Enhanced Fault DetectioninPhotovoltaic SystemsviaI-VCurveAnalysis and Artificial IntelligenceTechniques

Abstract

This work focuses on enhancing fault detection in photovoltaic (PV) systems by combining current–voltage (I–V) curve analysis with artificial intelligence techniques. As the demand for renewable energy continues to grow, PV systems have become a key solution due to their sustainability and environmental benefits. However, their performance is often affected by environmental conditions such as dust, shading, humidity, temperature variations, and system degradation. In this study, an experimental setup based on a DC/DC buck-boost converter was developed to extract real-time I–V characteristics of PV systems. These characteristics were analyzed under different fault conditions to understand their impact on system performance. Furthermore, artificial intelligence models were applied to classify and diagnose faults accurately by learning patterns from the extracted data. The results demonstrate that combining I–V curve analysis with AI significantly improves fault detection accuracy and system reliability compared to traditional methods. This approach enables early detection of anomalies, reduces maintenance costs, and enhances the overall efficiency and lifespan of photovoltaic systems. Ultimately, this research contributes to the development of smarter and more sustainable solar energy systems. (I–Vمن الل دمج تحليل منحنيات التيار–الجهد ) (PVير ككز هذا العمل على تحسين كشف العطال في النظمة الكهروضوئية مع تقنيات الذكاء الصطناعي. ومع استمرار تزايد الطلب على الطاقة المتجددة، أصبحت النظمة الكهروضوئية ًلل ،أساسيال بفضل استدامتها وفوائدها البيئية. ومع ذلك، فإن أداء هذه النظمة يتأثر غالبلا بالظروف البيئية مثل الغبار .والتظليل، والرطوبة، وتغيرات درجة الحرارة، إضافةل إلى تدهور مكونات النظام مع الزمن لستخراج اصائص Buck-Boostمن نوع DC/DCفي هذه الدراسة، تم تطوير منصة تجريبية تعتمد على محول التيار–الجهد للنظمة الكهروضوئية بشكل آني. وقد تم تحليل هذه الخصائص تحت ظروف أعطال مختلفة لفهم تأثيرها على أداء النظام. بالضافة إلى ذلك، تم تطبيق نماذج الذكاء الصطناعي لتصنيف وتشخيص العطال بدقة من الل .تعلم النماط المستخلصة من البيانات أظهرت النتائج أن الجمع بين تحليل منحنيات التيار–الجهد وتقنيات الذكاء الصطناعي يحسن بشكل كبير دقة كشف ،العطال وموثوقية النظام مقارنة بالطرق التقليدية. كما تتيح هذه المقاربة الكشف المبكر عن الحالت غير الطبيعية وتقليل تكاليف الصيانة، وتحسين الكفاءة العامة والعمر التشغيلي للنظمة الكهروضوئية. وفي النهاية، يساهم هذا البحث في تطوير أنظمة طاقة شمسية أكثر ذكا لء واستدامة