Afficher la notice abrégée
| dc.contributor.author |
Mettouchi, Ahmed Sedik |
|
| dc.contributor.author |
Sakhri, Riadh |
|
| dc.date.accessioned |
2019-11-17T07:20:30Z |
|
| dc.date.available |
2019-11-17T07:20:30Z |
|
| dc.date.issued |
2018 |
|
| dc.identifier.uri |
http://di.univ-blida.dz:8080/jspui/handle/123456789/3064 |
|
| dc.description |
4.621.1.596 ; 71 p ; illustré |
fr_FR |
| dc.description.abstract |
Dans 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 circuiter |
fr_FR |
| dc.language.iso |
fr |
fr_FR |
| dc.publisher |
Univ Blida1 |
fr_FR |
| dc.subject |
système photovoltaïque, Modélisation, détection, diagnostique |
fr_FR |
| dc.title |
Diagnostique d’un champ solaire photovoltaïque par réseaux de neurones artificiels |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée