULTICOUCHES (MLP). ......................................................... 67
V-2.2 RESEAU NEURONES A FONCTION RADIALE DE BASE « RBF » ...................... 70
V-3 RESULTATS DE SIMULATION ................................................................................ 71
V-3 .1 RESULTATS DE VALIDATION (EFFET DE L’ECLAIREMENT) ............................ 72
V-3 .1.1 RESULTATS MLP ................................................................................. 72
V-3 .1.2 RESULTATS RBF (EFFET DE L’ECLAIREMENT) ...................................... 74
V-3 .2 RESULTATS DE VALIDATION (EFFET DE LA TEMPERATURE) .......................... 76
V-3 .2.1 RESULTATS MLP ................................................................................. 76
V-3 .2.2 RESULTATS RBF .................................................................................. 78
V-4 RESULTATS DE TEST .......................................................................................... 79
V-4 .1 EFFET D’ECLAIREMENT .............................................................................. 79
V-4 .2 EFFET DE LA TEMPERATURE ........................................................................ 81
V-5. ETUDE COMPARATIVE ........................................................................................ 84
V-6.CONCLUSION ..................................................................................................... 84
CONCLUSION GENERALE .......................................................................................... 85

BIBLIOGRAPHIE ......................................................................................................... 86
ANNEXE A ................................................................................................................ 90
INTRODUCTION
GENERALE
Introduction générale
Suite aux prévisions de l’épuisement inévitable des ressources mondiales en énergie

fossile (pétrole, gaz, charbon...), en énergie thermonucléaire (Uranium, Plutonium...), et suite
aux changements climatiques dus à l’effet de serre, les chercheurs ont commencé à s’intéresser
aux ressources dites " renouvelables " dont la source est le soleil, qui fournit chaque jour à la
terre, par son rayonnement, l’équivalent de plusieurs milliers de fois la consommation
énergétique totale de l’humanité pour ses activités d’aujourd’hui.
L’utilisation des cellules solaires a débuté dans les années 40 et a pris son essor avec la conquête
spatiale. Les recherches d’après guerre ont permis d’améliorer leurs performances et leur taille
mais ce n’est qu’aux années soixante dix que les gouvernements et les industriels investissent
dans la technologie photovoltaïque (PV) et ses applications terrestres [1].
Le photovoltaïque est la plus jeune des énergies renouvelables, il a l’avantage d’être non
polluant et fiable. Il permet alors d'éviter l'installation de groupes électrogènes qui posent des
problèmes de fiabilité et d'approvisionnement en carburant [2]. [2
2]
La cellule photovoltaïque est composée d’un matériau semi-conducteur qui absorbe l’énergie
lumineuse et la transforme directement en courant électrique. ]
L’énergie solaire photovoltaïque provient de la transformation directe d’une partie du

rayonnement solaire en énergie électrique. Cette conversion d’énergie s’effectue par le biais
d’une cellule dite photovoltaïque (PV) basée sur un phénomène physique appelé effet
photovoltaïque qui consiste à produire une force électromotrice lorsque la surface de cette
cellule est exposée à la lumière. La tension générée peut varier en fonction du matériau utilisé
pour la fabrication de la cellule. L’association de plusieurs cellules (PV) en série/parallèle
donne lieu à un générateur photovoltaïque (GPV).
35]
Un champ photovoltaïque est définit par l’interconnexion de modules entre eux (en série ou en
parallèle) pour obtenir une grande puissance. Le générateur photovoltaïque se compose d’un
champ de modules et d’un ensemble de composants qui adapte l’électricité produite par les
modules aux besoins des récepteurs dit système de conditionnement.
1
Le système photovoltaïque est l’ensemble du générateur photovoltaïque et des équipements de

consommation (charge). Ces performances dépendent des caractéristiques du site
(ensoleillement, température ambiante, obstacles géographiques, empoussièrement, … etc.), du
rendement des modules mais aussi des caractéristiques des autres équipements utilisés
(régulateur, onduleur, batterie, … etc.). [41] [22]
L'industrie a connue un développement important allant des petites alimentations pour les
satellites aux systèmes d’alimentations tout usage qui sont maintenant installés dans beaucoup
de pays du monde. [43]
L'électricité des systèmes photovoltaïques est produite avec zéro émissions, elle est modulaire
et peut produire de l'énergie n'importe où la lumière existe. Les petits systèmes PV autonomes
ont prouvé leur existence dans beaucoup de secteurs surtout où la connexion avec le réseau
local est trop coûteuse ou impraticable. De tels systèmes, une fois couplés à une batterie de
stockage, peuvent alimenter des charges telles que la radio, les systèmes de commande, les
répéteurs de téléphone et les systèmes d'éclairage [1].
Les modules PV peuvent être installés dans les bâtiments en tant qu'élément de toiture, des murs
et/ou des fenêtres. [14]
Dans cet MPPT (dit aussi régulateur), un circuit mesure en permanence la tension et le courant
du photogénérateur afin d’en tirer de l’énergie au point de puissance maximale. Ceci permet le
fonctionnement du système photovoltaïque avec le maximum d’énergie produite, quelque
soient les conditions atmosphériques (température et éclairement). En général, ces régulateurs
fonctionnent soit en élevant ou en abaissant la tension. Un premier circuit ajuste la demande au
point de puissance maximale du photogénérateur et un deuxième circuit transforme la tension
et le courant pour l’adapter au type de batterie [1]. [41]
Suite aux changements brusques et fréquents des conditions climatiques tels que la température
et l’éclairement, le point de fonctionnement (intersection de la courbe de charge avec celle du
générateur photovoltaïque) change de manière conséquente, ce qui rend la poursuite du point
de puissance maximale plus que nécessaire afin de minimiser les pertes en puissance du
photogénérateur.
2
La commande du système MPPT consiste donc en l’ajustement de ce convertisseur à

récupérer le maximum d’énergie produite par le photogénérateur, c'est-à-dire minimiser voire
éliminer les pertes d’énergie. Le modèle de la caractéristique courant tension est non linéaire,
avec des contraintes de température et l’ensoleillement qui varient d’une manière aléatoire ce
qui nous confronte à un problème d’optimisation non linéaire. Dans ce sens, l’objectif de ce
mémoire est d’élaborer une structure de commande contrôlant le MPPT en vue d’optimiser le
point de puissance maximale émanent du générateur photovoltaïque en utilisant la technique de
prédiction.
Les méthodes conventionnelles pour le suivi du point de puissance maximale de

panneau photovoltaïques souffrent d'un grave problème auquel le «PPM» ne peut pas être
rapidement acquis. Basé sur la théorie des semi-conducteurs de la jonction « p-n », nous
développons une méthode de prédiction pour estimer directement le «PPM» pour le suivi de
puissance dans le panneau photovoltaïque.
Outre l’introduction et la conclusion générale, ce mémoire comprend cinq (05) chapitres :
Dans le premier chapitre, nous avons présenté les enjeux et les développements actuels des
cellules photovoltaïques, le fonctionnement d’une cellule en expliquant brièvement le
phénomène photovoltaïque. Nous avons présenté les différentes technologies des cellules
actuellement sur le marché et en cours de développement. Dans un deuxième temps, nous
exposons le principe de l’effet photovoltaïque, et le fonctionnement d’une cellule
photovoltaïque, ensuite on va citer les avantages et les inconvénients de l’énergie
photovoltaïque.
Le deuxième chapitre est consacré à une modélisation détaillée du comportement de la cellule

photovoltaïque en allant du modèle idéal le plus simple au modèle à deux diodes. Il est
considéré par plusieurs chercheurs comme étant très compliqué du fait qu’il prend en compte
presque tous les phénomènes influençant la dynamique de la cellule. Le chapitre est achevé par
une étude d’un modèle choisie et simulé.
Le troisième chapitre est consacré à la modélisation du point de puissance maximale (PPM)

sous différentes conditions climatiques en utilisant la méthode de prédiction pour estimer
directement le point de puissance maximale.
3
Au quatrième chapitre, nous avons présenté les résultats de simulation, que nous avons
commentés et interprétés.
Le dernier chapitre, présente la partie ou nous avons fait appel aux réseaux de neurones
artificiels, en particulier le réseau MLP, et le réseau RBF. Il présente également les résultats de
simulation obtenus. Une étude comparative entre les différentes méthodes utilisées a été
insérée.
Ce mémoire est parachevé par une conclusion générale dans laquelle sont valorisés les
différents développements effectués. Des perspectives pour ce modeste travail sont également
exposées.
4
CHAPITRE I
ENERGIE SOLAIRE PHOTOVOLTAÏQUE
Chapitre I Energie solaire photovoltaïque
I.1 Introduction
L'énergie solaire est une source d'énergie accessible à tous (industriels, collectivités et
particuliers). Grâce à celle-ci, il est possible de produire trois types d'énergies : l'énergie
calorifique avec les installations solaires thermiques (chauffe-eau solaire ou climatiseur
solaire), l'énergie électrique avec les installations solaires photovoltaïques et le solaire à
concentration thermodynamique [3].
L’électricité photovoltaïque a dans un premier temps été développée pour des

applications autonomes sans connexion à un réseau électrique pour par exemple des satellites
de télécommunication ou pour des habitations isolées. On la trouve maintenant dans des
applications de diverses puissances comme les calculatrices, les montres et d’autres objets
d’utilisation courante. En effet, cette électricité produite par des cellules photovoltaïques
individuelles peut alimenter diverses charges continues sans difficulté. Plus récemment, avec
l’émergence d’installations photovoltaïques connectées au réseau de distribution, le
photovoltaïque a connu un développement important en tant que moyen de production
d’électricité.
Cette évolution constante a été rendue possible grâce aux recherches fondamentales
menées dans le domaine des matériaux photovoltaïques, mais aussi par l’amélioration
progressive des dispositifs de gestion de cette énergie menée en parallèle. En effet, l’électricité
photovoltaïque est une source d’énergie intermittente, à caractère non-linéaire et dépendante de
nombreux paramètres comme l’irradiance et la température. Il a donc fallu adapter cette source
d’énergie à notre mode de consommation, soit en stockant la production solaire dans des
batteries ou dans tout autre moyen de stockage en cours de développement, soit en la renvoyant
sur le réseau électrique public [4].
Une cellule photovoltaïque convertit une partie de l’énergie solaire en énergie

électrique. Une cellule photovoltaïque est donc un transducteur qui, dans la majorité des cas,
utilise le rayonnement solaire. Il semble par conséquent intéressant de s’intéresser tout d’abord
au générateur de ce rayonnement : le Soleil.
5
I.2 Le soleil
Le Soleil est une étoile, c'est-à-dire un astre qui produit sa propre énergie. Cette étoile est
particulièrement importante car elle fournit l'essentiel de l'énergie que les planètes du système
solaire reçoivent. Néanmoins, elle reste relativement banale comparée à l'ensemble des autres
étoiles. Il s'agit d'une étoile de classe G, située sur la séquence principale, donc dans la phase
principale de sa vie [5]. Son rayon de 7x10 et sa masse de 2x10 tonnes.
Bien que la notion de surface n'ait pas grand sens dans le cas d'une sphère de gaz, on distingue
toutefois deux grandes zones : l'intérieur et l'atmosphère du Soleil. Schématiquement, l'intérieur
du soleil est toute la région inaccessible par des moyens optiques (quels qu'ils soient).
La « surface » solaire (qui définit aussi son rayon) est définie par l'altitude à partir de laquelle
les photons à 500 nm se propagent librement.
L’intérieur solaire est composé de trois régions :
Le noyau
La zone radiative
La zone de convection
L’atmosphère est elle aussi composée de trois zones :
La photosphère
La chromosphère
La couronne
I.2.1 Le noyau :
Le noyau est la région la plus centrale du Soleil. C'est de là que provient toute l'énergie solaire,
traversant toutes les couches jusqu'à la surface, puis l'espace interplanétaire. Le noyau est une
zone particulièrement importante puisqu'il est le siège des réactions thermonucléaires donnant
lieu à l'énergie dégagée par le Soleil sous forme de rayonnement [5].
I.2.2 La zone radiative :
La zone radiative entoure le noyau de 0,3 à 0,8 rayon solaire. Comme son nom l'indique,
l'énergie émise par le noyau est transférée vers la surface sous forme de radiations
électromagnétiques, c'est à dire sous forme de photons. Ces photons rentrent en collision avec
les particules (atomes ionisés) du milieu. Ces collisions successives ont deux effets :
Ralentir la sortie des photons (au lieu de 2,5 secondes, les photons mettent plus d'un
million d'années pour atteindre la surface du Soleil),
Changer l'énergie des photons (ils perdent peu à peu de l'énergie).
I.2.3 La zone convective :
6
La zone de convection est la dernière couche de ce que l'on appelle l’intérieur du Soleil. La
température décroît suffisamment (de 2x10 à 6x10 Kelvin) pour que des atomes se forment.
La densité aussi décroît considérablement. L'énergie n’est plus transportée par rayonnement
mais par convection vers la surface : le rayonnement chauffe la matière qui monte, se refroidit
à proximité de la surface et se renfonce alors. Cette convection est visible au niveau de la
photosphère sous la forme de granulation.
Figure I.1 : Vue en écorchée de l’intérieur solaire.
I.2.4 La photosphère
La photosphère est la première couche de l'atmosphère solaire. C'est la partie "visible à l'œil
nu" du Soleil. C'est une zone d'environ 500 km d'épaisseur où la température décroît avec
l'altitude de 5800K à 4200K. 99% de la lumière émise par le Soleil provient de la photosphère.
I.2.5 La chromosphère
La chromosphère s'étend de 500 à 200km d'altitude. Visible comme un fin liseré rougeâtre
autour du Soleil lors des éclipses totales de Soleil, la chromosphère peut être observée au-dessus
du disque solaire grâce à des filtres spéciaux qui coupent l'intense lumière de la photosphère.
I.2.6 La zone de transition
C'est dans cette région que commencent à être visibles les trous coronaux. Il s'agit de régions,
parfois de très grande taille (avoisinant 50% de la surface solaire pour les plus grands), où les
lignes de champ magnétique, au lieu de se refermer sur le Soleil, s'ouvrent vers l'espace,
7
favorisant l'émission rapide de particules dans le milieu interplanétaire. La densité et la

température y étant plus faibles, ces régions paraissent sombres.
I.2.7 La couronne
La couronne est le nom que l'on donne à l'ensemble de l'atmosphère extérieure du Soleil qui
s'étend jusque dans le milieu interplanétaire. Du fait de sa très faible densité, la couronne solaire
n'est observable en longueur d'onde visible qu'au cours d'une éclipse naturelle (le disque solaire
est caché par la lune) ou artificielle (le disque solaire est caché par un masque mis devant un
télescope).
I.3 Conversion d’énergie : les différentes technologies solaires
Il existe principalement trois façons d'utiliser directement l'énergie solaire :

La thermodynamique, la thermique et le photovoltaïque.
I.3.1 Solaire à concentration thermodynamique
Le solaire à concentration thermodynamique est une technologie qui utilise des miroirs qui
concentrent l’énergie solaire vers un tube contenant un fluide caloporteur qui chauffe jusqu’à
une température pouvant atteindre 500°C. La chaleur obtenue est transférée à un circuit d’eau,
la vapeur alors produite actionne une turbine couplée à un alternateur qui produit de l’électricité.
L’un des grands avantages de cette technologie provient du fait que la chaleur peut être stockée,
permettant ainsi aux centrales solaires de produire de l'électricité pendant la nuit.
Les miroirs qui collectent l'énergie solaire (placés à 3 ou 4 mètres du sol) forment une zone
d’ombre sur le sol, cependant il arrive suffisamment de lumière pour cultiver des fruits ou des
légumes. Une partie de l’eau douce formée sur place par condensation en sortie de turbine, peut
être utilisée pour l’arrosage [6].
8
Capteurs thermodynamique cylindro-paraboliques Capteurs thermodynamique paraboliques
Figure I-2 : Deux exemples de modules concentration thermodynamique.
I.3.2 Solaire thermique
Le principe de l’énergie thermique consiste à transformer le rayonnement solaire en énergie

thermique grâce à un fluide qui circule dans des panneaux exposés au soleil, figure I-3.
Cette forme de conversion d’énergie peut être directe si on veut uniquement chauffer de l’eau
sanitaire. Par contre, si on veut générer de l’électricité, il faudra utiliser des générateurs qui
convertissent l’énergie thermique générée en électricité (par exemple, moteurs à air chaud).
Figure I.3 : Deux exemples de modules thermiques.
Le principe de fonctionnement de l’énergie solaire thermique est montré par la figure I.4. Pour
commencer, le rayon solaire traverse une plaque de verre transparente ; le rayon lumineux sera
alors absorbé après avoir passé la plaque de verre, par une plaque de métal noir qui absorbera
environ 80 à 90% des rayons solaires. Puis, la chaleur ainsi générée est transmise à un circuit
d’eau qui alimente un circuit secondaire qui, à son tour, alimente une habitation en eau sanitaire
ou en chauffage.
9
Figure I.4: Principe de fonctionnement de l'énergie solaire thermique.
La composition d’un panneau solaire thermique est montrée dans la figure I-5. Il est composé
d’un corps opaque qui absorbe le rayonnement solaire en s’échauffant ; un système de
refroidissement par le fluide caloporteur (transportant l’énergie) ; un isolant thermique situé sur
les faces non exposées au rayonnement et une couverture transparente sur la face exposée,
destinée à assurer l’effet de serre à l’intérieur du capteur.
Figure I.5 : Composition d’un panneau solaire thermique.
10
L’énergie thermique utilise la chaleur du rayonnement solaire pour le chauffage de bâtiments

ou de l’eau sanitaire.
Pour cette dernière il est intéressant de savoir que dans certains pays le chauffage d’eau sanitaire
représente environ 20% des dépenses énergétique d’un foyer et que l’énergie solaire thermique
peut subvenir à environ 80% de cette dépense énergétique [7].
I.3.3 Solaire Photovoltaïque
Contrairement à l’énergie solaire thermique qui utilise le soleil comme source de chaleur,
l’énergie solaire photovoltaïque utilise le soleil comme source de lumière en transformant en
électricité l’énergie des photons arrivant à la surface de la Terre. La lumière solaire (photons)
transmet son énergie aux électrons contenus dans un semi-conducteur (qui constitue une cellule
photovoltaïque) .Cette transformation (effet photovoltaïque) est sans action mécanique, sans
bruit, sans pollution et sans combustible. L’effet photovoltaïque a été découvert par le physicien
français A. Becquerel en 1839. Le mot « photovoltaïque » vient du mot « photo » (du grec «
phos » qui signifie « lumière ») et du mot « Volt » (patronyme du physicien Alessandro Volta
qui a contribué de manière très importante à la recherche en électricité) [7].
C’est dans la filière photovoltaïque que s’inscrit notre projet.
I.4 Les filières technologiques
Une cellule photovoltaïque peut être réalisée avec de nombreux semi-conducteurs. En réalité,
il existe aujourd’hui trois principales filières technologiques : le silicium cristallin, les couches
minces et les cellules organiques. Ces filières se partagent inégalement le marché .
I.4.1 Le silicium
La filière silicium représente aujourd’hui l’essentiel de la production mondiale des panneaux

photovoltaïques. Cette filière comporte deux technologies : le silicium monocristallin et le
silicium multicristallin.
I.4.1.1 Le silicium mono-cristallin
Le silicium mono cristallin est difficile à obtenir. En effet, il nécessite un taux de pureté très
élevé et donc plusieurs étapes de purification. Ces étapes sont délicates et donc coûteuses. Le
rendement du silicium monocristallin est le plus élevé, il est compris entre 12 et 20%
pour les cellules industrielles. Son coût élevé est aujourd’hui un handicap et le silicium
monocristallin perd du terrain devant le silicium multicristallin [8].
11
I.4.1.2 Le silicium multicristallin (Polycristallin)
Le silicium multicristallin (Polycristallin) est devenu aujourd’hui la technologie la plus utilisée.

A elle seule elle représente près de 50% du marché. Ces cellules sont obtenues par coulage de
cristaux de silicium, ce qui rend sa structure hétérogène. Son rendement est légèrement inférieur
au silicium monocristallin il est compris entre 10 et 14% selon les fabricants. En revanche sa
fabrication est beaucoup plus simple, les coûts de production sont donc plus faibles.
Monocristallin Multicristallin
Figure I.6 : Photos de cellules monocristalline et multicristalline [8].
I.4.2 Les couches minces
Le principal frein au développement du photovoltaïque à très grande échelle reste encore

aujourd’hui, malgré la baisse de ces dernières années, le prix trop élevé du kWc. Le kilo watt
crête (kWc) est l’unité qui défini la puissance d’un générateur PV aux Conditions de Test
Standard (STC) (1000W.m-2 et 25°C). La majorité du prix d’un générateur photovoltaïque
provient du silicium et du procédé de purification. Plusieurs types de cellules photovoltaïques
visant à diminuer la quantité de matière nécessaire à leur fabrication sont aujourd’hui
développés et commencent à être industrialisés. Ces technologies appelées couches minces font
appel à des procédés de fabrication (dépôt sur ruban) visant la diminution de l’épaisseur des
cellules.
12
Module rigide Sharp (115Wc, 1,42 m²) Module souple Unisolar (68Wc, 1,12 m²)
Figure I.7 : Deux exemples de modules utilisant le Sia (Silicium amorphe) [8].
La technologie à couche mince dont la plus mure est le silicium amorphe (Sia) représentait en
2008 plus de 7% du marché mondial. L'avantage de cette technique est l'utilisation de substrats
à bas coût.
Le silicium est déposé à basse température sur un substrat en verre. De plus, il est possible de
déposer ces cellules sur des substrats souples figure I-7, et ainsi de fabriquer des cellules
souples. Son prix est plus faible que les cellules cristallines; en revanche, le rendement d’une
cellule en Sia est inférieur à celui des cellules cristallines, il est d’environ 7%. L’utilisation de
ce type de cellules nécessite l’utilisation d’une isolation galvanique entre les modules et le
réseau. Sans cette isolation galvanique les cellules amorphes se dégradent très rapidement. La
raison physique de ce phénomène reste encore obscure.
Les cellules amorphes captent très bien le rayonnement diffus et sont donc moins sensibles aux
variations de rayonnement direct. Ces cellules sont donc une très bonne alternative aux cellules
cristallines sur des sites soumis à des ombrages sévères.
D’autres matériaux sont également utilisés dans les filières à couches minces comme le Tellure
de Cadmium (CdTe), le diséléniure de cuivre et d'indium (CIS) et de gallium (CIGS).
Ces technologies possèdent de bons rendements, pouvant aller jusqu’à 19%. Malgré les
potentialités de ces trois technologies, les problèmes de toxicité sur l’environnement et
d’approvisionnement en matières premières qu’elles soulèvent les cloisonneront au laboratoire
ou à des applications très spécifiques.
13
I.4.3 Cellules organiques et plastiques
Observé depuis 30 ans dans les matériaux semi-conducteurs organiques, l’effet photovoltaïque
a connu cette dernière décennie un grand essor.
Initialement donnant des valeurs très faibles de rendement de conversion, cette application
particulière des semi-conducteurs organiques commence à attirer l’attention en 1986 lorsque
l’équipe de Tang [8] montre que les rendements proches du pourcent sont atteignables,
conformément aux prédictions de Merritt en 1978. La cellule, composée alors d’une bicouche
de molécules évaporées sous vide, atteint 0,95% de rendement de conversion [6].Ces cellules
comprennent deux voies : la voie des cellules « humides » et la voies des cellules polymères
organiques dites aussi cellules « plastiques ». Les progrès de ces technologies sont très rapides,
des records de rendement sont très fréquemment battus (actuellement près de 6%). Le principal
frein à ces technologies est actuellement la stabilité de leurs performances ainsi que leur durée
de vie (actuellement environ 1000 heures) [8].
Figure I.8 : Cellule PV organique [8].
14
I.5 Le photovoltaïque (PV)
I.5.1 La cellule PV
La cellule PV ou encore photopile est le plus petit élément d’une installation photovoltaïque.
Elle est composée de matériaux semi-conducteurs et transforme directement l’énergie
lumineuse en énergie électrique. Les cellules photovoltaïques sont constituées :
 D’une fine couche semi-conductrice (matériau possédant une bande interdite, qui joue
le rôle de barrière d’énergie que les électrons ne peuvent franchir sans une excitation
extérieure, et dont il est possible de faire varier les propriétés électroniques) tel que le
silicium, qui est un matériau présentant une conductivité électrique relativement bonne,
 D’une couche anti-reflet permettant une pénétration maximale des rayons solaires,
 D’une grille conductrice sur le dessus ou cathode et d’un métal conducteur sur le
dessous ou anode,
 Les plus récentes possèdent même une nouvelle combinaison de multicouches
réfléchissants justes en dessous du semi-conducteur, permettant à la lumière de rebondir
plus longtemps dans celui-ci pour améliorer le rendement.
Une cellule photovoltaïque est basée sur le phénomène physique appelé effet photovoltaïque
qui consiste à établir une force électromotrice lorsque la surface de cette cellule est exposée à
la lumière. La tension générée peut varier entre 0.3 V et 0.7 V en fonction du matériau utilisé
et de sa disposition ainsi que de la température et du vieillissement de la cellule [9].
I.5.2 Les conditions standards d’illumination des cellules photovoltaïques
L’industrie photovoltaïque a développé deux, et seulement deux, distributions spectrales

solaires standards avec l’organisation américaine American Society for Testing and Materials
(ASTM), la recherche gouvernementale et différents laboratoires [10].
Ces deux distributions définissent un spectre du rayonnement incident de façon normale au
capteur et un spectre du rayonnement provenant de l’hémisphère situé devant le capteur.
Ces deux définitions sont référencées dans le document ASTM G-173-03. Les mesures qui ont
permis d’établir ces normes ont été réalisées aux Etats-Unis, l’angle entre le rayonnement et la
normale à la Terre était de 48,19°.
Le rayonnement incident parcoure une certaine distance dans l’atmosphère conduisant à des
pertes plus ou moins importantes suivant l’angle d’incidence. Une appellation a été introduite
afin de distinguer les rayonnements selon leur incidence. Cette appellation est notée AM m
15
(AM signifie Air Mass) et m vaut 1,5 dans le cas des normes citées ci-dessus. On parle alors de
rayonnements AM 1.5 et AM 1.5G (G pour global) quand on veut caractériser les cellules dans
les conditions standards de l’industrie. Le rayonnement AM1.5 est le rayonnement incident de
façon normale au capteur, il est mesuré en utilisant un cylindre.
Le rayonnement AM1.5G est le rayonnement provenant de l’hémisphère situé devant le capteur.

De manière générale, m est obtenu avec la relation: ≈ , est l’angle entre le
rayonnement et la tangente à la Terre. Sur la figure I.9, on peut distinguer trois rayonnements
AM. Le rayonnement AM0 est le rayonnement solaire avant la traversée de l’atmosphère, le
rayonnement AM1 correspond à la lumière ayant traversée l’atmosphère en incidence normale
et le rayonnement AM 1.5 est le rayonnement possédant l’incidence de la norme industrielle.
Figure I.9 :
Conditions de mesures de quelques rayonnements AM [5].
Figure I.10: Rayonnements AM 0, AM 1.5 [5].
16
I.5.3 L’effet photovoltaïque
I.5.3.1 Comportement de La jonction PN utilisée comme capteur PV
En polarisant électriquement une jonction PN et en la soumettant à un éclairement solaire, on

obtient les caractéristiques semblables à celles représentées par la figure I-11. Sans éclairement,
le comportement d’une cellule PV est semblable à celui d’une mauvaise diode. Ainsi, sous
polarisation directe, la barrière de potentiel est abaissée et le courant de porteurs peut se
développer. Sous polarisation inverse, seul un courant de porteurs minoritaires (courant de
saturation) circule. Ce dernier varie peu avec la tension appliquée tant que cette tension est
inférieure à la tension de claquage. Ces courants, directs ou inverses, comme pour des jonctions
classiques, sont sensibles à la température de jonction.
Si cette jonction PN est soumise au rayonnement solaire, alors des paires électrons-trous
supplémentaires sont créées dans le matériau en fonction du flux lumineux. Ce phénomène,
aussi appelé effet photovoltaïque, ne se produit que si l’énergie des photons est supérieure ou
égale à l’énergie de la bande interdite du matériau Eg. La différence de potentiel qui en résulte
aux bornes de la structure caractérise l’effet photovoltaïque et se situe, selon les matériaux et la
structure de la jonction [11].
Figure I.11 :Caractéristiques d’une jonction PN polarisée sous différents éclairements (E)
[11].
17
I.5.3.2 Fonctionnement d’une cellule photovoltaïque
Une cellule photovoltaïque est un dispositif qui permet de transformer l’énergie solaire en
énergie électrique. Cette transformation est basée sur les trois mécanismes suivants :
 Absorption des photons (dont l’énergie est supérieure au gap) par le matériau constituant
le dispositif;
 Conversion de l’énergie du photon en énergie électrique, ce qui correspond à la création
de paires électron/trou dans le matériau semi-conducteurs;
 Collecte des particules générées dans le dispositif.
Le matériau constituant la cellule photovoltaïque doit donc posséder deux niveaux d’énergie et
être assez conducteur pour permettre l’écoulement du courant d’où l’intérêt des semi-
conducteurs pour l’industrie photovoltaïque.
Afin de collecter les particules générées, un champ électrique permettant de dissocier les pairs
électrons / trou créées est nécessaire. Pour cela on utilise le plus souvent une jonction PN.
D’autres structures, comme les hétérojonctions et les Schottky peuvent également être utilisées.
Le fonctionnement des cellules photovoltaïques est illustré sur la figure I-12.
Figure I.12 : Structure (gauche) et diagramme de bande (droite) d’une cellule

photovoltaïque [12].
Les photons incidents créent des porteurs dans les zones N et P et dans la zone de charge
d’espace. Les photo-porteurs auront un comportement différent suivant la région :
18
 Dans la zone N ou P, les porteurs minoritaires qui atteignent la zone de charge d’espace
sont “envoyés” par le champ électrique dans la zone P (pour les trous) ou dans la zone
N (pour les électrons) où ils seront majoritaires. On aura un photo courant de diffusion,
 Dans la zone de charge d’espace, les pairs électrons/ trou créées par les photons
incidents sont dissociées par le champ électrique : les électrons vont aller vers la région
N, les trous vers la région P. On aura un photo courant de génération [12].
I.6 Générateur photovoltaïque (GPV)
I.6.1 La constitution d’un module photovoltaïque
 Câblage des cellules photovoltaïques : les cellules sont connectées entre elles par un
fins ruban métallique (cuivre étamé), du contact en face avant (-) au contact en face
arrière (+),
 Les cellules sont encapsulée sous vide entre 2 films thermoplastiques transparents (EVA
: Ethylène Acétate de Vinyle),
 Le plus souvent présence d’un cadre en aluminium avec joint périphérique pour
permettre la dilatation,
Figure I.13 : Encapsulation des cellules [3].
 Un verre trempé en face avant protège les cellules sur le plan mécanique tout en laissant
passer la lumière,
 La face arrière est constituée d’un verre ou d’une feuille TEDLAR,
 Connexion ; la boite de connexion étanche regroupe les bornes de raccordement, les
diodes by-pass,
19
 Les 2 câbles unipolaires sont raccordés.
En associant les cellules PV en série (somme des tensions de chaque cellule) ou en parallèle
(somme des intensités de chaque cellule), on peut constituer un générateur PV selon les besoins
des applications visées. Les deux types de regroupement sont en effet possibles et souvent
utilisés afin d’obtenir en sortie des valeurs de tension et intensité souhaités. Ainsi, pour Ns
cellules en série, constituant des branches elles-mêmes Np en parallèle, la puissance disponible
en sortie du générateur PV est donnée par :
= . . . (I-1)
Avec :
: La puissance disponible en sortie du GPV,
: Le courant de sortie du GPV,
: La tension à la sortie du GPV,
: Nombre de cellules en série,
: Nombre de cellules en parallèle.
I.6.1.1 Mise en série
Une association de Ns cellules en série permet d’augmenter la tension du générateur

photovoltaïque (GPV). Les cellules sont alors traversées par le même courant et la
caractéristique résultant du groupement série est obtenue par addition des tensions élémentaires
de chaque cellule, figure I-14. L’équation (I-2) résume les caractéristiques électriques d’une
association série de ns cellules [3].
= . (I-2)
Avec :
: La tension du circuit ouvert.
Ce système d’association est généralement le plus communément utilisé pour les modules
photovoltaïques du commerce. Comme la surface des cellules devient de plus en plus
importante, le courant produit par une seule cellule augmente régulièrement au fur et à mesure
de l’évolution technologique alors que sa tension reste toujours très faible.
L’association série permet ainsi d’augmenter la tension de l’ensemble et donc d’accroître la
puissance de l’ensemble.
20
Les panneaux commerciaux constitués de cellules de première génération sont habituellement

réalisés en associant 36 cellules en série (V = 0.6V ∗ 36 = 21.6 Volt) afin d’obtenir une
tension optimale du panneau Vop proche de celle d’une tension de batterie de 12V [4].
Figure I.14 : Caractéristiques résultantes d’un groupement de Ns cellules en série.
I.6.1.2 Mise en parallèle
D’autre part, une association parallèle de Np cellules est possible et permet d’accroître le
courant de sortie du générateur ainsi créé. Dans un groupement de cellules identiques
connectées en parallèle, les cellules sont soumises à la même tension et la caractéristique
résultant du groupement est obtenue par addition des courants, figure I-15. L’équation (I-3)
résume à son tour les caractéristiques électriques d’une association parallèle de Np cellules.
Figure I.15 : Caractéristiques résultant d’un groupement de Np cellules en parallèle.
21
= .I (I-3)
Avec :
: Le courant de court circuit.
Si l’on désire avoir un générateur PV ayant un courant de sortie plus intense, on peut soit faire
appel à des cellules PV de plus grande surface et de meilleur rendement, soit associer en
parallèle plusieurs modules PV de caractéristiques similaires. Pour qu’un générateur PV ainsi
constitué puisse fonctionner de façon optimale, il faut que les (Ns. Np) cellules se comportent
toutes de façon identique. Elles doivent pour cela être issues de la même technologie, du même
lot de fabrication et qu’elles soient soumises aux mêmes conditions de fonctionnement
(éclairement, température, vieillissement et inclinaison).
La puissance du générateur PV sera optimale si chaque cellule fonctionne à sa puissance

maximale notée Pmax. Cette puissance est le maximum d’une caractéristique P(V) du
générateur, et correspond au produit d’une tension optimale notée Vop et d’un courant optimal
noté Iop.
Pour réduire les disfonctionnements, les fabricants ont choisi de ne pas commercialiser des
cellules PV seules. Ainsi, les générateurs PV se trouvent souvent sous forme de modules pré-
câblés, constitués de plusieurs cellules, aussi appelés par abus de langage panneaux PV.
Chaque référence de module a ses propres caractéristiques électriques garanties à ±10 % selon
le lot de fabrication [11].
I.7 Caractéristique électrique
I.7.1 Propriétés
La cellule photovoltaïque possède une caractéristique I(V) non linéaire figure I-16.
La caractéristique d’une cellule photovoltaïque balaie 3 quadrants sur les 4 existants [13].
Une cellule PV est un récepteur dans le quadrant 2 et dans le quadrant 4. Le fonctionnement
dans ces deux quadrants est à proscrire car un risque de destruction par phénomène
d’échauffement local (hot spot) est possible. Le fonctionnement dans le quadrant 1 est le
fonctionnement normal, en effet dans ce cas la cellule est un générateur, elle produit donc de
l’énergie. L’objectif est donc de faire travailler la cellule dans ce quadrant.
22
Figure I.16 : Caractéristique I-V d'une cellule photovoltaïque.
La tension en circuit ouvert (Vco) d’une cellule PV est comprise entre 0,3V et 0,7V selon le
matériau utilisé, la température et son état de vieillissement. Son courant de court-circuit (Icc)
varie principalement selon le niveau d’éclairement et selon les technologies et les tailles de
cellules (entre 5 et 8A pour le silicium cristallin).
I.7.2 Zones de fonctionnement du module photovoltaïque
Figure I.17 : Caractéristiques I(V) d’une cellule et d'une association de 3 branches en

parallèle ayant chacune 2 cellules en série.
Les caractéristiques électriques d’un panneau photovoltaïque varient en fonction de la

température, de l’éclairement et, de façon générale, des conditions de fonctionnement lorsqu’il
23
est connecté à une charge donnée. Nous rappelons brièvement dans ce paragraphe le
comportement du générateur soumis à diverses contraintes. Ces notions sont en effet
nécessaires pour comprendre le comportement d’un générateur PV et ensuite effectuer des
optimisations de fonctionnement.
Nous pouvons décomposer la caractéristique I(V) d’un générateur photovoltaïque en 3 zones :

 Une zone assimilable à un générateur de courant ICC proportionnel à l’irradiation,
d’admittance interne pouvant être modélisée par 1/Rsh (Zone 1),
 Une zone assimilable à un générateur de tension Vco d’impédance interne équivalente
à la résistance série Rs (Zone 2),
 Une zone où l’impédance interne du générateur varie très fortement de Rs à Rsh, zone
(3). C’est dans la (Zone 3) qu’est situé le point de fonctionnement pour lequel la
puissance fournie par le générateur est maximale. Ce point est appelé point de puissance
optimale, caractérisé par le couple (Imax, Vmax), et seule une charge dont la
caractéristique passe par ce point, permet d’extraire la puissance maximale disponible
dans les conditions considérées [11].
I.7.3 Circuit équivalent d’une cellule photovoltaïque
Une cellule photovoltaïque dans l’obscurité est une diode. Dans le cas idéal, le courant circulant
dans une cellule est donc donné par la relation de Shockley [14] :
.
= . [exp − 1] (I-4)
.
Lorsque la cellule est éclairée, le courant circulant dans celle-ci devient :
.
= . [exp − 1] − ℎ (I-5)
.
24
Figure I.18: Circuit équivalent d’une cellule photovoltaïque.
Rc : résistance de la charge connectée à la cellule.

Dans la réalité, on doit ajouter une résistance série Rs pour tenir compte des résistances des
électrodes et de celles induites par les interfaces électrode-semi conducteur. On doit également
ajouter une résistance parallèle Rp (résistance shunt en anglais) qui prend en compte les courts-
circuits dans la cellule (figure I.19). Ces courts-circuits dans la cellule sont dus à l’organisation
des matériaux (dans un mélange de matériaux, il existe des chemins favorables à la
recombinaison des charges), à la présence d’aluminium dans la couche active (diffusion
d’aluminium lors de la réalisation de l’électrode) et aux charges au voisinage des interfaces de
séparation des excitons qui ont tendances à recombiner les charges séparées.
Le courant est alors donné par la relation :
( . )
= [ . exp −1 + − ] (I-6)
. . .
n : facteur d’idéalité de la diode.
Figure I.19: Circuit équivalent d’une cellule photovoltaïque.
25
I.8 Les avantages et les inconvénients de l’énergie photovoltaïque
I.8.1 Les avantages de l’énergie photovoltaïque
 L’énergie photovoltaïque offre de multiples avantages [3] :

 La production de cette électricité renouvelable est propre. Elle n’est pas toxique.
 Les systèmes photovoltaïques sont extrêmement fiables.
 L’énergie photovoltaïque est particulièrement attractive pour les sites urbains, dus à leur
petite taille, et leur opération silencieuse.
 La lumière du soleil étant disponible partout, l’énergie photovoltaïque est exploitable
aussi bien en montagne dans un village isolé que dans le centre d’une grande ville.
 L’électricité photovoltaïque est produite au plus près de son lieu de consommation, de
manière décentralisée, directement chez l’utilisateur.
 Les matériaux employés (verre, aluminium) résistent aux pires conditions climatiques
(notamment à la grêle).
 La durée de vie des panneaux photovoltaïques est très longue. Certains producteurs
garantissent les panneaux solaires pour une durée de 25 ans.
I.8.2 Les inconvénients de l’énergie photovoltaïque
 Production d’énergie qui dépend de l’ensoleillement, toujours variable.

 Le coût très élevé.
 Faible rendement de conversion.
 S’il faut stocker l’énergie avec des batteries, le coût de l’installation augmente.
 Pollution à la fabrication.
Malgré ces inconvénients, le marché photovoltaïque ne cesse pas de trouver des applications et
de s’agrandir. En plus, la technologie photovoltaïque est dans un processus de maturation dans
laquelle les inconvénients pourraient s’attendrir, surtout en ce qui concerne les coûts de
fabrication [3].
26
I.9 Conclusion
En résumé, technologiquement, un capteur PV est proche d’une diode PN de par sa

constitution, les matériaux utilisés, et les phénomènes physiques identiques mis en œuvre.
Le comportement d’une cellule PV peut donc se modéliser comme celui d’une mauvaise
jonction PN autant en statique qu’en dynamique lorsque cette dernière n’est pas éclairée.
Dans ce chapitre, nous avons présenté les enjeux et les développements actuels du
photovoltaïque. Nous avons ensuite présenté le fonctionnement d’une cellule en expliquant
brièvement le phénomène photovoltaïque (L’effet photovoltaïque). Nous avons vu que la
cellule PV présente une caractéristique I(V) non linéaire, présente un point de puissance
maximal (PPM) caractérisé par un courant (Imax) et une tension (Vmax) et qu’elle peut être
modélisée par un circuit électrique simple.
L’interconnexion de cellules PV en série ou en parallèle pose plusieurs problèmes de

déséquilibre qui sont très pénalisants si les cellules n'ont pas le même point de fonctionnement.
Nous avons présenté les différentes technologies de cellules actuellement sur le marché et ou
cours de développement, et malgré la fin du silicium annoncée depuis de nombreuses années,
ce dernier garde une grande longueur d’avance sur les autres technologies.
27
CHAPITRE II
MODELISATION ET SIMULATION
DES CELLULES PHOTOVOLTAÏQUES
Chapitre II Modélisation et simulation des cellules photovoltaïques
II.1 Introduction
L’énergie solaire photovoltaïque (PV), qui est la conversion directe de la lumière en

électricité grâce à des cellules solaires, représente une alternative intéressante et bien adaptée à
des besoins limités. Malgré sa facilité de mise en œuvre, son faible impact environnemental et
le peu d'entretien qu’il nécessite, un système photovoltaïque n’est plus concurrentiel lorsque la
demande augmente. Ainsi, une étude assez rigoureuse est nécessaire pour faire le meilleur choix
le plus performant avec moindre coût possible.
La performance d’un système PV dépend fortement des conditions météorologiques,

telle que le rayonnement solaire, la température, la vitesse du vent et l’éclairement. Pour fournir
l’énergie continuellement durant toute l’année, un système PV doit être correctement
dimensionné. Cependant les informations fournies par les constructeurs d’équipements
photovoltaïques ne permettent que de dimensionner approximativement le système [15].
La modélisation mathématique des cellules solaires est indispensable pour toute

opération d’optimisation du rendement ou de diagnostic du générateur photovoltaïque. Le
module photovoltaïque est représenté généralement par un circuit équivalent dont les
paramètres sont calculés expérimentalement en utilisant la caractéristique courant-tension. Ces
paramètres ne sont pas généralement des quantités mesurables ou incluses dans les données de
la fabrication.
En conséquence, ils doivent être déterminés à partir des systèmes des équations V-I à divers
points de fonctionnement donnés par le constructeur ou issues de la mesure directe sur le
module.
La modélisation de ces dernières s’impose comme une étape cruciale et a conduit à une
diversification dans les modèles proposés par les différents chercheurs. Leurs différences se
situent principalement dans le nombre de diodes, la résistance shunt finie ou infinie, le facteur
d’idéalité constant ou non, ainsi que les méthodes numériques utilisées pour la détermination
des différents paramètres inconnus.
28
II.2 Modélisation des cellules photovoltaïques
La modélisation des cellules photovoltaïques passe nécessairement par un choix judicieux des
circuits électriques équivalents.
Pour développer un circuit équivalent précis pour une cellule PV, il est nécessaire de
comprendre la configuration physique des éléments de la cellule aussi bien que les
caractéristiques électriques de chaque élément, en prenant plus ou moins de détails. Selon cette
philosophie, plusieurs modèles mathématiques sont développés pour représenter un
comportement fortement non linéaire, résultant de celui des jonctions semi-conductrices qui
sont à la base de leurs réalisations. Ces modèles se différencient entre eux par les procédures
mathématiques et le nombre de paramètres intervenant dans le calcul de la tension et du courant
du module photovoltaïque.
Nous avons étudié et simulé un module KC200GT, présenté sur la figure II-1.
Figure II-1: Module KC200GT.
29
II.2.1 Modèle idéal
C’est le modèle le plus simple pour représenter la cellule solaire, car il ne tient compte que du
phénomène de diffusion (figure II.2). Le circuit équivalent simplifié d'une cellule solaire se
compose d'une diode et d'une source de courant montés en parallèle. La source de courant
produit le photo courant Iph, qui est directement proportionnel à l’éclairement solaire E.
L'équation courant tension I-V du circuit équivalent simplifié est déduite à partir de la loi de
Kirchhoff (première loi de Kirchhoff : la somme de tous les courants entrant et sortant d’un
point est égale à zéro):
Figure II.2 : Circuit équivalent simplifié d’une cellule solaire [16]
I=I −I (II-1)
Avec :
I =I e . −1 (II-2)
D’où :
I= I −I e . −1 (II-3)
Avec :
 : Photo courant.
 : Courant de diode.
 : Courant inverse de saturation de la diode.
 : Facteur d’idéalité de la diode, m = 1…5.
 : Tension thermique.
30
II.2.2 Modèle avec pertes ohmiques
Le deuxième modèle, tient compte de la résistivité du matériau et des pertes ohmiques dues aux
niveaux des contacts, ce qui permet une meilleure représentation du comportement électrique
de la cellule par rapport au modèle idéal. Ces pertes sont représentées par une résistance série
Rs dans le circuit équivalent représenté ci-dessous :
Figure II.3 : Circuit équivalent d’une cellule solaire, modèle avec Rs. [17]
Après analyse du circuit, l’équation courant tension est donnée comme suit :
.
I=I −I e . −1 (II-4)
Avec :
Rs : Résistance série qui tient compte des pertes en tension dues aux contacts externes.
II.2.3 Modèle à une diode
C’est le modèle sur lequel s’appuient les constructeurs en donnant les caractéristiques
techniques de leurs cellules solaires (data sheets). Il est aussi considéré satisfaisant et même
une référence pour les constructeurs pour cataloguer typiquement les modules solaires.
Il tient compte non seulement des pertes en tension exprimées par la résistance série Rs, mais
aussi des fuites de courants exprimées par une résistance parallèle Rp (voir figure II.4).
Remarque : La résistance parallèle Rp est en générale très élevée, et lorsqu’elle est trop faible,
la cellule solaire ne donnera plus de tension sous faible éclairement.
La caractéristique courant tension décrivant le fonctionnement du circuit ci-dessus est donné

par les équations (III-5) à (III-8) :
31
Figure II.4 : Circuit équivalent d’une cellule solaire, modèle à une diode. [18]
I= I −I −I (II-5)
.
I =I e . −1 (II-6)
.
I = = (II-7)
.
.
I= I −I e . −1 − (II-8)
Avec :
Rp : résistance parallèle simulant les pertes en courant de la cellule solaire.
L’équation (II.8) en termes de I et V n’est pas tellement facile à résoudre comparativement à

l’équation du circuit équivalent simplifié. Par conséquent une méthode numérique
(Newton_Raphson) doit être appliquée.
II.2.4 Modèle à deux diodes

Le circuit équivalent du modèle à deux diodes est donné sur la figure II.5 Ce modèle est dit le
plus proche du comportement réel de la cellule solaire, du fait qu’il tient compte du mécanisme
de transport des charges électriques à l’intérieur de la cellule (deux diodes).
Le modèle à deux diodes (équation II.13) est composé de deux exponentiels, le premier tient
compte du phénomène de diffusion, tandis que le deuxième exponentiel correspond au
phénomène de recombinaison, dans la région de déplétion, par les niveaux profonds.
32
Figure II.5 : Circuit équivalent d’une cellule solaire, modèle à deux diodes[18]
Les équations caractéristiques du système sont données ci-dessous :
I=I −I −I − I + I (V ) (II-9)
I =I e . −1 (II-10)
I =I e . −1 (II-11)
.
I( ) = −a. (V + I. Rs) 1 − (II-12)
. .
I= I −I e . −1 −I e . −1 − − a. (V + I. Rs) 1 − (II-13)
Avec :
 I , I : Courant de saturation de la première et la deuxième diode respectivement.
 , : Facteurs d'idéalité de la première et la deuxième diode respectivement.
 : Tension de rupture (-15V…-50V).
 a : Facteur de correction (a = 0÷1).
 n : Indice de la rupture d'avalanche (n=1÷10).
33
II.3 Modélisation et simulation du générateur photovoltaïque (GPV)
II.3.1 Modélisation du générateur GPV
Le module photovoltaïque (KC200GT) figure II.1, est choisi pour la modélisation puis la
simulation. Il contient (54) cellules solaires du silicium multi cristallines, et fournit une
puissance maximum nominale de 200W. Les caractéristiques physiques et électriques de ce
panneau photovoltaïque sont données par l’annexe A.
II.3.2 Simulation du générateur (GPV) à éclairement et température constante
Caractéristique Ipv = f(Vp): À température et éclairement constants, et particulièrement aux

conditions standards ( = 1000 / , = 25° ), la caractéristique est donnée par la figure
II.6.
Cractéristique Ipv=f(Vpv) à éclairement constant et température constante

9
5
I [A]
1 1000w/m²
400w/m²
0
0 5 10 15 20 25 30 35
V [V]
Figure II.6. Caractéristique Ipv = f(Vpv) à éclairement constant et température constante.
34
Caractéristique Ppv = f(Vp): À température et éclairement constants, et particulièrement aux

conditions standards ( = 1000 / , = 25° ), la caractéristique est donnée par la
figure II.7.
Cractéristique Ppv=f(Vpv) à éclairement constant et température constante

250
1000w/m²
200
150
P [W]
100
50
0 5 10 15 20 25 30 35
V [V]
Figure II.7. Caractéristique Ppv = f(Vpv) à éclairement constant et température constante.
II.3.3 Simulation du générateur (GPV) à éclairement et température variable
Afin de constater l’influence des conditions externes, de l’éclairement et de la température (G,

Ta) sur la caractéristique Ipv = f(Vp), nous avons adopté la méthode suivante :
 Pour visualiser l’influence de l’éclairement, on fixe la température ambiante (Ta =
25°C) et on fait varier l’éclairement dans une gamme suffisante.
 Pour un éclairement constant = 1000 / , nous ferons varier la température afin
de voir l’influence de celle-ci par rapport aux caractéristiques du générateur
photovoltaïque.
35
II.3.4 L’influence de l’éclairement sur la caractéristique Ipv = f(Vp)
En faisant varier l’éclairement entre 200 et 1000 avec un pas de 200, la caractéristique
Ipv = f(Vp) est donnée par la figure II.8.
Cractéristique Ipv=f(Vpv) à éclairement variable et température constante

9
5
I [A]
3 200w/m²
400w/m²
2 600w/m²
800w/m²
1 1000w/m²
0
0 5 10 15 20 25 30 35
V [V]
Figure II.8. Caractéristique Ipv=f(Vp) à éclairement variable et température constante.
D’après la Figure II.8, on remarque une forte diminution du courant de court-circuit par rapport
à l’éclairement G et une faible diminution de la tension du circuit ouvert.
36
II.3.5 L’influence de l’éclairement sur la caractéristique Ppv = f(Vp)
Cractéristique Ppv=f(Vpv) à éclairement variable et température constante

200
180
160
200w/m²
140
400w/m²
600w/m²
120
800w/m²
P [W]
1000w/m²
100
80
60
40
20
0
0 5 10 15 20 25 30 35
V [V]
Figure II.9. Caractéristique Ppv=f(Vp) à éclairement variable et température constante.
On remarque aussi sur la Figure II.9 que, l’éclairement influe proportionnellement sur la
puissance et la tension du circuit ouvert d’un générateur photovoltaïque.
37
II.3.6 L’influence de la température sur la caractéristique Ipv = f(Vp)
En faisant varier la température ambiante entre (0°C et 75°C) avec un pas de 25°C
l’influence de celle-ci sur la caractéristique (Ipv-Vp) est donnée par la figure II.10, avec un
éclairement G = 1000w/m . On constate d’après la Figure II.10 que l’effet de l’augmentation
de la température fait diminuer la tension du circuit ouvert du générateur photovoltaïque,
contrairement au courant de court-circuit qui reste constant.
La caractéristique Ipv = f(Vp) est donnée par la figure II.10.
Caractéristique Ipv=f(Vp) à éclairement constant et température variable

9
5
I [A]
2
0
25
1 50
75
0
0 5 10 15 20 25 30 35
V [V]
Figure II.10. Caractéristique Ipv=f(Vp) à éclairement constant et température variable.
Le modèle choisi a donné des résultats concordant avec ceux obtenus dans la littérature et
reflète bien le comportement physique d’une cellule (PV) vis-à-vis aux variations de la
température et de l’éclairement ce qui valide le modèle utilisé.
38
II.3.7 L’influence de la température sur la caractéristique Ppv = f(Vp)
D’après la figure II.11, l’effet de l’augmentation de la température sur la caractéristique Ppv =

f(Vp) fait diminuer légèrement la puissance et la tension du circuit ouvert du générateur
photovoltaïque. La caractéristique Ppv = f(Vp) est donnée par la Figure II.11.
Caractéristique Ppv=f(Vp) à éclairement constant et température variable

200
0
180
25
160 50
75
140
120
P [W]
100
80
60
40
20
0
0 5 10 15 20 25 30 35 40
V [V]
Figure II.11. Caractéristique Ppv=f(Vp) à éclairement constant et température variable.
39
II.4 Conclusion
Dans ce chapitre, nous avons présenté les caractéristiques électriques fondamentales

d’une cellule photovoltaïque (module photovoltaïque) et les circuits équivalents ont été décrits.
Nous avons vu que la cellule PV présente une caractéristique I(V) non linéaire dont il est
possible de résoudre l'équation des caractéristiques.
L’effet de la température et l’éclairement sur le comportement de la cellule est clairement
représenté sur les courbes.
Notons que l’augmentation de l’éclairement provoque une augmentation ou le générateur

fonctionne comme un générateur de courants, mais il’ya une légerment d’augmentation pour la
tension en circuit ouvert.
Noton aussi que l’augmentation de la température entraîne une diminution nette de la tension
de circuit ouvert et une augmentation du courant de court circuit.
40
CHAPITRE III
MODELISATION DU POINT
DE LA PUISSANCE MAXIMALE
D’UN MODULE PHOTOVOLTAÏQUE
Chapitre III Modélisation du point de la puissance maximale d’un module photovoltaïque
III.1 Introduction
Les panneaux solaires de première génération sont généralement dimensionnés pour que leurs
(PPM) correspondent à la tension nominale de batterie de 12 ou 24 Volts.
Grâce à cette configuration, une simple connexion directe via une diode anti-retour suffit pour
effectuer le transfert d’énergie du (GPV) à la charge. Cependant, les caractéristiques non-
linéaires du module photovoltaïque et sa sensibilité aux conditions extérieures, comme
l’éclairement et la température, induisent des pertes énergétiques. L’utilisation d’un étage
d’adaptation afin d’optimiser la production d’énergie à tout moment est ainsi de plus en plus
préconisée [19].
III.2 Principe de fonctionnement d’un étage d’adaptation DC-DC
La figure III.1 présente le schéma de principe d’un module photovoltaïque doté d’un étage
d’adaptation (DC-DC) entre le (GPV) et la charge.
Cette structure correspond à un système plus communément appelé système autonome.
Il permet le plus souvent d’alimenter une batterie pour stocker de l’énergie ou une charge qui
ne supporte pas les fluctuations de la tension (ballast,…). Cet étage d’adaptation dispose d’une
commande (MPPT) (Maximum Power Point Tracking) qui permet de rechercher le (PPM) que
peut fournir un panneau solaire photovoltaïque.
L’algorithme de recherche (MPPT) peut être plus ou moins complexe en fonction du type
d’implantation choisie et des performances recherchées. Cependant au final, tous les
algorithmes performants doivent jouer sur la variation du rapport cyclique du convertisseur de
puissance associé.
De nombreuses recherches sur les commandes (MPPT) ont été effectuées afin de trouver un
système optimal permettant une recherche du (PPM) selon l’évolution de la puissance fournie
par le générateur photovoltaïque. Les commandes (MPPT) développées, sont toutes basées sur
une commande extrémale de type Perturbe & Observe, (P&O).
Dans la littérature, nous pouvons trouver différents types d’algorithmes de commandes

extrémales présentant plus ou moins de précisions. A partir de l’évaluation ou de la mesure de
la puissance fournie par le générateur, ces commandes utilisent le rapport cyclique du
convertisseur de puissance pour appliquer une action de contrôle adéquate sur l’étage et pour
41
suivre l’évolution au cours du temps du (PPM). Un grand nombre de ces commandes ont
l’avantage d’être précises et d’avoir une grande rapidité de réaction mais souffrent encore d’un
manque d’optimisation de leur algorithme parfois trop complexe et consommant alors trop
d’énergie [19].
Figure III.1. Chaîne de conversion photovoltaïque avec convertisseur (DC-DC) contrôlé par
une commande (PPM) sur charge DC [19].
III.3 Méthode de poursuite du point de puissance maximale
Pour obtenir un meilleur rendement dans le fonctionnement des générateurs photovoltaïques,

la technique appelée la poursuite de la puissance maximale (MPPT) qui consiste à transférer de
façon optimale toute la puissance électrique à extraire de cette source de l’énergie
photovoltaïque vers la charge à alimenter. Elle doit être utilisée dans toute application utilisant
ces générateurs, et deviendra nécessaire et même indispensable selon la théorie du transfert
optimal de puissance.
Les techniques de contrôle employées pour la poursuite du point de puissance sont [20]:
 Méthodes de la dérivée de la puissance,
 Méthodes à contre réaction de la tension.
III.3.1 Méthode de la dérivée de la puissance
Cette méthode est basée sur la recherche de l’extremum de la courbe de puissance Pv=f(Vp)
obtenue directement de la caractéristique du (GPV). Le point de puissance maximale (PPM) est
obtenu lorsque la dérivée de la puissance par rapport à la tension s’annule, c'est-à-dire, lorsque
dPv/dVp = 0 [20].
Le point de puissance maximale (PPM) est donné par la Figure III.2 :
42
Figure III.2. Caractéristique du point de puissance maximale MPP [20].
III.3.1.1 Méthode de la perturbation et l’observation la (P&O)
Si plus généralement, on désire suivre le point de puissance maximale en s’affranchissant de la

connaissance des paramètres qui modifient sa position, on doit recourir aux techniques
d’asservissement, en utilisant la plus souple, celle de la perturbation et de l’observation, (P &Q).
C’est l’algorithme de poursuite du point de puissance maximale (PPM) le plus utilisé, et comme
son nom l’indique il est basé sur la perturbation du système par l’augmentation ou la diminution
de la tension de référence (Vref), ou en agissant directement sur le rapport cyclique du
convertisseur (DC-DC), puis l’observation de l’effet sur la puissance de sortie en vue d’une
éventuelle correction de ce rapport cyclique.
Si la valeur de la puissance actuelle P(k) du générateur est supérieure à la valeur précédente

P(k-1) alors on garde la même direction de perturbation précédente sinon on inverse la
perturbation du cycle précédent [19].
III.3.1.2 Méthode par incrémentation de conductance
L'algorithme par incrémentation de conductance se résulte en dérivant la puissance du panneau

photovoltaïque par rapport à la tension et en mettant le résultat égal à zéro. Ceci peut être décrit
par les équations suivantes [20]:
( )
= = + . =0 (III.1)
43
= − (III.2)
Le terme ( ) représente l'opposé de la conductibilité instantanée du panneau photovoltaïque,
et ( ) représente le terme d’incrémentation de conductance. Par conséquent, pour le point de
puissance maximum (PPM), ces deux termes peuvent être égaux mais de signes opposés. Si le
point de fonctionnement ne coïncide pas avec le point (PPM), l'inégalité de l'équation (III.2)
indique la position de la tension de fonctionnement si elle est plus grande ou inférieure à la
tension du point de puissance maximum (PPM) [20].
= − , =0
> − , >0 (III.3)
< − , <0
III.3.2 Méthode à contre réaction de la tension
Ce genre de mécanisme repose sur le contrôle de la tension de fonctionnement des panneaux

par comparaison de cette tension avec une référence.
Cela génère une tension d’erreur qui fait varier le rapport cyclique de la MLI de la commande
afin d’annuler cette erreur comme le montre la figure III.3 [22]:
Panneaux PV
Convertisseur
DC-DC
Charge
- Vcom Vramp
+
Vréf
Figure III.3. Méthode avec Contre-réaction de tension et modulation [22].
44
Selon la nature de cette tension de référence (fixe ou variable, interne ou externe), on distingue
trois types de méthodes :
III.3.2.1 Méthode à tension de référence fixe
Cette méthode est basée sur une simple comparaison entre la tension de sortie du panneau avec
une tension de référence prédéfinie, pour ajuster continuellement le rapport cyclique du
convertisseur (DC-DC). Cette tension correspond à la tension moyenne de l’intervalle des
points des puissances maximales (Figure III.3), relevées par des tests sous différentes conditions
d’ensoleillement et de température en agissant simplement sur les différents facteurs de
pondération lors de la mise au point afin de générer le maximum de puissance. A cause de la
dépendance de la tension du panneau avec l’ensoleillement et la température, la tension de
puissance maximale est déviée, alors la tension de référence doit être corrigée pour différents
ensoleillements et températures le long des périodes de l’année [22].
III.3.2.2 Méthode MPPT avec mesure de la tension à vide du panneau
La tension à vide du panneau (Voc) est mesurée en interrompant le fonctionnement normal du

système avec une certaine fréquence, en mémorisant la valeur mesurée, et puis ajustant la
tension de référence (Vref) sur une certaine fraction de la tension du circuit ouvert qui a été
expérimentalement déterminée pour être 76% de (Vco). Cette tension de référence est comparée
à la tension de fonctionnement du panneau (V) et le signal d'erreur résultant (Vcom) est
employé comme entrée dans la commande MLI du convertisseur (DC-DC) (Figure III.3).
Cette augmentation permet la commande de la tension de fonctionnement du panneau

photovoltaïque avec la considération de facteurs importants comme l’ensoleillement et la
température. En plus, le vieillissement et l'accumulation de la poussière sur la surface de cellules
sont aussi pris en compte [22].
III.3.2.3 Méthode MPPT avec cellule pilote
Pour éviter les inconvénients liés à l'interruption fréquente de l'exploitation du système, on

propose l'utilisation d'une cellule pilote. C'est une cellule photovoltaïque simple qui est
électriquement indépendante du reste de la rangée photovoltaïque. Sa tension (Vco) est
constamment mesurée, elle fournit donc l'information implicite du reste des conditions de
fonctionnement courantes du panneau. La tension (Vco) de la cellule pilote est multipliée par
un certain facteur constant pour être comparée à la tension de référence de la boucle de contre
réaction.
45
Puisque cette méthode emploie toujours un facteur fixe pour estimer la tension optimale (Vmp)
d'une valeur mesurée de (Vco), le point de puissance maximale n’est toujours pas vraiment
obtenu. Cette technique est fondée sur la connaissance des caractéristiques de la rangée
photovoltaïque pour estimer le lieu du point de puissance maximale [22].
III.3.3 Méthode avec contre réaction du courant
Dans toutes les méthodes (MPPT) présentées jusqu'ici, une mesure de (Ipv) et (Vp) a été
employée pour obtenir des informations sur la puissance de sortie du panneau. Cette nouvelle
méthode (MPPT) utilise seulement une mesure de courant pour obtenir l'information sur le point
opérationnel et actuel du système [23].
L'avantage de cette méthode est la simplicité, contrairement aux méthodes mentionnées

précédemment.
Figure III.4. Méthode de la contre réaction en courant [22]
46
III.4 Présentation de la méthode de prédiction :
La méthode de contrôle (MPPT) est nécessaire pour faire en sorte que le système PV a atteint
la puissance maximale en un temps réel. Diverses méthodes, tel que la méthode (lookup
table) [24], méthode (Perturb-and-Observe) [25], et la méthode de (l’incrémentation de
conductance) [26], ont été proposées lors de l'application de l'algorithme MPPT des panneaux
photovoltaïques pour assurer l'efficacité d'utilisation maximale.
Ces fonctions sont généralement mises en œuvre ou contrôlées par les circuits. Presque tous ces
circuits agissent comme interfaces entre les générateurs photovoltaïques et les charges.
En raison de la complexité des opérations mathématiques impliquées dans les méthodes ci-
dessus, un processeur de signal numérique ou un microcontrôleur relativement puissant est
généralement nécessaire pour leurs mises en œuvre.
Ceci augmente le coût du circuit de traitement de puissance. De toute évidence, un moyen

simple et moins coûteux est nécessaire pour la localisation de MPPT à travers une technique
d'estimation pratique.
A part les moyens mentionnés ci-dessus, il est impossible pour les méthodes conventionnelles
d'acquérir rapidement le «PPM» pour la puissance produite par la PV. Cela signifie que la
localisation de la puissance maximale de panneaux photovoltaïques ne peut pas être réalisée en
temps réel. Pour faciliter l'efficacité de l'algorithme MPPT, une nouvelle méthode simple et de
prédiction directe avec moins de calcul est introduite dans cette étude.
Cette méthode est développée sur la base de la théorie de la jonction p-n à semi-conducteur de
cellules solaires. À la fois la température et les caractéristiques d'intensité d'irradiation sont
prises en compte. La méthode de prédiction directe proposée est non seulement capable de
diminuer le temps de localisation et de la perte d'énergie, mais aussi d'augmenter l'utilisation
d'énergie.
47
La figure III.7 représente le circuit équivalent du générateur photovoltaïque.
Figure III.5 : Le circuit équivalent d’un générateur photovoltaïque
Vd
I  Ig  Id  (III.4)
Rsh
Où :
 Ig : Est le courant photoélectrique généré par la lumière (A);

 Rsh : La résistance parallèle (Ohms);
 Vd et Id : La tension et le courant de la diode à jonction p-n.
Le courant Id et la tension Vd de la diode à jonction p-n sont donnés par :
Vd  V  I .Rs (III.5)
Et,
 q V  
I d  I sat exp  d   1 (III.6)
  nKT  
Où :
 Isat : Le courant inverse de saturation (A),

 n : Le facteur d'idéalité de la diode,
 q : la charge de l'électron (C);
 k : Constante de Boltzmann (eV K-1)
 T : La température (K).
48
Après avoir remplacé les paramètres liés à la diode à jonction p-n dans l'équation (III.4), le
courant de sortie I, (Ipv le courant de panneau PV) peut être exprimé par [27].
  q V PV  I PV Rs   VPV  I PV Rs
I  I PV  I g  I sat exp    1 
  nKT   Rsh (III.7)
Lorsque le panneau photovoltaïque se connecte à la charge, les paramètres de circuit de panneau

PV, I et V deviennent Ipv et Vpv. Les termes liés à la résistance Rsh peuvent être généralement
ignorés, parce que la résistance parallèle de panneau photovoltaïque est relativement élevée
dans la majorité des cas pratiques, l'équation (III.7) est simplifiée en :
  q V PV  I PV R s   
I PV  I g  I sat exp    1
  nKT   (III.8)
La puissance générée par le panneau PV est:
Ppv  Ipv.Vpv (III.9)
La pente de puissance (β) en fonction de la variation de la tension du réseau PV peut être

exprimée par l’équation (III.10). [28] :
dP PV dI PV
   I PV  V PV
dV PV dV PV
  q V PV  I PV R s  
 I g  I sat  exp    1  (III.10)
  nKT 
qI sat  q V PV  I PV R s    1 dI PV

 exp     R s  V PV
nKT  nKT  dV PV 
Le rendement d’une utilisation maximale et la puissance maximale peuvent être atteint pour
une pente de puissance β = 0, l'équation (III.10) peut être alors simplifiée à :
 q V mp  I mp R s   qV mp qV mp R s dI PV 

I g  I sat  I sat exp   1  
nKT nKT nKT dV PV 
  V PV V mp 
(III.11)
Où :
49
I g  I sat  q V mp  I mp R s   qV mp qV mp R s dI PV 

 exp   1   (III.12)
I sat nKT nKT nKT dV PV 
  V PV V mp 
Où :
 Imp et Vmp : Représentent le courant et la tension de panneau PV fonctionnant dans le

mode de puissance maximale. D'autre part, le courant de sortie I est nul lorsque la
charge se déconnecte, et la tension en circuit ouvert Voc peut être calculée par [29] :
I g  I sat  qV oc 
 exp  (III.13)
I sat  nKT 
Où :
nKT  I  I sat 
V oc  ln  g  (III.14)
q  I sat 
Le photocourant généré par la lumière Ig, et le courant inverse de saturation Isat de panneau
photovoltaïque sont obtenus à partir d'une condition de test standard. À partir des équations
(III.12) et (III.13), on peut obtenir l'équation caractéristique qui représente l'opération de
panneau PV au PPM, qui peut être exprimée par:
qV mp qV mp R s dI pv  q
1   exp  V oc  V mp  I mp R s  (III.15)
nKT nKT dV pv  nKT 
V pv  V mp
Pour une connexion parallèle PV, le système de conditionnement pour une connexion en ligne,
la puissance efficace de la ligne Ps peut être écrite comme [28] :
= . . (III.16)
Où :
 Vs : Est la valeur efficace de la valeur de la ligne de tension (V);

 Is : La valeur efficace de la ligne du courant (A);
 θ: L'angle de la ligne de courant (radians).
D'autre part, la puissance Ppv de panneau PV est calculée par :
Ppv  Ipv.Vpv (III.17)
50
Pour une conservation de puissance minimale, le générateur de puissance DC, Ppv considère le
rendement de puissance conservé qui doit être égale à la puissance efficace de la ligne, tel que :
.Ppv  Ps (III.18)
Où :
 η: Est l'efficacité de la conservation de l'énergie de la puissance continue Ppv générée

par rapport à la ligne de puissance efficace "Ps".
En général, l’efficacité de conservation de la puissance η peut atteindre jusqu'à 99% avec un

système de conditionnement PV raccordés en parallèle avec une connexion par ligne [28].
Par conséquent, η sera considérée comme constante dans ce travail. À partir des équations,
(III.16), (III.17) et (III.18), le courant continu Ipv actuel de panneau PV peut être estimé comme
suit:
V S IT
I pv  (III.19)
 V pv
Ainsi, le courant Ipv du réseau PV peut être estimé directement sans utiliser un capteur de
courant DC.
En général, le capteur de courant DC exige des sources de tensions additionnelles positives et

négatives. De plus, ce capteur coute cher comparativement à celui AC, ce qui rend le système
complet plus complexe [28].
En combinant l'équation. (III.15) avec l'équation (III.19) on obtient:
q  V s I T    
1
q
V mp   R s  exp  q  V oc  V mp  V s I T R s   (III.20)
nKT nKT   V mp 
  nKT   V mp 

Dans les applications pratiques des panneaux photovoltaïques, la tension en circuit ouvert Voc
est généralement donnée ou mesurable dans des conditions de test standard.
A partir des résultats expérimentaux, nous constatons que la tension Vmp des panneaux
photovoltaïques fonctionnant à la MPP est près linéairement proportionnelle à la
tension en circuit ouvert Voc des panneaux photovoltaïques exploité sous diverses conditions
environnementales (température, éclairement).
51
La conclusion est que la caractéristique Vmp / Voc reste presque constante avec l'augmentation
de l'intensité d'irradiation.
D'autre part, le Voc et Vmp des panneaux photovoltaïques diminuent tous les deux linéairement
avec l'augmentation de la température.
La tension Vmp peut être écrite comme suit :
Vmp  m .Vco (III.21)
La valeur de Vmp peut être calculée directement à partir de l'équation (III.20). Puis, en utilisant
les valeurs calculées à partir de l'Eq. (III.21), on peut obtenir directement le PPM de PV en
temps réel.
Lorsque nous appliquons la méthode de prédiction directe pour un système PV connecté en

parallèle, l'équation (III.20) peut être modifiée, en remplaçant l'équation (III.21) dans l'équation
(III.20) et cela donne:
q q  Vs IT   q  V I 
1 mV oc    R s  exp   V oc  mV oc  s T R s   (III.22)
nKT nKT   mV oc   nKT   mV oc 
Où q et k sont des constantes.
Dans ce travail, l'efficacité de la conservation de puissance η sera considérée comme constante

et nous avons prés en η=99%. Par conséquent, à partir de l'Eq. (III.22), nous pouvons évaluer
directement la valeur m, puis à estimer la Vmp le PPM des panneaux photovoltaïques en
utilisant l'Equation (III.21).
Par la suite, nous développons une méthode pour estimer le courant et la puissance de sortie des
panneaux photovoltaïques fonctionnant à la PPM. Lorsque la tension de sortie V est égale à
zéro, le Isc courant de court-circuit est donné par [30]
  q I sc R s   
I sc  I g  I sat  exp    1 (III.23)
  nKT  
Et le courant Imp à la PPM est donné par :
52
  q V mp  I mp R s  
I mp  I g  I sat  exp    1
  nKT  
(III.24)
 q I sc R s    q V mp  I mp R s 
 I sc  I sat exp    I sat exp  
 nKT   nKT 
En substituant les équations (III.13) et (III.15) dans l'équation (III.24), Imp est exprimée par :
  q V mp  V oc   q I mp R s  
I mp  I sc 1  exp   exp   (III.25)
  nKT   nKT  
Où:
 I  q
ln  1  mp   V mp  V oc  I mp R s  (III.26)
 I sc  nKT
Le facteur d'idéalité de la diode, qui est défini comme n, peut être calculé par l'équation (III.14).
Cela signifie que, avec l'équation (III.26), nous pouvons convertir Imp dans une quantité
mesurable. Ainsi, en utilisant les équations. (III.14) et (III.23), la tension de sortie Vpv peut être
décrite comme une fonction de la sortie Ipv en cours avec le Voc paramètres du circuit, Isc,
Vmp, et Imp donnée dans l'équation suivante en tant que:
 I pv R s  V mp I mp R s  1   I pv 
V pv  V oc 1    1   ln  1    (III.27)
 V oc  V oc V oc  ln 1  I mp I sc   I sc  
Enfin, la puissance de sortie Ppv générée à partir des générateurs photovoltaïques est exprimée
en fonction de la sortie de courant Ipv et la tension de sortie Vpv. Ensuite, les caractéristiques
P-I de panneaux photovoltaïques peuvent être calculée en :
Ppv  V pv  I pv
(III.28)
 I pv R s   V mp I mp R s  1   I pv 
 I pv  V oc 1     1   ln  1   
 V oc   V oc V oc  ln 1  I mp I sc   I sc  
Les valeurs de Voc, Isc, et Rs sont obtenues à partir des fiches techniques pour les panneaux
photovoltaïques, tandis que les valeurs de Vmp et Imp sont mesurées dans des situations
diverses, telles que différentes combinaisons d'intensités d'irradiation et des températures.
53
III.5 Conclusion :
En résumé, il est facile d'estimer le PPM de sortie des panneaux photovoltaïques, en utilisant
notre méthode de prédiction basée sur le mécanisme de recombinaison de jonction p-n. Cela
garantit que l'efficacité d'utilisation maximale et la puissance maximale sont obtenues dans des
applications pratiques.
La méthode proposée est une nouvelle approche et simple avec une charge de calcul moindre,
ce qui peut être utilisé pour déterminer directement la puissance maximale du panneau.
Cette méthode de prédiction directe pourrait être appliquée à l'algorithme MPPT pour tous types
des panneaux photovoltaïques. On s'attend à ce que avec l'utilisation de la méthode proposée,
nous puissions atteindre une puissance maximale en temps réel et à augmenter
considérablement la puissance de sortie des panneaux photovoltaïques dans un système de
production d'énergie solaire.
54
CHAPITRE IV
RESULTATS DE SIMULATION
Chapitre IV Résultats de simulation
IV.1 Introduction
La méthode de prédiction est basée sur la théorie de la jonction p-n à semi-conducteur de

cellules solaires. À la fois la température et les caractéristiques d'intensité d'irradiation des
panneaux photovoltaïques sont prises en compte, la méthode de prédiction directe proposée est
non seulement capable de diminuer le temps de localisation du PPM et de la perte d'énergie,
mais aussi d'augmenter l'utilisation d'énergie.
IV.2 Résultats de simulation
IV.2.1 Evaluation des performances en fonction de la résistance série
Dans cette partie, la caractéristique courant-tension d’une seule cellule solaire avec différentes
résistances série est examinée.
Dans cette simulation numérique, les paramètres de la jonction p-n de la cellule solaire sont
comme suit :
 Ig = 100 mA (Photo courant),

 Isat =1 nA (Courant inverse de saturation de la diode),
 n = 1 (Facteur d’idéalité de la diode).
Les résultats de simulation mathématique, quand (Ig = 100 mA), (Isat = 1nA), et (T = 300 k),
avec (Rs = 0, 1, 3 et 5 Ohm), sont représentées sur la figure (IV.1).
La figure (IV.1) indique que la tension en circuit ouvert Voc, et le courant de court-circuit Isc,
de la cellule solaire avec Rs = 0 Ohm sont 0.47 V et 100 mA respectivement.
La figure (IV.1) montre l’influence de la résistance série sur la caractéristique de la cellule.

Celui-ci se traduit par la diminution de la pente (Ipv – Vpv) dans la zone ou la cellule fonctionne
comme générateur de tension pratiquement constant, et qui ne modifie pas la tension du circuit
ouvert, et lorsque la résistance Rs est élevée, elle diminue la valeur de courant de court-circuit.
La puissance maximale de la cellule solaire, avec les différentes valeurs de Rs (Rs = 0, 1, 3 et

5 Ohm) est calculée par les deux équations (III.20) et (III.24).
55
Le facteur de remplissage (FF) qui est exprimée en :
 FF = (Imp.Vmp) / (Isc.Voc) = Pmp / (Isc.Voc).
Les résultats des simulations mathématiques sont également inclus dans le tableau 1.
Tableau 1
Rs (Ohms) Isc (mA) Voc (V) Pmp (mW) FF(%)

0 100 0.47 37.7 80.2
1 100 0.47 29.2 56.7
3 100 0.47 16.3 34.4
5 85 0.47 10.5 22.3
Influence de la résistance série sur la caractéristique Ipv = f(Vpv)

0.1
0.09
0.08
0.07
0.06
I [A]
0.05
0.04
0.03
0.02 0 ohm
1 ohm
0.01 3 ohm
5 ohm
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
V [V]
Figure IV.1. Caractéristique Ipv=f(Vp).
56
Les points de la puissance maximale sont marqués par des cercles, figure (IV.2)
Influence de la résistance série sur la caractéristique Ppv=f(Vpv)

0.04
(1) 0 ohm
0.035 (2) 1 ohm
(3) 3 ohm
(4) 5 ohm (1)
0.03
0.025 (2)
P [W]
0.02
0.015
(3)
0.01
(4)
0.005
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
V [V]
Figure IV.2. Caractéristique Ppv=f(Vp)
La résistance série agit sur la pente de la caractéristique dans la zone où la photodiode se

comporte comme un générateur de tension, et lorsqu’elle est élevée, elle diminue la valeur de
courant de court-circuit.
IV.2.2 Evaluation des performances en fonction de l’éclairement
Les figures IV.3, IV.4 représentent respectivement le courant et la puissance en fonction de la

tension des courbes de panneau photovoltaïque à 25 ° C de différents éclairements. Les points
indiqués par des cercles dans les courbes représentent la puissance maximale estimée par la
méthode de prédiction discutée dans le chapitre III.
57
Cractéristique Ipv=f(Vpv)
5
I [A]
600w/m²
1
800w/m²
1000w/m²
0
0 5 10 15 20 25 30 35 40
V [V] variable et température constante.
Figure IV.3. Caractéristique Ipv=f(Vp) à éclairement
Cractéristique Ppv=f(Vpv)
250
600w/m²
200 800w/m²
1000w/m²
150
P [W]
100
50
0 5 10 15 20 25 30 35
V [V]
Figure IV.4. Caractéristique Ppv=f(Vp) à éclairement variable et température constante
On constate que l’augmentation de l’éclairement provoque une augmentation du courants, mais

il ya une légère augmentation de la tension du circuit ouvert.
58
La tension Voc (circuit ouvert), et le courant Isc (court circuit) du panneau photovoltaïque sont
36.83V et 7.86 A respectivement. Ils sont obtenus sous les conditions de mesure standard
suivantes :
G=1000 W/m2 AM=1.5G T= 25°C
Le panneau photovoltaïque dans cette expérience est constitué de 60 cellules montées en série.
Le photocourant Ig généré par la lumière, et le courant inverse de saturation Isat obtenus sous
ces conditions sont 7,94 A, et 13,7 µA.
Le facteur d’idéalité « n » de la diode peut être calculé par l’équation (III.14), en utilisant cette
équation, on obtient le facteur d’idéalité « n =1.8». En outre, nous voulons aussi étudier l’effet
de différents éclairements sur le panneau photovoltaïque.
Le tableau (2) résume l’influence de l’éclairement sur Voc, Vmp et (Vmp/Voc) pour le panneau
photovoltaïque à une température de 25 ° C. En outre, deux indices de performance de
prédiction sont utilisés pour mesurer les performances de prédiction de la méthode étudiée, et
ils sont définis comme suit :
1- Erreur de prédiction : ΔVmp = Vmp (méthode de prédiction directe) −Vmp (résultat Expérimental)
2- Erreur de prédiction en pourcent (Vmp/Voc)
⎡ (méthode de prédiction directe) − (résultat Expérimental) ⎤

⎢ ⎥
=⎢ ⎥ × 100%
⎢ (résultat Expérimental) ⎥
⎣ ⎦
Les résultats de test pour ces deux indices de performance sont également inclus dans le tableau
(2). On peut voir que les valeurs de la tension en circuit ouvert Voc et la tension Vmp au point
de la puissance maximale, augmentent en raison de l'augmentation de l’éclairement, mais les
valeurs du rapport Vmp/Voc reste presque la même à 0,8144, et ne s’affectent pas par les
variations de l'intensité d'irradiation.
Les valeurs moyennes de la ΔVmp (erreur de prédiction) et l'erreur de prédiction en pourcent

(Vmp/Voc) pour les tensions réelles et estimées de puissance maximale des panneaux
photovoltaïques sont « 0,025 V » et « 0,08% », respectivement. Cela confirme que la tension
59
Vmp à la PPM des panneaux photovoltaïques, peut être simplement et précisément estimée en
utilisant la méthode de prédiction directe.
Cractéristique Ppv=f(Ipv)
250
600w/m²
200 800w/m²
1000w/m²
150
P(W)
100
50
0 1 2 3 4 5 6 7 8 9
I(V)
Figure IV.5. Caractéristique à éclairement variable et température constante Ppv=f(Ipv).
60
Les caractéristiques calculées du panneau photovoltaïque sont illustrées dans les tableaux 2, et 3
Méthode directe de Indices de performance de

Les résultats expérimentaux
Intensité de prédiction prédiction
rayonnement Erreur De % Erreur de
(W/m2) Vco (V) Vmp (V) Vmp/Vco Vmp (V) Vmp/Vco Prédiction: Prédiction
∆Vmp (V) Vmp/Vco
1000 36.828 29.991 0.8144 30.015 0.8150 0.024 0.07
800 36.459 29.692 0.8144 29.678 0.8139 -0.019 -0.06
600 36.018 29.334 0.8144 29.312 0.8135 -0.033 -0.11
Tableau 2: Les caractéristiques calculées du panneau.
Les résultats des tests ont été expérimentalement mesurés et estimée par la méthode directe de
prédiction, respectivement.
Des expériences ont été également effectuées avec trois éclairements à la même température de
25 ° C. Les résultats du test de l’influence de l’éclairement sur le courant Isc, Imp et ( ) des
panneaux photovoltaïques sont illustrés dans le tableau (3). En outre, deux indices de
performance de prédiction sont utilisés pour mesurer les performances de prédiction de la
méthode étudiée, et ils sont définis comme suit :
1- Erreur de prédiction ΔImp = Imp (méthode de prédiction directe) −Imp (résultat Expérimental)
2- Erreur de prédiction en pourcent (Imp/Isc) :
⎡ (méthode de prédiction directe) − (résultat Expérimental) ⎤

⎢ ⎥
=⎢ ⎥ × 100%
⎢ (résultat Expérimental) ⎥
⎣ ⎦
D'après le tableau (3), on peut voir clairement que le courant Imp actuel du PPM est
proportionnel à la puissance maximale du panneau solaire à une température constante. En
outre, les valeurs de courant de court-circuit Isc, le courant Imp du PPM, et le rapport de
(Imp/Icc) sont tous en corrélation avec des niveaux d'intensité d'irradiation. Le court-circuit Icc
augmente linéairement de 4,763 à 7,938 A à la concentration de porteurs minoritaires en raison
de l'augmentation de l'intensité d'irradiation. Cependant, il est constaté que les rapports de Imp
/ Icc reste proche de la valeur moyenne 0,9335, et ne s’affecté pas par les variations de l'intensité
d'irradiation.
61
Les valeurs moyennes de l’erreur de prédiction ΔImp et l'erreur de prédiction en pourcent

(Imp/Isc) entre les courants réels et estimés de la puissance maximale des panneaux
photovoltaïques est de 0,004 A et 0,063%, respectivement.
Les données indiquent que les estimations de (Imp) et (Imp/Icc) obtenus en utilisant la méthode
de prédiction directe sont précis avec peu d'erreur.

Intensité de prédiction prédiction
rayonnement Erreur De % Erreur de
(W/m2) Icc (A) Imp (A) Imp/Icc Imp (A) Imp/Icc Prédiction: Prédiction
∆Imp (A) Imp/Icc
1000 7.938 7.409 0.9334 7.402 0.9325 -0.007 -0.10
800 6.351 5.927 0.9332 5.921 0.9336 0.002 0.04
600 4.763 4.448 0.9338 4.451 0.9344 0.003 0.06
La figure IV.5 montre les courbes caractéristiques de Ppv=f(Ipv) pour les panneaux
photovoltaïques calculées en utilisant l'équation (III.28) pour les données expérimentales sous
des différents éclairements et une température de 25 ° C.
La comparaison des résultats calculés avec les résultats expérimentaux dans la figure IV.5
montre que les deux sont assez similaires. Ces résultats expérimentaux vérifient que les courants
de puissance maximale des panneaux photovoltaïques peuvent également être estimés avec
précision par la méthode de prédiction directe étudiée.
62
IV.2.3 Evaluation des performances en fonction de la température
Les figures IV.6, et IV.7 représentent respectivement le courant et la puissance en fonction de

la tension des courbes de panneau photovoltaïque à éclairement 1000W/m2 de différentes
températures. Les points indiqués par des cercles dans les courbes représentent la puissance
maximale estimée par la méthode de prédiction.
Caractéristique Ipv=f(Vpv)
5
I [A]
2
0°C
25°C
1 50°C
75°C
0
0 5 10 15 20 25 30 35 40
V [V]
Figure IV.6. Caractéristique Ipv=f(Vp) à éclairement constant et température variable.
En examinant la figure IV.6, on constate que les performances du panneau photovoltaïque sont
affectées par la température, la tension de panneau photovoltaïque diminue lorsque la
température augmente. La diminution de la température dépend de la tension en circuit ouvert
et la bande interdite du matériau semi-conducteur utilisé pour la conception de la cellule
photovoltaïque.
A partir de la [figure IV.3] et de la [figure IV.6], on peut observer que les variations de
l’éclairement affectent principalement le courant de sortie de panneau, tandis que les
changements de la température influent essentiellement sur la tension de sortie du PV.
63
Caractéristique Ppv=f(Vpv)
250 0°C
25°C
50°C
200 75°C
150
P [W]
100
50
0
0 5 10 15 20 25 30 35 40
V [V]
Figure IV.7. Caractéristique Ppv=f(Vp) à éclairement constant et température variable.
Le tableau 4 montre que la température dépend de la tension Voc, Vmp et Vmp / Voc pour un
éclairement de 1000 W/m2. Les effets de la température sur les deux indices de performance
(l'erreur de prédiction ΔVmp(V) et l'erreur de prédiction Vmp / Voc) sont également résumées
dans le tableau 3. Lorsque la température augmente, cela entraîne non seulement une diminution
rapide de la Voc 39,774 à 30,936, mais aussi à une diminution du rapport Vmp/Voc. Les valeurs
moyennes de l’erreur de prédiction ΔVmp et l'erreur de prédiction Vmp/Voc (%) pour le
panneau photovoltaïque sont 0,169 V et 0,61%, respectivement. La petite erreur de prédiction
et l’erreur de prédiction en pourcent de la tension PPM des panneaux photovoltaïques montrent
que la méthode étudiée offre une performance assez bonne.
64

prédiction prédiction
Température
Erreur De Erreur de
(°C)
Vco (V) Vmp (V) Vmp/Vco Vmp (V) Vmp/Vco Prédiction Prédiction
∆Vmp (V) Vmp/Vco(%)
0 39.774 32.394 0.8145 32.594 0.8183 0.155 0.48
25 36.828 29.991 0.8144 30.015 0.8150 0.024 0.08
50 33.882 27.571 0.8137 27.309 0.8060 -0.262 -0.95
75 30.936 25.161 0.8133 24.925 0.8057 -0.236 -0.94
Caractéristique Ppv=f(Ipv)
250
0°C
25°C
50°C
200 75°C
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
Figure IV.8. Caractéristique à température variable et éclairement constant Ppv=f(Ipv).
La figure IV.8 montre les courbes caractéristiques du générateur photovoltaïque des données
expérimentales et calculées par l'équation (III.28). Dans ce cas, différentes températures sont
utilisées pour un éclairement fixé à 1000 W/m2. Les symboles vides et les lignes en pointillés
indiquent les résultats expérimentaux et calculées Ppv=f (Ipv) de la courbe caractéristique. Les
65
symboles en cercles dans la figure IV.8 indiquent les points de puissance maximale de panneau
photovoltaïque à des différentes températures.
L’influence de la température, sur Isc, Imp, et (Imp/Icc) pour le panneau photovoltaïque sous
un éclairement de 1000 W/m2 est résumée dans le tableau 5.

prédiction prédiction
Température
Erreur De Erreur de
(°C)
Icc (A) Imp (A) Imp/Icc Imp (A) Imp/Icc Prédiction: Prédiction
∆Imp (A) Imp/Icc(%)
0 7.779 7.230 0.9294 7.175 0.9224 -0.055 -0.76
25 7.938 7.409 0.9334 7.402 0.9325 -0.007 -0.09
50 8.097 7.571 0.9350 7.608 0.9396 0.037 0.49
75 8.256 7.730 0.9363 7.788 0.9433 0.058 0.75

Lorsque la température commence à augmenter, les longueurs de diffusion, et les durées de vie
des porteurs minoritaires augmentent également. En outre, l'augmentation de la longueur de
diffusion des porteurs minoritaires a un impact positif sur le photocourant Ig. Non seulement le
courant de court-circuit "Icc" augmente de 7,779 à 8,256 A, le rapport (Imp/Icc) augmente
également de 0,9294 à 0,9363 A, en raison de l'augmentation de la température. En utilisant la
méthode de prédiction directe, on obtient les valeurs moyennes de l'erreur de prédiction
« ΔImp » et l'erreur de prédiction en pourcent « Imp / Isc » entre le courant réel et estimé de
l'énergie maximale, qui sont 0,039A et 0,52%, respectivement. Les résultats indiquent que la
méthode proposée peut obtenir une estimation précise de la PPM des panneaux photovoltaïques
aux variations de l'environnement tels que la température. En comparant les résultats calculés
avec les résultats expérimentaux de la figure IV.8, nous pouvons clairement voir qu'ils sont
identiques.
66
CHAPITRE V
SIMULATION
PAR
RESEAUX DE NEURONES ARTIFICIELS
55
Chapitre V Simulation par réseaux de neurones artificiels.
V-1 Introduction :
Au cours de ces dernières décennies, il est apparu un ensemble de disciplines fortement

interdépendantes, portant sur le traitement de l’information, la théorie de la décision et les
méthodes de reconnaissances des formes en l’occurrence les réseaux de neurones. Ils
constituent une méthode connexionniste intéressante pour l'analyse et la synthèse des systèmes
demandant un traitement parallèle et un processus d'adaptation à un environnement changeant
[30]. Leurs champs d'applications est beaucoup élargi et étendu à plusieurs domaines, en
particulier dans: la reconnaissance des formes, l’approximation des fonctions, le traitement
d'image, la reconnaissance de la parole, la classification, l’estimation, etc.
Les réseaux de neurones artificiels sont des réseaux fortement connectés de processeurs
élémentaires fonctionnant en parallèle. Chaque processeur élémentaire calcule une sortie
unique sur la base des informations qu'il reçoit. [31].
Tout au long de ce chapitre, nous allons essayer d’éclairer les concepts généraux des réseaux
de neurones, en particulier le réseau de neurones artificiels MLP (Multi Layer Perceptron) et le
réseau artificiel RBF (Radial Basis Function), et donner un court aperçu sur l’architecture de
ces deux types de réseau neurones artificiels, finalement une étude comparative des résultats
obtenus en utilisant ces réseaux.
V-2 Réseaux de neurones artificiels.
V-2.1 Perceptron multicouches (MLP).
V-2.1.1 Architecture
Tout type de réseaux de neurones est constitué de cellules (ou neurones), connectées entre elles
par des liaisons affectées des poids. Ces liaisons permettent à chaque cellule, de disposer d’un
canal pour envoyer et recevoir des signaux en provenance des autres cellules du réseau.
Le réseau artificiel MLP (Multi Layer Perceptron) est composé d'une couche d'entrée, une
couche de sortie et une ou plusieurs couches cachées [32]. Les éléments de deux couches
adjacentes sont interconnectés par des poids assurant la liaison des différentes couches comme
le montre la Figure V.1. Les poids déterminent l’impact sur les cellules qu’elle connecte.
Chaque cellule dispose une entrée, qui lui permet de recevoir l’information des autres cellules,
et une fonction d’activation.
67
Vecteur de
sortie calculée
y1 z1
x1 w1.1 u1.1
x2 z2
yM
zj
xN
u1.J
w1.N
Couche Couche Couche
d’entrée cachée de sortie
Figure V.1 : Architecture d’un réseau de neurones artificiels MLP.
wnm représente les poids reliant la couche d'entrée avec la couche cachée ;
umj représente les poids reliant la couche cachée avec celle de la sortie.
Les composants du vecteur d'entrée « X » du MLP seront pondérés par les poids wnm et ensuite
transmis à la couche cachée selon les équations suivantes [33] :
= ∑ (V.1)
= ( ) (V.2)
Les sorties de la couche cachée seront aussi pondérés par les poids Umj et transmis ensuite à la
couche de sortie selon les équations suivantes :
= ∑ (V.3)
= ( )
f et g représentent respectivement les fonctions d'activations des neurones de la couche cachée
et celle de la couche de sortie. Pour notre cas, elles sont des fonctions sigmoïdes et linéaires.
La fonction sigmoïde est définie par l’équation :
( ) = 1⁄[1 + exp(− )]. (V.4)
Sa dérivée est :
′( ) = . ( )[1 − ( )]. (V.5)
68
V-2.1.2 Algorithme d'apprentissage
L'apprentissage consiste à adapter les valeurs des poids afin d'obtenir le comportement désiré
du MLP. Pour cela, on a besoin d’une base de données, constitué d'un vecteur d'entrée et d'un
vecteur de sortie approprié. Un algorithme d'apprentissage connu sous le nom d'algorithme de
rétropropagation du gradient a été mis en place en 1986 par Rumelhart et al. [34].
Ainsi l'adaptation des poids Umj qui relient la couche cachée à celle de la sortie est donné par :
( ) ( ) ′
= + − . ( ) (V.6)
La mise à jour des poids wnm reliant la couche d'entrée à la couche cachée est donné par :
( ) ( ) ′
= + . ∑ , − . ( ′( ))( ) (V.7)
, et sont les pas d'apprentissages.
V-2.1.3 Mise en œuvre de réseau de neurone MLP :
Nous allons suivre une démarche qui se compose par les étapes suivantes, pour concevoir le
réseau de neurones artificiels MLP :
1- Fixer le nombre de couches cachées, l’architecture utilisée est comme suit : une
couche d’entrée, deux couches cachées, et une couche de sortie.
2- Le nombre de neurones par couches :
 La couche d’entrée : contient autant que la dimension du vecteur
d’entrée.
 Les couches cachées : le nombre de neurones dans ces couches est
déterminé d’après une étude d’optimisation.
3- Déterminer la fonction d’activation : nous considérons la fonction sigmoïde pour la
première couche cachée, la deuxième couche cachée de sortie sont des fonctions
linéaires, la fonction sigmoïde est donnée par l’équation (V.4).
4- Le choix de l’apprentissage : l’algorithme de rétro-propagation est utilisé pour
déterminer les paramètres d’apprentissage et l’ajustement des poids synaptiques à
chaque itération.
69
V-2.2 Réseau neurones à Fonction Radiale de Base « RBF »

V-2.2.1 Architecture.
Introduit par Powell et Broomhead [34], le réseau RBF (Radial Basis Function) fait partie des
réseaux de neurones supervisés. Il est constitué de trois couches (Figure V.2): une couche
d'entrée, une seule couche cachée contient les neurones artificiels, qui sont représentés par des
fonctions gaussiennes, et une couche de sortie.
Vecteur de
sortie calculée
C1, z1
x1 1.1
x2 z2
zj
xN
m.J
C.m,
Couche Couche Couche
d’entrée cachée de sortie
Figure V.2 : Architecture d’un réseau de neurones RBF.

Ce réseau est constitué de « M » neurones dans la couche cachée et « J » Neurones de sortie.
La sortie du « mieme » neurone de la couche cachée est donnée par la fonction gaussienne
suivante :
( ) ( )
= exp − − (2 ) , (V.8)
Cm : est le centre du mième neurone de la couche cachée,

: est la largeur du mième gaussienne.
La sortie du jième neurone de la couche de sortie est donnée par:
= 1
( ) ( )
. [∑( , ) ] (V.9)
m = 1,.., M, et j=1,…, J.
mj sont les poids reliant la couche cachée à la couche de sortie.
Les paramètres à déterminées pour le réseau RBF sont :
70
Centres
Apprentissage non supervisé
Largeur
Poids  Apprentissage Supervisé
V-2.2.2 Algorithme d'apprentissage du réseau RBF
L'apprentissage du réseau RBF a été présenté pour la première fois par Moody et Darken [35].
Il consiste à régler quatre paramètres principaux: le nombre de neurones dans l’unique couche
cachée ou le nombre des gaussiennes, la position des centres de ces gaussiennes, la largeur de
ces gaussiennes et les poids de connexions entre les neurones cachés et le(s) neurone(s) de
sortie.
Une fois les centres (Cm) et les largeurs ( ) sont déterminés par l’algorithme de la
quantification vectorielle (competitive learning), le problème devient alors linéaire. Pour
déterminer les poids ( ) le réseau RBF consiste à minimiser l'erreur quadratique totale E
obtenue par la différence de la sortie estimée et celle désirée, l’erreur quadratique est donnée
par :
( ) ( )
= ∑ ∑ ( − ) (V.10)
Après avoir défini la fonction d'erreur, le réseau RBF utilise la méthode de descente de gradient
mis en œuvre pour minimiser l'erreur E.
 = 0, ∀ (V.11)
V-3 Résultats de simulation :
Dans cette partie nous avons utilisé la base de données définit dans les chapitres précédents,
pour créer le modèle d’un réseau de neurones, on aura besoin de repartitionner la base de
données en trois sous ensembles, apprentissage, validation, et test. Pour cela nous avons réservé
30% de la base de données pour l’ensemble de test, 30% pour l’ensemble de validation et 40%
pour l’apprentissage de notre modèle.
Cette section de ce chapitre discute les résultats de validation de notre modèle obtenu par les
deux types de modèles de réseaux de neurones utilisés « MLP » et « RBF », ainsi que les
résultats obtenus après l’application de ces deux modèles sur le sous ensemble de test, et
71
finalement une étude comparative des résultats obtenus par les réseaux de neurones et la
méthode de prédiction discutée dans le chapitre III.
Pour l’effet d’éclairement, nous allons utiliser comme données d’entrée le courant, la tension,
la température 25°C, et un éclairement qui vari entre 600, 800, et 1000 W/m2. Les données de
sortie nous allons utiliser la puissance calculée par la méthode prédiction comme données de
sortie désirées.
V-3 .1 Résultats de validation (Effet de l’éclairement):
V-3 .1.1 Résultats MLP
Pour l’apprentissage de réseau MLP nous avons choisi l’architecture suivante : Deux couches
cachées, dans chacune nous avons variés le nombre de neurones afin de trouver le nombre de
neurones optimal dans chaque couche.
La fonction de transfert de la première couche cachée est la fonction « Log-sigmoïde », la

deuxième couche cachée et la couche de sortie sont des fonctions linéaires « purelin ».
Les résultats des simulations sont également inclus dans le tableau 1.
NC1
NC2
43 44 45 46 47 48 49 50
43 2,063 26,228 5,144 8,086 2,357 1,175 2,426 1,070

44 13,566 30,177 15,568 4,438 14,084 13,276 0,625 0,543
MSE de Validation
45 0,344 0,442 1,980 19,743 0,758 25,819 7,024 15,197
46 0,818 1,505 6,557 9,025 0,827 0,374 1,114 0,909
47 5,474 0,563 1,451 5,612 0,686 2,595 3,042 1,272
48 2,884 19,270 0,096 12,955 1,051 1,916 18,334 6,122
49 1,124 1,885 0,219 0,726 1,594 0,372 4,823 3,427
50 0,437 0,654 1,480 18,751 0,695 9,680 1,697 0,318
Tableau 1 : Le MSE de validation en fonction de changement de nombre de neurones
NC1 : Nombre de neurones dans la 1ère couche cachée.
NC2 : Nombre de neurones dans la 2ème couche cachée.
72
La valeur de MSE validation encadrée en gras dans le tableau ci-dessus, représente

respectivement le meilleur MSE correspond au nombre de neurones optimal dans la 1ère couche
cachée « NC1 = 45 Neurones», et le nombre de neurones optimal dans la 2ème couche cachée
« NC2 = 48 Neurones».
Les figures V.1, V.2 représentent respectivement le MSE de validation en fonction de

changement de nombre de neurones dans la 1ère couche cachée la 2ème couche cachée.
La variation de MSE de validation en fonction de nombre de neurones premiere couche

20
MSE en fonction de nbr de neurones
18 MSE optimal=0.0964 , Nbr opt=45
16
14
MSE de Validation
12
10
30 32 34 36 38 40 42 44 46 48 50
Nombre de Neuronnes 1er
ère couche
Nombre de neurones dans la 1 couche cachée.
Figure V.1 : Le MSE de validation en fonction de changement de nombre de neurones dans

la 1ère couche cachée.
73
La variation de MSE de validation en fonction de nombre de neurones deuxieme couche

20
16
14
MSE de Validation
12
10
30 32 34 36 38 40 42 44 46 48 50
Nombre de Neuronnes 2eme
eme couche

la 2eme couche cachée.
Cette architecture optimale sera appliquée sur l’ensemble de test.
V-3 .1.2 Résultats RBF (Effet de l’éclairement) :
L’apprentissage de réseau RBF se fait en déterminant le nombre de neurones optimal dans

la couche cachée et la largeur « Sigma » de la fonction gaussienne (la fonction d’activation de
la couche cachée). Le tableau suivant montre les résultats de validation sur lesquels nous avons
choisi l’architecture optimale de réseau RBF (Nombre de neurones optimal et le Sigma
optimal).
Les résultats obtenus sont également inclus dans le tableau (2).
74
Nbr de neurones Sigma MSE de Validation

38 39.9 0.0008
39 28 0.0033
40 28.5 0.0030
41 27.4 0.0037
42 40 0.0008
43 29.6 0.0025
44 39.6 0.0008
45 27.9 0.0034
46 31.4 0.0019
Tableau 2 : le MSE de validation en fonction de changement de nombre de neurones et

Sigma.
Dans le tableau ci-dessus la case encadrée en gras représente le meilleur MSE de validation
correspond aux nombre de neurones (42) et valeur de sigma optimal (40).
La figure V.3 montre les variations de MSE de validation en fonction de changement de nombre
de neurones.
-3-3
10
La variation de MSE de validation en fonction de nombre de neurones
x X10
4 MSE en fonction de nbr de neurones

MSE optimal=0.0008 , Nbr opt=42
3.5
3
MSE de Validation
2.5
1.5
0.5
0
38 39 40 41 42 43 44 45 46 47
Nombre de Neuronnes dans la couche cachée
Nombre de neurones dans la couche cachée.
Figure V.3: Le MSE de validation en fonction de changement de nombre de neurones dans la
couche cachée.
75
V-3 .2 Résultats de validation (Effet de la température)
V-3 .2.1 Résultats MLP
Pour l’apprentissage de réseau MLP nous avons choisi l’architecture suivante : Deux couches
cachées, dans chacune nous avons variés le nombre de neurones afin de trouver le nombre de
neurones optimal dans chaque couche.
La fonction de transfert de la première couche cachée est la fonction « Log-sigmoïde », la

deuxième couche cachée et la couche de sortie sont des fonctions linéaires « purelin ».
NC1
NC2
44 45 46 47 48 49 50
40 1,013 25,178 4,094 7,036 1,307 0,125 1,376

41 12,561 29,172 14,563 3,433 13,079 12,271 1,63
MSE de Validation
42 1,349 1,447 0,975 18,738 1,763 24,814 6,019
43 1,823 0,5 5,552 8,02 1,832 1,379 0,109
44 4,469 1,568 0,446 4,607 1,691 1,59 2,037
45 1,879 18,265 1,101 11,95 0,046 0,911 17,329
46 0,119 0,88 1,224 1,731 0,589 1,377 3,818
47 1,442 1,659 0,475 17,746 1,7 8,675 0,692
Tableau 1 : Le MSE de validation en fonction de changement de nombre de neurones
La valeur de MSE validation encadrée en gras dans le tableau ci-dessus, représente le meilleur
MSE correspond au nombre de neurones optimal dans la 1ère couche cachée « NC1 = 48
Neurones», et le nombre de neurones optimal dans la 2ème couche cachée « NC2 = 45
Neurones».
Les figures V.4, V.5 représentent respectivement le MSE de validation en fonction de

changement de nombre de neurones dans la 1ère couche cachée la 2ème couche cachée.
76

20
MSE de validation en fonction de nbr de neurones 1er couche cachée
16
14
MSE de Validation
12
10
0
44 45 46 47 48 49 50
Nombre de Neuronnes dans la 1er
èrecouche cachée

la 1ère couche cachée.

14
MSE de validation en fonction de nbr de neurones 2eme couche cachée
12
10
MSE de Validation
0
40 41 42 43 44 45 46 47
Nombre de Neuronnes dans la 2eme
Nombre de neurones dans la 2 eme couche cachée
couche cachée.

la 2eme couche cachée.
77
V-3 .2.2 Résultats RBF
NC
Sigma 38 39 40 41 42 43 44 45 46
48.6 0,00674 0,00559 0,00558 0,00587 0,00587 0,00584 0,00584 0,00582 0,00554
48.8 0,02258 0,04577 0,00813 0,01085 0,00971 0,01368 0,01320 0,01319 0,01319
MSE de Validation
49 0,03971 0,03971 0,00161 0,00047 0,00047 0,00047 0,00048 0,00048 0,00048
49.2 0,00727 0,00475 0,00526 0,00518 0,00518 0,00422 0,00422 0,00428 0,00428
49.4 0,00203 0,00002 0,00017 0,00018 0,00017 0,00018 0,00008 0,00008 0,00008
49.6 0,00591 0,00514 0,00508 0,00506 0,00594 0,00552 0,00537 0,00537 0,00479
49.8 0,04422 0,00556 0,00552 0,00421 0,00429 0,00423 0,00424 0,00759 0,00759
50 0,01730 0,01477 0,00427 0,00428 0,00425 0,00425 0,00447 0,00449 0,00449
Tableau 4: Résultats de la validation on fonction de nombre de neurones et Sigma.
Le tableau ci-dessus montre les résultats de la validation obtenus en fonction de changement de

nombre de neurones et la valeur de Sigma, la case en gras indique la meilleure valeur du MSE
de validation qui correspond au nombre de neurones optimal égale à 39, et la valeur de Sigma
optimale égale à 49.4 comme il est illustré par la figure suivante :
-3
10
XLa
x 10
-3 variation de MSE de validation en fonction de nombre de neurones
2.5
2
MSE de Validation
1.5
0.5
0
38 39 40 41 42 43 44 45 46
Nombre de Neuronnes dans la couche cachée
Nombre de neurones dans la couche cachée.
Figure V.6 : le MSE de validation en fonction de nombre de neurones.
78
V-4 Résultats de test
V-4 .1 Effet d’éclairement
Après choisir l’architecture des réseaux de neurones optimale pour le MLP et le RBF, nous
allons les appliquées sur le sous ensemble réservé pour le test.
Les résultats obtenus sont comme suit :
MLP RBF
MSE TEST 0.0567 0.00038
Tableau 5: Résultats de comparaison entre MLP et RBF
V-4 .1.1 Résultat d’estimation par le réseau MLP
La puissance estimée en fct de la tention

250
eclr 600 W/m²
eclr 800 W/m²
eclr 1000 W/m²
200
PPM
La puissance estimée (W)
La puissance estimée
150
100
50
0
0 5 10 15 20 25 30 35 40
V [Volt]
Figure V.7 : La puissance estimée par le réseau MLP en fonction de la tension.
79
La puissance estimée en fct du courant

250
eclr 600 W/m²
eclr 800 W/m²
eclr 1000 W/m²
200
PPM
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
I [A]
Figure V.8 : La puissance estimée par le réseau MLP en fonction du courant.
V-4 .1.2 Résultat d’estimation par le réseau RBF :

250
eclr 600 W/m²
eclr 800 W/m²
eclr 1000 W/m²
200
PPM
estimée (W)
150
La puissance
100
50
0
0 5 10 15 20 25 30 35 40
V [Volt]
Figure V.9 : La puissance estimée par le réseau RBF en fonction de la tension.
80

250
eclr 600 W/m²
eclr 800 W/m²
eclr 1000 W/m²
200
PPM
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
I [A]
Figure V.10 : La puissance estimée par le réseau RBF en fonction du courant.
V-4 .2 Effet de la température
Après avoir choisis l’architecture des réseaux de neurones optimale pour le MLP et le RBF, nous allons
les appliquées sur le sous ensemble réservé pour le test.
MLP RBF
MSE TEST 0.091 0.0182
Tableau 6: Résultats de comparaison entre MLP et RBF
81
V-4 .2.1. Résultat d’estimation par le réseau MLP

250
Temp 0°C
Temp 25°C
Temp 50°C
200
Temp 75°C
PPM
150
100
50
0
0 5 10 15 20 25 30 35 40
V [Volt]

250
Temp 0°C
Temp 25°C
Temp 50°C
200
Temp 75°C
PPM
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
I [A]
82
V-4 .2.2. Résultats d’estimation par le réseau RBF

250
Temp 0°C
Temp 25°C
Temp 50°C
200
Temp 75°C
PPM
150
100
50
0
0 5 10 15 20 25 30 35 40
V [Volt]

250
Temp 0°C
Temp 25°C
Temp 50°C
200
Temp 75°C
PPM
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
I [A]
83
V-5. Etude comparative :
Dans cette partie nous allons étudier les résultats obtenus par la méthode de prédiction, le réseau
MLP, et le réseau RBF. Cette comparaison se fait en se basant sur la valeur des points de
puissances maximales estimées par les deux méthodes, comme montrer par les tableaux
suivants.
Le point de puissance maximale (W)
Méthode de
Eclairement Réseau MLP Réseau RBF
prédiction
600 W/m2 123,1055 123.0642 123.1025
800 W/m2 168,6931 168.7289 168.6749
1000 W/m2 215,2746 215.0286 215.2763
Tableau 7 : Résultats de comparaison obtenus (Effet de l’éclairement)
Le point de puissance maximale (W)
Méthode de
Température Réseau MLP Réseau RBF
prédiction
0°C 217,6729 217.0024 217.7523
25°C 201,2419 201.1277 201.1784
50°C 184,9528 184.8032 184.9344
75°C 168,8533 168.7421 168.8166
Tableau 8 : Résultats de comparaison obtenus (Effet de la température)
V-6. Conclusion :
Ce chapitre, présente brièvement dans la première partie, la définition des réseaux de neurones
artificiels, en particulier les deux réseaux de neurones artificiels utilisés, le réseau MLP et RBF.
La deuxième partie présente d’une manière expérimentale les résultats obtenus, en utilisant les
différentes méthodes de prédiction et d’estimation de la puissance maximale du panneau
photovoltaïque. Il ressort de toutes les simulations que nous avons effectuées que le réseau RBF
donne des résultats meilleurs par rapport au réseau MLP.
84
CONCLUSION
GENERALE
67
Conclusion générale
Conclusion générale
Au terme de ce modeste travail on peut dire que notre contribution a été axée sur
plusieurs aspects : Tout d’abord nous avons passé en revue assez générale sur la technologie
photovoltaïque, en rappelant son principe de fonctionnement, ces différentes filières
technologiques, et l’association des cellules dans un module photovoltaïque.
Dans la deuxième partie du mémoire, nous avons étudié la modélisation mathématique des
systèmes photovoltaïques, qui est dans notre cas réduite à celui du photogénérateur, élément clé
de la chaîne photovoltaïque. Elle est basée sur l’étude du schéma du circuit équivalent de quatre
cas possibles. Nous avons également présenté la modélisation ainsi que la simulation du modèle
choisi.
La résolution du problème du suivi du point de puissance maximale MPPT, qui est en fait un
problème à plusieurs paramètres (variables), tels que le courant, la tension, la température,
l’éclairement, la tension thermique … etc., en variation non linéaire, n’est pas une tâche facile.
Etant donné que le problème du suiveur du point de puissance maximale MPPT est un problème
d’optimisation non linéaire, nous avons utilisé la méthode de prédiction, et on peut dire que les
résultats obtenus sont très satisfaisants.
Nous avons établi des programmes de calculs sous MATLAB 7.10 qui nous ont permis
d’identifier les paramètres des cellules étudiées, de tracer la caractéristique I(V), et par suite de
calculer les différents points caractérisant la cellule: le courant de court circuit Icc, la tension
de circuit ouvert Vco, le point de puissance maximal PPM (Vm, Im), le facteur de forme FF, et
le rendement. Le travail effectué dans ce mémoire peut être généralisé à l’étude de
comportement électrique d’un panneau solaire en suivant les mêmes étapes citées dans le
quatrième chapitre.
L’utilisation des deux méthodes MLP et RBF par les réseaux de neurones ont montré une
grande convergence des résultats.
Espérant que l'approche proposée peut fournir une base théorique et des connaissances
physiques pour la conception des cellules solaires futures.
85
BIBLIOGRAPHIE
Références bibliographique
Références bibliographiques :
[1] BELLALA Djamel «Contribution à l’Optimisation des Systèmes de Conversion d’Energie.

Application aux Systèmes Photovoltaïques». Thèse de doctorat, Université de Batna, 2010.
[2] J. R. FANCHI, "Energy: Technology and Directions for the Future", Edition Elsevier
Academic Press, 2004.
[3] Helali Kamelia, «Modélisation d’une cellule photovoltaïque : Etude comparative».

Mémoire de magister en électrotechnique, Université de Mouloud Mammeri Tizi-Ouzou, 2012.
[4] Petibon Stéphane « Nouvelles architectures distribuées de gestion et de conversion de

l’énergie pour les applications photovoltaïques ». Thèse de doctorat, Université de Toulouse,
2009.
[5] Emilien PARBAILE « Contribution à l’optimisation des techniques de dépôts sous vide
de cellules solaires organiques». Thèse de doctorat, Université de Limoges, 2009.
[6] José Miguel Navarro « Cellules Photovoltaïques Organiques Transparentes Dans Le Visible
».Thèse de doctorat. Université Toulouse III - Paul Sabatier, 2008.
[7] L. de Schoulepnikoff et Gymnase Auguste Piccard « Quelle source d’énergie pour les vingt
prochaines années? ». Travail de maturité Alexandra Catana, 3M7, 2009.
[8] Vighetti Stéphane « Systèmes photovoltaïques raccordés au réseau : Choix et

dimensionnement des étages de conversion ». Thèse de doctorat, Université Grenoble, Institut
polytechnique de Grenoble, 2010.
[9] Angel Cid Pastor « Conception et réalisation de modules photovoltaïques électroniques ».

Thèse de Doctorat. Institut National des Sciences Appliquées de Toulouse, 2006.
[10] National Renewable Energy Laboratory. Solar spectra. Disponible sur :

http://rredc.nrel.gov/solar/spectra/
[11] Alonso Corinne « Contribution à l’optimisation, la gestion et le traitement de l’énergie ».

Mémoire d’habilitation à diriger les recherches, Université Paul Sabatier Toulouse III, 2003.
86
[12] Nichiporuk Oleksiy « Simulation, fabrication et analyse de cellules photovoltaïques à

contacts arrière interdigités ». Thèse de doctorat, L’institut national des sciences appliquées de
Lyon, 2005.
[13] Dang Minh Trung « Elaboration de cellules solaires photovoltaïques à base de polymères
conjugues, études des systèmes reticulables ». Thèse de doctorat, Université Bordeaux1, 2009.
[14] J.C. Bernède. Organic photovoltaic cells: history, principle and techniques. J. Chil. Chem.
Soc., 53, n°3, 2008.
[15] A. Ould mohamed yahia et al « étude et modalisation d’un générateur photovoltaïque »

revue des Energie Renouvelables Vol.11 N° 3 2008 pp 473-483, 2008.
[16] M. SLAMA Fateh, «Modélisation d’un système multi générateurs photovoltaïques

interconnectés au réseau électrique," UNIVERSITE FERHAT ABBAS - SETIF-, 2011.
[17] A.Saadi, "Etude comparative entre les techniques d’optimisation des systèmes de
pompage photovoltaïque," Université de Biskra Mémoire de Magister, 2000.
[18] W. S. R. GREEN, M. A., Watt, M. E. “Applied Photovoltaics” Center of Photovoltaic

Systems and Devices, University of New South Wales, Sydney, Australia, 1994.
[19]. S. Petibon, «Nouvelles architectures distribuées de gestion et de conversion de l’énergie

pour les applications photovoltaïques». Thèse de doctorat de l’université de Toulouse, Janvier
2009.
[20] Abbassen Lyes «Etude de la connexion au réseau électrique d’une centrale photovoltaïque
». Mémoire de magister, Université MOULOUD MAMMERI DE TIZI OUZOU, 2011.
[21] Dezso Sera, Remus Teodorescu, Tamas Kerekes, «Teaching Maximum Power Point
Trackers Using a Photovoltaic Array Model with Graphical User Interface». Institute of Energy
Technology; Aalborg University Pontoppidanstraede 101 DK-9220, Aalborg, Denmark.
87
[22] A. Mabrouk, «Etude et conception d’une stratégie de commande d’un onduleur connecté
au réseau électrique». Mémoire de magister en électricité solaire de l’école Nationale
Polytechnique El Harrach, ALGER, 2008.
[23] B. Multon, O. Gergaud, H. Ben Ahmed, X. Roboam, S. Astier, B. Dakyo, C. Nikita, «Etat
de l’art des aérogénérateurs », L’électronique de puissance, vecteur d’optimisation pour les
énergies renouvelables, Ed. Novelect-ecrin, 2002.
[24] T. Hiyama, S. Kouzuma, T. Imakubo, Identification of optimal operating point of PV

modules using neural network for real time maximum power tracking control, IEEE Trans.
Energy Convers. 10 (1995) 360–367.
[25] C.R. Sullivan, M.J. Powers, A high-efficiency maximum power point tracker for
photovoltaic arrays in a solar-powered race vehicle, in: Proceedings of the IEEE Power
Electronics Specialists Conference, 20–24 June 1993, Seattle, WA, USA, pp. 574–580.
[26] O. Wasynzczuk, Dynamic behavior of a class of photovoltaic power systems, IEEE Trans.
Power Appl. Syst. PAS-102 (1983) 3031–3037.
[27] S.M. Sze, Physics of semiconductor devices, second ed., Wiley, New York, 1981.
[28] J.M. Kwon, K.H. Nam, B.H. Kwon, Photovoltaic power conditioning system with line
connection, IEEE Trans. Ind. Electron. 53 (2006) 1048–1054.
[29] V.V.R. Scarpa, S. Buso, G. Spiazzi, Low-complexity MPPT technique exploiting the PV
Module MPP locus characterization, IEEE Trans. Ind. Electron. 56 (2009) 1531–1538.
[30] N. Mutoh, M. Ohno, T. Inoue, A method for MPPT control while searching for parameters
corresponding to weather conditions for PV generation systems, IEEE Trans. Ind. Electron. 53
(2006) 1055–1065.
[31] Mrabti Fatima, Seridi Hamid, “Comparaison de méthodes de classification réseau RBF,
MLP et RVFLNN ”, Damascus University Journal Vol, (25) - No. (2) 2009.
[32] Claude Touzet, “Les Réseaux de neurones artificiels introduction au connexionnisme”,

COURS, Exercices et traveaux pratiques, Juillet 1992.
[33] Rumelhart D.E. McClelland, J.L. “Parallel Distributed Processing ”, Explorations in the
Microstructure of cognition, I & II, Cambridge: MIT Press,1986.
88
[34] Bishop C.M. “Neural Networks for Pattern Recognition”, Clarendon Press OXFORD,
1995.
[35] Broomhead, D.S., Lowe D, “Multivariate functional interpolation and adaptive networks”,
Complex Systems, vol 2, p.321-355, 1988.
89
ANNEXE

Elec Messaoudene Hichem

Transféré par

Droits d'auteur :

Formats disponibles

Elec Messaoudene Hichem

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Elec Messaoudene Hichem

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA

Mr. MESSAOUDENE Hichem

Détermination intelligente de la puissance maximale

MAHAMDI Ramdane Prof. Univ. Batna Président

Année Universitaire 2013/2014

Louange à notre Seigneur "ALLAH" qui nous a doté de la merveilleuse faculté de

Mes remerciements s’adressent également à Monsieur le président de jury, Monsieur

J’exprime toute ma gratitude à Monsieur DJEFFAL Fayçal professeur à l’université

Je souhaite à présent adresser mes sincères remerciements à toutes les personnes

MODELISATION ET SIMULATION DES CELLULES

II.1. INTRODUCTION ................................................................................................. .28

MODELISATION DU POINT DE LA PUISSANCE MAXIMALE

III.1 INTRODUCTION ................................................................................................. .41

IV.1 INTRODUCTION ................................................................................................. .55

SIMULATION PAR RESEAUX DE NEURONES

V-1 INTRODUCTION .................................................................................................. 67

CONCLUSION GENERALE .......................................................................................... 85

Suite aux prévisions de l’épuisement inévitable des ressources mondiales en énergie

L’énergie solaire photovoltaïque provient de la transformation directe d’une partie du

Le système photovoltaïque est l’ensemble du générateur photovoltaïque et des équipements de

La commande du système MPPT consiste donc en l’ajustement de ce convertisseur à

Les méthodes conventionnelles pour le suivi du point de puissance maximale de

Outre l’introduction et la conclusion générale, ce mémoire comprend cinq (05) chapitres :

Le deuxième chapitre est consacré à une modélisation détaillée du comportement de la cellule

Le troisième chapitre est consacré à la modélisation du point de puissance maximale (PPM)

L’électricité photovoltaïque a dans un premier temps été développée pour des

Une cellule photovoltaïque convertit une partie de l’énergie solaire en énergie

I.2.3 La zone convective :

Figure I.1 : Vue en écorchée de l’intérieur solaire.

favorisant l'émission rapide de particules dans le milieu interplanétaire. La densité et la

I.3 Conversion d’énergie : les différentes technologies solaires

Il existe principalement trois façons d'utiliser directement l'énergie solaire :

I.3.1 Solaire à concentration thermodynamique

Capteurs thermodynamique cylindro-paraboliques Capteurs thermodynamique paraboliques

Figure I-2 : Deux exemples de modules concentration thermodynamique.

I.3.2 Solaire thermique

Le principe de l’énergie thermique consiste à transformer le rayonnement solaire en énergie

Figure I.3 : Deux exemples de modules thermiques.

Figure I.4: Principe de fonctionnement de l'énergie solaire thermique.

Figure I.5 : Composition d’un panneau solaire thermique.

L’énergie thermique utilise la chaleur du rayonnement solaire pour le chauffage de bâtiments

I.3.3 Solaire Photovoltaïque

I.4 Les filières technologiques

La filière silicium représente aujourd’hui l’essentiel de la production mondiale des panneaux

I.4.1.2 Le silicium multicristallin (Polycristallin)

Le silicium multicristallin (Polycristallin) est devenu aujourd’hui la technologie la plus utilisée.

Figure I.6 : Photos de cellules monocristalline et multicristalline [8].

I.4.2 Les couches minces

Le principal frein au développement du photovoltaïque à très grande échelle reste encore

I.4.3 Cellules organiques et plastiques

Figure I.8 : Cellule PV organique [8].

I.5 Le photovoltaïque (PV)

I.5.2 Les conditions standards d’illumination des cellules photovoltaïques

L’industrie photovoltaïque a développé deux, et seulement deux, distributions spectrales

Le rayonnement AM1.5G est le rayonnement provenant de l’hémisphère situé devant le capteur.

Figure I.10: Rayonnements AM 0, AM 1.5 [5].

I.5.3 L’effet photovoltaïque

I.5.3.1 Comportement de La jonction PN utilisée comme capteur PV

En polarisant électriquement une jonction PN et en la soumettant à un éclairement solaire, on