ÉVALUATION EN TEMPS RÉEL D'UN SYSTÈME DE POMPAGE D'EAU SOLAIRE DANS DES CONDITIONS DE FONCTIONNEMENT NORMALES ET DÉFECTUEUSES
DOI :
https://doi.org/10.59277/RRST-EE.2026.3.5Mots-clés :
Système d'irrigation, Énergie solaire, Système d'inférence neuro-flou adaptatif – suivi du point de puissance maximale (ANFIS-MPPT), Moteur à induction sain et défectueux, Tests HIL (Hardware-in-the-loop)Résumé
Les systèmes de pompage d'eau solaires sont indispensables pour garantir une irrigation agricole constante et efficace dans les régions isolées et non raccordées au réseau. Cet article présente une stratégie de contrôle avancée, basée sur un système d'inférence neuro-flou adaptatif (ANFIS), qui assure une extraction d'énergie maximale quelles que soient les conditions météorologiques. De plus, un moteur à induction (en bon état ou présentant une ou plusieurs barres de rotor cassées) est couplé à une pompe centrifuge au sein du système de pompage d'eau solaire (SPES). Les performances du moteur sont contrôlées avec précision grâce à la commande directe du couple (DTC). Par ailleurs, une transformée de Fourier rapide (FFT) est utilisée pour surveiller l'état du moteur à induction dans le SPES. Enfin, le SPES développé, fonctionnant en conditions normales et défectueuses, est validé expérimentalement par des tests HIL (Hardware-in-the-Loop) sur la plateforme OPAL-RT OP5600 et sur le FPGA Virtex-6 ML605. Grâce aux méthodes appliquées, le SPES étudié présente des performances fiables et très satisfaisantes dans diverses conditions de fonctionnement.
Références
(1) S. Murshid, B. Singh, “Implementation of PMSM drive for a solar water pumping system”, IEEE Transactions on Industry Applications, 55, 5, pp. 4956–4964 (2019).
(2) K. Venugopalan, J. Varghese, J. Thankaswamy, “African vulture optimized integrated control technique for PV-fed open-end winding induction motor pump application”, Rev. Roum. Sci. Techn. – Électrotechn. et Énerg., 69, 1, pp. 27–32 (2024).
(3) B.P. Rachaputi, J.R. Louis, M. Sridharan, “Solar photovoltaic array fed single-stage sensorless vector control of induction motor drive for water pumping applications”, International Journal of Energy and Environmental Engineering, 14, 4, pp. 643–660 (2023).
(4) L. Khettache, M.R. Rezoug, A. Saadi, L. Sahraoui, “A novel design of a photovoltaic system based on a linear induction motor and reciprocating pump”, Rev. Roum. Sci. Techn. – Électrotechn. et Énerg., 70, 1, pp. 3–8 (2025).
(5) I. Saady, M. Karim, B. Bossoufi, N. El Ouanjli, S. Motahhir, B. Majout, “Optimization and control of photovoltaic water pumping system using Kalman filter-based MPPT and multilevel inverter-fed DTC-IM”, Results in Engineering, 17, p. 100829 (2023).
(6) M. Kumar, K.P. Panda, J.C. Rosas-Caro, A. Valderrabano-Gonzalez, G. Panda, “Comprehensive review of conventional and emerging maximum power point tracking algorithms for uniformly and partially shaded solar photovoltaic systems”, IEEE Access, 11, pp. 31778–31812 (2023).
(7) M.I. Abdelwanis, A.A. Zaky, “Maximum power point tracking in a perovskite solar pumping system with a six-phase induction motor”, Rev. Roum. Sci. Techn. – Électrotechn. et Énerg., 69, 1, pp. 15–20 (2024).
(8) O. Aissa, A. Reffas, A. Krama, R. Benkercha, H. Talhaoui, H. Abu-Rub, “Advanced direct torque control based on neural tree controllers for induction motor drives”, ISA Transactions, 148, pp. 92–104 (2024).
(9) X. Wu, N. Furukawa, H. Tao, H. Farajian, “An efficient tracking of MPP in PV systems using hybrid HCS-PS algorithm based ANFIS under partially shaded conditions”, Soft Computing, 26, 12, pp. 5699–5717 (2022).
(10) M. Mehta, B. Mehta, “Control strategies for grid-connected hybrid renewable energy systems: Integrating modified direct torque control based doubly fed induction generator and ANFIS based maximum power point tracking for solar PV generation”, e-Prime – Advances in Electrical Engineering, Electronics and Energy, 8, p. 100575 (2024).
(11) E. Bouchetob, B. Nadji, “Deep learning and WBG devices combining to improve PV system efficiency: ANFIS-based MPPT controller”, Rev. Roum. Sci. Techn. – Électrotechn. et Énerg., 70, 4, pp. 453–458 (2025).
(12) B. Babes, F. Albalawi, N. Hamouda, S. Kahla, S.S.M. Ghoneim, “Fractional-fuzzy PID control approach of photovoltaic-wire feeder system (PV-WFS): Simulation and HIL-based experimental investigation”, IEEE Access, 9, pp. 159933–159954 (2021).
(13) M. Hassan, M.A. Elseify, M. K.F. Ahmed, N.V. Korovkin, A. Refaat, “Highly efficient MPP tracker based on adaptive neuro-fuzzy inference system for stand-alone photovoltaic generator system”, International Journal of Renewable Energy Research, 12, 1, pp. 209–217 (2022).
(14) O. Aissa, A. Reffas, H. Talhaoui, D. Ziane, A. Saim, “An improved direct torque control with an advanced broken-bar fault diagnosis for induction motor drives”, International Transactions on Electrical Energy Systems, 2023, 1, p. 8816896 (2023).
(15) K. Xia, Y. Li, B. Zhu, “Improved photovoltaic MPPT algorithm based on ant colony optimization and fuzzy logic under conditions of partial shading”, IEEE Access, 12, pp. 44817–44825 (2024).
(16) O. Aissa, R. Benkercha, Z. Bouchama, B. Babes, I. Colak, “Experimental assessment of fuzzy-tree adaptive synergetic control law for DC/DC buck converter”, Soft Computing, 28, 20, pp. 12191–12205 (2024).
(17) I. Saady, B. Majout, I. El Kafazi, M. Karim, B. Bossoufi, N. El Ouanjli, S. Mahfoud, A. Althobaiti, T.A.H. Alghamdi, M. Alenezi, “Improving photovoltaic water pumping system performance with ANN-based direct torque control using real-time simulation”, Scientific Reports, 15, 1, p. 4024 (2025).
(18) R. Belal, M. Flitti, M.L. Zegai, “Tuning of PI speed controller in direct torque control of dual star induction motor based on genetic algorithms and neuro-fuzzy schemes”, Rev. Roum. Sci. Techn. – Électrotechn. et Énerg., 69, 1, pp. 9–14 (2024).
(19) R. Sarkar, J. Retna Kumar, R. Sridhar, S. Vidyasagar, “A new hybrid BAT-ANFIS-based power tracking technique for partial shaded photovoltaic systems”, International Journal of Fuzzy Systems, 23, 5, pp. 1313–1325 (2021).
(20) H. Talhaoui, T. Ameid, A. Kessal, “Energy eigenvalues and neural network analysis for broken bars fault diagnosis in induction machine under variable load: experimental study”, Journal of Ambient Intelligence and Humanized Computing, 13, 5, pp. 2651–2665 (2022).
(21) S. Gdaim, A. Mtibaa, M.F. Mimouni, “Artificial neural network-based DTC of an induction machine with experimental implementation on FPGA”, Engineering Applications of Artificial Intelligence, 121, p. 105972 (2023).
(22) R. Senthil Kumar, I. Gerald Christopher Raj, I. Alhamrouni, S. Saravanan, N. Prabaharan, S. Ishwarya, M. Gokdag, M. Salem, “A combined HT and ANN-based early broken bar fault diagnosis approach for IFOC-fed induction motor drive”, Alexandria Engineering Journal, 66, pp. 15–30 (2023).
(23) H. Talhaoui, T. Ameid, O. Aissa, A. Kessal, “Wavelet packet and fuzzy logic theory for automatic fault detection in induction motor”, Soft Computing, 26, 21, pp. 11935–11949 (2022).
(24) Z. Alaas, G.E.A. Eltayeb, M. Al-Dhaifallah, M. Latifi, “A new MPPT design using PV-BES system using modified sparrow search algorithm based ANFIS under partially shaded conditions”, Neural Computing and Applications, 35, 19, pp. 14109–14128 (2023).
(25) Z. Ben Safia, M. Allouche, M. Chaabane, “Renewable energy management of a hybrid water pumping system (photovoltaic/wind/battery) based on Takagi–Sugeno fuzzy model”, Optimal Control Applications and Methods, 44, 2, pp. 373–390 (2023).
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright REVUE ROUMAINE DES SCIENCES TECHNIQUES — SÉRIE ÉLECTROTECHNIQUE ET ÉNERGÉTIQUE 2026
Ce travail est disponible sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.
