Modélisation PV
Modélisation PV
Modélisation PV
1. INTRODUCTION
Dans la plupart des pays africains, rendre l’électricité disponible dans le milieu rural
a toujours été un enjeu socio-économique important. Ce problème d’accès à l’électricité
473
474 A. Ould Mohamed Yahia et al.
est incompatible avec un développement équilibré de ces pays et constitue un des
facteurs favorisant l’exode rural. C’est donc un défi de mettre à la disposition des
populations rurales une source d’énergie capable de stimuler l’activité économique et de
conduire à une amélioration de leurs conditions de vie.
Toutefois, la satisfaction de la demande d’électricité des populations rurales par la
liaison au réseau national se heurte à plusieurs difficultés: la faible densité et la
dispersion de la population, la faiblesse des revenus, l’inexistence ou la faiblesse de
structures collectives au niveau villageois. Aussi, il est nécessaire d’explorer de
nouvelles solutions possibles pour assurer une électrification rationnelle du monde rural,
par exemple l’exploitation du potentiel solaire abondant dont disposent ces pays.
L’énergie solaire photovoltaïque (PV), qui est la conversion directe de la lumière en
électricité grâce à des cellules solaires, représente une alternative intéressante et bien
adaptée à des besoins limités. Malgré sa facilité de mise en œuvre, son faible impact
environnemental et le peu d’entretien qu’il nécessite, un système photovoltaïque n’est
plus concurrentiel lorsque la demande augmente. Ainsi une étude assez rigoureuse est
nécessaire pour faire le meilleur choix et le plus performant avec le moindre coût
possible.
La performance d’un système PV dépend fortement des conditions météorologiques,
telles que le rayonnement solaire, la température et la vitesse du vent. Pour fournir
l’énergie continuellement durant toute l’année, un système PV doit donc être
correctement dimensionné. Ce qui exige une étude assez rigoureuse dans le but de faire
le meilleur choix, le plus performant et au moindre coût. Mais les informations fournies
par les constructeurs d’équipements photovoltaïques ne permettent que de dimensionner
approximativement le système PV.
L’objectif principal de cette étude est de simuler les performances d’une seule
composante du système PV, à savoir le générateur PV. C’est l’élément le plus onéreux
et le plus sensible aux conditions climatiques sur le site. Les méthodes d’optimisation
du générateur PV sont d’une grande utilité pour les fabricants n’ayant pas des
informations détaillées sur les futurs sites d’implémentation de leurs produits.
Pour réaliser notre objectif, nous avons établi un modèle simple et fiable, avec une
précision acceptable pour prévoir les performances d’un générateur PV dans les
conditions climatiques de nos pays. Ce modèle est validé par des données obtenues à
partir d’un générateur PV installé sur le site de la Faculté des Sciences et Techniques de
l’Université de Nouakchott. Le système de production photovoltaïque alimente
différentes charges. Les performances obtenues à partir des données et du modèle sont
comparées.
où Tfn est la température de fonctionnement normale des cellules PV (°C) dans les
conditions suivantes: un ensoleillement de 800 W/m2, une température ambiante de 20
°C et une masse d’air optique AM égale à 1,5. La valeur de Tfn est généralement
donnée par le constructeur, Ta est la température ambiante, et Ψ ( W / m 2 ) est
l’irradiation solaire globale du lieu considéré et reçue par le module PV.
476 A. Ould Mohamed Yahia et al.
A partir de cette équation, une méthodologie simple a été développée pour la
détermination des caractéristiques d’une cellule ou d’un panneau photovoltaïque. On
introduit les deux paramètres externes de la cellule (facilement mesurables), tels que le
courant de court-circuit I cc et la tension de circuit ouvert Vco , pour en déduire
l’expression mathématique implicite du courant délivré par une cellule photovoltaïque,
ainsi que sa caractéristique I − V .
Le courant de court-circuit est le courant pour lequel la tension aux bornes de la
cellule ou du générateur est nulle. Son expression approchée est donnée par:
I ph
I cc ≅ (3)
1 + R s R sh
I = I cc . α − β e y ( V − Vco + R s . I ) −
V + I . Rs
(6)
R sh
avec α = Ψ 1000 , β = 1 + ( R s R sh ) et y = 1 VT .
La température est un paramètre très important dans le comportement des cellules
photovoltaïques. En se basant sur le modèle donné par Sukamongkol et al. [6], on peut
l’intégrer dans l’équation (6):
y M R I Ms R s I
M s ( V − Vco ) + s s M s . V +
M
M p Mp
I G = I cc . M p . α − β e p −
(8)
R sh M s
Mp
Cette relation n’est valable que si tous les modules, constituant le générateur PV,
sont identiques et reçoivent la même irradiation (ayant la même caractéristique I − V ).
Les performances d’une cellule photovoltaïque sont d’autant plus dégradées que R s
est grande ou que R sh est faible. La figure 4 montre l’influence de la résistance série
sur la caractéristique I − V . Cette influence se traduit par une diminution de la pente de
la courbe I = f ( V ) dans la zone où le panneau fonctionne comme source de tension, à
droite du point de puissance maximum (m sur la figure). La chute de tension
correspondante est liée au courant généré par le panneau. L’effet de la résistance série
est très faible et ne se fait remarquer que pour une valeur de la résistance parallèle
proche de R sh = 20 Ω .
Etude et modélisation d’un générateur photovoltaïque 479
Notre objectif final a été de vérifier si le modèle était capable de prédire les
performances du système PV. Ainsi pour valider le modèle, nous avons choisi trois
jours typiques: un jour ensoleillé, un jour avec des passages nuageux et un jour nuageux
avec de courtes périodes d’irradiation solaire élevée. L’ensoleillement global et la
température ambiante enregistrés pour ces jours sont donnés sur la figure 7. La
température ambiante peut descendre jusqu’à environ 25 °C la nuit, mais le jour
dépendant du niveau d’ensoleillement et des conditions climatiques, elle peut s’élever
entre 35 et 38 °C.
R2 = 1 −
∑ ( xi − x̂ i )2
(8)
∑ ( xi − x i )2
avec:
- x i représente les données mesurées du courant du générateur photovoltaïque,
Les coefficients de corrélation obtenus pour ces trois jours sont respectivement 0.99,
0.93 et 0.88. Nous remarquons que la journée d’ensoleillement normal a le coefficient
de corrélation le plus élevé. Toutefois les valeurs élevées du coefficient de corrélation
témoignent de la qualité du modèle proposé dans cette étude pour prévoir la
performance des générateurs PV.
4. CONCLUSION
Les performances d’un générateur PV sont fortement influencées par les conditions
climatiques, particulièrement l’irradiation solaire et la température du module PV. Dans
cette étude, nous avons utilisé le modèle empirique à une diode pour simuler le
fonctionnement des modules PV pour différentes conditions d’ensoleillement et de
température. Le principal intérêt de ce modèle réside dans sa simplicité et sa facilité de
mise en œuvre à partir des caractéristiques techniques données du constructeur.
Nous avons confronté nos résultats de simulation à des données provenant de trois
profils d’ensoleillement sur le site de Nouakchott: un jour ensoleillé, un jour avec des
passages nuageux et un jour nuageux.
482 A. Ould Mohamed Yahia et al.
Un bon accord entre les données expérimentales mesurées et les données simulées a
été observé pour ces trois journées. Ce constat témoigne de la qualité du modèle
proposé dans cette étude.
L’outil présenté ici a l’avantage d’être modulaire, ce qui lui permet d’analyser et
d’optimiser le fonctionnement global du système pour différentes charges électriques en
fonction des données météorologiques du site et donc une meilleure compréhension des
systèmes PV isolés.
NOMENCLATURE
I Courant du module PV, (A) T Température du module, (K)
I cc Courant de court circuit, (A) Ta Température ambiante, (K)
I0 Courant de saturation inverse de Tfn Température de fonctionnement
la diode, (A) normale du module, (K)
IG Tension aux bornes du module,
Courant du générateur PV, (A) V
(V)
I ph Photo-courant du module, (A) Vco Tension de circuit ouvert, (V)
Constante de Boltzmann, VT
k Tension thermique, (V)
1,38.10-23 J/K
Mp xi Valeurs mesurées du courant du
Nombre de modules en parallèle
générateur photovoltaïque
) Valeurs du courant prévues par
Ms Nombre de modules en série xi
le modèle de simulation
Moyenne arithmétique des
n Facteur d’idéalité de la diode x valeurs mesurées du courant
Ns y Inverse de la tension thermique,
Nombre de cellules en série
(V-1)
q Charge de l’électron, ( 1,6 x 10- α Coefficient de variation linéaire
Etude et modélisation d’un générateur photovoltaïque 483
19
C) du courant de court-circuit
Rs β
Paramètre du module
Résistance série, ( Ω )
photovoltaïque
R sh Résistance parallèle, ( Ω ) ψ Irradiation solaire globale,
(W/m2)
Coefficient caractérisant la
R2 coefficient de corrélation λ variation de puissance en
fonction de la température
REFERENCES
[1] E. Lorenzo, ‘Solar Electricity: Engineering of Photovoltaic System’, Progensa, Sevilla, 1994.
[2] T. Markvart, ‘Solar Electricity’, John Wiley & Sons, Chichester, 1994.
[3] J. Nelson, ‘The Physics of Solar Cells’, Imperial College Press, 2003.
[4] W. De Soto, S.A. Klein and W.A. Beckman, ‘Improvement and Validation of a Model for
Photovoltaic Array Performance’, Solar Energy, Vol. 80, N°1, pp.78 - 88, 2006.
[5] V Badescu, ‘Single Optimization Procedure for Silicon-Based Solar Cell Interconnection in a
Series-Parallel PV Module’, Energy Conversion and Management, Vol. 47, N°9-10, pp. 1146
- 1158, 2006.
[6] Y. Sukamongkol, S. Chungpaibulpatana and W. Ongsakul, ‘Simulation Model for Predicting
the Performance of a Solar Photovoltaic System with Alternating Current Loads’, Renewable
Energy, Vol. 27, N°2, pp. 237 - 258, 2002.
[7] A. Benatlallah and R Mostefaoui, ‘Logiciel de Simulation P.V’, Rev. Energ. Ren. - Zones
Arides, pp. 55 - 61, 2002.
[8] A. Mellit, M. Benghanem and S.A. Kalogirou, ‘Modeling and Simulating of a Stand-Alone
Photovoltaic System Using an Adaptive Artificial Neural Network: Proposition for a New
Sizing Procedure’, Renewable Energy, Vol. 32, N°2, pp. 237 - 258, 2007.
[9] Y. Pankow, ‘Etude de l’Intégration de la Production Décentralisée dans le Réseau Basse
Tension. Application au Générateur Photovoltaïque’, Thèse de Doctorat, Ecole Nationale
Supérieure d’Arts et Métiers, Lille, 2004.
10] W. Zhou, H. Yang and Z. Fang, ‘A Novel Model for Photovoltaic Array Performance
Prediction’, Applied Energy, Vol. 84, N°12, pp. 1187 - 1198, 2007.