Identificación de fallas en instalaciones solares fotovoltaicas

Abstract

La creciente adopción de sistemas fotovoltaicos alrededor del mundo a obligado buscar alternativas que permitan detectar fallas en los módulos fotovoltaicos; para un máximo aprovechamiento energético. En este proyecto se desarrolló un método de identificación de fallas que integró la termografía infrarroja, la inspección visual y el análisis de variables eléctricas, por medio de un sistema basado en Internet de las cosas e inteligencia artificial. El sistema desarrollado mostró un mejor desempeño con relación a las soluciones tradicionales que utilizan un solo método. Los resultados demuestran las capacidades tecnológicas actuales para mejorar la gestión de las instalaciones fotovoltaicas y orientan a los administrados de estas instalaciones para hacer una mejor elección de soluciones de mantenimiento. Este informe se presenta como un compendio de artículos publicados y sometidos a publicación, los cuales se concretaron gracias al desarrollo y a los resultados del proyecto.

The growing adoption of photovoltaic systems around the world has forced the search for alternatives to detect faults in photovoltaic modules; for maximum energy utilization. In this project, a fault identification method was developed that integrated infrared thermography, visual inspection and analysis of electrical variables, through a system based on the Internet of Things and artificial intelligence. The developed system showed an improved performance over traditional solutions using a single method. The results demonstrate the current technological capabilities to enhance the management of photovoltaic installations and guide the managers of these installations to make a better choice of maintenance solutions. This report is presented as a compendium of articles published and submitted for publication, which were made possible thanks to the development and results of the project.