Detección de fallas en sistemas solares fotovoltaicos por medio de modelado y algoritmos computacionales

No es extraño el interés en la aplicación de la energía solar fotovoltaica (FV) y su despliegue en Colombia, pues el país cuenta con una ubicación geográfica privilegiada para la irradiación solar, con un valor diario 15% mayor frente al promedio mundial. De hecho, se proyecta tener una capacidad instalada de 1.2 GW únicamente a partir del recurso solar a cierre de 2023. Sin embargo, la principal debilidad de la energía solar FV es su naturaleza intermitente y susceptibilidad a pérdidas y fallas. Una caracterización de pérdidas y fallas consolida una confiable evaluación de desempeño, a la vez de guiar hacia el alcance de la eficiencia esperada del sistema. Modelar computacionalmente un sistema FV permite realizar un análisis económico y de desempeño eficaz. No obstante, los modelos actuales carecen de flexibilidad en sus simulaciones, lo que dificulta explorar análisis avanzados de rendimiento. Por otra parte, las estrategias convencionales para detectar fallas no logran ser suficiente debido a la complejidad del perfil de la señal de datos, además de requerir costos adicionales. Los métodos que emplean inteligencia artificial se entrenan para aprender la relación entre los parámetros de entrada y salida de un sistema FV. Adicionalmente, es posible identificar estados defectuosos del sistema mediante evaluaciones de error. En este proyecto se propone un modelo computacional que es capaz de evaluar el rendimiento de un sistema solar FV permitiendo la detección de fallas. El modelo computacional se realiza con la librería PVlib e incorpora un algoritmo de cuantificación dinámica de pérdidas. El agente de detección de falla se desarrolla a partir de una red neuronal artificial que se entrena en una base de datos sintética, la cual incluye fallas conocidas. Finalmente, para la detección de fallas, se desarrolla una estrategia de definición de umbrales a partir de la información operativa y meteorológica de la instalación FV.

• Autores: Salazar Peña, Nelson Andrés
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/53906
• Acceso en línea: http://hdl.handle.net/1992/53906
• Palabra clave: Generación de energía fotovoltaica; Fallas de sistemas (Ingeniería); Redes neurales (Computadores); Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf