Fault identification system internally affecting photovoltaic panels using artificial intelligence

Abstract

Esta investigación presenta el diseño y simulación de un sistema de identificación de fallas basado en redes neuronales para un panel fotovoltaico. El sistema permite detectar fallas de desajuste y degradación causadas por la humedad, que equivalen al aumento o disminución de la resistencia interna en serie del panel respectivamente, evitando así daños que puedan limitar su rendimiento y vida útil. Las fallas por falta de coincidencia son causadas por la aparición de puntos calientes, mientras que la exposición del panel en ambientes húmedos causa fallas debido a la degradación de la humedad. Un panel fotovoltaico se modela utilizando los parámetros proporcionados por su fabricante. Se propone un estimador de resistencia en serie basado en el método de mínimos cuadrados recursivos con un factor de olvido e intervalos de confianza superior e inferior. La identificación de fallas se realiza utilizando una red neuronal perceptrón multicapa con entrenamiento supervisado. Las entradas a la red son la irradiancia y el valor estimado de resistencia en serie. Las salidas son: funcionamiento normal, falla por desajuste y falla por degradación de la humedad. El estimador se evalúa para varios escenarios, incluido el funcionamiento normal y de falla. Además, se somete a diferentes perfiles de irradiancia solar basados ??en datos reales. El estimador demuestra un buen desempeño, identificando correctamente todos los puntos operativos evaluados.