Conception et réalisation d’un système semi-automatique de diagnostic des générateurs photovoltaïques à l’aide de l’apprentissage profond et de l’imagerie thermique.

Abstract

Dans ce mémoire, un système semi-automatique de détection et classification des défauts dans un générateur photovoltaïques (PV) basé sur des images infrarouges et un réseau neuronal conventionnel profond (DCNN) est présenté. Deux classificateurs ont été développé, un classificateur binaire pour détecter le défaut, et un autre classificateur multi-classe est également développé pour la classification du type de défaut qui s’est survenu sur le générateur PV. Les défauts étudiés sont l’effet d’ombrage partiel, l’accumulation de poussière sur la surface du module PV, le module PV court-circuité et la diode bypass dans un module PV. Les classificateurs développés ont été intégrés dans un microprocesseur (Raspberry Pi 4). L’utilisateur est informé de l’état du système PV par un SMS et un e-mail. Les résultats de simulation et expérimentaux ont montré que les classificateurs développés étaient capables de détecter et de classer les défauts avec une précision de 98 % pour la détection et 92% pour la classification,