Investigadores peruanos han desarrollado un sistema autónomo e implementable que, según se informa, puede cuantificar las pérdidas de energía por acumulación de polvo en paneles fotovoltaicos antes de su implementación.
El enfoque propuesto combina métodos de redes neuronales y conductancia incremental, una de las técnicas de seguimiento del punto de máxima potencia (MPPT, por sus iniciales en inglés) más utilizadas debido a su simplicidad y baja complejidad de implementación.
“Este sistema aprovecha una combinación de redes neuronales artificiales (RNA), modelado eléctrico y MPPT basado en conductancia incremental”, declararon los autores a pv magazine. “A diferencia de los métodos convencionales que requieren instalaciones de laboratorio, plantas fotovoltaicas operativas o altos costos de mantenimiento, nuestra solución es fácilmente implementable y proporciona información en tiempo real sobre las pérdidas por suciedad, tanto antes como después de la implementación de los sistemas fotovoltaicos”.
El método propuesto se probó en un sistema que contenía un módulo de prueba fotovoltaico de silicio monocristalino de 5 W, un convertidor de inductancia primaria de extremo único CC-CC (SEPIC), un piranómetro, sensores de temperatura del módulo y un ordenador con un procesador ARM Cortex-172 de 28 nm que ejecuta la RNA. Además de las predicciones de la RNA, el grupo probó el sistema utilizando un modelo eléctrico que utiliza resolución iterativa, lo que significa que repite el cálculo varias veces hasta obtener un buen resultado. Ambos sistemas utilizan como datos de entrada la irradiancia solar y la temperatura medidas.
Las pruebas se realizaron entre septiembre de 2020 y septiembre de 2021, y el módulo fotovoltaico se limpió mensualmente. Los datos del primer mes se utilizaron para entrenar el modelo de RNA, utilizando 14.000 mediciones en 150 iteraciones. El modelo eléctrico, por otro lado, no necesitó entrenamiento, ya que se basa únicamente en los datos medidos y las especificaciones fotovoltaicas.
“Ambos modelos mostraron un rendimiento comparable al estimar la salida energética de un módulo fotovoltaico limpio, y el modelo de RNA demostró menores costos computacionales”, afirmaron. “El modelo de RNA también mostró una precisión ligeramente mejor, con un error porcentual absoluto medio (MAPE) del 0,5%, en comparación con el 0,6% del modelo eléctrico. Estos resultados indican que, si bien ambos modelos son eficaces, el modelo de RNA ofrece ventajas en términos de eficiencia computacional y adaptabilidad para el reentrenamiento, con el fin de compensar la degradación a largo plazo del módulo”.
Los resultados de las pruebas de un año mostraron que, con un programa de limpieza mensual, las pérdidas de energía por suciedad oscilaron entre el 4 % y el 7 % durante la mayoría de los meses. Se registraron pérdidas elevadas de hasta el 10 % en meses con actividades de construcción cercanas. «Nuestros hallazgos demuestran la capacidad del sistema para predecir con precisión las pérdidas de rendimiento por suciedad sin necesidad de una configuración completa del sistema fotovoltaico», destacaron los investigadores.
Para concluir su trabajo, añadieron que «el sistema de Neuroconductancia Incremental presenta una solución robusta y flexible para cuantificar las pérdidas por suciedad en los módulos fotovoltaicos, lo que contribuye a programas de mantenimiento más efectivos y a un mejor rendimiento de la planta fotovoltaica».
El sistema se presentó en el artículo «Incremental neuroconductance to analyze performance losses due to soiling in photovoltaic generators» (Neuroconductancia incremental para analizar las pérdidas de rendimiento por suciedad en generadores fotovoltaicos), publicado en Energy Reports. La investigación fue realizada por científicos de la Universidad Nacional de San Agustín y la Pontificia Universidad Católica del Perú.
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.