ALPF-PV: Algoritmos predictivos de auto-aprendizaje para la detección anticipada de fallas como herramienta de mantenimiento en sistemas fotovoltaicos de zonas rurales del Perú

El Perú a través de sus diversos proyectos de masificación de la electrificación rural ha instalado más de 200 000 sistemas fotovoltaicas a nivel nacional. Actualmente las actividades de mantenimiento son muy limitadas, no permitiendo incorporar tecnología en el proceso de monitoreo de dichas instalaciones. En la actualidad, se usan equipos y procedimientos con fines genéricos en la inspección de sistemas fotovoltaicos, realizándose mediciones básicas, como la verificación visual de equipos, entre otras actividades rutinarias de operación y mantenimiento. Ante una avería de la instalación fotovoltaica, se presentan deficiencias en su identificación y en el tiempo de atención, debido a que se ubican en zonas rurales del país, ante estos inconvenientes, se pretende brindar una solución predictiva para una decisión correcta y a tiempo, así como asegurar el funcionamiento óptimo de la instalación en su tiempo de vida útil. Se ha planteado como hipótesis que el uso de algoritmos de tipo predictivo brindará información pertinente con días de anticipación sobre los defectos y averías para garantizar el mantenimiento y el óptimo funcionamiento de los paneles fotovoltaicos. La presente investigación aborda el estudio de métodos de tipo predictivo que contribuyan con la alerta temprana de fallas y defectos que se producirán en un futuro cercano en las instalaciones fotovoltaicas rurales. El diseño de la investigación es de tipo experimental, y está basado en el diseño de un modelo a nivel de software, dicho modelo servirá de análisis para el desarrollo del algoritmo predictivo. Es cuantitativo, toda vez que está basado en funciones matemáticas para el desarrollo de modelos y el uso de indicadores estadísticos como parte de la evaluación de la exactitud. El objetivo general del proyecto es desarrollar un algoritmo de tipo predictivo, que permita alertar en forma temprana los defectos y averías, para asegurar el óptimo funcionamiento y el mantenimiento necesario de los sistemas fotovoltaicos en zonas rurales. Referido al objetivo general se han planteado los siguientes objetivos específicos: - Caracterizar la instalación fotovoltaica rural utilizando información real, a través del modelamiento de cada uno de sus componentes que constituyen la instalación. - Evaluar técnicas de procesamiento y análisis de tendencias de datos, para determinar las funciones de autocorrelación como base de la construcción del algoritmo predictivo. - Validar el algoritmo predictivo utilizando componentes de una instalación fotovoltaica rural a nivel de laboratorio. El resultado esperado es el desarrollo de un algoritmo computacional predictivo, que contribuya a gestionar el monitoreo de instalaciones fotovoltaicas en zonas rurales del país. El desarrollo del proyecto permitirá afianzar la línea de investigación del Grupo de Investigación Electric Energy System de la Facultad de Ingeniería Eléctrica y Electrónica de la Universidad Nacional del Centro del Perú - UNCP. El impacto de la investigación permitirá: Brindar una solución que pretenda mejorar la operación y mantenimiento de las más de 200 000 instalaciones fotovoltaicas a nivel nacional en el Perú permitiendo contribuir con la gestión técnico-económica de las instalaciones fotovoltaicas rurales y el bienestar de la población que utiliza dichas instalaciones. Consolidar una propuesta para su aplicación en sistemas fotovoltaicos de colegios y centros de salud de zonas rurales instalados por el Estado Peruano.