Application de l'apprentissage automatique embarqué EML et l’Internet des objets IoT pour le diagnostic des générateurs photovoltaïques

Abstract

Dans ce mémoire, un système automatique embarqué de classification des défauts dans un générateur photovoltaïque (PV) basé sur des images infrarouges et un réseau neuronal conventionnel profond, type (MobilNetV2), est présenté. Un classificateur a été développé pour la classification du type de défaut qui s’est survenu sur le générateur PV. Les défauts étudiés sont l’accumulation de poussière, la saleté, la dégradation des modules PVs. Le classificateur développé a été intégré dans un microcontrôleur (Nano 33 BLE Sense). Les résultats de classification sont sauvegardés dans une base de données, et accessible à distance (IoT) afin de vérifier l’état des générateur PVs. Les résultats pratique obtenus ont montré la faisabilité du système embarqué proposé pour le diagnostic des générateur PVs, avec une précision de classification moyenne de l’ordre de 93.4 %.