Afficher la notice abrégée
| dc.contributor.author |
Gharbi Thamir Salah Eddine, Merabet Mohammed Aymen |
|
| dc.date.accessioned |
2025-10-05T08:13:47Z |
|
| dc.date.available |
2025-10-05T08:13:47Z |
|
| dc.date.issued |
2025-06 |
|
| dc.identifier.uri |
https://dspace.univ-guelma.dz/jspui/handle/123456789/17956 |
|
| dc.description.abstract |
Ce mémoire porte sur l’amélioration de la performance et de la fiabilité des installations
photovoltaïques grâce à l’intelligence artificielle. Dans le cadre d’un stage chez
SONELGAZ, des données réelles issues d’une centrale solaire ont été collectées (tension,
courant, irradiation, température). Ces données ont été analysées à l’aide d’algorithmes
d’apprentissage automatique et de réseaux de neurones pour détecter les anomalies, anticiper
les pannes et évaluer l’état des panneaux. Les résultats montrent que l’IA offre une meilleure
capacité de diagnostic par rapport aux méthodes traditionnelles, contribuant ainsi à une
gestion plus efficace et durable des systèmes photovoltaïques. |
en_US |
| dc.language.iso |
fr |
en_US |
| dc.publisher |
Université 8 Mai 1945 - Guelma |
en_US |
| dc.title |
Technique d'intelligence artificiel pour l'étude de l'état de santé des panneaux solaires |
en_US |
| dc.type |
Working Paper |
en_US |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée