Surveillance de l’état de santé des modules photovoltaïques à partir des mesures électriques
Auteur / Autrice : | Baojie Li |
Direction : | Demba Diallo, Claude Delpha, Anne Migan-Dubois |
Type : | Thèse de doctorat |
Discipline(s) : | Génie électrique |
Date : | Soutenance le 08/10/2021 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Electrical, optical, bio-physics and engineering |
Partenaire(s) de recherche : | Laboratoire : Laboratoire Génie électrique et électronique de Paris (Gif-sur-Yvette, Essonne ; 1998-....) |
référent : CentraleSupélec (2015-....) | |
graduate school : Université Paris-Saclay. Graduate School Sciences de l'ingénierie et des systèmes (2020-....) | |
Jury : | Président / Présidente : Eric Labouré |
Examinateurs / Examinatrices : Maxime Darnon, Bertrand Raison, Mohamed Benbouzid, Tianzhen Wang | |
Rapporteurs / Rapporteuses : Maxime Darnon, Bertrand Raison |
Mots clés
Résumé
La détection et le diagnostic des défauts sont des éléments essentiels pour la maintenance conditionnelle des panneaux photovoltaïques (PV). Cette thèse propose une nouvelle stratégie en quatre étapes (modélisation, prétraitement, extraction et analyse des signatures) basée sur l'utilisation des caractéristiques courant-tension (courbes I-V) complètes. La modélisation s’appuie sur une approche pilotée par les données simulées ou mesurées. Pour le prétraitement, afin d’atténuer les effets des différentes conditions de mesure, nous avons proposé une procédure de correction améliorée des courbes I-V qui est mieux adaptée aux panneaux défectueux que celles de la norme, ainsi qu’un ré-échantillonnage du vecteur courant pour toujours disposer du même nombre de points. Pour l'extraction des caractéristiques après ce prétraitement, trois méthodes sont développées : l'utilisation directe de la courbe I-V ou sa transformation par la technique Gramian Angular Difference Field (GADF) ou celle de Recurrence Plot (RP). L'analyse en composantes principales (ACP) est également appliquée pour réduire la dimension de la matrice des caractéristiques.Pour l'analyse des caractéristiques, six techniques courantes d'apprentissage automatique sont évaluées: le réseau de neurones artificiels (ANN), la machine à vecteurs de support (SVM), l'arbre de décision (DT), la forêt aléatoire (RF), les k-plus proches voisins (kNN) , et le classifieur naïf bayésien (NBC). Pour évaluer les différentes combinaisons entre les signatures et les classifieurs, les critères de performances retenues sont la précision de la classification et la complexité du calcul. Huit conditions (une saine et sept défectueuses) des panneaux PV sont étudiées à partir de courbes I-V simulées et mesurées pour constituer la base de données. Les résultats montrent que l'utilisation des caractéristiques issues de la transformation GADF des courbes I(V) comme entrées du classifieur ANN permet d’obtenir une précision de classification de 100 %, aussi bien pour les données simulées que celles mesurées sur um banc de test développé au laboratoire. La robustesse aux perturbations, l'impact de l'ACP et de la transformation des caractéristiques sont également traités. La stratégie proposée est également comparée à celles qui n’utilisent que partiellement les informations de la courbe I-V et les techniques dans la litérature.