Diagnosis of photovoltaic systems

Abstract

Dans cette thèse, une nouvelle méthode de diagnostic des systèmes photovoltaïques (PV) utilisant l'intelligence artificielle est développée. Cette méthode de diagnostic utilise les classificateurs BPNN (Back Propagation Neural Network) pour détecter et diagnostiquer les défauts du courant continu (DC) des systèmes photovoltaïques connectés au réseau (GCPV). Pour cela, deux BPNN sont nécessaires : le premier ANN est nécessaire pour la classification du courant à partir de deux données d'entrée (niveau d'irradiation solaire et courant au point de puissance maximal), tandis que le deuxième ANN est appelé pour la classification de tension à partir des deux données d'entrée (température de la cellule et tension au point de puissance maximal). La sortie des deux ANNs représente l'entrée de l'algorithme combinatoire afin d'obtenir le diagnostic du générateur PV caractérisant l'étape finale de cette approche. Cet algorithme diagnostique les défauts les plus fréquents rencontrés dans les installations PV qui sont : un module en court-circuit dans le générateur PV, deux modules en court circuit dans le générateur PV, quatre modules en court-circuit dans les générateurs PV et une chaîne déconnectée dans le générateur PV. Les résultats obtenus de la méthode citée sont excellents avec une précision globale moyenne de 98,6 %. Afin de trouver le meilleur choix d'ANNs, cinq types d'algorithmes ont été testés, à savoir : le réseau neuronal à propagation arrière (BPNN), le réseau neuronal probabiliste (PNN), le réseau neuronal à régression généralisée (GRNN) et deux réseaux neuronaux à fonction de base radiale. (RBF). Ces ANN ont été testées et comparés en utilisant les mêmes défauts et les mêmes conditions de travail. Les résultats obtenus ont apporté une bonne clarification et démontrent que l'algorithme PNN prend la tête de liste comme le meilleur ANN du point de vue de son temps de réponse ainsi que de son affichage de 100% dans tous les concepts statistiques par rapport à d'autres algorithmes. L'efficacité de la méthode développée est évaluée expérimentalement en utilisant des données réelles mesurées, collectées à partir d'un système PV connecté au réseau GCPV réel situé au Centre Des Energies Renouvelables à Alger (Algérie).