La libéralisation des marchés de l'électricité associée à l'intégration des énergies renouvelables a conduit à introduire la notion d'utilisation locale de ces nouvelles sources de production. L'objectif de ce travail est de proposer une méthodologie de supervision multi-niveaux et d'optimiser la supervision des ces unités de production. Le système hybride pris en compte dans cette thèse est une combinaison de trois microturbines à gaz, une centrale photovoltaïque, et un système de stockage à court terme (supercapacités), connecté à un réseau électrique. La supervision à moyen terme est un traitement du problème d'engagement unité (Unite Commitment Problem), qui consiste à coordonner la production d'unités génératrices, de façon à satisfaire une demande globale d'électricité prévisionnelle sur 24h tout en minimisant le coût du carburant et les émissions toxiques (CO et NOx) et en respectant les contraintes physiques et opérationnelles de chaque unité. Nous n'avons pas traité les rejets de CO2. Dans cette thèse, une supervision temps réel à base de logique floue a été proposée. Une méthodologie des plans d'expériences (Experimental Design Method EDM) a été suggérée afin d'améliorer la méthodologie graphique en minimisant certaines fonctions objectifs et optimisant les paramètres du superviseur flou. Cette stratégie de supervision a été finalement validée sur une centrale multisource combinant dispositifs réels et simulation temps réel.

L'objectif principal de cette thèse est le dimensionnement et l'optimisation de la production d'une petite installation d'énergie renouvelable dans une zone isolée. Afin de déterminer la taille de l'installation, une étude de la capacité de production du site et du type d'énergie à utiliser doit être effectuée. Un programme est réglé afin de minimiser le coût d'une installation de production d’énergie hybride photovoltaïque et éolienne dans des sites différents. L’étape suivante est l'optimisation de la production d'énergie de chacun de ces systèmes individuellement, en utilisant un contrôleur de logique floue pour la poursuite du point de puissance maximale. Cette technique est basée sur l'approche directe, imitant le « Perturb & Observe » algorithme et surmontant ses limites, comme l'oscillation autour du PPM. Le système flou nécessite un réglage fin pour maximiser son efficacité, il est donc combiné avec différents algorithmes d'optimisation pour définir les fonctions d'appartenance et de modifier les règles. Cinq approches ont été testées : la logique floue type 1 a été combinée d'abord avec un algorithme génétique, deuxièmement avec l’optimisation par essaim de particules, la troisième approche a appliqué la logique flou type 2 et ensuite l’a combiné avec les mêmes algorithmes d'optimisation précédemment utilisés, pour les deux dernières approches. La dernière partie de ce travail présente un superviseur basé sur la logique floue qui est adapté pour une installation hybride photovoltaïque éolienne isolée, pour obtenir un fonctionnement optimal du système en fonction des changements des conditions atmosphériques et de la demande d'énergie, en tenant compte de l'état de charge des batteries et la dissipation de la surcharge d’énergie. Les simulations sont effectuées pour tous les systèmes afin de montrer leur efficacité. / The main objective of this thesis is to size and optimise the production of a small renewable energy installation in a remote isolated area. In order to determine the size of the installation a study of the site capacities and the type of energy to be used must be carried out. A program is set in order to minimize the cost of a hybrid wind and solar energy installation in different sites. The next step is the optimisation of the energy production of each of these systems individually using a fuzzy logic controller to track the maximum power point. This technique is based on the direct approach, mimicking the Perturb & Observe algorithm and overcoming its limitations, such as oscillation around the MPP.The FLC requires fine tuning to maximise its efficiency, therefore it is combined with different optimisation algorithms to set the membership function and modify the rules. Five approaches were tested: type one fuzzy logic was combined first with genetic algorithm, second with particle swarm optimisation, the third approach applied type two fuzzy logic and then combined it with the same optimisation algorithms as previously used, for the final two approaches. The last part of this work introduces a fuzzy logic based supervisor that is adapted for an isolated remote hybrid PV Wind installation, to obtain an optimal functioning of the system according to the changes in atmospheric conditions and energy demand, taking into account the state of charge of the batteries and energy overflow dissipation. Simulations are run for all of the systems to show their efficiency and effectiveness.