Please use this identifier to cite or link to this item: https://dspace.univ-guelma.dz/jspui/handle/123456789/17957
Full metadata record
DC FieldValueLanguage
dc.contributor.authorGherbi, Lina-
dc.date.accessioned2025-10-05T08:16:47Z-
dc.date.available2025-10-05T08:16:47Z-
dc.date.issued2025-06-
dc.identifier.urihttps://dspace.univ-guelma.dz/jspui/handle/123456789/17957-
dc.description.abstractCe mémoire vise à améliorer le suivi des performances des systèmes photovoltaïques grâce à l’identification automatique des modes de défaillances. Les défauts dans un système solaire peuvent conduire à des baisses de performance notables et affecter la durée de vie du système. L’objectif principale de ce travail est d’élaborer un modèle basé sur l’intelligence artificielle, spécifiquement un réseau de neurones artificiels (RNA), afin de diagnostiquer une classe de défauts couramment rencontrés sur un panneau photovoltaïque.en_US
dc.language.isofren_US
dc.publisherUniversité 8 Mai 1945 - Guelmaen_US
dc.subjectSystème solaire, mode de défaillances, intelligence artificielle, réseau de neurones artificiels (RNA).en_US
dc.titleIdentification des défaillances d’un système solaire par Machine Learningen_US
dc.typeWorking Paperen_US
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
F1_6_GHERBI_LINA.pdf3,29 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.