Un grupo de investigadores españoles ha desarrollado dos novedosas metodologías para la detección del funcionamiento anómalo de sistemas fotovoltaicos basadas en requisitos mínimos de datos. La primera está diseñada para identificar pérdidas repentinas de eficiencia a corto plazo, mientras que la segunda es una técnica a largo plazo diseñada para monitorizar la degradación de una planta.
«El manuscrito presenta dos metodologías distintas que emplean técnicas supervisadas de aprendizaje automático (ML)», explican los académicos. «Ambas metodologías se caracterizan por su dependencia de un mínimo de variables de entrada, una elección deliberada de diseño para facilitar su aplicación en instalaciones con disponibilidad limitada de datos. Esta característica pragmática permite implementar los enfoques propuestos en plantas de energía solar preexistentes sin necesidad de instalar equipos adicionales.»
En ambos enfoques, los científicos aplicaron el algoritmo recursivo de mínimos cuadrados (RLS) para la detección de anomalías. El RLS es un método de filtrado adaptativo utilizado en el procesamiento de señales y sistemas de control para minimizar el error entre una señal deseada y una señal estimada.
«Los datos de radiación en el plano del conjunto fotovoltaico (POA) son necesarios para ambos modelos, ya que la generación fotovoltaica se correlaciona directamente con ellos», añade el grupo. «Los componentes de irradiancia se recogen del Servicio de Monitorización de la Atmósfera de Copernicus (CAMS) utilizando la ubicación FV. Sin embargo, no se proporcionan datos de la instalación fotovoltaica aparte de la producción de energía, la ubicación y la potencia nominal, por lo que se estiman la orientación y la elevación de los paneles fotovoltaicos.»
Tras el diseño de los dos algoritmos de detección de fallos, el equipo de investigación los probó en una serie de plantas fotovoltaicas repartidas por varios lugares de España. Estaban situadas en distintas zonas climáticas, con picos de generación de energía que oscilaban entre 33 kW y 295 kW. Algunas eran nuevas y otras tenían más de diez años.
La detección a corto plazo se probó en 22 plantas fotovoltaicas y demostró que la evolución de los coeficientes resultantes de utilizar el algoritmo RLS puede utilizarse para la detección de fallos, según los científicos. «El uso de un solo coeficiente y la radiación incidente en el plano de los paneles fotovoltaicos como entrada hace que el coeficiente ajustado evolucione de forma directamente proporcional a la eficiencia de la planta fotovoltaica», explicaron.
«El modelo a largo plazo selecciona el modelo más representativo de la planta fotovoltaica de cada mes de funcionamiento y los compara prediciendo la generación fotovoltaica en un año base», señalaron además los investigadores. «Este algoritmo se ha utilizado con las 5 plantas fotovoltaicas con mayores datos históricos en este estudio. Los resultados siguieron la degradación media anual esperada del 1,5% en 4 de estas instalaciones y detectaron un patrón de degradación abrupto en una instalación».
Sus conclusiones se presentaron en «Detection of abnormal photovoltaic systems’ operation with minimum data requirements based on Recursive Least Squares algorithms» (Detección de funcionamiento anormal de sistemas fotovoltaicos con requerimientos mínimos de datos basado en algoritmos de Mínimos Cuadrados Recursivos), publicado en Solar Energy. El grupo estaba formado por académicos del Centro Internacional de Métodos Numéricos en Ingeniería (CIMNE) y de la Universidad Politécnica de Cataluña.
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.