Détection et classification de défauts pour un GPV: Etude comparative entre la méthode de seuillage et réseaux de neurones
Main Article Content
Abstract
Comme tout processus industriel, un système photovoltaïque peut être soumis, au cours de son fonctionnement, à différents défauts et anomalies conduisant à une baisse de la performance du système et voire à son indisponibilité. Permettre de diagnostiquer finement et de faire de la détection et de localisation de défauts dans une installation photovoltaïque réduit les coûts de maintenance et surtout augmente la productivité. Dans ce travail, nous nous intéressons spécifiquement à la détection et la classification de défauts d'un générateur photovoltaïque (GPV) en utilisant l'approche neuronale. Les performances de l'approche neuronale sont analysées sur la base d’une comparaison avec la méthode de seuillage.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
-
Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
-
ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
