Résumé:
Dans cette étude, une nouvelle approche pour la surveillance de l’installation photovoltaïque est proposée, elle utilise les réseaux de neurone artificiels pour la modélisation, la surveillance et la supervision de la partie DC de l’installation photovoltaïque (le générateur photovoltaïque GPV).Dans cette études, nous avons concéder le défaut d’ombrage partiel pour le test et le test et le validation de l’approche proposée .La méthode de la surveillance proposée est ensuite implémente dans circuit reconfigurable de type FPGA , a pour but de prouver la possibilité de réalisation ainsi que la fiabilité de cette méthode de surveillance. Dans le premier étape de ce travail, une perception multicouche (MLP) et conçu pour modéliser le comportement dynamique un générateur photovoltaïque dans son bon état de fonctionnement (sans défaut) , le modulateur basé sur le réseau MLP et ensuit utilisé pour estimer les performances électrique (courant et de tension ).Avec L’utilisation de ce modulateur , et quand un état de fonctionnement anormal de GPV se produit(cas de défauts , nous pouvant facilement détecter la présence d’éventuel défauts et anomalies qui entraînent des pertes dans la production d’énergie, cela est fait par la comparaison des performance estimées par le modulateur développé avec les performances générées par GPV considéré.
Dans la deuxième étape, nous avons proposé une nouvelle architecture numérique pour la mise en œuvre du modulateur du GPV sur le circuit EPGA afin de prototype la méthode de surveillance en temps réel proposée .Les résultat obtenu confirment l’efficacité de détection d’éventuels défauts du GPV avec une précision logique .La stratégie proposée pourrait également être utilisée pour la surveillance en ligne et la supervision des installation PV
