Desarrollo de un Modelo para la Detección Automática de Fallas en Sistemas Solares Fotovoltaicos a Gran Escala Asociados a la Empresa Ingeniería Creativa – ICREA S.A.S.

Simple item page
dc.contributor.advisorQuiroga Quiroga, Oscar Arnulfo
dc.contributor.advisorRincon Saravia, Rolando Andrés
dc.contributor.authorSierra Torres, Cesar Augusto
dc.contributor.evaluatorOsma Pinto, German Alfonso
dc.contributor.evaluatorDiaz Barrera, Juliam Andrés
dc.date.accessioned2024-11-18T20:23:16Z
dc.date.available2024-11-18T20:23:16Z
dc.date.created2024-11-18
dc.date.issued2024-11-18
dc.description.abstractLa investigación se enfoca en el desarrollo de un modelo automático para la detección de fallas en sistemas solares fotovoltaicos, un componente crucial para optimizar la eficiencia de estos sistemas y minimizar costos asociados a fallos imprevistos. El problema principal radica en la dificultad de detectar y gestionar fallas en plantas solares fotovoltaicas, debido a la influencia de variables eléctricas, meteorológicas y físicas. La solución propuesta consiste en crear un modelo de machine learning que analice datos eléctricos y ambientales para identificar anomalías y prever fallos potenciales antes de que ocurran. Puntualmente este modelo analiza los datos de energía medida en la salida de los inversores y de irradiancia GHI y POA, para crear una relación entre estos dos datos y poder caracterizar los comportamientos inusuales. Este modelo pretende mejorar la eficiencia operativa al reducir tiempos de inactividad y optimizar el mantenimiento. Los resultados obtenidos incluyen la implementación efectiva del modelo en una planta solar activa en Colombia, la identificación y caracterización de tres tipos de fallas importantes como lo son desconexión repentina de los inversores, limitaciones en los inversores y comportamientos anómalos en un grupo de inversores. La solución tiene el potencial de transformar la gestión de sistemas solares en Colombia, promoviendo una transición energética más eficiente y sostenible.
dc.description.abstractenglishThe research focuses on developing an automated model for fault detection in photovoltaic solar systems, a crucial component for optimizing the efficiency of these systems and minimizing costs associated with unexpected failures. The main problem lies in the difficulty of detecting and managing faults in photovoltaic solar plants due to the influence of electrical, meteorological, and physical variables. The proposed solution involves creating a machine learning model that analyzes electrical and environmental data to identify anomalies and predict potential failures before they occur. Specifically, this model analyzes energy data measured at the inverter output and irradiance data (GHI and POA) to establish a relationship between these two data points and characterize unusual behaviors. The model aims to improve operational efficiency by reducing downtime and optimizing maintenance. The results obtained include the effective implementation of the model in an active solar plant in Colombia, the identification and characterization of three significant types of faults: sudden disconnection of inverters, limitations in inverters, and anomalous behaviors in a group of inverters. The solution has the potential to transform the management of solar systems in Colombia, promoting a more efficient and sustainable energy transition.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electricista
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/44787
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Eléctrica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectTransición energética
dc.subjectEnergías renovables
dc.subjectSostenibilidad energética
dc.subjectEmisiones de gases de efecto invernadero
dc.subjectEnergía eléctrica
dc.subjectSistemas solares fotovoltaicos
dc.subjectOptimización de sistemas energéticos
dc.subjectDetección de fallas
dc.subjectMantenimiento proactivo
dc.subjectMachine learning
dc.subjectDatos eléctricos y ambientales
dc.subjectIrradiancia (GHI y POA)
dc.subjectAnálisis de datos
dc.subjectPlantas solares
dc.subjectICREA S.A.S.
dc.subjectEficiencia operativa
dc.subject.keywordEnergy transition
dc.subject.keywordRenewable energy
dc.subject.keywordEnergy sustainability
dc.subject.keywordGreenhouse gas emissions
dc.subject.keywordElectric power
dc.subject.keywordPhotovoltaic solar systems
dc.subject.keywordEnergy systems optimization
dc.subject.keywordFault detection
dc.subject.keywordProactive maintenance
dc.subject.keywordMachine learning
dc.subject.keywordElectrical and environmental data
dc.subject.keywordIrradiance (GHI and POA)
dc.subject.keywordData analysis
dc.subject.keywordSolar plants
dc.subject.keywordICREA S.A.S.
dc.subject.keywordOperational efficiency
dc.titleDesarrollo de un Modelo para la Detección Automática de Fallas en Sistemas Solares Fotovoltaicos a Gran Escala Asociados a la Empresa Ingeniería Creativa – ICREA S.A.S.
dc.title.englishDevelopment of a Model for Automatic Fault Detection in Large-Scale Photovoltaic Solar Systems Associated with the Company Ingeniería Creativa – ICREA S.A.S.
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
1.68 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
348.81 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
176.77 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Eléctrica