Diagnóstico de fallos en módulos fotovoltaicos

Resumen El diagnóstico de fallos y la monitorización de condiciones son importantes para aumentar la eficiencia y la fiabilidad de los módulos fotovoltaicos. Este artículo revisa los desafíos y limitaciones asociados con el diagnóstico de fallos en módulos solares. Se ha analizado detalladamente los diversos fallos responsables del fracaso de los módulos solares. Tras revisar el trabajo relevante, se diseñó una herramienta de monitorización mediante termografía y sistemas de inteligencia artificial que permite la detección de varios tipos de fallos en módulos fotovoltaicos y, al mismo tiempo, la herramienta diseñada tiene como objetivo filtrar las anomalías no significativas. Se aplica un clasificador de red neuronal (NN) a las características de transferencia (datos de I‐V) del módulo fotovoltaico defectuoso para el diagnóstico, el cual adapta redes de perceptrón multicapa (MLP) para identificar el tipo y la localización de los fallos que se producen. Se utiliza la técnica de procesamiento de señales basada en la transformada discreta de wavelet (DWT) en el proceso de extracción de características para reducir el tamaño de entrada de la NN. El algoritmo de detección desarrollado está adaptado para una vigilancia automatizada 24/7. Para una condición de fallo determinada, se observa que el tiempo medio de detección de fallos es <9 segundos, lo que es inferior al trabajo previo realizado. El algoritmo desarrollado logró un 100% de precisión al ser probado en un conjunto de datos de fallos predeterminado.