Detección de Fallas de Sistemas Fotovoltaicos Aplicando un Modelo de Aprendizaje Automático

LIVÁN HERNÁNDEZ PARDO; DAYLÉN MILIAN PÉREZ; DAVID DE YONG; FACUNDO AGUILERA; GERMÁN G. OGGIER

San Francisco, Córdoba

Congreso; XXI Reunión de trabajo en Procesamiento de la Información y Control (RPIC2025); 2025

Universidad Tecnológica Nacional, Facultad Regional San Francisco

La necesidad de métodos eficientes para la detección de fallas en sistemas fotovoltaicos (PV), dentro de esquemas de gestión de energía tolerantes a fallas aplicados a microrredes eléctricas (MR), ha motivado el desarrollo de soluciones basadas en técnicas de aprendizaje automático. En este trabajo se propone un método de medición de diferencias basado en modelo para identificar fallas de pérdidas de generación en un sistema PV conectado a una MR. Primeramente, se entrena un modelo de perceptrón multicapa utilizando datos meteorológicos y de generación eléctrica, permitiendo estimar con precisión la potencia de salida del sistema PV en condiciones normales. La estrategia de detección de fallas se basa en la comparación entre la potencia estimada y la medida, estableciendo un umbral dinámico en función del error de predicción del modelo. Los resultados demuestran que la estrategia propuesta logra una detección efectiva de fallas con bajas tasas de falsas alarmas, ajustando la sensibilidad según las condiciones meteorológicas.