Titre de série : |
Mémoire Master d'ingénierie Génie Electrique et Energétique |
Titre : |
Développement d’un outil de diagnostic d’une installation photovoltaïque cas de la centrale de la société générale du Cameroun, Bali |
Type de document : |
texte imprimé |
Auteurs : |
Yora Laurence Marie Déborah SOME |
Année de publication : |
2024 |
Importance : |
75 p. |
Langues : |
Français (fre) |
Résumé : |
Cette étude se concentre sur le développement d’un outil pour le diagnostic d’une installation photovoltaïque appliqué à la centrale de la Société Générale du Cameroun (Douala). L’étude consiste à développer un outil de détection des défauts d’une installation PV. Il a été nécessaire de mettre en lumière les défauts potentiels et d'identifier ceux que l'outil détectera. Les défauts couverts par l'outil incluent, côté DC (générateur/champ photovoltaïque) : défauts de modules dans un string, défauts de string, et groupes de défauts (ombrage partiel, âge des modules PV, dysfonctionnements du MPPT). Du côté AC (onduleur), les défauts incluent les courts-circuits, les circuits ouverts, les problèmes de sortie d’onduleur et les problèmes de tension réseau. Des recherches approfondies sur les différentes méthodes de détection existantes ont conduit à la sélection de la méthode du Power Loss Analysis (PLA) pour le côté DC et celle de détection des défauts pour l’onduleur (côté AC). Ces algorithmes, inspirés de travaux de recherche existants, ont été adaptés et implémentés sur Python pour créer une application web de diagnostic. Des tests ont été effectués sur une période de 24 heures à la centrale de la SGC. En DC on enregistre des défauts de module et des groupes de défaut. Les défauts de module surviennent en cas de faible irradiation de tous les modules. Le groupe de défaut s’inscrit dans le cas où certains modules PV sont soumis à des ombrages et/ou faible irradiation de leur surface. En AC, un problème de tension de sortie onduleur a été identifié lorsque le champ PV ne produisait aucune puissance, entraînant des valeurs nulles de tension et de courant. Sur 48 défauts détectés, des erreurs de diagnostic ont été enregistrés. Il s’agit du défaut groupe défauts détectés à certaines heures de la journée. Cela renvoie à 10 mauvais diagnostics sur 48 donnant un taux d’efficacité de 79,16%.
Abstract : This study focuses on developing a tool for assessing the state of a photovoltaic installation applied at the Société Générale du Cameroun (Douala) plant. The research aims to create a remote fault detection tool for PV installations. Potential faults were identified, including on the DC side (generator/photovoltaic field): module faults within a string, string faults, and groups of faults (partial shading, PV module aging, MPPT malfunctions). On the AC side (inverter), faults include short circuits, open circuits, inverter output issues, and grid voltage problems. In-depth research led to selecting the Power Loss Analysis (PLA) method for DC and specific fault detection algorithms for the AC inverter side. These algorithms, inspired by existing research, were adapted and implemented in Python to develop a web-based diagnostic application. Tests conducted over 24 hours at the SGC plant, totaling 1380 minutes, revealed DC faults such as module and group faults. Module faults occurred due to low irradiation affecting all modules, while group faults occurred under shading or low irradiation conditions on specific PV modules. AC testing identified a grid voltage issue when the PV array produced no power, resulting in zero voltage and current readings. Out of 48 detected faults, 10 diagnostic errors were recorded, specifically related to group faults detected at certain times of the day, yielding an efficiency rate of 79.16%. |
Mémoire Master d'ingénierie Génie Electrique et Energétique. Développement d’un outil de diagnostic d’une installation photovoltaïque cas de la centrale de la société générale du Cameroun, Bali [texte imprimé] / Yora Laurence Marie Déborah SOME . - 2024 . - 75 p. Langues : Français ( fre)
Résumé : |
Cette étude se concentre sur le développement d’un outil pour le diagnostic d’une installation photovoltaïque appliqué à la centrale de la Société Générale du Cameroun (Douala). L’étude consiste à développer un outil de détection des défauts d’une installation PV. Il a été nécessaire de mettre en lumière les défauts potentiels et d'identifier ceux que l'outil détectera. Les défauts couverts par l'outil incluent, côté DC (générateur/champ photovoltaïque) : défauts de modules dans un string, défauts de string, et groupes de défauts (ombrage partiel, âge des modules PV, dysfonctionnements du MPPT). Du côté AC (onduleur), les défauts incluent les courts-circuits, les circuits ouverts, les problèmes de sortie d’onduleur et les problèmes de tension réseau. Des recherches approfondies sur les différentes méthodes de détection existantes ont conduit à la sélection de la méthode du Power Loss Analysis (PLA) pour le côté DC et celle de détection des défauts pour l’onduleur (côté AC). Ces algorithmes, inspirés de travaux de recherche existants, ont été adaptés et implémentés sur Python pour créer une application web de diagnostic. Des tests ont été effectués sur une période de 24 heures à la centrale de la SGC. En DC on enregistre des défauts de module et des groupes de défaut. Les défauts de module surviennent en cas de faible irradiation de tous les modules. Le groupe de défaut s’inscrit dans le cas où certains modules PV sont soumis à des ombrages et/ou faible irradiation de leur surface. En AC, un problème de tension de sortie onduleur a été identifié lorsque le champ PV ne produisait aucune puissance, entraînant des valeurs nulles de tension et de courant. Sur 48 défauts détectés, des erreurs de diagnostic ont été enregistrés. Il s’agit du défaut groupe défauts détectés à certaines heures de la journée. Cela renvoie à 10 mauvais diagnostics sur 48 donnant un taux d’efficacité de 79,16%.
Abstract : This study focuses on developing a tool for assessing the state of a photovoltaic installation applied at the Société Générale du Cameroun (Douala) plant. The research aims to create a remote fault detection tool for PV installations. Potential faults were identified, including on the DC side (generator/photovoltaic field): module faults within a string, string faults, and groups of faults (partial shading, PV module aging, MPPT malfunctions). On the AC side (inverter), faults include short circuits, open circuits, inverter output issues, and grid voltage problems. In-depth research led to selecting the Power Loss Analysis (PLA) method for DC and specific fault detection algorithms for the AC inverter side. These algorithms, inspired by existing research, were adapted and implemented in Python to develop a web-based diagnostic application. Tests conducted over 24 hours at the SGC plant, totaling 1380 minutes, revealed DC faults such as module and group faults. Module faults occurred due to low irradiation affecting all modules, while group faults occurred under shading or low irradiation conditions on specific PV modules. AC testing identified a grid voltage issue when the PV array produced no power, resulting in zero voltage and current readings. Out of 48 detected faults, 10 diagnostic errors were recorded, specifically related to group faults detected at certain times of the day, yielding an efficiency rate of 79.16%. |
| |