See all

Un método asistido por IA mapea las pérdidas de módulos fotovoltaicos a partir de una sola imagen de luminiscencia

Un equipo internacional de investigadores ha desarrollado un método asistido por inteligencia artificial que cuantifica las pérdidas de potencia de los módulos fotovoltaicos a partir de una sola imagen de luminiscencia. El método alcanzó un error global de alrededor del 0,5% en pruebas realizadas con 300 módulos retirados de instalaciones en campo y fue demostrado mediante imágenes obtenidas con drones en una planta solar de 186 kW.
Un dron realiza diagnósticos de una sola toma en una planta fotovoltaica de gran escala. | Imagen: Universidad de Zhejiang

Un equipo internacional de investigadores ha desarrollado un sistema de diagnóstico capaz de reconstruir cuantitativamente el rendimiento de los módulos fotovoltaicos a partir de una sola imagen de electroluminiscencia (EL).

«La principal novedad del sistema es que, a partir de una sola imagen de luminiscencia, podemos cuantificar la pérdida local de potencia hasta el nivel de píxel, lo que aumenta considerablemente la capacidad de procesamiento de los diagnósticos fotovoltaicos», explicó a pv magazine Dongchen Lan, autor de correspondencia del estudio. «Los diagnósticos cuantitativos convencionales mediante luminiscencia suelen requerir varias imágenes tomadas en distintas condiciones, mientras que nuestro método solo necesita una».

El sistema de diagnóstico cuantitativo de luminiscencia de una sola toma combina la identificación, asistida por IA, de los mecanismos de degradación dominantes con un modelo iterativo de reconstrucción basado en la física y sustentado en el transporte y la recombinación de portadores.

Lan explicó que los investigadores validaron el método en 300 módulos solares retirados de instalaciones en campo y posteriormente lo demostraron en una planta solar de gran escala mediante imágenes obtenidas con drones. «Con ello, estamos llevando la tecnología más allá de su función como potente herramienta en laboratorios y líneas de producción industrial, hacia la inspección y el mantenimiento de alto rendimiento de plantas solares de gran escala», afirmó.

El sistema comienza con la obtención de una única imagen EL de un módulo fotovoltaico con una corriente de inyección fija equivalente a 0,22 veces su densidad de corriente de cortocircuito. Un clasificador ligero de aprendizaje automático determina primero si la degradación observada está dominada por pérdidas de recombinación —como la degradación inducida por la luz (LID) o la degradación inducida por potencial (PID)— o por pérdidas resistivas asociadas a defectos como grietas en las células y líneas de rejilla interrumpidas.

Esta clasificación proporciona la restricción física necesaria para interpretar los parámetros a partir de una sola imagen. A continuación, un modelo de inversión basado en la física relaciona las variaciones espaciales de la intensidad de luminiscencia con los parámetros eléctricos pertinentes, reconstruyendo mapas de corriente de recombinación o de resistencia en serie, así como características de corriente-tensión con resolución a nivel de píxel.

Las características locales se combinan posteriormente de acuerdo con la configuración eléctrica del módulo para calcular su curva corriente-tensión (I-V), su potencia máxima y la distribución espacial de las pérdidas de potencia.

Los investigadores validaron el sistema con 300 módulos de silicio cristalino de 575 W retirados de instalaciones en campo. Los módulos procedían de distintos lotes de fabricación y entornos operativos y presentaban diferentes mecanismos de degradación y patrones de fallas.

Cada módulo fue fotografiado una sola vez con una corriente de inyección constante equivalente a 0,22 veces su densidad de corriente de cortocircuito, y su potencia máxima se reconstruyó a partir de la imagen EL resultante. Posteriormente, los investigadores compararon las predicciones con mediciones I-V convencionales realizadas en condiciones controladas en interiores.

«En el conjunto de datos de módulos retirados de instalaciones en campo, la potencia reconstruida coincidió estrechamente con las mediciones I-V convencionales, con un error global de solo alrededor del 0,5% y la mayoría de los errores a nivel de módulo dentro del 1,5%», explicó Lan. «El método de una sola toma puede ser incluso más preciso que los métodos basados en múltiples imágenes, al tiempo que reduce drásticamente el tiempo de medición y permite inspeccionar una superficie mucho mayor en un solo vuelo del dron».

Los investigadores también probaron el método en una planta solar de 186 kW compuesta por 342 módulos, utilizando imágenes EL nocturnas obtenidas mediante drones para mapear las pérdidas de potencia a nivel de célula, módulo y string.

En un grupo representativo de 24 módulos, el método midió una pérdida media de potencia del 7,53%, mientras que las pérdidas en algunas regiones de células gravemente degradadas alcanzaron aproximadamente el 25%. Los investigadores también utilizaron el método para comparar tres strings de 28 módulos afectados, respectivamente, por grietas leves; grietas graves y roturas de las líneas de rejilla; y degradación inducida por la luz.

«Actualmente estamos trabajando para que nuestro método de diagnóstico en campo sea más rápido y rentable para las tareas rutinarias de operación y mantenimiento fotovoltaico, al tiempo que convertimos la información sobre degradación en herramientas prácticas de apoyo a la toma de decisiones», concluyó Lan. «Esto incluye ayudar a priorizar las reparaciones y sustituciones, mejorar las previsiones de rendimiento y proporcionar evidencias más objetivas para evaluar el riesgo operativo y el valor de los activos a largo plazo. También estamos explorando su aplicación a tecnologías solares emergentes, como las fotovoltaicas de perovskita y tándem».

El artículo «One-shot luminescence diagnostics for field-scale photovoltaics» (Diagnósticos de luminiscencia de una sola toma para sistemas fotovoltaicos a escala de campo) apareció en Matter & Light. En el estudio participaron investigadores de la Universidad de Zhejiang, en China; Quantified Energy (Nanjing); el Laboratorio Provincial Clave de Zhejiang de Materiales y Dispositivos Funcionales Optoelectrónicos; y la Universidad de Nueva Gales del Sur, en Australia.

Este contenido está protegido por derechos de autor y no puede reutilizarse. Si deseas colaborar con nosotros y te gustaría reutilizar parte de nuestro contenido, ponte en contacto con nosotros en: [email protected].

Comentarios