Smart IoT-based energy control for off-grid solar installations

Abstract

Photovoltaic (PV) systems are key clean energy solutions for sustainable electricity supply, especially in sun-rich regions such as southern Algeria. However, off-grid solar installations in remote areas face numerous challenges: dust accumulation, sand coverage, partial shading, and limited access to maintenance. When problems go undetected, system performance degrades and output drops significantly. This memorandum presents a low-cost, smart monitoring system for fault detection in solar panels using an Arduino Uno platform integrated with machine learning techniques. Operating entirely at the edge, the system collects voltage and current data, processes readings, stores information locally on an SD card, and identifies faults in real time without requiring cloud connectivity. Data were collected from a PV panel under three conditions: normal operation, full sand coverage, and partial leaf shading. Several classification algorithms—Random Forest, Support Vector Machine, Gradient Boosting, and Logistic Regression—were evaluated. Random Forest achieved the highest accuracy: 94.6% during cross-validation and 92.8% on unseen test data. The model successfully distinguishes normal operation from faults without heavy computational requirements, making it suitable for low-cost embedded devices. Results demonstrate that combining Arduino-based sensing with machine learning enables effective, affordable PV monitoring without constant human oversight. This autonomous system detects faults faster and reduces long-term maintenance costs, offering a robust energy management solution for remote, off-grid locations. تُعدّ أنظمة الطاقة الشمسية الكهروضوئية حلولاً أساسية للطاقة النظيفة لتوفير إمدادات كهربائية مستدامة، لا سيما في المناطق المشمسة كجنوب الجزائر. مع ذلك، تواجه منشآت الطاقة الشمسية غير المتصلة بالشبكة في المناطق النائية تحديات عديدة، منها تراكم الغبار، وتغطية الرمال، والتظليل الجزئي، ومحدودية الوصول للصيانة. وعندما لا تُكتشف المشاكل، يتدهور أداء النظام وينخفض إنتاجه بشكل ملحوظ. تقدم هذه الأطروحة نظام مراقبة ذكي منخفض التكلفة للكشف عن الأعطال في الألواح الشمسية باستخدام منصة أردوينو أونو مُدمجة بتقنيات التعلّم الآلي. يعمل النظام بشكل كامل على مستوى الحافة، حيث يجمع بيانات الجهد والتيار، ويعالج القراءات، ويخزن المعلومات محليًا على بطاقة ويحدد الأعطال في الوقت الفعلي دون الحاجة إلى اتصال سحابي. جُمعت البيانات من لوحة كهروضوئية في ثلاث حالات: التشغيل العادي، والتغطية الكاملة بالرمال، والتظليل الجزئي بالأوراق. وتم تقييم عدة خوارزميات تصنيف، منها: الغابة العشوائية، وآلة المتجهات الداعمة، والتعزيز التدرجي، والانحدار اللوجستي. حققت خوارزمية الغابة العشوائية أعلى دقة: %94.6خلال التحقق المتبادل و %92.8على بيانات اختبار غير مرئية. يميز النموذج بنجاح بين التشغيل الطبيعي والأعطال دون متطلبات حسابية كبيرة، مما يجعله مناسبًا للأجهزة المدمجة منخفضة التكلفة تُظهر النتائج أن دمج الاستشعار القائم على أردوينو مع التعلم الآلي يُتيح مراقبة فعّالة وميسورة التكلفة لأنظمة الطاقة الشمسية الكهروضوئية دون إشراف بشري مستمر. يكشف هذا النظام المستقل الأعطال بسرعة أكبر ويُقلل تكاليف الصيانة على المدى الطويل، مُقدمًا حلاً قويًا لإدارة الطاقة في المواقع النائية غير المتصلة بشبكة الكهرباء