Application des techniques d’Intelligence artificielle dans les systèmes photovoltaïques en vue de diagnostic des défauts

Abstract

Cette thèse porte sur l’application des techniques d’intelligence artificielle au diagnostic, la détection et la classification des défauts dans les systèmes photovoltaïques. Ces derniers comme tous les systèmes électriques et électroniques, peuvent tomber en panne et se dégradent pendant la durée de fonctionnement. Ce qui nécessite un diagnostic dont l'objectif principal est de fournir un outil automatique qui permet la détection précoce des défauts pour protéger l’installation et les personnes, et de classifier le défaut en plus. A la fin de l’année 2016, 303 GW d’énergie photovoltaïque ont été installés mondialement. Plus de 75 GW ont été installés durant seulement l’année 2016, et ceci est due à des nouvelles solutions qui ont encouragé les gouvernements à faire de plus en plus confiance à ce type d’énergie. Pour le développement des algorithmes de classification de défauts dans les systèmes photovoltaïques, au début, une base de données est collectée en utilisant un émulateur temps réel. Ensuite, des classificateurs à base d’intelligence artificielle ont été construits, tels que les classificateurs flou, neuronal et neuro-flou. Finalement, le diagnostic a été amélioré par l’introduction d’un nouveau classificateur "classificateur neuro-flou multi-classe (MC-NFC) ". Ce dernier a été implémenté sur une plateforme DSPACE " DS1104 " pour montrer sa capacité à détecter et classifier les défauts en temps réel.