Diagnostic des défauts d'un système d'énergie renouvelable basée sur les techniques d'intelligence artificielle: application sur un système photovoltaïque

Abstract

لاتزال موثوقية وكفاءة أنظمة الطاقة المتجددة موضوع الساعة. مثل جميع الأنظمة الصناعية، تخضع أنظمة الطاقة المتجددة إلى الأعطال والعيوب في تركيباتها أو في عملها. تفشل هذه الأنظمة وتتدهور خلال فترة التشغيل.وهذا يتطلب تطوير نظام تشخيصي هدفه الرئيسي هو توفير مؤشرات لكشف الأعطال وبالتالي الحفاظ على إنتاج الطاقة من النظام الكهروضوئي، يتناول العمل الحالي تشخيص الأعطال في نظام الطاقة الكهروضوئية باستعمال الذكاء الاصطناعي، يقترح هذا العمل تطوير خوارزميتين لرصد الأعطال في النظام الكهروضوئي. الأولى تستندإلى: المنطق الغامض والثانية: الشبكات العصبية الاصطناعية. La fiabilité et l'efficacité des systèmes d'énergies renouvelables sont toujours un sujet d'actualité. Comme tous les systèmes industriels, les systèmes d'énergies renouvelables sont sujets à des dysfonctionnements et des défaillances dans leurs installations ou dans leur travail. Ces systèmes tombent en panne et se détériorent pendant la période d'exploitation. Cela nécessite le développement d'un système de diagnostic dont l'objectif principal est de fournir des indicateurs pour détecter les défauts et ainsi maintenir la production d'énergie du système photovoltaïque. Les travaux en cours portent sur le diagnostic des défauts dans le système PV à l'aide de l'intelligence artificielle. Ce travail propose le développement de deux algorithmes pour diagnostic les défauts dans le système photovoltaïque. Le premier est basé sur : la logique floue et le second sur : les réseaux de neurones artificiels The reliability and efficiency of renewable energy systems is always a topical subject, like all industrial systems, renewable energy systems are subject to failures and defects in their compositions or in their functioning, these systems These systems are break down and deteriorate during the period of their operation and operations.This requires the development of a diagnostic system whose main objective is to provide indicators to detect faults and thus maintain the energy production of the photovoltaic system.The work in progress relates to the diagnosis of faults in the PV system using artificial intelligence. This work proposes the development of two algorithms for diagnosing faults in the photovoltaic system. The first is based on: fuzzy logic and the second on: artificial neural networks.