Investigadores de la Universidad china de Tianjin y el fabricante de inversores Ginlong Solis han desarrollado un novedoso método basado en IA para la detección de arcos de corriente continua en sistemas fotovoltaicos.
Un arco de CC se produce en matrices fotovoltaicas cuando hay una descarga eléctrica entre partes conductoras en este lado del sistema. La elevada energía y temperatura del proceso ioniza los gases circundantes, creando una trayectoria de plasma para que la corriente siga fluyendo. «Los arcos voltaicos de corriente continua pueden provocar incendios, daños materiales y poner en peligro la vida de las personas», afirma el grupo. «Muchos países han establecido normas de detección de arcos de CC y definido la protección contra fallos de arco de CC debido a las desastrosas consecuencias de los arcos de CC».
La novedosa técnica se basa en el algoritmo de la transformada rápida de Fourier (FFT, por sus siglas en inglés) y en el método de estimación de aprendizaje automático de la red neuronal de retropropagación (BPNN). La FFT es un algoritmo de uso frecuente para analizar señales y en esta investigación se utilizó para convertir la corriente fotovoltaica al dominio de la frecuencia. BPNN es un método de entrenamiento de aprendizaje automático que se corrige a sí mismo cambiando el peso que da a las diferentes capas de su mecanismo de comprensión.
En el primer paso del método propuesto, una unidad de procesador digital de señales (DSP) muestrea los componentes de CA de la corriente fotovoltaica hasta alcanzar cientos de puntos. A continuación, utiliza el algoritmo FFT para obtener resultados en el dominio de la frecuencia y eliminar los componentes del rango de baja frecuencia (menos de 41 kHz) y de alta frecuencia (más de 102,5 kHz).
En el paso siguiente, las muestras restantes se dividen en ocho grupos y se alimentan al análisis BPNN. A partir de esos ocho grupos, el modelo de IA procesa los datos y decide si existe un arco. En caso afirmativo, envía una orden al CC/CC del extremo FV para interrumpir el arco.
«El proceso de interrupción del arco puede realizarse localmente, eliminando la necesidad de que las decisiones las tomen la capa de nivel del inversor y la capa de la nube», añaden. «Como resultado, la fiabilidad del sistema es relativamente alta. La desventaja es que los algoritmos se implementan principalmente en la capa final fotovoltaica. Además, como los datos de entrenamiento se guardan localmente, las unidades locales deben tener una memoria física más grande para el almacenamiento de datos.»
El modelo de IA se entrena de dos formas: en línea y fuera de línea. En el caso offline, los datos de entrenamiento recopilados se introducen en los algoritmos de un ordenador, que mejora las capacidades del software de control DSP. El entrenamiento en línea entra en acción cuando falla el reconocimiento fuera de línea. Cuando falla, los datos grabados del sistema de detección se envían a la nube, donde se sigue entrenando a la IA con ellos. A continuación, devuelve los resultados a la unidad física.
«El arco puede identificarse al instante utilizando FFT y análisis de IA, y el tiempo de detección del arco es inferior a 200 ms cuando se produce un arco», afirman los científicos.
Para probar su método de detección, construyeron una plataforma de pruebas. Entre el fotovoltaico de la plataforma y el inversor conectaron un generador de arcos, un dispositivo que puede crear un arco para que la IA lo identifique.
«Los resultados del entrenamiento coinciden con los valores reales», constataron. «Además, se utilizan 40 conjuntos de datos de prueba para validar el modelo entrenado. Los resultados de las pruebas y el modelo creado coinciden bien. El porcentaje de aciertos es del 97,5 %, y sólo 1 de cada 40 conjuntos se identifica incorrectamente. El tiempo de detección del arco es inferior a 200 ms cuando se produce un arco».
El novedoso enfoque se presentó en «A DC arc detection method for photovoltaic (PV) systems» (Un método de detección de arco CC para sistemas fotovoltaicos), publicado en Results in Engineering.
Este contenido está protegido por derechos de autor y no se puede reutilizar. Si desea cooperar con nosotros y desea reutilizar parte de nuestro contenido, contacte: editors@pv-magazine.com.
Al enviar este formulario, usted acepta que pv magazine utilice sus datos con el fin de publicar su comentario.
Sus datos personales solo se divulgarán o transmitirán a terceros para evitar el filtrado de spam o si es necesario para el mantenimiento técnico del sitio web. Cualquier otra transferencia a terceros no tendrá lugar a menos que esté justificada sobre la base de las regulaciones de protección de datos aplicables o si pv magazine está legalmente obligado a hacerlo.
Puede revocar este consentimiento en cualquier momento con efecto para el futuro, en cuyo caso sus datos personales se eliminarán inmediatamente. De lo contrario, sus datos serán eliminados cuando pv magazine haya procesado su solicitud o si se ha cumplido el propósito del almacenamiento de datos.
Puede encontrar más información sobre privacidad de datos en nuestra Política de protección de datos.