Browsing by Author "Amiri Ahmed Faris"

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Big Data and Artificial Intelligence for Improving the Performance and Efficiency of Large-Scale Grid-Connected PV Power Plant
    (University of M'Sila, 2024-11-17) Amiri Ahmed Faris
    This thesis presents reliable methods for fault detection and diagnosis in Photovoltaic (PV) systems. The first method proposes a two step approach for developing a reliable PV model and constructed a fault detection procedure using Random Forest Classifiers (RFCs). The first step involves identifying the unknown parameters of the One Diode Model (ODM) using the Modified Grey Wolf Optimization (MGWO) algorithm and simulating the PV array t o extract maximum power point (MPP) coordinates. The second step involves developing two RFCs: one for fault detection and another for fault diagnosis. The second method uses the Sandia Array Performance Model (SAPM) for accurate photovoltaic system si mulation. Parameters are extracted with the Artificial Bee Colony (ABC) algorithm to optimize and reduce errors between measured and simulated data. Additionally, deep learning is employed by combining Convolutional Neural Networks (CNN) and Bidirectional Gated Recurrent Units (Bi GRU) to analyze dynamic system power outputs at the MPP for fault detection and diagnosis with high precision. The third work develops a predictive modeling method for PV generation using rigorous feature selection, outlier re moval, and hyperparameter tuning. The method is implemented in a MATLAB interface to predict key parameters and evaluate system performance. The efficiency of these methods is evaluated using real data from actual PV systems.
  • Thumbnail Image
    ItemOpen Access
    Big Data and Artificial Intelligence for Improving the Performance and Efficiency of Large-Scale Grid-Connected PV Power Plant.
    (University of M'sila, 2024-12-08) Amiri Ahmed Faris; enca/Oudira Houcine
    Cette thèse propose des solutions efficaces et simples pour la détection et le diagnostic des défauts dans les systèmes photovoltaïques (PV). Le travail est organisé autour de trois méthodes principales : Première méthode repose sur une approche en deux étapes : d ans la première étape, un modèle précis des panneaux photovoltaïques est développé en utilisant le modèle à une diode (One Diode Model ODM), avec l'identification des paramètres inconnus grâce à l'algorithme amélioré du loup gris (Modified Grey Wolf Opti mization MGWO), et l'extraction des coordonnées du point de puissance maximale (MPP). La deuxième étape consiste à développer deux classificateurs basés sur la méthode des forêts aléatoires (Random Forest Classifiers RFCs), l'un destiné à détecter les défauts et l'autre à diagnostiquer leur nature. Deuxième méthode repose sur l’utilisation du modèle de performance des panneaux photovoltaïques Sandia (SAPM) pour simuler avec précision le comportement des panneaux photovoltaïques. Les paramètres du mod èle sont extraits à l'aide de l'algorithme de l'abeille artificielle (ABC), afin d’optimiser les paramètres et réduire les erreurs entre les données mesurées et les données simulées. Cette méthode combine également l'apprentissage profond avec un réseau ne uronal convolutif (CNN) et une unité récurrente à portes bidirectionnelles (Bi GRU) pour analyser les sorties dynamiques des systèmes photovoltaïques au point de MPP, permettant ainsi de détecter et de diagnostiquer les défauts avec une grande précision. Troisième méthode : Elle est axée sur la modélisation prédictive de la production photovoltaïque et l’évaluation des performances du système. Cette méthode inclut la suppression des données aberrantes, la sélection rigoureuse des caractéristiques pertin entes et l’optimisation des hyperparamètres pour améliorer les modèles prédictifs. Elle est intégrée dans une interface MATLAB pour faciliter son application dans des scénarios réels. L’efficacité de ces méthodes a été évaluée à l’aide de données réelles p rovenant de systèmes photovoltaïques, prouvant leur capacité à améliorer la performance des systèmes tout en détectant et diagnostiquant les défauts de manière précise et rapide. Mots