Metodología para la evaluación de desempeño de plantas solares fotovoltaicas a través del uso de la ciencia de datos

César A. Yajure-Ramírez
Jairo J. Rojas-Aranguren
Resumen

La evaluación continua de las plantas solares fotovoltaicas es fundamental para su operación, puesto que, se debe hacer seguimiento a sus variables principales, y así verificar que se entrega la energía eléctrica en óptimas condiciones de operación y de eficiencia. En esta investigación se presentó una metodología basada en la ciencia de datos con el fin de evaluar plantas solares fotovoltaicas. Se aplicó al conjunto de datos de una planta solar del Laboratorio Nacional de Energías Renovables de EEUU, haciendo un análisis de los datos para obtener curvas temporales de irradiancia y energía, y también de los principales indicadores de desempeño. Así también, se empleó el algoritmo K-Means para generar clústers dentro del conjunto de datos, y el algoritmo K-NN para crear modelos de predicción de clases de la energía y del indicador PR. Se obtuvieron clústers que agrupan los valores de potencia generada, y los valores del PR. El modelo de clasificación de las clases de energía tuvo una exactitud del 91,67%, mientras que el modelo de clasificación de las clases del indicador PR tuvo una exactitud del 83,33%. Dado que la tasa de ensuciamiento promedio en las escalas mensual y anual estuvo por encima del 90%, mientras que las del PR estuvieron alrededor del 70%, se recomienda hacer un estudio para determinar el origen de las pérdidas en la planta. Asimismo, se sugiere realizar un modelo para determinar el impacto de la temperatura ambiente, la temperatura del módulo fotovoltaico, y de la velocidad del viento en la producción de energía eléctrica.

DESCARGAS
Los datos de descarga aún no están disponibles.
Cómo citar
Metodología para la evaluación de desempeño de plantas solares fotovoltaicas a través del uso de la ciencia de datos. (2023). Revista Tecnológica - ESPOL, 35(1), 120-136. https://doi.org/10.37815/rte.v35n1.1011
Biografía del autor/a

César A. Yajure-Ramírez, Universidad Central de Venezuela

Ingeniero Electricista graduado en la Universidad de Carabobo en 1998, Magíster Scientiarum graduado en la Universidad Central de Venezuela en el 2006. Docente Universitario durante 19 años. Actualmente es profesor invitado del Postgrado de Investigación de Operaciones en la UCV.

Referencias

Ahire, N., Agrawal, A., & Sharma, D. (2018). Performance Analysis of PV Solar Power System. IOSR Journal of Electrical and Electronics Engineering, 35-41. DOI: 10.9790/1676-1302013541.

Amat Rodrigo, J. (15 de 02 de 2023). Ciencia de Datos, Estadística, Machine Learning y Programación. (Joaquin Amat Rodrigo) Recuperado el 01 de Dicembre de 2022, de https://www.cienciadedatos.net/documentos/pystats05-correlacion-lineal-python.html

Asea Brown Boveri. (2019). Technical Application Paper. Photovoltaic plants-Cutting edge technology. From sun to socket. https://search.abb.com/library/Download.aspx?DocumentID=9AKK107492A3277&LanguageCode=en&DocumentPartId&Action=Launch.

Asociación Mexicana de Energía Solar. (2021). Operación y Mantenimiento. Guía de Mejores Prácticas / Edición México. https://asolmex.org/2021/04/29/operacion-y-mantenimiento/.

Cielen, D., Meysman, A., & Ali, M. (2016). Introducing Data Science. Shelter Island, NY: Manning Publications Co.

Cordero, R., Damiani, A., Laroze, D., MacDonell, S., Jorquera, J., Sepúlveda, E., . . . Torres, G. (2018). Effects of soiling on photovoltaic (PV) modules in the Atacama Desert. Scientific Reports, 1-14. DOI:10.1038/s41598-018-32291-8.

Fenner, M. E. (2020). Machine Learning with Python for Everyone. Boston: Pearson Education, Inc.

Igual, L., & Seguí, S. (2017). Introduction to Data Science - A Python Approach to Concepts, Techniques and Applications. Switzerland: Springer International Publishing.

International Electrotechnical Commission. (2016). IEC TS 61 724-3 Photovoltaic system performance – Part 3: Energy evaluation method. IEC.

Jordan, D., & Kurtz, S. (2012). Photovoltaic Degradation Rates — An Analytical Review. National Renewable Energy Laboratory.

Lee, W. M. (2019). Python Machine Learning. Indianapolis: John Wiley & Sons, Inc.

León-Ospina, C., Arias-Zarate, H., & Hernandez, C. (2023). Performance Evaluation of Photovoltaic Projects in Latin America. International Journal of Advanced Computer Science and Applications, 201-212. https://dx.doi.org/10.14569/IJACSA.2023.0140123.

McKinney, W. (2018). Python for Data Analysis. Sebastopol, CA: O’Reilly Media, Inc.

Nugroho, W., & Sudiarto, B. (2021). Performance evaluation of 5 MW Solar PV Power Plant in Kupang. Materials Science and Engineering. doi:10.1088/1757-899X/1098/4/042069.

PVDAQ NREL. (15 de 02 de 2023). Duramat. Obtenido de Duramat: https://datahub.duramat.org/dataset/pvdaq-time-series-with-soiling-signal

Ratner, B. (2017). Statistical and Machine-Learning Data Mining - Techniques for Better Predictive Modeling and Analysis of Big Data. Boca Raton, FL: CRC Press Taylor & Francis Group.

Romero-Fiances, I., Muñoz-Cerón, E., Espinoza-Paredes, R., Nofuentes, G., & de la Casa, J. (2019). Analysis of the Performance of Various PV Module Technologies in Peru. Energies. doi:10.3390/en12010186.

Russano, E., & Ferreira Avelino, E. (2020). Fundamentals of Machine Learning Using Python. Oakville, Canadá: Arcler Press.

SolarDesignTool. (15 de 02 de 2023). Obtenido de SolarDesignTool site: http://www.solardesigntool.com/components/module-panel-solar/Sanyo/2735/HIP200BA3/specification-data-sheet.html

Tackie, S., & Özerdem, Ö. (2022). Performance Evaluation and Viability Studies of Photovoltaic Power Plants in North Cyprus. International Journal of Renewable Research, 2237-2247. https://doi.org/10.20508/ijrer.v12i4.13670.g8583.

Umargono, E., Suseno, J. E., & Gunanwan S.K, V. (2019). K-Means Clustering Optimization Using the Elbow Method and Early Centroid Determination Based on Mean and Median Formula. Advances in Social Science, Education and Humanities Research, 474. https://doi.org/10.2991/assehr.k.201010.019.

Vasisht, M., Srinivasan, J., & Ramasesha, S. (2016). Performance of solar photovoltaic installations: Effect of seasonal variations. Solar Energy, 39-46. http://dx.doi.org/10.1016/j.solener.2016.02.013.

Veerendra Kumar, D., Deville, L., Ritter III, K., Raush, J. R., Ferdowsi, F., Gottumukkala, R., & Chambers, T. (2022). Performance Evaluation of 1.1 MW Grid-Connected Solar Photovoltaic Power Plant in Louisiana. Energies. https://doi.org/10.3390/en15093420

Verma, S., Yadav, D., & Sengar, N. (2021). Performance Evaluation of Solar Photovoltaic Power Plants of Semi-Arid Region and Suggestions for Efficiency Improvement. International Journal of Renewable Energy Research, 762-775. https://dorl.net/dor/20.1001.1.13090127.2021.11.2.25.4.

Yahyaoui, I. (2018). Advances in Renewable Energies and Power Technologies - Volume 1: Solar and Wind Energies. Cambridge: Elsevier Inc.

Yuan, C., & Yang, H. (2019). Research on K-Value Selection Method of K-Means Clustering Algorithm. Multidisciplinary Scientific Journal, 226-235. doi:10.3390/j2020016.

Artículos similares

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Artículos más leídos del mismo autor/a