Contribution to the Control and Modeling of a Grid-Connected Renewable Energy System

Abstract

تتناول هذه الأطروحة استراتيجيات التحكم المتقدمة للأنظمة الكهروضوئية (PV) المرتبطة بالشبكة الكهربائية، مع التركيز على تحسين جهد رابط الـ DC وأداء النظام الكلي. تبدأ الدراسة بتحليل شامل للأنظمة الكهروضوئية، مكوناتها، وتركيباتها، متبوعة بنمذجة العناصر الأساسية مثل المولدات الكهروضوئية، المحولات DC-DC وDC-AC، وأجهزة العاكس ثلاثية الطور. تتمثل المساهمة الرئيسية في التحقق من فعالية متحكم PI تكيفي يعتمد على التحكم بالجهد، حيث يتم تحسين قيم Kp وKi باستخدام منهج ذكي هجين يجمع بين طريقةGazal، تحسين سرب الجسيمات (PSO)، تحسين Gorilla Troops (GTO)، والتعلم المعزز Q-learning المبني على GTO. تتيح هذه الاستراتيجية التكيفية تنظيم الجهد في الوقت الحقيقي، واستجابة ديناميكية سريعة، وتحسين جودة الطاقة تحت ظروف تغير الإشعاع الشمسي والحمل. تم تطبيق المتحكم المحسّن على محول رفع مع تتبع نقطة القدرة القصوى (MPPT) وفلتر متصل بالشبكة، مما أظهر أداءً متفوقًا مقارنةً بمتحكمات PI التقليدية. يوفر هذا العمل إطارًا قويًا للتحكم الذكي والموثوق والكفء للأنظمة الكهروضوئية المتصلة بالشبكة الحديثة.

Cette thèse traite des stratégies de contrôle avancées pour les systèmes photovoltaïques (PV) raccordés au réseau, en mettant l’accent sur l’optimisation de la tension du bus continu et des performances globales du système. L’étude commence par une analyse complète des systèmes PV, de leurs composants et configurations, suivie de la modélisation des éléments essentiels tels que les générateurs PV, les convertisseurs DC-DC et DC-AC, et les onduleurs triphasés. La principale contribution est la validation d’un contrôleur PI adaptatif basé sur la régulation de tension, dont les gains (Kp et Ki) sont optimisés grâce à une méthode hybride combinant Gazal, PSO, GTO et l’apprentissage par renforcement Q-learning basé sur GTO. Cette approche adaptative permet une régulation de tension en temps réel, une réponse dynamique rapide et une qualité de puissance améliorée sous des conditions d’irradiation solaire et de charge variables. Le contrôleur optimisé est appliqué à un convertisseur boost avec suivi du point de puissance maximale (MPPT) et un filtre connecté au réseau, démontrant une performance supérieure aux PI conventionnels.

This thesis addresses advanced control strategies for grid-connected photovoltaic (PV) systems, focusing on the optimization of DC-link voltage and overall system performance. The study begins with a comprehensive analysis of PV systems, their components, and configurations, followed by modeling of essential elements such as PV generators, DC-DC and DC-AC converters, and three-phase inverters. The main contribution is the validation of an adaptive Voltage Control-Based PI Controller, whose gains (Kp and Ki) are optimized using a hybrid intelligent approach combining the Gazal method, Particle Swarm Optimization (PSO), Gorilla Troops Optimization (GTO), and GTO-based Q-learning. This adaptive strategy enables real-time voltage regulation, fast dynamic response, and enhanced power quality under varying solar irradiation and load conditions. The optimized controller is implemented on a boost converter with Maximum Power Point Tracking (MPPT) and a grid-connected filter, demonstrating superior performance compared with conventional fixed-gain PI controllers. The work provides a robust framework for reliable, efficient, and intelligent control of PV systems integrated into modern electrical grids.