memoire ISEKOALE EFOMI ROBERT

L’énergie photovoltaïque occupe une place centrale dans la transition énergétique car elle permet de répondre aux besoins énergétiques tout en préservant l’environnement. Cette étude s’inscrit dans une démarche d’optimisation des systèmes photovoltaïques à travers l’analyse et la prédiction du comportement thermique par intelligence artificielle. L’objectif principal est de déterminer comment l’intelligence artificielle peut améliorer les performances d’un module photovoltaïque en analysant et en prédisant son comportement thermique. Pour cela, deux algorithmes complémentaires ont été utilisés : le random forest pour l’analyse et le RNN/LSTM pour la prédiction. La méthodologie repose sur l’estimation de la température du module photovoltaïque à l’aide du modèle thermique de Faiman. Les résultats montrent que les techniques d’intelligence artificielle permettent de prédire avec précision le comportement thermique, contribuant ainsi à l’optimisation de la performance des modules photovoltaïques. Cette approche améliore non seulement la performance mais aide également à minimiser la dégradation prématurée des modules dues à des variations de température. Les implications de cette recherche sont significatives pour le développement durable dans le secteur énergétique.