| DC Field | Value | Language |
| dc.contributor.author | ABBOU, RIyadh | - |
| dc.date.accessioned | 2026-06-28T07:42:46Z | - |
| dc.date.available | 2026-06-28T07:42:46Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.uri | https://repository.esi-sba.dz/jspui/handle/123456789/854 | - |
| dc.description | Encadreur : Dr Khaldi Belkacem / Co-Encadreur : Dr Rennane Ahmed / Co-Encadreur : Dr Dali Ali | en_US |
| dc.description.abstract | With the global rise of renewable energies and the urgent need to reduce carbon emissions,
photovoltaic (PV) systems play a central role in the production of sustainable electricity.
However, their performance is strongly affected by climatic conditions, natural degradation,
and technical faults, which can lead to significant efficiency losses and increased maintenance
costs. In a context where the reliability and energy efficiency of PV systems are crucial, it has
become essential to develop solutions capable of ensuring continuous monitoring and rapid
fault diagnosis. Intelligent approaches now make it possible to design innovative tools capable
of analyzing large amounts of data generated by PV systems, automatically identifying
anomalies, and anticipating their impact on energy production. Such solutions contribute to
improved system management, reduced energy losses, and extended panel lifetime. Therefore,
intelligent fault diagnosis in photovoltaic systems represents a concrete response to the
current challenges of the energy transition, ensuring more stable, reliable, and environmentally
friendly electricity production.***
Avec l’essor mondial des énergies renouvelables et la nécessité de réduire l’empreinte carbone,
les systèmes photovoltaïques (PV) occupent une place centrale dans la production
d’électricité durable. Cependant, leur performance est fortement influencée par les conditions
climatiques, les dégradations naturelles et les défauts techniques, ce qui peut entraîner une
diminution significative de leur rendement et une augmentation des coûts de maintenance.
Dans un contexte où la fiabilité et l’efficacité énergétique des systèmes photovoltaïques sont
devenues des priorités, il apparaît essentiel de mettre en place des solutions capables d’assurer
une surveillance continue et un diagnostic rapide des anomalies. Le recours à des approches
intelligentes permet aujourd’hui de développer des outils innovants, capables d’analyser de
grandes quantités de données issues du fonctionnement des systèmes PV et d’identifier automatiquement
les défaillances, tout en anticipant leurs impacts sur la production. De telles
solutions contribuent à améliorer la gestion et la maintenance des installations, à réduire les
pertes énergétiques et à prolonger la durée de vie des panneaux solaires. Ainsi, le diagnostic
intelligent des systèmes photovoltaïques représente une réponse concrète aux défis actuels de
la transition énergétique, en garantissant une production plus stable, fiable et respectueuse
de l’environnement. | en_US |
| dc.language.iso | fr | en_US |
| dc.subject | Photovoltaic Systems | en_US |
| dc.subject | Intelligent Diagnosis | en_US |
| dc.subject | Fault Detection | en_US |
| dc.subject | Predictive Maintenance | en_US |
| dc.subject | Reliability | en_US |
| dc.subject | Energy Transition | en_US |
| dc.title | Optimisation de la fiabilité et de la performance des systèmes photovoltaïques par diagnostic intelligent basé sur l’intelligence artificielle | en_US |
| dc.type | Thesis | en_US |
| Appears in Collections: | Master
|