Efficacité énergétique et surveillance d’un microgrid à courant continu alimenté par des panneaux photovoltaïques

Photovoltaic (PV) systems are frequently subjected to several faults leading to costly production losses. The proposed work focuses on the improvement of the energy efficiency of a DC micro-grid by minimizing the losses related to the occurrence of PV faults. First, we presented a state of the art on the most recurrent faults and their diagnosis methods. The literature review has led us to adopt a data-driven diagnosis approach. Then, the Principal Component Analysis (PCA) method was proposed for PV shading fault detection and classification for a PV module of 250 Wp. The PCA was first performed using the entire I(V) curve obtained under real climatic conditions. A minimum classification success rate of 87.38% is obtained in the training step and 97% is obtained in the validation step. PCA was then applied using only the MPP coordinates to detect the shading fault. The data is discriminated with a classification rate of 100%.Linear Discriminant Analysis (LDA) was opted to predict the new MPP outdoor measurements’classes. Finally, a faults effects analysis study was carried out for three typical faults on the scale of a PV array of 250 kWp. The study was based on the simulated I(V) curves, considering differents severities of each fault. The sensitivity of the I(V) curve of the whole PV plant was observed for both the contact degradation between PV strings and the partiel shading starting from a severity of 10%. The short-ciruit fault of the PV modules has considerably more effect on the strings’ I(V) curves.Les systèmes photovoltaïques (PV) sont régulièrement exposés à de nombreux défauts entraînant des pertes de production coûteuses. Le travail proposé dans cette thèse porte sur l’amélioration de l’efficacité énergétique d’un microgrid à courant continu en minimisant les pertes liées à l’apparition des défauts PV. D’abord, nous avons présenté un état de l’art sur les défauts les plus fréquents et les méthodes de leur diagnostic. L’analyse de la littérature nous a orienté vers le choix d’une approche de diagnostic pilotée par les données. Ensuite, la méthode de l’Analyse en Composantes Principales (ACP) a été proposée pour la détection et la classification du défaut d’ombrage pour un module PV de 250 Wc. Nous avons exploité dans un premier temps toute la courbe I(V) acquise en conditions climatiques réelles. Un taux de réussite minimal de classement de 87.38% est obtenu en phase d’apprentissage et un taux de 97% est obtenu en phase de test. En deuxième temps, nous avons appliqué l’ACP en utilisant seulement les coordonnées MPP pour la détection de l’ombrage. Les données sont discriminées avec un taux de classification de 100%. L’Analyse Linéaire Discriminante (ALD) a été optée pour la prédiction des classes des nouvelles mesures MPP. Finalement, une étude des effets de trois défauts typiques a été menée à l’échelle d’une centrale PV de 250 kWc. Elle s’est basée sur les courbes I(V) simulées en considérant plusieurs sévérités pour chaque défaut. La sensibilité de la courbe I(V) centrale a été notée pour la dégradation de contact entre les strings PV et pour le défaut d’ombrage partiel à partir de 10%. Le défaut de court-circuit des modules PV, pour toutes les sévérités simulées, affecte beaucoup plus les courbes I(V) des strings