Algoritmo predictivo como herramienta de mantenimiento para la detección anticipada de fallas de funcionamiento y operación en sistemas fotovoltaicos autónomos domiciliarios rurales

• Autor: Orihuela Lazo, Marko Antonio
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Centro del Perú
• Repositorio: UNCP - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uncp.edu.pe:20.500.12894/11192
• Enlace del recurso: http://hdl.handle.net/20.500.12894/11192
• Nivel de acceso: acceso abierto
• Materia: Algoritmo predictivo; Mediciones experimentales; Sistema fotovoltaico.; https://purl.org/pe-repo/ocde/ford#2.02.00

El propósito de la presente investigación fue la construcción de un algoritmo predictivo utilizando mediciones históricas y evaluar la influencia del algoritmo predictivo en la detección anticipada de fallas de funcionamiento y operación en los SFADR. Para medir las variables meteorológicas se empleó la estación meteorológica GMX601 para la temperatura, el piranómetro CMP10 del fabricante Kipp & Zonen para la radicación solar y el Datalogger CR310 para el registro de mediciones de las variables antes mencionadas. El procedimiento consistió en el registro de las variables meteorológicas, la simulación de los SFADR en diversas condiciones de operación normal y con falla, la elección del mejor modelo predictivo y la validación del modelo predictivo con nuevos valores mediante el uso de la matriz de confusión que compara con nuevos valores mediante el uso de la matriz de confusión que compara lo valores actuales y los predichos. Como resultado de la presente investigación se ha evaluado y obtenido el algoritmo a partir de un modelo predictivo final, luego de múltiples análisis de los diversos modelos y parámetros de Machine Learning, obteniéndose como resultado la correcta clasificación de la condición sin falla del 95.7% y la condición con falla del 99.1%. Asimismo, se ha evaluado como las mediciones históricas utilizadas en el algoritmo predictivo incrementan la detección de fallas, concluyéndose que la exactitud de predicción incrementa con un mayor registro de mediciones. Al respecto, también se evaluó y concluyo que las fallas con alta resistencia de falla, tienen una menor exactitud de clasificación de falla.