Résumé:
Plusieurs paramètres affectent le rendement des modules photovoltaïques ; l’irradiation solaire, la
température ambiante, la vitesse du vent, l'inclinaison des modules et la température du module PV (cellule PV)
qui nécessite d’être contrôlée pour faire fonctionner les panneaux solaires avec une efficacité optimale. Par
conséquent, il est nécessaire de connaître l'effet de la température du module PV sur les performances du système
et l’utiliser dans la prédiction de la puissance du champs PV. Dans cette étude, la modélisation de prédiction de
la température du module photovoltaïque est présentée, en utilisant les quatre modèles développés suivants : deux
modèles basés sur les Réseaux de Neurones Artificiel (RNA), un modèle basé sur une méthode linéaire proposé
par Ross et un modèle par la méthode de Fitting. D'après les résultats présentés, on a observé qu'il existe un accord
satisfaisant entre la température du module mesurée et celle calculée par les quatre modèles (Ross, Fitting, RNA
générale et RNA saisonnier) ou R² > 0.91 pour les journées claires et R² > 0.58 pour les journées nuageuses et
RMSE < 3.74 pour les journées claires et RMSE < 4.1 pour les journées nuageuses<. Les quatre modèles peuvent
être utilisés pour calculer la température du module PV avec un bon degré de précision, notamment pour les deux
modèles basés sur les réseaux de neurone RNA et qui sont plus efficaces que les autres méthodes pour prédire la
température de module photovoltaïques de type polycristallin et pour différentes conditions climatiques.
