Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Quiroga Quiroga, Oscar ArnulfoRincon Saravia, Rolando AndrésSierra Torres, Cesar Augusto2024-11-182024-11-182024-11-182024-11-18https://noesis.uis.edu.co/handle/20.500.14071/44787La 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.application/pdfspainfo:eu-repo/semantics/openAccessTransición energéticaEnergías renovablesSostenibilidad energéticaEmisiones de gases de efecto invernaderoEnergía eléctricaSistemas solares fotovoltaicosOptimización de sistemas energéticosDetección de fallasMantenimiento proactivoMachine learningDatos eléctricos y ambientalesIrradiancia (GHI y POA)Análisis de datosPlantas solaresICREA S.A.S.Eficiencia operativaUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEnergy transitionRenewable energyEnergy sustainabilityGreenhouse gas emissionsElectric powerPhotovoltaic solar systemsEnergy systems optimizationFault detectionProactive maintenanceMachine learningElectrical and environmental dataIrradiance (GHI and POA)Data analysisSolar plantsICREA S.A.S.Operational efficiencyhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)