Extraction de signatures et prédiction de l'état de santé des centrales photovoltaïques - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Extraction de signatures et prédiction de l'état de santé des centrales photovoltaïques

Résumé

Une nouvelle approche d'intelligence artificielle et une plateforme d'acquisition de données orientée vers la détection de défauts dans les systèmes PV sont proposées. L'état des panneaux est discriminé à l'aide d'un clustering hiérarchique, d'une analyse temps-fréquence et d'une extraction et réduction de dimensionnalité statistiques. La détection des défauts est effectuée à l'aide des moindres carrés partiels (PLS) et validée avec une PLS-LDA proposée. La plate-forme d'acquisition de données est capable de capturer 16 signaux à la vitesse de la milliseconde. Les résultats de cet article dépassent ceux obtenus avec les méthodes conventionnelles.
Fichier principal
Vignette du fichier
Article_GEET_Edgar_SEPULVEDA.pdf (1.31 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04290156 , version 1 (16-11-2023)

Identifiants

  • HAL Id : hal-04290156 , version 1

Citer

Edgar Hernando Sepúlveda Oviedo. Extraction de signatures et prédiction de l'état de santé des centrales photovoltaïques. Congrès annuel de l'Ecole Doctorale GEETS 2022, Ecole Doctorale Génie Electrique, Electronique, Télécommunications et Santé, Apr 2022, Toulouse, France. ⟨hal-04290156⟩
56 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More