Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.12494/41026
Exportar a:
Title: Methodology for automatic fault detection in photovoltaic arrays from artificial neural networks
Author: Colmenares-Quintero, Ramón Fernando
Rojas-Martinez, Eyberth Rolando
Macho-Hernantes, Fernando
Stansfield, Kim E.
Colmenares-Quintero, Juan Carlos
Email autor: ramon.colmenaresq@campusucc.edu.co
metadata.dc.description.cvlac: https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000192503
Issue Date: 29-Sep-2021
Keywords: Sistema fotovoltaico
Detección de fallas
Red neuronal artificial (ANN)
Clasificación
Objetivos de Desarrollo Sostenible (ODS).
Resume: Este artículo presenta una metodología para la detección automática de fallas en matrices fotovoltaicas. Debido a la gran importancia en la construcción de plantas fotovoltaicas cada vez más robustas, la detección automática de averías se ha convertido en una herramienta necesaria para alargar la vida útil de estas plantas, evitar paradas del sistema y reducir graves problemas de seguridad. En el presente estudio se detectan nueve posibles fallas, provocadas por un mal funcionamiento de los diodos de bypass y bloqueo. La solución consiste en entrenar dos modelos basados ​​en redes neuronales artificiales, el primer modelo es un clasificador binario que detecta si ocurre o no una falla, el segundo es un clasificador multiclase que detecta el tipo de falla. Los modelos obtenidos fueron entrenados a partir de datos de simulación, en una arquitectura de 9 paneles fotovoltaicos interconectados en tres filas por matriz de tres columnas (extensible a sistemas más grandes). La evaluación muestra que el sistema de predicción tiene una precisión total del 92,95%. Finalmente, esta metodología se pretende implementar en Colombia, en zonas de difícil acceso y no interconectadas a la red eléctrica, buscando reducir el mantenimiento correctivo.
Abstract: Automatic fault detection in photovoltaic (PV) systems has acquired great relevance worldwide, as expressed by (Pierdicca et al., 2018), (Rao et al., 2019), and (Lu et al., 2019). This is due to the necessity of keeping this type of system functioning properly for as long as possible. The early detection of faults in solar plants can be summarized in the reduction of serious safety problems, shutdown of the system and need for corrective maintenance. This will be reflected in the decrease in operating costs.
Program: Ingeniería Civil
Headquarters: Medellín
Type: Artículos Científicos
Citation: Colmenares-Quintero, R.F., Rojas-Martinez, E. R., Macho-Hernantes, F., Stansfield, K.E. y Colmenares-Quintero, J.C. (2021). Methodology for automatic fault detection in photovoltaic arrays from artificial neural networks, Cogent Engineering, 8:1, 1981520, DOI: 10.1080/23311916.2021.1981520
Resource reference: https://www.tandfonline.com/doi/full/10.1080/23311916.2021.1981520
Appears in Collections:Ingeniería Mecánica

Files in This Item:
File Description SizeFormat 
2021_Methodology_photovoltaic_artificial.pdfArtículo10.13 MBAdobe PDFView/Open Request a copy
2021_Methodology_photovoltaic_artificial_licenciadeuso.pdfLicencia de uso134.95 kBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.