Un equipo internacional de investigación ha creado una plataforma de gemelos digitales (DT, por su su sigla en inglés) para probar la monitorización aérea autónoma de centrales fotovoltaicas a gran escala. Los DT son representaciones virtuales de sistemas físicos que permiten a operadores e investigadores evaluar escenarios sin el riesgo asociado a la experimentación en el mundo real.
«La novedosa solución basada en gemelos digitales denominada Digital-PV se ha desarrollado para la simulación y ejecución gestionada de la monitorización aérea autónoma de centrales fotovoltaicas», explican los investigadores. «Proporciona una plataforma virtual de pruebas para vuelos y misiones autónomas, incluida la detección de límites, la planificación de trayectorias y la detección de fallos, junto con capacidades de generación de datos para desarrollar modelos de supervisión e inspección basados en datos».
El DT se basó en Unreal Engine (UE), creado por la empresa estadounidense de videojuegos Epic Games para desarrollar entornos de juego. Los científicos crearon un área de 4 km2 con pequeñas variaciones del terreno y elementos naturales, y ajustaron los parámetros atmosféricos y de iluminación para emular la iluminación del mundo real.
«Para añadir al nivel componentes vegetales como paneles fotovoltaicos y turbinas eólicas, adquirimos los activos y modelos 3D necesarios, entre ellos una turbina eólica y un prototipo de panel fotovoltaico, en mercados de modelos 3D», añade el grupo. «El editor de malla estática incorporado en UE se utilizó para crear mallas personalizadas de excrementos de pájaros de diversas formas y tamaños, que se utilizaron como personajes de falla».
La empresa utilizó el simulador AirSim de Microsoft para simular un robot aéreo en el entorno simulado. Se configuró para grabar imágenes RGB, identificar el excremento de pájaro, descender hasta el lugar de la avería y capturar una imagen de la superficie del panel probablemente defectuoso. Estas imágenes pueden utilizarse después para entrenar modelos de detección de fallos de inteligencia artificial (IA).
«Uno de los retos a la hora de utilizar técnicas de IA es adquirir una cantidad significativa de datos anotados. Esto se debe a que los conjuntos de datos disponibles públicamente son bastante limitados», afirman los académicos. «Demostramos el potencial de Digital-PV en la generación de conjuntos de datos para desarrollar modelos de monitorización. Para ello, se utilizaron como ejemplo los excrementos de aves, aunque está previsto incluir otros defectos en el futuro».
En total, el robot aéreo tomó imágenes de 2.469 muestras fotovoltaicas simuladas con excrementos de aves. Utilizó una arquitectura de red totalmente convolucional (FCN) basada en codificador-decodificador, adaptada del modelo VGG16, para la detección de fallos. Alrededor del 85% de las imágenes se destinaron al entrenamiento del modelo, el 10% a la validación durante el proceso de entrenamiento y el 5% a las pruebas.
Los científicos comprobaron que la precisión media para el entrenamiento y la validación fue del 98,31% y el 97,93%, respectivamente, lo que, según ellos, demuestra que el modelo entrenado puede localizar con precisión las aves que caen sobre los módulos fotovoltaicos con una precisión media del 95,2% para los datos de prueba.
Los DT también pueden utilizarse para evaluar la extracción de límites de la IA, es decir, para identificar la planta fotovoltaica en relación con el entorno. El equipo también demostró que pueden utilizarse para probar los modelos de planificación de trayectorias. Para la extracción de límites, utilizaron el procesamiento clásico de imágenes (CIP) y un modelo basado en el aprendizaje profundo (DP), mientras que para la planificación de trayectorias utilizaron algoritmos de la literatura científica. Sin embargo, no se presentaron los resultados cuantitativos de esas pruebas.
«Al evaluar su rendimiento y eficacia, obtenemos información valiosa sobre sus capacidades y su rendimiento potencial en el mundo real», concluyeron los científicos. «Este análisis contribuye al avance de las soluciones basadas en IA para la monitorización aérea de plantas fotovoltaicas, permitiendo una inspección y un mantenimiento más eficientes de estas infraestructuras críticas de energías renovables».
El gemelo digital se presentó en «Digital-PV: A digital twin-based platform for autonomous aerial monitoring of large-scale photovoltaic power plants», publicado en Energy Conversion and Management. Fue propuesto por científicos de la Universidad Tecnológica Amirkabir de Irán, la Universidad de Isfahan, la Universidad Concordia de Canadá, la Universidad Noruega de Ciencia y Tecnología (NTNU) y la Universidad Albert Ludwigs de Friburgo (Alemania).
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.