Combined PDF

SOMMAIRE
Dédicace
Remerciement
Introduction Générale......................................................................................................1
Chapitre I : Généralités sur les systèmes d’excitation de l’alternateur

I.1 Introduction…………………………………………………………………………4
I.2 Générateur synchrone (alternateur)…………………………………………………4
I.3 Système d’excitation de l’alternateur……………………………………………….5
I.3.1 Excitatrice à courant continu..............................................................................6
I.3.2 alternateur-excitateur débitant sur redresseurs...................................................6
I.3.3 Auto-alimentation..............................................................................................10
I.4 Commande de la structure d’excitation …………………………………………….11
I.4.1 Régulateur de tension………………………………………………………….11
I.4.2 L’histoire de développement des systèmes AVR pour les turbos générateurs...11
I.4.3 Protection du système d’excitation……………………………………………12
I.5 Généralités sur les régulateurs PID…………………………………………………13
I.5.1 Structure de régulateur PID……………………………………………………13
I.5.2 Réglage des paramètres PID..............................................................................15
I.5.3 Étapes à suivre pour déterminer les paramètres PID………………………….15
I.6 Problématique de notre travail de recherche..............................................................17
I.7 Conclusion………………………………………………………………………….18
Chapitre II : Modélisation de système AVR

II.1 Introduction..............................................................................................................20
II.2 Définition de L’AVR...............................................................................................20
II.3 Principe de fonctionnement de l’AVR…………………………………………….20
II.4 Evaluation de la qualité de régulation de système AVR...........................................22
II.5 Les constituants du système AVR…………………………………………………23
II.5.1 Module logique…………………………………………………………….24
II.5.2 Le module Ajusteur / Suiveur………………………………………………31
II.5.3 Le module générateur des impulsions (circuit d’amorçage des thyristors)...31
II.5.4 Module Limiteur / Protecteur……………………………………………….32
II.5.5 Le transducteur IDX......................................................................................33
II.5.6 Le transducteur VDX……………………………………………………….33
II.5.7 Les contrôleurs optionnels………………………………………………….34
II.6 Modélisation mathématique de l’AVR…………………………………………….35
II.7 Conclusion…………………………………………………………………………40
Chapitre III : Les Metaheuristiques et Firefly algorithm

III.1 Introduction………………………………………………………………………42
III.2 Notions fondamentales……………………………………………………………42
III.2.1 Définition.......................................................................................................42
III.2.2 Terminologies………………………………………………………………43
III.2.3 Présentation des heuristiques……………………………………………….43
III.2.4 Présentation des métaheuristiques………………………………………….44
III.3 Fonctionnement général des métaheuristiques.......................................................45
III.3.1 Diversification...............................................................................................45
III.3.2 Amélioration.................................................................................................45
III.3.3 Mise à jour des références………………………………………………….45
III.3.4 Génération de sous-ensemble……………………………………………….46
III.3.5 Combinaison Solution………………………………………………………46
III.4 Classification des métaheuristiques………………………………………………47
III.4.1 Métaheuristique a parcours………………………………………………….47
III.4.2 Métaheuristique à population……………………………………………….47
III.4.3 Métaheuristiques à méthodes implicites…………………………………….47
III.4.4 Métaheuristiques à méthodes explicites…………………………………….48
III.4.5 Les méthodes métaheuristiques modernes………………………………….48
III.5 Algorithme De Lucioles (FireFly Algorithm)……………………………………49
III.5.1 Inspiration.......................................................................................................49
III.5.2 L’Algorithme Firefly standard.......................................................................49
III.5.3 Variations de l'intensité lumineuse et l'Attractivité........................................50
III.5.4 Mouvement des lucioles……………………………………………………52
III.5.5 Contrôle de randomisation………………………………………………….52
III.5.6 Classifications de Firefly Algorithmes..........................................................52
III.5.6.1 FA modifie………………………………………………………54
III.5.6.2 hybrides FA……………………………………………………….54
III.5.7 Les applications de FA………………………………………………………54
III.6 Conclusion..............................................................................................................56
Chapitre IV : Simulation de système AVR régulé par FA_PID

IV.1 Introduction……………………………………………………………………….58
IV.2 Implémentation de FA-PID………………………………………………………58
IV.2.1 La fonction objective………………………………………………………59
IV.2.2 Procédure de L’algorithme FA-PID..............................................................60
IV.3 Résultats de simulation……………………………………….………………….61
IV.3.1 la réponse de système AVR.......................................................................61
IV.3.2 Comparaison avec le contrôleur PSO_PID………………………………65
IV.4 Conclusion...........................................................................................................66
Conclusion générale…………………………………………………………………67
Nomenclature
Liste des figures
Liste des tableaux
Bibliographie
Introduction générale 2014
Introduction générale
Introduction générale
La sécurité des systèmes électro-énergétiques à la suite des perturbations qui
est due à l’amortissement et des oscillations de la tension d’un générateur électrique a
des grandes préoccupations car elles peuvent affecter tous le système électrique.
Afin d’éliminer ces perturbations, dans la pratique ce rôle est consacrée au

système d’excitation de générateur afin de maintenir la tension constante et pour
Controller la puissance réactive aux borne de générateur en utilisant un régulateur
automatique de tension (AVR) ainsi avec l’avancement de la conception de l’AVR
d’action rapide et la complexité croissante des réseaux interconnectés des oscillations
peuvent se poursuivre pendant une période prolongée et l’instabilité peuvent se
produire.
En dépit de l’instabilité et le potentiel des techniques modernes de contrôle telles que :

la commande adaptative, commande prédictive, commande neuronale, et la
commande floue.
Le contrôleur (PID) proportionnel-intégral-dérivé avec différents structures

continue d'être la principale composante industrielle est encore largement utilisée
pour les systèmes AVR. La raison que c’est une structure simple et facile à être
compris par les ingénieurs et elle présente une performance robuste dans une large
gamme de conditions de fonctionnement.
Au fil des années, de nombreuses techniques ont été proposées pour le réglage
des paramètres PID. Les techniques classiques comme (ziegler-nichols, et le pôle de
lieu) et les techniques avancées (variance minimum, les horaires de gain) . Quelques
inconvénients de ces techniques de contrôle pour l'accord de régulateurs PID sont : (i)
le nombre excessif de règles pour définir les gains, (ii) l'insuffisance dynamique des
réponses en boucle fermée, (iii) la difficulté à faire face à des processus non linéaires,
et (iv) la complexité mathématique de la conception de commande.
Etant donné que le réglage optimal de gains du régulateur PID est un problème
d'optimisation multimodale et plus complexe en raison de la non-linéarité et de temps
de la variabilité du fonctionnement du système dans le monde réel. Par conséquent,
FHC Page 1 MAEI_09

les techniques traditionnelles ne sont pas complètement systémiques et la plupart

d'entre eux ont un rendement de mauvaises performances dans la pratique.
Récemment, comme une alternative aux méthodes mathématiques classiques,

des approches metaheuristiques tels que le recuit simulé, les algorithmes
évolutionnaires, réseaux de neurones artificiels, l'optimisation par essaim de
particules, et les systèmes flous…etc. Ont reçu beaucoup d'attention par de nombreux
chercheurs en raison de leur capacité à trouver une solution optimale globale pour le
réglage des paramètres PID, L'objective du présent travail est d’adapter une
metaheuristique moderne pour remédier à ce problème. Cette metaheuristique est
inspiré du comportement réel des vrais lucioles, qui a été déjà adaptée pour résoudre
divers problèmes de Sciences et de l’ingénierie : l’optimisation, classifications,
problème du voyageur de vendeur, de planification, traitement d’image, et techniques
de conception qui a donné de bons résultats.
 Organisation mémoire
Notre travail est organisé comme suit :
Le premier chapitre est consacré à la présentation des alternateurs et les
systèmes d’excitation et des généralités sur les régulateurs PID ainsi qu’à la
présentation de la problématique notre travail.
Dans le deuxième chapitre est consacré à la présentation des systèmes AVR,
leurs constituants ainsi qu’au développement du modèle mathématique d’un AVR
dans le but de simuler et d’étudier son comportement.
Le troisième chapitre présente une introduction générale aux Metaheuristiques

d’optimisation. Suivi par un développent détaillé de l’algorithme des lucioles (FA)
ainsi que ces applications dans les différents domaines de recherche.
Le quatrième chapitre est consacré à la simulation d’un système AVR pratique

régulé par un contrôleur FA_PID.
Finalement le travail se termine par une conclusion générale dont laquelle on

présente les perspectives et des suggestions pour améliorer ce travail de recherche
dans le futur proche.
FHC Page 2 MAEI_09

CH I Généralités sur les systèmes d’excitation de l’alternateur 2014
Chapitre I
Généralités sur les systèmes d’excitation

de l’alternateur
CHI Généralités sur les systèmes d’excitation de l’alternateur 2014
I.1 Introduction
Ce chapitre est entièrement consacré à des rappels théoriques sur les

générateurs de production de l’énergie électrique ainsi que leurs systèmes
d’excitations, ceci est d’un côté, de l’autre côté nous allons donner de brefs rappels
sur les régulateurs PID. Le chapitre se termine par l’exposé de la problématique que
l’on se propose à résoudre dans le cadre de ce travail.
I.2 Générateur synchrone (alternateur) [1]
Les générateurs comportent deux parties principales appelées le stator et le rotor,

les deux sont fabriqués à partir d'acier magnétique (Figure I.1).
Figure I.1 : les éléments constitutifs de l’alternateur.
Les enroulements d'induit, qui transporte le courant de charge et alimente le

système, sont placés dans des fentes équidistantes sur la surface intérieure du stator est
se compose de trois enroulements de phase identiques. Le rotor d'un générateur à haute
vitesse contient également des fentes pour l'excitation DC tandis que l'enroulement
d'excitation pour les générateurs à basse vitesse est enroulé sur les pôles saillants du
rotor.
FHC page 4 MAEI_09

L’excitation de l’enroulement du rotor est alimentée par un courant continu pour

produire un champ magnétique tournant. La force de flux est proportionnelle au courant
d’excitation. Ce flux magnétique tournant induit en suite une force électromotrice
(f.é.m.) dans chaque phase du stator ce qui force les courants alternatifs de s'écouler
vers le système d'alimentation.
L'effet combiné de ces courants d'induit : est de produire leur propre flux
magnétique. Le flux d'excitation et la réaction d'induit au flux produit un flux résultant
qui est fixe par rapport au rotor, mais tourne à vitesse de rotation synchrone par rapport
au stator.
Les alternateurs synchrones modernes allant de 100 MW à plus de 1 300 MW et
fonctionner à des tensions entre 10 et kV.
En général, un générateur synchrone est connecté au réseau de transmission par
l'intermédiaire d’un transformateur élévateur de tension.
Dans le cas d’une petite unité, le générateur et le transformateur sont connectés
par des câbles. Tandis que pour un grand générateur de forte puissance, celui-ci relié à
son transformateur par des barres blindés.
I.3 Système d’excitation de l’alternateur
Le système d’excitation permet de régler la tension ou la puissance réactive de
l’alternateur. (Voir figure I.2) [2] La puissance nominale de l'excitateur est
habituellement dans la gamme 0,2-0,8% [1] de la note de mégawatts de la génératrice.
Dans le cas d'une grande puissance de générateur la gamme est très élevée, de l'ordre de
plusieurs mégawatts. Un système d’excitation de machine synchrone est composé des
éléments suivants :
 La source de puissance proprement dite, fournissant la puissance d’excitation.

 Le régulateur de tension, servomécanisme ayant, dans le cas le plus simple,
pour grandeur de sortie une tension commandant la puissance délivrée par la source
d’excitation, et pour grandeur d’entrée l’écart entre la tension aux bornes de la machine
synchrone principale et une tension de consigne.
 Eventuellement, des étages amplificateurs intermédiaires, intercalée entre le
régulateur et la source de puissance.
FHC page 5 MAEI_09

Figure I.2 : Système d’excitation d’un générateur synchrone.
Pour fournir le courant continu d’excitation d’une machine synchrone, il est

nécessaire de disposer d’une source de tension continue variable puisque, entre le
fonctionnement à vide et le fonctionnement en régime nominal, le courant d’excitation
d’une machine à pôles saillants varie environ du simple au double et, dans le cas d’une
machine à entrefer constant, il peut varier environ du simple au triple. Dans l’étude du
système d’excitation intervient donc, d’une part, sur le choix des sources d’excitation.
On peut distinguer trois grandes catégories de sources principales d’excitation :
 Excitatrice à courant continu.

 Alternateur-excitateur débitant sur redresseurs.
 Redresseur alimenté directement à partir des bornes de la machine synchrone
principale (auto-alimentation).
La plupart des structures d’excitation tirent leur énergie sous forme mécanique à
partir de La ligne d’arbre dans les deux premiers cas, ou directement de la GP sous
forme électrique pour le troisième cas.
FHC page 6 MAEI_09

I.3.1 Excitatrice à courant continu [3]
L’excitatrice (Figure I.3) doit nécessairement être munie d’un enroulement

d’excitation « L sep » par lequel seront obtenues les variations de ﬂux permettant la
variation de sa tension aux bornes « Vf ». Dans le but de diminuer l’importance de la
source alimentant l’enroulement « L sep », l’excitatrice peut être munie d’un
enroulement d’auto-excitation en dérivation « L d » qui, à lui seul, est capable de fournir
la tension « Vf »et du courant « I f »correspondant au fonctionnement à vide de la
machine principale. Il faut noter que le courant « I f »est nécessairement transféré au
rotor de la machine synchrone par l’intermédiaire de bagues et balais. L’excitatrice est
généralement accouplée sur le même arbre que le rotor de générateur. Lorsque les
conditions de puissance et de vitesse correspondent à une machine à courant continu
difficilement réalisable, on peut soit utiliser un réducteur à engrenage, soit entraîner
l’excitatrice par un moteur asynchrone, mais cette dernière solution est plus coûteuse et
moins fiable.
Figure I.3 : excitatrice a courant-continu
I.3.2 alternateur-excitateur débitant sur redresseurs [2]
L’apparition de la diode au silicium a ouvert la porte à des redresseurs compacts

capables de convertir le courant alternatif en courant continu pour un niveau de
puissance qui convient pour l’excitation des plus grands générateurs. Pour cela, une
nouvelle structure d’excitation à base d’une machine à courant alternatif suivie d’un
pont de diodes.
Cette structure est montrée par la figure I.4. Dans la plupart des cas, la machine
excitatrice est une machine synchrone à rotor bobine. On note que le transfert de la
FHC page 7 MAEI_09

puissance vers la roue polaire s’effectue par l’intermédiaire de bagues et de balais sur la
GP.
Figure I.4 : Structure d’excitation avec une machine AC et un redresseur statique.
Cette structure a une réponse plus rapide que celle précédente, mais le système
bagues-balais possède plusieurs inconvénients (maintenance, étincelles, ...). En plus,
avec l’augmentation de la puissance transmise vers la roue polaire, le design du système
bagues-balais devient plus difficile.
Comme la diode au silicium est mécaniquement robuste et capable de résister à

des forces centrifuges élevées, il est devenu très pratique de produire une structure
d’excitation avec un redresseur tournant (sans bagues ni balais). Dans ce cas, la machine
excitatrice est inversée et caractérisée par son inducteur fixe et son induit tournant.
(Voir figure I.5)
Figure I.5 : Structure d’excitation avec une machine AC et un redresseur tournant.
On note que cette structure est très utilisée dans les applications d’aéronautiques
Son avantage principal est l´élimination du système bagues-balais, ce qui permet de
réduire les coûts de maintenance.
FHC page 8 MAEI_09

Sources d’énergie pour l’excitatrice :

Il existe trois principales méthodes pour produire la puissance nécessaire à
l’alimentation de la machine excitatrice :
– SHUNT
– PMG (Permanent Magnet Generator)
– AREP (Auxiliary winding Regulation Excitation Principle)
Les figures I.6, I.7, I.8 montrent les schémas de principe de ces trois méthodes.
Comme on le remarque sur ces figures, la machine d’excitation est un alternateur
inversé qui alimente un pont redresseur à diodes tournantes. La sortie de ce pont sert à
l’alimentation de la roue polaire. La différence fondamentale entre les trois
configurations reste surtout dans le prélèvement de l’´énergie en vue de l’excitation de
la ME.
Figure I.6 : Excitation SHUNT de la GP
A propos de l’excitation SHUNT, la tension d’alimentation du régulateur de

tension Est prise en dérivation sur les bornes de sortie de la GP. Le régulateur de tension
génère et régule le courant d’excitation en fonction de la tension de sortie de la GP. Le
système SHUNT est simple de par sa conception et très adapte aux besoins basiques.
Par contre, il n’accepte pas de surcharges élevées et n’offre pas de capacité de court-
circuit.
FHC page 9 MAEI_09

Figure I.7 : Excitation PMG de la GP
A propos de l’excitation PMG, la tension d’alimentation du régulateur de

tension est générée par une génératrice à aimants permanents (PMG) montée sur l’arbre
de l’alternateur. La PMG délivre une tension constante et indépendante de la charge de
la GP. Le système PMG présente par conséquent une capacité de surcharge élevée
(impact de charge ou démarrage de moteurs électriques) et une capacité de court-circuit
de 300% (le courant de court-circuit est égal au triple du courant nominal). Son
amorçage est intrinsèque grâce aux aimants permanents.
Figure I.8 : Excitation AREP de la GP
FHC page 10 MAEI_09

A propos de l’excitation AREP, le régulateur est Alimente par deux bobinages

auxiliaires. La tension délivrée par le premier bobinage auxiliaire H1 est proportionnelle
à la tension de sortie de la GP. La tension délivrée par le second bobinage auxiliaire H3
est proportionnelle au courant débite par l’alternateur et on fonction de la charge
appliquée. La tension composée résultante permet l’alimentation du régulateur. Le
système AREP dote l’alternateur d’une capacité de surcharge élevée (impact de charge
ou démarrage de moteurs électriques) et une capacité de court-circuit de 300%.
L’alternateur avec excitation AREP a un encombrement moindre qu’avec une excitation
PMG. Les structures PMG et AREP sont très utilisées dans la marine, l’industrie, la
construction, les hôpitaux, les banques, etc.
I.3.3 Auto-alimentation [2]

Dans cette structure, le pont à thyristors alimentant la roue polaire est lui même
Alimenté par la sortie de la GP (En utilisant un transformateur de tension ou (et) un
Transformateur de courant. La figure I.9 montre le principe de cette structure
D’excitation. On note qu’en général, la tension due aux flux rémanent de la GP est trop
faible Pour permettre l’amorçage et il faut donc utiliser une source auxiliaire (une
batterie par exemple).
Figure I.9 : Principe d’excitation par auto-alimentation.
FHC page 11 MAEI_09

I.4 Commande de la structure d’excitation
I.4.1 Régulateur de tension [2]
Dans les systèmes les plus anciens, la régulation de la tension était entièrement
Manuelle en utilisant un rhéostat qui servait à faire varier la tension de la roue polaire.
En 1940, on a commencé à utiliser le régulateur électromécanique (Silverstat par
exemple) qui fait la régulation automatique tout en agissant mécaniquement sur un
rhéostat pour la variation de la tension de la roue polaire.
Apres l’utilisation des thyristors (interrupteur commande) et dans le but

d’améliorer les performances en régime transitoire et garantir la stabilité du système en
présence des variations inconnues de la charge, le régulateur PID se met en place.
On note que le régulateur PID analogique est utilisée jusqu'à aujourd’hui à cause de sa
simplicité et il ne nécessite pas la modélisation exacte ou précise du système car il est
ajustable selon l’application. Avec l’utilisation des calculateurs numériques, il devient
plus facile d’implanter des régulateurs plus complexes.
En plus, la synthèse ne nécessite pas un modèle précis du système mais il reste

difficile de garantir la stabilité du système durant les régimes transitoires. En utilisant
les nouvelles techniques de modélisation et les développements de la théorie de
commande des systèmes, il est possible de concevoir un régulateur qui garantit la
stabilité du système et qui donne de bonnes performances en régime transitoire.
I.4.2 L’histoire de développement des systèmes AVR pour les turbos

générateurs [4]
Le développement des systèmes AVR a débutée depuis très longtemps, mais

l’idéologie de construction des systèmes de régulation d’excitation a été formulée dans
les années 30 et 40. Une très grande attention a été donnée en premier lieu aux
méthodes de régulation d’excitation à action proportionnelle (AVR- P), avec une loi de
régulation par déviation (écart) de la tension statorique (Δu), qui a permis de garantir la
FHC page 12 MAEI_09

stabilité statique apériodique, mais l’application des grandes valeurs des gains, a montré
un inconvénient très grave, par apparition d’un phénomène " auto -oscillatoire", et donc
la destruction de la stabilité du système.
Dans les années 50, est après plusieurs recherches et expérimentations pour
assurer la stabilité des systèmes électro-énergétique (SEE), les résultats d’études ont
amenés à élaborer les régulateurs automatiques d’excitation à forte action AVR – PSS,
qui sont caractérisés par des grandes valeurs de gains, on introduisant dans la loi de
régulation des signaux de stabilisation par première et deuxième dérivée des paramètres
du régime.
Est qui ont permet d’assurer des grandes limites de la stabilité statique et dynamique, et
des coefficients d’amortissements importantes des oscillations électromécaniques.
L’utilisation des AVR - PSS a permis de garantir un large domaine de la stabilité
apériodique des systèmes énergétiques de structures complexes avec des très grandes
performances de la pratique des régimes oscillatoires.
L’étape suivante de développement des systèmes AVR, a été lié avec la

réalisation des nouvelles structures plus complexes des régulateurs, est de garantir plus
de performances avec une structure invariante, autrement dit la non - reconstruction des
paramètres du régulateur vis-à-vis au changement des conditions de fonctionnement
(régime - schéma) du SEE, ont introduisons des systèmes de stabilisation, et aussi on
utilisant des nouvelles bases et techniques (éléments semi-conducteurs et circuits
intégrées) dans la structure des régulateurs.
Vers les années 70, l’orientation vers les méthodes numériques de régulation et
l’utilisation des micro- processeurs a permis d’élaborer des nouveaux algorithmes et
structures des régulateurs automatiques d’excitation. Le premier AVR - numériques a
été créé en 1978 (type PID). La réalisation de ce premier algorithme de commande a
permis et après plusieurs recherches scientifiques vers les possibilités d’optimisation et
d’adaptation des lois de régulation et de commande des générateurs synchrones vis-à-
vis aux changements des conditions de fonctionnement des SEE.
I.4.3 Protection du système d’excitation [2]
Le système d’excitation doit supporter les contraintes liées au fonctionnement en
régulation de tension et aux régimes anormaux que la GP ou l’excitatrice peut subir. Le
redresseur doit être prévu en fonction de l’amplitude et de la durée de ces contraintes.
FHC page 13 MAEI_09

Les principales perturbations donnant lieu aux surtensions ou surintensités sont :

– désexcitation rapide ;
– court-circuit (phase phase, phase terre, trois phases) aux bornes de la génératrice ;
– faux couplage et fonctionnement hors synchronisme (dans le cas où la GP débite sur
le réseau).
Pour l’ensemble de ces perturbations, la surtension maximale est de l’ordre de 5
fois la tension d’excitation nominale en charge, et les redresseurs sont généralement
dimensionnés et tester pour cette valeur.
I.5 Généralités sur les régulateurs PID
Le régulateur PID est souvent considéré comme un membre d'une famille de
compensateurs à savoir, des dispositifs qui peuvent être ajoutés à un système en
boucle ouverte pour changer (compenser) les caractéristiques qui font de la réalisation
de l'objectif de contrôle difficile ou impossible. Les contrôleurs PID sont
probablement les structures de commande les plus couramment utilisés dans
l'industrie.
Ils présentent toutefois certains défis pour contrôler l’instrumentation

industrielle dans l'aspect de réglage des gains nécessaires pour la stabilité et la bonne
performance transitoire de système. Les deux objectifs d’un correcteur est d’assurer
une précision et une stabilité.
I.5.1 Structure de régulateur PID [5]
Le régulateur PID est une simple implémentation de retour d’information

(feed-back) encapsule trois structures de régulation les plus importants dans un seul
paquet. La forme parallèle d'un régulateur PID (voir la figure I.10) a une fonction de
transfert :
( ) = ( ) ( )
Ou : = Gain proportionnel = Temps de réinitialisation =
= Gain Intégral = temps d’action dérivée
= Gain dérivative
FHC page 14 MAEI_09

Figure I.10 : Forme parallèle du régulateur PID
Le terme proportionnel de régulateur permet la mise en place généralement

de la stabilité du système et améliorer la réponse transitoire.
Tandis que le terme dérivé est souvent utilisée lorsqu'il est nécessaire d'améliorer la
vitesse de réponse en boucle fermée plus loin. Et pour nourrir des informations sur la
vitesse de variation de la variable mesurée (valeur précise) dans l'action du contrôleur
pour ne pas trop influencer sur le système.
Le terme le plus important dans le contrôleur est le terme intégrateur qui introduit
un pôle en s = 0 dans la boucle avant le processus. Cela rend le système en boucle
ouverte compense (c'est à dire le système original et le régulateur PID), ainsi diminuer
les bruits et les parasites de système. La variation commune des paramètres de
contrôleur PID sont données par le tableau suivant :
Type de contrôleur Kp Ki Kd C(S)
P ≠0 0 0
I 0 ≠0 0
PI ≠0 ≠0 0
PD ≠0 0 ≠0
PID ≠0 ≠0 ≠0 ( + )
Tableau I.1 La variation commune des paramètres de contrôleur PID
La variation réelle utilisée dépend des spécifications à respecter. Dans tous les cas,
sauf contrôleur proportionnelle, le PID présente un pôle et au moins un zéro.
FHC page 15 MAEI_09

I.5.2 Réglage des paramètres PID [5]
En 1942, Ziegler et Nichols, deux employés d'instruments Taylor, décrits des

procédures mathématique simple, pour le réglage des régulateurs PID. Ces procédures
sont maintenant acceptées comme norme dans la pratique des systèmes de contrôle.
Ces techniques permettent d'hypothèses a priori sur le modèle de système, mais ne
nécessitent pas que ces modèles soient spécifiquement connus.
I.5.3 Étapes à suivre pour déterminer les paramètres PID [6]
Pour un système à une unité de rétroaction donné par la figure I.11 Les étapes à suivre
sont :
Figure I.11 : l’ensemble de système feed-back
1. Réduire les gains de l'intégrateur et dérivés à 0.

2. Augmenter Kp de 0 à une valeur critique Kp = Kc à des oscillations qui se
produisent.
Les gains du régulateur sont désormais spécifiés comme suit :
Type PID Kp Ti Td
P 0.5Kc 0
PI 0.45Kc Tc/1.2 0
PID 0.6Kc Tc/2 Tc/8
Tableau I.2 détermination des gains de régulateur PID
La figure I.12 montre la réponse de la sortie de processus variable avec changement

progressif due la consigne a échelon. (Les réponses sont avec trois gains de contrôleur
différents dans un système de contrôle simulé.).
FHC page 16 MAEI_09

Figure I.12 : les différents types de réponses de système
Les variations de réponse en boucle fermée de système en raison des

changements dans les paramètres PID par rapport à un échelon peut être mieux décrit
en utilisant le tableau suivant :
coefficients Temps de Temps de dépassement Erreur statique

montée stabilisation
Kp diminue Augmente Augmente diminue
Ki diminue Augmente Augmente éliminer
Kd Chang. Faible Diminue Diminue Chang. Faible
Tableau I.3 la variation des paramètres d’un contrôleur PID
I.6 Problématique de notre travail de recherche

L’implémentation industrielle de contrôleurs PID dans les systèmes AVR
montre que la sélection appropriée des paramètres (gains) de contrôleur PID peut
aboutir à des niveaux de performance et de robustesse acceptable du système pendant
les perturbations. Sachant que le réglage optimal des gains du régulateur PID est un
problème d'optimisation multimodal et plus complexe en raison de la non-linéarité et
de la variabilité des régimes de fonctionnement des systèmes électriques dans le
temps. Donc, les techniques traditionnelles de réglage ne sont pas complètement
systémiques et la plupart d'entre eux donnent parfois de mauvaises performances de
sorte qu'elles ne sont pas vraiment appropriées pour un tel problème.
FHC page 17 MAEI_09

C’est en grande partie ce qui nous a beaucoup motivé a orienté le présent

travail vers l’application d’une nouvelle métaheuristique pour optimiser le
fonctionnement des régulateurs automatique de tension compensé par un régulateur
PID et par conséquent mieux amortir les oscillations de tension aux bornes des
générateurs suite à des perturbation.
I.7 Conclusion
Dans ce chapitre, nous avons donné un aperçu théoriques sur les alternateurs
ainsi que leurs systèmes d’excitations dans un premier lieu, ensuite nous avons exposé
de brefs rappels sur les régulateurs PID qui sont largement utilisés dans les AVR’s.
Ce qui nous a permet de dégager la problématique que l’on se propose à résoudre
dans le cadre du présent travail. Le chapitre suivant sera entièrement consacré pour le
développement de la métaheuristique qui sera utilisé par la suite comme outil
d’optimisation des gains de régulateurs PID associé à un AVR pratique.
FHC page 18 MAEI_09

CH II Modélisation de système AVR 2014
Chapitre II
Modélisation de système AVR

II.1 Introduction
Généralement, la stabilité est considérée comme la condition nécessaire de

fonctionnement normal d’un réseau électrique. Pour augmenter le degré de stabilité
dynamique des systèmes électro - énergétiques (SEE) et Également à amortir toute
oscillation électromécanique. Ils ont introduit un système de commande à rétroaction
appelé Stabilisateur de système de puissance PSS, qui permet de prolonger les limites
angulaires (angle critique) de stabilité d’un système en fournissent l’atténuation
supplémentaire à l’oscillation des rotors par l’excitation du générateur, et un signal de
stabilisation en fonction de la variation de vitesse pour améliorer la dynamique du
Système.
Une autre partie qui nécessite une régulation est bien la tension au borne de
générateur, En fonctionnement normal le niveau de tension doit être maintenu
constant ou à l'intérieur de certaines limites, Ce résultat est obtenu avec un régulateur
automatique de tension, (AVR). En surveillant en permanence la tension au borne de
générateur et d'utiliser cette information en tant que signal de contre-réaction.
II.2 Définition de L’AVR
Un régulateur automatique de tension est un régulateur électrique destiné à

maintenir automatiquement un niveau de tension constant d’un turbo générateur. Un
régulateur de tension est d’une conception à action anticipée simples ou négatifs
peuvent comprendre des boucles de commande de rétroaction. Il peut utiliser un
mécanisme électromécanique, ou des composants électroniques (Thyristor, pont de
diodes, Résistance de puissance….) En fonction de la conception.
II.3 Principe de fonctionnement de l’AVR |1]
Le régulateur régule la tension aux bornes du générateur en contrôlant la

quantité de courant fournie à l'inducteur de la génératrice par l'excitateur. Le schéma
général de sous-système de l'AVR est représenté par la Figure II.1.
L'élément de mesure (capteur) détecte le courant, la puissance, la tension et la

fréquence du générateur. La tension aux bornes du générateur Vg mesurée est
compensée par le courant de charge Ig et comparer par rapport à la tension de
FHC Page 20 MAEI_09

référence désirée Vref pour produire l'erreur de tension ∆V, Cette erreur est ensuite
amplifié et utilisé pour modifier la sortie d'excitateur, et par conséquent modifier le
courant d’excitation de générateur, de sorte que l'erreur de tension soit éliminée.
Représente un système de commande typique en boucle fermée. Le processus de
régulation est stabilisé à l'aide d'une boucle de rétroaction pris directement à partir
d’amplificateur ou de l’excitateur.
Figure II.1 : Schéma de fonctionnement de système AVR et PSS.
L'élément de compensation de charge, conjointement avec le comparateur, est

représenté sur la figure II.2.
La chute de tension aux bornes de l'impédance de

compensation due au courant de générateur Ig, Il est ajouté à la tension du générateur
Vg afin de produire la tension de compensation Vc, on a alors :
…...(II.1)
Figure II.2 L’élément de compensation avec le comparateur.
FHC Page 21 MAEI_09

Si la compensation de charge n'est pas utilisée, Zc = 0, et Vc = Vg le système

AVR maintient la tension aux bornes du générateur constante.
L'utilisation de la compensation de charge (Zc ≠ 0) signifie concrètement que le point
auquel la tension est maintenue constante est «poussé» dans le réseau par une distance
qui est égale à l'impédance électrique de compensation Zc.
Dans le cas de générateurs parallèles alimentant un jeu de barres commun,
l'impédance de compensation doit être plus petite que l'impédance du transformateur
élévateur afin de maintenir la puissance réactive stable envoyer entre les générateurs
parallèles. Habituellement XC≈ −0.85XT. Ou XT est la réactance de transformateur
élévateur. Dans ce cas, le régulateur maintient une valeur de tension constante à une
distance de 0.85XT à partir des bornes de l'alternateur vers le réseau ou à une distance
de 0.15XT à partir de la borne de haute tension en direction du générateur.
Le système AVR comprend également un certain nombre de limiteurs dont la

fonction est de protéger l'AVR contre les tensions et les courants excessifs.
Ainsi, l'amplificateur est protégé contre les signaux d'entrée trop élevé, et l'excitateur
contre les courants d’excitation trop élevé et ainsi le générateur.
Le PSS est un dispositif de contrôle pour améliorer la stabilité du système en
introduisant un signal supplémentaire à un régulateur automatique de tension (AVR).
Dans certains cas, PSS sont utilisés en tant que caractéristique supplémentaire de
commande afin que le système d'excitation aille une réponse élevée peut être utilisée
sans compromettre la petite instabilité du signal des générateurs.
II.4 Evaluation de la qualité de régulation de système AVR [1]

Les paramètres d’AVR doivent être choisis de telle sorte qu’une qualité
appropriée de régulation de tension est maintenu. Pour des petites perturbations de la
qualité peut être évaluée par l'observation de la réponse dynamique de la tension de
générateur à une variation de la valeur de référence. Ceci est illustré à la figure II.3.
Pour un changement radical de la valeur de référence par ∆V=Vref+-Vref- . On a Trois
indices qui permettent d'évaluer la qualité de régulation :
i) tԐ le temps de stabilisation
ii) Ԑp le dépassement
iii) tr le temps de montée
FHC Page 22 MAEI_09

Figure II.3 : La réponse dynamique de la variation de tension.

 tԐ : est le temps nécessaire pour que le signal puisse atteindre sa valeur en
régime permanent avec une tolérance de ε.
 Ԑp : est la différence entre la valeur de crête de la tension et une valeur de
référence, habituellement exprimée en pourcentage de la valeur de référence.
 tr : est le temps pris pour que la tension augmente de 10 à 90% de ∆V dans cet
intervalle, la vitesse à laquelle la tension augmente est d’environ 0,8∆V/Tr.
 tP : Le temps nécessaire pour atteindre la valeur crête.
Habituellement, il est supposé que, avec une précision de régulation ε ≤ 0,5%

et avec 10% de changement de pas de Vref, le temps de stabilisation est tε ≤ 0,3 s
pour les excitateurs statiques et tε ≤ 1,0 s pour les excitateurs tournants.
Le dépassement est habituellement exigé pour être εp ≤ 10% pour des
changements progressifs de la valeur de référence lorsque le générateur est hors
charge. Tandis que, la vitesse d'augmentation de la tension ne doit pas être inférieure
à 1.5Vref/sec.
II.5 Les constituants du système AVR [4]

Ce schéma représenter par la figure II.4 synoptique résume le plan, et les
principaux constituants du système AVR. Ceux-ci sont décrits dans ce qui suit :
FHC Page 23 MAEI_09

Bobine Excitateur
Générateur
d’excitation
Signal d’excitation
Transformateur
Module Module Transfo

Convertisseur limiteur de d’isole
protection
de puissance
Générateur
d’impulsion
Module
Transfo
Sortie ACR logique mesure
d’isole
Reference ACA
Ajusteur Ajusteur Vers l’utilisation

mode mode
menu auto
Figure II.4 Schéma synoptique du système AVR
II.4.1 Module logique

Le module logique est le module principal du système AVR. C’est le module
régulateur. Il entre en jeu lorsque le système AVR est en mode automatique. Il reçoit
la mesure de la tension triphasée du générateur par l’intermédiaire d’un
transformateur abaisseur d’isolation de rapport 50 (5500Vac à 120Vac).
Le module LOGIC reçoit aussi le signal de référence (point de consigne) à son
entrée ACA, en provenance du module ajusteur.et compare l’écart existant entre la
mesure de tension et le signal de Référence, et agit en augmentant ou en diminuant,
selon le signal de l’écart, son signal de sortie ACR. Ce signal de sortie va à un étage
de génération du signal d’excitation alimentant la bobine d’excitation de l’AVR. (Voir
fig II.4). Cet étage est constitué des modules convertisseur de puissance et générateur
FHC Page 24 MAEI_09

d’impulsion. Lorsque l’AVR est en mode automatique, ce signal entre en jeu et pris
en compte au niveau de l’étage de génération du signal d’excitation. Alors le signal
d’excitation en fonction du signal de commande ACR du module LOGIC.
La figure (II.5) représente le schéma synoptique simplifié du module LOGIC.
Figure II.5 module logique avec les signaux d’amélioration de La stabilité.
a-circuit de conditionnement et d’isolation
Ce circuit convertis le signal tension de sortie (à partir d’un transformateur

potentiel externe 120/10v) à une tension basse 5v.
S2 : Est un switcher agit sur le gain d’amplification (changement de gain
d’amplification). R14, R12, R13, R10, R11, R25, R24 : des résistances.
Figure II.6 Circuit de conditionnement d’isolation
FHC Page 25 MAEI_09

On obtient un schéma simplifie du transducteur suivant pour les deux phases A et C :
Figure II.7 schéma simple de Transducteur phase A, C
- +
Avec : et = On a : Vd =V - V = 0 /
V+=0 Donc : V − =V + = 0
VE=R2I , VS=-R1I
=- ………………………………………………………… (II.2)
Et pour la phase B on aura :
Figure. II.8 Schéma simplifie de Transducteur phase B
Vd =V- - V+= 0 → V- = V+
FHC Page 26 MAEI_09

Suivant la loi de diviseur de tension :
=( + )
=-( )→ = -( + )( ….… (II.3)
b- Le détecteur d’erreur
Le détecteur d’erreur de tension agit (opère) en détectant le signal de tension de

générateur à partir d’un transducteur d’isolation et il convertie le signal alternatif en
un signal courant continu. Il compare ce signal continu à un signal de référence qui est
la somme d’un bus interne fixe (tension minimum) et signal variable à partir d’un
ajusteur, et produit un signal continu proportionnel à la différence entre le signal
détecté et la référence (Figure II.9).
Figure II.9 Montage de détecteur d’erreur
C’est un circuit intégrateur sommateur, la fonction de transfert de ce montage FT :
+ +
1) Calcul de
FHC Page 27 MAEI_09

On a: V- = R133 I - Vs
VT = R133 I
VS= ↔I=
D’où : = ,
2) Calcul de
3) Calcul de
Donc : FT = ) …………………… (II.4)
Le schéma fonctionnel de ce circuit (III.8) est donné par la figure suivante :
Figure II.10 schéma block de détecteur d’erreur
Vt : tension de mesure (tension terminal)

VRef : tension de référence (tension de référence)
VD : tension de damping (retour)
ε : Signal d’erreur
4) Le gain de régulateur KA : Il est variable suivant la position de

commutateur.
FHC Page 28 MAEI_09

C - Circuit de stabilisation du système d’excitation

Le stabilisateur du système d’excitation sert à stabiliser le système de contrôle
d’excitation. Le signal d’entrée au stabilisateur est une tension proportionnelle au
courant du champ de l’excitateur. Avec un excitateur rotationnel, le signal d’entré
provient d’un transducteur à courant continue.
Dans les systèmes d’excitation utilisant un excitateur statique le signal provient de la
sortie du circuit mixeur des signaux qui est proportionnel à la tension de l’excitateur.
Figure II.11 Circuit stabilisateur du système d’excitation
 Premier étage
Figure II.12 Circuit stabilisateur du système d’excitation - première étage
FHC Page 29 MAEI_09

On a: V+=V-
Donc : et ……………………………… (II.5)
 Deuxième étage
C2 // C3= C2 +C3 =C
R48=R127 → T2=R48C Ou T2=R117C
=- ……………….………………………………………. (II.6)
 Troisième étage
La combinaison [1 0 0 0] nous donne les résultats suivants :
= ……………………………………………………(II.7)
FHC Page 30 MAEI_09

Donc le block de ce circuit est :
Figure II.13 Schéma block de stabilisateur de système d’excitation
d) Mixeur des signaux
La sortie du régulateur passe par un circuit mixeur de signal, qui permet de

limiter la sortie effective du module LOGIC, dans les limites fixées par le module
limiteur LIM (MEL, MXL, HXL et INST LIMITER). Cela permet d’éviter de faire
fonctionner le générateur en dehors de sa page fonctionnelle Avec :
MXL - limite maximum d’excitation.
INST - LIMITER limite instantané de courant.
MEL - limite minimum d’excitation.
HXL - limite tension / fréquence.
II.4.2 Le module Ajusteur / Suiveur
Le module ajusteur/suiveur a pour fonction de fournir une de référence soit

pour le mode automatique, soit pour le mode manuel, ou pour le détecteur d’erreur
VAR/PF.
Essentiellement le panneau ajusteur contient deux ajusteurs :
- Ajusteur automatique.
- Ajusteur manuel.
- Un troisième ajusteur dans le cas où l’on utilise le VAR/PF.
II.4.3 Le module générateur des impulsions (circuit d’amorçage des thyristors)
Le but du module circuit d’amorçage des thyristors est de générer et contrôler

les signaux de commande des thyristors du module «power converter» de façon à
contrôler la valeur moyenne de la tension redressée par le pont de GRAETZ qui
représente le signal d’excitation (figure II.14).
FHC Page 31 MAEI_09

Figure II.14 Schéma synoptique d’un redresseur (pont de GRAETZ)
II.4.4 Module Limiteur / Protecteur
Le module limiteur produit des signaux de régulation qui modifient l’opération

du système d’excitation (la sortie ACR du module logique) et ce pour prévenir de tout
dégât à l’alternateur.
Les quatre signaux de sortie sont à partir du :
- circuit limiteur d’excitation minimum MEL.
- Circuit limiteur d’excitation maximum MXL.
- Circuit limiteur de courant instantané INST.
- Circuit limiteur de volts par hertz « sur tension » HXL.
La protection des réglages du circuit doit être coordonnée avec les réglages du
limiteur.
FHC Page 32 MAEI_09

Figure II.15 Schéma synoptique de module Ajusteur / Suiveur
II.4.5 Le transducteur IDX :
Le transducteur IDX est un module utilisé pour la lecture du courant

d’excitation. Il fournit cette lecture, via un shunt au module LOGIC, au module
limiteur LIM, et au module de protection PRO.
Par conséquent, la précision et le fonctionnement correct du module IDX sont
primordiaux.
II.4.6 Le transducteur VDX :
Le transducteur VDX est lui aussi un transducteur d’isolation utilisé pour

fournir au PSSP la mesure de la tension d’excitation. Il utilisé un module (hardware)
totalement identique à celui du transducteur IDX, mais lorsque le module est utilisé
comme transducteur de tension.
FHC Page 33 MAEI_09

II.4.7 Les contrôleurs optionnels :

Il y a d’autre circuit optionnel dans le module logique, parmi ces circuits on
trouve :
- le contrôleur de facteur de puissance (PF).
- Le contrôleur de courant réactif (VAR).
- Le stabilisateur de système de puissance (PSS).
a- Le contrôleur de facteur de puissance PF
Le contrôleur de facteur de puissance a pour fonction de maintenir le facteur de

puissance (PF) de la ligne de générateur à une valeur donnée (signal de référence)
avec petit déviation (figure III.14).
Les gains très grands peuvent cause une opération instable.
Le contrôleur de facteur de puissance maintenir effectivement le temps entre les
passages par zéro d’une phase de la tension terminale et une phase du courant de la
ligne à une valeur fixe.
Figure II.16 Schéma synoptique de détecteur d’erreur de facteur de puissance.
b- Le contrôleur de courant réactif VAR :

Le contrôleur VAR à pour fonction de maintenir le courant réactive de la ligne (ou
bien puissance réactif) à une valeur donnée (signal de référence) avec une petit
déviation (variation) par rapport à la valeur donnée (fig. III.17). Il ne contrôle que le
courant réactif sans compensation pour toute déviation dans la tension terminale.
FHC Page 34 MAEI_09

Figure II.17 Schéma synoptique de détecteur d’erreur du courant réactive
II.5 Modélisation mathématique de l’AVR :
Le régulateur doit fournir une tension d’excitation adéquate pour l’alternateur au

niveau de son enroulement d’excitation, cette régulation est fournie soit :
1- Pour une sur - excitation dans le cas d’une chute de tension.

2- Ou bien pour une sous - excitation si on a une élévation de tension.
Le régulateur doit être muni d’un signal de stabilisation qui est introduit au niveau
du sommateur de la tension de consigne et de la mesure de tension.
Le gain du régulateur de tension doit être modifié automatiquement lorsqu’il y

a une panne d’alimentation du régulateur ou lorsqu’il est mis hors service et que le
disjoncteur de groupe est fermé. Le régulateur doit être construit de façon à permettre
l’adjonction d’un système de commande en commun de la tension aux bornes des
alternateurs d’une même centrale d’où l’influence du système d’excitation et de la
régulation sur la stabilité oscillatoire des réseaux.
FHC Page 35 MAEI_09

Figure II.18 Model réel de système AVR.
Comme il est montré dans la figure II.18 le système AVR se compose de 4 éléments
principaux [13] :
1- l’amplificateur
2- l’excitateur
3- le générateur
4- le capteur
Il est notée que l’erreur de tension Ԑ= Vref -V
-Pour le comparateur on a : Δ|V|ref - Δ|V| = Δe
La transformée de Laplace pour cette équation est :
Δ|V| ref (s) - Δ|V| (s) = Δe (s)…..................................................................... (II.8)
1- Pour l’amplificateur on a :
ΔVR = KA ΔE ou KA est le gain d’amplificateur
La transformée de Laplace pour cette équation est :
ΔVR (s) = KA Δe (s)…...................................................................................... (II.9)
Cette équation indique la réponse instantanée d’amplificateur Mais on réalité

l’amplificateur a un temps de retard il peut être représenté par une constante TA
FHC Page 36 MAEI_09

Alors ΔVR (s) et ΔVE (s) sont relié comme suis :
……………………………………………………. (II.10)
: est la fonction de transfert de l’amplificateur, GA(s)

Le schéma block correspond aux équations II.8 et II.9 voir figure II.19 :
Figure II.19 schéma block de l’amplificateur.

2- Le model de l’excitateur :
R e, Le représente respectivement la résistance et l’inductance de l’excitateur
on a :
Alors ………………………………(II.11)
Le courant d’excitation ie produit la tension Vf ou est la tension rectifier par

l’excitateur.
……………………………………………………………… (II.12)
Avec K1 est le gain rectifié de volt/ampère de courant d’excitation de l’excitateur.
On a la transformée de Laplace pour ces 2 équations et on éliminant ∆ie(s)
…………………………………………… (II.13)
Dont et =
La fonction de transfert de model de comparateur, amplificateur et l’excitateur

représenté sur la figure II.20 suivante :
FHC Page 37 MAEI_09

Figure II.20 schéma block de l’amplificateur et d’excitateur.
Les constantes de temps TA de 0.02 jusqu'à 0.1 sec et Te de 0.4 jusqu'à 1 sec.
3- Le model de générateur :
La tension d’excitation de générateur :
On a la transformée de Laplace ………… (II.14)

La force électromotrice (E) de générateur et le courant d’excitation sont relier par :
Lfa : l’inductance mutuelle entre le stator et le rotor
D’où
La transformée de Laplace de l’équation est : ..........(II.15)
On remplace dans l’équation III.13 on obtient :
Alors
Donc la fonction de transfert est :
= = …………………………………. (II.16)
et ………………………………………………… (II.17)
Entre 0.1 et 1 et entre 1 et 2 sec
FHC Page 38 MAEI_09

4-Le model de capteur (sensor) :

Le circuit de capteur permet de redresser, filtrer et réduire la tension de sortie de
générateur.
La fonction de transfert ………………………………(II.18)
TS entre 0.001 et 0.06 sec

La fonction de transfert de model de système AVR est représentée par la figure II.21
Figure II.21 schéma block de système AVR
Le système AVR doit :

 réguler la tension Vt a celle de référence.
 avoir une vitesse de réponse suffisante.
 Etre stable.
Le système AVR est compensé par un régulateur PID dans la fonction de transfert
est : F.T= voir figure II.22
Figure II.22 le schéma block de système AVR avec le régulateur PID
FHC Page 39 MAEI_09

On peut faire une synthèse des éléments de modèle AVR avec les fonctions de
transfert et la limite de ces paramètres dans le tableau suivant :
La fonction de transfert Limite des paramètres

Contrôleur PID
Amplificateur ;
Excitateur ;
Générateur ;
Capteur
Tableau II.1 : synthèse des éléments de model AVR
II.6 Conclusion
Dans ce chapitre nous avons présenté de façon détaillée la structure du système
AVR (régulateur automatique de tension), pour définir le mode de la régulation
automatique et les différents module de l’AVR, on a basé notre étude sur le module
logique car c’est le module régulateur. L’AVR est toujours associer un régulateur PID
(Proportionnel Intégral dérivative). Nous avons constaté aussi, que l’étude et
l’utilisation d’un contrôleur d’excitation type stabilisateur des systèmes de puissance
‘PSS’ permettant un amortissement supplémentaire afin d’améliorer la performance
du système électro-énergétique en terme de stabilité. le modèle mathématique établi
dans ce chapitre a pour but de simuler l’AVR à l’aide de MATLAB pour investiguer
son comportement dans les prochains chapitres.
FHC Page 40 MAEI_09

CH III Généralités sur les Metaheuristiques et le firefly algorithme 2014
Chapitre III
Généralités sur les metaheuristiques et

le firefly algorithme
III.1 Introduction
Les ingénieurs, se heurtent quotidiennement, quel que soit leur secteur

d’activité, à des problèmes d’optimisation. Ce chapitre présente introduction a une
famille de techniques d’optimisation, appelées "métaheuristiques", adaptées à la
résolution de problèmes pour lesquels il est difficile de trouver un optimum global ou
de bons optimums locaux par les méthodes plus classiques ou exactes.
Les premières métaheuristiques datent des années 1980, et bien qu’elles soient
d’origine discrète, on peut les adapter à des problèmes continus et vice versa. Elles
sont utilisées généralement quand les méthodes classiques ont échoué. Le terme
métaheuristique est utilisé par opposition aux heuristiques particulières pour un
problème donné. Les métaheuristiques peuvent être utilisées pour plusieurs types de
problèmes, tandis qu’une heuristique est adaptée à un problème donné.
Les métaheuristiques ont également comme caractéristiques communes leur

caractère stochastique, ainsi que leur inspiration, une analogie avec d’autres domaines
de recherche (la biologie, la physique, etc.).
Les métaheuristiques ne sont pas des méthodes figées ; il n’y a pas de relation d’ordre
quant à l’efficacité d’un algorithme ou d’un autre, cela dépend plutôt des paramètres
utilisés, de l’application elle-même ou du problème.
III.2 Notions fondamentales
III.2.1 Définition
L’arrivée des métaheuristiques marque une réconciliation des deux domaines.

En effet, celles-ci s`appliquent toutes sortes de problèmes combinatoires et elles
peuvent s’adapter aussi aux problèmes continus.
Ces méthodes ont en commun, en outre, les caractéristiques suivantes :
 Elles ont l’avantage, décisif dans le cas continu, d’autre directes, c’est à dire
qu’elles ne recourent pas au calcul, souvent problématique, des gradients de la
fonction objectif ; elles sont inspirés par des analogies ; avec la physique
(recuit simulé, diffusion simulé), avec la biologie (algorithmes génétiques,
FHC Page 42 MAEI_09

recherche tabou) ou avec l’éthologie (colonies de fourmis, essaims

particulaires, lucioles).
 Elles partagent aussi les mêmes inconvénients : les difficultés réglage des
paramètres de la méthode, et le temps de calcul élevé.
 Ces méthodes ne s’excluent pas mutuellement. En effet, dans l’état actuel de la
recherche, il est le plus souvent impossible de prévoir avec certitude
l’efficacité d’une méthode donnée, quand elle est appliquée a un problème
donne.
 Les métaheuristiques sont généralement des algorithmes stochastiques
itératifs, qui progressent vers un optimum global, c'est-à-dire l'extremum
global d'une fonction, par échantillonnage d’une fonction objectif. Elles se
comportent comme des algorithmes de recherche, tentant d’apprendre les
caractéristiques d’un problème afin d’en trouver une approximation de la
meilleure solution.
III.2.2 Terminologies
On parle de méta, du grec « au-delà » comprendre ici «à un plus haut niveau »,

heuristique, du grec qui signifie « trouver ». En effet, ces algorithmes se veulent des
méthodes génériques pouvant optimiser une large gamme de problèmes différents,
sans nécessiter de changements profonds dans l’algorithme employé.
III.2.3 Présentation des heuristiques
Par définitions les heuristiques sont des règles utilisent les résultats passes et
leurs analogies afin d’optimiser leurs recherches futures en examinant d’abord les cas
les plus possible. Les heuristiques disposes d’une simplicité et d’une rapidité dans
leur exécution que les algorithmes classiques.
Bien que l’obtention d’une solution optimale ne soit pas garantie, l’utilisation
d’une Méthode heuristique offre de multiples avantages par rapport à une méthode
exacte :
 une méthode exacte est souvent beaucoup plus lente qu’une méthode
heuristique, ce qui engendre des coûts informatiques supplémentaires et des
difficultés au niveau du temps de réponse.
FHC Page 43 MAEI_09

 Les principes de recherche qui sont à la base d’une méthode heuristique sont
en général plus accessibles aux utilisateurs non expérimentés.
 Le manque de transparence qui Caractérise certaines Méthodes exactes
Nécessite une intervention régulière de la part d’un spécialiste voire même du
concepteur de la méthode.
 Une méthode heuristique peut être facilement adaptée ou combinée avec
d’autres types de méthodes. Cette flexibilité augmente considérablement les
possibilités d’utilisation des méthodes heuristiques.
Sa capacité à optimiser un problème avec un minimum d'informations est

contrebalance par le fait qu'elle n'offre aucune garantie de trouver une meilleure
solution d’optimalité.
III.2.4 Présentation des métaheuristiques
Ces méthodes ont en commun, en outre, les caractéristiques suivantes :
 elles sont, au moins pour partie, stochastiques : cette approche permet de faire
face à l'explosion combinatoire des possibilités ;
 souvent d’origine discrète, elles ont l'avantage, décisif dans le cas continu,
d'être directes, c'est -à- dire qu'elles ne recourent pas au calcul, souvent
problématique, des gradients de la fonction objectif ;
 Elles partagent aussi les mêmes inconvénients : les difficultés de réglage des
paramètres de la méthode, et le temps de calcul élevé.
L’utilisation du mot métaheuristique signifie les algorithmes regroupent en

réalité plusieurs heuristiques. Cette utilisation implique qu’on ne peut pas réellement
classer les métaheuristiques dans la catégorie des algorithmes d’intelligence
artificielle, puisqu’ils sont principalement guides par le hasard. Cependant ils sont
souvent combines a d’autre algorithmes afin d’accélérer la convergence en obligeant
entre autre le métaheuristique a ne pas prendre en compte les solutions trop
(extravagantes).
Une notion à bien cerner découlant de l’utilisation d’heuristique est l’ensemble

des solutions possibles ou espace global. Car, bien que les métaheuristiques
FHC Page 44 MAEI_09

fonctionnent plus ou moins de façon hasardeuse cet inconvénient est compensé par la
diminution de l’espace de travail local à chaque itération.
III.3 Fonctionnement général des métaheuristiques
Les métaheuristiques ne nécessitent pas une connaissance particulière sur les

problèmes d’optimisation à résoudre. Il suffit d’associer une ou plusieurs variables à
une ou plusieurs solutions (optimum).
Les habituelles de dispersion de recherche métaheuristiques reprend les cinq

composantes suivantes qui assure l’optimisation globale :
1) La diversification,
2) L'amélioration,
3) La Référence set mise à jour,
4) la génération de sous-ensemble, et la combinaison de solutions.
5) L'idée de base derrière la méthode de recherche de dispersion.est de combiner
les bonnes solutions qui sont découverts par la métaheuristique.
Ces cinq composantes de la métaheuristique sont définies comme suit :
III.3.1 Diversification
La composante diversification cherche à générer un ensemble de solutions

diversifiées qui est représentatif de la recherche d’espace. Dans l'approche présentée
dans ce travail, la méthode de diversification consiste à générer de la population
aléatoirement.
III.3.2 Amélioration
Le composant d’amélioration commence par la recherche d'un vecteur de

paramètres qui réduit le nouveau courant la somme carrée moyenne des erreurs
(MSE), généralement en effectuant une recherche locale autour d’une bonne solution.
Les procédures de recherche locale sont le problème de dépendance.
III.3.3 Mise à jour des références
L'ensemble de référence est composé d'un sous-ensemble solution soumise à

un processus évolutif dont en tenter de déterminer la solution optimale. Dans cet
FHC Page 45 MAEI_09

article, l'ensemble de référence est composé d'un petit ensemble de meilleures

solutions trouvé pour la MSE. Il s'agit d'une référence élitiste que défini dans les
meilleures solutions sont maintenues. Soit R la référence ensemble, organisé selon les
valeurs décroissantes non-MSE.
III.3.4 Génération de sous-ensemble
L'étape de génération de sous-ensemble fonctionne de combiner des solutions

de R pour créer des nouveaux sous-ensembles. Il est de nombreuses façons de
combiner ces solutions, mais les résultats généralement bons peuvent être obtenus
même en combinant un petit nombre des solutions.
III.3.5 Combinaison Solution
L'étape de combinaison encourage la combinaison des solutions contenues

dans chaque sous-ensemble. Les métaheuristiques, du fait de leur capacité à être
utilisées sur un grand nombre de problèmes différents, se prêtent facilement à des
extensions. Pour illustrer cette caractéristique, citons notamment :
 L'optimisation multi objectif (dites aussi multicritère), où il faut optimiser

plusieurs objectifs contradictoires. La recherche vise alors non pas à trouver
un optimum global, mais un ensemble d'optima formant la surface de
compromis du problème.
 L'optimisation multimodale, où l'on cherche un ensemble des meilleurs
optima globaux et/ou locaux.
 L’optimisation de problèmes bruite, où il existe une incertitude sur le calcul
de la fonction objectif. Incertitude dont il faut alors tenir comptes dans la
recherche de l'optimum.
 L’optimisation dynamique, où la fonction objective varie dans le temps. Il
faut alors approcher au mieux l'optimum à chaque pas de temps.
On peut classer les optimisations combinatoires selon le schéma suivant :
FHC Page 46 MAEI_09

Figure III.1 Classification des méthodes d’optimisation combinatoire
III.4 Classification des métaheuristiques
Les métaheuristiques peuvent être classées selon leurs fonctionnements :
III.4.1 Métaheuristique a parcours
Les métaheuristiques les plus classiques sont ceux fondes sur la notion de
parcours. Dans ce type d’algorithme ce dernier fait évoluer une seule fonction
objective sur l’espace de recherche local à chaque itération puis la compare aux
optimums. La compréhension de la notion de voisinage est alors nécessaire. Les plus
connues dans cette classe sont le recuit simule et la recherche de tabous.
III.4.2 Métaheuristique à population
Dans cette famille les métaheuristiques utilisent la notion de population : Ils

manipulent un ensemble de solutions en parallèle. Chaque élément de la population
parcours un certain nombre de solutions dans l’ensemble local. On peut les assimiler
les métaheuristiques a des méta parcours. Parmi les algorithmes inclus dans cette
classification on peut citer les algorithmes génétiques et les algorithmes de colonie de
fourmis et les algorithmes de lucioles.
III.4.3 Métaheuristiques à méthodes implicites
Lors de l’utilisation des méthodes implicites, avec les algorithmes génétiques,

la distribution de probabilité n’est pas connue ou n’est pas utilisée le choix de
l’échantillonnage entre deux itérations ne suit pas une loi donnée, mais on fonction
des règles locales.
FHC Page 47 MAEI_09

III.4.4 Métaheuristiques à méthodes explicites
Ces méthodes utilisent une distribution de probabilité choisie à chaque

itération. C’est le cas des algorithmes a estimation de distribution, comme leur nom
indique, estime a chacune de leur itération et via une distribution de probabilité
l’espace de recherche local optimal.
III.4.5 Les méthodes métaheuristiques modernes
Ces sont méthodes métaheuristiques modernes les plus connues sont :
 Les algorithmes évolutionnistes, parmi lesquels :

o les stratégies d’évolution,
o les algorithmes génétiques,
o les algorithmes à évolution différentielle,
o les algorithmes à estimation de distribution,
o les systèmes immunitaires artificiels,
o la recomposition de chemin (Path relinking en anglais).
 le recuit simulé,
 les algorithmes de colonies de fourmis,
 Les algorithmes d’optimisation par essaims particulaires (PSO),
 Les algorithmes de lucioles.
 la recherche avec tabous,
 la méthode GRASP.
 Cuckoo search.
Il existe un très grand nombre d’autres métaheuristiques, plus ou moins connues :
 l’algorithme du kangourou,
 la méthode de Fletcher et Powell,
 la méthode du bruitage,
 la tunnelisation stochastique,
 l’escalade de collines à recommencements aléatoires,
 la méthode de l'entropie croisée.
FHC Page 48 MAEI_09

III.5 Algorithme De Lucioles (FireFly Algorithm)
III.5.1 Inspiration
Les lucioles (en anglais firefly) sont de petits coléoptères ailés capables de
produire une lumière clignotante froide pour une attraction mutuelle. Les femelles
peuvent imiter les signaux lumineux d’autres espèces afin d’attirer des mâles qu’elles
capturent et dévorent. Les lucioles ont un mécanisme de type condensateur, qui se
décharge lentement jusqu'à ce que certain seuil est atteint, ils libèrent l'énergie sous
forme de lumière. Le phénomène se répète de façon cyclique [10].
Nous savons que l’intensité de la lumière à une distance particulière de la

source on a la lumière obéit à la loi de l'inverse du carré. C'est à dire, que l'intensité
lumineuse i diminue à mesure que la distance r augmente I≈ 1/r2 [8] Ces deux
facteurs combinés font la plupart des lucioles très lisibles à une distance limite,
généralement de plusieurs centaines de mètres dans la nuit, ce qui est assez bon pour
les lucioles de ce communiquer. La lumière clignotante peut être formulée de telle
manière qu’elle est associée à la fonction d'objectif, ce qui rend possible la
formulation de nouveaux algorithmes d’optimisation.
III.5.2 L’Algorithme Firefly standard [8]
A ce stade, nous pouvons idéaliser certaines des caractéristiques de clignotant

de lucioles afin de développer un algorithme de luciole (FA) inspiré du comportement
réel des lucioles. Pour plus de simplicité dans la description de la FA standard, nous
utilisons maintenant les trois règles idéalisées suivantes :
 Toutes les lucioles sont unisexes, donc les lucioles seront attirées par d'autres
lucioles indépendamment de leur sexe.
 L'attractivité est proportionnelle à la luminosité d'une luciole. Ainsi, pour
deux lucioles clignotants, moins lumineux se déplacera vers le plus lumineux,
et diminue si la distance augmente. S'il n'y a pas plus brillant que l’autre
luciole, il va se déplacer de manière aléatoire.
 La luminosité d'une luciole est déterminée par la fonction objective.
FHC Page 49 MAEI_09
Pour un problème de maximisation, la luminosité peut être simplement

proportionnelle à la valeur de la fonction objective. Sur la base de ces trois règles, les
étapes de base de la FA peuvent être résumées comme le pseudocode de la figure
III.2.
Figure III.2 algorithme firefly standard
III.5.3 Variations de l'intensité lumineuse et l'Attractivité
Dans l'algorithme de luciole, il y a deux questions importantes : la variation de

l'intensité lumineuse et la formulation de l’attractivité. Pour simplifier, on peut toujours
supposer que l'attractivité d'une luciole est déterminée par sa luminosité, ce qui à son
tour est associée à la fonction objectif. Dans le cas le plus simple pour des problèmes
d'optimisation au maximum, la luminosité I d'une luciole à l'emplacement particulier x
peut être choisie I(x)≈f(x).
FHC Page 50 MAEI_09

Cependant, l'attractivité β est relative ; il doit être vu dans les yeux du

spectateur ou jugé par les autres lucioles. Ainsi, elle variera avec la distance rij entre
luciole i et la luciole j. En outre, l'intensité lumineuse diminue si la distance augmente.
Dans la forme la plus simple, l'intensité lumineuse I(r) varie en fonction de la loi de
l'inverse du carré de la distance :
( ) ……………………………………(III.1)
Où Is est l'intensité à la source. Pour un milieu donné avec une lumière fixe du
coefficient d’absorption de l'intensité lumineuse varie en fonction de la distance r :
…………………………………. (III.2)
Où I0 est l’intensité de la lumière originale de distance nulle r=0. Pour éviter la

singularité à l’expression, l'effet combiné de fois sur la loi de l'inverse du carré et
l'absorption peut être approchée comme la forme gaussienne suivante :
( ) ……………………………(III.3)
Il claire que l'attractivité d'une luciole est proportionnelle à l'intensité lumineuse vu

par les lucioles, nous pouvons maintenant définir l'attractivité β d'une luciole par :
....…………………………………(III.4)
Avec β0 l’attractivité a r=0.

Dans la mise en œuvre réelle, la fonction de l'attractivité peut être une fonction
décroissante d’une façon monotone comme c’est donner par la forme générale
suivante :
( )…………………………(III.5)
La distance entre deux lucioles i et j soit xi et xj respectivement, est la distance
cartésienne :
√∑ ( ) ……………………… (III.6)
FHC Page 51 MAEI_09

III.5.4 Mouvement des lucioles
Le mouvement d'une luciole i attiré par une autre, plus attrayant (plus
lumineux) de la luciole j est déterminée par :
……………………………… (III.7)
Ou le premier terme est la position actuelle de luciole et le deuxième terme est

due à l’attraction. Le troisième terme est dû à la randomisation, avec α étant le
paramètre de la randomisation, et ϵi est un vecteur de nombres aléatoires tirés d'une
distribution gaussienne ou une distribution uniforme. Par exemple, la forme la plus
simple ϵi est peut être remplacée par rand -1/2, où rand est un générateur de nombres
aléatoires uniformément distribués dans [0,1]. Pour la plupart des applications, nous
pouvons prendre β0 =1 et α ϵ [0,1].
III.5.5 Contrôle de randomisation
Une autre amélioration par rapport à la convergence de l'algorithme est de

faire varier le paramètre de randomisation α de sorte qu'il diminue progressivement à
mesure que les optima approchent. Par exemple, nous pouvons utiliser :
( ) ……………………………… (III.8)
Avec , est le temps pseudo de simulations et est le nombre maximum

de générations. Est le paramètre de randomisation initiale, et la valeur finale.
Nous pouvons également utiliser une fonction similaire :
………..……………………………… (III.9)
Où est la constante de réduction de caractère aléatoire, Dans la plupart des

applications on peut prendre et 1.
III.5.6 Classifications de Firefly Algorithmes
L'algorithme de luciole standard a été prouvé très efficace et il a trois

principaux avantages :
FHC Page 52 MAEI_09

subdivision automatique de l'ensemble de la population en sous-groupes afin

que chaque sous-groupe peut essaimer autour d'un mode local. Parmi tous les
modes locales, il existe l’optimalité globale. Par conséquent, FA peut traiter
naturellement avec l'optimisation multimodale.
FA dispose d’un mécanisme d'attraction parmi ses multiples agents, et cette
attraction peut accélérer la convergence. Le terme d'attractivité est non
linéaire, et donc peut être plus riche en termes de caractéristiques dynamiques.
il n'est pas surprenant que la FA peut traiter efficacement avec un large
éventail les problèmes d'optimisation.
De nombreux chercheurs utiliser FA pour résoudre une large gamme de

problèmes, et ils ont également essayé de développer différentes variantes en fonction
des types spécifiques d'applications avec une meilleure efficacité. FA peut être divisé
en des algorithmes modifiés et hybrides figure III.3, Au total, il existe plus de 20
variantes différentes FA.
FA classique
FA modifie FA hybride
 élitiste  stratégie d’aigle
 binaire  algorithmes génétiques
 gaussienne  évolution différentielle
 vols de prélèvement  algorithme mimétique
 chaos  réseau de neurones
 parallèle  l'apprentissage automates
 multi-population cellulaires
 Colonie de fourmis
 regroupement
harmonique  recuit simulé
 stratégies évolutives
Figure III.3 les variantes de l'algorithme de luciole
FHC Page 53 MAEI_09

III.5.6.1 FA modifie
Les algorithmes luciole modifiés peuvent être analysés en fonction du réglage

de leurs paramètres dépendant de l'algorithme. A travers cela, les FA sont classés en
fonction des critères suivants :
 représentation des lucioles (binaire, valeur réelle) ;

 schéma de la population (essaim, multi- essaim) ;
 évaluation de la fonction de remise en forme ;
 la détermination de la meilleure solution (non - élitisme, élitisme) ;
 randomisation de déplacement des lucioles (uniformes, gaussiennes, vols de
Lévy, chaos distributions).
III.5.6.2 hybrides FA
L'algorithme de luciole a été conçu comme un solveur de problème mondial

qui devrait obtenir les bons résultats sur les toutes classes de problèmes
d’optimisation. Cependant, le théorème pose certain limites. Afin de surmonter ces
limites imposées, les méthodes hybrides ont tendance à être utilisés pour développer
de nouvelles variantes d'algorithmes inspirés de la nature, L’hybridation intègre une
certaine connaissance de problèmes spécifiques à la luciole.
III.5.7 Les applications de FA
FA a attiré beaucoup d'attention et a été appliquée à de nombreuses

applications. Depuis les premières publications originales par Yang en 2008, plus de
810 publications sur FA ont été publiées.
L’algorithme de luciole a été utilisé dans presque tous les domaines des
sciences et de l’ingénierie : l’optimisation, classifications, problème du voyageur de
vendeur, de planification, de traitement d’image, et techniques conceptions. Certains
domaines d'application sont plus théoriques, tandis que d'autres ont mis l'accent sur la
résolution des problèmes du monde réel. On va concentrer sur trois grands domaines
d'applications : optimisation, classification et conceptions d’ingénierie.
FHC Page 54 MAEI_09

1) Optimisation
L'algorithme de luciole a été appliqué dans les classes suivantes de problèmes :
 continue,
 combinatoire,
 contrainte,
 multi- objectif,
 multimodal,
 dynamique et bruyant.
Problèmes d'optimisation continue concernent souvent un ensemble de nombres ou de
fonctions réelles, tandis que dans les problèmes d'optimisation combinatoire, des
solutions sont recherchées à partir d'un ensemble fini ou infini, généralement des
entiers, des ensembles, des permutations, ou graphiques. La dernière classe de
problèmes d'optimisation peut aussi être appelée optimisation discrète.
Les solutions aux problèmes de contraintes doivent obéir à certaines limites
(également connu sous contraintes).
Dans les problèmes multi-objectifs, la qualité d'une solution est définie par sa
performance par rapport à plusieurs, peut-être contradictoires, objectifs.
D'autre part, pour les problèmes multimodaux il y a un (grand) nombre de modes
locaux qui sont mieux que toutes les solutions voisines, mais qui n'ont pas une aussi
bonne condition physique que l’optimale globale solution.
Les problèmes dynamiques et bruyants sont non stationnaires. Autrement dit, ils
changent au fil du temps.
2) Classifications
Les algorithmes de classification sont les procédures de sélection d'une hypothèse
à partir d'un ensemble d’alternatives qui correspond le mieux à un ensemble
d'observations ou de données. Habituellement, ces algorithmes sont plus pertinents
dans l'apprentissage automatique, l'exploration de données et les réseaux de neurones.
3) Ingénierie
L'algorithme de luciole est devenu l'un des outils les plus importants pour
résoudre les problèmes d'optimisation de conception dans la pratique de l'ingénierie
de routine. Presque tous les domaines de l'ingénierie (traitement d’image, robotique,
chimie, génie civil…etc.) a été couvert par les applications de cet algorithme.
FHC Page 55 MAEI_09

La majorité des études proviennent de l'ingénierie et de l'industrie .En résumé,

l'expansion rapide de la littérature de recherche sur les algorithmes de luciole
dans l'optimisation de l'ingénierie prouve que cet algorithme est devenu
un outil sérieux pour résoudre divers problèmes difficiles du monde réel.
III.6 Conclusion
Dans ce chapitre, nous avons décrit les méthodes d’optimisation basées sur les
métaheuristiques en les divisant en deux classes : les méthodes à solution unique et les
méthodes à population de solutions.
L'algorithme de luciole utilise le procédé de l'attraction en fonction de la
luminosité des lucioles pour optimiser une fonction objective. Des recherches
antérieures ont montré que l'algorithme peut résoudre à la fois problèmes continus et
discrets d’optimisation il peut être étendu à résoudre les problèmes d’optimisation du
monde réel tels que les dessins d’ingénierie, la planification, la sélection de fonction,
les problèmes de voyages, traitement de l’image, les classifications et les applications
industrielles. Le prochain chapitre sera entièrement consacré à l’application de notre
algorithme sur un système AVR pratique en vue d’améliorer ces caractéristiques
dynamiques.
FHC Page 56 MAEI_09

CH IV Simulation de système AVR régulé par le contrôleur FA-PID 2014
Chapitre IV
Simulation de système AVR régulé par

le contrôleur FA-PID
IV.1 Introduction
Dans ce chapitre, nous allons exposer est d’une manière détaillée le shcéma
bloc de notre contrôleur FA-PID en vue d’amélioration du comportement dynamique
du système AVR. De plus, l’efficacité du contrôleur proposé sera examinée à travers
une comparaison avec un autre régulateur basé sur le PSO.
IV.2 Implémentation de FA-PID
Afin d’améliorer la réponse de système AVR, l’objectif principale de

Controller FA-PID est d’ajuster les paramètres de contrôleur PID optimales plus
rapidement possible on terme de temps selon la fonction objective.
Le schéma block proposée pour un système AVR utilise un FA-PID est montré sur la
figure IV.1
Figure IV.1 schéma block de système AVR avec le contrôleur FA-PID
IV.2.1 La Fonction objective
La fonction objective sert à calculer les réponses globales pour chaque valeur
des gains de régulateur PID, Et les réponses qui génèrent la valeur objective pour
chaque individu, la fonction est donnée par cette expression :
( ) ( )( ) ( )………………………(IV.1)
∑ …………………………………………………….. (IV.2)
FHC Page 58 MAEI_09

Est l’erreur absolue de temps d’échantillonnage i éme
, = facteur de pondération, , , , sont respectivement :

le temps d’intégrale multiplier avec l’erreur absolue, le dépassement maximum,
l’erreur statique , le temps de stabilisation et le temps de montée.
Le but c’est de trouver les paramètres PID qui donnent la valeur minimal de la
fonction objective selon chaque individu sur la période [0, t].
IV.2.2 Procédure de L’algorithme FA-PID
Au début de l’algorithme Le FA génère une population de luciole initiale au

hasard, toutes ces lucioles conduites dans le but de chercher le meilleur emplacement
dans l’espace de recherche tridimensionnel en utilisant l’intensité lumineuse et
l’attractivité. Chaque population de luciole déplace en trois dimensions dans l’espace
de recherche (paramètres PID) avec la mise à jour des prochaines lucioles attirantes et
selon le nombre d’itération l’emplacement converge vers une autre solution qui est
plus optimale.
Le FA trouve les paramètres PID optimaux en minimisant la fonction objective

donner par l’équation (IV.1), la procédure de recherche des paramètres du régulateur
PID sont au fil des itérations est donné sous forme de l’organigramme représenter par
la figure suivante :
Figure IV.2 Organigramme de Contrôleur FA-PID
FHC Page 59 MAEI_09

IV.3 Résultats de simulation
L'approche proposée est mise en œuvre dans le langage MATLAB, La

détermination des paramètres de contrôle d'approche qui est un problème important
pour l’implémentation de FA. Cependant, il n'existe pas de méthode explicite pour
résoudre le problème parce que différents valeurs de combinaisons des paramètres
donnent des résultats de performance différentes. A ce propos, nous avons effectué
nos paramètres de telle manière que nous n'avons pas à mettre à jour leurs valeurs
chaque fois que nous changeons le système test. En fait, les valeurs des paramètres les
mieux obtenus sont présentés dans le Tableau IV.1.
Paramètre Désignation valeur
n Nombre de lucioles 20
α Randomisation 0.15
β0 L’attractivité initiale 0.1
γ Le coefficient d’absorption 1
ρ Le facteur de pondération 1
ng Nombre de génération 100
Tableau IV.1 les valeurs des paramètres FA
Les paramètres de schéma block représenté par la Figure IV.1 sont choisis comme
suit [16] :
Ka = 10, Ke = Kg = Ks = 1.0, τa = 0,1 s, τe=0,4 s, τs = 0,01 s, τg = 1,0 s.
Les contraintes imposées sur les gains du régulateur PID sont :
0 ≤ KP≤ 1.5, 0 ≤ KI, KD ≤ 1.
IV.3.1 la réponse de système AVR
Dans le but d’investiguer l’apport de du régulateur proposé sur la dynamique

du système, nous avons expérimenté dans un premier la réponse du système AVR
sans régulateur FA-PID (voir figure IV.3). Dans un deuxième temps et en vue de
FHC Page 60 MAEI_09

comparaison nous avons simulé le même système dans la présence de notre régulateur
proposé et ceci pour deux valeur différentes du facteur de pondération (figure IV.4).
tension de mesure Vt
1.6
1.4
1.2
1
data
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Time (seconds)
Figure IV.3 Réponse à un échelon de tension aux bornes du système AVR sans
régulateur PID.
Figure IV.4 Réponse à un échelon de tension aux bornes du système AVR avec
FA-PID contrôleur.
FHC Page 61 MAEI_09

Pour les facteurs de pondération considérés (ρ=1 et 1.5), le processus de

recherche des paramètres PID voir figures IV.5 et IV.6 respectivement :
Figure IV.5 Processus de recherche d’itération sur les paramètres PID pour ρ=1
Figure IV.6 Processus de recherche d’itération sur les paramètres PID pour ρ=1.5
FHC Page 62 MAEI_09

De même pour le processus de recherche de la valeur objective voir figures IV.7 et

IV.8 respectivement :
Figure IV.7 caractéristique de convergence de contrôleur FA-PID : ρ=1
Figure IV.8 caractéristique de convergence de contrôleur FA-PID : ρ=1.5
FHC Page 63 MAEI_09

Les meilleures solutions du système AVR avec le contrôleur FA-PID sont

résumées dans le Tableau suivant :
ρ Nombre de KP KI KD MP% Ess ts tr Fk

génération
1 100 0.664 0.481 0.259 0 0.002 0.368 0.265 5.848
1.5 100 0.668 0.477 0.268 0 0.001 0.359 0.258 9.142
Tableau IV.2 meilleurs solutions de contrôleur FA-PID avec des ρ différents
IV.3.2 Comparaison avec le contrôleur PSO_PID
La tension aux bornes du système AVR réguler par le contrôleur PSO_PID et

FA_PID est représenté par la figure IV.8, les paramètres et les indices de performance
de ces contrôleurs sont représenter par le tableau IV.3 [16].
les contrôleurs FA-PID et PSO-PID
FHC Page 64 MAEI_09

On observe bien sur la figure IV.8 que la réponse de système AVR avec le contrôleur
FA-PID est meilleur vis-à-vis le suivi de la consigne que celle de PSO-PID. De plus
on constate d’après le tableau IV.3 que la réponse pour un échelon de tension de
système AVR avec le contrôleur FA-PID a un temps de montée et de stabilisation plus
petit que celle de contrôleur PSO pour chaque valeur de facteur de pondération.
ρ Nombre de Type de KP KI KD M Ess ts tr ITAE FK

génération contrôleur
P%
1 100 PSO-PID 0.6443 0.4700 0.2423 0 0 0.4000 0.2800 4.2040 5.3882
FA-PID 0.6641 0.4815 0.2598 0 0.002 0.3681 0.2651 4.3180 5.8482
1.5 100 PSO-PID 0.6300 0.4538 0.2276 0 0 0.4300 0.3000 4.1812 8.9322
FA-PID 0.6681 0.4772 0.2680 0 0.001 0.3593 0.2586 4.6362 9.1428
Tableau IV.3 les meilleures solutions en utilisent les contrôleurs PSO-PID et FA-PID
IV.4 Conclusion
A travers les résultats de simulation nous avons constaté que le contrôleur FA-
PID proposé pourrait effectuer une recherche efficace sur les paramètres optimaux du
régulateur PID (proportionnel intégrateur dérivé) pour un système AVR pratique. En
outre, les résultats de simulation démontrent que la méthode de réglage des
paramètres PID en utilisant l'algorithme de luciole peut améliorer les performances du
système AVR en termes de précisions et des caractéristiques dynamique du système
par rapport à celle de PSO. De plus il est à signaler que notre algorithme présente
l’avantage de la facilite d’implémentations.
FHC Page 65 MAEI_09

Conclusion générale 2014
Conclusion générale
Conclusion générale 2014
Conclusion générale
Le régulateur PID est un contrôleur très utilisé pour le control des systèmes
notamment le système AVR et ceci du a son efficacité remarquable et sa simplicité
dans la mise en œuvre. Pour les contrôleurs PID il est très important de régler les
gains de ce contrôleur afin d’avoir une meilleure efficacité des systèmes réglés
cependant, si le réglage n’est pas bon non seulement les performances sont mauvaises
mais aussi tous le système de contrôle deviens inefficace.
Pour cela dans notre travail nous avons opté à résoudre le problème en
utilisant une metaheuristique efficace appelé « algorithme de luciole (FA) », Dans le
processus de réglage des paramètres, le FA réalise une sorte de recherche
tridimensionnel des (gains du PID) au fil des itérations pour obtenir les valeurs
optimales de ces gains quand le contrôleur est appliquer sur un système AVR
pratique.
Les résultats de simulation obtenus montrent bien que le contrôleur proposé

(FA_PID) présente une efficacité remarquable dans la recherche des paramètres
optimaux de contrôleur PID. De plus notre contrôleur proposé présente une
supériorité vis-à-vis le contrôleur PSO-PID issue de la littérature en termes des
caractéristiques dynamiques.
Reste à signaler que le FA présente comme un inconvénient que les valeurs de

ces paramètres de contrôle FA qui sont en réalité fixés dès le début des itérations. De
plus le FA ne mémorise pas pour chaque luciole la meilleure situation, il est
nécessaire donc et comme future extension du présent travail de penser à une sorte
d’adaptation dynamiques de ces paramètres afin d’augmenter l’efficacité du
contrôleur proposé. Pour le réglage des paramètres de FA sembler aitre une bonne
aider pour résoudre les problèmes pratiques.
FHC Page 67 MAEI_09

NOMENCLATURE
PID Régulateur Proportionnel Intégral et dérivative
f.é.m force électromotrice
GP Génératrice principale
L sep L’enroulement d’excitation
Ld L’enroulement de dérivation
Vf Tension d’excitatrice
Vg Tension aux bornes de générateur
Vc Tension de compensation
Vref Tension de référence
Vt Tension de mesure
If Courant excitation
Ig Courant de générateur
Zc Impédance de compensation
Xc Réactance de compensation
XT Réactance de transformateur élévateur
ME Machine excitatrice
PMG Permanent Magnet Generator
AREP Auxiliary winding Regulation Excitation Principle
AVR Automatic voltage regulator
Δu Tension statorique
∆V L’erreur de tension
SEE Systèmes électro-énergétique
PSS Power system stabilizer
Kp Gain proportionnel
Ki Gain intégral
Kd Gain dérivative
Ti Temps de réinitialisation
Td Temps d’action dérivée
Kc Gain critique
tԐ et ts Le temps de stabilisation
Ԑp Le dépassement
Tr Le temps de montée
Vt terminal voltage
VD Dumping voltage
Ԑ Erreur de tension
KA Le gain d’amplificateur
KE Le gain d’excitateur
KG Le gain de générateur
KS Le gain de capteur
TA constante de temps d’amplificateur
TE constante de temps de l’excitateur
TG constante de temps de générateur
TS constante de temps de capteur
FA Firefly algorithm
I Intensité lumineuse de la luciole
ri,j la distance entre deux luciole i et j
X emplacement particulier d’une luciole
β L'attractivité des lucioles
γ Le coefficient d’absorption
β0 l'attractivité a r=0
α le paramètre de la randomisation
α0 le paramètre de la randomisation initiale
α∞ le paramètre de la randomisation finale
ϵi générateur de nombres aléatoires
PSO optimisation par essaims particulaires
ITAE le temps d’intégrale multiplié avec l’erreur absolue
Mp le dépassement maximum
Ө la constante aléatoire
Ess L’erreur statique
ng Nombre de génération
ρ Le facteur de pondération
Liste des Tableaux
Tableau I.1 La variation commune des paramètres de contrôleur PID………………15
Tableau I.2 détermination des gains de régulateur PID……………………………16
Tableau I.3 la variation des paramètres d’un contrôleur PID……………………….17
Tableau II.1 : synthèse des éléments de model AVR……………………………….40

Tableau IV.1 les valeurs des paramètres FA…………………………………………60
Tableau IV.2 meilleurs solutions de contrôleur FA-PID avec des ρ différents..........64
Tableau IV.3 les meilleures solutions en utilisent les contrôleurs
PSO-PID et FA-PID.....................................................................................................65
Bibliographie
[1] Power system dynamic: stability and control second edition
[2] Contribution à l’amélioration de la régulation de tension des générateurs

synchrones
[3] Machine synchrone – Excitation (Technique de l’ingénieur)
[4] Modélisation des régulateurs étude et utilisation d’un contrôleur d’excitation
[5] Tuning of PID controller using ziegler-nichols method
[6] Tuning of PID controller
[7] Metaheuristique Hybride réseaux de neurones Artificiels-PSO du Récuit simulé

pour la commande d’un procédé non linéaire.
[8] Nature-inspired-optimization-algorithms
[9] Cuckoo search and firefly algorithm
[10] Metaheuristique des lucioles discrète pour les Flow shop Hybrid
[11] Chapter 3 Automatic voltage control
[12] CAS algorithm-based optimum design of PID Controller in AVR system
[13] Anarchic society optimization based PID control of an automatic voltage control
[14] Evaluating PID adaptive techniques for industrial implementation
[15] PID controllers, theory design and tuning
[16] A Particle Swarm Optimization Approach for Optimum Design of PID

Controller in AVR System, IEEE Transactions on Energy Conversion.
Listes des figures
Figure I.1 : les éléments constitutifs de l’alternateur………………………………4
Figure I.2 : Système d’excitation d’un générateur synchrone………………………6

Figure I.3 : excitatrice a courant-continu……………………………………………7
Figure I.4 : Structure d’excitation avec une machine AC et un redresseur statique…8
Figure I.5 : Structure d’excitation avec une machine AC et un redresseur tournant…8
Figure I.6 : Excitation SHUNT de la GP………………………………………………9
Figure I.7 : Excitation PMG de la GP…………………………………………………10
Figure I.8 : Excitation AREP de la GP…………………………………………………10

Figure I.9 : Principe d’excitation par auto-alimentation………………………………11
Figure I.10 : Forme parallèle du régulateur PID……………………………………15
Figure I.11 : l’ensemble de système feed-back………………………………………16

Figure I.12 : les différents types de réponses de système……………………………17
Figure II.1 : Schéma de fonctionnement de système AVR et PSS…………………21
Figure II.2 L’élément de compensation avec le comparateur……………………….21
Figure II.3 : La réponse dynamique de la variation de tension………………………23
Figure II.4 Schéma synoptique du système AVR……………………………………24
Figure II.5 module logique avec les signaux d’amélioration de La stabilité.............25
Figure II.6 Circuit de conditionnement d’isolation…………………………………25
Figure II.7 schéma simple de Transducteur phase A, C…………………………….26
Figure. II.8 Schéma simplifie de Transducteur phase B…………………………….26
Figure II.9 Montage de détecteur d’erreur………………………………………….27
Figure II.10 schéma block de détecteur d’erreur…………………………………….28
Figure II.11 Circuit stabilisateur du système d’excitation………………………….29
Figure II.12 Circuit stabilisateur du système d’excitation - première étage…………29

Figure II.13 Schéma block de stabilisateur de système d’excitation………………31
Figure II.14 Schéma synoptique d’un redresseur (pont de GRAETZ)…………….32

Figure II.15 Schéma synoptique de module Ajusteur / Suiveur……………………33
Figure II.16 Schéma synoptique de détecteur d’erreur de facteur de puissance…..34
Figure II.17 Schéma synoptique de détecteur d’erreur du courant réactive….........35
Figure II.18 Model réel de système AVR……………………………………………36

Figure II.19 schéma block de l’amplificateur..............................................................37
Figure II.20 schéma block de l’amplificateur et d’excitateur…….………..…….....38
Figure II.21 schéma block de système AVR…………………………………………39
Figure II.22 le schéma block de système AVR avec le régulateur PID……………39
Figure III.1 Classification des méthodes d’optimisation combinatoire…………….47
Figure III.2 algorithme firefly standard………………………………………………50
Figure III.3 les variantes de l'algorithme de luciole………………………………….53
Figure IV.1 schéma block de système AVR avec le contrôleur FA-PID…………….58
Figure IV.2 Organigramme de Contrôleur FA-PID………………………………….59
Figure IV.3 Réponse à un échelon de tension aux bornes du système AVR sans
régulateur PID………………………………………………………………………56
FA-PID contrôleur………………………………………………………………….56
Figure IV.5 Processus de recherche d’itération sur les paramètres PID pour ρ=1…...62
Figure IV.6 Processus de recherche d’itération sur les paramètres PID pour ρ=1.5…62
Figure IV.7 caractéristique de convergence de contrôleur FA-PID : ρ=1...................63
Figure IV.8 caractéristique de convergence de contrôleur FA-PID : ρ=1.5................63
les contrôleurs FA-PID et PSO-PID…………………………………………………64
Bibliographie
[1] Power system dynamic: stability and control second edition
[2] Contribution à l’amélioration de la régulation de tension des générateurs

synchrones
[3] Machine synchrone – Excitation (Technique de l’ingénieur)
[4] Modélisation des régulateurs étude et utilisation d’un contrôleur d’excitation
[5] Tuning of PID controller using ziegler-nichols method
[6] Tuning of PID controller
[7] Metaheuristique Hybride réseaux de neurones Artificiels-PSO du Récuit simulé

pour la commande d’un procédé non linéaire.
[8] Nature-inspired-optimization-algorithms
[9] Cuckoo search and firefly algorithm
[10] Metaheuristique des lucioles discrète pour les Flow shop Hybrid
[11] Chapter 3 Automatic voltage control
[12] CAS algorithm-based optimum design of PID Controller in AVR system
[13] Anarchic society optimization based PID control of an automatic voltage control
[14] Evaluating PID adaptive techniques for industrial implementation
[15] PID controllers, theory design and tuning
[16] A Particle Swarm Optimization Approach for Optimum Design of PID

Controller in AVR System, IEEE Transactions on Energy Conversion.

Combined PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Combined PDF

Uploaded by

Copyright:

Available Formats

SOMMAIRE

Chapitre I : Généralités sur les systèmes d’excitation de l’alternateur

Chapitre II : Modélisation de système AVR

Chapitre III : Les Metaheuristiques et Firefly algorithm

Chapitre IV : Simulation de système AVR régulé par FA_PID

Afin d’éliminer ces perturbations, dans la pratique ce rôle est consacrée au

En dépit de l’instabilité et le potentiel des techniques modernes de contrôle telles que :

Le contrôleur (PID) proportionnel-intégral-dérivé avec différents structures

FHC Page 1 MAEI_09

les techniques traditionnelles ne sont pas complètement systémiques et la plupart

Récemment, comme une alternative aux méthodes mathématiques classiques,

Le troisième chapitre présente une introduction générale aux Metaheuristiques

Le quatrième chapitre est consacré à la simulation d’un système AVR pratique

Finalement le travail se termine par une conclusion générale dont laquelle on

FHC Page 2 MAEI_09

Généralités sur les systèmes d’excitation

Ce chapitre est entièrement consacré à des rappels théoriques sur les

I.2 Générateur synchrone (alternateur) [1]

Les générateurs comportent deux parties principales appelées le stator et le rotor,

Figure I.1 : les éléments constitutifs de l’alternateur.

Les enroulements d'induit, qui transporte le courant de charge et alimente le

FHC page 4 MAEI_09

L’excitation de l’enroulement du rotor est alimentée par un courant continu pour

 La source de puissance proprement dite, fournissant la puissance d’excitation.

FHC page 5 MAEI_09

Figure I.2 : Système d’excitation d’un générateur synchrone.

Pour fournir le courant continu d’excitation d’une machine synchrone, il est

 Excitatrice à courant continu.

FHC page 6 MAEI_09

I.3.1 Excitatrice à courant continu [3]

L’excitatrice (Figure I.3) doit nécessairement être munie d’un enroulement

Figure I.3 : excitatrice a courant-continu

I.3.2 alternateur-excitateur débitant sur redresseurs [2]

L’apparition de la diode au silicium a ouvert la porte à des redresseurs compacts

FHC page 7 MAEI_09

Figure I.4 : Structure d’excitation avec une machine AC et un redresseur statique.

Comme la diode au silicium est mécaniquement robuste et capable de résister à

Figure I.5 : Structure d’excitation avec une machine AC et un redresseur tournant.

FHC page 8 MAEI_09

Sources d’énergie pour l’excitatrice :

Figure I.6 : Excitation SHUNT de la GP

A propos de l’excitation SHUNT, la tension d’alimentation du régulateur de

FHC page 9 MAEI_09

Figure I.7 : Excitation PMG de la GP

A propos de l’excitation PMG, la tension d’alimentation du régulateur de

Figure I.8 : Excitation AREP de la GP

FHC page 10 MAEI_09

A propos de l’excitation AREP, le régulateur est Alimente par deux bobinages

I.3.3 Auto-alimentation [2]

Figure I.9 : Principe d’excitation par auto-alimentation.

FHC page 11 MAEI_09

I.4 Commande de la structure d’excitation

I.4.1 Régulateur de tension [2]

Apres l’utilisation des thyristors (interrupteur commande) et dans le but

En plus, la synthèse ne nécessite pas un modèle précis du système mais il reste

I.4.2 L’histoire de développement des systèmes AVR pour les turbos

Le développement des systèmes AVR a débutée depuis très longtemps, mais

FHC page 12 MAEI_09

L’étape suivante de développement des systèmes AVR, a été lié avec la

FHC page 13 MAEI_09

Les principales perturbations donnant lieu aux surtensions ou surintensités sont :

Ils présentent toutefois certains défis pour contrôler l’instrumentation

I.5.1 Structure de régulateur PID [5]