Stratégie optimisée pour convertisseurs triport DC-DC
L’intégration des véhicules électriques, des énergies renouvelables et des systèmes de stockage d’énergie dans les réseaux intelligents représente un enjeu majeur pour l’électronique de puissance moderne. Les convertisseurs DC-DC avancés jouent un rôle central dans cette intégration en facilitant les transferts d’énergie entre diverses sources et charges. Une équipe de chercheurs de l’Université de Technologie du Hunan et du Centre National de Recherche en Ingénierie de Conversion et de Contrôle de l’Énergie Électrique de l’Université du Hunan a récemment développé une stratégie de contrôle novatrice pour les convertisseurs triport à triple pont actif (TAB), des dispositifs essentiels aux futures chaînes de traction des véhicules électriques et aux micro-réseaux renouvelables.
Dirigée par Lan Zheng, Wang Xueli, Yu Xueping, Zou Bin et Liu Bei, cette recherche s’attaque à un défi persistant : la minimisation des contraintes de courant et des pertes par conduction dans les systèmes multiports. Les convertisseurs TAB permettent d’intégrer plusieurs sources d’énergie — batteries, supercondensateurs, panneaux photovoltaïques — au sein d’une interface unique et compacte, réduisant ainsi la complexité, l’encombrement et les coûts du système. Cependant, leur efficacité reste limitée par l’élévation du courant efficace (RMS) dans les composants magnétiques, ce qui augmente les pertes et la gestion thermique.
Les méthodes de contrôle traditionnelles, comme la modulation à décalage de phase simple (SPS), sont simples mais manquent de flexibilité et génèrent une circulation de puissance réactive excessive. Cela se traduit par un courant RMS élevé, une efficacité réduite et une contrainte thermique accrue sur les semiconducteurs. Pour contourner ces limitations, des techniques plus sophistiquées telles que la combinaison décalage de phase et modulation de largeur d’impulsion (PS-PWM) ont été envisagées. Bien que plus performantes, ces méthodes introduisent une complexité mathématique significative, rendant leur modélisation et leur implémentation en temps réel difficiles.
L’innovation de l’équipe réside dans une approche hybride combinant la théorie de la décomposition des circuits et des algorithmes d’optimisation intelligents. En décomposant le système TAB sous contrôle PS-PWM en sous-circuits plus simples et analytiquement traitables, les chercheurs ont pu établir des expressions unifiées pour la puissance des ports et les valeurs RMS du courant dans les inductances, selon différents modes de fonctionnement. Cette décomposition simplifie non seulement la modélisation, mais améliore également la compréhension des dynamiques internes de puissance.
Le cœur de leur méthodologie repose sur le fait que les pertes par conduction totales sont proportionnelles à la somme des carrés des courants RMS dans toutes les inductances. Cela inclut les pertes dans les interrupteurs (MOSFETs ou IGBTs) et dans les enroulements cuivre des transformateurs haute fréquence. En formulant un problème d’optimisation visant à minimiser cette somme, les chercheurs ont établi un lien direct entre les paramètres de contrôle et l’efficacité du système.
Résoudre ce problème d’optimisation de manière analytique s’avère toutefois irréalisable en raison de sa non-linéarité et de son caractère multi-variable. L’équipe a donc eu recours à un algorithme génétique (AG), une technique d’optimisation bio-inspirée mimant la sélection naturelle et l’évolution. Cette approche permet une exploration globale de l’espace des solutions, évitant les minima locaux auxquels convergent souvent les méthodes gradient-based.
L’algorithme génétique a été configuré avec une population de 100 individus, un maximum de 50 générations, une probabilité de croisement de 0,6 et un taux de mutation de 0,01. Ces paramètres ont été choisis pour équilibrer précision et efficacité computationnelle. L’algorithme fait évoluer itérativement une population de solutions candidates — des combinaisons d’angles de déphasage et de rapports cycliques — qu’il évalue via une fonction de fitness liée à la somme des courants RMS. Après plusieurs générations, la population converge vers des paramètres de contrôle optimaux minimisant les pertes dans une large gamme de scenarios.
L’une des contributions majeures de ces travaux réside dans le développement d’une stratégie de table de consultation pré-calculée. Au lieu d’effectuer une optimisation en temps réel — opération trop lourde pour des contrôleurs embarqués — les chercheurs ont utilisé l’algorithme génétique pour générer hors ligne les paramètres optimaux. Ces derniers sont stockés dans une table consultable indexée par les conditions opérationnelles, comme les niveaux de puissance des ports ou les rapports de tension. En conditions réelles, le contrôleur sélectionne simplement les paramètres pré-optimisés en fonction des mesures instantanées, permettant un contrôle rapide, efficace et minimisant les pertes, sans calcul en ligne.
Cette approche répond parfaitement aux exigences des applications automobiles et industrielles, où la fiabilité et les temps de réponse deterministes sont primordiaux. Par exemple, dans un véhicule électrique, le convertisseur TAB peut interconnecter une batterie haute tension, un système auxiliaire basse tension et un circuit de récupération d’énergie au freinage. La capacité d’ajuster dynamiquement les paramètres selon les conditions de conduite — accélération, croisière, recharge — garantit une efficacité optimale dans tous les modes.
Pour valider leur stratégie, l’équipe a réalisé des simulations approfondies sous MATLAB/Simulink, suivies de tests expérimentaux sur une plateforme RT-Lab en temps réel. Le prototype TAB utilisé comprenait un port d’entrée 120 V, un port de sortie 240 V et un troisième port configurable pour le stockage. Les inductances de puissance et le transformateur ont été dimensionnés pour correspondre aux paramètres de simulation, assurant la cohérence entre modélisation et essais physiques.
Les simulations ont montré une réduction constante de la somme des carrés des courants RMS avec la stratégie optimisée par algorithme génétique (GAOS), par rapport au contrôle SPS conventionnel. Par exemple, avec un rapport de tension k21 = 1,2, le port 2 délivrant 0,4 pu et le port 3 délivrant 0,2 pu, la somme des courants RMS sous GAOS était de 0,777 contre 0,803 sous SPS — une amélioration de 3,2 %. Des gains similaires ont été observés pour différents rapports de tension et charges, confirmant la robustesse de l’approche.
Les essais expérimentaux ont corroboré ces résultats. Dans un cas avec k21 = 1,4, le port 2 délivrant 840 W et le port 3 délivrant 288 W, GAOS a réduit la somme des carrés des courants RMS de 0,6 (SPS) à 0,428 — une réduction remarquable de 28,7 %. Cela s’est directement traduit par une baisse des pertes par conduction et une amélioration de l’efficacité globale. L’imagerie thermique du convertisseur en fonctionnement a montré une élévation de température moindre dans les MOSFETs et le transformateur sous GAOS, indiquant une contrainte thermique réduite et une durée de vie prolongée des composants.
Les chercheurs ont également évalué la performance dynamique du système lors de transitoires de charge. Lorsque la charge sur le port 2 variait brusquement, la tension de sortie du port 3 restait stable à 240 V, et le courant s’ajustait fluidement pour maintenir une puissance constante. De même, une variation de charge sur le port 3 n’affectait pas la tension et le courant du port 2, démontrant la capacité du système à découpler les flux de puissance entre les ports — une caractéristique essentielle pour la stabilité dans les environnements multi-sources et multi-charges.
Un autre avantage clé de la méthode proposée est son adaptabilité aux variations de tension. Dans les applications réelles, la tension des systèmes de stockage — comme les batteries lithium-ion — varie considérablement avec l’état de charge. La stratégie GAOS, en intégrant les rapports de tension dans son cadre d’optimisation, ajuste automatiquement les paramètres de contrôle pour maintenir l’efficacité sur toute la plage de fonctionnement. Ceci est particulièrement bénéfique dans les systèmes de stockage hybrides où batteries et supercondensateurs opèrent à des tensions différentes.
D’un point de vue conception système, la réduction du courant RMS permet également d’utiliser des composants magnétiques plus compacts et des semiconducteurs de plus faible rating, réduisant encore les coûts et l’encombrement. Dans les véhicules électriques, où le poids et l’espace sont critiques, de telles améliorations peuvent contribuer directement à l’autonomie et à la réduction des coûts de fabrication.
Les implications de cette recherche dépassent le cadre automobile. Dans les micro-réseaux renouvelables, où panneaux solaires, éoliennes et batteries doivent être intégrés efficacement, le convertisseur TAB sous contrôle GAOS peut servir de plateforme centrale de gestion d’énergie. Sa capacité à minimiser les pertes tout en maintenant une haute qualité de puissance le rend idéal pour les systèmes énergétiques distribués, en particulier dans les configurations insulaires ou hors-réseau où chaque watt compte.
De plus, la méthodologie n’est pas limitée aux systèmes triports. Le cadre de décomposition de circuit et d’algorithme génétique peut être étendu à des convertisseurs multiports à quatre ports ou plus, ouvrant la voie à des architectures de conversion de puissance ultra-efficaces et multifonctionnelles.
Ces travaux soulignent également l’importance croissante du contrôle intelligent en électronique de puissance. Alors que les systèmes gagnent en complexité et que les exigences de performance augmentent, les stratégies de contrôle traditionnelles montrent leurs limites. L’apprentissage machine, les algorithmes évolutionnaires et d’autres techniques d’IA deviennent des outils essentiels pour exploiter pleinement le potentiel des systèmes électroniques de puissance.
En conclusion, la recherche menée par Lan Zheng et ses collègues représente une avancée significative dans la conception et le contrôle des convertisseurs DC-DC multiports. En combinant théorie des circuits et techniques d’optimisation avancées, ils ont développé une solution pratique et performante qui améliore l’efficacité, réduit les pertes et renforce la fiabilité du système. Leur approche fait non seulement progresser l’état de l’art en électronique de puissance, mais offre également une feuille de route pour les futures innovations dans les systèmes énergétiques intelligents.
Alors que le monde s’achemine vers un avenir plus électrifié et durable, des technologies comme le convertisseur TAB optimisé joueront un rôle crucial pour des infrastructures énergétiques plus propres, plus efficaces et plus résilientes. Qu’il s’agisse de la prochaine génération de véhicules électriques ou de micro-réseaux renouvelables à l’échelle communautaire, l’impact de cette recherche se fera sentir pour les années à venir.
Lan Zheng, Wang Xueli, Yu Xueping, Zou Bin, Liu Bei, Université de Technologie du Hunan et Université du Hunan, Transactions of China Electrotechnical Society, DOI : 10.19595/j.cnki.1000-6753.tces.231541