Couplage diagnostic pronostic pour la maintenance prévisionnelle des systèmes photovoltaïques

• Auteur / Autrice : Mohamed Hassan Ali
• Direction : Ahmed El Hajjaji, Abdelhamid Rabhi
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur. Automatique
• Date : Soutenance le 16/03/2018
• Etablissement(s) : Amiens
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : Modélisation, Information et Systèmes (Amiens ; 2008-....)
• Jury : Président / Présidente : Kouider Nacer M'Sirdi
• Jury : Examinateurs / Examinatrices : Ahmed El Hajjaji, Abdelhamid Rabhi, Houcine Chafouk, Abdelouahab Aitouche, Belkacem Ould Bouamama
• Jury : Rapporteur / Rapporteuse : Houcine Chafouk, Abdelouahab Aitouche

Mots clés

Mots clés contrôlés

Détection de défaut (ingénierie)

Métaheuristiques

Ingénierie des systèmes

Maintenabilité

Systèmes photovoltaïques

Mots clés libres

OSA-CBM

Résumé

Dans ce travail, nous avons développé une méthode de couplage d'un processus de diagnostic à base de modèle avec un processus de prognostic issu de l'expérience au moyen d'une architecture OSA-CBM (Open System Architecture for Condition Based Maintenance). Pour cela, le modèle 2M7P de la cellule photovoltaïque est optimisé par la mise en œuvre d'une méthode métaheuristique d'extraction des sept paramètres, FodPSO. Cette optimisation permet de mieux reproduire la performance de la cellule surtout en conditions réelles de fonctionnement. L'approche du diagnostic est traitée par la quantification du résidu différentiel au moyen de la distance euclidienne en vue de caractériser la signature électrique des cinq défauts ciblés. La connaissance de la signature des défauts permet la détection puis la discrimination. La partie pronostic évolue depuis une première approche issue des modèles de dégradation de Pan et Monroe d'une part et de Vazquez et al. d'autre part vers une approche par analyse de fiabilité basée sur l'expérience. Le couplage proposé dans ce travail, consiste en un échange d'information entre les deux processus de diagnostic et de pronostic pour l'aide à la décision selon une architecture où les décisions sont faites grâce à un test de seuil sur l'indicateur choisi, le Corrected Performance Ration. Les informations sont restituées à l'utilisateur sur la dernière couche de l'architecture. L'ensemble des approches ont été validées avec les données expérimentales issues de différentes centrales solaires (UPJV, Catania Univ…).

In this work, we have developed a method of coupling a model-based diagnostic process with a prognostic process derived from the experience using an OSA-CBM (Open System Architecture for Condition Based Maintenance) architecture. For that, the 2M7P model of the photovoltaic cell is optimized by the implementation of a metaheuristic method of extraction of seven parameters, FodPSO. This optimization makes it possible to better reproduce cell's performance, especially under actual operating conditions. The diagnostic approach is treated by quantifying the differential residual using Euclidean distance in order to characterize electrical signatures of five targeted faults. The knowledge of faults signatures allows detection and discrimination. The prognostic part evolves since a first approach resulting from models of degradation of Pan and Monroe on the one hand and Vazquez et al. on the other hand towards a reliability analysis approach based on experience. The coupling proposed in this work consists of an exchange of information between the two diagnostic and prognostic processes for decision support according to an architecture where decisions are made by means of a threshold test on the selected indicator, the Corrected performance Ratio. Information is returned to the user on last layer of the OSA-CBM architecture. All approaches have been validated with experimental data from different plants (UPJV Platform, Catania University…).