Desarrollo de una metodología de comparación para distintos métodos de detección online de falla de un sistema fotovoltaico

Con la expansión global del internet y el avance en la tecnología computacional, se han popularizado técnicas de clasificación y de detección de anomalías basadas en Machine Learning. Estas técnicas han permeado hasta el campo de la detección y posterior clasificación de fallas en sistemas fotovoltaicos y se han convertido en las más populares. Las fallas en los sistemas fotovoltaicos deben ser detectadas de manera oportuna con el fin de mitigarlas y minimizar las pérdidas económicas. En este texto se evidencia el desarrollo de una comparación entre diferentes métodos tanto de detección como de clasificación de varios tipos de falla. Los métodos se evalúan mediante simulación y se comparan a partir de su respuesta ante señales ruidosas y su score F. Considerando que los métodos serán usados en tiempo real, se capturan las señales usadas para los features durante una corta ventana de tiempo. Finalmente se propone un sistema de monitoreo para analizar, en tiempo real, las variables necesarias para la detección y clasificación de falla, se valida mediante simulación y mediante prueba experimental. Finalmente, se concluye acerca de los métodos y se proponen trabajos futuros tanto para el sistema de monitoreo como para la comparación realizada entre los métodos.

• Autores: Campuzano Zuluaga, Juan Felipe
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/55657
• Acceso en línea: http://hdl.handle.net/1992/55657
• Palabra clave: Sistemas de energía fotovoltaicos; Machine Learning; Energía solar; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf