Browsing by Author "GHENNAM Hibat Rahman"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Étude et dimensionnement d’un poste électrique (HTA/BT) pour l’alimentation d’une station d’air comprimé au sein du complexe minier de Djebel Onk
    (ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2025) GHENNAM Hibat Rahman; MALAOUI Nour El Houda; BENNEDJAI Soumaya (Encadrant)
    Ce mémoire de fin d’études a pour objectif la conception et le dimensionnement d’un poste électrique (HTA/BT) préfabriqué destiné à l’alimentation de la nouvelle station d’air comprimé du complexe minier de Djebel Onk, appartenant à la société SOMIPHOS. Cette nouvelle station vient pour remplacer une installation devenue obsolète et incapable de satisfaire les besoins croissants liés à l’exploitation de cinq compresseurs et deux sécheurs d’air. Le travail inclut l’analyse des besoins en énergie, il comprend l’évaluation des besoins énergétiques, la sélection et le dimensionnement des équipements électriques (notamment les transformateurs, disjoncteurs et relais de protection), l’étude des courants de court-circuit, l’analyse de la sélectivité des protections ainsi que la vérification des chutes de tension. Ces calculs ont été effectués à l’aide du logiciel CANECO (HT/BT) dans le but d’optimiser l’installation électrique. La solution proposée garantit aujourd’hui une alimentation sécurisée de la station, tout en contribuant à l’amélioration des performances industrielles de la société SOMIPHOS, et en respectant les normes techniques.
  • Thumbnail Image
    Item
    Prévision de la production d'énergie solaire à court terme à l'aide des réseaux LSTM et des données météorologiques
    (ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2025) MALAOUI Nour El Houda; GHENNAM Hibat Rahman; BENNEDJAI Soumaya (Encadrant)
    Ce mémoire traite la prévision de la production de l'énergie solaire, il nécessite des outils capables de le prédire avec précision, malgré sa dépendance aux conditions météorologiques. Dans ce travail, un réseau de neurones LSTM est utilisé afin de représenter et de prédire à court terme la production d’énergie photovoltaïque à partir de données historiques. Une base de données réelle a été utilisée, prétraitée, normalisée, puis exploitée pour entraîner le modèle. Les résultats obtenus démontrent la fidélisation des variations journalières de la production solaire par le modèle LSTM avec des erreurs faibles et une forte corrélation avec les valeurs réelles, ce qui confirme son utilité pour des applications pratiques.