Book chapters
Permanent URI for this collectionhttps://dspace.univ-soukahras.dz/handle/123456789/164
Browse
Item PV solar fault diagnosis based on feature selection and support vector machine(2024) Sameh MamineMonitoring and fault detection in renewable energy systems are essential to enhance their service life and reliability. If these faults are not diagnosed, they can significantly reduce the energy production capacity of these systems. There is no perfect industrial system, such as solar energy systems that rely on photovoltaicsystem, because these systems, like all other industrial systems, may be affected by faults and failures during installation or operation. Therefore, the development of a diagnostic system to detect and identify faults is an industrial necessity. In this work, a pattern recognition method was applied for solar energy system faults diagnose. The proposed method consists of two main steps: in the first step, statistical parameters are extractedfrom observations, then binary particle swarm optimisation algorithm is applied for selecting relevant features. In the second step, support vector machine is used to classify the different types of faults. The obtained results demonstrate the effectiveness of this approach in accurately and efficiently for photovoltaic solar system fault diagnosis. ----------------------------------------------------------------------------------------- مراقبةوكشف الأعطال في أنظمة الطاقة المتجددة ضروريان لتعزيز عمرخدمتها و موثوقيتها. فإذا لم يتم تشخيص هذه الأعطال ،قد تقلل بشكل كبير من قدرة إنتاج الطاقة لهذه الأنظمة. لايوجد نظام صناعي مثالي،كأنظمةالطاقةالشمسيةالتي تعتمد على النظام الكهروضوئي ،لأن هذه الأنظمة،مثل جميع الأنظمة الصناعية الأخرى،قد تواجه الأعطال و الفشل في التثبيت أو التشغيل.لذلك،يمكن أن تفشل أو تتدهورمع مرورالوقت،ممايتطلب تطويرنظام تشخيصي يهدف بشكل أساسي إلى كشف و تحديد الأعطال،وبالتالي الحفاظ على إنتاج الطاقة لنظام الطاقةالشمسية. في هذا البحث،تم تطبيق طريقة التعرف على الأنماط لتشخيص الأعطال في نظام الطاقة الشمسية. وتحتوي الطريقة المقترحة على خطوتين رئيسيتين ،حيث يتم في الخطوة الأولى استخراج و اختيارالمعلمات الإحصائية من الملاحظات. الا ان المعلمات المستخرجة ليس لها نفس الحساسية في تمثيل مختلف النماط لهذا فقد تم استخدام تقنية ذكاء اصطناعي لاختيار احسن المعلمات.امافي الخطوة الثانية فقد تم استخدام الفواصل ذات الهوامش الواسعة من تصنيف عدةأنواع من الأعطال. وقد اظهرت النتائج المحصل عليها فعاليةهذا النهج في تشخيص الأعطال بدقة وفعالية. ---------------------------------------------------------------------------------------- La surveillance et la détection des défauts dans les systèmes d'énergie renouvelable sont essentielles pour améliorer leur durée de vie et leur fiabilité. Si ces défauts ne sont pas diagnostiqués, ils peuvent réduire significativement la capacité de production d'énergie de ces systèmes. Aucun système industriel n'est parfait, comme les systèmes d'énergie solaire qui reposent sur des systèmes photovoltaïques, car ces systèmes, tout comme tous les autres systèmes industriels, peuvent rencontrer des défauts et des défaillances lors de l'installation ou de l'exploitation. Par conséquent, ils peuvent échouer ou se détériorer avec le temps, ce qui nécessite le développement d'un système de diagnostic visant principalement à détecter et à identifier les défauts, et ainsi à maintenir la production d'énergie pour le système d'énergie solaire. Dans travail, une méthode de reconnaissance desformes a été appliquée pour diagnostiquer les défauts dans le système d'énergie solaire. La méthode proposée se compose de deux étapes principales : dans la première étape, des paramètres statistiques sont extraits à partir des observations, puis l’algorithme des essaims des particules binaires est utilisé pour la sélection des paramètres pertinents. Dans la deuxième étape, les séparateurs à vaste margessont utilisés pour classer les différents types de défauts. Les résultats obtenus démontrent l'efficacité l’approche proposée pour le diagnostic précis et efficace des défauts dans système de panneau photovoltaïque.