Big Data and Artificial Intelligence for Improving the Performance and Efficiency of Large-Scale Grid-Connected PV Power Plant.
Loading...
Date
2024-12-08
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
University of M'sila
Abstract
Cette thèse propose des solutions efficaces et simples pour la détection et le diagnostic des
défauts dans les systèmes photovoltaïques (PV). Le travail est organisé autour de trois
méthodes principales :
Première méthode repose sur une approche en deux étapes : d ans la première étape, un
modèle précis des panneaux photovoltaïques est développé en utilisant le modèle à une diode
(One Diode Model ODM), avec l'identification des paramètres inconnus grâce à l'algorithme
amélioré du loup gris (Modified Grey Wolf Opti mization MGWO), et l'extraction des
coordonnées du point de puissance maximale (MPP). La deuxième étape consiste à
développer deux classificateurs basés sur la méthode des forêts aléatoires (Random Forest
Classifiers RFCs), l'un destiné à détecter les défauts et l'autre à diagnostiquer leur nature.
Deuxième méthode repose sur l’utilisation du modèle de performance des panneaux
photovoltaïques Sandia (SAPM) pour simuler avec précision le comportement des panneaux
photovoltaïques. Les paramètres du mod èle sont extraits à l'aide de l'algorithme de l'abeille
artificielle (ABC), afin d’optimiser les paramètres et réduire les erreurs entre les données
mesurées et les données simulées. Cette méthode combine également l'apprentissage profond
avec un réseau ne uronal convolutif (CNN) et une unité récurrente à portes bidirectionnelles
(Bi GRU) pour analyser les sorties dynamiques des systèmes photovoltaïques au point de
MPP, permettant ainsi de détecter et de diagnostiquer les défauts avec une grande précision.
Troisième méthode : Elle est axée sur la modélisation prédictive de la production
photovoltaïque et l’évaluation des performances du système. Cette méthode inclut la
suppression des données aberrantes, la sélection rigoureuse des caractéristiques pertin entes et
l’optimisation des hyperparamètres pour améliorer les modèles prédictifs. Elle est intégrée
dans une interface MATLAB pour faciliter son application dans des scénarios réels.
L’efficacité de ces méthodes a été évaluée à l’aide de données réelles p
rovenant de systèmes
photovoltaïques, prouvant leur capacité à améliorer la performance des systèmes tout en
détectant et diagnostiquant les défauts de manière précise et rapide.
Mots
Description
Keywords
photovoltaïque, fautes, Classificateurs Forest Random, optimisat ion, réseau neuronal convolutif, unité récurrente à portes bidirectionnelles, deep learning.