Memoire BOUHAFNA Khayreddine PDF

République Algérienne Démocratique et populaire
Ministère de l’enseignement Supérieur et de la recherche scientifique
Université BATNA 2
Faculté de Technologie
Département Génie Industriel
Mémoire présenté au Laboratoire d’Automatique et Productique LAP

en vue de l’obtention du diplôme de
Magister en Génie Industriel
Option : Génie des systèmes Industriels
Par
BOUHAFNA Khayreddine
Ingénieur d’État en Informatique
THÈME
Développement d’un système

intelligent pour la conduite d’une
unité de production d’électricité
Directeur de Mémoire : Pr .MOUSS M. DJAMEL
Co-Encadreur : Dr. AITOUCHE Samia
Devant le jury :
MOUSS Leila Hayet Pr Université de Batna Président

HAMOUDA Chaabane MCA Université de Batna Examinateur
BENHARZALLAH Saber MCA Université de Biskra Examinateur
MOUSS Med Djamel Pr Université de Batna Rapporteur
AITOUCHE Samia MCB Université de Batna Co-Rapporteur
Année universitaire : 2015/2016

DEDICACES
Dédicaces
Je dédie ce modeste travail :
À mes parents
À mes frères
À mes sœurs
À mes amis
À mes enseignants
REMERCIEMENTS
Remerciements
Louange et remerciements à DIEU le tout puissant, qui m'a accordé la foi, le courage, la volonté, la
santé et la patience pour réaliser ce travail.
Ce modeste travail a été réalisé au sein du laboratoire d’automatique et productique du département
de génie industriel université de Batna.
Tout d’abord, je tiens à remercier très sincèrement et très vivement Pr Mohamed Djamel MOUSS qui
a accepté de m’encadrer durant ce travail, pour son aide, ses conseils, son encouragement, sa
disponibilité durant la réalisation de ce travail.
Je remercie infiniment Dr. AITOUCHE Samia pour son aide, ses conseils, son encouragement, sa
gentillesse et le suivi durant ce travail.
J’adresse mes remerciements très sincères aux membres de jury : Pr. L.Hayet MOUSS d’accepter de
présider ce jury de soutenance, Dr. HAMOUDA Chaabane et Dr. BENHARZALLAH Saber pour avoir
accepté d’évaluer ce modeste travail.
Mes remerciements sont adressés aux enseignants et personnels du département de génie industriel,
spécialement à ceux qui ont contribué à notre formation.
Je remercie très vivement et très sincèrement ma famille pour leur compréhension, leur soutien et
leur encouragement.
Finalement, j’adresse mes remerciements les plus sincères à toute ma promotion, à tous mes amis, à
ceux qui par un simple mot, sourire ou un geste, m’ont aidé, de près ou de loin, à achever et
réaliser ce travail.
RESUME
Résumé
Il existe plusieurs formes de production d’électricité, en brulant des combustibles tels
que le charbon, le gaz naturel ou le pétrole, qui ont un effet sur l’atmosphère spécialement
augmentation des gaz à effet de serre, ou bien à partir des sources renouvelables naturelles
comme l’éolienne, l’hydraulique et le solaire qui sont des sources d’énergie propres et
renouvelables. Notre travail met l’accent sur les sources solaires spécialement le
photovoltaïque, dont nous avons traité la partie conduite des générateurs photovoltaïques en
utilisant des méthodes de l’intelligence artificielle, spécifiquement le raisonnement à partir de
cas. Le système que nous avons réalisé génère des actions à appliquer sur le générateur en se
basant sur son état actuel et le raisonnement à partir des cas antérieurs enregistrés dans la base
de cas.
SOMMAIRE
Sommaire
Introduction générale ............................................................................................................... 1
Chapitre 1 : Les énergies renouvelables en Algérie et le photovoltaïque ............................ 3
1.1. Introduction ..................................................................................................................... 3
1.2. Les sources d’énergie renouvelable ................................................................................ 4
1.2.1. La biomasse ............................................................................................................. 4
1.2.2. L’énergie hydraulique .............................................................................................. 4
1.2.3. La géothermie .......................................................................................................... 5
1.2.4. L’éolienne ................................................................................................................ 5
1.2.5. L’énergie solaire ...................................................................................................... 6
1.3. Source des énergies renouvelables en Algérie ................................................................ 7
1.4. Exploitation des énergies renouvelable ........................................................................... 9
1.5. Le système photovoltaïque ............................................................................................ 10
1.5.1. Cellule photovoltaïque ........................................................................................... 10
1.5.2. Le module photovoltaïque ..................................................................................... 11
1.5.3. Champ PV .............................................................................................................. 12
1.5.4. Système de stockage .............................................................................................. 12
1.5.5. Le convertisseur ..................................................................................................... 13
1.5.6. Les types des systèmes photovoltaïques ................................................................ 13
1.5.6.1. Système photovoltaïque autonome ................................................................. 13
1.5.6.2. Système photovoltaïque connecté au réseau .................................................. 13
1.6. Conclusion ..................................................................................................................... 14
Chapitre 2 : Supervision et problématique de la conduite dans le photovoltaïque.......... 15
2.1. Introduction ................................................................................................................... 15
2.2. La supervision ............................................................................................................... 16
2.2.1 Définition ............................................................................................................... 16
2.2.2 Surveillance ............................................................................................................ 17
2.2.3 Détection ................................................................................................................ 17
2.2.4 Diagnostic .............................................................................................................. 18
2.2.5 La conduite............................................................................................................. 18
2.3. Méthodes de surveillance .............................................................................................. 18
2.3.1. Méthodes de surveillance avec modèles ................................................................ 19
2.3.2. Redondances physiques et analytiques .................................................................. 19
SOMMAIRE
2.3.2.1. Méthodes d’estimation paramétrique ............................................................. 19

2.3.3. Méthodes de surveillance sans modèles ............................................................... 20
2.3.3.1. Surveillances avec tests statistiques .............................................................. 20
2.3.3.2. Surveillances avec méthodes d’intelligence artificielle .................................. 20
2.4. Conduite des systèmes de production ........................................................................... 21
2.4.1. Définition ............................................................................................................... 21
2.4.2. Positionnement dans la gestion de production manufacturière .............................. 22
2.4.2.1. Planification .................................................................................................... 22
2.4.2.2. Programmation ............................................................................................... 22
2.4.2.3. Ordonnancement ............................................................................................. 22
2.4.2.4. Conduite.......................................................................................................... 22
2.4.2.5. Commande ...................................................................................................... 23
2.4.3. Les fonctions de la conduite .................................................................................. 24
2.4.4. Problématique des systèmes de conduite ............................................................... 26
2.4.4.1. Exploitation .................................................................................................... 26
2.4.4.2. Analyse ........................................................................................................... 26
2.5. Les techniques de l’intelligence artificielle utilisées dans la supervision ..................... 27
2.5.1. Les systèmes experts .............................................................................................. 27
2.5.2. Raisonnement à partir de cas ................................................................................. 27
2.5.3. Les réseaux neuronaux .......................................................................................... 29
2.5.4. Reconnaissance de formes par logique floue ......................................................... 30
2.5.5. Méthodes à base de modèles explicatifs ................................................................ 31
2.6. La supervision des systèmes photovoltaïques ............................................................... 31
2.6.1. Diagnostic et détection des défauts de générateurs photovoltaïques ..................... 31
2.6.2. Dimensionnement des systèmes photovoltaïques .................................................. 32
2.6.3. Suivi du point de puissance maximale .................................................................. 33
2.6.4. Problématique de conduite des systèmes photovoltaïque ...................................... 33
2.7. Conclusion ..................................................................................................................... 34
Chapitre 3 : La conduite utilisant le raisonnement à base de cas ..................................... 35
3.1. Introduction ................................................................................................................... 35
3.2. Modèle structurel de la conduite ................................................................................... 35
3.2.1. Centre d’interprétation ........................................................................................... 36
3.2.2. Centre d’évaluation ................................................................................................ 36
SOMMAIRE
3.2.3. Centre de décision .................................................................................................. 37

3.2.4. Utilisation du raisonnement à base de cas dans la conduite .................................. 37
3.3. Le raisonnement à partir de cas ..................................................................................... 37
3.3.1. Définition d’un cas ................................................................................................. 38
3.3.1.1. Les parties d’un cas ............................................................................................ 38
3.3.2. Représentation des cas ........................................................................................... 39
3.3.2.1. Représentation par vecteur d’attributs ................................................................ 39
3.3.2.2. Représentation complexe ................................................................................... 41
3.3.3. Définition d’une base de cas .................................................................................. 43
3.3.4. Cycle du RàPC ...................................................................................................... 43
3.3.5. Formulation du problème ....................................................................................... 45
3.3.6. Retrouver ................................................................................................................ 45
3.3.6.1. Calcul de similarité............................................................................................. 46
3.3.6.2. K plus proches voisins (k-nn)............................................................................. 46
3.3.7. Réutiliser ................................................................................................................ 47
3.3.7.1. Types d’adaptation ............................................................................................. 47
3.3.7.2. Méthode d’adaptation ......................................................................................... 48
3.3.8. Réviser et mémoriser ............................................................................................. 49
3.3.8.1. Évaluation........................................................................................................... 49
3.4. Conclusion ..................................................................................................................... 50
Chapitre 4 : Application du raisonnement à base de cas pour la conduite d’un
générateur photovoltaïque ..................................................................................................... 51
4.1. Introduction ................................................................................................................... 51
4.2. Objectifs ........................................................................................................................ 51
4.2.1. Améliorer la productivité du générateur ................................................................ 51
4.2.2. Augmenter la disponibilité du générateur .............................................................. 52
4.2.3. Augmenter la durée de vie du système .................................................................. 52
4.3. Application de la conduite par raisonnement à partir de cas ......................................... 52
4.3.1. Architecture d’un système photovoltaïque connecté au réseau ............................. 52
4.3.2. Architecture du système de conduite automatique ................................................ 54
4.3.3. Modélisation du système ........................................................................................ 55
Méthode de réglage d’inclinaison ......................................................................................... 58
4.3.4. Calcul de la similarité ............................................................................................ 59
4.3.5. Les règles d’adaptation ......................................................................................... 61
SOMMAIRE
4.3.6. Révision du cas ...................................................................................................... 61

4.4. L’outil de développement.............................................................................................. 65
4.5. Fonctionnement générale de l’application de conduite ................................................. 65
4.6. Déploiement de l’application ....................................................................................... 66
4.6.1. Paramétrage de l’application.................................................................................. 66
4.6.2. Construction de la base de cas ............................................................................... 68
4.7. Test de l’application ...................................................................................................... 70
4.8. Exemple d’application du système ................................................................................ 71
4.8.1. Paramétrage de l’application.................................................................................. 71
4.8.2. Construction de la base de cas ............................................................................... 72
4.8.3. Les tests .................................................................................................................. 73
4.8.4. Analyse des résultats .............................................................................................. 74
4.9. Conclusion ..................................................................................................................... 75
Conclusion générale .............................................................................................................. 76
Référence bibliographique .................................................................................................... 77
Annexe ..................................................................................................................................... 81
Présentation des différents onglets de l’application ................................................................. 81
1. L’onglet état du système ................................................................................................... 81
2. L’onglet paramètres du système ....................................................................................... 83
3. L’onglet modèle de la cellule photovoltaïque ................................................................... 85
4. Onglet test&simulation ..................................................................................................... 87
5. L’onglet consultation des cas ............................................................................................ 88
6. L’onglet Ajouter un cas .................................................................................................... 89
7. L’onglet modifier un cas ................................................................................................... 90
8. L’onglet historique ............................................................................................................ 91
LISTE DES FIGURES
Chapitre 01
Fig.1.1. La durée moyenne annuelle d’insolation mesurée entre 1992-2002
Fig.1.2. La moyenne annuelle de l’irradiation globale reçue par une surface horizontale entre
1992-2002
Fig.1.3. schéma simplifié d'un système photovoltaïque
Fig.1.4. structure d'une cellule photovoltaïque [APG]
Fig.1.5. module photovoltaïque avec deux diodes bypass [BUN]
Fig.1.6. Différents étages du groupe convertisseurs
Chapitre 02
Fig. 2.1 Architecture de la supervision
Fig.2.2. Architecture de la surveillance
Fig.2.3. Classification des méthodes de surveillance [ZAM]
Fig.2.4 positionnement de la conduite dans la gestion de production [CLA]
Fig.2.5. Environnement de la conduite [CLA]
Fig.2.6. : Principales fonctions de la conduite [CLA]
Fig.2.7. Schéma d'un système expert [RAC]
Fig.2.8. Cycle du raisonnement à partir de cas [RAC]
Fig.2.9. architecture d’un réseau de neurones [RAC]
Chapitre 03
Fig.3.1. Modèle structurel de la conduite [DAM]
Fig.3.2 Exemple de représentation d’un cas
Fig.3.3. exemple d’une classe et d’un objet
Fig.3.4 cycle du RàPC
Fig.3.5 types d’évaluation [MIC]
Chapitre 04
Fig.4.1. Architecture d’un générateur connecté au réseau selon la recommandation

UTE C 15-712 [UTE]
Fig.4.2. schématisation du système de conduite

LISTE DES FIGURES
Fig.4.3. Les composantes du système de conduite
Fig.4.4. Les attributs du cas du système
Fig.4.5. Schéma du modèle à une diode [HEL]
Fig.4.6. schéma du modèle de Bishope [BUN]
Fig.4.7. Organigramme de fonctionnement générale de l’application
Fig.4.8 Onglet de paramétrage du système
Fig.4.9 Onglet Modèle de cellule photovoltaïque
Fig.4.10. L’interface d’ajout des cas
Fig.4.11. Consultation de la base de cas
Fig.4.12. Modification du cas
Fig.4.13. L’interface de test

INTRODUCTION GENERALE
Introduction générale
L'électricité est l'énergie la plus consommée et la plus demandée dans le monde.

C’est un vecteur d’énergie qui connaît une multitude d’applications. Elle est utilisée dans la
quasi-totalité des types d’activité humaine, de la production industrielle à l’usage ménager, en
passant par l’agriculture et le commerce, pour faire fonctionner les machines, pour l’éclairage
et le chauffage.
L’électricité est produite sous forme d’énergie primaire et secondaire. L’électricité

primaire s’obtient à partir de sources naturelles telles que l’énergie hydraulique, éolienne,
solaire, marémotrice. L’électricité secondaire est générée à partir de la chaleur résultant de la
fission des combustibles nucléaires, de la chaleur géothermique et solaire, et en brûlant des
combustibles primaires classiques et assimilés, tels que le charbon, le gaz naturel, le pétrole et
les déchets. Une fois produite, l’électricité est distribuée aux consommateurs finaux via des
réseaux de transport et de distribution nationaux ou internationaux.
Il existe plusieurs formes d’énergie renouvelables, dérivées directement ou

indirectement du soleil ou de la chaleur produite au plus profond de la Terre, notamment
l’énergie générée par le soleil, le vent, la biomasse et la biomasse solide, la chaleur terrestre,
l’eau des fleuves, des lacs, des mers et des océans, le biogaz et les biocarburants liquides.
L’Algérie amorce une dynamique d’énergie verte en lançant un programme ambitieux

de développement des énergies renouvelables (EnR) et d’efficacité énergétique. Cette vision
du gouvernement algérien s’appuie sur une stratégie axée sur la mise en valeur des ressources
inépuisables comme le solaire et leur utilisation pour diversifier les sources d’énergie et
préparer l’Algérie de demain. Grâce à la combinaison des initiatives et des intelligences,
l’Algérie s’engage dans une nouvelle ère énergétique durable.
Le programme consiste à installer une puissance d’origine renouvelable de près de

22 000 MW entre 2011 et 2030 dont 12 000 MW seront dédiés à couvrir la demande nationale
en électricité et 10 000 MW à l’exportation. L’exportation de l’électricité est toutefois
conditionnée par l’existence d’une garantie d’achat à long terme, de partenaires fiables et de
financements extérieurs.
1
INTRODUCTION GENERALE
A la faveur de ce programme, les énergies renouvelables se placent au cœur des

politiques énergétiques et économique menées par l’Algérie : d’ici 2030, environ 40% de la
production d’électricité destinée à la consommation nationale sera d’origine renouvelable. En
effet, l’Algérie compte se positionner comme un acteur majeur dans la production de
l’électricité à partir du solaire photovoltaïque et du solaire thermique qui seront les moteurs
d’un développement économique durable à même d’impulser un nouveau modèle de
croissance.
Le programme de développement de l’énergie renouvelable a donné une grande

importance à l’énergie solaire notamment le photovoltaïque. Notre contribution est dans ce
contexte don nous allons aborder la conduite des systèmes photovoltaïques.
Notre travail est divisé en quatre chapitres. Dans le premier chapitre nous allons
présenter les énergies renouvelables disponibles en Algérie et nous allons maitre l’accent sur
le photovoltaïque. Le deuxième chapitre est consacré à un état de l’art sur les méthodes de
l’intelligence artificielle utilisées dans la supervision spécialement pour les systèmes
photovoltaïques. Nous allons introduire dans le troisième chapitre la conduite et l’utilisation
de raisonnement à base des cas dans la conduite. Le dernier chapitre illustre notre application
de conduite des systèmes photovoltaïques par approche raisonnement à base de cas.
2
CHAPITRE : 1 Les énergies renouvelables en Algérie et le photovoltaïque
Chapitre 1 : Les énergies renouvelables en Algérie et le photovoltaïque
1.1. Introduction
L’énergie renouvelable est l’énergie dérivée de processus naturels en perpétuel

renouvellement. Sont considérées comme énergies renouvelables toutes les énergies issues du
soleil, directement (énergie solaire) ou indirectement (énergie éolienne, hydraulique et
biomasse), l’énergie issue du magma terrestre (géothermie) et l’énergie issue de la gravitation
(énergie marémotrice) [BAL]. Les diverses énergies que l’on pourrait tirer des océans, telles
que l’énergie de la houle, des courants marins ou du gradient thermique des mers, sont
également issues indirectement de l’énergie solaire et font partie du champ des énergies
renouvelables.
Le débat sur le changement climatique a sans conteste stimulé le développement des

énergies renouvelables en vue de réduire les émissions de gaz à effet de serre. Ce qui fait,
depuis 1990, les sources d’énergie renouvelable dans le monde ont progressé à un rythme
annuel moyen de 1,7 %, soit légèrement plus que le rythme de croissance de la production
totale d’énergie primaire. Cette croissance a été particulièrement marquée pour les nouvelles
énergies renouvelables (éolienne, solaire), lesquelles ont progressé en moyenne de
19% par an.
L’Algérie dispose de gisement important des sources des énergies renouvelables,

mais l’exploitation de ces derniers est faible en ce temps. À cause d’épuisement des sources
d’énergie fossile, l’Algérie a lancé un programme pour l’exploitation des énergies
renouvelables, l’énergie de future, spécialement l’énergie solaire pour la production
d’électricité.
Dans ce chapitre, nous aborderons les types de source d’énergie renouvelables, les
sources que disposent l’Algérie et leurs exploitations, ainsi nous allons voire les installations
photovoltaïques pour la production d’électricité.
3
1.2. Les sources d’énergie renouvelable
Les sources des énergies renouvelables, sont des sources qui se renouvellent et ne
s’épuiseront jamais à l’échelle du temps humain. Les sources non renouvelables sont les
énergies fossiles comme le pétrole, le charbon et le gaz dont les gisements limités peuvent
être épuisés. Les sources renouvelables sont l’énergie solaire, éolienne, hydraulique,
géothermique, marine et la biomasse.
1.2.1. La biomasse
On appelle les énergies biomasses tous les matériaux d'origine biologique employés
comme combustible pour la production de chaleur, d'électricité, de gaz et de carburants. Le
bois, le biogaz et les biocarburants sont les principales énergies biomasses. Toutes ces
énergies sont renouvelables, émettent moins de CO2 dans l'atmosphère à l'utilisation et
permettent, quand cela est possible, l'exploitation des ressources locales. La biomasse des
plantes provient du soleil, quand la plante, grâce à la photosynthèse, absorbe l’énergie solaire.
Ensuite, les animaux absorbent à leur tour ces plantes. La biomasse provient de divers
secteurs et matières comme le bois, les récoltes, les résidus agricoles et forestiers, les déchets
alimentaires et les matières organiques issues des déchets municipaux et industriels. Il existe
toute une variété de technologies pour convertir l’énergie de la biomasse en une forme
réutilisable. Ces technologies changent l’énergie en formes utilisables directement (chaleur ou
électricité) ou en d’autres formes telles que le biocarburant ou le biogaz.
1.2.2. L’énergie hydraulique
L’hydraulique est une des premières énergies domestiquée par l’homme (moulins au
fil de l’eau, bateaux à aubes,...). L’hydroélectricité, c’est-à-dire la production d’électricité à
partir de la force de l’eau, est apparue au milieu du XIXe siècle. Appelée la “houille blanche”,
elle a été synonyme d’un développement économique très important. La centrale
hydroélectrique exploite la force de l’eau pour générer de l’électricité. Son principe est de
capter l’eau et la forcer à entraîner une turbine reliée à une génératrice. Pour les faibles
dénivellations, une petite digue oriente une fraction du débit vers les turbines. Pour les
grandes dénivellations, des conduites suivent la pente de la montagne pour amener l’eau vers
les turbines.
4
La filière des énergies marines appelées aussi énergie des océans ou thalasso-énergies,
comprend le développement des technologies, la maîtrise et l’exploitation des flux d’énergies
naturelles fournies par les mers et les océans. On recense : la houle, l’énergie des vagues,
l’énergie des courants, l’énergie des marées et l’énergie thermique des mers (ETM) qui
travaille sur le gradient thermique entre les couches d’eau de surface et celle des
profondeurs. [ENR]
1.2.3. La géothermie
La géothermie est l’exploitation de la chaleur stockée dans le sous-sol. L’utilisation

des ressources géothermales se décompose en deux grandes familles : la production
d’électricité et la production de chaleur. En fonction de la ressource, de la technique utilisée et
des besoins, les applications sont multiples. Le critère qui sert de guide pour bien cerner la
filière est la température. Ainsi, la géothermie est qualifiée de « haute énergie » (plus de
150°C), « moyenne énergie » (90 à 150°C), « basse énergie » (30 à 90°C) et « très basse
énergie » (moins de 30°C).
La production d’électricité géothermique consiste à convertir la chaleur des nappes

aquifères haute température (de 150 à 350°C) à l’aide de turboalternateurs. Si la température
de la nappe est comprise entre 100 et 150°C, il est également possible de produire de
l’électricité, mais en utilisant la technologie du cycle binaire. Dans ce cas, un échangeur
transmet la chaleur de la nappe à un fluide (isobutane, isopentane, ammoniaque) qui a la
propriété de se vaporiser à une température inférieure à celle de l’eau.
1.2.4. L’éolienne
L'énergie cinétique des vents peut être convertie en des formes utiles d'énergie telles
que l'énergie mécanique ou l'électricité. L'énergie éolienne est exploitée depuis des siècles.
Elle a servi à propulser les bateaux à voiles, et à faire tourner les moulins à grains et les
pompes à eau. À l'heure actuelle, l'énergie éolienne est de plus en plus utilisée pour générer de
l'électricité. Des turbines dotées de grandes hélices sont érigées dans des parcs éoliens situés
dans des zones stratégiques ayant de bons régimes éoliens et étant à proximité de réseaux
électriques existants. L'énergie éolienne n'est captée que lorsque la vitesse du vent est
suffisante pour mettre en mouvement les hélices de la turbine, mais pas assez élevée pour les
endommager. [RNC]
5
Une éolienne est constituée d’un rotor à 2 ou 3 pales, d’un système de transmission
mécanique directe ou à multiplicateur et de circuits de gestion du courant (régulateur,
onduleur, etc., selon le type de machine). L’ensemble se trouve dans la nacelle posée sur le
mât, ou la tour, de l’éolienne. Le vent fait tourner les pales qui entraînent le générateur
électrique, d’où l’appellation aérogénérateur pour désigner les éoliennes qui fabriquent de
l’électricité. Le courant produit est rendu compatible avec le réseau de distribution qui le
reçoit. Tous les éléments d’un aérogénérateur font appel à ce que la technologie offre
d’aujourd’hui de mieux. Ainsi les pales ont-elles des profils et des matériaux issus de
l’aéronautique. Quant aux parties électriques, leur rendement avoisine souvent 100 %, les
pertes étant plutôt d’origine mécanique (frottements, rendements des engrenages, etc.).
Globalement, les aérogénérateurs sont des machines qui affichent un bon rendement,
puisqu’elles sont en mesure de transformer en électricité 30 à 50 % de l’énergie du vent.
[ENR]
1.2.5. L’énergie solaire
L'énergie solaire est l'énergie du soleil sous forme de lumière et de chaleur rayonnées.
L'énergie du soleil peut être utilisée pour éclairer et chauffer des bâtiments, mais aussi pour
produire de l'électricité. À l'heure actuelle, deux technologies solaires actives mettant en jeu
des appareils électriques ou mécaniques deviennent de plus en plus courantes. Premièrement,
des panneaux ou collecteurs solaires sont utilisés pour chauffer l'eau ou l'air de ventilation
dans les bâtiments. Deuxièmement, la technologie photovoltaïque solaire utilise des cellules
solaires pour convertir directement la lumière du soleil en électricité.
La concentration du rayonnement solaire sur une surface de captage permet d’obtenir

de très hautes températures généralement comprises entre 400 C° et 1 000 C°. La chaleur
solaire produit de la vapeur qui alimente une turbine qui alimente elle-même un générateur
qui produit de l’électricité, c’est l’héliothermodynamie. Trois technologies distinctes sont
utilisées dans les centrales solaires à concentration :
 Dans les concentrateurs paraboliques, les rayons du soleil convergent vers un

seul point, le foyer d’une parabole.
 Dans les centrales à tour, des centaines voire des milliers de miroirs (héliostats)
suivent la course du soleil et concentrent son rayonnement sur un récepteur
central placé au sommet d’une tour.
6
 Troisième technologie : des capteurs cylindro-paraboliques concentrent les

rayons du soleil vers un tube caloporteur situé au foyer du capteur solaire.
L’énergie solaire photovoltaïque provient de la conversion de la lumière du soleil en

électricité au sein de matériaux semi-conducteurs comme le silicium ou recouverts d’une
mince couche métallique. Ces matériaux photosensibles ont la propriété de libérer leurs
électrons sous l’influence d’une énergie extérieure. C’est l’effet photovoltaïque. L’énergie est
apportée par les photons, (composants de la lumière) qui heurtent les électrons et les libèrent,
induisant un courant électrique. Ce courant continu de micro-puissance calculé en watt crête
(Wc) peut être transformé en courant alternatif grâce à un onduleur. Nous venons de décrire
les systèmes photovoltaïques en détail dans ce chapitre.
1.3. Source des énergies renouvelables en Algérie
Dans cette partie nous nous intéresserons à l’énergie solaire uniquement. L’Algérie
dispose d’un gisement solaire parmi les plus importants dans le monde. Le Centre de
Développement des Énergies Renouvelables a fait une évaluation de gisement solaire algérien
sous forme d’un Atlas solaire [YAI]. Les auteurs de cet Atlas ont développé une méthode
d’estimation de l’irradiation solaire globale pour différent types de ciel, à partir de la durée
d’insolation mesurée. L’étude faite a porté sur 48 sites répartis sur le territoire national pour
lesquels les auteurs disposent des données d’insolation sur une période de 11 années.
Cette étude montre que la durée moyenne annuelle d’insolation mesurée est
entre 7.5 et 8 heures dans la région nord du pays, et elle est entre 9 et 9.5 heures dans le
Sahara elle est à proximité de 10 heures dans les régions de Tindouf et d’Illizi. La figure 1.1
montre plus de détails sur la durée d’insolation sur le territoire national.
Cependant, la moyenne annuelle de l’irradiation globale reçue par une surface

horizontale est entre 4500 et 5300 Wh/m2 par jour dans la région nord du pays, et elle est
entre 5700 et 6900 Wh/m2 par jour dans le Sahara, elle dépasse les 6900 Wh/m2 par jour dans
la région est de Tamanrasset comme il est illustré dans la figure 1.2.
7
Fig.1.1. La durée moyenne annuelle d’insolation mesurée entre 1992-2002 [YAI]
Fig.1.2. La moyenne annuelle de l’irradiation globale reçue par une surface horizontale entre
1992-2002 [YAI]
8
1.4. Exploitation des énergies renouvelables
L’intégration des énergies renouvelables dans le mix énergétique national constitue un

enjeu majeur dans la perspective de préservation des ressources fossiles, de diversification des
filières de production de l’électricité et de contribution au développement durable. A la faveur
du programme de développement des énergies renouvelables 2011-2030 adopté par le
Gouvernement en février 2011, les énergies renouvelables se placent au cœur des politiques
énergétiques et économiques menées par l’Algérie.
La première phase de ce programme consiste à réaliser des projets pilotes et de tester

les différentes technologies disponibles, durant laquelle des éléments pertinents concernant les
évolutions technologiques des filières considérées sont apparus sur la scène énergétique et ont
conduit à la révision de ce programme.
La révision de ce programme porte ainsi, sur le développement du photovoltaïque et

de l’éolien à grande échelle, sur l’introduction des filières de la biomasse (valorisation des
déchets), de la cogénération et de la géothermie, et également sur le report, à 2021, du
développement du solaire thermique.
La consistance du programme en énergie renouvelables à réaliser pour les besoins du

marché national sur la période 2015-2030 est de 22 000 MW, dont plus de 4500 MW seront
réalisés d’ici 2020. La répartition de ce programme par filière technologique, se présente
comme suit :
 Solaire Photovoltaïque : 13 575 MW

 Éolien : 5010 MW
 Solaire thermique : 2000 MW
 Biomasse : 1 000 MW
 Cogénération : 400 MW
 Géothermie : 15 MW
La réalisation du programme permettra d’atteindre à l’horizon 2030 une part de

renouvelables de près de 27% dans le bilan national de production d’électricité.
9
1.5. Le système photovoltaïque
Dans la partie précédente, nous avons vu que la source d’énergie renouvelable la plus
importante en Algérie est le solaire. Ainsi, dans le programme de développement de ces
énergies, on voit qu’une grande partie d’énergie à produire est par le solaire photovoltaïque.
Dans ce qui suit, nous présenterons le système photovoltaïque en décrivant ses différents
composants. La figure 1.3 représente le schéma simplifié d’un système photovoltaïque :
Générateur
Convertisseur
Photovoltaïque
Régulateur
de charge
Batteries
Fig.1.3. Schéma simplifié d'un système photovoltaïque
1.5.1. Cellule photovoltaïque
Une cellule photovoltaïque est un dispositif qui permet de transformer l’énergie solaire
en énergie électronique par un processus appelé effet photovoltaïque, a été découverte par E.
Becquerel en 1839. Elles sont réalisées à l'aide de matériaux semi-conducteurs comme le
silicium. [BEL][HEL]
Dans la cellule photovoltaïque, c’est la création d’une différence de potentiel entre ses
bornes que permet la circulation du courant. Et c’est le dopage des parties avant et arrière de
la tranche de silicium qui va permettre l’apparition de cette différence de potentiel : [APG]
 dopage de type p sur une face, par adjonction d’atomes de bore (B), contenant moins
d’un (01) électron périphérique par atome que le silicium ;
 dopage de type n sur l’autre face, par adjonction d’atomes de phosphore (P), contenant
plus d’un (01) électron périphérique par atome que le silicium.
10
Le rendement de conversion des cellules commercialisées atteint actuellement 15 à 19%

pour le silicium monocristallin, 12 à 16 % pour le silicium polycristallin, 7 à 9% pour le
silicium amorphe. La tension de fonctionnement de la cellule est autour de 0,6 V sous
1 000W/m2. La figure suivante montre la structure d’une cellule photovoltaïque.
Fig.1.4. Structure d'une cellule photovoltaïque [APG]
1.5.2. Le module photovoltaïque
La tension et le courant, donc la puissance, d’une cellule ne sont pas adaptées aux
applications courantes, il est donc nécessaire de les associer. De plus, les cellules
photovoltaïques sont fragiles et sensibles à l’environnement extérieur, elles sont donc munies
d’une protection mécanique (l’encapsulation). Pour toutes ces raisons, les cellules sont
assemblées en modules photovoltaïques. [BUN]
Les cellules sont généralement connectées en série dans les modules courants
commercialisés. La mise en série des cellules permet d’augmenter la puissance. Le courant
reste identique tandis que la tension est multipliée par le nombre de cellules en série.
Les cellules dans un module sont associées en plusieurs groupes. Chaque groupe est
ensuite connecté en antiparallèle avec une diode, appelée diode de bypass ou diode de
dérivation. Cette diode sert à protéger les cellules contre leur fonctionnement dans le régime
inverse. La figure 1.5 montre un module avec deux diodes bypass.
11
Fig.1.5. module photovoltaïque avec deux diodes bypass [BUN]
1.5.3. Champ PV
Afin d’obtenir des puissances de quelques kW, sous une tension convenable, il est
nécessaire de regrouper les modules en série et en parallèle. Ce groupement forme un champ
photovoltaïque. Il existe plusieurs configurations possibles pour interconnecter les modules
dans un champ photovoltaïque : connexion série parallèle simple, connexion Total Cross
Tied, connexion Bridge Linked. [BUN]
1.5.4. Système de stockage
Le système de stockage permet de stocker l’énergie produite pour l’utiliser

ultérieurement, il est composé d’un ensemble de batteries. Ces derniers sont connectés à un
régulateur de charge qui évite la décharge profonde et la surcharge des batteries qui
conduirait forcément à leur destruction.
Les principales caractéristiques d’une batterie sont :
Tension nominale : C’est la force électromotrice de la batterie en fonction du couple
électrochimique utilisé, elle s’exprime en volts.
Exemples
CdNi à quatre éléments : 4 x1,2 V = 4,8 V nominal
Tension de charge : C’est la tension minimale à appliquer pour charger efficacement la
batterie, elle s’exprime en volts.
Exemples
Tension de charge du CdNi : 1,4 V par élément, soit pour quatre éléments :
4 x 1,4 V = 5,6 V en charge
Capacité de la batterie : C’est la quantité d’énergie que l’on peut stocker dans la batterie,
elle s’exprime en ampères-heures (Ah), car on comptabilise cette énergie par le produit du
courant que l’on tirerait (en A) par la durée de cette décharge (en heures). [APG]
12
1.5.5. Le convertisseur
Le convertisseur a pour rôle d’extraire la puissance maximale du générateur PV et la

convertir en puissance alternative. Pour accomplir ce rôle, ce groupe de convertisseurs est
composé d’un étage de hacheur suivi par un étage d’onduleur.
Le hacheur a pour rôle d’extraire la puissance maximale du générateur PV. C’est
pourquoi il est muni d’un algorithme de recherche de type MPPT (Maximum Power Point
Tracker). La puissance maximale extraite est ensuite convertie en puissance alternative active
par l’onduleur.
Fig.1.6. Différents étages du groupe convertisseurs.
1.5.6. Les types des systèmes photovoltaïques
Il existe deux types de systèmes photovoltaïques : un système photovoltaïque

autonome et un système photovoltaïque connecté au réseau.
1.5.6.1. Système photovoltaïque autonome
Le système photovoltaïque autonome est utilisé dans des zones isolées, l’électricité
produite par le générateur photovoltaïque est consommée directement, l’énergie
supplémentaire est stockée dans des batteries pour l’utiliser lorsque la production n’est pas
suffisante. Alors le système se compose d’un générateur, un régulateur de charge, des
batteries et d’un convertisseur.
1.5.6.2. Système photovoltaïque connecté au réseau
Dans le système photovoltaïque connecté au réseau, la totalité de l’énergie produite

est injectée dans le réseau. Ce genre de système est utilisé pour vendre l’électricité. Sa
structure est la suivante : un générateur connecté à un convertisseur, le convertisseur est
connecté au réseau de distribution d’électricité.
13
1.6. Conclusion
Dans ce chapitre nous avons présenté les types d’énergies renouvelables et le potentiel
que dispose l’Algérie de ces énergies. Le gisement solaire algérien est parmi les plus grands
gisements dans le monde. Cependant, son exploitation actuelle est marginale.
Le programme national de développement des énergies renouvelables a donné une
partie major au solaire photovoltaïque pour la production d’électricité, ce qui va engendrer le
développement et l’utilisation des technologies du photovoltaïque au niveau national.
La tendance vers les énergies renouvelables va diminuer considérablement
l’utilisation des énergies fossiles pour la production d’électricité. Parce que le gisement
algérien est important, son bon exploitation peut satisfaire nos besoins en électricité aussi que
l’exportation à l’étranger à long terme.
14
CHAPITRE : 2 État de l’art de la supervision et l’intelligence artificielle
Chapitre 2 : Supervision et problématique de la conduite dans

le photovoltaïque
2.1. Introduction
Avec le progrès technologique, la production industrielle est automatisée. Cette

automatisation concerne tous les aspects de l’activité industrielle : production, assemblage,
contrôle, conditionnement, manutention, stockage. Elle a pour objectifs de diminuer le cout
de production, suppression de travaux dangereux, améliorer la qualité et réalisation des
opérations impossibles à réaliser manuellement. Le système automatique de production (SAP)
se compose de deux partie : parties opérationnelle (PO) qui agit sur les produits et une partie
commande (PC) qui traduit le savoir-faire du concepteur à un ensemble de commandes pour
obtenir les actions réalisées sur les produits afin d’assurer la valeur ajoutée.
La partie opérative est une reproduction physique des commandes envoyées par les operateurs
humains de supervision afin d’agir sur les actionneurs. Après la réalisation des instructions
un compte rendu est envoyé au PC pour prendre en considération les nouvelles informations.
La commande regroupe toutes les actions qui agissent directement sur les actionneurs du
système, lorsque la commande n’est pas capable de prendre une décision, la supervision
intervient dans cette situation, résulte d’une défaillance, qui nécessite la reconfiguration du
procédé.
La supervision a pour objectif d’assurer la gestion réactive des modes de fonctionnements du

système. Ces modes de fonctionnements sont définis à partir de l’analyse des données du
système, la connaissance du système et le savoir-faire de l’opérateur. Il faut alors exploiter au
maximum toutes les informations disponibles sur le système pour pouvoir détecter les
éventuels dysfonctionnements d'un processus et les diagnostiquer et réagir en conséquence de
façon à assurer son fonctionnement même en situations anormales. Alors, l’opérateur a besoin
d’outils qui l’aident dans sa tâche de surveillance pour garantir le fonctionnement correcte et
de réagir en cas des évènements anormaux se produisent.
Dans ce chapitre, nous allons voire de manière générale le concept de supervision et les
méthodes de l’intelligence artificielle appliquées dans la supervision. Ainsi que nous allons
aborder la supervision des générateurs photovoltaïques et les travaux réalisés dans ce
domaine.
15
2.2. La supervision
2.2.1 Définition
La supervision a pour but de contrôler l'exécution d'une opération ou d'un travail

effectué par d'autres sans rentrer dans les détails de cette exécution. La supervision recouvre
l'aspect fonctionnement normal et anormal. [SIL]
En fonctionnement normal, son rôle est surtout de prendre en temps réel les dernières
décisions correspondant aux degrés de liberté exigés par la flexibilité décisionnelle. Pour cela,
elle est amenée à faire de l'ordonnancement temps réel, de l'optimisation, à modifier en ligne
la commande et à gérer le passage d'un algorithme de surveillance à l'autre. En présence de
défaillance, la supervision va prendre toutes les décisions nécessaires pour le retour vers un
fonctionnement normal. Après avoir déterminé un nouveau fonctionnement, il peut s'agir de
choisir une solution curative, d'effectuer des réordonnancements "locaux", de prendre en
compte la stratégie de surveillance de l'entreprise, de déclencher des procédures d'urgence,
etc. [SIL]
Pour la mise en place d’un système de supervision les tâches suivantes doivent être prises en
charge : la surveillance traite les données collectées du système en temps réel, détection,
diagnostic, la conduite, l’aide à la décision.
Actionneurs
Capteur
Supervision
Informations
Décisions
Supervision
Surveillance Conduite
Détection Diagnostic Agir
Interprétation
Identification
Localisation
Génération Alarmes Organe Cause Aide à la

d’alarme identifié identifié décision
identifié
Fig. 2.1 Architecture de la supervision
16
La supervision se fait par la comparaison des données acquises à partir du système avec celles
du modèle théorique du système, cette comparaison permet de détecter le bon et le mauvais
fonctionnement du système.
2.2.2 Surveillance
La surveillance est un dispositif passif, informationnel, qui analyse l'état du système et

fournit des indicateurs. Elle utilise les données provenant du système pour déterminer
l’évolution de ce dernier et détermine l’état de son fonctionnement. La surveillance consiste
notamment à détecter et classer les défaillances en observant l'évolution du système, puis à les
diagnostiquer en localisant les éléments défaillants et en identifiant les causes premières.
La surveillance se compose de deux fonctions principales qui sont la détection et le

diagnostic.
Surveillance
Détection de défauts
Diagnostic
Localisation Identification
Fig.2.2. Architecture de la surveillance
2.2.3 Détection
La détection consiste à décider si le système est en état de fonctionnement normal, en

comparant les valeurs des résidus avec celle fixées auparavant.
Pour détecter les défaillances du système, il faut être capable de classer les situations
observables comme étant normales ou anormales. Cette classification n'est pas triviale, étant
donnée le manque d'informations qui caractérise généralement les situations anormales. Une
simplification communément adoptée consiste à considérer comme anormale toute situation
qui n'est pas normale.
17
2.2.4 Diagnostic
L'objectif de la fonction diagnostic est de rechercher les causes et de localiser les

organes qui ont entraîné une observation particulière. La fonction de diagnostic se décompose
en deux fonctions élémentaires : localisation et identification des causes. La localisation
permet de déterminer le sous-ensemble fonctionnel défaillant tandis que l’identification de la
cause consiste à déterminer les causes qui ont mené à une situation anormale.
À partir de l'observation d'un état de panne, la fonction diagnostic est chargée de retrouver la
faute qui en est à l'origine. Ce problème est difficile à résoudre. En effet si, pour une faute
donnée, il est facile de prédire la panne résultante, la démarche inverse qui consiste à
identifier la faute à partir de ses effets, est beaucoup plus ardue. Une défaillance peut
généralement être expliquée par plusieurs fautes. Il s'agit alors de confronter les observations
pour fournir la bonne explication.
2.2.5 La conduite
La conduite est la fonction destinée à contrôler le comportement futur et immédiat du

processus de production selon un procédé donné pour atteindre les objectifs de production
exprimés en termes de qualité et de productivité. [ABE]
2.3. Méthodes de surveillance
L’existence d’un modèle formel ou mathématique de l’équipement détermine la

méthode de surveillance utilisée. Alors on distingue deux grandes branches de méthodes de
surveillance celle à base de modèle et autre sans modèle.
Les méthodes qui se basent sur un modèle comparent les informations collectées à partir des
capteurs avec celles du modèle pour déterminer le bon fonctionnement du système. Elle se
compose essentiellement de deux techniques : méthodes de redondance physique et
analytique et méthodes d’estimation paramétrique.
Les méthodes sans modèle se divisent en deux catégories : méthodes utilisant des outils
statistiques et méthodes utilisant les techniques de l’IA. Les outils statistiques établissent des
tests sur les signaux d’acquisition. Ces tests ne sont capables d’assurer que la fonction de
détection de défaillances. Les techniques de l’IA pour la surveillance sont plus élaborées et
sont capables de détecter et de diagnostiquer les défaillances. Les plus utilisées sont les
18
systèmes experts qui émulent un expert humain, on trouve aussi parmi ces techniques les
réseaux de neurones, la logique floue, La reconnaissance des formes. [ZEM][RAC][IKH]
2.3.1. Méthodes de surveillance avec modèles
Les méthodes de surveillance avec modèle ont pour principe de comparer les mesures
effectuées sur le système aux informations fournies par le modèle. Tout écart est alors
synonyme d’une défaillance. Ces méthodes peuvent être séparées en deux techniques :
techniques de redondance physique et analytique et techniques d’estimation paramétrique.
2.3.2. Redondances physiques et analytiques
a. Redondances physiques
Cette méthode consiste à multiplier physiquement les capteurs critiques d’une installation.
Un traitement des signaux issus des éléments redondants effectue des comparaisons et
distingue l’élément défectueux en cas d’incohérence. Cette méthode est pénalisante en termes
de volume du système et, cout (d’achat et de maintenance) et puissance consommée. Elle est
donc essentiellement réservée aux cas ou la continuité de service est obligatoire comme dans
l’aérospatiale et le nucléaire. En effet, elle apporte l’avantage, une fois la défaillance détectée
et localisée, de pouvoir utiliser la partie de l’équipement encore saine mais elle ne s’applique
généralement que sur des capteurs. [MAH] [ZEM]
b. Redondances analytiques
Cette approche conduit à une réécriture des équations d’état et de mesure, dans laquelle
seules des variables connues sont autorisées à figurer. Le principe consiste à établir un modèle
du système à surveiller qui comprend un certain nombre de paramètres qui sont supposés
connus lors du fonctionnement nominal. Le but des méthodes de redondance analytique est
d’estimer l’état du système afin de le comparer à son état réel. L’estimation de l’état du
système peut être réalisée soit à l’aide de techniques d’estimation d’état, soit par obtention de
relations de redondance analytique. [MAH] [ZEM]
2.3.2.1. Méthodes d’estimation paramétrique
L’approche d’estimation paramétrique mesure l’influence des défauts sur les

paramètres. Le principe consiste à estimer en continu des paramètres du procédé en utilisant
les mesures d’entrée/sortie et en l’évaluation de la distance qui les sépare des valeurs de
référence de l’état normal du procédé. Pour détecter l’apparition de défaillances dans le
19
système, il faut effectuer la comparaison entre les paramètres estimés et les paramètres
théoriques. [MAH]
2.3.3. Méthodes de surveillance sans modèles
La plupart des systèmes industriels sont très compliqués, dont le modèle analytique est
impossible à développer pour ces derniers, alors pour ces systèmes la supervision par les
méthodes avec modèles vues précédemment est impossible. Pour ce type de système
industriel les méthodes utilisées pour la supervision sont celles sans modèles. Deux
techniques existent dans ce cas : supervision par tests statistiques et supervision par
technique de l’intelligence artificielle.
2.3.3.1. Surveillances avec tests statistiques
Les outils statistiques de détection de défaillances consistent à supposer que les

signaux fournis par les capteurs possèdent certaines propriétés statistiques. On effectue alors
quelques tests qui permettent de vérifier si ces propriétés sont présentes dans un échantillon
des signaux mesurés. [MAH]
a. Test de franchissement de seuils

Son principe consiste à comparer ponctuellement les signaux avec des seuils
préétablis, le franchissement de ce seuil par un des signaux capteurs génère une alarme. Ce
type de méthode est très simple à mettre en œuvre mais ne permet pas d’établir un diagnostic
de défaillance, cette méthode aussi est très sensible aux fausses alarmes.
b. Test de variance
On peut également calculer la variance d’un signal .Tant que cette variance se situe
dans une bande située autour de sa valeur nominale, l’évolution du système est supposée
normale.
c. Test de moyenne
Contrairement à la méthode de Test de franchissement de seuil, le test de
comparaison est effectué sur la moyenne du signal contenu dans une fenêtre d’un ensemble de
valeurs que sur une valeur ponctuelle.
2.3.3.2. Surveillances avec méthodes d’intelligence artificielle
Ces méthodes se basent sur les techniques de l'Intelligence Artificielle (IA), En effet,
l'Intelligence Artificielle permet de contourner les obstacles rencontrés par les méthodes
classiques et d’une manière générale, l'Intelligence Artificielle, est relativement bien adaptée
20
aux problèmes de surveillance, telle que, elle est capable de traiter : une grande quantité
d'informations, des données non homogènes (numériques/symboliques) et aussi des données
incomplètes [ALA].
Nous allons présenter les méthodes de l’intelligence artificielle, les plus utilisées dans la
supervision des systèmes industriels, dans section suivante.
Fig.2.3. Classification des méthodes de surveillance [ZAM]
2.4. Conduite des systèmes de production
2.4.1. Définition
Selon POURCEL.C1, la conduite de la production est l'art de diriger les ressources

mises à la disposition du système de production. La conduite doit permettre la réalisation des
objectifs de la production dans les meilleures conditions et compte-tenu des aléas. Informés
en permanence par le suivi de production sur la réalisation des objectifs, les responsables de la
production vont devoir alors prendre des décisions pour corriger leurs actions en vue d'une
meilleure atteinte de ces objectifs. [RIA]
1
Claude POURCEL, “Systèmes automatisés de production", en 1987.
21
2.4.2. Positionnement dans la gestion de production manufacturière
La gestion de production manufacturière se compose de cinq fonctions essentielles

organisées en étapes hiérarchisées, chacun des niveaux ayant une capacité de réaction propre
[DAM] :
2.4.2.1. Planification
Ce niveau a une vision à long terme sur la production de l'entreprise : statistiques,

études de marché lui permettent de définir un plan directeur de production, compromis entre
les objectifs de marketing, financiers et de production. On se situe donc ici dans le niveau de
décision tactique du système « entreprise » mais dans le niveau stratégique du système de
production « atelier ».
2.4.2.2. Programmation
Elle est chargée, à partir du plan directeur, d'établir un programme prévisionnel de

production, à capacité infinie ou suivant une charge globale admissible par l'atelier. Celui-ci
prend en compte les besoins bruts (commandes, délais demandés), les prévisions et calcul des
besoins nets en fonction des stocks et des encours. La programmation peut elle aussi être
considérée comme une tâche du niveau stratégique car elle consiste essentiellement à
«traduire» les objectifs de la planification et reste dans une logique de définition du « quoi ? »
de la production.
2.4.2.3. Ordonnancement
Son objectif est le respect du plan prévisionnel (délais, quantité, qualité, etc.). Il
élabore un planning détaillé cherchant à optimiser l'utilisation des moyens de production en
termes de charge, d'encours, de contraintes de succession ou technologiques. Il fournit un
calendrier d'organisation du travail pour l'atelier (dates de début et de fin de chaque tâche), par
ressource ou groupe de ressources. On se rapproche ici de la définition du « comment » de la
production, et donc du niveau de décision tactique.
2.4.2.4. Conduite
La conduite est chargée de réaliser la production prévue. Elle doit régler tous les
problèmes non résolus par le niveau prévisionnel (charges ou contraintes locales). Elle doit
aussi prendre en compte l'ensemble des contraintes de fabrication (contrôle de la qualité,
22
arrêts liés à la maintenance, niveau de qualification du personnel, etc.), toutes présentes à ce

niveau, et réagir aux aléas pour que la production prévue soit possible. La conduite est donc
typiquement une tâche du niveau opérationnel car les problèmes d’affectation de ressources
devront être résolus en temps réel (réponses aux questions quand et avec quoi produire).
2.4.2.5. Commande
Ce niveau, directement en relation avec le système de production, a un rôle d'interface

et d'interpréteur. Sa tâche essentielle est de traduire un ordre en une séquence d'instructions
compréhensibles par la partie opérative. Il est concrétisé soit par un opérateur pilotant une
machine et assurant le suivi de réalisation, soit par un automatisme capable d'interpréter un
ordre et de renseigner la conduite sur l'état d'avancement de celui-ci.
Fig.2.4 positionnement de la conduite dans la gestion de production [CLA]
23
Fig.2.5. Environnement de la conduite [CLA]
2.4.3. Les fonctions de la conduite
Nous avons défini le cadre dans lequel peut évoluer une fonction conduite temps réel
d’atelier. Sa mission est avant tout la bonne réalisation du programme prévisionnel. Elle doit
pour cela intégrer l’ensemble des contraintes atelier, de manière à commander en conséquence
les moyens de production. [CLA]
On peut distinguer les trois grandes classes de fonctions à assurer :
 Le suivi: consiste à suivre l’état des équipements, des stocks, des transformations, par
l’utilisation de synoptiques hiérarchisés de l’installation, de vues d’alarmes, de résultats
de production ;
 Le contrôle : comprend le contrôle des cohérences des ordres prévisionnelles à réaliser,
la gestion des alarmes et la réaction aux aléas de production ;
 Le pilotage : comprend la définition des modes d’exploitation des équipements (modes
de marche, paramétrages), le lancement de fabrication, la préparation (elle est chargée
de l’élaboration finale et de la transmission des ordres au niveau d’exécution) ;
24
Et un certain nombre de fonctions annexes qui sont essentiellement des fonctions :
 de communication : avec la fonction ordonnancement (récupération des ordres

prévisionnels et transmission du suivi des ordres), avec la commande du système de
production (envoi des ordres de lancement, de contrôle et réception du suivi temps
réel), avec les autres fonctions industrielles (demande d’intervention, d’analyses, prise
en compte d’ordres urgents, des disponibilités transferts,…) ;
 de gestion de données : concernant les produits, les ressources, les tâches à exécuter ;
 historiques et statistiques : statistiques des pannes équipements, activité par équipe,
temps passés par lot, par produit, …
Communication
(Avec les autres fonctions)
GESTION
 Des données technique : gammes
 Des ordres de fabrications
 Des ressources : configurations, horaires
 Des opérateurs : postes, qualifications
Historique / suivi
 Ressources,
 Produits,
 Ordres de fabrications,
 Assurance qualité
CONTROLE
 Equipement
 Stockes
 Qualité
 Production
 opérateurs
PILOTAGE SUPERVISION
 Equipement : mode de marche, paramètres  Ressource
 Production : lancement  Stock
 Personnel : affectation  production
COMMUNICATION
Avec le système de production
Fig.2.6. : Principales fonctions de la conduite [CLA]
25
2.4.4. Problématique des systèmes de conduite
Nous abordons ici les problématiques d’exploitation et d’analyse des systèmes de

conduite. [DAM]
2.4.4.1. Exploitation
La problématique de l’exploitation des systèmes de conduite peut être vue comme une
particularisation des problèmes de coopération homme-machine.
Dans le domaine de la coopération homme-machine, on définit la coopération

horizontale comme un moyen de réguler l’activité humaine de supervision au moyen d’un
partage des tâches entre l’opérateur et un outil d’aide à la décision ou à l’action. Dans la
coopération verticale, l’outil ne fait que proposer des conseils à l’opérateur qui reste le
décideur final.
Toute la difficulté de l’exploitation du système de conduite réside dans la répartition

des tâches entre l’opérateur humain et la partie matérielle du système. Certains auteurs
préconisent de maintenir en permanence l’opérateur humain dans la boucle de conduite, en
régulant sa charge de travail.
2.4.4.2. Analyse
L’analyse d’un système de conduite fait appel, au moins au même titre que sa
conception et que son exploitation, à des processus d’interprétation très complexes et très
variables.
Si on se base sur des critères exclusivement quantitatifs, la difficulté de l’analyse est

due aux distances causales et temporelles qui séparent la mise en œuvre du système de
conduite et les performances qui en résultent.
Sur un plan plus qualitatif, l’analyse du système de conduite repose sur la valeur qu’il
apporte aux différents acteurs du système de production : meilleur retour d’information sur
les actions de chacun, facilitation des tâches de suivi et de diagnostic, meilleure organisation
de l’atelier, etc.
26
2.5. Les techniques de l’intelligence artificielle utilisées dans la

supervision
2.5.1. Les systèmes experts
Un système expert est un logiciel qui reproduit le comportement d'un expert humain
accomplissant une tâche intellectuelle dans un domaine précis. Il est composé de deux parties
indépendantes :
 une base de connaissances, elle-même composée d'une base de règles qui modélise la
connaissance du domaine considéré et d'une base de faits qui contient les informations
concernant le cas que l'on est en train de traiter.
 un moteur d'inférences capable de raisonner à partir des informations contenues dans
la base de connaissances, de faire des déductions, etc.
Fig.2.7. Schéma d'un système expert [RAC]
Le rôle du cogniticien est de soutirer leurs connaissances aux experts du domaine et de

traduire ces connaissances dans un formalisme se prêtant à un traitement automatique, c'est-à-
dire en règles. Ces deux tâches sont aussi délicates l'une que l'autre. En effet, un expert est la
plupart du temps inconscient de la majeure partie de son savoir, et s'il arrive à en exprimer
une partie, c'est souvent sous une forme difficile à formaliser. [RAC][ZAM]
2.5.2. Raisonnement à partir de cas
Le raisonnement à partir de cas - RàPC (Case Based Reasoning – CBR) est une approche
récente pour résoudre et apprendre des problèmes. Il correspond à la résolution d’un nouveau
problème en se rappelant une situation précédente similaire et en réutilisant les informations
27
et les connaissances de cette situation. Il constitue donc une méthodologie pour modéliser le
raisonnement et la pensée humaine ou pour développer des systèmes intelligents.
Le raisonnement à partir de cas recouvre un ensemble de méthodes de résolution de

problèmes à partir d'expériences passées. Le principe de fonctionnement de la méthode
consiste à stocker les expériences précédentes (cas) dans une mémoire afin de résoudre un
nouveau problème :
 retrouver l'expérience similaire au nouveau problème dans la mémoire,

 réutiliser cette expérience dans le contexte de la nouvelle situation (complètement,
partiellement ou en l'adaptant selon les différences),
 mémoriser la nouvelle expérience dans la mémoire (apprentissage).
Le RàPC constitue donc un processus cyclique pour la résolution de problèmes. Dans ce

processus, on identifie les phases suivantes :
Fig.2.8. Cycle du raisonnement à partir de cas [RAC]

28
Un nouveau problème ou cas est résolu en se rappelant (remémoration) des cas

similaires déjà pré analysés et stockés dans la mémoire. La solution trouvée est ensuite
adaptée (réutilisée) au nouveau problème. Le nouveau cas est ensuite révisé ou réparé (par
l'expert ou par l'utilisation de la connaissance générale du système). Ce nouveau cas peut
aussi être appris au système (mémorisation) comme nouvelle expérience. [RAC][ZAM]
Le RàPC s'articule donc autour d'une base de connaissance qui contient deux parties :
 la connaissance générale, souvent représentée par une base de règles et qui peut intervenir
dans toutes les phases du RàPC,
 la mémoire, qui contient les cas et les structures nécessaires qui constituent l'expérience
du système; elle est utilisée lors des phases de remémoration et de mémorisation.
Un système de RàPC se caractérise donc par : la structure des cas utilisés, la structure de la
base de cas (indexation des cas) et l'organisation de la mémoire.
Le RàPC, présente également les avantages suivants :
 réduit les efforts d'acquisition de connaissances,

 est relativement facile à maintenir,
 l'efficacité de la résolution des problèmes augmente à mesure qu'il est utilisé,
 permet d'utiliser des données existantes comme des bases de données,
 peut s'adapter aux changements de son environnement.
Nous allons voir le RàPC en détail dans le chapitre 3.
2.5.3. Les réseaux neuronaux
Les réseaux de neurones sont des outils capables d’effectuer des opérations de
perception, classification et prédiction. Leur fonctionnement est basé sur les principes de
fonctionnement des neurones biologiques. Leur principal avantage par rapport aux autres
outils est leur capacité d’apprentissage et de généralisation de leurs connaissances à des
entrées inconnues.
Leur utilisation est principalement guidée par leurs propriétés suivantes:
 capacité d'apprentissage,
 capacité de généralisation,
 parallélisme dans le traitement (rapidité de traitement)
29
 adaptés aux non-linéarités des systèmes,

Chaque neurone réalise une fonction simple (fonction linéaire, linéaire par morceaux, fonction
à seuil, sigmoïde, gaussienne), les propriétés globales de l'outil émergeant de sa structure.
Toutes les caractéristiques des réseaux de neurones sont exploitées à travers la propriété
principale des réseaux de neurone qu'est l'apprentissage. En effet, les mécanismes
d'apprentissage sont à l'origine des capacités de résolution de problèmes des réseaux
neuronaux. Cet apprentissage permet de configurer les poids synaptiques ainsi que les
fonctions d'activation afin d'adopter un comportement désiré. Deux types d'apprentissages
sont utilisés : l'apprentissage supervisé et l'apprentissage non supervisé. [RAC][IKH]
Apprentissage supervisé : Permet de déterminer les poids synaptiques à partir d'exemples
étiquetés auxquels un expert a associé des réponses du réseau. Les paramètres du réseau sont
donc modifiés de manière à minimiser l'erreur entre la sortie cible (fournie par l'expert) et la
sortie réelle du réseau.
Apprentissage non supervisé : Les données fournies en entrée ne contiennent pas
d'information sur la sortie désirée. L'apprentissage est réalisé à l'aide de règles qui modifient
les paramètres du réseau en fonction des exemples fournis en entrée.
La figure suivante montre l’architecture d’un réseau de neurones
Fig.2.9. Architecture d’un réseau de neurones [RAC]
2.5.4. Reconnaissance de formes par logique floue
Dans tous les ensembles, la notion d’appartenance a un caractère très important, ce

qui diffère entre des ensembles classiques et dans les ensembles flous, c’est que dans les
ensembles classiques la notion est de type tout ou rien, c'est-à-dire qu’un élément appartient
ou n’appartient pas, la notion floue est d’un type différent, par un assouplissement de la
notion d’appartenance, la logique floue permet de traiter des informations incertaines, ou bien
de classer des informations dont les frontières sont mal définies etc.
30
L’idée de base de la logique floue, est de mettre en œuvre un système dit système d’inférence
floue, qui est capable d’imiter les prises de décisions de l’opérateur humain et ce, à partir d’un
ensemble de règles conçues sur la base des connaissances de cet opérateur. [IKH]
2.5.5. Méthodes à base de modèles explicatifs
Ce type de catégorie de méthode se base sur la formulation des relations causes et

effets, pour ce faire, des connaissances approfondies sur le système sont requises. Ces
méthodes se caractérisent donc par l’approche abductive qui consiste à trouver la cause d’une
défaillance à partir de ses symptômes observables et ceci en remontant dans la chaîne, parmi
les méthodes qui utilisent ce type de raisonnement on retrouve les graphes causaux, les
graphes contextuels et aussi les techniques de logique floue et de réseaux de pétri [RAC].
2.6. La supervision des systèmes photovoltaïques
Dans le domaine du photovoltaïque, les recherches sont orientées au dimensionnement

des systèmes photovoltaïques, le diagnostic, détection des défauts des générateurs
photovoltaïques et suivi du point de puissance maximale.
La plupart des travaux ont traité ces problèmes avec des méthodes de l’IA parce qu’ils
donnent les meilleurs résultats. Les techniques les plus utilisées sont : la Logique floue, les
réseaux de neurones, les algorithmes génétiques.
2.6.1. Diagnostic et détection des défauts de générateurs photovoltaïques
La détection des défauts est une tâche cruciale pour augmenter la fiabilité, l’efficacité et
la sécurité des systèmes photovoltaïques, la détection et l’élimination manuelle des fautes
dans les systèmes photovoltaïques est très chère, et dans certains cas impossibles comme les
systèmes photovoltaïques des satellites, en conséquence, les techniques de détection
automatique des défauts sont nécessaires [XUE]. Plusieurs méthodes sont utilisées, à cause
du caractère non linéaire du système photovoltaïque, certain défauts sont difficiles à détecter
par les dispositifs de protection conventionnelle. ZHAO et al ont proposé dans leurs travail
un modèle à base de graphe à apprentissage semi-supervisé pour la détection de défauts. Le
modèle proposé ne détecte pas seulement les défauts, mais aussi identifie leur type possible
[ZHO]. Dans un autre travail, Zhao et al ont développé un modèle d’arbre de décision pour
détecter et classer les défauts d’un champ photovoltaïque, ce modèle analyse la caractéristique
courant-tension (I-V) pour faire la détection [YZH]. Les techniques de l’intelligence
artificielle sont utilisées aussi pour la détection des défauts, Zhihua et al ont utilisé les réseaux
31
de neurones dans leur travail pour la détection des défauts. Dans un premier temps, la
température du module détermine l’occurrence de défauts dans un module photovoltaïque,
ensuite le neurone artificiel est utilisé pour faire le diagnostic et définir le type de défaut. Les
paramètres d’entrées du neurone sont : la température, le courant et la tension, tandis que la
sortie est le résultat de détection [ZHI].
2.6.2. Dimensionnement des systèmes photovoltaïques
Dans la conception de systèmes de production d'énergie photovoltaïque, le

dimensionnement optimal est une tâche importante et difficile. Les méthodes classiques
(empirique, analytique, numérique, hybride, etc.) pour le dimensionnement des systèmes
photovoltaïques ont été utilisées généralement pour un emplacement où les données
météorologiques nécessaires (irradiation, température, humidité, indice de clarté, vitesse du
vent, etc.) et de l'information concernant le site où le système PV sera mis en œuvre sont
disponibles. Dans ce cas, ces méthodes présentent une bonne solution pour le
dimensionnement des systèmes photovoltaïques, en particulier la méthode hybride. [ADE]
Cependant, ces techniques ne pouvaient pas être utilisées pour le dimensionnement des
systèmes photovoltaïques dans les zones isolées, où les données nécessaires ne sont pas
disponibles. En outre, la majorité des méthodes ci-dessus ont besoin de données
météorologiques à long terme tels que l'irradiation solaire totale, la température de l'air, la
vitesse du vent pour son fonctionnement. Ainsi, lorsque les données météorologiques
pertinentes ne sont pas disponibles, ces méthodes ne peuvent pas être utilisées, en particulier
dans les zones isolées. Afin de remédier à cette situation, les méthodes qui sont plus récentes
ont été développées pour le dimensionnement des paramètres pour les systèmes PV sur la
base de techniques d’intelligence artificielle (IA). Différentes techniques d’IA sont utilisées
pour le dimensionnement des systèmes photovoltaïques. Mellit et al ont développé un
modèle en réseaux de neurones pour l’estimation des paramètres de dimensionnement d’un
système photovoltaïque autonome. Les entrées du modèle sont la longitude et l’attitude du
site, tandis que les sorties sont deux paramètres de dimensionnement hybride (f, u). Ces
paramètres permettent aux concepteurs de systèmes PV de déterminer le nombre de modules
photovoltaïques et de la capacité de stockage des batteries nécessaires pour satisfaire une
consommation donnée [MEL]. Hernadeza et al. ont présenté un algorithme génétique visant à
déterminer la répartition optimale et le dimensionnement des systèmes photovoltaïques
connectés au réseau. La solution optimale est atteinte par l'approche d'optimisation multi-
objective. Selon les auteurs, les résultats obtenus avec la méthode proposée démontrent son
32
applicabilité. La méthode a été utilisée pour tester des solutions d'allocation de système
connecté au réseau alternatif [HER].
2.6.3. Suivi du point de puissance maximale
La technique de suivi du point de puissance maximale (MPPT) est une exigence

importante dans l'amélioration de l'efficacité de l'extraction de puissance des modules PV.
L'objectif principal de toutes les techniques de MPPT est l’extraction de la vraie puissance
maximale du module PV à toute condition atmosphérique. Toutefois, dans les conditions de
changement climatique rapide et d’ombrage partiel, les techniques classiques ne sont pas
arrivées à suivre le vrai point de puissance maximale. Pour cette raison, les méthodes
d'intelligence artificielle ont été développées avec la capacité de chercher le vrai point de
puissance maximale avec une bonne vitesse de convergence [NUR]. Patchara Prakriti et al.
ont proposé une méthode de suivi des points puissance maximale en utilisant un contrôleur
floue adaptatif pour les systèmes PV connectés au réseau. De la simulation et des résultats
expérimentaux, le contrôleur flou adaptatif peut fournir plus de puissance que le contrôleur
classique flou [NOP]. Bahgat et al ont présenté un algorithme de suivi du point de puissance
maximale pour les systèmes photovoltaïques utilisant des réseaux neuronaux. Selon les
auteurs, les résultats expérimentaux ont montré que l'installation photovoltaïque avec MPPT
écoute toujours le point de puissance maximale du module PV dans diverses conditions de
fonctionnement. Le MPPT transmet environ 97% de la puissance maximale réelle générée par
le module photovoltaïque. [BAH].
2.6.4. Problématique de conduite des systèmes photovoltaïque
Dans le fonctionnement normal d’un générateur photovoltaïque, l’énergie produite soit

stockée dans des batteries, injectée dans le réseau ou consommée directement. En cas de
fonctionnement anormal du générateur, l’intervention de l’opérateur humain est requise. Long
Bun, Ye Zhao et a1, Zhihua ont montré que la plupart des défauts de générateur sont
détectables en ligne (automatiquement) utilisant différentes méthodes (classique ou
d’intelligence artificielles). Nous avons présenté précédemment dans la partie 2.6.1. des
contributions qui ont traité la problématique de détection des défauts du générateur
photovoltaïque, mais la problématique est quelle est l’action adéquate en cas d’apparition de
ce dernier. Les champs photovoltaïques sont isolés, l’intervention de l’opérateur peut être en
retard. Nous avons proposé un système de conduite intelligent qui permet de réagir
automatiquement, si possible, sur le système ou de proposer à l’opérateur les actions
33
appropriés à remplir en cas de présence de défaut ou d’une dégradation, le système de

conduite va reconfigurer le système en tenant compte des objectifs à atteindre et l’état actuel
du générateur.
2.7. Conclusion
La supervision est une tâche cruciale dans les systèmes de production, nous avons
présenté dans la première partie de ce chapitre la supervision ainsi que la décomposition de la
supervision et les techniques de supervision avec modèle et sans modèle. Dans notre étude
nous avons concentré notamment sur la conduite. L’application des méthodes d’intelligence
artificielle dans la supervision est incontournable, elle permet d’obtenir les meilleurs résultats
spécialement en cas de non présence du modèle.
Le dimensionnement du système photovoltaïque permet d’optimiser les ressources

de construction de générateur. Après la construction du système, il faut assurer sa continuité
de production en performance maximale et sa disponibilité. Dans ce cadre notre proposition
intervient avec le développement d’un système de conduite intelligent.
34
CHAPITRE : 3 La conduite utilisant le raisonnement à base de cas
Chapitre 3 : La conduite utilisant le raisonnement à partir de cas
3.1. Introduction
Dans le deuxième chapitre nous avons présenté les différentes fonctions de la

conduite, essentiellement : la supervision, le contrôle et le pilotage. La conduite est une
activité décisionnelle, elle se diffère du pilotage de la capacité de prendre une décision. Le
système de pilotage devient décideur si, vu de l’extérieur, ces entrées ne sont pas suffisantes
pour déterminer sa sortie, ce qui devient le cas si le système de pilotage a été conçu pour
présenter une certaine liberté pour fixer lui-même son signal de commande [DAM].
L’automatisation de la tâche de conduite, prend une décision même les informations
nécessaires sont insuffisantes, et par l’utilisation des méthodes de l’intelligence artificielle.
3.2. Modèle structurel de la conduite
La conduite est l’intégration de la capacité de décision en faisant apparaître le

système de pilotage comme un centre capable de décision. Cette généralisation se traduit
également par l’apparition d’un centre d’évaluation et des moyens d’interprétation. La
commande du système opérant correspond alors à l’application de la décision prise. La figure
3.1 représente la structure d’un système de conduite.
Fig.3.1. Modèle structurel de la conduite [DAM]
35
Nous détaillons les trois sous-systèmes qui composent de manière générale d’un
système de pilotage décideur.
3.2.1. Centre d’interprétation
Les entrées du centre d’interprétation sont les effets du système opérant ou plutôt les
données représentatives de ces effets. Dans une procédure de diagnostic classique, on retrouve
à ce niveau les phases d’acquisition (ou mesure) et de perception du signal qui consistent
respectivement à fournir un ensemble d’observations tolérantes aux défauts du système de
mesure, et à fournir les indices ou paramètres indicateurs interprétables de la performance à
l’origine des signaux observés. Mais la notion seule de mesure est réductrice car elle ne peut
suffire à l’élaboration d’un diagnostic pertinent. Elle doit donc être complétée par une
appréciation, une interprétation par rapport à une vision globale ou cadre de référence. Ainsi,
certains considèrent aujourd’hui que la pertinence d’une évaluation tient bien plus à la qualité
de l’interprétation qu’à l’exactitude et à la précision des calculs [DAM].
Les sorties du centre d’interprétation sont les résultats, c’est-à dire des informations
objectivées sur les effets des actions du système opérant. Ainsi, un même évènement peut
générer plusieurs résultats différents tant dans leur forme que dans leur signification.
3.2.2. Centre d’évaluation
L’évaluation consiste à assigner une valeur bonne ou mauvaise, meilleure ou pire, à

une chose ou à un événement (en l’occurrence, aux résultats relevés). Ce n’est donc pas
simplement mesurer la valeur en quelques sortes intrinsèques des objets. C’est établir un ordre
de préférence. Cette fonction d’évaluation doit donc générer des informations suffisamment
pertinentes pour prendre les bonnes décisions, c’est-à-dire nécessaires et suffisantes au regard
des objectifs recherchés. Ces informations objectivées portent le nom d’indicateurs de
performance, c’est-à-dire une donnée quantifiée qui mesure l’efficacité et/ou l’efficience de
tout ou partie d’un processus ou d’un système (réel ou simulé), par rapport à une norme, un
plan ou un objectif, déterminé et accepté dans le cadre d’une stratégie d’entreprise. On entend
ici par efficacité le niveau d’adéquation des résultats obtenus aux objectifs recherchés, et par
efficience le niveau d’adéquation des moyens mis en œuvre aux résultats obtenus [DAM].
36
3.2.3. Centre de décision
Les entrées du centre de décision sont les indicateurs de performances. Les sorties sont
les décisions prises et appliquées. Ce système a pour fonction de prendre les décisions qui
portent sur les modalités de commande du système opérant (ou moyen d’action) soit en terme
de directives globales et plans d’action (dans le domaine qui nous intéresse, cas de la
planification, de la programmation, de l’ordonnancement et de la conduite), soit en terme de
signaux directement interprétables par le moyen d’action (domaine de la commande).
3.2.4. Utilisation du raisonnement à partir de cas dans la conduite
Les différentes composantes de la conduite se coopèrent par échange d’informations,

la figure 3.1 montre que les sorties d’un centre sont les entrées de l’autre, bien qu’il existe
d’autres informations qui sont récupérées à partir du système opérant. On peut dire que le
centre de décision a un rôle crucial dans la conduite, car ces actions effectuent directement
des changements sur le système. Alors, l’utilisation du RàPC dans la conduite consiste à
l’utiliser dans le centre de décision, trouver la bonne décision pour la situation actuelle en
fonction de l’état du système et les objectifs à partir des décisions des anciennes situations
similaires.
3.3. Le raisonnement à partir de cas
Le raisonnement à partir de cas est une méthodologie utilisée pour résoudre des
problèmes, ces problèmes peuvent être de différentes natures. Bien que cette méthodologie
n’est pas recommandée pour tous les problèmes. Le procès qui compose le raisonnement à
partir des cas peut être considéré comme le reflet d'un type particulier de raisonnement
humain. Dans de nombreuses situations, les problèmes que rencontrent les êtres humains sont
résolus avec un équivalent humain du RàPC. Quand une personne rencontre une nouvelle
situation ou un problème, il ou elle se réfère souvent à une expérience passée d'un problème
similaire. Cette expérience précédente peut être celle qu'ils ont eu ou une autre personne qui a
eu cette expérience. Si l'expérience provient d'une autre personne, le cas aura été ajouté à la
mémoire (humaine) de raisonneur soit par voie orale ou un compte rendu écrit de cette
expérience [MIC] [SIM].
L'idée de RàPC est émouvante car elle est similaire à un comportement de résolution
de problème humain. Les gens se basent sur l'expérience passée, tout en résolvant des
37
problèmes nouveaux. Cette approche est à la fois pratique et efficace. Souvent, elle permet
d’éviter l'analyse approfondie du domaine de problème. Ceci conduit à l'avantage, que RàPC
peut être basée sur la connaissance peu profonde et ne nécessite pas des efforts importants
dans l’ingénierie de connaissances [SIM].
3.3.1. Définition d’un cas
Un cas est une expérience enregistrée qu’était produite dans le passé, tels que
"Rappelez-vous, l'année passée en Tunisie, nous avons eu un problème similaire avec notre
voiture. L’allusion dont nous a donné le mécanisme a plutôt bien fonctionné. Nous avons eu
ce problème assez souvent; et notre technique habituelle pour fixer le problème a toujours
travaillé en quelque sorte ". De telles expériences sont utilisées pour aider à résoudre les
futurs problèmes ou prendre des futures décisions [SIM] [MIC].
3.3.1.1. Les parties d’un cas
RàPC utilise les cas pour résoudre les problèmes, par conséquent, il doit y avoir
quelque chose dans l'expérience qui parle d'un problème et sa solution. Dans une vue simple,
RàPC divise une expérience en deux parties:
 Une partie du problème (ou la description d'une situation-problème).

 Une partie de la solution qui décrit la façon dont on a réagi.
Souvent, on restreint RàPC à des solutions qui ont été couronnées de succès, mais qui
est loin d'être nécessaire ou appropriée. Une solution échouée est également un élément
important de renseignements qui précise ce que l'on doit éviter. La coexistence de ces deux
expériences réussie et échouée conduit à la définition suivante [MIC].
 Les expériences positives (cas) ; mettre en œuvre des solutions efficaces et aboutir à
un conseil: Refais-le!
 des expériences négatives (cas) ; mettre en œuvre des solutions qui ont échoué et
aboutir à un conseil: Évitez cela!
Les cas négatifs apparaissent souvent dans le contexte de prise de décision où on doit
choisir entre différentes alternatives ou lorsque des conseils doivent être données. Les cas
négatifs doivent être distingués des cas qui contiennent des erreurs [MIC].
38
3.3.2. Représentation des cas
La Représentation des cas est une tâche difficile dans RàPC. D'une part, une
représentation de cas doit être suffisamment expressive pour les utilisateurs pour décrire un
cas précis. D'autre part, le système RàPC doit raisonner avec les cas utilisant l’ordinateur. La
représentation des cas est aussi étroitement liée à la décision de quelles informations doivent
être représentées dans le système RàPC. Leur choix dépend du contexte de l'application, le
problème à résoudre, la tâche à accomplir, et la classe d'utilisateurs. Souvent, les
connaissances nécessaires pour être représentées sont beaucoup plus que le problème et sa
solution. Il est utile d'inclure quelque chose sur le contexte et comment et où les solutions sont
utilisées. Les cas peuvent être représentés dans une variété de formes, telles que : vecteur
d'attributs, texte, images et bien d’autres formes. Nous avons concentré, dans la suite de notre
travail, sur la représentation par vecteur d’attributs. [MIC][SIM]
3.3.2.1. Représentation par vecteur d’attributs
La représentation utilisant des attributs est simple et très utile. En principe, les
attributs sont des fragments de la logique des prédicats. Ils sont beaucoup plus simples et plus
faciles à manipuler et pour de nombreuses applications ils sont suffisants [MIC].
Supposons que nous avons deux couleurs, rouge et bleue, chacune représentée par un
prédicat pour objet ‘o’. Si ‘o’ est rouge, alors le prédicat Rouge (a) est vrai. Cette
représentation devient plutôt lourde si nous avons beaucoup de couleurs. Dans une
représentation vecteur d’attributs que nous pouvons introduire, un attribut couleur qui a un
ensemble de valeurs est constitué de toutes les couleurs.
Pour les définitions de base nous supposons un univers de discours U donné qui peut
être un ensemble arbitraire.
- Un attribut A a un domaine (type), qui peut être un ensemble arbitraire.

- Un attribut A assigne à chaque aU un élément A(a)  domaine(A)
- Chaque objet de U est représenté par un vecteur (a1,….., an)
avec a1  domaine(A1), ……, Andomaine(An).
39
Souvent, différents domaines contiennent uniquement des valeurs d'un type spécifique,
par exemple, entiers, réels ou des caractères. On distingue les types standards prédéfinis et les
types définis par l'utilisateur. Des exemples de types standards sont:
 types numériques tels qu’entier ou réel,

 types de symboles qui sont définis par une énumération de symboles,
 types textuels tels que les chaines de caractères.
Les types définis par l'utilisateur sont généralement des sous-types de types standards.
Par exemple:
 jours de la semaine, comme un sous-type de symboles ou de chaine de caractère.

 Les petits entiers pour le nombre d'enfants dans une classe.
 grands entiers pour compter les habitants dans un pays.
 types spéciaux pour les objets multimédias, tels que des images, des vidéos ou des
sons, ou des adresses électroniques.
La représentation peut être incomplète et deux situations peuvent se produire:
 manquante de valeur pour un attribut.

 Tout un attribut est manquant.
Id_cas : 01
-Marque de voiture : BMW
-Modèle de voiture : X6
-Énergie Diesel
-Puissance 350 hp
-Couleur Marron-métallisé
Fig.3.2 Exemple de représentation d’un cas
Pour la représentation de valeurs inconnues, on peut utiliser un symbole spécial

«inconnu» ou "?" ou une variable typée. La valeur inconnue peut avoir différentes
interprétations. Par exemple, on peut distinguer pour "inconnu" entre "ne se soucient pas",
"malheureusement pas connu mais je voulais", et "en attente de la valeur". En tout cas, on sait
qu’une certaine valeur est manquante. En outre, on peut utiliser les valeurs par défaut. Ce sont
des valeurs qui sont prises normalement, mais pas toujours. Quelque part, elles sont entre
connues et inconnues. Un exemple est l'attribut "nombre_de_roues" pour une voiture, où la
40
valeur par défaut est de 4. Si une autre valeur est donnée, alors la valeur par défaut est
écrasée.
Le contraire des valeurs manquantes sont les valeurs redondantes. Ce sont des valeurs
qui n’ont aucune influence sur la solution. La détection de la redondance est très utile. Dans
l'exemple de la voiture, d'autres attributs comme "nombre_de_valves" sont redondants parce
que le problème peut être résolu sans connaître leurs valeurs.
Le cas d'un attribut manquant est plus dangereux. Supposons, par exemple, un attribut
important est absent pour une défaillance de la machine. Puis le diagnostic résultant peut être
trompeur.
Avantage:
 Représentation simple et facile à comprendre.

 Simple à stocker, par exemple, dans une base de données.
Inconvénients:
 Représentation de l'information structurelle et relationnelle pas directement possible.

 Aucune information possible sur les séquences.
La représentation par vecteur d’attributs est un premier candidat, si la base de cas est
grande et les cas sont décrits par seulement quelques attributs.
3.3.2.2. Représentation complexe
Afin de relier les différentes représentations et fonctions, nous avons besoin de

quelques principes structurels qui sont partagés entre eux et permettent de découvrir des
points communs et différents. Nous allons présenter seulement deux types de présentation
complexe, qui sont des extensions de la représentation par vecteur d’attributs, orientée objet et
arbre.
Représentation orienté objet
La représentation par vecteur d’attributs ne peut pas représenter facilement les

relations entre les attributs et les hiérarchies d'attributs. La popularité de la représentation
41
orientée objet vient de sa capacité de représenter des données compactes et la réutilisabilité

des logiciels associés. En fait, les attributs qui vont ensemble sont intégrés d'une façon qui
suit la description d'un objet dans les langages de programmation. En outre, l’orienté objet est
un moyen naturel pour représenter les relations, cette représentation de cas est plus facile à
comprendre par les utilisateurs. [MIC][SIM].
Les grands principes sont les suivants:
 Un objet décrit une certaine entité du domaine d'intérêt par un ensemble fini de propriétés
où chaque propriété atomique est représentée par un attribut.
 Une classe d'objets décrit la structure de ses objets en utilisant les attributs et leurs types.
 Une instance d'une classe est un objet ou une valeur est associée à chaque attribut.
Marque de voiture : chaine de caractère Marque de voiture: BMW
Modèle : chaine de caractère Modèle :X6
Puissance : entier Puissance : 350 Hp
Nombre de port : entier Nombre de port : 5
Kilométrage : entier Kilométrage : 10000 Km
Fig.3.3. exemple d’une classe et d’un objet
Représentation par arbre
Dans les arbres, on peut organiser des ensembles d'objets ainsi que des parties d'un
objet, comme ses attributs. La première possibilité est utile dans l’étape de retrouver du cycle
de RàPC. Une restriction des représentations arborescentes peut être observée ici: Pas de
relations entre objets qui ne sont pas reliés peuvent être représenté. Par exemple, les
structures internes des nœuds ne peuvent être discutées si les nœuds sont formellement
séparés dans l'arbre. Si un attribut A est une étiquette d’un nœud, alors pour chaque élément
‘a’ dans dom(A) il y a une arête au dessous de A. Ainsi, chaque chemin à partir du nœud
supérieur à un nœud feuil décrit un vecteur d’attributs, et tous ces vecteurs sont représentés de
42
cette façon. L’obtention des valeurs d’attributs tend à être coûteuse. Dans le cas des arbres de
décision, un attribut peut se produire dans des chemins différents. Afin de prendre une
décision, il peut ne pas être toujours nécessaire d'utiliser tous les chemins. Ainsi, on peut
raccourcir l'arbre dans le sens qu’on arrête de descendre à chaque fois que la décision est
prise. Par conséquent, on est intéressé à trouver de petits arbres; ceci est un sujet dans
l'apprentissage automatique. [SIM][MIC]
3.3.3. Définition d’une base de cas
Une base de cas est une mémoire; elle contient une collection de cas qui sont utilisés
dans le contexte de la méthode RàPC, dont le but est d'effectuer une tâche de raisonnement
[MIC].
3.3.4. Cycle du RàPC
Le processus de raisonnement peut être résumé en utilisant les quatre étapes de base.
Elles sont connues comme le cycle RàPC. La figure 3.2 illustre le cycle de résolution de
problèmes, ce dernier est constitué des étapes suivantes :
1. Retrouver : Récupération des cas précédemment expérimentés similaires (par

exemple, solution-problème-résultat triples) dont le problème est jugée similaire.
2. Réutiliser : proposer une solution pour résoudre le nouveau problème en utilisant des
informations et des connaissances du cas récupéré.
3. Réviser vise à évaluer l'applicabilité de la solution proposée.
4. Mémoriser : Le maintien de la nouvelle solution une fois qu'elle a été confirmée ou
validée.
Dans de nombreuses applications pratiques, les étapes de réutilisation et de révision

sont parfois difficiles à distinguer, et plusieurs chercheurs utilisent une phase d'adaptation
unique qui les remplace et les combine. Cependant, l'adaptation dans un système de RàPC est
encore une question ouverte car est un processus compliqué qui essaie de manipuler des
solutions de cas. Les cas enregistrés dans la base de cas ont été enrichis par des
connaissances générales, qui dépendent souvent du domaine du problème [SIM].
L’approche processus du cycle de vie RàPC fournit une vue globale et externe de ce
qui se passe, alors une vue orientée tâche est bonne pour décrire les mécanismes réels. Les
43
tâches sont mises en place en fonction des objectifs du système, et une tâche particulière est
effectuée en appliquant une ou plusieurs méthodes. Les méthodes utilisées dans chaque
tâche indiquent les façons possibles pour accomplir cette tâche. La méthode spécifie
l’algorithme qui identifie et contrôle l'exécution de la sous-tâche particulière. La sélection
d'une méthode appropriée dépend du problème et nécessite des connaissances dans le
domaine d'application. Dans les situations où l'information est incomplète ou manquante et
nous voulons exploiter la tolérance pour l'imprécision, l'incertitude, le raisonnement
approximatif, et les techniques de calcul de la vérité douce partielles pourraient fournir des
solutions avec traçabilité, robustesse, et à faible coût.
PROBLÈME
Formulation
Cas
cible
Retrouver
Cas
Cas source Cas
Base de
mémorisé cible
cas
Réutiliser
Connaissance
Mémoriser
générale
Solution Cas testé Cas cible

et réparé Réviser adapté
confirmée
adapté
Fig.3.4 cycle du RàPC
44
3.3.5. Formulation du problème
La formulation du problème est la tâche qui part de la nécessité d'obtenir un nouveau

problème de l’utilisateur. Idéalement, les utilisateurs doivent entrer le nouveau problème en
utilisant la même représentation et le niveau de détail que ceux des cas dans la base de cas.
Souvent, ce n’est pas le cas. A titre d'exemple, il peut arriver que l'utilisateur sache ce qu'il
faut atteindre, mais ne peut pas exprimer le problème avec précision. Considérons un
utilisateur qui souhaite trouver un "fauteuil confortable" pour son salon. La formulation du
problème aurait besoin d'une description des éléments de la chaise et de leurs propriétés qui
peuvent ne pas être disponibles. Par conséquent, on ne peut pas immédiatement décrire des
problèmes tels que les cas.
La formulation du problème peut se faire par différentes manières. Ceci est également
connu comme le problème de la génération de la requête « cas cible». Une vision quelque peu
simpliste est que le problème est exactement précisé et complet avec tous les détails. En effet,
il peut être coûteux d'acquérir dans une représentation par vecteur attributs les valeurs des
attributs pour le problème de la requête. Le point essentiel est donc d'acquérir le peu
d'informations possible pour résoudre le problème de la requête mais assez pour fournir une
réponse. Il y a deux façons principales de procéder:[MIC]
 Utiliser une formulation éventuellement normalisée du problème.

 Effectuer un dialogue avec l'utilisateur.
Après que le contenu du nouveau problème est obtenu, il existe de différentes façons
pour le formuler physiquement. Il peut être tapé dans un ordinateur; il peut être parlé, ou il
peut être représenté comme une image ou un diagramme. Ces variations s’appellent la
représentation des cas, ce que nous avons présenté précédemment.
3.3.6. Retrouver
Les méthodes de récupération ont une place importante dans le cycle RàPC.
« Retrouver » dans des bases de cas est entièrement différente de celle dans les bases de
données. Il existe des différences majeures. La sélection des cas et la récupération est
généralement considérée comme l'étape la plus importante dans le cycle de raisonnement par
cas. Des centaines d’algorithmes et différentes approches ont été développées pour extraire
des cas similaires de la base de cas. Retrouver des cas est le processus de chercher, au sein
45
d'une base de cas, les cas qui sont le plus proche du cas cible. Pour effectuer la récupération
efficace des cas, il doit y avoir des critères qui déterminent comment un cas est jugé
approprié pour la récupération et un mécanisme pour contrôler la façon dont la base de cas est
recherchée. Les critères de sélection sont nécessaires pour déterminer qui est le meilleur des
cas retrouvés, en déterminant à quel point le cas cible est similaire au cas source (enregistrés)
[MIC] [SIM].
Les procédés de récupération ne sont pas généraux, ils doivent être conçus pour
chaque système. Ceci est dû à la complexité des cas et la correspondance inexacte que la
RàPC met en œuvre. Dans un système de raisonnement à base de cas, Retrouver n’est pas un
processus autonome. Il est fortement lié à la représentation de cas et la mesure de similarité.
Le processus de retrouver des cas similaires est un domaine de recherche majeur dans RàPC.
Les techniques de récupération les plus couramment étudiées, sont les k plus proches voisins
(k-NN), arbres de décision, et leurs dérivés. Ces techniques impliquent l'élaboration d'une
mesure de similarité chez les cas à mesurer [SIM] [MIC].
3.3.6.1. Calcul de similarité
Les calculs sont applicables aux attributs avec des valeurs numériques et étroitement
liés aux distances numériques. Si les valeurs symboliques sont présentes, ils doivent d'abord
être codés numériquement. En mathématiques, les mesures sont discutées en détail et de
nombreuses fonctions de distance ont été définies à des fins diverses. Nous présenterons
quelques fonctions de calcul de distance utilisé dans la similarité [MIC]
Distance entre Bloc de ville (city bloc metric)
𝑑(𝑥, 𝑦) = ∑ |𝑥𝑖 − 𝑦𝑖|
Distance Minkowski
𝑝
𝑑 = √∑ |𝑥𝑖 − 𝑦𝑖|𝑝
3.3.6.2. K plus proches voisins (k-nn)
Dans la récupération du plus proche voisin, le cas récupéré est choisi lorsque la
somme pondérée de ses attributs qui correspondent au cas actuel est supérieure aux autres cas
46
dans la base de cas. En termes simples, avec tous les attributs pondérés également, un cas
source qui correspond au cas cible avec n attributs sera récupéré plutôt qu'un cas qui
correspond uniquement avec k attributs, où k <n. Les attributs qui sont considérés comme les
plus importants dans une situation de résolution de problèmes peuvent avoir leur importance
notée en leur affectant les plus grand poids dans le processus de calcul de similarité. [SIM]
3.3.7. Réutiliser
Après sélection d’un cas similaire, l'étape du processus suivante est la réutilisation.
Cette étape se termine lorsque la nouvelle solution est proposée pour la prochaine tâche du
processus qui est la révision. La réutilisation est la proposition d’une solution pour résoudre le
nouveau problème en réutilisant l'information et la connaissance du cas (s) retrouvés. La
réutilisation est assez simple quand le nouveau problème est identique au problème du cas
récupéré. Quand il diffère, il nécessite une adaptation [SIM] [MIC].
L'adaptation de cas est le processus de transformation d'une solution récupérée en une

solution appropriée pour le problème actuel. Pour être systématique, on définit les actions
qui causent des changements de solution, généralement par des règles qui déterminent dans
quelles conditions ces adaptations sont possibles ou recommandées. L'objectif ultime est
d'utiliser ces changements pour obtenir de meilleures solutions appropriées, l’adaptation
étroitement liée au processus de «Retrouver ». Le problème avec ce dernier ici est que l'on est
à la recherche de la meilleure solution après l'adaptation. Dans cette situation simple
rechercher le plus proche voisin dans la base de cas est insuffisante. Par conséquent, il faut
étendre les méthodes de récupération [SIM] [MIC].
3.3.7.1. Types d’adaptation
Trois types d’adaptions sont définis : [SIM] [MIC].
 Réinstantiation : est la forme la plus simple d'adaptation, dans laquelle la solution du cas
cible est simplement copiée à partir du cas retrouvé et l’utiliser directement, sans
modification.
 Remplacement : consiste à remplacer les parties des anciens attributs de solutions qui
sont invalides parce qu'elles sont en conflit ou en contradiction avec les exigences de
nouveaux problèmes. Il existe deux types de remplacement :
47
o Remplacement à base de contraintes : une contrainte est décrite par les propriétés
d'un composant(s) de la solution requise, ce dernier peut généralement être
exprimé par l'utilisation des structures de la connaissance comme la table de
décision, l’arbre sémantique, ou des règles SI-ALORS. Par conséquent, les
composants à remplacer peuvent être trouvés par la recherche dans la structure de
connaissance utilisée. Cette structure de connaissance est généralement définie par
des experts à travers des interviews.
o Remplacement à base du Feedback : l'adaptation de la solution est un processus
itératif qui est guidé par l'évaluation des feedbacks de l'utilisateur. Chaque fois
qu’une solution est effectuée, le feedback sur son succès est récupéré. Si la
solution est refusée la cause de l'échec est analysée et le résultat est utilisé pour
modifier le processus d'adaptation.
 Transformation : est utilisé lorsqu’aucune substitution appropriée d’élément n’est
disponible. Une solution adaptée sera dérivée à base des contraintes et des caractéristiques
de la solution requise. Une contrainte décrit ou définit les propriétés d'un composant(s) de
la solution. Il spécifie quelle propriétés la solution devrait ou ne devrait pas avoir. Le
composant de la solution doit être conforme aux contraintes, et pas de contradiction ou de
conflit. Pour identifier les contraintes, quelques connaissances d'experts prédéfinies ou
heuristiques doivent être disponibles.
3.3.7.2. Méthode d’adaptation
Il existe deux types de méthodes d’adaptation de cas, celles basées sur les
connaissances acquises à partir des experts, et d’autres utilisant l’apprentissage automatique
pour adapter les cas retrouvés. Nous allons présenter une méthode de chaque type.
Apprentissage d’adaptation des Cas
Le processus d'adaptation est le suivant: Après avoir récupéré le cas le plus similaire à
partir de la base de cas, le cas cible et le cas retrouvé sont analysés et un '' cas d’adaptation ''
est construit. Pour les attributs numériques, les différences entre le cas cible et le retrouvé
sont stockées dans le cas d'adaptation. Pour les attributs nominaux, leur valeur est stockée
dans le cas d’adaptation. Tous les cas d'adaptation constituent ce qu'on appelle connaissances
d'adaptation. Compte tenu du cas d’adaptation, le cas le plus similaire est extrait de la base de
48
cas. Le cas d'adaptation récupéré est ensuite utilisé pour calculer l'ajustement nécessaire pour
la solution proposée.
Algorithmes génétiques
L'idée est que lorsqu’une solution est récupérée, un processus de modification est
initialisé au hasard. La solution adaptée est testée et les évaluations sont recueillies afin de
déterminer son adéquation. Ce processus est répété pendant plusieurs cycles jusqu'à ce qu'on
obtienne une solution satisfaisante. La modification peut être représentée en tant que vecteur
et codée comme un chromosome. Les opérateurs génétiques tels que la sélection, croisement
et mutation peuvent être utilisés pour travailler sur ces vecteurs et produire une descendance.
L'évaluation de la valeur de « fitness » de la solution adaptée peut être déterminée soit par un
modèle spécifique à un domaine ou par des tests effectués dans le monde réel.
3.3.8. Réviser et mémoriser
La révision est une étape dans le cycle du processus RàPC. Il s’intéresse au fait que
certaines des solutions du cas retrouvé, bien que proposées par le système RàPC, peuvent
échouer. Réviser commence quand on propose une solution pour résoudre le nouveau
problème, et il est terminé quand il est confirmé. Réviser vise à évaluer l'applicabilité de la
solution proposée. Les évaluations peuvent être faites dans le monde réel ou par une
simulation. La simulation est plus facile et moins chère, mais peut négliger des aspects
pratiquement importants. [MIC][SIM]
3.3.8.1. Évaluation
Toutes les évaluations fournissent une sorte de feedback. Les principaux types
d’évaluations sont montrés dans la figure 3.5 : [MIC]
Évaluation
Évaluation par Évaluation par le Évaluation par

expert système réel simulation
Fig.3.5 types d’évaluation [MIC]
49
L'évaluation par un expert nécessite un expert dans le domaine. Cet expert peut ne pas être
disponible et peut également être susceptible à commettre des erreurs. Ceci peut être amélioré
si l'expert est un document enregistré certifié pas un humain.
L’évaluation par un système réel consiste à exécuter la solution du problème sur le système
réel et détecter les changements de son état avec un système intégré de capteurs.
L’évaluation par la simulation est l’application de la solution retrouvée sur un modèle

prouvé du système réel et vérification si la solution est appropriée ou non.
Après évaluation de la solution, si elle n’est pas valide, les causes d’échec doivent être
déterminées pour aider à la réparation de la solution. Deux cas figurent dans la réparation de
la solution :
Auto réparation: Le système peut générer des solutions réparées par lui-même. Ce peut être
basé sur, par exemple, la connaissance générale de domaine ou la simulation.
Réparation par l’utilisateur : si l’auto réparation n’est pas possible, c’est à l’utilisateur de
trouver la solution réparée.
Après révision, le problème qui se pose est quoi faire avec l’ancien cas. Il est plus
applicable. Mais l'étape de révision ne doit pas exclure un cas totalement. Il peut être
désactivé temporairement, car il peut être utile à d'autres fins.
3.4. Conclusion
Dans cette partie nous avons présenté le modèle structurel de la conduite, puis nous
avons déterminé à quel composant nous allons appliquer le système de raisonnement à base
de cas dans la conduite. Le raisonnement à base de cas est une méthodologie qui se base sur
des expériences antérieures pour résoudre le nouveau problème. Les méthodes à utiliser dans
chaque étape dans son processus ne sont pas prédéterminées. Le choix de la méthode dépend
du domaine et la représentation du cas. Les méthodes choisies jouent un rôle important dans
la qualité des résultats obtenus. L’application du RàPC nécessite un groupe de travail.
50
Application du raisonnement à base de cas pour la conduite d’un
CHAPITRE : 4 générateur photovoltaïque
Chapitre 4 : Application du raisonnement à partir de cas pour la

conduite d’un générateur photovoltaïque
4.1. Introduction
L’installation d’une station photovoltaïque se passe par différentes phases, le choix du

site d’installation, dimensionnement, installation des équipements et la mise en service. Notre
intervention est après la mise en service de l’installation, dans le maintien en marche de cette
dernière pour atteindre ses objectifs. L’application que nous allons développer va assurer la
conduite du générateur photovoltaïque en utilisant la méthodologie de raisonnement à base de
cas présentée dans le chapitre 3.
Dans ce chapitre nous allons présenter les objectifs à remplir par notre application de
conduite, ensuite l’implémentation des différentes étapes de raisonnement à base de cas pour
le développement de l’application, après développement nous allons procéder aux tests par
simulation de quelques scenarios de conduite.
4.2. Objectifs
Les générateurs photovoltaïques connectés au réseau sont placés généralement dans

des zones isolés ou l’intervention humaine soit en retard ou absente. Les objectifs de notre
système sont cités dans les sections suivantes:
4.2.1. Améliorer la productivité du générateur
Dans le cas ou le système est sain, la productivité du générateur est maximale, mais à
l’occurrence d’un défaut au niveau des panneaux solaires la production diminue. Dans cette
situation, notre application de conduite intervient par reconfiguration du générateur pour
atteindre une production maximale des modules non défectueux. Exemple : dans le cas
d’ombrage partiel du générateur, les panneaux ombrés deviennent des récepteurs d’énergie ce
qui diminue la puissance produite. Après détection et localisation de ce défaut, notre
application va réagir par isolation des modules ombrés, et la puissance augmente.
51
4.2.2. Augmenter la disponibilité du générateur
Cet objectif est rempli on gardant le générateur en état de production partielle

lorsqu’une panne est apparue. Exemple, en cas de défaillance d’un module ou d’un string, la
production ne s’arrête pas en attente de réparation ou remplacement des éléments défectueux.
Notre application va isoler la partie en état de panne et garder le générateur en état de
production partielle ensuite elle informe l’équipe de maintenance de la panne et sa
localisation.
4.2.3. Augmenter la durée de vie du système
Certains défauts des modules nécessitent une intervention immédiate comme

l’ombrage partiel du module qui engendre le hot spot. Notre application intervienne
automatiquement dans ce cas par l’isolation du module et l’invocation d’équipe de
maintenance pour l’inspection du module en cas ou l’ombrage persiste dans le temps.
4.3. Application de la conduite par raisonnement à partir de cas
Dans cette section nous allons présenter comment nous allons appliquer les différentes
étapes de la méthodologie de raisonnement à partir des cas pour la conduite d’un générateur
photovoltaïque connecté au réseau. Notre application n’est pas spécifique à une installation
particulière, nous avons pris un cas général de générateur photovoltaïque. Avant d’entamer
l’application de la méthodologie, nous présenterons l’architecture d’un système
photovoltaïque connecté au réseau.
4.3.1. Architecture d’un système photovoltaïque connecté au réseau
La figure 4.1 montre l’architecture d’un système photovoltaïque connecté au réseau, il

y a deux blocs A et B.
Le Bloc A représente l’architecture du système PV connecté au réseau selon la

recommandation Union Technique de l’électricité UTE C 15-712 [UTE]. Chaque string est
connecté à un sectionneur et à une protection surintensité, l’ensemble des strings du
générateur sont connectés à un sectionneur ensuite vers l’onduleur. On note ici qu’il peut y
avoir pour chaque string un onduleur selon l’architecture choisie et l’étude. Après l’onduleur
le compteur et en fin injection dans le réseau.
52
Le Bloc B montre les parties du système de conduite, un système d’acquisition

connecté aux différents capteurs pour collecter les informations nécessaires à la conduite. Des
dispositifs qui permettant de réagir automatiquement sur le générateur. Les capteurs
obligatoires sont : le thermomètre pour la température, le pyranomètre pour l’ensoleillement
et les capteurs de courant et de tension. Concernant les dispositifs pour reconfigurer le
générateur plusieurs solutions sont possibles, nous pouvons utiliser des automates
programmables pour déconnecter et connecter les strings automatiquement.
BLOC A BLOC B
Générateur
photovoltaïque
pyranomètre
Thèrmomètre
Compteur
Protection
surintensité
Système d'acquisition
dispositif de
sectionnement
Onduleur Système de conduite
Fig.4.1. Architecture d’un générateur connecté au réseau selon la recommandation

UTE C 15-712 [UTE]
53
4.3.2. Architecture du système de conduite automatique
Le système de conduite agit sur le générateur photovoltaïque selon son état de

fonctionnement, alors le système de conduite a besoin comme entrée des informations sur le
générateur, et évidemment génère des actions pour réagir sur ce dernier. Donc, notre système
de conduite peut être présenté comme une boite qui a comme entrée les paramètres du
générateur photovoltaïque et comme sorties des actions sur le générateur. La figure 4.2
illustre notre système de conduite.
Entrées Système de Sorties

(Paramètres du générateur) conduite (Actions sur le générateur)
Fig.4.2. schématisation du système de conduite
Pour assurer la fonction de conduite, nous avons décomposé le système de conduite

en petits sous-systèmes. Chacun de ces derniers a une de ces fonction à remplir : formulation
du cas, la conduite automatique, gestion des cas, gestion de l’historique. On obtient alors la
forme du système de conduite montré dans la figure 4.3
Entrées Formulation Conduite Sorties

du cas automatique
Gestion de
Gestion des cas l'historique
Fig.4.3. Les composantes du système de conduite
54
Formulation des cas : son objectif est de construire un cas à partir des valeurs des
paramètres du système reçus en entrée. La représentation des cas sera abordée dans la section
suivante.
Conduite automatique : ce sous système est le plus important dans le système. Il

applique la méthode de raisonnement à partir de cas pour générer les actions appropriées à
l’état actuel du générateur. Il reçoit comme entrée le cas source, en utilisant la base de cas, il
donne en sortie les actions à appliquer sur le générateur.
Gestion des cas : son rôle est de gérer la base de cas. Il permet de modifier et
d’ajouter des cas dans la base de cas.
Gestion de l’historique : son rôle est de garder la trace de toutes les actions
appliquées sur le générateur par le système de conduite et permet aux experts d’améliorer le
système en étudiant son historique.
4.3.3. Modélisation du système
La modélisation du système consiste à représenter le générateur photovoltaïque dans

un format utilisable par la méthodologie RàPC. Dans cette dernière, la modélisation est
l’étape de représentation des cas.
Cette étape est très importante car elle a une grande influence pas seulement sur les
types des méthodes à utiliser mais aussi sur la fiabilité des résultats obtenus. Dans notre
travail, nous avons utilisé la représentation par vecteur d’attributs par ce qu’elle est la plus
convenable pour déterminer un état précis du système photovoltaïque spécialement le
générateur. Nous avons trouvé dans la littérature que chaque recherche sur la photovoltaïque
prend en considération les caractéristiques et les paramètres du système nécessaire pour le
contexte d’étude. Alors pour notre contexte d’étude qui est la conduite du générateur
photovoltaïque, les paramètres qui ont une influence importante sont :
- Le courant : le courant produit par le générateur ;

- La tension : la tension produite par le générateur ;
- L’état du générateur : l’état actuel du générateur (type de panne);
- La température : la température du module photovoltaïque ;
- L’ensoleillement : l’ensoleillement reçu par les modules;
55
- L’architecture du générateur ;
Nous avons besoin aussi d’un autre paramètre calculé qui est « Rapport Production
effective / production théorique». La production effective est calculée à partir des valeurs du
courant et tension acquises du générateur. Cependant la production théorique est calculée
en utilisant un modèle du générateur.
Ces attributs constituent la partie problème du cas, alors pour la partie solution c’est
la sortie de la tâche de conduite qui est un ensemble d’actions sur le système. Nous avons
réparti ces actions en groupes selon le dispositif cible de l’action, chaque groupe représente
un attribut de solution du cas qui sont les suivants : Actions sur modules, Actions sur
connecteur, Actions sur capteurs, Actions sur tracker, Réglage d’inclinaison, Injection dans
le réseau.
Maintenant que les attributs du cas (problème et solution) sont déterminés, il faut
préciser les valeurs que peuvent avoir chacun. Les valeurs de : la température, le courant, la
tension et l’ensoleillement sont issues directement du capteur en temps réel et leur type est
réel. L’architecture du générateur se représente par un double (nombre de module en série
dans un string, nombre de strings en parallèle).
Cependant, pour le reste des attributs et leurs valeurs sont des ensembles de valeurs
prédéfinies. Nous les présenterons comme suit:
L’état du générateur : ses valeurs déterminent le type de panne du générateur s’il y a eu

une, sinon elle a la valeur saine, alors cet attribut est renommé « type de panne ». Nous avons
basé sur le travail de BUN long [BUN] pour déterminer les valeurs de cet attribut. Les types
de pannes sont :
- Sain : représente l’état sain du générateur ;

- Connectique déconnecté ;
- Ombrage ;
- Module court-circuité ;
- Module shunté ;
Système de trackage : les valeurs de cet attribut représente l’état du système de suivi du
soleil s’il existe, sinon sa valeur est : Absent. Les valeurs de cet attribut sont :
56
- Absent ;
- En marche ;
- En panne ;
Action sur module : les valeurs de cet attribut sont les actions possibles à appliquer sur les
modules. Ces actions sont extraites du domaine de maintenance des systèmes
photovoltaïques, et chaque action est appliquée dans une situation appropriée. En cas ou l’état
du système ne nécessite pas à réagir sur les modules cet attribut va y avoir la valeur
« NON ». L’ensemble des actions est :
- NON ;
- ISOLER ;
- REMPLACER
- NETTOYER ;
Action sur connecteur : l’ensemble d’actions à appliquer sur les connecteurs du système :
- NON ;
- REMPLACER ;
- MAINTENIR ;
Action sur capteur : cet attribut contient les actions à appliquer sur les capteurs. Ces derniers
peuvent être défaillants alors il faut les remplacer ou si déconnecté alors les reconnecter. Dans
notre système nous avons quatre (04) capteurs : thermomètre, pyranomètre, ampèremètre et
voltmètre, on obtient alors la liste des valeurs suivantes :
- NON ;
- CONNECTER THERMOMÈTRE
- REMPLACER THERMOMÈTRE
- CONNECTER PYRANOMÈTRE
- REMPLACER PYRANOMÈTRE
- CONNECTER AMPÈREMÈTRE
- REMPLACER AMPÈREMÈTRE
- CONNECTER VOLTMÈTRE
- REMPLACER VOLTMÈTRE
57
Action sur tracker : le tracker est le système qui suit le mouvement du soleil, s’il existe dans
le système, son état peut être détecté et ensuite de réagir sur ce dernier. Cet attribut contient
les valeurs que peuvent subir le tracker qui sont :
- NON ;
- MISE EN MARCHE ;
- RÉPARATION ;
- RÉGLAGE ;
Réglage d’inclinaison : l’angle d’inclinaison des panneaux est important pour atteindre le
rendement maximal. En cas ou le système détecte que l’angle est faux il faut le régler. Alors
cet attribut contient les valeurs suivantes :
- NON ;
- Réglage d’inclinaison ;
Injection dans le réseau : lorsque la puissance produite n’atteigne pas la puissance

minimale de fonctionnement de l’onduleur on arrête l’injection dans le réseau. Les valeurs de
cet attribut sont :
- NON ;
- INJECTION ;
Après que nous ayons déterminé les attributs du cas et leurs valeurs, nous obtiendrons la
forme du cas illustré dans la figure 4.4.
Méthode de réglage d’inclinaison
L’action de réglage d’angle d’inclinaison est déclenchée lorsque le générateur est sain
et le système de trackage n’existe pas ou en panne et le rapport PE/PT est inférieur à 75%.
Dans telle situation on dit que les modules ne sont pas inclinés avec le bon angle. Notre
système calcule l’angle d’inclinaison correcte en se basant sur les informations de la situation
géographique (latitude, longitude) et la date.
L’axe nord-sud de la terre fait un angle de 23°27' avec la direction perpendiculaire au

plan de l'orbite terrestre autour du Soleil. Cette inclinaison est constante tout au long de la
course autour du Soleil et est responsable des variations saisonnières. Pour trouver l’angle
58
d’inclinaison optimale dans un endroit, il faut savoir l’inclinaison des rayons solaires qui varie
évidement chaque jour avec 0.2549° (23.45°/92jours). Alors pour le calcul d’angle
d’inclinaison nous avons utilisé ces formules :
 Du 22 Décembre au 21 Mars: H=90°- Latitude -23.45-(nombre de jours * 0.2549) ;

 Du 22 Mars au 21 Juin: H=90°- Latitude + (nombre de jours * 0.2549) ;
 Du 22 Juin au 21 Septembre: H=90°- Latitude + 23.45-(nombre de jours *
0.2549) ;
 Du 22 Septembre au 21 Décembre : H=90°- Latitude - (nombre de jours *
0.2549) ;
- Rapport PE/PT ;
- Le courant ;
- La tension ;
Partie Problème
- L’état du générateur ;
- La température ;
- L’ensoleillement ;
- L’architecture du générateur ;
- Situation géographique ;
- Actions sur modules ;
- Actions sur connecteur ;
- Actions sur capteurs ;
Partie solution
- Actions sur tracker ;
- Réglage d’inclinaison ;
- Injection dans le réseau.
Fig.4.4. Les attributs du cas du système
4.3.4. Calcul de la similarité
L’étape de retrouver des cas similaires au cas cible est très important dans un système
de raisonnement à base de cas. Pour l’extraction des cas les plus similaires au cas source, nous
avons opté au calcul de distance entre les cas. Parmi les méthodes existantes pour le calcul de
la distance, nous avons choisi à utiliser deux (02) méthodes distance entre bloc de ville et
59
distance euclidienne avec poids. Les règles utilisées pour chaque méthode sont données
respectivement :
Distance entre bloc de ville [MIC] :
𝑑(𝑥, 𝑦) = ∑ |xi − yi | …………………..(1)
Distance euclidienne avec poids [MIC] :
𝑑(𝑥, 𝑦) = √∑ 𝑤𝑖 (𝑥𝑖 − 𝑦𝑖 )2 …………………..(2)

𝑖=1
Bien que la première (1) méthode mesure seulement la distance entre 2 cas, cependant
la deuxième (2) nous permet de donner l’importance à des attributs que d’autres et d’exclure
certains en leur donnant un poids 0 parce que dans la réalité pas tous les attributs ont la même
importance. Il est noté que dans la deuxième (2éme) méthode la somme des poids doit être
égale à un (1). [MIC]
Le calcul de distance se fait entre les attributs de la partie problème du cas, et il faut
que leurs valeurs soient numériques. Les attributs de notre cas ne sont pas numériques ce qui
nécessite une transformation. Nous allons transformer les valeurs de l’attribut ‘état du
générateur’ du symbolique au numérique pour cela nous avons associé un nombre de 0 à 4
pour chaque valeur symbolique, la panne la plus critique a la valeur la plus grande 4 alors
nous avons obtenu le résultat suivant :
- Sain ; 0
- Connectique déconnecté ; 1
- Ombrage ; 2
- Module court-circuité ; 4
- Module shunté ; 3
60
Dans l’application, le choix de la méthode à utiliser pour le calcul de la distance est

fait par l’utilisateur.
K plus proches voisins
Le calcul de distance a pour objectif de trouver les plus proches du cas cible
(problème), après parcours de la base de cas nous prendrons les 3 cas les plus proches du cas
cible alors K=3. Ces trois cas sont utilisés dans l’étape suivante qui est l’adaptation dont la
quelle nous allons générer une solution pour le cas cible (problème).
4.3.5. Les règles d’adaptation
L’adaptation des cas consiste à donner une solution cohérente, il faut qu’on ne trouve
pas des contradictions entre les valeurs de la partie problème et la partie solution. Pour cela
l’application vérifie chaque valeur des solutions la plus proche avec les valeurs de la partie
problème du cas cible, si elle n’est pas cohérente on passe à la valeur de cet attribut du cas
similaire suivant et on recommence la vérification. Si aucune des valeurs des 3 cas similaires
n’est pas cohérente on donne une valeur « NON » par défaut à cet attribut.
La vérification se fait en utilisant des règle de type « si condition alors résultat ».

Les attributs qui peuvent poser beaucoup de situations de non cohérence sont « type de
panne » et « action sur module ». Ci-après des exemples de règles utilisées pour la
vérification :
1- Si Action sur module = REMPLACER et type de panne = SAIN
Alors VALEURS INCOHÉRENTES
2- Si Action sur module = ISOLÉ et type de panne = SAIN
Alors VALEURS INCOHÉRENTES
Après l’adaptation, nous obtiendrons un cas avec des solutions préliminaires, ce cas
avec ces valeurs de solution sont passés à l’étape suivante qui est la révision.
4.3.6. Révision du cas
La solution obtenue dans l’étape précédente n’est pas encore validée. La validation se
fait par évaluation avec simulation en utilisant un modèle du générateur. Le modèle du
61
générateur est obtenu en se basant sur le modèle de la cellule photovoltaïque. Il existe

différents schémas électroniques équivalents à une cellule photovoltaïque. Les deux que nous
allons illustrer sont les plus utilisés :
Modèle à une seule diode : la figure 4.5 illustre le schéma électronique, à une seule
diode, équivalant à une cellule photovoltaïque. Le courant produit est donné par l’équation
(3) : [HEL]
𝑉𝑝𝑣 +𝐼𝑝𝑣 𝑅𝑠
( ) 𝑉𝑝𝑣 + 𝐼𝑝𝑣 𝑅𝑠
Ipv = 𝐼𝑝ℎ − 𝐼𝑠 (𝑒𝑥𝑝 𝑉𝑡 .𝑎 − 1) − ( ) … … … … … . (3)
𝑅𝑠ℎ
Ipv
Id Ish Rs
Rsh
Iph
Vpv
Fig.4.5. Schéma du modèle à une diode [HEL]
Iph : Courant équivalent proportionnel à l’ensoleillement reçu par la cellule

Is : Courant de saturation inverse de la diode
Vt= KTc/q : représentant la potentielle thermodynamique.
Tc : est la température absolue
q : la constante de charge d'électron, 1.602. 10-19C
K: la constante de Boltzmann, 1.38. 10-23 J/K
a : facteur d’idéalité de la diode 1 à 2.
Rsh: est la résistance de shunt
Modèle de Bishope : ce modèle prend l’effet d’avalanche de la cellule en

considération en ajoutant au modèle à une diode un multiplicateur non linéaire M(V1) en série
avec la résistance shunt [BUN]. La figure 4.6 illustre le schéma électronique équivalent à ce
modèle :
62
Ipv
Id Rs
Ish
Rsh
Iph
V1 Vpv
M(V1)
Fig.4.6. schéma du modèle de Bishope [BUN]
Le courant produit est donné par l’équation (4) : [BUN]
(
𝑉+𝑅𝑠 𝐼
𝑉𝑡
) 𝑉 + 𝑅𝑠 𝐼 𝑉 + 𝑅𝑠 𝐼 −𝑛
𝐼𝑝ℎ = 𝐼𝑝ℎ − 𝐼𝑠 [𝑒𝑥𝑝 − 1] − [1 + 𝑘 (1 − ) ] … … … . (4)
𝑅𝑠ℎ 𝑉𝑏
Iph : Courant équivalent proportionnel à l’ensoleillement reçu par la cellule A

Is : Courant de saturation inverse de la diode A
Vt =akb Tc /q: Tension thermique de la diode. Elle dépend de température de la cellule Tc.
Tandis que a, kb et q sont respectivement le facteur d’idéalité de diode (1 à 2), la constante de
Boltzmann (1.38 10-23 J/°K) et la charge de l’électron (1.602 10-19 C).
Rs : Résistance série de la cellule Ω
Rsh : Résistance shunt de la cellule Ω
k : Coefficient de réglage de Bishop (3.4 à 4)
n : Coefficient de réglage de Bishop (~ 0.1)
V : Tension de claquage de la cellule (-10 V à -30 V)
Calcule Iph : Le Courant équivalent proportionnel à l’ensoleillement reçu par la cellule

(courant photonique) est lié à l’éclairement, à la température et au courant photonique mesuré
aux conditions de référence. Le courant photonique est donné par l’équation (5)
𝐺
𝐼𝑝ℎ = ( ) (𝐼𝑟𝑒𝑓 + 𝑢𝐼𝑆𝐶 (𝑇 − 𝑇𝑟𝑒𝑓 )) … … … … … … (5)
𝐺𝑟𝑒𝑓
Iref: le courant photonique sous condition de référence [ampères]

G, Gref : l’éclairement réel et à la condition de référence [W/m2]
T, TREF : température de cellules, réelles et à la condition de référence [degré Kelvin]
μISC : coefficient de la température du courant de court circuit [ampères/degré]
63
Pour simplifier le calcul de Iph, on fait souvent l’approximation que le courant Iref est
égal au courant de court-circuit Isc du module.
Calcul de courant et de la tension du générateur :
Ces modèles de cellule sont utilisés pour déterminer la caractéristique I-V du

générateur. L’architecture du générateur détermine comment calculer le courent (I) et la
tension (V). L’architecture du générateur est déterminée par les paramètres suivants :
N string : nombre de strings en parallèle ;
N module : nombre de groupes de module en parallèle dans un string;
N cellule : nombre de groupes de cellule en parallèle dans un module;
M module : nombre de modules en série dans un string;
M groupe : le nombre de groupes de cellules en série dans un module;
M cellule : nombre de cellules en série dans un groupe de cellule;
A partir de ces paramètres, nous pouvons déterminer les valeurs du courant et de la

tension comme suit:
I générateur= N string x N module x N cellule x I cellule
V générateur = M module x M groupe x M cellule x V cellule
Validation : La validation de la solution se fait par deux méthodes. La première est la

comparaison du résultat de la solution appliquée sur le système réel et celle du modèle du
générateur dans lequel on applique cette solution. Si les résultats sont identiques la solution
est correcte, donc elle est enregistrée dans la base de cas, sinon la solution n’est pas correcte
on enregistre le cas avec la mention -1 n’est pas faisable. La solution résultant de cette
méthode est correcte mais n’est pas optimale, cependant, la deuxième méthode de validation
est par un expert du domaine, il consulte la base de cas et modifie les cas avec la mention -1
en leur donnant les valeurs de la solution optimale.
64
4.4. L’outil de développement
Nous avons utilisé l’outil Labview (Laboratory Virtual Instrument Engineering

Workbench) pour implémenter notre application. LabVIEW est un langage de programmation
graphique développé par National Instruments. Sa nature graphique le rend idéal pour les tests
et les mesures, l'automatisation, le contrôle d'instruments, l'acquisition de données et les
applications d'analyse de données. Cela se traduit par des gains de productivité significatifs
par rapport aux langages de programmation classiques [RIC]. National Instruments se
concentre sur les produits de test et de mesure, en leur donnant un bon aperçu de
développement dans LabVIEW.
Nous avons opté pour l’utilisation de Labview parce qu’il a des avantages importants
par rapport aux langues classiques et autres outils de contrôle et d'acquisition de données,
ci-après quelques raisons d’utilisation de Labview [GAR]:
- L’interface utilisateur intégrée, facile à utiliser et à appliquer;

- Le prototypage rapide est favorisé par LabVIEW, conduisant à des démonstrations
rapides et efficaces qui peuvent être réutilisées ou élargies dans des applications
complètes.
4.5. Fonctionnement générale de l’application de conduite
Nous avons présenté dans la section 4.3.2 les différentes composantes de notre
système de conduite. Le fonctionnement de ce dernier commence par l’acquisition des
différentes données du générateur, ensuite il calcule le rapport PE/PT (production effective /
production théorique). Si PE/PT est entre 0.85 et 1, le système ne fait rien et le générateur est
en fonctionnement normal. Sinon si PE/PT est supérieur à 1 alors l’architecture du
générateur n’est pas la même que celle saisie dans les paramètres de l’application ; un
message d’erreur alors est affiché à l’utilisateur pour corriger la valeur de l’architecture du
générateur. Enfin si PE/PT est inférieur à 0.85, une anomalie est apparue dans le système,
alors le processus de conduite automatique est déclenché pour la reconfiguration du système,
les actions générées et appliquées sur le générateur sont enregistrées dans un fichier
historique.
Le fonctionnement est illustré dans l’organigramme de la figure 4.7.
65
Debut
Acquisition de
données
calcul du
PE/PT
OUI 0.85<PE/PT<1
NON
correction paramètre
PE/PT>1 OUI
architecture du générateur
NON
Lancement du
processus de
conduite
enregistrement
des resultats dans
l'historique
Fig.4.7. Organigramme de fonctionnement générale de l’application
4.6. Déploiement de l’application
Après le développement de l’application, sa base de cas est vide et les paramètres de

l’application ne sont pas fixés. Alors la première étape de déploiement de l’application est de
saisir les différents paramètres obligatoires pour son bon fonctionnement tel que : les
paramètres du modèle de la cellule photovoltaïque et l’architecture du générateur.
4.6.1. Paramétrage de l’application
L’application fournit deux onglets pour entrer les paramètres du générateur et celle de
la cellule photovoltaïque qui sont « Paramètre du système » et « Modèle de cellule
66
photovoltaïque ». Les paramètres du système concernent le choix des méthodes à utiliser, les
caractéristiques du module, architecture du champ, situation géographique et les poids des
attributs du cas. Ces derniers sont obligatoires lorsque la méthode de distance choisie est
euclidienne avec poids. Cependant les paramètres du modèle de la cellule photovoltaïque sont
le modèle choisi, les différents paramètres de ce modèle et les caractéristiques de la cellule
photovoltaïque. Ces onglets sont illustrés respectivement dans les figures 4.8 et 4.9.
Fig.4.8 Onglet de paramétrage du système
67
Fig.4.9 Onglet Modèle de cellule photovoltaïque
4.6.2. Construction de la base de cas
Dans l’état initial, la base de cas de l’application est totalement vide, alors le processus
de raisonnement ne nous donnera aucun résultat. Nous avons construit une interface spéciale
pour le remplissage de la base de cas. Les cas que nous avons enregistrés sont issus du
domaine de la maintenance du système photovoltaïque et des travaux de recherche sur les
systèmes photovoltaïques. La figure 4.10 illustre l’interface d’ajout des cas.
Fig.4.10. L’interface d’ajout des cas
L’utilisateur peut consulter la base de cas à tout moment et effectue d’éventuels

changements ou corrections. L’application possède un onglet pour la consultation de la base
des cas et un autre onglet pour la modification des cas pour une éventuelle mise au point du
système de conduite, la modification se fait par la spécification du cas à modifier ensuite la
saisie des différentes valeurs des attributs du cas. Ces deux onglets sont illustrés
respectivement par les figures 4.11 et 4.12.
68
Fig.4.11. Consultation de la base de cas
Fig.4.12. Modification du cas
Après la saisie des différents paramètres et remplissage de la base de cas, on lance

l’application et on sélectionne l’onglet état du système qui montre la production actuelle du
système, l’objectif à atteindre et la caractéristique I/V de la cellule photovoltaïque. Cet
onglet est illustré dans la figure 4.13.
69
Fig.4.13. Onglet état du système
4.7. Test de l’application
La qualité de la solution obtenue par le système de raisonnement est vérifiée en

utilisant un système de test. Ce système nous permet de mettre au point la configuration des
différents paramètres de l’application, le modèle, les méthodes de calcul de distance, etc.
Le test se fait par un cas dont le résultat est connu au préalable, si la solution obtenue
est correcte alors le système fonctionne correctement, sinon l’ajustement du paramètre ou
l’enrichissement de la base de cas est nécessaire. La figure 4.14 illustre l’interface de test.
Fig.4.14. l’interface de test

70
4.8. Exemple d’application du système
Dans cette partie, nous allons faire un exemple de démonstration de l’application.

Alors nous allons suivre les étapes de déploiement décrites auparavant, en commençant par le
paramétrage de l’application, saisie des cas pour l’enrichissement de la base de cas et le test
des résultats du système de raisonnement à base de cas.
4.8.1. Paramétrage de l’application
Dans l’onglet Paramètres du système nous allons régler les différents paramètres
comme suit :
Méthodes à utiliser :
 Distance : Distance Euclidienne avec poids ;
 Adaptation : Avec des règles ;
Caractéristiques du module
 Nombre de cellules en série dans un groupe : 8 ;
 Nombre de groupes de cellules en parallèle : 2;
Architecture du champ
 Nombre de strings en parallèle existant : 5 ;
 Module série dans un string existant : 80 ;
Situation géographique
 Longitude : 6.35 ;
 Latitude: 35.42 ;
Système de trackage : Absent ;
Les poids de chaque attribut du cas sont obligatoires lorsque la méthode Distance
euclidienne avec poids est choisie.
 Poids Rapport PE/PT : 0.3 ;
 Poids Température C° : 0.2 ;
 Poids Ensoleillement W/m² : 0.2 ;
 Poids Type de panne : 0.3 ;
71
 Le reste des poids sont égaux à 0 ;
Le système vérifie automatiquement que la somme des poids est égale à 1 et l’indique à
l’utilisateur dans l’onglet.
Passons maintenant à l’onglet Modèle de cellule photovoltaïque et nous fixons les

paramètres comme suit :
Le modèle de la cellule photovoltaïque : Modèle de Bishop
Paramètres du modèle
 Courant de saturation de la diode I : 10-8 ;
 Facteur d'idéalité de la diode a : 1.2 ;
 Résistance série Rs : 0.005 ;
 Résistance shunt Rsh : 9 ;
 Coefficient de réglage de Bishop k : 0.1 ;
 Coefficient de réglage de Bishop n : 3 ;
 Tension de claquage de la cellule Vb : -20 ;
Caractéristiques de la cellule photovoltaïque

 Courant de court-circuit Icc : 1 ;
 Tension du circuit ouvert Vco : 0.6 ;
 Coefficient de la température de court circuit A/°C : 0.15 ;
4.8.2. Construction de la base de cas
Le tableau suivant montre les cas que nous avons entrés dans la base de cas
Cas1 Cas2 Cas3 Cas4 Cas5 Cas6

Rapport PE/PT 0.6 0.6 0.6 0.72 0.72 0.72
Température 32,00 32,00 32,00 32,00 32,00 32,00
Inclinaison 23.5 23.5 23.5 23.5 23.56 23.5
Ensoleillement 650 650 650 650 650 650
Latitude 35.42 35.42 35.42 35.42 35.42 35.42
Longitude 6.35 6.35 6.35 6.35 6.35 6.35
72
Type de panne Connectique Module

Ombrage déconnectée court-circuité Sain Sain Sain
Système de trackage En
Absent Absent Absent Absent En panne
marche
Nombre de strings en
10 10 10 10 10 10
parallèles
module en série dans
80 80 80 80 80 80
un string
Action sur Modules Isoler Non Remplacer Non Non Non
Action sur connecteur Non Maintenir Non Non Non Non
Action sur Capteurs Non Non Non Non Non Non
Action sur tracker Non Non Non Non Réglage Réparation
Réglage d'inclinaison Réglage
Non Non Non d’inclinaison Non Non
Injection dans le
Injection Injection Injection Injection Injection Injection
réseau
Tab4.1. tableau du cas de la base de cas
4.8.3. Les tests
Après le paramétrage du système et remplissage de la base de cas, notre système est

maintenant prêt pour les tests. Nous avons prévu un ensemble de cas pour voire si
l’application nous renvoie les bons résultats et en cas de présence de conflit quel résultat sera
renvoyé par le système.
Les cas choisis sont montrés dans le tableau 4.2, on note ici que seulement les valeurs
de la partie problème sont pris en considération.
Cas1 Cas2 Cas3 Cas4

Rapport PE/PT 0.58 0.6 0.65 0.65
Température 30,00 32,00 25,00 25
Inclinaison 30 23.5 23.5 23.5
Ensoleillement 600 650 750 750
Latitude 35.42 35.42 35.42 35.42
Longitude 6.35 6.35 6.35 6.35
Type de panne Connectique
Ombrage déconnectée Sain Sain
Système de trackage Absent Absent Absent En marche
73
Nombre de strings en parallèles 10 10 10 10

module en série dans un string 80 80 80 80
Tab.4.2. La liste des cas à tester
Après que les tests sont effectués, les résultats obtenus sont illustrés dans le tableau 4.3 :
TestCas1 TestCas2 TestCas3 TestCas4

Action sur Modules Isoler Non Non Non
Action sur connecteur Non Maintenir Non Non
Action sur Capteurs Non Non Non Non
Action sur tracker Non Non Non Non
Régler l'angle
Réglage d'inclinaison Non Non d'inclinaison à : Non
65,259900°
Injection dans le réseau Injection Injection Injection Injection
Tab.4.3. La liste des résultats de test pour chaque cas
4.8.4. Analyse des résultats
Les résultats des tests sont acceptables, pour les cas TestCas1 et TestCas2, les
solutions obtenues sont les solutions optimales. Le cas le plus similaire au TestCas1 est le
Cas1 alors la partie solution de ce cas est appliquée, idem pour le TestCas2 le cas le plus
similaire est Cas2.
Le résultat obtenu pour le cas TestCas3 est formidable, le système trouve que le cas le
plus similaire est Cas4 dont la solution est réglage d’inclinaison, le système fournit
automatiquement l’angle exacte d’inclinaison en se basant sur les informations de la situation
géographique et la date actuelle.
Cependant, pour le résultat du TestCas4 n’est pas optimal. On voie que le rapport
PE/PT est inférieur à 0.85 et la solution ne contient aucune action. Alors on analyse comment
le système a traité ce cas on trouve :
Le cas le plus similaire pour TestCas4 est le cas Cas4, alors le système prend sa partie
solution est passe à l’étape d’adaptation de la solution. Dans l’attribut réglage d’inclinaison le
système trouve un conflit : « réglage d’angle d’inclinaison mais le système de trackage existe
et est en marche », dans ce cas le système passe à la solution du cas similaire suivant et
74
applique les règles d’adaptation sur celui-ci, il le trouve valide malgré que ce n’est pas
optimale.
Le réglage de cette anomalie est d’enrichir la base de cas avec ce cas en lui affectant la
bonne solution, ou on affecte un poids à l’attribut «système de trackage ».
4.9. Conclusion
Dans ce chapitre nous avons illustré le fonctionnement de l’application et les

différentes méthodes utilisées dans son développement. La conduite du générateur est faite
par le raisonnement à partir de cas dont la décision à prendre est extraite des cas ultérieurs
similaires. Nous avons illustré en détail la phase de formulation et représentation des cas qui
est une phase importante dans un système de raisonnement à partir de cas. Bien que certaines
fonctions supplémentaires ne sont pas encore développées mais la fonction conduite est
toujours opérationnelle.
Les résultats obtenus sont satisfaisants mais pour de meilleurs résultats il faut que la
base de cas soit très riche.
75
CONCLUSION GÉNÉRALE
Conclusion générale
Le pétrole est une énergie épuisable, alors les énergies renouvelables sont celles de
futur. Dans notre travail, nous avons présenté les sources renouvelables disponibles en
Algérie et leur exploitation, les méthodes de l’intelligence artificielle utilisées dans la
supervision et enfin la conduite par raisonnement à partir de cas. L’exploitation actuelle des
énergies renouvelables n’est pas importante, mais le programme lancé pour le développement
de ces énergies donne une importance à ces énergies, spécialement le photovoltaïque. Dans
notre travail, nous avons illustré que les installations solaires photovoltaïques nécessitent un
suivi en temps réel de leurs fonctionnement pour augmenter leurs production et disponibilité,
cela est effectué par la conduite.
Notre système de conduite permet de générer les bonnes actions à appliquer sur le
générateur lorsque son état change en utilisant la méthodologie de raisonnement à base de
cas. Durant ce travail, nous avons constaté que l’utilisation de la méthodologie de
raisonnement à base de cas est délicate, spécialement dans le choix de type de représentation
des cas et les méthodes de calcul de similarité et d’adaptation.
La richesse de la base de cas a une influence importante sur la qualité des solutions
obtenues par le raisonnement, plus la base est riche les solutions sont meilleures.
Comme perspective, nous proposons de rajouter à cette application un sous-système de

détection des pannes du générateur, un sous-système reconfiguration optimale automatique
des connexions pour avoir une meilleure production et un système qui permet l’échange de
cas entre les systèmes implantés dans les différents sites.
76
RÉFÉRENCE BIBLIOGRAPHIQUE
Référence bibliographique
[ABE] Aberkane A, Centralisation des plateformes de supervision des chaines de

productions automatisées, Université M’hamed Bougara- Boumerdes, Mémoire de
magistère 2011.
[ADE] Adel M, Soteris A.K, Artificial intelligence techniques for photovoltaic applications:
A review, Progress in Energy and Combustion Science 34, pages 574-632, 2008.
[ALA]Alaoui R.M, Conception d’un module de diagnostic a base des suites de bandes
temporelles en vue de la supervision des procèdes énergétique, Application en ligne à

un générateur de vapeur, Université des Sciences et Technologies de Lille, thèse
doctorat, 2004.
[APG] Anne L, Pascal C, Jean-Paul B, Benjamin F, Cellules solaires Les bases de l’énergie
photovoltaïque, édition Dunod, 2010.
[BAH] Bahgat A, Helwa N.H., Ahmad G.E., El Shenawy E.T., Maximum power point
traking controller for PV systems using neural networks, Renewable Energy 2005.
[BAL] Jean-Louis B, Bernard C, Les énergies renouvelables. État de l’art et perspectives de

développement, Sciences de la Terre et des planètes 333, pages 827-834, 2001.
[BEL] Belhadj M, Modélisation D’un Système De Captage Photovoltaïque Autonome,

Centre Universitaire De Bechar, Mémoire de Magister, 2008.
[BUN] BUN Lg, Détection et Localisation de Défauts pour un Système PV, Université de
Grenoble, thèse de doctorat, 2011.
[CLA] Aleonard C, Dindeleux É, Soenen R, Conduite des systèmes de production,

Techniques de l’Ingénieur A8260-R7598 v1, 1994.
[DAM]Trentesaux D, Sénéchal O. Conduite des systèmes de production manufacturière,

article publié en Techniques de l’Ingénieur S7598 v1, 2002.
[ENR] http://www.energies-renouvelables.org Consulter le 25-05-2015
77
[GAR] Gary W.J, Richard J, LabVIEW Graphical Programming Fourth Edition, Maison
d’édition McGraw-Hill, 2006.
[HEL] Helali K, Modélisation d’une cellule photovoltaïque : étude comparative, université de

Tizi Ouzou, thèse de magistère, 2012.
[HER] Hernadeza JCN, Medinaa A, Juradob F. Optimal allocation and sizing for profitability
and voltage enhancement of PV systems on feeders. Renewable Energy vol 32 N° 10
page 1768-1789, 2007.
[IKH] Ikhlef B, Contribution à l’Etude de la Supervision Industrielle Automatique dans un

Environnement SCADA, thèse de magister, Université M’hamed Bougara de
Boumerdes, 2009.
[MAH]Mahadoui R, Diagnostic industriel par neuro-flou -application à un système de

production, thèse de magister, université de Batna, 2007.
[MAN]Damiano L,Vincenzo L.V, Eleonora R.S, Vincenzo D, Pietro R, Reconfigurable

electrical interconnection strategies for photovoltaic arrays:Areview, Renewable and
Sustainable Energy Reviews 33, pages 412-426, 2014.
[MEL]Mellit A, Benghanem M, Hadj Arab A, Guessoum A, Modeling ofsizing the

photovoltaic system parameters using artificial neural network. In: Proceedings of
IEEE conference on control application, 2003.
[MER] Merahi R, Modélisation d’un dispositif MPPT pour l’étude de l’augmentation de la

puissance produite par les générateurs photovoltaïques, thèse de magister, Université
Badji Mokhtar Annaba, 2010.
[MIC] Michael M.R, Rosina O.W, Case-Based Reasoning A Textbook, Maison d’edition
Springer-Verlag Berlin Heidelberg 2013.
[NOP] Nopporn P, Suttichai P, Yosanai S, Maximum power point tracking using adaptive
fuzzy logic control for grid-connected photovoltaic system, Renewable Energy Vol. 30
N° 11 pages 1771-1788, 2005.
[NUR] Nur Atharah K, Chee Wei T, A comprehensive review of maximum power point
tracking algorithms for photovoltaic systems, Renewable and Sustainable Energy
Reviews 37 pages 585-598., 2014.
78
[RAC] Racoceanu D, Contribution à la Surveillance des Systèmes de Production et Utilisant

les Techniques de l’Intelligence Artificielle, thèse d’habilitation doctorat Université de
Franche-Comté, 2006.
[RIA] Megartsi R, Proposition d’un support de conduite des processus d’entreprise dans un
contexte perturbé. Université d’Aix-Marseille III: Thèse de Doctorat, 2001.
[RIC] Rick B, Taqi M, Matt N, Labview Advanced Programming techniques Second edition,
Maison d’edition CRC press Taylor & Francis Group, 2007.
[RNC] Ressources naturelles Canada https://www.rncan.gc.ca/ Consulter le 10-07-2015.
[SIL] Da Silveira M, Sur la distribution avec redondance partielle de modèles a

événements discrets pour la supervision de procèdes industriels, thèse de doctorat,
université de Toulouse, 2003.
[SIM] Simon c. K. Shiu, sankar k. Pal, Foundations of soft case-based reasoning, Maison
d’édition John Wiley & Sons Hoboken, New Jersey USA, 2004.
[UTE]Guide Pratique Installations photovoltaïques, Union Technique De L'électricité 2008.
[XUE] Xue L, Yanzhi W, Di Z, Naehyuck Ch, Pedram M, Online Fault Detection and
Tolerance for Photovoltaic Energy Harvesting Systems, IEEE/ACM International
Conference on Computer-Aided Design (ICCAD) 2012, November 5-8, 2012, San
Jose, California, USA.
[YAI] Yaich M, Bouhnik A, ATLAS SOLAIRE ALGÉRIEN, Centre de développement des

énergies renouvelables, 2002.
[YZH] Zhao Y, Yang L, Lehman B, De Palma J.F, Mosesian J, Lyons R, Decision Tree-
Based Fault Detection and Classification in Solar Photovoltaic Arrays, Applied
Power Electronics Conference and Exposition (APEC), 2012
[ZEM] Zemouri R, Contribution à la surveillance des systèmes de production à l'aide des

réseaux de neurones dynamiques : Application à l’e-maintenance, thèse de doctorat,
Université de Franche-Comté, 2003.
[ZHI] Zhihua L, Yuanzhang W, Diqing Z, Chunhua W, An Intelligent Method for Fault

Diagnosis in Photovoltaic Array, System Simulation and Scientific Computing
Communications in Computer and Information Science, 2012
79
[ZHO] Zhao Y, Ball R, Mosesian J, De Palma J.F, Lehman B, Graph-Based Semi-supervised

Learning for Fault Detection and Classification in Solar Photovoltaic Arrays, IEEE
Energy Conversion Congress and Exposition, September 15–19, 2013, Denver, CO,
USA.
80
ANNEXE
Annexe
Présentation des différents onglets de l’application
Dans cette annexe, nous allons voire tous les onglets de l’application en exposant leurs
contenus.
1. L’onglet état du système
Cet onglet contient les informations acquis du système et celles calculer à partir du
modèle. Les différents composants sont :
(01) Menu de choix des informations à afficher dans la grille, les différent choix
sont :
a. Caractéristique I/V de la cellule ;
b. Caractéristique I/V du champ ;
c. Puissance du champ ;
(02) La grille d’affichage ;
(03) Le courant, la tension et la puissance calculée à partir du modèle (Objectif) ;
(04) Le courant, la tension et la puissance produite effectivement ;
(05) Les informations météos acquises: l’ensoleillement, la température, le courant
photonique ;
(06) L’endroit ou les messages sont affichés à l’utilisateur, il est visible depuis tous
les onglets.
La figure A.1 illustre l’onglet état du système
81
ANNEXE
(01)
(03)
(02)
(05)
(04)
(06)
Fig.A.1. L’onglet état du système
82
ANNEXE
2. L’onglet paramètres du système
Cet onglet contient tous les paramètres nécessaires au bon fonctionnement du système
de conduite ils sont répartis en groupe comme suit :
Méthodes à utiliser : Distance, Adaptation.
Caractéristiques du module : Nombre de cellules en série dans un groupe, Nombre de

groupes de cellules en parallèle.
Architecture du champ : Nombre de strings en parallèle existant, Module série dans un

string existant.
Situation géographique Longitude, Latitude.
Système de trackage.
Les poids de chaque attribut du cas

Cet onglet est illustré dans la figure A.2.
83
ANNEXE
Fig.A.2. L’onglet paramètres du système
84
ANNEXE
3. L’onglet modèle de la cellule photovoltaïque
Cet onglet contient toutes les informations du modèle électronique choisi pour la
représentation de la cellule photovoltaïque.
Le modèle de la cellule photovoltaïque : Modèle de Bishop/ Modèle à une seul diode.
Paramètres du modèle
 Courant de saturation de la diode
 Facteur d'idéalité de la diode a
 Résistance série Rs
 Résistance shunt Rsh ;
 Coefficient de réglage de Bishop k
 Coefficient de réglage de Bishop n
 Tension de claquage de la cellule Vb
Caractéristiques de la cellule photovoltaïque

 Courant de court-circuit Icc
 Tension du circuit ouvert Vco
La figure A.3 illustre l’onglet modèle de la cellule photovoltaïque.
85
ANNEXE
Fig.A.3. L’onglet modèle de la cellule photovoltaïque
86
ANNEXE
4. Onglet test&simulation
(01) Les informations de la partie problème du cas à tester ;
(02) La solution obtenue ;
(01)
(02)
Fig.A.4. L’onglet test & simulation
87
ANNEXE
5. L’onglet consultation des cas

Cet onglet affiche tous les cas de la base de cas dans un tableau.
Fig.A.5. L’onglet liste des cas
88
ANNEXE
6. L’onglet Ajouter un cas

Cet onglet contient un formulaire qui permet de saisir les attributs d’un cas ensuite enregistrer le cas dans la base de cas
Fig.A.6. L’onglet Ajouter un cas
89
ANNEXE
7. L’onglet modifier un cas

Dans cet onglet on spécifie le numéro du cas à modifier et on saisit toutes les informations de ce dernier
Fig.A.7. L’onglet Modifier un cas
90
ANNEXE
8. L’onglet historique
Cet onglet affiche les actions effectuées par le système en leur associant la date et les informations du système
Fig.A.8. L’onglet historique
91

Memoire BOUHAFNA Khayreddine PDF

Transféré par

Droits d'auteur :

Formats disponibles

Memoire BOUHAFNA Khayreddine PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire BOUHAFNA Khayreddine PDF

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et populaire

Ministère de l’enseignement Supérieur et de la recherche scientifique

Mémoire présenté au Laboratoire d’Automatique et Productique LAP

Développement d’un système

MOUSS Leila Hayet Pr Université de Batna Président

Année universitaire : 2015/2016

2.3.2.1. Méthodes d’estimation paramétrique ............................................................. 19

3.2.3. Centre de décision .................................................................................................. 37

4.3.6. Révision du cas ...................................................................................................... 61

Fig.1.1. La durée moyenne annuelle d’insolation mesurée entre 1992-2002

Fig.1.3. schéma simplifié d'un système photovoltaïque

Fig.1.4. structure d'une cellule photovoltaïque [APG]

Fig.1.5. module photovoltaïque avec deux diodes bypass [BUN]

Fig.1.6. Différents étages du groupe convertisseurs

Fig. 2.1 Architecture de la supervision

Fig.2.2. Architecture de la surveillance

Fig.2.3. Classification des méthodes de surveillance [ZAM]

Fig.2.4 positionnement de la conduite dans la gestion de production [CLA]

Fig.2.5. Environnement de la conduite [CLA]

Fig.2.6. : Principales fonctions de la conduite [CLA]

Fig.2.7. Schéma d'un système expert [RAC]

Fig.2.8. Cycle du raisonnement à partir de cas [RAC]

Fig.2.9. architecture d’un réseau de neurones [RAC]

Fig.3.1. Modèle structurel de la conduite [DAM]

Fig.3.2 Exemple de représentation d’un cas

Fig.3.3. exemple d’une classe et d’un objet

Fig.3.4 cycle du RàPC

Fig.3.5 types d’évaluation [MIC]

Fig.4.1. Architecture d’un générateur connecté au réseau selon la recommandation

Fig.4.2. schématisation du système de conduite

Fig.4.3. Les composantes du système de conduite

Fig.4.4. Les attributs du cas du système

Fig.4.5. Schéma du modèle à une diode [HEL]

Fig.4.6. schéma du modèle de Bishope [BUN]

Fig.4.7. Organigramme de fonctionnement générale de l’application

Fig.4.8 Onglet de paramétrage du système

Fig.4.9 Onglet Modèle de cellule photovoltaïque

Fig.4.10. L’interface d’ajout des cas

Fig.4.11. Consultation de la base de cas

Fig.4.12. Modification du cas

Fig.4.13. L’interface de test

L'électricité est l'énergie la plus consommée et la plus demandée dans le monde.

L’électricité est produite sous forme d’énergie primaire et secondaire. L’électricité

Il existe plusieurs formes d’énergie renouvelables, dérivées directement ou

L’Algérie amorce une dynamique d’énergie verte en lançant un programme ambitieux

Le programme consiste à installer une puissance d’origine renouvelable de près de

A la faveur de ce programme, les énergies renouvelables se placent au cœur des

Le programme de développement de l’énergie renouvelable a donné une grande

Chapitre 1 : Les énergies renouvelables en Algérie et le photovoltaïque

L’énergie renouvelable est l’énergie dérivée de processus naturels en perpétuel

Le débat sur le changement climatique a sans conteste stimulé le développement des

L’Algérie dispose de gisement important des sources des énergies renouvelables,

1.2. Les sources d’énergie renouvelable

1.2.2. L’énergie hydraulique

La géothermie est l’exploitation de la chaleur stockée dans le sous-sol. L’utilisation

La production d’électricité géothermique consiste à convertir la chaleur des nappes

1.2.5. L’énergie solaire

La concentration du rayonnement solaire sur une surface de captage permet d’obtenir

 Dans les concentrateurs paraboliques, les rayons du soleil convergent vers un