Identification et détection de défauts dans les installations photovoltaïques - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Identification and detection of faults in photovoltaic installations

Identification et détection de défauts dans les installations photovoltaïques

Abdelhadi Benzagmout
  • Fonction : Auteur
  • PersonId : 1264751
  • IdRef : 257818227

Résumé

The photovoltaic market has grown rapidly in the last decade. Many research works are interested in improving PV system performance. This work focuses on the identification and detection of faults in the DC part (PV generator) of photovoltaic systems. The analysis of electrical I-V signature represents one of the most efficient approaches for fault detection. The application of this method requires the knowledge of the relative signature of each fault. This knowledge requires a reliable electrical model that describes the behavior of the PV system elements in healthy and faulty mode.For this purpose, it is necessary to develop an electrical model of the PV cell and PV module. The single diode model of the cell was used to create the parametric model of the PV module (5-parameter model). This model allowed us to simulate the behavior of the module in different modes (healthy and faulty) and operating conditions (constant and variable irradiance). An experimental characterization system was developed to measure the I-V signatures (I-V tracer). The measured I-V signatures were compared with the simulated ones to validate the electrical models. From the electrical model of the module, we were able to develop the model of the string and the PV system (string(s)+inverter).Based on the knowledge of the causalities between the faults and the deformation of the I-V signatures, we were able to develop an algorithm for fault identification and detection. The algorithm is based on the comparison of the measured signature with the estimated reference signature (model). When the comparison residual exceeds the preprogrammed threshold, the fault alarm is activated, which orders the parametric identification (inverse model) to identify the type of fault. The identification and detection algorithm has been tested and validated on a range of faults (series resistance fault, shunt resistance, shadowing, etc.).
Le marché du photovoltaïque connaît une croissance importante depuis une dizaine d’années. De nombreux travaux de recherche s’intéressent à l’amélioration des performances du système PV. Le travail de cette thèse porte sur l’identification et la détection de défauts à partir d’informations provenant du bus DC des installations photovoltaïques. L’analyse de la signature électrique I-V représente l’une des approches les plus efficaces de la détection de défauts. L’utilisation de cette méthode nécessite de connaître la signature relative de chaque défaut. Cette connaissance passe par un modèle électrique fiable décrivant le comportement des éléments du système PV en mode sain et en mode défaillant.Pour cela, il s’avère nécessaire de développer un modèle électrique de la cellule et du module PV. Le modèle à une diode de la cellule a été utilisé pour construire le modèle paramétrique du module PV (modèle à 5 paramètres). Ce modèle nous a permis de simuler le comportement du module en différents modes (saint et défaillant) et conditions de fonctionnement (éclairement constant et variable). Un système de caractérisation expérimental a été développé pour mesurer les signatures I-V (traceur I-V). Les signatures I-V mesurées ont été comparées à celles simulées pour valides les modèles électriques. À partir du modèle électrique du module, nous avons pu développer le modèle du string et du système PV (string(s)+onduleur).Sur la base de connaissance des causalités entre les défauts et la déformation des signatures I-V, nous avons pu développer un algorithme d’identification et de détection de défauts. L’algorithme est basé sur la comparaison de la signature mesurée avec la signature de référence estimée (modèle). Lorsque le résidu de comparaison dépasse le seuil préprogrammé, l’alarme du défaut s’active ordonnant l’identification paramétrique (modélisation inverse) pour identifier la nature du défaut. L’algorithme d’identification et de détection a été testé et validé sur un ensemble de défaut (défaut de résistance série, résistance shunt, ombrage, etc.).
Fichier principal
Vignette du fichier
2021PERP0019.pdf (13.83 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04418470 , version 1 (26-01-2024)

Identifiants

  • HAL Id : tel-04418470 , version 1

Citer

Abdelhadi Benzagmout. Identification et détection de défauts dans les installations photovoltaïques. Matériaux. Université de Perpignan, 2021. Français. ⟨NNT : 2021PERP0019⟩. ⟨tel-04418470⟩
84 Consultations
34 Téléchargements

Partager

Gmail Facebook X LinkedIn More