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

• Yajure Ramírez, César Aristóteles ^[1] ; Rojas-Aranguren, Jairo J. ^[2]
  1. [1] Universidad Central de Venezuela

     Universidad Central de Venezuela

     Venezuela

     
  2. [2] R&C Ingeniería y Servicios SpA
• Localización: RTE: Revista Tecnológica Espol, ISSN-e 1390-3659, ISSN 0257-1749, Vol. 35, Nº. 1, 2023 (Ejemplar dedicado a: REGULAR VOLUME (JUN,2023) - Multidisciplinary open edition: Environment and Sustainability, ICT and Engineering), págs. 120-136
• Idioma: español
• Títulos paralelos:
  • Methodology for evaluating the performance of photovoltaic solar plants through the use of data science
• Enlaces
  • Texto completo
• Resumen
  • español

    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.

  • English

    The continuous evaluation of solar photovoltaic plants is essential for their operation. Their main variables must be monitored to verify that the electrical energy is delivered under optimal operating and efficiency conditions. This research presents a methodology based on data science to evaluate solar photovoltaic plants. This methodology was applied to the data set of a solar plant of the US National Renewable Energy Laboratory, analyzing the data to obtain temporal curves of irradiance and energy, as well as the leading performance indicators. Also, this study used the K-Means algorithm to generate clusters within the data set and the K-NN algorithm to create class prediction models of the energy and PR indicator. Clusters grouping the generated power values and the PR values were obtained. The energy class classification model had an accuracy of 91.67%, while the PR indicator class classification model had an accuracy of 83.33%. Since the average fouling rate in the monthly and annual scales was above 90%, while those of the PR were around 70%, a study is recommended to determine the origin of the losses in the plant. It is also suggested that a model be developed to determine the impact of ambient temperature, PV module temperature, and wind speed on  of electric power production.