Détection et classification de défauts pour un GPV: Etude comparative entre la méthode de seuillage et réseaux de neurones

Comme tout processus industriel, un système photovoltaïque peut être soumis, au cours de son fonctionnement, à différents défauts et anomalies conduisant à une baisse de la performance du système et voire à son indisponibilité. Permettre de diagnostiquer finement et de faire de la détection et de lo...

Full description

Saved in:
Bibliographic Details
Published inRevue des énergies renouvelables Vol. 21; no. 1; pp. 45 - 53
Main Authors A.E. Toubal Maamar, S. Ladjouzi, R. Taleb, Y. Kacemi
Format Journal Article
LanguageEnglish
Published Renewable Energy Development Center (CDER) 01.03.2018
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:Comme tout processus industriel, un système photovoltaïque peut être soumis, au cours de son fonctionnement, à différents défauts et anomalies conduisant à une baisse de la performance du système et voire à son indisponibilité. Permettre de diagnostiquer finement et de faire de la détection et de localisation de défauts dans une installation photovoltaïque réduit les coûts de maintenance et surtout augmente la productivité. Dans ce travail, nous nous intéressons spécifiquement à la détection et la classification de défauts d'un générateur photovoltaïque (GPV) en utilisant l'approche neuronale. Les performances de l'approche neuronale sont analysées sur la base d’une comparaison avec la méthode de seuillage.
ISSN:1112-2242
2716-8247