1. DSpace de l'université Ibn khaldoun de Tiaret
  2. Sciences Appliquées
  3. Département de génie électrique
  4. Master
Veuillez utiliser cette adresse pour citer ce document : http://dspace.univ-tiaret.dz:80/handle/123456789/17017
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorLAGROUM, Fatima-
dc.contributor.authorMOHAMMED, Bochra-
dc.date.accessioned2026-03-04T09:36:49Z-
dc.date.available2026-03-04T09:36:49Z-
dc.date.issued2025-06-
dc.identifier.urihttp://dspace.univ-tiaret.dz:80/handle/123456789/17017-
dc.descriptionThis work presents an intelligent fault diagnosis and classification approach using artificial neural networks (ANNs) for power converters in a photovoltaic (PV) system. The studied system includes a Boost converter, a three-phase inverter, and an LCL filter, supplying an RL load. Open-circuit faults were simulated, and the resulting data were used to train a neural network classifier in MATLAB/Simulink. The results demonstrate the model’s high accuracy in fault detection, highlighting the effectiveness of AI techniques for diagnosis in PV systems.en_US
dc.description.abstractCe travail propose une approche basée sur les réseaux de neurones artificiels pour le diagnostic et la classification des défauts dans les convertisseurs statiques d’un système photovoltaïque (PV). Le système étudié intègre un hacheur Boost, un onduleur triphasé et un filtre LCL, alimentant une charge RL. Des défauts de type circuit ouvert ont été simulés, et les données générées ont servi à entraîner un modèle de classification intelligent sous MATLAB/Simulink. Les résultats obtenus montrent une capacité élevée à identifier automatiquement les défauts, démontrant ainsi l’efficacité des méthodes d’intelligence artificielle pour le diagnostic dans les systèmes PV.en_US
dc.language.isofren_US
dc.publisherUniversité Ibn Khaldoun –Tiareten_US
dc.subjectdiagnostic intelligenteen_US
dc.subjectsystème photovoltaïqueen_US
dc.subjecthacheur boosten_US
dc.subjectalgorithme MPPTen_US
dc.titleDiagnostic des défauts dans les centrales photovoltaïques au niveau des convertisseurs statiques à l'aide de l'intelligence artificielleen_US
dc.typeThesisen_US
Collection(s) :Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
TH.M.GE.2025.05.pdf3,8 MBAdobe PDFVoir/Ouvrir
Affichage abbrégé


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.