Please use this identifier to cite or link to this item: https://essuir.sumdu.edu.ua/handle/123456789/89803
Or use following links to share this resource in social networks: Recommend this item
Title Towards Smart Monitoring Systems: Fault Detection and Diagnosis-Based Artificial Intelligence Algorithms in Solar PV Power Plants
Other Titles На шляху до інтелектуальних систем моніторингу: алгоритми штучного інтелекту на основі виявлення та діагностики несправностей на сонячних фотоелектричних електростанціях
Authors Mohammed, A.J.
Abdessalam, E.Y.
Chabaa, S.
Abdelouhab, Z.
ORCID
Keywords діагностика несправностей
штучний інтелект
сонячна фотоелектрика
перехід енергії
мікромережі
інтелектуальні електромережі
fault detection and diagnosis
artificial Intelligence
solar photovoltaic
energy transition
microgrids
smart grids
Type Article
Date of Issue 2022
URI https://essuir.sumdu.edu.ua/handle/123456789/89803
Publisher Sumy State University
License In Copyright
Citation Mohammed Ali Jallal, Abdessalam El Yassini, et al., J. Nano- Electron. Phys. 14 No 5, 05004 (2022) DOI: https://doi.org/10.21272/jnep.14(5).05004
Abstract Надійність та ефективність сонячних фотоелектричних (PV) електростанцій завжди залишаються актуальними темами. Протягом періоду експлуатації, як і всі промислові системи, ці установки сприйнятливі до збоїв у своєму обладнанні або роботі. Поява несправностей в компонентах сонячної PV системи може суттєво вплинути на ефективність, вихід електроенергії, безпеку та стабільність усієї PV електростанції, якщо їх не виявити та не усунути вчасно. Крім того, якщо залишаються будь-які несправності, вони можуть збільшити небезпеку пожежі. З цих причин необхідне включення інтелектуальної діагностичної системи, основною метою якої є надання точних індикаторів для виявлення несправностей і, таким чином, підтримання стабільності виробництва енергії сонячною PV електростанцією. Стаття починається з опису різних механізмів несправностей, які виникають на сонячних PV електростанціях, перш ніж надати послідовний огляд штучного інтелекту на основі стратегій виявлення та діагностики для прискорення прогресу та переходу до зеленої енергії з урахуванням інтелектуальних мереж.
Solar photovoltaic (PV) power plant reliability and efficiency are always hot topics. During the operating period as all industrial systems, these plants are susceptible to malfunctions and failures in their equipment or operations. Faults occurrence in solar PV system components can significantly affect the efficiency, power generation yield, safety, and stability of the entire PV power plant if not detected and corrected promptly. Furthermore, if any faults persist, they can increase the fire hazard. For these reasons, incorporating a smart diagnostic system is required, where its primary goal is to provide accurate indicators for detecting faults and thus maintaining the stability of the solar PV power plant energy production. Given the importance of this topic, the present literature starts with a description of various fault mechanisms that occur in solar PV power plants before providing a consistent review about fault detection and diagnosis strategies-based artificial intelligence to boost the progress and the transition towards smart grid-based green energies.
Appears in Collections: Журнал нано- та електронної фізики (Journal of nano- and electronic physics)

Views

Australia Australia
672467
Austria Austria
11
Canada Canada
1
China China
1
France France
1
India India
1187
Ireland Ireland
1190
Jordan Jordan
1
Lithuania Lithuania
1
Malaysia Malaysia
29406
Morocco Morocco
7262380
Pakistan Pakistan
1
Russia Russia
14
South Korea South Korea
1
Tunisia Tunisia
9884
Ukraine Ukraine
1958583
United Kingdom United Kingdom
672464
United States United States
148835518
Unknown Country Unknown Country
191837840

Downloads

China China
105833197
France France
191837840
Germany Germany
32394729
India India
672462
Ireland Ireland
1
Japan Japan
1
Malaysia Malaysia
1
Morocco Morocco
62830874
Philippines Philippines
1
Poland Poland
1
South Korea South Korea
1
Thailand Thailand
1
Ukraine Ukraine
7262375
United States United States
191837842
Unknown Country Unknown Country
1

Files

File Size Format Downloads
Mohammed_Ali_Jallal_jnep_5_2022.pdf 397.23 kB Adobe PDF 592669327

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.