Ghada Shaban Mohamed Ahmed,  <br/><br/>
Fault diagnosis in pv systems using optimized deep learning techniques / 
 تشخيص الأعطال في أنظمة الطاقة الشمسية الضوئية باستخدام تقنيات التعلم العميق المحسنة 
by Ghada Shaban Mohamed Ahmed ; Supervisors Prof. Dr. Hanan Kamal, Dr. Mohamed A. Moustafa Hassan. 
 - 99 pages :  illustrations ;  30 cm. +   CD. 
<br/><br/>Thesis (Ph.D)-Cairo University, 2024. 
<br/><br/>Bibliography: pages 92-99. 
<br/><br/> The fast expansion of the solar photovoltaic (PV) sector over the past decade has contributed significantly to the significance of solar PV systems. Solar PV systems can be made more reliable, efficient, and safe by regularly monitoring the system and quickly identifying any faults. As a result, determining the kind of defect that happens in a solar PV system and its location are imperative. Once a fault has been identified and located, it must be fixed using the proper diagnosis technique. In this work, novel fault diagnosis and detection techniques were proposed. Deep Learning techniques were applied for correctly diagnosing the fault type achieving high accuracy of prediction. Specifically, supervised machine learning techniques such as KNN, LR, NB, and DT were applied. Back Propagation Neural Network (BPNN) was also applied for fault diagnosis. BPNN-PSO was introduced and applied for fault diagnosis showing high accuracy of prediction. Correction techniques for faults and maintenance of PV panels were presented to correct the diagnosed faults practically.  لقد ساهم التوسع السريع لقطاع الطاقة الشمسية الضوئية (PV) على مدار العقد الماضي بشكل كبير في أهمية أنظمة الطاقة الشمسية الضوئية. يمكن زيادة موثوقية وكفاءة وسلامة أنظمة الطاقة الشمسية الضوئية من خلال مراقبة النظام بانتظام وتحديد أي أعطال بسرعة. نتيجة لذلك، فإن تحديد نوع العطل الذي يحدث في نظام الطاقة الشمسية الضوئية وموقعه أمر بالغ الأهمية. بمجرد تحديد وتحديد العطل، يجب إصلاحه باستخدام تقنية التشخيص المناسبة. في هذا العمل، تم اقتراح تقنيات جديدة لتشخيص وتحديد الأعطال. تم تطبيق تقنيات التعلم العميق لتشخيص نوع العطل بشكل صحيح وتحقيق دقة عالية في التنبؤ. على وجه التحديد، تم تطبيق تقنيات التعلم الآلي الخاضعة للإشراف مثل KNN و LR و NB و DT. كما تم تطبيق شبكة عصبية ذات انتشار خلفي (BPNN) لتشخيص الأعطال. تم تقديم وتطبيق BPNN-PSO لتشخيص الأعطال مع إظهار دقة عالية في التنبؤ. تم تقديم تقنيات تصحيح الأعطال وصيانة الألواح الشمسية لتصحيح الأعطال التي تم تشخيصها عمليًا. 
<br/><br/>
<br/><br/><br/>Text in English and abstract in Arabic & English. 
<br/><br/><label>Subjects--Topical Terms: </label><br/>Electronics engineering
<br/><br/><label>Subjects--Index Terms: </label>Deep Learning  PSO  Naïve Bayes  Back Propagation Neural Network  Decision Tree 
<br/><br/><label>Dewey Class. No.: </label>623.043