Sistema de comunicación y dashboard de resultados para un arreglo de dispositivos que detectan fallas en paneles solares con cámara RGB y redes convolucionales.

Este estudio presenta un sistema para la detección y clasificación en tiempo real de las fallas que ocurren en los módulos fotovoltaicos, tales como polvo, grietas y sombras. Este sistema se basa en el procesamiento de imágenes RGB mediante modelos de aprendizaje profundo que se implementan en un dispositivo embebido portátil. Se entrenaron redes neuronales convolucionales para la detección de módulos fotovoltaicos mediante segmentación semántica y para la clasificación del tipo de falla. Luego, los modelos entrenados se implementaron en una Raspberry Pi que, junto con una cámara RGB de bajo costo, proporcionó un dispositivo portátil para la clasificación en tiempo real. Este estudio considera dos escenarios de clasificación específicos: clasificación binaria (modo de falla y modo de no falla) y clasificación cuaternaria (fisuras, sombras, polvo y modo de no falla). El sistema propuesto muestra una precisión media superior al 90% para la tarea de clasificación binaria y del 74% para la clasificación cuaternaria, con tiempos de procesamiento de hasta 3 segundos por imagen capturada. Este estudio también presenta una implementación con un dashboard utilizando Ubidots y mensajes de tipo MQTT. La implementación de estos modelos en dispositivos embebidos de bajo costo corresponde a una alternativa viable para el monitoreo continuo de módulos fotovoltaicos.

• Autores: Hernandez Ruiz, Johan Alexander
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/55588
• Acceso en línea: http://hdl.handle.net/1992/55588
• Palabra clave: Generación de energía fotovoltaica; Sistemas de energía fotovoltaicos; Fallas de sistemas (Ingeniería); Energía solar; Paneles solares fotovoltaicos; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf