Utilisation de l'intelligence artificielle pour la compréhension du vieillissement des cellules solaires // applying artificial intelligence techniques to study photovoltaic (pv) degradation

Topic description

Le projet de thèse porte sur l'application de techniques d'intelligence artificielle à l'étude de la dégradation, en conditions réelles, des systèmes photovoltaïques (PV). Cette approche sera développée en parallèle pour des cellules silicium mais également pour des cellules tandem Silicium/pérovskite.

Dans des travaux préliminaires, nous avons testé et validé une approche simple et pratique pour extraire les paramètres des cellules solaires et les taux de dégradation d'un système PV silicium à partir de données de production d'électricité et de données météorologiques banalisées.

Avec l'aide de l'Institut photovoltaïque d'Ile-de-France (IPVF), nous souhaitons combiner l'intelligence artificielle, l'apprentissage automatique, la modélisation physiques des dispositifs et l'expérimentation pour mieux comprendre la relation entre les paramètres des matériaux et les performances et la stabilité des cellules solaires. Nous utiliserons l'inférence bayésienne ainsi que des techniques conventionnelles d'apprentissage automatique (réseaux neuronaux, clustering k-means...) pour extraire les paramètres des dispositifs électriques à partir de courbes courant-tension (IV) simulées et expérimentales de cellules solaires.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The thesis project concerns the application of artificial intelligence techniques to the study of photovoltaic (PV) system degradation under real-life conditions. This approach will be developed in parallel for silicon cells, but also for tandem silicon/perovskite cells.

In preliminary work, we have tested and validated a simple, practical approach to extracting solar cell parameters and degradation rates for a silicon PV system from electricity production and normalized weather data.

With the help of the Institut Photovoltaïque d'Ile-de-France (IPVF), we aim to combine artificial intelligence, machine learning, device physics modeling and experimentation to better understand the relationship between material parameters and solar cell performance and stability. We will use Bayesian inference as well as conventional machine learning techniques (neural networks, k-means clustering...) to extract electrical device parameters from simulated and experimental current-voltage (IV) curves of solar cells.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/

Funding category

Funding further details

Contrat Doctoral E4C*Appel anticipé*Contrat Doctoral M4S*Contrat doctoral Hi!Paris*