Algoritmos recursivos de mínimos cuadrados para detectar el funcionamiento anormal en sistemas fotovoltaicos

70

Fuente: https://www.pv-magazine.com/

Científicos en España han implementado algoritmos de mínimos cuadrados recursivos (RLS) para la detección de anomalías en sistemas fotovoltaicos y han descubierto que pueden proporcionar una «evaluación más realista y significativa» que el análisis energético tradicional.

Análisis de plantas fotovoltaicas Imagen: Universitat Politècnica de Catalunya, Energía Solar, Licencia Común CC BY 4.0

Un grupo de investigadores españoles ha desarrollado dos novedosas metodologías para la detección de funcionamiento anormal de sistemas fotovoltaicos basadas en requisitos mínimos de datos. La primera está diseñada para identificar pérdidas repentinas de eficiencia en el corto plazo, mientras que la segunda es una técnica a largo plazo diseñada para monitorear la degradación de una planta.

“El manuscrito presenta dos metodologías distintas que emplean técnicas de aprendizaje automático supervisado”, dijeron los académicos. “Ambas metodologías se caracterizan por su dependencia de variables de entrada mínimas, una elección de diseño deliberada para facilitar su aplicación en instalaciones con disponibilidad limitada de datos. Esta característica pragmática permite que los enfoques propuestos se implementen en plantas de energía solar preexistentes sin instalar equipos adicionales”.

En ambos enfoques, los científicos implementaron el algoritmo de mínimos cuadrados recursivos (RLS) para la detección de anomalías. RLS es un método de filtro adaptativo utilizado en sistemas de control y procesamiento de señales para minimizar el error entre una señal deseada y una señal estimada.

«Los datos de radiación en el plano fotovoltaico de la matriz (POA) son necesarios para ambos modelos, ya que la generación fotovoltaica se correlaciona directamente con ellos», añadió el grupo. “Los componentes de irradiancia se obtienen del Servicio de Monitoreo de la Atmósfera de Copernicus (CAMS) utilizando la ubicación fotovoltaica. 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 estima la orientación y elevación de los paneles fotovoltaicos”.

Tras el diseño de los dos algoritmos de detección de fallos, el equipo de investigación los probó en varias plantas fotovoltaicas en varios lugares de España. Estaban ubicados en zonas climáticas distintas, con una generación máxima de energía que oscilaba entre 33 kW y 295 kW. Algunos eran nuevos y otros tenían más de diez años.

La detección a corto plazo se probó en 22 plantas fotovoltaicas y demostró que, según los científicos, la evolución de los coeficientes resultantes del uso del algoritmo RLS se puede utilizar para la detección de fallos. “Utilizar un solo coeficiente y la radiación incidente en el plano de los paneles fotovoltaicos como entrada hace que el coeficiente ajustado evolucione 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 rastrearon la degradación anual promedio esperada del 1,5% en 4 de estas instalaciones y detectaron un patrón de degradación abrupta en una instalación”.

Sus hallazgos se presentaron en » Detección de funcionamiento anormal de sistemas fotovoltaicos con requisitos mínimos de datos basados ​​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) de España y de la Universidad Politécnica de Cataluña .

Los comentarios están cerrados.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More

Privacy & Cookies Policy