Thèse Année : 2023

Detection and diagnosis of faults and performance losses in high-power photovoltaic power plants

Détection et diagnostic de défauts et des pertes de performances dans les centrales photovoltaïques de forte puissance

Résumé

Fault diagnosis is vital to ensure the continued production of photovoltaic (PV) systems. Among diagnosis approaches, data-driven diagnosis learns a diagnosis model from a database of normal and faulty situations. This approach requires strict control by a data acquisition system to constitute a substantial database and a machine learning algorithm capable of discriminating not only the faults that cause critical production losses, but also subtle faults whose symptoms must be separated from noise. The objective of this thesis is the development of fault diagnosis methods for photovoltaic installations embedded in a physical system for data acquisition, treatment and detection of faults in real time, respecting industrial limitations and taking into account the cost/benefit compromise in productivity or uptime. In order to position the research and to know the current limitations in the area of diagnosis of PV systems, this thesis first presents an extremely deep and complete study of a large number of articles that builds a state of the art on the subject of interest based on bibliometric analysis and topic modeling. To address the problem at hand and as a contribution to effective fault diagnosis in photovoltaic systems, this thesis proposes a complete hardware/software framework for fault diagnosis that includes a new PV system data acquisition platform, a versatile mobile weather station, and machine learning algorithms that, due to their computational efficiency and rapid response characteristics, can be embedded in a real system. The data acquisition platform and embedded software has been tested on several PV plants and it has proved successful in detecting various critical faults in PV panels.
Le diagnostic des défauts est essentiel pour garantir la production continue des systèmes photovoltaïques. Parmi les approches de diagnostic, le diagnostic basé sur les données apprend un modèle de diagnostic à partir d'une base de données de situations normales et défectueuses. Cette approche nécessite un contrôle strict par un système d'acquisition de données pour constituer une base de données substantielle et un algorithme d'apprentissage automatique capable de discriminer non seulement les défauts qui causent des pertes critiques de production, mais également les défauts subtils dont les symptômes doivent être séparés du bruit. L'objectif de cette thèse est le développement de méthodes de diagnostic de défauts pour les installations photovoltaïques qui puissent s’embarquer sur une plateforme matérielle incluant un système d'acquisition et de traitement de données en temps réel, respectant les contraintes industrielles et prenant en compte le compromis coût/bénéfice en productivité ou en disponibilité. Afin de positionner notre recherche et de connaître les limites actuelles dans le domaine du diagnostic des systèmes photovoltaïques, cette thèse présente d'abord une étude extrêmement approfondie et complète qui construit un état de l'art sur le sujet. Celle se base sur un très grand nombre d'articles en tirant profit de l'analyse bibliométrique et de la modélisation thématique. Pour résoudre le problème posé et contribuer à un diagnostic efficace des défauts dans les systèmes photovoltaïques, cette thèse propose un cadre matériel/logiciel complet pour le diagnostic qui comprend une nouvelle plate-forme d'acquisition de données de système PV, une station météo mobile polyvalente et des algorithmes d'apprentissage automatique qui, en raison de leur efficacité de calcul et de leurs temps de réponse rapide, peuvent être intégrés dans un système temps-réel. La plate-forme d'acquisition de données et le logiciel embarqué ont été testés sur plusieurs centrales photovoltaïques et se sont avérés efficaces pour détecter divers défauts critiques dans les panneaux photovoltaïques.
Fichier principal
Vignette du fichier
SEPUVEDA OVIEDO Edgar-finale finale.pdf (4.41 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-04888632 , version 1 (15-01-2025)

Identifiants

  • HAL Id : tel-04888632 , version 1

Citer

Edgar Hernando Sepúlveda-Oviedo. Detection and diagnosis of faults and performance losses in high-power photovoltaic power plants. Micro and nanotechnologies/Microelectronics. UT3 : Université Toulouse 3 Paul Sabatier, 2023. English. ⟨NNT : ⟩. ⟨tel-04888632⟩
0 Consultations
0 Téléchargements

Partager

More