A la hora de invertir en fuentes de energía solar, siempre se trata de optimizar la eficiencia para lograr el máximo rendimiento de esta tecnología. Con este objetivo, científicos de Perú han desarrollado un algoritmo que predice fallas en los paneles solares fotovoltaicos y las soluciona para que los mismos sean cada vez más eficientes y capturen una mayor cantidad de radiación solar.

Se trata de un modelo en estudio desarrollado por investigadores de la Facultad de Ingeniería Eléctrica y Electrónica de la Universidad Nacional del Centro del Perú (UNCP), que utiliza inteligencia artificial para diseñar una metodología útil para corregir mediciones erróneas en paneles instalados en zonas rurales de ese país cordillerano.

El sistema llamado Mashiderming, es nada más y nada menos que un algoritmo matemático basado en inteligencia artificial que optimiza las prestaciones de los paneles instalados.

“Las actividades de operación y mantenimiento en sistemas fotovoltaicos utilizan mediciones meteorológicas y eléctricas que deben ser fiables para comprobar el rendimiento del sistema. Las normas de la Comisión Electrotécnica Internacional (IEC) han establecido criterios generales para filtrar información errónea. Sin embargo, no existe un proceso estandarizado para la evaluación de las mediciones”, detallaron los científicos peruanos a la hora de explicar por qué comenzaron este minucioso trabajo.

“El Machine Learning detecta fallas en los paneles solares, por lo que el usuario no deberá esperar para su reparación, sino que ya está programado en el sistema que maneja la empresa prestadora”, precisó David Condezo Hurtado, docente investigador de la Facultad de Ingeniería Eléctrica y Electrónica cuando explicó su funcionamiento.

“Hemos desarrollado tres procedimientos para detectar y corregir mediciones de un sistema fotovoltaico basados en el modelo de diodo único. La evaluación del rendimiento de cada criterio se ha probado con seis grupos de medidas experimentales de una instalación de 3 kWp. Luego de aplicar el modelo inteligente, se ha conseguido la reducción de errores entre el valor estimado y el medido de energía obtenida, minimizando el número de mediciones a corregir, y se ha conseguido un aumento del 2,5% del coeficiente de determinación”, agregaron sobre el prototipo inteligente que hizo el trabajo evaluatorio.

El resultado del informe final se detalló en el artículo “Data quality processing for photovoltaic system measurements” (Procesamiento de calidad de datos para mediciones de sistemas fotovoltaicos), publicado en International Journal of Electrical and Computer Engineering (IJECE).

En resumen, el trabajo presenta una metodología para corregir mediciones experimentales fotovoltaicas erróneas, validada a través de 12 estudios de casos con más de 5.000 puntos de datos, mostrando mejoras significativas en la corrección de datos para variables meteorológicas y eléctricas en sistemas fotovoltaicos.

El responsable técnico del proyecto, José Galarza Linares, explicó que “para recolectar información y realizar un diagnóstico, visitaron las comunidades campesinas de San Juan de Jarpa, Cachi y Chupuro en la provincia de Chupaca, y notaron que el uso promedio del equipo fotovoltaico es de tres horas diarias para recargar celulares y escuchar radio, por lo que el tiempo útil del panel solar es de cinco años, y pasado este lapso sufre fallas”.

La investigación duró dos años y fue financiada por el Programa Nacional de Investigación Científica y Estudios Avanzados PROCIENCIA, que mostró su interés ya que de cada 100 paneles solares instalados, 20 presentan defectos y su reparación está supeditada al tiempo y a la distancia, por lo que las familias son perjudicadas en el uso de sus equipos eléctricos, comentó Marko Orihuela Lazo, integrante del grupo Energy Systems (EES) Research Group.

El proyecto fue ganador del Concurso Nacional de Investigación Aplicada convocado por el Programa Nacional de Investigación Científica y Estudios Avanzados PROCIENCIA, con el objetivo de mejorar la confiabilidad de la evaluación del desempeño en sistemas fotovoltaicos.