DETECTION ET LOCALISATION DE DEFAUTS DANS LES SYSTEMES SOLAIRES PHOTOVOLTAÏQUES A L'AIDE DE RESEAUX DE NEURONE
| dc.contributor.author | Bouharrag, Bachir | |
| dc.contributor.author | Chami, Akram | |
| dc.contributor.author | Enca/ DJERIOUI, Mohamed | |
| dc.date.accessioned | 2021-09-20T12:48:49Z | |
| dc.date.available | 2021-09-20T12:48:49Z | |
| dc.date.issued | 2021-07-17 | |
| dc.description.abstract | Résumé Les caractéristiques de sortie des panneaux photovoltaïques sont non linéaires et changent avec la température des cellules et le rayonnement solaire. Les méthodes de suivi du point de puissance maximale (MPPT) sont utilisées pour maximiser la puissance de sortie d'un générateur photovoltaïque par un suivi continu du point de puissance maximale (MPP). De toutes les méthodes MPPT trouvées dans la littérature, la perturbation et la surveillance (P&O) est la plus utilisée pour sa simplicité et sa facilité de mise en oeuvre ; Cependant, il présente des inconvénients tels qu'une vitesse de réponse lente, une oscillation autour d'un MPP en régime permanent et même un suivi erroné dans des conditions atmosphériques en évolution rapide (notre exemple d'ombrage partiel). Sur cette note, il a été montré que les effets négatifs associés à un tel défaut peuvent être considérablement réduits si des concepts d'intelligence artificielle (IA) sont utilisés. À l'aide d'un réseau de neurones artificiels (RNA), nous détecterons et localiserons l'ombrage partiel. | en_US |
| dc.identifier.uri | https://depot.univ-msila.dz/handle/123456789/26346 | |
| dc.language.iso | fr | en_US |
| dc.publisher | university of M'sila | en_US |
| dc.subject | Énergie solaire, Photovoltaïque, Les Réseaux de Neurones Artificiels, MLP, RBE. | en_US |
| dc.title | DETECTION ET LOCALISATION DE DEFAUTS DANS LES SYSTEMES SOLAIRES PHOTOVOLTAÏQUES A L'AIDE DE RESEAUX DE NEURONE | en_US |
| dc.type | Thesis | en_US |