Formalisation événementielle des trajectoires de dégradation dans les systèmes photovoltaïques : vers un diagnostic explicable // Event-based formalization of degradation trajectories in photovoltaic systems: towards explainable diagnosis

Les systèmes photovoltaïques modernes génèrent des signaux électriques continus (courant, tension, puissance) dont l'analyse est à la base des méthodes de diagnostic. Ces approches reposent majoritairement sur l'extraction de caractéristiques et l'utilisation des méthodes d'apprentissage automatique ou statistique. Si elles ont démontré leur efficacité dans de nombreux contextes, elles restent fondées sur une représentation implicite du système, qui ne permet pas de décrire explicitement la dynamique des phénomènes de dégradation.
En conditions réelles d'exploitation, la dégradation des systèmes photovoltaïques est progressive, dépendante du contexte opérationnel et souvent faiblement observable. Elle ne correspond pas à un état statique, mais à un processus dynamique caractérisé par des successions d'événements, des transitions, des répétitions et des interactions entre sous-systèmes. Les approches classiques fondées sur des descripteurs de signaux ne permettent pas de représenter les dépendances temporelles entre événements, de capturer les relations de causalité et de décrire les trajectoires d'évolution du système.
Le verrou scientifique principal réside ainsi dans l'absence d'un cadre de représentation adapté permettant de décrire la dégradation comme un phénomène dynamique structuré. Cette limite ne relève pas uniquement des performances des méthodes existantes, mais d'un problème plus fondamental de formalisation.
L'objectif de cette thèse est le développement d'un cadre méthodologique pour la formalisation événementielle des trajectoires de dégradation dans les systèmes photovoltaïques. Il s'agit d'opérer un changement de représentation, en passant d'une description continue des signaux à une description structurée en séquences d'événements. Cette approche vise à rendre explicite la dynamique du système à travers des représentations discrètes, interprétables et adaptées à l'analyse des processus d'évolution. Les variations caractéristiques des signaux (ruptures, dérives, changements de régime) seront transformées en alarmes opérationnelles, constituant un alphabet d'événements. Ces séquences d'événements seront ensuite modélisées à l'aide de formalismes issus des systèmes à événements discrets (automates, réseaux de Petri, chroniques, V-nets), afin de représenter explicitement les dépendances temporelles, les phénomènes de répétition et les interactions entre sous-systèmes.
L'enjeu dépasse la simple détection des défauts. Il s'agit de caractériser les trajectoires de dégradation elles-mêmes, en identifiant des motifs temporels, des variations infra-phénomènes et des modes d'évolution distincts pour un même type de défaut. Par exemple, un phénomène d'ombrage ou un défaut de type string-to-string mismatch peut donner lieu à des séquences d'événements différentes selon les conditions d'exploitation, révélant ainsi une information supplémentaire sur les mécanismes sous-jacents.
Les travaux visent ainsi à définir un nouveau cadre de représentation et d'analyse de la dégradation, permettant de mieux comprendre les mécanismes en jeu et d'ouvrir de nouvelles perspectives pour le diagnostic explicable et la maintenance prédictive des systèmes photovoltaïques.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Modern photovoltaic systems generate continuous electrical signals (current, voltage, power), whose analysis constitutes the basis of most existing diagnostic approaches. These methods typically rely on feature extraction combined with machine learning or statistical techniques. Although they have demonstrated strong performance in various contexts, they remain grounded in an implicit representation of the system that does not explicitly capture the dynamics of degradation phenomena.
Under real operating conditions, degradation in photovoltaic systems is progressive, context-dependent, and often weakly observable. It cannot be adequately described as a static state, but rather as a dynamic process involving sequences of events, transitions, repetitions, and interactions between subsystems. In this context, conventional signal-based approaches fail to represent temporal dependencies between events, causal relationships, or the evolution trajectories of the system.
The main scientific challenge therefore lies in the lack of an appropriate representation framework to describe degradation as a structured dynamic phenomenon. This limitation is not merely related to the performance of existing diagnostic methods, but to a more fundamental issue of formalization.
The objective of this PhD is to develop a methodological framework for the event-based formalization of degradation trajectories in photovoltaic systems. This involves a shift in representation, from continuous signal descriptions to structured sequences of events. The goal is to explicitly capture system dynamics through discrete, interpretable representations that are suitable for analyzing evolution processes. In this framework, characteristic variations in electrical signals (such as abrupt changes, slow drifts, or regime transitions) will be transformed into operational alarms, forming an alphabet of events. These event sequences will then be modeled using formalisms from discrete event systems (such as finite automata, Petri nets, chronicles, and V-nets), enabling the explicit representation of temporal dependencies, repetitions, and interactions between subsystems.
The ambition goes beyond fault detection. The objective is to characterize degradation trajectories themselves, by identifying temporal patterns, intra-phenomenon variability, and distinct modes of evolution for a given type of fault. For instance, phenomena such as partial shading or string-to-string mismatch may generate different event sequences depending on operating conditions, thus revealing additional information about the underlying mechanisms.
Overall, this work aims to define a new framework for representing and analyzing degradation processes, enabling a deeper understanding of system behavior and opening new perspectives for explainable diagnosis and predictive maintenance in photovoltaic systems.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrat doctoral

Concours pour un contrat doctoral

Université de Perpignan Via Domitia

305 Energie et Environnement

Le candidat devra être titulaire d'un Master 2 en génie électrique, automatique, intelligence artificielle ou mathématiques appliquées. Il devra posséder de solides bases en traitement du signal, analyse de séries temporelles et/ou apprentissage automatique. Des connaissances en systèmes à événements discrets constitueraient un atout. Maîtrise de Python et/ou Matlab requise. Autonomie, rigueur scientifique et capacité à évoluer dans un contexte interdisciplinaire attendues.
Master's degree in electrical engineering, control systems, artificial intelligence or applied mathematics. Strong background in signal processing, time series analysis and/or machine learning. Knowledge in discrete event systems is a plus. Proficiency in Python and/or Matlab required. Autonomy, scientific rigor and ability to work in an interdisciplinary environment.