Optimisation des flux de production et d’autoconsommation d’énergie par intelligence artificielle au sein de communautés d’énergies intelligente

Le Doyen de la Faculté des Sciences et Techniques de Béni Mellal porte à la connaissance du public que Monsieur ATILLAH Mohamed Amine, soutiendra une thèse de Doctorat intitulée: « Optimisation des flux de production et d’autoconsommation d’énergie par intelligence artificielle au sein de communautés d’énergies intelligente».

La soutenance publique aura lieu le Samedi 14 Novembre 2026 à 10h00 à l'Amphi de Conférences, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, devant le jury composé de :

• Monsieur BENCAHGRA Mohamed : Professeur, École Supérieure de Technologie, Université Sultan Moulay Slimane, Béni Mellal, Président ;

• Monsieur EL BACHA Abdelhadi : Professeur, Ecole Nationale des Sciences Appliquées, Université Cadi Ayad, Marrakech, Rapporteur ;

• Monsieur EL HAROUSSI Mustapha : Professeur, Faculé des Sciences et Techniques, Université Hassan Premier, Settat, Rapporteur ;

• Monsieur KLILOU Abdessamad : Maître de conférence Habilité, Faculé des Sciences et Techniques, Unversité Sultan Moulay Slimane, Béni Mellal, Rapporteur ;

• Madame BAGHLI Fatima Zahra : Maître de conférence Habilité, École Supérieure de Technologie, Université Sultan Moulay Slimane, Béni Mellal, Examinatrice ;

• Monsieur MEJDOUB Youssef : Maître de conférence Habilité, École Supérieure de Technologie, Université Hassan II, Casablanca, Examinateur ;

• Monsieur AQIL Mounaim : Maître de conférence Habilité, École Supérieure de Technologie, Université Sultan Moulay Slimane, Béni Mellal, Directeur de thèse .

Résumé:

Cette thèse est consacrée à la conception et à l’implémentation d’une commande optimale de haute performance pour une chaîne de conversion photovoltaïque destinée aux microréseaux photovoltaïques. Elle s’inscrit dans le contexte de l’optimisation de l’exploitation de l’énergie photovoltaïque, confrontée notamment à la non-linéarité du générateur, aux conditions d’ombrage partiel et à l’intermittence de la ressource solaire, ainsi qu’aux contraintes liées au stockage de l’énergie.

Pour répondre à ces problématiques, plusieurs stratégies de suivi du point de puissance maximale (MPPT, Maximum Power Point Tracking) sont étudiées, notamment les méthodes Perturber et Observer (P&O, Perturb and Observe), l'optimisation par essaim de particules (PSO, Particule Swarm Optimization) et les réseaux de neurones artificiels (ANN, Artificial Neural Network). Des stratégies basées sur les systèmes d'inférence neuro-flou adaptatif (ANFIS, Adaptive Neuro-Fuzzy Inference System) sont également développées afin d’améliorer la commande et le suivi du point de puissance maximale dans différentes conditions de fonctionnement.

À l’échelle du système, les stratégies de commande proposées sont intégrées à un Système de Gestion de l'Énergie (EMS, Energy Management System) permettant de coordonner les flux énergétiques entre la production photovoltaïque, le stockage et les charges. La gestion de l’énergie prend en compte les contraintes de fonctionnement de la batterie et permet également d’envisager une interconnexion coopérative et bidirectionnelle entre plusieurs microréseaux photovoltaïques.

L’ensemble des stratégies développées est évalué par simulation numérique sous différents scénarios de fonctionnement. Cette démarche contribue au développement de solutions de commande et de gestion adaptées à l’amélioration des performances des chaînes de conversion photovoltaïque et à une gestion efficace de l’énergie au sein des microréseaux photovoltaïques.

Mots clés : Microréseaux photovoltaïques, Commande MPPT, P&O, PSO, ANN, ANFIS, EMS.