REZGUI, Wail (2015) Système intégré pour la supervision et le diagnostic des défauts dans les systèmes de production d’énergies : les installations photovoltaïque. Doctoral thesis, Université de Batna 2.
|
Text
ing Wail Rezgui.pdf Download (3MB) | Preview |
Abstract
Dans cette thèse, un nouvel algorithme pour la smart surveillance de défauts dans un champ PV a été développé. Ce nouvel algorithme est basé sur le développement d’un modèle pour le comportement d’un champ PV en fonctionnement normal et défectueux. La nouvelle méthodologie utilisée pour le développement de cet algorithme a pour objectif d’augmenter le taux de disponibilité totale du champ PV, avec un meilleur rendement. L’approche développée, basée sur la modélisation mathématique de la caractéristique I-V des composants défectueux et les regroupements d’un champ PV a permis d’améliorer les approches de modélisation des champs PV. Elle a permis de quantifier le degré de l’influence des différents défauts sur le fonctionnement de tout le champ PV. Aussi, ce modèle a facilité les mesures de tolérance et d’expérimentation, et a réalisé également des économies substantielles en temps et en coût. De plus, une approche basée sur l’amélioration des méthodes de la smart surveillance prédictive de défauts affectant un champ PV a été développée. Elle s’appuie sur le développement d’outils de régression ce qui a permis de prédire les caractérisations futures des composants d’un champ PV. Elle est basée sur l’optimisation du SVR par les RdNs de type récurrent et la méthode classique k-PPV de régression. Aussi, ce travail a conduit au développement de deux modèles SVR-PQ optimisée par RdNR et SVR-PL optimisée par k-PPVR. Les résultats de cette étape utilisés dans l’algorithme proposé pour la prédiction, la classification, la localisation prédictive, et l’identification prédictive des causes des défauts d’un champ PV, avec une précision de surveillance prédictive optimisée a donné des résultats plus homogènes et plus fiables. Enfin, une approche basée sur l’analyse des paramètres de fonctionnement en temps réel a permis d’améliorer les méthodes de la smart surveillance en temps réel des défauts affectant un champ PV, la diminution du taux de surveillance avec l’augmentation de son erreur a poussé d’utiliser les outils de l’IA pour améliorer ses performances. Le choix est tombé sur l’optimisation du SVM par les RdNs de type perceptron multicouches, et la méthode classique k- PPV. L’hybridation de ces trois outils résulte les deux modèles SVM-PQ optimisé par RdN-PM et SVM-PL optimisé par k-PPV, avec un taux de surveillance élevé, un taux d’erreur faible, mais avec un temps de calcul lent. Toutes ces approches ont permis d’obtenir une meilleure fonction de surveillance des défauts pouvant entrainer une dégradation remarquable dans la productivité d’un champ PV.
| Item Type: | Thesis (Doctoral) |
|---|---|
| Subjects: | Technologie > Génie industriel |
| Divisions: | Faculté de technologie > Département de génie industriel |
| Date Deposited: | 20 Apr 2017 10:46 |
| Last Modified: | 20 Apr 2017 10:46 |
| URI: | http://eprints.univ-batna2.dz/id/eprint/1016 |
Actions (login required)
 |
View Item |
