Please use this identifier to cite or link to this item:
https://dspace.univ-guelma.dz/jspui/handle/123456789/17957Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Gherbi, Lina | - |
| dc.date.accessioned | 2025-10-05T08:16:47Z | - |
| dc.date.available | 2025-10-05T08:16:47Z | - |
| dc.date.issued | 2025-06 | - |
| dc.identifier.uri | https://dspace.univ-guelma.dz/jspui/handle/123456789/17957 | - |
| dc.description.abstract | Ce 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.iso | fr | en_US |
| dc.publisher | Université 8 Mai 1945 - Guelma | en_US |
| dc.subject | Système solaire, mode de défaillances, intelligence artificielle, réseau de neurones artificiels (RNA). | en_US |
| dc.title | Identification des défaillances d’un système solaire par Machine Learning | en_US |
| dc.type | Working Paper | en_US |
| Appears in Collections: | Master | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| F1_6_GHERBI_LINA.pdf | 3,29 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.