Afficher la notice abrégée
dc.contributor.author |
Benkercha, Rabah |
|
dc.contributor.author |
Sabri, Nassim |
|
dc.date.accessioned |
2019-10-27T08:46:40Z |
|
dc.date.available |
2019-10-27T08:46:40Z |
|
dc.date.issued |
2013 |
|
dc.identifier.uri |
http://di.univ-blida.dz:8080/xmlui/handle/123456789/1535 |
|
dc.description |
4.621.1.161; 97 p
illustré ; 30 cm |
fr_FR |
dc.description.abstract |
Un système photovoltaïque peut être soumis, au cours de son fonctionnement, à
différents défauts et anomalies conduisant à une baisse des performances du système voir son
indisponibilité totale. Toutes ces conséquences défavorables vont évidemment réduire la
productivité de l’installation, et donc réduire le profit de l’installation, sans compter le coût de
maintenance pour remettre le système en état normal. Dans ce travail de mémoire nous
proposons une approche de détection et de diagnostic des défauts dans les systèmes
photovoltaïques, basée sur une technique de l’intelligence artificielle qui est : l’arbre de
décision. |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
Univ Blida1 |
fr_FR |
dc.subject |
système photovoltaïque ; diagnostic ; Arbre de Décision. |
fr_FR |
dc.title |
Contribution au Détection et Diagnostic des défauts dans les systèmes photovoltaïques par l’intelligence artificielle |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée