Welcome to our digital repository at University of Eloued

We are pleased to welcome you to DSpace, the official digital library of El Oued University. Our platform is designed to preserve, manage, and provide access to the academic and scientific resources produced by the university’s faculty and students. It offers rich and regularly updated content, including:

Graduation theses and final year projects from various disciplines.

Scientific articles and academic publications.

Research reports and findings by faculty members.

Master’s and doctoral dissertations.

Proceedings and contributions from scientific conferences organized by the university.

We invite you to explore, download, and contribute!

You can easily browse our collections, access diverse academic content, and take part in enriching the university’s knowledge base.

Univ Eloued

Communities in DSpace

Select a community to browse its collections.

Now showing 1 - 5 of 15

Recent Submissions

Prediction of Power Transformer Lifetime and Performance Using Dissolved Gas Analysis (DGA) and Machine Learning Algorithms
(University of El Oued, 2026) Salhi Ali; Hoggui Youcef; Ghribi Salman
Fault diagnosis of oil-immersed power transformers plays a central role in ensuring system reliability and supporting predictive maintenance in power networks. This study proposes an intelligent diagnostic framework based on dissolved gas analysis (DGA) and machine learning for transformer fault classification. The methodology relies on the extraction of ratio-based and graphical features from DGA data, followed by Z-score normalization and dimensionality reduction using t-distributed stochastic neighbor embedding (t-SNE) to obtain a compact and informative feature representation. The reduced features are then evaluated using supervised classification algorithms. Model performance is assessed through multiple metrics, including accuracy, precision, recall, F1-score, and specificity. The findings indicate that integrating heterogeneous DGA-derived features within a unified framework improves the robustness and reliability of transformer fault diagnosis, highlighting the potential of intelligent datadriven approaches for condition monitoring and maintenance decision support in modern power systems . ُعد تشخيص أعطال محولات القدرة المغمورة بالزيت عنص ًرا أساسيًا لضمان موثوقية الأنظمة الكهربائية ودعم الصيانة التنبؤية في شبكات الطاقة. تقترح هذه الدراسة إطا ًرا ذكيًا لتشخيص الأعطال يعتمد على تحليل الغازات المذابة ( )DGAوتقنيات التعلم الآلي لتصنيف أعطال المحولات. تعتمد المنهجية على استخراج خصائص قائمة على النِّسب والخصائص البيانية من بيانات تحليل الغازات المذابة، يلي ذلك تطبيق تطبيع Z-scoreوتقليل الأبعاد باستخدام تقنية التضمين العشوائي الموزع t-SNEللحصول على تمثيل مدمج وغني بالمعلومات للخصائص المستخرجة. بعد ذلك، يتم تقييم الخصائص المختزلة باستخدام خوارزميات تصنيف خاضعة للإشراف. ويتم تقييم أداء النماذج اعتمادًا على عدة مؤشرات، تشمل الدقة ( ،)Accuracyوالإحكام ( ،)Precisionوالاسترجاع ( ،)Recallودرجة ،F1والنوعية ( .)Specificityوتشير النتائج إلى أن دمج الخصائص غير المتجانسة المستخرجة من بيانات DGAضمن إطار موحد يُحسن من متانة وموثوقية تشخيص أعطال المحولات، مما يبرز إمكانات الأساليب الذكية المعتمدة على البيانات في مراقبة الحالة ودعم قرارات الصيانة في أنظمة الطاقة الحديثة
Performance study of a four-pole cable robot
(University of El Oued, 2026) Haroun Abdeljabar; Maamra Salah
This study focuses on the performance of a four-pole, cable-operated parallelogram robot designed for upper limb rehabilitation and typing exercises. The robot features a large working area, a lightweight and flexible structure, and enhanced safety in case of failure. The work presented in the "Performance Study of the Four-Pole Cable Robot" includes kinematic and dynamic modeling of the robot to analyze its behavior and optimize cable tension and actuator torque. The study demonstrates that this optimization improves system stability, prevents cable slack, and ensures greater motion accuracy. A glide-type control strategy was also employed and compared with traditional methods such as PID. The results show improvements in response time, robustness, and accuracy of the robot during rehabilitation and typing exercises. تركز هذه الدراسة على أداء روبوت متوازي مست ٍو رباعي الأقطاب، يعمل بنظام الكابلات، ومصمم لإعادة تأهيل الأطراف العلوية والمساعدة في تمارين الكتابة. يتميز هذا الروبوت بمساحة عمل واسعة، وهيكل خفيف الوزن ومرن، ومستوى أمان معزز في حالة حدوث عطل. يتضمن العمل المقدم في "دراسة أداء روبوت الكابلات رباعي الأقطاب" نمذجة حركية وديناميكية للروبوت لتحليل سلوكه وتحسين شد الكابلات وعزم دوران المشغلات. تُظهر الدراسة أن هذا التحسين يُح ّسن استقرار النظام، ويمنع ارتخاء الكابلات، ويضمن دقة حركة أكبر. كما تم استخدام استراتيجية تحكم بالنمط الانزلاقي ومقارنتها بالأساليب التقليدية مثل . PIDتُظهر النتائج المتحصل عليها تحسناً في زمن الاستجابة، والمتانة، ودقة الروبوت أثناء تمارين إعادة التأهيل والكتابة
Faults Diagnosis PV Panels Using Artificial Intelligence and Simulation
(University of El Oued, 2026) GUESSOUM NASRADDINE; NEFZAOUA ELMAHDI
Photovoltaic (PV) systems have become one of the most widely adopted renewable energy technologies due to their ability to generate clean and sustainable electrical energy. However, the performance and reliability of PV installations can be significantly affected by various faults and environmental conditions, leading to power losses, reduced efficiency, and increased maintenance expenses. Therefore, the development of effective fault diagnosis techniques is essential to ensure the reliable operation of photovoltaic systems. This thesis presents a comprehensive framework for detecting and classifying photovoltaic faults through the integration of models, simulations, and AI techniques. First, the operating principles of photovoltaic systems and the most common fault types, including partial shading, increased series resistance (Rs), decreased shunt resistance (Rsh), and bypass diode failures, are investigated. Their impact on the electrical performance of PV modules is analysed using their current-voltage (I-V) and powervoltage (P-V) characteristics. A detailed photovoltaic model is then developed in MATLAB/Simulink based on the single-diode equivalent circuit. Various fault conditions are introduced into the model to generate representative datasets under different operating scenarios. Several electrical and statistical features, including photovoltaic current, voltage, power, fill factor, irradiance, temperature, RMS value, mean value, energy, and I–V curve slope, are extracted and used for fault characterisation. To automate the fault diagnosis process, artificial intelligence techniques such as artificial neural networks (ANN), convolutional neural networks (CNN), and support vector machines (SVM) are employed. The developed models are trained and tested to classify the operating condition of the PV system into five categories: normal operation, partial shading, increased series resistance, decreased shunt resistance, and bypass diode failure. The obtained results demonstrate the effectiveness of AI-based methods in achieving accurate and reliable fault detection and classification.The proposed approach contributes to improving the monitoring, maintenance, reliability, and energy efficiency of photovoltaic systems and highlights the potential of artificial intelligence for advanced renewable energy applications. تُعد الأنظمة الكهروضوئية ) (PVSمن أهم تقنيات الطاقة المتجددة المستخدمة في إنتاج الطاقة الكهربائية النظيفة والمستدامة. ومع ذلك، فإن أداء وموثوقية هذه الأنظمة قد يتأثران بالعديد من الأعطال والظروف التشغيلية والبيئية المختلفة، مما يؤدي إلى انخفاض القدرة المنتجة وتراجع الكفاءة وارتفاع تكاليف الصيانة. لذلك أصبح تطوير تقنيات فعالة للكشف عن الأعطال وتشخيصها ضرورة أساسية لضمان التشغيل الأمثل للأنظمة الكهروضوئية. تهدف هذه الرسالة إلى تطوير إطار عمل متكامل للكشف عن أعطال الأنظمة الكهروضوئية وتصنيفها من خلال الجمع بين النمذجة والمحاكاة وتقنيات الذكاء الاصطناعي. في البداية، تم دراسة المبادئ الأساسية لعمل الأنظمة الكهروضوئية وتحليل أكثر الأعطال شيوعاً، والتي تشمل التظليل الجزئي، زيادة المقاومة التسلسلية)، (Rs انخفاض المقاومة التفرع ) ،(Rshوأعطال الصمام الثنائي التجاوزي ). (Bypass Diodeكما تم تحليل تأثير هذه الأعطال على الخصائص الكهربائية للمنظومة من خلال منحنيات التيار-الجهد ) (I–Vوالقدرة-الجهد.)(P–V بعد ذلك، تم بناء نموذج تفصيلي للمنظومة الكهروضوئية باستخدام برنامج MATLAB/Simulinkاعتماداً على نموذج الدايود الأحادي. وتم إدخال مجموعة من الأعطال المختلفة إلى النموذج بهدف توليد بيانات تمثل حالات تشغيل متعددة. كما تم استخراج مجموعة من الخصائص الكهربائية والإحصائية المهمة، مثل التيار والجهد والقدرة ومعامل الامتلاء ) (FFوالإشعاع الشمسي ودرجة الحرارة والقيمة الفعالة ) (RMSوالمتوسط الحسابي والطاقة وميل منحنى التيار-الجهد، وذلك لاستخدامها في عملية تشخيص الأعطال. ولأتمتة عملية التشخيص، تم توظيف عدد من تقنيات الذكاء الاصطناعي، من بينها الشبكات العصبية الاصطناعية ) ،(ANNوالشبكات العصبية الالتفافية) ، (CNNوآلة المتجهات الداعمة .) (SVMوقد تم تدريب هذه النماذج واختبارها من أجل تصنيف حالة النظام الكهروضوئي إلى خمس فئات مختلفة هي: التشغيل العادي، التظليل الجزئي، زيادة المقاومة التسلسلية، انخفاض المقاومة التفرع، وعطل الصمام الثنائي التجاوزي. وأظهرت النتائج المتحصل عليها قدرة تقنيات الذكاء الاصطناعي على تحقيق تشخيص دقيق وموثوق للأعطال. تساهم المنهجية المقترحة في تحسين مراقبة وصيانة الأنظمة الكهروضوئية وزيادة موثوقيتها وكفاءتها في إنتاج الطاقة، كما تبرز الإمكانات الكبيرة للذكاء الاصطناعي في تطبيقات الطاقة المتجددة الحديثة
Design and Optimization of a Fractional-Order PI Controller for PMSM Generator Control Using Metaheuristic Algorithms
(University of El Oued, 2026) Hemici Hamza Sahraouie Mohammed Yacine
Permanent Magnet Synchronous Motors (PMSMs) are widely used in modern drive systems due to their high efficiency, high power density, and excellent dynamic performance. This dissertation investigates the modeling and control of a PMSM supplied by a two-level voltage source inverter (2L-VSI). A review of current control techniques is presented, including PI-based control, hysteresis control, predictive current control, deadbeat predictive control, and modulated predictive control. A mathematical model of the PMSM is developed using the abc, αβ, and dq reference-frame transformations, providing the basis for advanced control implementation. The study focuses on an advanced predictive current control strategy based on real-time current measurements and the Grey Wolf Optimizer (GWO) algorithm. Unlike conventional predictive current control, the proposed method reduces sensitivity to motor parameter variations and improves robustness. Simulation results obtained in MATLAB/Simulink demonstrate that the proposed controller achieves fast dynamic response, accurate current tracking, reduced current ripple, and enhanced robustness under speed, load, and parameter variations. These results confirm the effectiveness of the proposed approach as a promising solution for high-performance PMSM drive applications. تُعد المحركات المتزامنة ذات المغناطيس الدائم ) (MSAP/PMSMمن أكثر الآلات الكهربائية استخدا ًما في أنظمة القيادة الحديثة بفضل كفاءتها العالية، وكثافة القدرة المرتفعة، وأدائها الديناميكي الممتاز. يتناول هذا العمل دراسة نمذجة والتحكم في محرك متزامن ذي مغناطيس دائم ُمغذّى بواسطة عاكس ثلاثي الطور ثنائي المستويات.تم استعراض أهم تقنيات التحكم في التيار، بما في ذلك التحكم المعتمد على المنظم ، PIوالتحكم بالهسترة، والتحكم التنبئي للتيار، والتحكم التنبئي من نوع ، Deadbeatوالتحكم التنبئي ال ُمع َّدل. كما تم تطوير نموذج رياضي للمحرك باستخدام تحويلات المراجع abcو αβو ، dqمما يوفر أسا ًسا لتطبيق استراتيجيات التحكم المتقدمة.يركز هذا البحث على تطوير استراتيجية تحكم تنبئي متقدمة للتيار تعتمد على قياسات التيار الآنية وخوارزمية .)Grey Wolf Optimizer (GWOوتمتاز الطريقة المقترحة بانخفاض حساسيتها لتغيرات معاملات المحرك مقارنةً بالتحكم التنبئي التقليدي، مما يعزز متانة النظام وأدائه.أظهرت نتائج المحاكاة باستخدام برنامج MATLAB/Simulink مت أن الاستراتيجية المقترحة تحقق استجابة ديناميكية سريعة، وتتبعًا دقيقًا للتيار، وتقلي ًلا لتموجات التيار، و انة عالية في مواجهة تغيرات السرعة وعزم الحمل ومعاملات المحرك. وتؤكد هذه النتائج فعالية الطريقة المقترحة كحل واعد لتطبيقات القيادة عالية الأداء للمحركات المتزامنة ذات المغناطيس الدائم
Advanced Control Strategies for PMSM Generators Using Optimization Methods
(University of El Oued, 2026) BADJADI Mohammed Lamine
This work aims to study and model a wind energy conversion system based on a Permanent Magnet Synchronous Generator (PMSG), owing to its high efficiency and suitability for renewable energy applications. The fundamental principles of wind energy systems are presented, and a mathematical model of both the generator and the wind turbine is developed in the dq reference frame. A Field-Oriented Control (FOC) strategy based on PI controllers is also investigated to ensure effective generator control and improve its dynamic performance. In addition, intelligent optimization techniques, namely Grey Wolf Optimization (GWO) and Fuzzy Logic, are introduced to enhance the control system performance. The proposed models and control strategies are implemented and simulated using MATLAB/Simulink. ،) (PMSGيهدف هذا العمل إل دراسة ونمذجة نظام تحويل طاقة الرياح المعتمد على المولد الم زتامن ذو المغناطيس الدائم لما يتم زتبه منكفاءة عالية وملاءمة لتطبيقات الطاقات المتجددة. تم عرض المبادئ الأساسية لأنظمة طاقة الرياح، بالإضافة ). (dqإل تطوير نموذج ريا زض للمولد والتورب زي الهوائ زف المرجع الدوار لضمان التحكم الفعال زف المولد PIباستخدام متحكمات ) (FOCكما تمت دراسة استاتيجية التحكم الموجه بالمجال وتحس زي أدائه الديناميك. بالإضافة إل ذلك، تم تقديم تقنيات التحس زي الذكية، والمتمثلة زف خوارزمية الذئب الرمادي بهدف تطوير أداء نظام التحكم. وقد تم تنفيذ النماذج والاستاتيجيات المقتحة ،) (Fuzzy Logicوالمنطق الضبائ )(GWO . MATLAB/Simulinkباستخدام برنامج