Conception et réalisation expérimentale d’un système automatique de diagnostic des générateurs photovoltaïques en utilisant les méthodes d’apprentissage automatique et l’internet des objets.

Abstract

Dans ce mémoire un système automatique de détection et classification de défauts d’un générateur photovoltaïque est présenté. Deux classificateurs d'apprentissage automatique (ML) ont été développés (détection et classification) basant sur les courbes I-V. Ensuite, ces classificateurs ont été intégrés dans un RaspBerry pi 4 pour détecter et classer les défauts sur les générateurs photovoltaïque. Une plate-forme et une application IoT Blynk sont utilisées pour la télésurveillance des paramètres du générateur photovoltaïque. L’utilisateur pouvait être alerté de l'état de son générateur photovoltaïque par message téléphonique (SMS) à l'aide d'un module GSM et également par e-mail. De plus, une interface graphique a été développée pour le système de détection et classification des défauts. Un circuit imprimé a été conçu et réalisé pour le système de télésurveillance qui travaillé par un module wifi ESP8266, de plus un boitier a été fait pour faciliter l’utilisation. La simulation et les résultats expérimentaux ont démontré la faisabilité du système embarqué développé pour surveiller et diagnostiquer à distance les réseaux photovoltaïques étudiés avec une bonne précision (99 % pour la détection et 97 % pour la classification).