FPGA implementation of neural networks : application in the integration of an active filtering system

La thèse a trait à l’implémentation d’architectures neuronales sur cible FPGA pour la commande de systèmes de l’électronique de puissance dédiés à l’amélioration de la qualité de l’énergie dans un réseau de distribution électrique. Pour répondre à cette problématique qualité, le filtre actif parallèle (FAP) a été retenu notamment à cause des contraintes normatives plus exigeantes sur la compensation des harmoniques de courants. Dans une perspective d’optimisation des ressources nécessaires pour une implantation numérique sur FPGA, nous avons adopté une approche méthodologique associant conception modulaire et adéquation algorithme architecture. L’implication des techniques neuromimétiques pour la constitution d’une architecture de commande adaptative, a permis d’améliorer les performances du FAP dans diverses conditions de fonctionnement des sources d’énergie et des charges du réseau électrique. De nouvelles approches élaborées pour l’identification des perturbations et la compensation d’énergie réactive ont ainsi été testées en simulation et analysées. Les bons résultats obtenus se traduisent en termes de réduction du temps d’exécution des algorithmes et de la surface occupée dans le FPGA, utilisé comme cible unique d’implantation. La validation expérimentale de cette approche que nous avons baptisée « FPGA alone » nous a permis de caractériser cette solution d’implantation dans l’optique d’une comparaison avec des solutions de type DSP ou mixte DSP/FPGA habituellement utilisées pour cette application.The present PhD thesis deals with FPGA implementation of neural architectures to control power electronics systems dedicated to power quality improvement in a distribution grid. For this purpose, the active power filter (APF) was retained in particular because of the more demanding normative constraints on the compensation of harmonics currents. For area efficient implementation, we adopted a methodological approach associating modular design and algorithm architecture matching. Neural networks techniques have been applied to build an adaptive control in order to improve AFP performances under various utility conditions. New approaches for harmonics identification and reactive power compensation were tested in simulation and analyzed. As results, execution time of the algorithms and hardware requirements in the FPGA, used as single implementation target, have been significantly reduced. The experimental validation of this approach that we baptized "FPGA alone", enabled us to characterize this implementation solution for a purpose of a comparison with other solutions such as DSP or DSP/FPGA, usually used for this application