Please use this identifier to cite or link to this item: http://localhost:8080/xmlui/handle/123456789/3064
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMettouchi, Ahmed Sedik-
dc.contributor.authorSakhri, Riadh-
dc.date.accessioned2019-11-17T07:20:30Z-
dc.date.available2019-11-17T07:20:30Z-
dc.date.issued2018-
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/3064-
dc.description4.621.1.596 ; 71 p ; illustréfr_FR
dc.description.abstractDans ce papier nous proposons la détection et le diagnostique du système solaire photovoltaïque par le calcule et la comparaison de erreurs entre des sorties simulés par réseaux de neurones artificiels (ANN) et les données mesurés en temps réel. Cette classification est basée sur deux paramètres majeurs représentant le courant du point de puissance maximal et la tension du point de puissance maximal. Les données sont réelles obtenues d’un station photovoltaïque en Algerie. La classification est basée sur des données de période de trois heures quarante minutes du mois bien capté. Le nombre d’attribues que nous avons proposé est cinq s’appliquant sur la panne string et quatre types de modules court circuiterfr_FR
dc.language.isofrfr_FR
dc.publisherUniv Blida1fr_FR
dc.subjectsystème photovoltaïque, Modélisation, détection, diagnostiquefr_FR
dc.titleDiagnostique d’un champ solaire photovoltaïque par réseaux de neurones artificielsfr_FR
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
finale.pdf2,45 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.