Investigadores de la Universidad de Lisboa (Portugal) han desarrollado un algoritmo de aprendizaje automático que clasifica y predice los fallos de los inversores en las plantas fotovoltaicas a escala comercial.
El nuevo algoritmo monitoriza, en particular, los subsistemas del inversor y envía alarmas cuando se alcanzan valores máximos y mínimos. Analiza los datos y clasifica las variables en función de los valores históricos.
Los científicos identificaron los tipos de fallos según los errores obtenidos en los inversores y la descripción de los sucesos. Los fallos incluyen fallos de red, sobretensión de red, sobretensión de red temporal, subtensión de red, baja tensión, sobrecorriente de CA temporal, sobrefrecuencia de red, subfrecuencia de red, fallo de potencia de red, corriente parásita excesiva, fallo de red de suministro, sobretensión de red de 10 minutos, sobrecarga de salida y carga desequilibrada de fallo de dispositivo de red.
El grupo probó el enfoque propuesto en dos sistemas fotovoltaicos montados en el suelo con capacidades de 140 kW y 590 kW. Ambas instalaciones utilizan inversores del fabricante alemán SMA. “Se analizaron las variables de cada inversor y se verificaron los siguientes tipos de fallo en el caso del rendimiento variable, debido a los errores del inversor”, explicó.
Los datos se caracterizaron mediante modelos de predicción de árbol fino, árbol medio y árbol grueso. En los modelos basados en árboles, un conjunto de reglas de división divide activamente el espacio de características en múltiples regiones más pequeñas, que no se solapan, con valores de respuesta similares.
Los académicos afirman que el algoritmo propuesto es capaz de identificar variaciones estacionales en los fallos de los inversores y que los resultados que proporciona pueden utilizarse para el análisis de la fiabilidad. “La evaluación basada en datos desarrollada en este estudio indica que los subsistemas de los inversores emergen para categorizar los modos de fallo”, subrayaron.
También sugirieron proteger los inversores de las irrupciones y sobrecorrientes de forma automática mediante el uso de circuitos de abrazadera a la capacitancia resonante en paralelo. “Se puede conseguir una alta eficiencia de conversión de potencia regenerando la corriente de pinza a la fuente de tensión de entrada”, concluyeron.
El novedoso algoritmo se presentó en el estudio “Machine learning for monitoring and classification in inverters from solar photovoltaic energy plants” (Aprendizaje automático para monitorización y clasificación en inversores de plantas de energía solar fotovoltaica), publicado en Compass in Solar.
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.