Energétique
Permanent URI for this communityhttps://dspace.univ-boumerdes.dz/handle/123456789/30
Browse
2 results
Search Results
Item Etude de l'impact des prévisions de performance énergétique des minicentrales photovoltaïques/Eolienne connectées au réseau électrique sur le développement durable des fermes agricoles(Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2024) Bouregba, Hicham; Hachemi, Madjid( Directeur de thèse)En raison des aspects environnementaux et de sécurité souhaitable, on estime généralement que les énergies renouvelables comme (soleil, vent, biomasse, l’hydrogène, l’hydraulique, etc.) devrait être utilisée plutôt que d'autres formes d'énergie alternative, car elle peut être fournie de manière durable sans nuire à l'environnement. Par le biais de ce plan, l'Algérie ambitionne de jouer un rôle prépondérant dans la production d'électricité en tirant parti des secteurs du photovoltaïque et de l'éolien. Les objectifs de ce travail sont multiples. Il s'agit d'intégrer les énergies propres et durables pour moderniser le secteur agricole, de soutenir le réseau électrique en injectant l'excédent d'énergie, en particulier lors des pics de demande, tout en réduisant les émissions de gaz à effet de serre. De plus, ce travail vise à rendre les fermes agricoles plus autonomes en réduisant leur dépendance au réseau électrique traditionnel, ce qui contribue à maintenir la stabilité de l'approvisionnement énergétique et à éviter les perturbations dans la distribution électrique. L'étude de cas repose sur un accord signé entre le laboratoire "LEMI" et la ferme urbaine typique "Vida Lait" de la région de Tlemcen, située dans le nord-ouest de l'Algérie. Cette collaboration vise à étudier la consommation quotidienne, mensuelle et saisonnière de la ferme laitière. Pour répondre à cette demande énergétique, nous avons choisi d'intégrer un système hybride (PV/Eolien) connecté au réseau basse tension, sans stockage d'énergie. Ce système alimente en électricité la ferme laitière de manière autonome, tout en injectant l'excédent de production dans le réseau BT. Une analyse technico-économique approfondie a été réalisée à l'aide du logiciel "Homer" pour évaluer la faisabilité de l'intégration du système hybride dans la région d'étude. Les résultats de cette analyse ont montré que le système optimal pour la ferme d'étude est un système PV/Eolien, avec la possibilité d'intégrer chaque composant de manière équivalente. Il est important de noter que 98 % de la consommation totale de la ferme provient de sources d'énergie renouvelable, démontrant l’existence de l’énergie primaire. En outre, une analyse de sensibilité a confirmé que le système n'est pas affecté par les fluctuations économiques sur le marché algérien pendant la durée de vie du projet. Cela renforce la viabilité économique de cette solution énergétique durable. En investissant dans des solutions hybrides telles que les systèmes PV/Eolien, les fermes laitières peuvent non seulement réduire leur dépendance aux énergies fossiles, mais aussi contribuer de manière significative à la réduction des émissions de gaz à effet de serre. Le vent et le soleil sont des facteurs essentiels pour la production d'électricité à partir de l'aérogénérateur et du générateur PV, respectivement. C'est pourquoi nous avons modélisé la chaîne de conversion énergétique sous l'environnement Matlab pour analyser et améliorer les éléments clés de ces systèmes. La chaîne photovoltaïque comprend une topologie de conversion à deux étages. Au premier étage, nous utilisons une technique de maximisation de la puissance appelée « MPPT », contrôlée par un réseau de neurones, afin d'améliorer le rendement énergétique. Le deuxième étage comprend un onduleur pour assurer la connexion au réseau basse tension et garantir la qualité de l'énergie transférée. En ce qui concerne l'aérogénérateur, il repose sur une chaîne de conversion appelée « back to back », contrôlée par la technique vectorielle. De plus, nous avons intégré une technique appelée « pitch control » pour orienter efficacement les pales. Par ailleurs, nous avons mis en place un système de protection contre les surtensions et les surintensités appelé « LVRT »Item Micro-méthanisation à la ferme(Université M'Hamed Bougara : Faculté de Technologie, 2021) Mougari, Nour Elislam; Hachemi, Madjid( Directeur de thèse)La méthanisation ou digestion anaérobie (DA) est l’une des techniques les plus avantageuses pour la fourniture d'énergie durable et l’élimination des déchets. Cependant, la production de biogaz par une telle pratique est complexe et repose sur l'interaction de plusieurs facteurs physiques, chimiques et opérationnels. Il est nécessaire de comprendre la dynamique des processus avant la mise en échelle de la DA. De nombreux modèles mathématiques mécanistes (boîte blanche) ont été proposés pour obtenir un processus de DA optimal. Malgré les avantages de ces modèles, leur utilisation peut être limitée par la complexité des processus de DA. Pour surmonter leurs limites, l'utilisation de modèles empiriques est envisagée. Parmi divers modèles empiriques, nous trouvons des techniques d'intelligence computationnelle (CI), y compris les réseaux de neurones artificiels (ANN), la logique floue (FL), les algorithmes évolutionnaires (EA) et l'hybridation de ces techniques, qui sont adoptées dans la présente thèse. L’objectif du travail est de développer des modèles robustes, rapides et précis, contenant une base de données de différents types et mélanges de déchets organiques, en appliquant des techniques d'intelligence Computationnelle (IC) hybrides. Dans un premier lieu, les techniques des réseaux de neurones artificiels (RNA) et l’algorithme génétique (AG) ont été combinées, pour développer deux modèles globaux multi-entrées, permettant la prédiction de la production de biogaz et de méthane de différents substrats organiques. Le rapport solides volatiles et solides totaux (SV/ST), la teneur en Carbon (C), le rapport C/N et le temps de digestion (TD) ont été pris en compte. De plus, des modèles cinétiques basés sur l’Equation de Gompertz modifiée (EGM) ont été développés pour prédire la production de biogaz et de méthane, en optimisant leurs paramètres cinétiques à l’aide de l’AG. Ces résultats ont prouvé l’efficacité des modèles basés sur les RNA (empiriques) par rapport aux modèles cinétique basés sur l’EGM (mécanistes), validant la possibilité d’utiliser les RNA comme technique performante, pour développer un modèle global qui permet de prédire la production de biogaz et de méthane à partir d’une grande variété de mélanges de déchet organiques. Dans un deuxième lieu, en plus des RNA, une nouvelle technique hybride qui est, système d'inférence neuro floue adaptatif (ANFIS), couplés à l’AG ont été employés pour prédire et optimiser la production du biogaz et de méthane, à partir de la codigestion des fumiers de vaches et de la paille de blé. La teneur en solides totaux (TS %), le rapport de mélange (RM) et le temps de digestion (TD) ont été sélectionnés comme entrées aux modèles. Les résultats ont montré que l'hybridation du RNA et d'ANFIS avec l’AG (AG-RNA et AG-ANFIS), a rendu la détermination de leurs architectures optimales faciles et moins chronophages par rapport à la méthode traditionnelle « Essais et Erreurs ». AG-ANFIS a fourni une précision de prédiction légèrement meilleure que AG-RNA indiquant un petit avantage d'ANFIS sur les RNA. Cependant, les approches développées peuvent à la fois être utilisées comme des outils efficaces pour la prédiction de la production de biogaz et de méthane. Enfin, les modèles hybrides AG-RNA et AG-ANFIS ont permis d’optimiser les meilleurs paramètres de fonctionnement, pour une production maximale de méthane. Ces modèles permettraient aux opérateurs de processus de digestion anaérobie de contrôler, d'évaluer et de prédire les paramètres opérationnels à l'avance, sans compromettre la stabilité du processus pour une production de biogaz améliorée et efficace. Ceci est important pour la sécurité environnementale future et la prospérité économique des systèmes de DA.